Marketing Analytics Kurs: Datenanalyse & Dashboards

Lektion 1 • Der Analyse-Workflow

Skizziert den End-to-End-Prozess von der Geschäftsfrage bis zur umsetzbaren Empfehlung. Etabliert eine wiederholbare Methodik, die in jedem weiteren Kapitel angewendet wird.

Lektion 2 • Was Marketinganalyse bedeutet

Definiert Marketinganalyse, grenzt sie von allgemeiner Business Intelligence ab und ordnet ihre Rolle in der Marketingfunktion ein. Legt das Vokabular fest, das im gesamten Kurs verwendet wird.

Lektion 3 • Datenquellen im Marketing

Katalogisiert First-, Second- und Third-Party-Datenquellen und erläutert ihre Stärken und Grenzen. Bereitet die Studierenden darauf vor, die Datenqualität vor der Analyse zu bewerten.

Lektion 1 • Grundlagen der Data Governance und des Datenschutzes

Führt in Einwilligungsmanagement, Datenminimierung und Aufbewahrungsrichtlinien ein, die für Marketingdaten relevant sind. Stellt sicher, dass die Studierenden während des gesamten Kurses verantwortungsvoll mit Kundendaten umgehen.

Lektion 2 • Datenintegration und -speicherung

Erklärt, wie Daten von mehreren Plattformen in einer einheitlichen Struktur für die Analyse konsolidiert werden. Führt Data Warehouses und Flatfile-Ansätze ein, die für Marketer geeignet sind.

Lektion 3 • Feature-Engineering für Marketing

Transformiert Rohfelder in analytisch nützliche Variablen wie Recency-Scores, Engagement-Stufen und abgeleitete Verhältnisse. Ermöglicht direkt die nachfolgende Segmentierungs- und Modellierungsarbeit.

Lektion 4 • Tracking- und Datenerfassungseinrichtung

Behandelt Pixel-Tracking, UTM-Parameter und ereignisbasierte Datenerfassung über digitale Kanäle hinweg. Verbindet die ordnungsgemäße Einrichtung mit nachgelagerter Datenzuverlässigkeit.

Lektion 1 • Visualisierung von Marketingdaten

Wählt geeignete Diagrammtypen für zeitreihenbasierte, kategoriale und relationale Marketingdaten aus und konstruiert diese. Die hier getroffenen Visualisierungsentscheidungen kehren im Dashboard-Kapitel wieder.

Lektion 2 • Kohorten- und Funnel-Analyse

Verfolgt Kundengruppen im Zeitverlauf und misst Abbrüche in jeder Funnel-Phase. Deckt Kundenbindungs- und Conversion-Dynamiken auf, die in aggregierten Kennzahlen unsichtbar sind.

Lektion 3 • Deskriptive Statistik im Marketingkontext

Wendet Konzepte wie Mittelwert, Median, Varianz und Verteilung auf Marketingkennzahlen wie Bestellwert und Sitzungsdauer an. Verankert statistisches Denken in vertrauten Marketingszenarien.

Lektion 1 • RFM-Analyse

Erstellt Recency-, Frequency- und Monetary-Scoring-Modelle, um Kunden nach Kaufverhalten zu bewerten und zu gruppieren. Die RFM-Ergebnisse fließen direkt in Targeting- und Kundenbindungsstrategien ein.

Lektion 2 • Clustering-Techniken für Zielgruppen

Führt k-Means und hierarchisches Clustering ein, um natürliche Gruppierungen in Kundendaten zu entdecken. Die Studierenden interpretieren Cluster-Ergebnisse und übersetzen sie in Marketing-Personas.

Lektion 3 • Segmentierungsstrategie und -kriterien

Definiert Segmentierungsdimensionen – demografisch, verhaltensbezogen, psychografisch und wertbasiert – und Kriterien für deren Auswahl. Rahmt Segmentierung als strategische und nicht nur technische Entscheidung ein.

Lektion 4 • Segmentvalidierung und -größenbestimmung

Prüft, ob Segmente statistisch unterschiedlich, stabil im Zeitverlauf und groß genug sind, um gezielte Ausgaben zu rechtfertigen. Verhindert Übersegmentierung, die Marketingressourcen verwässert.

Lektion 1 • Datengestützte Attribution

Erklärt algorithmische Attribution, die Conversion-Pfad-Daten verwendet, um fraktionierte Gutschriften zuzuweisen. Stellt datengestützte Ergebnisse den regelbasierten Modellen aus dem vorherigen Abschnitt gegenüber.

