Zurück zum Datengetriebenes Marketing-Leitfaden
Datengetriebenes Marketing — Cover

Datengetriebenes Marketing · Cluster

Decide — Aus Insights werden Entscheidungen

Decide — Aus Insights werden Entscheidungen: was Jonas Rashedi (Chief Digital Officer, MDIBTY-Host) in diesem Leitfaden-Cluster erklärt. Quelle: seinem Springer-Buch „Datengetriebenes Marketing" (2020). Die Decide-Phase im datengetriebenen Marketing: Regel-Sets, Entscheidungsmatrizen, Next-Best-Action-Logiken. Wo aus Insights Kampagnen werden. Beantwortet u. a.: next best action logik; kampagnen entscheidung regeln.

Die Decide-Phase im datengetriebenen Marketing: Regel-Sets, Entscheidungsmatrizen, Next-Best-Action-Logiken. Wo aus Insights Kampagnen werden.

589 Wörter 3 min Lesezeit

Decide ist die Phase, in der aus Insights konkrete Marketing-Entscheidungen werden. In meiner Erfahrung ist das die Phase, die am wenigsten bewusst strukturiert wird — viele Unternehmen springen direkt von „wir haben Daten" zu „wir fahren eine Kampagne", ohne die Entscheidungslogik zu dokumentieren. Genau deshalb sind ihre Kampagnen schwer replizierbar.

Was in der Decide-Phase passiert

Aus den Insights der Understand-Phase werden vier Typen von Entscheidungen abgeleitet:

1. Targeting-Entscheidungen. Welche Segmente sprechen wir in dieser Kampagne an? Welche lassen wir bewusst aus?

2. Message-Entscheidungen. Welchen Content bekommt welches Segment? Welche Variante bei A/B-Testing?

3. Kanal-Entscheidungen. Über welche Kanäle erreichen wir das Segment am effektivsten? Mit welcher Frequenz?

4. Timing-Entscheidungen. Wann ist der richtige Moment? Event-basiert (Geburtstag, Warenkorb-Abbruch) oder regelmäßig?

Diese vier Entscheidungs-Typen bilden zusammen die „Kampagnen-Logik". Wenn sie dokumentiert ist, kann sie automatisiert werden — und skaliert mit der Organisation.

Regeln vs. Modelle

Zwei grundsätzliche Entscheidungs-Paradigmen:

Regel-basiert: Explizite Wenn-Dann-Logiken, die Menschen definieren und pflegen. Beispiel: „Wenn letzter Kauf > 90 Tage UND CLV > 200 € → sende Reaktivierungs-E-Mail." Vorteile: nachvollziehbar, leicht zu ändern, transparent für Compliance. Nachteile: skaliert nicht über viele Kombinationen.

Modell-basiert: Ein ML-Modell trifft Entscheidungen auf Basis vieler Features. Beispiel: Next-Best-Action-Modell, das aus 50 Profil-Features die wahrscheinlichste beste Aktion für jeden Kunden berechnet. Vorteile: skaliert, findet Muster, die Regeln übersehen. Nachteile: Blackbox, schwer zu debuggen, erklärungsbedürftig bei Compliance-Fragen.

In der Praxis: Regel-basiert für einfache, nachvollziehbare Entscheidungen (Warenkorb-Abbruch, Geburtstags-Kampagne). Modell-basiert für High-Volume-Personalisierung (Produkt-Empfehlungen, Next-Best-Action mit vielen Optionen).

Das Decision-Log

Ein unterschätztes Artefakt in der Decide-Phase ist das Decision-Log: Ein dokumentiertes Register aller Kampagnen-Entscheidungen, mit Annahmen und erwarteten Wirkungen. Das klingt bürokratisch, ist aber der entscheidende Baustein, um nach 6 Monaten nachzuvollziehen, warum eine Kampagne gelaufen ist und was sie erreicht hat.

Ein einfaches Decision-Log pro Kampagne enthält:

Das Log wird zur Wissensbasis für die nächste Iteration. Ohne Log wiederholst du Fehler, weil niemand mehr weiß, dass du sie schon gemacht hast.

Next-Best-Action-Logik

Next-Best-Action (NBA) ist die Königsdisziplin in der Decide-Phase — und die am häufigsten missverstandene. NBA bedeutet: Für einen gegebenen Kunden zum gegebenen Zeitpunkt wird aus einem Pool möglicher Aktionen (Mail, Push, Rabatt, Produkt-Empfehlung, Service-Anruf) die wahrscheinlich wirksamste ausgewählt.

Drei Varianten, je nach Reifegrad:

  1. Regel-basierte NBA: Expertenlogik. Einfach, schnell umsetzbar, skaliert begrenzt.
  2. Modell-gestützte NBA mit Prompting: Ein Empfehlungssystem schlägt Aktionen vor, Marketing bestätigt. Human-in-the-Loop.
  3. Vollautomatische NBA: Das Modell entscheidet und triggert. Erfordert hohe Reife, Rechtskonformität und Monitoring.

Die meisten Mittelständler sind auf Stufe 1 und sollten dort bleiben, bis ein klarer Business-Case für Stufe 2 besteht.

Häufige Fehler

Fehler 1 — Entscheidungen im Kopf. Ein Campaign-Manager, der „schon weiß, was zu tun ist", macht gute Kampagnen — aber nur solange er da ist. Nachfolger sind aufgeschmissen.

Fehler 2 — Überkomplexe Regelwerke. 200-Regeln-Bäume, die niemand mehr versteht. Ab einer gewissen Komplexität ist Modell-basiert sauberer.

Fehler 3 — Decide ohne Constraints. Entscheidungen ohne Frequency-Caps, Budget-Limits oder Kanal-Regeln führen zu Kampagnen-Spam.

Fehler 4 — Keine Schnittstelle zu Automate. Regeln werden im Kopf definiert, in Slack abgestimmt, in Excel dokumentiert — und dann händisch in die Automation eingetragen. Fehler-Quote hoch.

Die Brücke zur Automate-Phase

Das Decision-Log + das Regel-Set ist der Input für die Automate-Phase. Je klarer und strukturierter Decide ist, desto reibungsloser läuft die Umsetzung. Eine gut gepflegte Decision-Log-Bibliothek ist der größte Produktivitäts-Hebel einer Marketing-Organisation.


Vorgänger: Understand. Nachfolger: Automate. Querverbindung: Attribution für die Messung der Entscheidungs-Wirkung.