Understand ist die Phase, in der aus Rohdaten Insights werden. Sie ist die analyse-intensivste und die meist unterschätzte Phase im 5-Phasen-Prozess. Die meisten Unternehmen investieren in Collect-Tools (CDP) und Automate-Tools (Marketing Automation), während sie Understand durch ein paar Dashboards abdecken wollen. Das greift zu kurz.
Was „Verstehen" konkret bedeutet
Understand produziert drei Typen von Ergebnissen:
1. Segmente. Strukturierte Gruppen von Kunden mit gemeinsamen Eigenschaften, die marketing-operativ nutzbar sind. Beispiele: „Newsletter-Klicker der letzten 90 Tage, die nicht gekauft haben", „Bestandskunden mit CLV > 500 €", „Warenkorb-Abbrecher der letzten 48 Stunden".
2. Modelle. Algorithmische Prognosen über zukünftiges Verhalten: Churn-Wahrscheinlichkeit, Customer Lifetime Value, Next-Best-Action, Propensity-to-Buy. Diese Modelle erfordern Data-Science-Kompetenz.
3. Insights im engeren Sinn. Narrative Aussagen, die Entscheidungen stützen. „Unsere A-Kunden bestellen im Schnitt alle 43 Tage — wenn keiner nach 60 Tagen eine Bestellung hat, ist Kontakt dringend." Diese Art von Erkenntnis ist die wertvollste und entsteht durch Kombination aus Analyse und Kontextwissen.
Die Werkzeug-Landschaft
Vier Kategorien von Werkzeugen sind in der Understand-Phase relevant:
- Visualization-Tools: Looker, Power BI, Tableau. Für dashboard-artige Insights und regelmäßige Reports.
- Notebook-Werkzeuge: Jupyter, Hex, Databricks Notebooks. Für explorative Analyse und ML-Modellentwicklung.
- Analytics-Platformen: Snowflake, BigQuery, Redshift als Datenbasis. Mit dbt für Transformationen.
- ML-Platforms: SageMaker, Vertex AI, oder in-house Python/R. Für produktive Modelle.
Wichtig: Tool-Auswahl ist sekundär. Wer mit einer einzigen BI-Plattform gut arbeitet, ist produktiver als jemand mit drei Tools und keinem Prozess.
Die typischen Analyse-Schritte
Schritt 1 — Fragestellung. Was wollen wir wissen, um welche Entscheidung zu treffen? Ohne klare Frage findet man Rauschen.
Schritt 2 — Daten-Exploration. Welche Daten haben wir zu dieser Frage? Was fehlt? Kann die Frage überhaupt aus den Daten beantwortet werden?
Schritt 3 — Analyse. Segmentierung, Aggregation, Modellierung je nach Fragestellung. Cross-Validation bei Modellen.
Schritt 4 — Interpretation. Was bedeutet das Ergebnis im Geschäftskontext? Welche Handlungshypothese folgt?
Schritt 5 — Dokumentation. Insight wird schriftlich festgehalten, mit Annahmen und Limitationen. Ohne Doku ist der Insight in 3 Monaten nicht mehr nachvollziehbar.
Häufige Fehler
Fehler 1 — Daten-Exploration ohne Frage. Wer „mal schauen was die Daten zeigen" sagt, findet 20 statistisch signifikante Muster, von denen 18 Zufall sind.
Fehler 2 — Segmente ohne Größe. „Wir haben 47 Mikro-Segmente definiert" ist selten hilfreich. Segmente müssen groß genug sein, um Kampagnen sinnvoll zu operationalisieren — typisch mindestens 1.000 Profile, je nach Branche.
Fehler 3 — Modelle ohne Produktions-Pfad. Ein Churn-Modell im Notebook bringt nichts, wenn es nicht in die Marketing-Ops-Pipeline kommt. Modell-Deployment ist kein Nachgedanke.
Fehler 4 — Insights ohne Stakeholder-Kontakt. Der Analyst findet etwas, schreibt einen Report, niemand nutzt ihn. Insights brauchen einen Empfänger, der zur Entscheidung befugt ist.
Wie du die Understand-Phase stärkst
- Eine Person mit dedizierter Verantwortung. Nicht ein „Data-Team" — eine Person, die Insights pro Quartal an Marketing liefert und responsiv ist.
- Ein Request-Board. Marketing stellt Analyse-Anfragen strukturiert, nicht per Slack. Priorisierung transparent.
- Insight-Archive. Jede Analyse wird dokumentiert und ist für das Team auffindbar. Kein Wissen, das mit einem Analyst-Wechsel verschwindet.
- Feedback-Loop. Nach jeder Kampagne: Was hat die Analyse vorhergesagt, was ist eingetreten? Kalibrierung der Modelle und des Vertrauens.
Die Brücke zur nächsten Phase
Jedes Understand-Artefakt muss in die Decide-Phase überführbar sein. Das heißt: Jedes Segment, jede Modell-Ausgabe, jeder Insight wird mit einer Handlungsempfehlung versehen. Wenn diese Brücke fehlt, bleibt Understand ein Dashboards-Monitor ohne marketing-operative Wirkung.
Vorgänger: Collect. Nachfolger: Decide. Querverbindung: Customer Insights für die konzeptionelle Tiefe der Analyse-Arbeit.