Besonders in abteilungsbezogenen Datensilos gehen relevante Informationen unter wie die Nadel im Heuhaufen. Ansprechpartner mit Potenzial zum loyalen und langfristigen Kunden verschwinden oft im Nirvana, weil Marketer und Vertriebler Daten in massigen Paketen kaufen, statt ausgewählte Leads zu recherchieren. Dieser Beitrag schildert, wie eine zentrale Datenstruktur die Arbeit von Marketing und Vertrieb effizienter und effektiver gestaltet, und nennt Verfahren, die dank maschinellem Lernen und KI gezielt Neukundenpotenziale aufdecken.

Quelle und Qualität

Das durchgängige Sammeln von Kundendaten für Vertriebs- und Marketingzwecke gehört schon lange zum Sales-Alltag. Vertriebsmitarbeitende werten dabei neben den eigens erhobenen Daten auch die externer Anbieter aus – eine Datenflut, die es zu analysieren gilt. Fluch und Segen zugleich: Zum einen kann der Vertriebler besser abschätzen, was die Kundschaft benötigt, sodass ihm die Kontaktaufnahme wesentlich leichter fällt. Zum anderen liegen ihm nun auch unnötige Informationen vor – Karteileichen, die für sein Angebot irrelevant sind und seine Ordnung eher durcheinanderbringen, als sie zu verbessern.

In Deutschland ändern sich täglich über 15.000 Firmenadressen und Zusatzinformationen. Die Bearbeitung eines solchen Ausmaßes an Veränderungen innerhalb der Zielgruppe erfordert enorme zeitliche und personelle Ressourcen. Nur ein angepasstes und tagesaktuelles CRM-System unterstützt den Vertriebler in solch effizientem Maße, dass er aus der Datenmenge seinen Vorteil zieht. Das gelingt mit einem Dreigespann: Mensch, Maschine und Daten.

Datensilos und Schatten-IT vermeiden

Datensilos und Schatten-IT entstehen in Unternehmen oft dann, wenn verschiedene Abteilungen unabhängig voneinander arbeiten und ihre eigenen Datenpools aufbauen. Das Problem dabei: Informationen werden oft nicht mit anderen Ressorts geteilt oder nicht zentralisiert angelegt. Außerhalb der Abteilung weiß kein Mitarbeitender über die letzten Kontaktverläufe sowie mögliche wichtige Änderungen der Ansprechpartner*innen Bescheid. Jedes Department kocht sein eigenes Süppchen, was insgesamt zu Datenredundanz und ungenauen Daten führt. Auch das Risiko von Schatten-IT steigt, wenn verschiedene Abteilungen unabhängig voneinander arbeiten. Dabei speichert jede Abteilung Daten in Eigenregie und baut damit eigene IT-Systeme auf, auch ohne Kenntnis der IT-Abteilung. Dadurch können sensible Daten verloren gehen oder in falsche Hände geraten.

Eine zentrale Datenstruktur trägt dazu bei, Datensilos sowie Schatten-IT zu vermeiden und die Chance auf gelungene, abteilungsübergreifende Kollaboration zu nutzen. Alle Daten liegen in einem zentralen System, auf das sämtliche Abteilungen zugreifen. Sie verwenden den Data-Hub gleichermaßen, um Leads zu kontaktieren sowie Kontaktverläufe einzutragen und die Datenbasis für alle ersichtlich zu aktualisieren. Ein solches Vorgehen schützt die wertvollen Kundeninformationen vor Fremdzugriff und sichert den Verbleib der Daten dadurch, dass nur ein spezieller Ablageort für sie existiert, auf den die Augen aller Datenverantwortlichen gerichtet sind. Die ständige Interaktion mit den Ansprechpartnern, zu denen die Kundenprofile gehören, steigert die Datenqualität umfassend und liefert allen Datenarbeitenden neue Erkenntnisse bis hin zu Wissensvorsprüngen vor der Konkurrenz. Das Risiko von Schatten-IT wird minimiert.

