key: cord-0057218-d8yjj0em authors: Sambol, Stefan title: Datenbasiertes Marken-Controlling date: 2020-11-30 journal: Control Manag Rev DOI: 10.1007/s12176-020-0335-8 sha: 8f3eda2aa4800ace570f5fc9da2be08e6c4c652f doc_id: 57218 cord_uid: d8yjj0em nan mierung, beispielsweise im Bereich Budget, Public Relations und Produkt-Management. Insbesondere mithilfe von Artificial Intelligence (AI)-Technologien und Business Intelligence (BI) kann er Markenbekanntheit und -beliebtheit datenbasiert ermitteln, den Markenwert so genauer beziffern und Maßnahmen zur Verbesserung des Brandings ableiten. Bereits die sinnvolle Beurteilung der Bedeutung einer Marke und idealerweise die exakte Bezifferung des Markenwerts sind oftmals eine Herausforderung. Allein zur Markenwertberechnung gibt es eine Vielzahl von Methoden, die sich stark voneinander unterscheiden (vergleiche Kilian/Müller 2016; Kaetzke/ Reinecke /Tomczak 2004) : auf der einen Seite finanz orientierte Modelle, die von Berechnungen der Kosten für den Aufbau der Marke bis hin zum Preisvergleich zwischen einem Marken-und einem Nichtmarkenprodukt reichen, wie beispielsweise das Preispremiummodell. Auf der anderen Seite verhaltensorientierte Modelle, die die Dimensionen der Kunden-Marke-Beziehung, also Image, Markenbekanntheit, Markenloyalität, subjektiv empfundene Produktqualität, Kosten-Nutzen-Relation und Einzigartigkeit, in den Fokus stellen. Zudem existieren etliche Mischformen (Hybridansätze), die finanz-und verhaltensori-entierte Dimensionen kombinieren. Solche Hybridansätze sind zwar meist am umfassendsten, zweckmäßigsten und validesten, sie sind aber auch am aufwendigsten umzusetzen. Denn in der Regel greifen sie auf eigens durchgeführte oder standardisierte Kundenbefragungen und Verbraucherstudien zurück, die viel Zeit in Anspruch nehmen und für Unternehmen teuer sind. Auch Vor allem die sogenannte Sentiment-Analyse, also das Ermitteln von positiven und negativen Emotionen im Zusammenhang mit bestimmten Produkten oder Marken, ist ein nützliches Werkzeug, um Markenbeliebtheit zu untersuchen: Eine AI-Software analysiert Beiträge in Sozialen Medien, Blogs, Foren et cetera mittels eines vorgegebenen Sets an Begriffen und Filtern. Somit lässt sich feststellen, wo, wie oft, von wem, in welchem Zusammenhang -und vor allem in Verbindung mit welchen Emotionen -bestimmte Begriffe genannt werden. Die Analyse zum Beispiel der Begriffe "Botox" oder "Dermal Fillers" zeigt, auf welchen Kanälen und wie oft mit den entsprechenden Beiträgen interagiert wird, etwa durch Likes, Shares oder Kommentare, und ob die Reaktion des Nutzers positiv, neutral oder negativ ausfällt (vergleiche Abbildung 1). Letzteres wird beispielsweise durch positiv oder negativ konnotierte Ausdrücke in den Beiträgen und verwendete Emoticons gemessen. Dank beliebiger und flexibler Filtermöglichkeiten kann etwa überprüft werden, auf welchen Kanälen die Marke am positivsten wahrgenommen wird und ob sie im Vergleich zu Konkurrenzmarken positiver oder negativer bewertet wird. Zugleich kann analysiert werden, welcher Kanal am besten zu welchem Produkt passt und in welchen Ländern das jeweilige Produkt eher positive oder negative Emotionen hervorruft. Die Sentiment-Analyse geht also weit über das bloße Ermitteln eines "Markenbeliebtheitsgrades" hinaus, der in die Berechnung des Markenwerts mit einfließt. Vielmehr liefert sie gleichzeitig Ergebnisse, die als Entscheidungsgrundlagen zur Markenführung dienen können. Das wird etwa daran deutlich, dass sich die Zielgruppe für ein Produkt oder eine Marke sehr genau definieren lässt: Denn die AI-Software wertet auch demografische Daten der Nutzer aus, die in vielen Sozialen Medien hinterlegt sind, wie etwa Alter, Geschlecht, aber auch Familienstatus oder Beruf. So ergeben sich die typischen Personae, die ansonsten entweder mit hohem Aufwand in extra angelegten Kundenbefragungen ermittelt oder nach Augenmaß erstellt werden müssten. Des Weiteren lassen sich die Ergebnisse der Sentiment-Analyse auf die Konzeption von Werbekampagnen anwenden: Die Software analysiert nämlich neben Textbeiträgen auch Bilder und