Im Folgenden zeigen wir Einsatzfelder und Beispiele, wie Daten gezielt dabei helfen, die Kommunikation von Unternehmen und Marken zu verbessern. Wir zeigen einen Überblick von automatisierten und KI-basierten Analysen bis zu manueller Inhalteanalyse auf der Basis von Auswertungen und Online-Suchen.

Beispiel 1: Themenbereiche und ihre Wirkung besser verstehen, z. B. Nachhaltigkeit

Unser Kunde, ein B2B-Industrie-Unternehmen fragte sich, wie es das Thema Nachhaltigkeit kommunikativ am besten angehen können. Dabei sollte vermieden werden, Chancen und Gelegenheiten für die Nachhaltigkeitskommunikation zu verpassen. Die Nachhaltigkeitsthemen sollten aber auch mit dem notwendigen Ernst vermittelt werden und leeren Versprechungen und Greenwashing-Vorwürfe vermieden werden. Eine weitere Frage, die sich unser Kunde stellte, war, welche Kanäle sich für diese Corporate Kommunikation eignen.

Dazu haben wir folgende Schritte im Rahmen der Analyse durchlaufen:

Schritt 1: Ein Medien- und Onlinemonitoring

Basis war ein toolbasiertes Medien- und Onlinemonitoring, mit denen wir die die Vernetzung der nachhaltigkeitsbezogenen Themenfelder, Diskussionen, Meinungsführer und die Inhalten und Kanäle der Gespräche identifizieren wollten. Dadurch konnten wir einen ersten Eindruck erhalten, wie das Themenkonstrukt „Nachhaltigkeit“ in der Industrie insgesamt aufgebaut ist, hatten aber noch wenig konkrete Erkenntnisse für den Zielmarkt, in dem unser Kunde tätig war.

Schritt 2: Analyse der direkten Wettbewerber

Um mehr Erkenntnisse zu erhalten, wurde die Kommunikation der Mitbewerber im identifizierten Themencluster untersucht. Dafür haben wir die Nachhaltigkeitsberichte sowie von die Kommunikationsanlässe für PR und natürlich die Aktivitäten in den Social Media Kanälen analysiert. Fragen waren dabei: Auf welchen Kanälen wurde das Thema eigentlich behandelt? Wie oft und mit welchen Schwerpunkten wurde berichtet? Spiegeln die Kommunikationsaufhänger genau den Nachhaltigkeitsbericht oder gibt es hier andere Gewichtungen? Auch der Erfolg der Nachhaltigkeitskommunikation im Vergleich zu anderen Inhalten in der Community wurde untersucht.

Da all diese Informationen ja öffentlich einsehbar sind, konnten wir diese auflisten, taggen, nach Performance sortieren und schlussendlich feststellen, wie jeder der analysierten Player seine Kommunikation nach außen aufgebaut hat. Die Datenanalyse gab Aufschluss darüber, wie sie sich Akteure voneinander unterscheiden und ob die Kommunikation zum Nachhaltigkeitsengagement unseres Kunden eine positivere Außenwirkung und Reaktion erzielte als andere Themen. Ein kleiner Hinweis: Dies war der Fall! 😊

Somit hatten wir zwei Erkenntnisfelder – zum einen die Nachhaltigkeit als Themenkonstrukt und zum anderen den Auftritt der handelnden Unternehmen in unserem Marktumfeld.

Schritt 3: Abgleich dieser beiden Erkenntnisfelder

Die nächste Fragestellung war, herauszufinden wo sich die Themen, Felder und Aktivitäten überschneiden und wo es ggf. weiße Flecken gab, also in unserem Fall kommunikative Chancen, die noch nicht genutzt und somit in die Kommunikation eingebunden werden konnte.

Fazit: Mit diesen Erkenntnissen aus der Datenanalyse konnten wir eine auf Daten basierte Empfehlung abgeben, welche Kanäle (diesmal konkret LinkedIn), welche Themenschwerpunkte und auch welche Kommunikationsintensität sich für die Nachhaltigkeitskommunikation eignen könnten und bei welchem Vorgehen und Aussagen Gefahrenfelder entstehen und eine darauf aufbauende Kampagne skizzieren.

Beispiel 2: KI-gestützte Datenanalyse einer bestehenden Community

Mit einer KI-gestützten Datenanalyse einer bestehenden Community wollte unser Kunde verstehen, mit welchen Zielgruppen seine Marke schon heute in engem Kontakt steht und interagiert, wie die Kommunikation mit dieser Gruppe noch erfolgreicher werden kann und ob diese Community schon ausreicht, um für die Zukunft gerüstet zu sein.