Lektion 2 • Budgetallokation aus Attributionserkenntnissen

Übersetzt Attributions- und MMM-Ergebnisse mithilfe von Optimierungslogik in Kanalbudgetempfehlungen. Verbindet analytische Erkenntnisse mit finanziellen Planungsentscheidungen.

Lektion 3 • Grundlagen der Marketing-Mix-Modellierung

Führt die regressionsbasierte Marketing-Mix-Modellierung (MMM) ein, um Offline- und Online-Kanaleffekte zu messen. Bietet eine makroökonomische Ergänzung zu digitalen Attributionsmethoden.

Lektion 4 • Grundlagen von Attributionsmodellen

Vergleicht First-Touch-, Last-Touch-, lineare, Time-Decay- und positionsbasierte Attributionsmodelle. Die Studierenden verstehen die Annahmen und Verzerrungen, die jedem Ansatz innewohnen.

Lektion 1 • Konzepte der prädiktiven Modellierung

Führt überwachtes Lernen, Modelltraining, Validierung und Overfitting im Marketingkontext ein. Schafft die konzeptionelle Grundlage für alle folgenden Modellierungsabschnitte.

Lektion 2 • Vorhersage des Customer Lifetime Value

Modelliert den erwarteten zukünftigen Umsatz pro Kunde mithilfe probabilistischer und regressionsbasierter Ansätze. CLV-Vorhersagen ermöglichen wertbasierte Segmentierung und Optimierung von Akquisitionsgeboten.

Lektion 3 • Nachfrage- und Umsatzprognose

Wendet Zeitreihenmethoden wie gleitende Durchschnitte, exponentielle Glättung und Trendzerlegung an, um marketinggetriebene Nachfrage zu prognostizieren. Unterstützt die Budgetplanung und Bestandsabstimmung.

Lektion 4 • Modelle zur Abwanderungsvorhersage

Erstellt logistische Regressions- und Entscheidungsbaummodelle, um Kunden mit Abwanderungsrisiko zu identifizieren. Die Ergebnisse fließen direkt in das Targeting von Kundenbindungskampagnen ein, das im Segmentierungskapitel behandelt wird.

Lektion 1 • Prinzipien des Experimentdesigns

Behandelt Hypothesenformulierung, Kontroll- und Behandlungsgruppendesign und Randomisierungsmethoden. Richtiges Design verhindert die Störfehler, die Testergebnisse ungültig machen.

Lektion 2 • Analyse und Interpretation von Ergebnissen

Wendet t-Tests, Chi-Quadrat-Tests und Konfidenzintervalle an, um statistische Signifikanz zu bestimmen. Übersetzt p-Werte und Effektgrößen in klare Geschäftsempfehlungen.

Lektion 3 • Fortgeschrittene Experimentiermethoden

Führt multivariate Tests, sequenzielle Tests und Bayes'sche Ansätze für komplexe Marketingszenarien ein. Erweitert das grundlegende A/B-Framework zu Optimierungsprogrammen mit höherer Geschwindigkeit.

Lektion 4 • Durchführung und Überwachung von Live-Tests

Verwaltet die Testdurchführung, überwacht auf Datenqualitätsprobleme und vermeidet Fehler durch vorzeitiges Abbrechen. Die operative Disziplin während eines Live-Tests ist ebenso wichtig wie das Design.

Lektion 1 • Präsentation von Erkenntnissen für Stakeholder

Bereitet die Studierenden darauf vor, Analyseergebnisse in Besprechungen zu präsentieren, Fragen zu behandeln und Empfehlungen unter genauer Prüfung zu verteidigen. Schließt die Lücke zwischen Analyse und organisatorischem Handeln.

Lektion 2 • Erstellung von Dashboards in BI-Tools

Führt durch die Verbindung von Datenquellen, die Erstellung berechneter Felder und die Veröffentlichung interaktiver Dashboards in modernen BI-Plattformen. Die praktische Erstellung verstärkt die Gestaltungsprinzipien aus dem vorherigen Abschnitt.

Lektion 3 • Dashboard-Strategie und Zielgruppendesign

Definiert Zweck, Zielgruppe und Aktualisierungsrhythmus des Dashboards, bevor eine Visualisierung erstellt wird. Strategische Ausrichtung verhindert das häufige Scheitern von Dashboards, die niemand nutzt.

Lektion 4 • Data-Storytelling-Techniken

Strukturiert Analyseergebnisse in einen narrativen Bogen mit Kontext, Konflikt und Empfehlung. Storytelling verwandelt korrekte Analyse in überzeugende, handlungsorientierte Kommunikation.