Videos. Sie erkennt Produkte der jeweiligen Marke, unabhängig davon, ob diese in Bild-oder Videobeschreibungen genannt werden, und kann auch diese Treffer wieder positiven oder negativen Sentiments zuordnen. Zudem ist die Software in der Lage, Kontexte zu erfassen, und weiß daher, wo und wie sich User besonders gerne mit den Produkten der Marke fotografieren oder filmen, und natürlich, wie zahlreich, positiv oder ne- Der enorme Effekt, den Influencer auf die Markenwahrnehmung haben können, macht deutlich, dass eine alleinige Analyse des Status quo, also die Antwort auf die Frage "Wo wird meine Marke wie wahrgenommen?", zu kurz greift. Unternehmen haben vielmehr das Interesse, den Wert der Marke zu steigern. Um beim Beispiel Influencer zu bleiben: Neue Influencer, welche die AI als die geeignetsten identifiziert hat, kön- nen die Markenreputation erheblich beeinflussen und damit zu Umsatzsteigerungen beitragen. Auch die bereits beschriebenen Ergebnisse der Sentiment-Analyse in Bezug auf Zielgruppe und Kampagnen bieten Controllern und ihren Unternehmen zahlreiche Möglichkeiten, die Maßnahmen zur Steigerung des Markenwerts zu optimieren: So kann Werbebudget auf die Kanäle konzentriert werden, auf denen die positivsten Reaktionen hervorgerufen werden. Themen, die negative Emotionen auslösen, können vermieden werden oder das Unternehmen kann ihnen proaktiv begegnen. Zudem können Werbung und Public-Relations-Maßnahmen (PR-Maßnahmen) zielgruppengenau ausgesteuert werden. Die als Markenwert steigernd erkannten Maßnahmen sollten sodann Eingang in einen Investment-Plan finden, welcher, aufgeschlüsselt nach Maßnahmen, die Kosten enthält, die nötig sind, um eine bestimmte Steigerung (etwa auf das Niveau der Konkurrenz) zu erreichen. Der Investment-Plan enthält typischerweise Maßnahmen wie die Erstellung von Webseiten-Content (Wording und Bildwahl laut Sentiment-Analyse), eine zielgruppengenauere Social-Media-Strategie, Sichtbarkeitssteigerung durch eine angepasste Search-Engine-Optimization-Strategie (SEO-Strategie), die grundlegende Überarbeitung von Ein datenbasiertes Marken-Controlling funktioniert besonders gut bei sogenannten Digital-Native-Marken, solchen, die im digitalen Zeitalter kreiert wurden. Diese nutzen von Anfang an digitale Kanäle und kommunizieren ihre Markenbotschaften über Social Media und Influencer. Die hier produzierten digitalen Daten kann das Controlling sammeln und auswerten. Interessant und aufschlussreich ist ein datenbasiertes Marken-Controlling allerdings auch für auf den ersten Blick rein stationäre Geschäfte. Denn selbst bei Produkten und Dienstleistungen, die Kunden "offline" kaufen, etwa in einem Filialgeschäft, erfolgt ein Großteil der Customer Journey online. Kunden informieren sich, vergleichen Preise, stellen Fragen, konsultieren Rezensionen und vieles mehr online, bevor sie tatsächlich ein Produkt im Filialgeschäft kaufen. Die gewonnenen Erkenntnisse der beschriebenen Analysen sind nicht nur für das Marketing nützlich, sondern können in vielen Unternehmensbereichen eingesetzt werden. Das Produkt-Management beispielsweise kann sie für eine datengetriebene Persona-Analyse nutzen und damit zielgruppengerechtere Produkte konzipieren -mit Blick auf Alter, Familienstatus et cetera. Auch die Einkaufsabteilung kann genau die Materialien und Leistungen, etwa Hotels und Touristenführungen bei Reiseprodukten, erwerben, die bei der Zielgruppe am besten ankommen. Und das Marketing kann die nachweislich bedeutendsten Unique Selling Propositions (USPs) betonen, Anzeigen besser gestalten sowie Wording und Bildwelt den Analyse-Ergebnissen anpassen. Markenwert: Sinn oder Unsinn Markencontrolling -Markenerfolg messbar machen Markencontrolling -Sicherstellung der Effektivität und Effizienz der Markenführung Springer Professional Data-driven Marketing Hrsg.) (2020): Datadriven Marketing. Insights aus Wissenschaft und Praxis Data-driven Marketing als Risiko Handbuch Marketing-Controlling. Grundlagen -Methoden -Umsetzung, 4. Auflage Dr. Stefan Sambol ist Managing Partner bei der Digitalberatung Ommax in München. E-Mail: stefan.sambol@ommax.de