Unser Kunde ist eine Marke aus dem Automotive B2C-Sektor mit einer bestehenden Community, die über alle Social-Media-Kanäle hinweg knapp eine halbe Million Follower umfasst. Die Datenbasis war also recht umfassend mit Daten aus insgesamt sechs Plattformen und mit einer breiten Themenwelt, die von Rallye bis Elektromobilität alle Interessen von Autofahrern umfasst.

Schritt 1: KI-basierte Analyse der Facebook Communities

Hier wurde nach Sigma-Milieus, Archetypen und Lebenswelten innerhalb der Community und im Abgleich mit einigen Wettbewerbern geclustert und analysiert. Daraus ließ sich ein detailliertes Bild des aktuellen typischen Fans auf Facebook zeichnen.

Schritt 2: Abgleich dieses Modells in seinen 3 Dimensionen mit den Fans der anderen Communities

Dazu wurde durch eine Analyse der Community-Insights und der Performance der Inhalte typisiert. Die Eigenarten der unterschiedlichen Milleus, Archetypen und Lebenswelten wurden im Vorfeld festgelegt. Daraus ließ sich ermitteln, ob über alle Kanäle die gleichen Fans bedient werden oder wie sich die bestehenden Communities unterscheiden.

Im nächsten Schritt haben wir echte und potenzielle Fahrer bzw. Kunden analysiert und überprüft, ob all diese Typen bereits irgendwo in unseren Communities angesprochen werden oder diese noch fehlten.

Schritt 3: Strategieentwicklung für die künftige Social Media Kommunikation

Wir wussten nun:

  • wen wir schon erreichen und nur halten müssen und wen noch nicht.
    Also ob wir alle Personas, die für das Marketing wichtig sind, bedienen.
  • wo zu welchem Thema die größte Affinität in der bestehenden Community besteht und welche Themen ausgebaut werden könnten, um sicherzustellen, dass alle zukunftsgerichteten Themen auch die richtigen Zielgruppen erreichen.
    Also ob wir die richtigen Touchpoints für unsere Personas nutzen.
  • auf welche Themen, Tonalitäten und Aktionen die unterschiedlichen Communities am besten reagieren.
    Also: wie wir die Contentstrategie auf Basis von Daten optimieren können

Die auf dieser Grundlage erarbeitete Kommunikationsplanung für 2022 und das daraus folgende Maßnahmenpaket haben also nichts mehr mit einem diffusen Bauchgefühl zu tun, sondern basiert auf beweisbaren Daten und erwartbaren Erfolgen.

Beispiel 3: Automotive Aftermarket-Deep Dive in die Zielgruppen

Analysiert wurden über fünf Länder, zwei Kundengruppen und sechs Produktbereiche.

Touchpoint-Analyse

Schritt 1: Touchpointanalyse

Ausgangspunkt in dem Falle war eine Liste von relevanten Keywords, die das Unternehmen als typisch für seine unterschiedlichen Produkte kennt und auch für Advertising nutzt. Aus den SERPS dieser Keywords pro Land entstand eine Übersicht mit Medien, Blogs, Foren und Social Media Beiträgen, die uns vermuten ließ, dass dies die relevanten Touchpoints sein mussten, auf denen die Zielgruppen nach Informationen sucht und findet.

Schritt 2: Interviews mit Fokusgruppen

Um uns abzusichern, ob wir auf der richtigen Spur sind, haben wir aber auch noch persönliche Gespräche geführt, mit Sales-Personen, Kunden und Influencern, die auch heute schon in Verbindung zu der Marke stehen und uns ihre persönlichen Insights geben und unsere Vermutung einordnen konnten.

Schritt 3: Inhaltsanalyse

In einer Inhalte-Analyse nach Plattform konnten wir ermitteln, was im jeweiligen Kanal gesprochen wird, welche Contents am besten funktionieren, welchen Themen im Vordergrund stehen und die meisten Interaktionen erhalten sowie welche Fragen die Community bewegen.

Schritt 4: Analyse der Wettbewerber-Auftritte

Wir haben untersucht, wie diese agieren und ob sie mit unserer Markteinschätzung übereinstimmt oder ob es Themenfelder und Verhaltensweisen gibt, die uns bislang nicht aufgefallen sind.

Als Ergebnis konnten wir eine komplexe Darstellung der jeweiligen Ländereigenheiten geben.

  • Wo wird gesprochen?
  • Worüber wird gesprochen?
  • Welche Protagonisten tauchen auf?
  • Welche Formate werden am häufigsten eingesetzt und sind am erfolgreichsten?
  • Was fehlt und wird dringend benötigt bzw. was benötigt viele Ressourcen und sorgt trotzdem für wenig Ergebnisse?

Gerne unterstützen wir Sie bei Datenanalyse.
Vereinbaren Sie gerne hier ein unverbindliches Beratungsgespräch.