Beschreibung / Abstract

Beschreibung

Inhaltsverzeichnis

• Cover
• Inhaltsverzeichnis
• Einleitung – Big Data im Marketing
• 1 Dialoge in Zeiten des Internets der Dinge
• 1.1 Das Internet der Dinge wird Realität
• 1.2 Das Internet der Dinge führt zu neuen Herausforderungen
• 1.3 Wie soll der künftige Marketingmix beschaffen sein?
• 1.4 Neue Anforderungen an das Marketing der Zukunft
• 1.5 Fazit
• 2 Big Data, ein Missverständnis? Oder: Warum Daten erst sprechen, wenn man über sie spricht.
• 2.1 Algorithmen als Geschäftsmodell
• 2.2 Die digitale Überforderung
• 2.3 Die trügerische Kraft des Algorithmischen
• 2.4 Digitaler Echtzeithandel: Finanzmarkt und Werbemarkt
• 2.5 Von Menschen und Maschinen
• 3 Big Data: Daten sammeln, aggregieren, analysieren, nutzen
• 3.1 Einführung
• 3.2 Use Cases für Big Data
• 3.3 Technologie zur Handhabung von Big Data
• 3.4 Wie man Big Data nutzen kann
• 3.5 Zusammenfassung und Ausblick
• 4 Streaming Analytics: Management in Echtzeit
• 4.1 Streaming Analytics
• 4.2 Mehrere Modelle bei komplexen Problemen
• 4.3 Anwendungsbeispiele
• 4.4 Planung und Realisierung
• 4.5 Fazit
• 5 Von der Webanalyse zur Digitalen Intelligenz
• 5.1 Big Data in der Analyse
• 5.2 Business Intelligence als integriertes Gesamtkonzept
• 5.3 Der Gartner Hype-Cycle innerhalb digitaler Information
• 5.4 Positionierung von Analytics im Unternehmen
• 5.5 Investition in Fachkräfte und Synergien
• 5.6 Quo vadis Analyse, quo vadis Intelligence?
• 6 Marketing und IT im digitalen Zeitalter: Liebesheirat statt Zwangsehe!
• 6.1 Die veränderte Rolle des Marketing: Digitale Kundenerfahrungen stehen im Mittelpunkt
• 6.2 Erfolgreiche Digitalisierungsstrategien in Zusammenarbeit mit der IT: Fünf Tipps für Marketingentscheider
• 7 Denken in Seen, nicht in Silos
• 7.1 Zielbild: Eine neue und alltägliche Umgangsform?
• 7.2 Ausgangslage: Die etablierte Umgangsform scheitert
• 7.3 Sammeln
• 7.4 Verwalten
• 7.5 Verwerten
• 7.6 Ein verändertes Mindset
• 8 Always-On – eine Wunschvorstellung?
• 8.1 Gefühlte Wirklichkeit versus Realität
• 8.2 Globale Ergebnisse im Überblick
• 8.3 Weltweite Selbstüberschätzung
• 8.4 Wer führt den Markt an?
• 8.5 Hilfe zur Selbsthilfe
• 9 Offensive im Datenschutz
• 9.1 Was bedeutet Data-driven Marketing für die Verbraucher?
• 9.2 Datenschutzaufsichtsbehörden sind weltweit besorgt
• 9.3 Die Lösung – wie versuchen die Gesetze die Verbraucher zu schützen?
• 9.4 Das Verbraucherinformationsportal Aboutthedata.com
• 9.5 Die Selbstdatenauskunft
• 9.6 Margaret Smith und ihre Daten
• 9.7 Die Struktur der Auskunftsinformation
• 9.8 Die Hauptkategorien im Detail
• 9.9 Die Reaktionen
• 9.10 Zu Datenschutz und der Ära von Big Data
• 10 Passende Inhalte an die richtigen Empfänger
• 10.1 Mailing, Newsletter und „einmal das Internet bitte“
• 10.2 Direktmarketing 2.0
• 10.3 Eine Plattform – tausend Möglichkeiten
• 10.4 State of the Art – leider
• 10.5 Konzert der Systeme
• 10.6 Erfolg – reich?
• 10.7 Willkommen in der Matrix
• 10.8 Digital – mir egal?
• 10.9 Social Media – für fast alle
• 10.10 „Wir machen jetzt Big Data!“, „Ja, wir auch!“
• 10.11 Automatisierung in kleinen Schritten
• 10.12 Daten und ihre Summe
• 10.13 Max Mustermann soll zurückkommen
• 10.14 Vorbereitung und Standards sind alles
• 10.15 Glaskugel und Kaffeesatz
• 11 Programmatic Advertising und Real Time Bidding
• 11.1 Was hat Big Data mit der Anzeige von Werbebannern zu tun?
• 11.2 Die technische Evolution vom Ad-Server zum Programmatic Advertising
• 11.3 Vorteile für Werbekunden und konkrete Anwendungsfälle
• 11.4 Programmatic Advertising als Nucleus für Marketingautomation der zweiten Generation