Wer Adressdaten und weitere Wirtschaftsinformationen einkauft, muss sie genau filtern, sie zu nutzen wissen und auf dem neuesten Stand halten. So vermeiden Unternehmen mit zentrierten Vertriebsaktivitäten Datenredundanz, Datensilos und Schatten-IT.

Filterung und Aktualisierung der Daten

Eine zentrale Datenstruktur allein reicht jedoch nicht aus. Unternehmen müssen sich auch bewusst machen, dass die Qualität der Daten entscheidend für den Erfolg von Sales-Aktivitäten ist. Das bedeutet, dass der CRM-Content nicht nur auf dem neuesten Stand gehalten werden, sondern auch genau gefiltert werden muss. Ein Beispiel: Vertriebsteams für Hardware-Angebote adressieren möglichst IT-Leiter und den Einkauf. Doch wie können Unternehmen und Abteilungen jeder Größe Aktualität und Qualität der Daten je nach Zielgruppe gewährleisten?

Adressdaten von externen Anbietern einzukaufen, kann hilfreich sein. Essenziell: der künftige Nutzen der Informationen, also das „wofür“. Sollen nur klar abgegrenzte Branchen angesprochen werden? Dann müssen Dateneinkäufer die Gruppe der Adressaten klar definieren. Oder liegt der Wunsch in der Ansprache neuer, noch unentdeckter Kundengruppen? In diesem Fall ist ein reiner Einkauf keine gute Wahl. Hier sollten Vertriebler individuelle Analysen etablierter Datenanbieter nutzen.

Analyse vor der Einbindung

Die Lead-Score-Analyse beispielsweise: Mithilfe von statistischen Methoden werden Daten über Interessenten und Kundschaft analysiert, um ihr Potenzial zu ermitteln. Verschiedene Faktoren wie die Firmengröße, die Branche, die Position des Ansprechpartners oder die Größe des Budgets finden Berücksichtigung, je nach vorher festgelegtem Nutzen. Anhand dieser Faktoren wird ein Score ermittelt, der das Potenzial des Interessenten oder Kunden angibt. So verfügt bei zwei auf den ersten Blick ähnlich aussehenden Unternehmen jene Firma über einen besseren Wert für einen Webshop-Anbieter, die gerade einen neuen „Head of Marketing“ eingestellt hat, aktuell keinen Onlineshop betreibt und im vergangenen Jahr die Gewinne steigern konnte. Nur Leads mit hohem Score erreichen die Dateneinkäufer. So sehen Unternehmen nur neue Potenziale und vermeiden unnötige Datenmassen. Ohne einen solchen Service verursachen frisch erworbene Daten, eingebunden in das betriebseigene CRM-System, unvorhersehbares Chaos. Und das im zentralen Punkt einer beruflichen Disziplin, die den Überblick nur durch geordnete Informationen behält. Von Anfang an ausschließlich zielgerichtete Informationen zu übernehmen, ist sicher, effizient und hilft der Visualisierung.

Nach Erhalt der gekauften Third-Party-Kontakte sollte sich deshalb jeder Unternehmer fragen: Wie fügen sich die neuen Daten in meine vorhandene Datenbank ein? Sind diese Daten bereits so unterteilt, dass sie sich unkompliziert und korrekt in mein CRM-System eingliedern? Und wie erreiche ich die neue Zielgruppe? Schon diese drei Fragen zeigen die Herausforderung im aktiven Umgang mit externen Daten. Grundsätzlich ergibt eine zentrale Datenlagerung immer Sinn, solange geschulte Mitarbeitende sie von dort aus bearbeiten und steuern können. Data-Hubs kombinieren Adresspools und CRM-Systeme inklusive all ihrer Informationen und erlangen entsprechende Größe. Um die Aktualität und richtige Handhabung zu gewährleisten, hilft das Einrichten spezieller Teams im Datenmanagement. Beispielsweise für Data Enrichment, also das Anreichern von Datensätzen mit zusätzlichen Informationen. Datenanreicherung erhöht den Wert der Daten, benötigt aber so viel Zeit, dass ein übliches Marketingteam kaum Ressourcen dafür aufwenden kann. Ähnliches gilt für Data-Mining und Lead-Scoring. Der Output dieser Blackbox ist für Marketing und Vertrieb zwingend notwendig, um einen Vorsprung vor der Konkurrenz zu generieren. Spezialabteilungen bieten daher den bestmöglichen Umgang mit dem wertvollsten Gut der Digitalzeit – Unterstützung durch artifizielle Intelligenz inklusive.

