Mobile Marketing Analytics für ein zielgenaues Targeting mit Coupons

von Julia Pott

Während das marktübergreifende Nutzerverhalten auf Webseiten bereits gut dokumentiert und analysiert wird, bleiben die User Journeys in mobilen Anwendungen eine Black Box. Hier setzt das Start-up Murmuras an, das tiefe Einblicke in die Nutzung von Retail-Apps bietet. Ziel ist es, Handelsunternehmen wertvolle Erkenntnisse für ihre Mobile-Marketing-Strategien zu liefern.

Für diese Pionierarbeit wurde Murmuras 2024 mit dem renommierten Wissenschaftspreis ausgezeichnet. Grund genug, um bei Co-Gründer Qais Kasem mal genauer nachzuforschen, wie diese Erkenntnisse gewonnen werden, was Händler daraus lernen können und welche Trends im Mobile Commerce Qais beobachtet.

Qais, ihr bei Murmuras versprecht euren Kunden wertvolle Erkenntnisse für ihre Mobile Marketing. Wie macht ihr das?

Qais Kasem: Wir untersuchen, wie Konsumentinnen und Konsumenten Retail-Apps nutzen. Das tun wir in Zusammenarbeit mit Marktforschungsunternehmen, indem wir Leute dafür bezahlen, dass wir ihre digitalen Aktivitäten messen dürfen. Dadurch erfassen wir eine große Menge an Daten, die wir dann aufbereiten. Aus diesen Informationen generieren wir Insights, die wir Händlern und Herstellern anbieten.

Welche Aspekte der App-Nutzung interessieren euch dabei?

Kasem: Wir erfassen zum Beispiel, welche Coupons die Teilnehmenden sehen und nutzen, ob und wie lange sie sich die Prospekte anschauen oder bei welchen Werbeaktionen sie mitmachen. Wir wissen auch, was die Kundinnen und Kunden einkaufen – sowohl online in der App als auch stationär anhand der digitalen Kassenbon-Daten. Ab 2025 werden per Scan auch die Papierkassenbons als Datenquelle hinzukommen.

Kann ein Händler, der diese Daten nutzen möchte, innerhalb dieser Gruppe nach bestimmten Faktoren filtern?

Kasem: Ja, das geht. Nehmen wir an, ein Handelsunternehmen interessiert sich für das Verhalten der Nutzergruppe von Frauen zwischen 30 und 39 Jahren, die ein Kind haben, dann können wir bei Bedarf für diese Kriterien gezielt nachrekrutieren.

Momentan haben wir 3000 aktive Nutzerinnen und Nutzer von Retail-Apps in Deutschland. Mit dieser Datenbasis könnten wir zum Beispiel folgende Anfrage bedienen: Ein Händler möchte verstehen, wie Coupons in den großen Retail-Apps des Lebensmitteleinzelhandels wie Lidl Plus, REWE oder EDEKA genutzt werden. Wir haben pro App 500 Nutzerinnen und Nutzer und erfassen damit sehr gute Insights: Unserer Erfahrung nach kommt man mit diesem qualitativ hochwertigen Datensatz schon sehr weit.

Wie funktioniert die Messung?

Kasem: Die Technologie wurde über viele Jahre an der Universität Bonn entwickelt. Wir sind aus der Wissenschaft heraus gestartet, wo unser Schwerpunkt die Verhaltensanalyse im Zusammenhang mit Smartphone-Suchtforschung war. Mittlerweile – innerhalb eines Jahres nach dem Launch des Produkts – sind die Retail-Apps aber unser Hauptmarkt. Das zeigt, wie groß der Bedarf an diesen Erkenntnissen ist.

Eine Herausforderung dabei ist, nur die Daten auszulesen, die uns interessieren und die wir in dem Zusammenhang sammeln dürfen. Der zweite Schritt ist es, daraus Erkenntnisse zu generieren, wobei uns künstliche Intelligenz hilft.

