Lead Management TippsDie 10 wichtigsten Tipps für höhere Datenqualität
Unter Lead Management versteht man das Generieren, Verarbeiten und Auswerten von Interessenten- und Kundendaten. Ziel ist es, mit den Daten noch relevanteres Marketing zu betreiben, um am Ende des Tages mehr Umsatz zu generieren.
Der Erfolg von Lead Management wird leider häufig durch die ungenügende Qualität der Datenbasis beeinträchtigt. Dies kann zur Folge haben, dass sich der Status eines Leads im Kaufprozess nicht genau identifizieren lässt, dass eine exakte Zielgruppenbildung nicht möglich ist oder dass der Lead nicht korrekt angeschrieben wird.
Generell lässt sich zum Thema Datenqualität sagen, dass durch etwas Vorarbeit oft sehr viel Zeit und Geld gespart werden kann. Daher haben wir für Sie im Folgenden unsere besten Tipps aus der Praxis zusammengetragen, die Ihnen helfen sollen, eine hohe Qualität Ihrer Lead-Daten sicherzustellen.
10 Tipps für erfolgreiches Lead Management durch gute Datenqualität
1. Definieren Sie vorab, welche Zeichenkodierung Sie für Ihre Daten verwenden wollen, damit Umlaute und Sonderzeichen bei Datentransfers nicht zerstört werden.
Unsere Empfehlung: Verwenden Sie bei ausschließlichem Einsatz im deutschsprachigen Raum die Kodierung ISO8859-15, ansonsten UTF-8. Stellen Sie sicher, dass alle externen Datenlieferanten die Daten mit der gleichen Zeichenkodierung liefern. Dies lässt sich bereits durch die Sichtkontrolle einiger Test-Datensätze feststellen (z.B. die Datei in Excel mit der gewünschten Zeichenkodierung öffnen und prüfen, ob Umlaute korrekt angezeigt werden).
2. Arbeiten Sie mit einer gesonderten und eindeutigen Nummer (ID) pro Datensatz, die Sie für Referenzen verwenden.
Würden Sie stattdessen ein bereits vorhandenes Feld wie z.B. die E-Mail-Adresse als Referenz verwenden und diese sich später einmal ändern, so wären alle Referenzen für diesen Datensatz verloren.
3. Überlegen Sie vorab, welche Felder alphanumerisch statt numerisch sein müssen.
Beispielsweise muss ein Feld für die Postleitzahl alphanumerisch sein, weil sonst die Postleitzahl „01234“ automatisch zu „1234“ gekürzt würde. Auch ein Feld für die Telefonnummer sollte alphanumerisch sein, um Eingaben wie „++49 89 / 55 29 08-0“ zu erlauben, was wesentlich übersichtlicher als die Nummer „49895529080“ ist.
4. Definieren Sie ein einheitliches Format für die Anzeige von Datumswerten.
Beispiel: „31.12.2015“ bzw. mit Uhrzeit: „31.12.2015 23:59:59“
Damit ist die Reihenfolge der Datumsbestandteile eindeutig definiert.
5. Aus aktuellem Anlass: Wählen Sie für das Geschlecht intern einen numerischen Wert.
Damit ist die Liste erweiterbar und nicht auf die Klassiker „männlich“, „weiblich“ und „unbekannt“ beschränkt (siehe die Entwicklung bei Facebook).
6. Führen Sie für externe Datenquellen eine Vorab-Validierung durch.
Beispiele für Validierungen: Prüfen Sie, ob alle Pflichtfelder befüllt sind, ob in einer E-Mail-Adresse das @-Zeichen vorhanden ist und die Adresse mit einer gültigen Top Level Domain endet, ob Postleitzahlen 5-stellig (Deutschland) bzw. 4-stellig (Österreich und Schweiz) sind, etc.
7. Definieren Sie für jede Datenquelle eine eigene Datensource-ID.
Die Datensource-ID ist eine eindeutige Kennung für jede Datenquelle. Damit können Sie später immer noch feststellen, auf welchem Weg ein Datensatz in Ihre Datenbank gelangt ist.
8. Fügen Sie in die Lead-Datensätze die Felder „CREATION_DATE“ und „CHANGE_DATE“ ein.
Definieren Sie das CREATION_DATE-Feld in der Datenbank so, dass es mit dem aktuellen Datum befüllt wird, wenn der Datensatz neu angelegt wird. Definieren Sie das CHANGE_DATE-Feld so, dass es bei jeder Änderung des Datensatzes mit dem aktuellen Datum befüllt wird. Dadurch wissen Sie immer, wann ein bestimmter Datensatz in Ihre Datenbank aufgenommen wurde und wann er zuletzt geändert wurde.
9. Standardisieren und Automatisieren Sie manuelle Datenverarbeitungsprozesse.
Standardisieren und Automatisieren Sie Abgleiche und Validierungen so weit wie möglich, um menschliche Fehlerquellen auszuschließen.
10. Prüfen Sie periodisch die Qualität Ihrer Daten, indem Sie beispielsweise die Anzahl der Dubletten ermitteln und eine stichprobenartige Sichtkontrolle durchführen.
Durch letztere Maßnahme finden Sie gelegentlich Fehler, die durch automatisierte Validierungen nicht erkannt wurden, wie z.B. Fake-Daten oder falsche Formatierungen.