KI im Datenmanagement

Viele Tools zum Datenhandling verfügen über eine oder mehrere Formen von künstlicher Intelligenz. Daten sind Nahrung für eine KI, ohne dieses Futter siecht das smarte Kunstwesen dahin – also wie gemacht für den Einsatz in mit Digitalisierung und Datensammlungen überfluteten Bereichen. Besonders eine Art von Automatisierung fördert interessante Ergebnisse für das analytische Arbeiten mit großen Datenmengen zutage: Data Analytics. Die DA findet aufgrund automatischer Mustererkennung unerforschte Kundengruppen und andere Potenziale. Dadurch, dass die künstliche Intelligenz dauerhaft ihre eigenen Ergebnisse überprüft, externe Überarbeitung erkennt und speichert, führt dieser Vorgang zu einem komplexen Algorithmus. Reale Personen sind nicht in der Lage, solche Verbindungen zu erkennen. Daher greifen sie auf die Hilfe KI-gestützter Datenanalysen zurück.

Auch Predictive Lead-Scoring hilft in datengeplagten Bereichen. Durch maschinelles Lernen errechnet die KI die Wahrscheinlichkeiten eines Abschlusses bei entsprechenden Kunden – und zwar bevor das bisherige Lead-Scoring im Vertrieb ansetzt. Für optimale Ergebnisse kann eine Anpassung der Vertriebs- und Marketingprozesse sinnvoll sein.

Allerdings sind bei der Nutzung von künstlicher Intelligenz auch ethische und datenschutzrechtliche Fragen zu beachten. Die Verarbeitung von personenbezogenen Daten muss datenschutzkonform erfolgen und sicherstellen, dass die künstliche Intelligenz nicht diskriminierend wirkt. Zudem muss auch der menschliche Faktor berücksichtigt werden, da eine vollständige Automatisierung nicht immer sinnvoll ist. Spätestens bei der Überprüfung der gefilterten Daten setzt der Faktor Mensch wieder an. Doch die schwierige Recherchearbeit auch massenhafter Daten vorab erledigt ein KI-gestütztes Tool viel effizienter, als ein Mitarbeitender es je könnte – vorausgesetzt die Filter stimmen.

Weniger Aufwand, mehr Gewinn

Insgesamt birgt die Auflösung von Datensilos und die Einführung einer zentralen Datenstruktur in Verbindung mit künstlicher Intelligenz und anderen Analysemethoden ein großes Potenzial für Unternehmen. Ein solches Datenmanagement realisiert effektivere Vertriebs- und Marketingaktivitäten, was sich letztlich in höheren Umsätzen und einer höheren Kundenzufriedenheit widerspiegelt.

Ohne schnelle Einteilung in grobe Muster verliert eine Datensammlung im Wachstum an Wert. Besonders kleine und mittelständische Betriebe, deren Budget nicht für Datenmanagement-orientierte-Fachkräfteteams ausreicht, bleiben auf einem Berg aus unsortiertem Material sitzen. Die einfachste Lösung für eine effektive Arbeit mit Unternehmensdaten stellt ein Wirtschaftsinformationsanbieter dar, der Datenanalysten beschäftigt, um passende Zielgruppen und Ansprechpartner zu eruieren. Nur aussichtsreiche und aktuelle Informationen, ermittelt durch multivariate Analyseverfahren, erreichen das betriebseigene CRM-System. Kundenbedürfnisse sind schneller ersichtlich, Vertriebsmitarbeitende kümmern sich intensiver um ihre Kunden und Marketer nutzen die Informationen für individuelles Kampagnenmanagement – und das ganz ohne Umbau der Betriebsstruktur oder kostenintensive Teambildung. Oft sind weniger Daten eben die qualifiziertere Wahl.