300 Spezialisten gegen einen Algorithmus: Wer gewinnt?

Publiziert am Mittwoch, 28. März, 2018 von Christoph Spengler
Werbewoche – für Köpfe in der Kommunikation, 2018/06

 

300 Studierende auf Master-Niveau in Deutschland und der Schweiz spielten mit einer Fallstudie gegen eine algorithmus-generierte Lösung. Mensch oder Maschine, wer entwickelt die besseren integrierten Strategien und Kampagnen für die Marktbearbeitung?

 


Download des Werbewochen-Beitrags als PDF

 

Im Kern ist das Rezept einer integrierten Marktbearbeitungsstrategie ganz einfach: Abgestimmt auf das Unternehmensziel und die Zielgruppe wählt man die bestgeeignetsten Touchpoints in der Customer Journey. Damit die Botschaften auch tatsächlich auf dem Radar der (potenziellen) Kunden erscheinen, werden gewisse Massnahmen noch mit ausreichend Budget versorgt. Digitalisierung und Automatisierung hilft, die Produktivität erheblich zu erhöhen. So weit so gut.

 

Komplexe und dynamische Realität

Mit zunehmender Digitalisierung galt lange als Paradigma, «auf allen Touchpoints präsent zu sein», was nachvollziehbar zu einer hohen betrieblichen Komplexität führt. Unangenehm wird es, wenn gleichbleibende Budgets dann auf immer mehr Töpfchen verteilt werden – bis die Massnahmen unter der Wirkungsschwelle liegen. Dieser Ansatz lässt die Frage nach Effektivität, die richtigen Dinge tun, und Effizienz, die Dinge richtig tun, unbeantwortet. Eine frisch veröffentlichte Studie aus Wien (Österreichisches Gallup Institut Dr. Karmasin GmbH, 2018) macht einmal mehr auf das Ausmass dieser Herausforderung aufmerksam. Mit Blick auf die Werbung: «60 Prozent der befragten Marketingverantwortlichen sind der Meinung, nicht alle relevanten Touchpoints mit ausreichend Werbedruck bedienen zu können.» Ganz vermeiden lässt sich Komplexität nicht, um es mit Einstein zu sagen: «Man soll die Dinge so einfach wie möglich machen, aber nicht einfacher.» Das erfordert in der neuen Realität Mut und ganzheitliche Wirkungstransparenz.

Scenario Engine zeigt Venn-Diagramm eines Touchpoint-Mixes

Beste Lösung gesucht

Als wir uns vor einigen Jahren zum ersten Mal mit Optimierungsalgorithmen beschäftigten, leitete uns ein ganz einfacher Gedanke: «Spieglein, Spieglein an der Wand, was ist die beste Lösung?» Ganz konkret soll die Maschine den besten Massnahmenmix zur Abdeckung der Customer Journey berechnen und dies über die unterschiedlichsten digitalen und analogen Touchpoints. Mit dieser anspruchsvollen Aufgabe betreten wir Neuland, das war uns bewusst. Gleichzeitig waren wir von der ersten Minute davon überzeugt, dass eine solche Faktengrundlage jedem Entscheider das Leben wesentlich vereinfachen würde. Die Erkenntnisse geben nicht nur Entscheidungssicherheit, sondern ermöglichen gar einen Quantensprung in Themen wie zum Beispiel Erfolgssteuerung, Wirkungsmaximierung resp. Risikominimierung oder ROI-Berechnungen. Endlich resultiert das Big Picture mit Zahlen! Zugegeben, ein Algorithmus, der die «beste Lösung» berechnen soll, ist eine ziemliche Ansage. Superlativwerbung! Bullshit-Bingo?

 

Mehrere Millionen Möglichkeiten

Um die «beste Lösung» – also den optimalen Mix – ausfindig zu machen, ergeben sich theoretisch sehr viele Kombinationsmöglichkeiten. Bei 80 Touchpoints sind dies rechnerisch 1024 Kombinationen. Dies bedeutet ziemlich viel Arbeit. Eine weitere zentrale Anforderung: Alles muss messbar und überprüfbar sein. Die der Berechnung zugrundeliegenden Daten umfassen qualitative und quantitative Beurteilungskriterien von digitalen und analogen Touchpoints aus sämtlichen Kategorien in der Marktbearbeitung – also Vertrieb, Marketing, Media und Service.

 

Die brennendste Frage

Am Ende des Tages interessiert uns alle aber vor allem eines: Ist die vom Algorithmus berechnete Lösung tatsächlich die beste? Um die Maschinenlösungen auf Herz und Nieren zu prüfen, erarbeiteten wir auf der Grundlage echter Daten eine Fallstudie. Die Aufgabe für die Teilnehmer an den unterschiedlichen Hochschulen bestand also darin, konkrete Kommunikations- und Vertriebsstrategien für eine Produkteinführung zu entwickeln. Mittels eines umfassenden Kennzahlensystems wurden die Vorschläge mess- und vergleichbar. So war gewährleistet, dass alle Mixes einheitlich beurteilt werden konnten.

 

Mensch gegen Maschine

Inzwischen haben über 300 Studentinnen und Studenten auf Master-Niveau in Deutschland und der Schweiz das erwähnte Fallbeispiel im Rahmen ihrer Aus- und Weiterbildung gelöst. Sozusagen mit Hirn und Bauch gegen den Algorithmus. Dabei waren mehrheitlich erfahrene Spezialisten aus der Marktbearbeitung, welche auch in der Praxis schon manche Strategien und Kampagnen selbst entwickelt und umgesetzt haben. Unsere Scenario Engine generierte für jeden gewählten Mix jeweils in Echtzeit aussagekräftige Kennzahlen zur Beurteilung. Und das Ergebnis? Alle Mixlösungen der Teilnehmer unterlagen der Maschinenlösung. Vereinzelt gelang es Teilnehmern, sich rein numerisch dem «optimalen Mix» stark anzunähern. Über alle Lösungen ist die Streuung erheblich.

 

Algorithmus besteht Nagelprobe

Die zentrale Aufgabe des Algorithmus besteht dabei darin, durch den «optimalen Mix» aufzuzeigen, wie in einer vernetzten «Multi­-Cross­-Omni­-Channel-Welt» die Cus­tomer Journey ganzheitlich am besten abgedeckt werden kann. Dabei wird augenfällig, welche Verbesserungspotenziale offenstehen und wie diese konkret ausgeschöpft werden können. Dies ist die Grundlage für eine zielgerichtete Marktbearbeitung und wirkungsorientierte Allokation. Markenerlebnisse können optimal ausgestaltet werden, damit Kunden begeistert und gebunden werden. All dies führt zu einer fundierten Entscheidungssicherheit und macht Mut zur Fokussierung auf die wirklich relevanten Touchpoints.

Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedInEmail this to someone

Leave a Reply

Your email address will not be published.