• 11.5 Herausforderungen
• 11.6 Ausblick
• 12 Tag Management – so werden Sie Herr über die Customer Journey
• 12.1 Was versteht man unter der Customer Journey?
• 12.2 Erfolgsrezepte für die übergreifende Messung von Customer-Journey-Daten
• 12.3 Tag Management als Alternative zu „vollintegrierten“ Marketing-Cloud-Lösungsansätzen
• 12.4 So funktioniert Tag Management
• 12.5 Eine neue Generation von MarketingMiddleware4
• 12.6 Die Marketingverantwortlichen können nicht warten
• 12.7 Kundendaten im Sinne eines Mehrwerts für die Kunden nutzen
• 12.8 Marketing Performance steigern und gleichzeitig Kosten sparen
• 12.9 Von Produktivitätssteigerungen zu einer betriebsnotwendigen, erfolgskritischen Middleware
• 13 Big Data und Social Media Analytics
• 13.1 Social Media Analytics
• 13.2 Ein Konzept zur Analyse von Social Media
• 13.3 Konstruktion eines Bewertungsrahmens
• 13.4 Der Facebook-Ansatz
• 13.5 Conversions
• 13.6 Sammeln, speichern und auswerten
• 14 Optimierung digitaler Touchpoints
• 14.1 Warum müssen digitale Touchpoints optimiert werden?
• 14.2 State-of-the-Art-Optimierungen – Wie werden digitale Touchpoints aktuell optimiert?
• 14.3 Digitale Touchpoints und Big Data
• 14.4 Der Weg zur 1:1-Kundenbeziehung – Optimierungslösungen mit Big Data
• 15 Customer Lifecycle und Customer Value – mit optimierten Daten zu optimierter Kundenkommunikation
• 15.1 Die Bedeutung von Big Data im modernen Marketing
• 15.2 Der Customer Lifecycle – Basis für die Kundenkommunikation
• 15.3 Optimale Ansprache durch Kundenwertberechnung
• 15.4 Effektive Kommunikationsstrategien mittels Kundenwert und -lebenszyklus
• 16 Big Data für Webshops
• 16.1 Erfolgsfaktoren eines Webshops
• 16.2 Big Data für Webshops scheitert früh: falsche Strategie und Fehlerquellen
• 16.3 Optimierung der Website durch Big Data
• 16.4 Einsatz von Big Data bei der Preisgestaltung
• 16.5 Sortiment und Big Data
• 16.6 Service und Big Data
• 16.7 Customer Relationship Management (CRM) mit Big Data
• 16.8 Onlinemarketing und Big Data
• 16.9 Image und Big Data
• 16.10 Big Data in der Technik
• 16.11 Prozesse und Big Data
• 16.12 Organisation und Mitarbeiter Know-how für Big Data
• 16.13 Zusammenfassung
• 17 Kunden und kausale Zusammenhänge verstehen
• 17.1 Die Ansprüche des Kunden sind gestiegen
• 17.2 Kundenverhalten prognostizieren
• 17.3 Der Gewinn liegt im Preis: Dynamic Pricing
• 17.4 Zusammenhänge zwischen Preis und Kaufverhalten aufdecken
• 17.5 Immer vernetzt, immer online…
• 17.6 Leistungsstarke Software
• 17.7 Kausalitäten beim Katalogversand
• 18 Amazon, das zahlengetriebene Unternehmen
• 18.1 Big Data – oder „Sexy Little Numbers“
• 18.2 Amazon, Google und die Werbung
• 18.3 Und der „klassische“ Einzelhandel?
• 19 Data-driven Marketing in der Gaming-Branche
• 19.1 Spiele für alle – kostenlos
• 19.2 Eine Menge Daten
• 19.3 Der Weg des Kunden
• 19.4 Maximale Relevanz für den Kunden
• 19.5 Verhaltensgesteuerte und durch Events ausgelöste Kampagnen
• 20 Data Driven Advertising bei Google und Facebook
• 20.1 Das Google-Modell
• 20.2 Google-Werbung innerhalb der AIDA
• 20.3 Werbeausgaben pro Zeiteinheit
• 20.4 Real Time Bidding – Das Google-Modell in tausend Teilen
• 20.5 Facebook – Exhibitionismus als Teil des Systems
• 20.6 Die technologische S-Kurve
• 21 Big Data im Marketing: Rechtliche Eckpunkte
• 21.1 Einführung
• 21.2 Rechte an den Datenbanken und den Erkenntnissen
• 21.3 Datenschutzrecht
• 22 Regulatory Challenges for Big Data
• 22.1 The New Data Protection Regulation
• 22.2 Main Direction and Key Provisions Impacting Business
• Die Autoren
• Stichwortverzeichnis