Welche neuen Erkenntnisse zu Mobile Marketing erhält ein Handelsunternehmen durch eure Analyse?

Kasem: Unser Alleinstellungsmerkmal ist, dass wir Erkenntnisse darüber liefern, wie das Nutzerverhalten in anderen Apps aussieht. Händler und Anbieter erhalten bisher Antworten auf solche Fragen nur aus ihren eigenen Apps: Welche Coupons funktionieren in welchen Apps am besten? Zu welchen Preisen werden Produkte verkauft? Wie werden Coupons personalisiert? Da bringen wir Transparenz in den Markt.

Ein weiterer Vorteil unserer Lösung ist, dass wir das Kundenverhalten App-übergreifend verfolgen und daraus Erkenntnisse gewinnen können: Vergleichen Kundinnen und Kunden die Coupons aus der Rossmann-App und der dm-App, bevor sie sich entscheiden? Schauen sie sich die Coupons erst an, wenn sie im Geschäft stehen oder informieren sie sich vor dem Shopping-Trip über die Angebote? Wie gut funktionieren Gewinnspiele oder Gratis-Coupons? Welche kurzfristige, aber auch langfristige Wirkung für die Kundenbindung haben Rabattaktionen oder saisonale Promotions?

Warum wird diese Art der Erkenntnisse immer wichtiger für Händler und Marken? Welche Trends beobachtet ihr da?

Kasem: Mit den Händler-Apps findet ein riesiger Wandel statt: Angebote werden immer mehr personalisiert, das heißt, eine Nutzerin erhält ganz andere Rabatte auf gewisse Produkte als ein anderer Nutzer. Dieser Grad der Individualisierung kann nur durch Targeting auf dem Smartphone erfolgen.

Zum einen passiert das, weil Anbieter über immer mehr Daten beispielsweise zum Einkaufsverhalten verfügen und so ihre Angebote gezielter personalisieren können. Zum anderen ist es nachweislich so, dass personalisierte Coupons im Schnitt besser wirken als nicht-personalisierte. Das ist logisch: Wenn ich Coupons für Windeln allen Nutzenden ausspiele, sind diese nicht annähernd so effektiv, als wenn ich damit gezielt Eltern anspreche. Wenn man individuelles Targeting gut betreibt, kann man über die App ganz gezielt Menschen in den eigenen Laden locken.

Welche Entwicklung beobachtet ihr im Bereich Mobile Commerce?

Kasem: Langfristig ist das schwer vorauszusehen, aber momentan sehen wir, dass Händler ihre eigenen Apps massiv pushen. Es werden neue Loyalty-Programme aufgebaut oder bestehende optimiert. Es gibt viele Kooperationen mit Cashback-Anbietern. Ob der Trend irgendwann in eine andere Richtung geht – zum Beispiel eine App für alles oder eine Alternative zu Smartphones – wird sich zeigen.

Wie wird KI die Verhaltensanalyse zukünftig verändern?

Kasem: Aktuell bieten wir eine klassische Insights-Plattform, die unseren Kunden Statistiken, Grafiken und Anbieter-Vergleiche liefert. Unsere Vision: eine KI-gestützte Insights-as-a-Service-Plattform, die – statt Daten nur bereitzustellen – konkrete, automatisierte Handlungsempfehlungen gibt. Ein Beispiel wäre: „Anbieter XY hat seine Angebote personalisiert, was diese Wirkung hatte. Passe folgende Parameter an, um ähnlichen Erfolg zu erzielen.“ Händler könnten sogar Fragen stellen wie: „Wie steigere ich den Verkauf von Naturkosmetik-Lippenstiften?“ – und unsere KI liefert gezielte Antworten.

Eine KI kann immer nur so gut sein wie die Datenbasis. Dank unserer einzigartigen Daten aus den Händler-Apps und dem Konsumverhalten wird diese Vision Wirklichkeit: Intelligente Insights, die nicht nur informieren, sondern direkt zum Handeln befähigen.