

Wie lassen sich Posts und Kampagnen mithilfe von Daten auswerten und optimieren?
Um in Kommunikation und Marketing in Social Media strategisch zielgerichtet zu planen und auf die entscheidenden Kennzahlen optimiert auszusteuern, sollten Entscheidungen auch auf Basis valider Daten getroffen werden.
Hierfür gibt es neben einer ganzen Reihe verschiedener Drittanbieter-Analytics-Tools die Möglichkeit originäre Datenquellen wie Facebook Insights oder Twitter Analytics zu nutzen. Was alle Tools eint, sind vorgefertigte Standard-Daten und -Kennzahlen, aus denen man oft nur bedingt Rückschlüsse auf den Erfolg aller Posts und Kampagnen ziehen kann. Die allgemein betrachtet wichtigsten Kennzahlen wie Engagement Rate oder Reichweite lassen sich zwar direkt herauslesen. Sie stehen aber neben einer größeren Reihe weiterer Kennzahlen, die nur bedingte Aussagekraft für jeden einzelnen Post haben und so eher für zusätzliche Verwirrung. Je nach Ziel des Posts oder der Kampagne können unterschiedliche Kennzahlen relevant sein.
Generell gilt für die Auswertung und Erfolgs-Bewertung: Man sollte sich zunächst das Ziel kennen und wissen mit welcher Kennzahl man die Zielerreichung messen kann.
Eine Performance-Marketing-Kampagne hat dabei beispielsweise eher Ziele wie Klicks, Conversions oder Umsatz zu generieren, Brand-Marketing-Kampagnen dagegen zielen mehr auf Reichweite, Engagement oder Video-Views ab.
Social-Media-Datenanalysen
Doch wie lassen sich Posts optimieren? Was sind die Kriterien für besonders erfolgreiche Posts, je nachdem ob das Ziel Likes, Kommentare, Klicks oder Conversions sind?
Regressionsanalyse mit Excel
Eine Möglichkeit, das herauszufinden, ist die Regressionsanalyse, welche sich mit Excel bewerkstelligen lässt.
Näher beschäftigt mit „data analytics“ und der Regressionsanalyse hatte ich mich im Rahmen des Moduls „digital disruption and design thinking“ im General Management Program an der SPOAC by WHU.
Einen Einblick, wie man eine multiple Regressionsanalyse durchführt gibt, das folgende YouTube-Video:
Die Datengrundlage, um dies auf Social Media anwenden zu können, sind Analytics-Daten, die man als CSV-Export z.B. aus den Insights einer Facebook-Seite gewinnen kann.
Was lässt sich mit den Daten anstellen und welche Erkenntnisse kann man daraus gewinnen?
Mit Hilfe der Regressionsanalyse kann man die Signifikanz und die Stärke des Einflusses unabhängiger Variablen wie Post-Typ (Bild/ Video/ Link), Wochentag, Tageszeit, Textlänge, paid budget geclustert nach Netzwerk (Instagram, Facebook, Twitter) / Sprache oder Land auf abhängige Variablen wie Engagement-Rate, Video-Views, Likes, Kommentare, Reichweite oder Klicks messen.
Daraus gewinnt man Erfolgskriterien, unter welchen Bedingungen (unabhängige Variablen) ein Post z.B. mehr Engagement oder Conversions (Zielgröße sind abhängige Variablen) erzielt. Daraus folgen Erkenntnisse welche beeinflussbaren Faktoren bei Posts optimiert werden können, um das jeweilige Ziel zu erreichen.
Daten erweitern
Zusätzlich kann man weitere unabhängige Variablen wie Thema einbauen (manuelle Zuordnung anhand Posting-Texten oder automatisiert anhand bestimmter Hashtags), um zu bestimmen, welche Inhalte besonders gut ankommen und welche nicht.
Weiterhin lassen sich diese Daten weiteren Daten aus anderen Quellen ergänzen, die eindeutig einzelnen Posts zuordenbar sind (z.B. Conversions aus Webtracking/Analytics-Systen wie Google-Analytics).
Auch eine ergänzende Sentiment-Analyse zur Auswertung, welche Worte und Phrasen einen Post besonders positiv beeinflussen wäre denkbar.
Am Ende lassen sich daraus Erfolgskriterien für besonders gute Posts definieren, die je nach Ziel des Posts/ der Kampagne (z.B. Engagement, Video-Views, Klicks, Conversions) unterschiedlich definiert sind.
Arbeitsprozess
Der Prozess von Auswertung und Analyse sollte in bestehende Arbeitsprozesse so einbettet sein, dass diese nicht als lästiges Anhängsel immer hinten runterfällt oder gar im Zweifel aufgrund von Zeitmangel gar ausgelassen wird. Der Prozess der Analyse sollte weit wie möglich vereinfacht und automatisiert werden, um den Aufwand so gering wie möglich zu halten und eine regelmäßige Auswertung zu gewährleisten. Eine Abnahme der reinen Analyse nach dem vorgegebenen Muster vom zuständigen Social Media Manager, der meist stark ins Tagesgeschäft eingebunden ist durch andere Personen, kann daher sinnvoll sein.
Die letztendliche Bewertung und Interpretation der Daten allerdings sollte zwingend durch den Social Media Manager durchgeführt werden, da sich dieser sich in den Kanälen auskennt, die Zahlen kritisch bewerten und entsprechende Erkenntnisse und Handlungsempfehlungen daraus ableiten kann.
Datenanalyse in die Strategie einbetten
Für bestimmte Arten von Posts / Kampagnen je nach Ziel sollten einheitliche Kennzahlen festgelegt werden, um den Erfolg bewerten und Posts/ Kampagnen vergleichen zu können.
Hierbei gilt, wie generell bei datengetriebenem Marketing: Nicht blind auf Daten verlassen, sondern mit Verstand und unter Einbeziehung eigener Erfahrungswerte und Kenntnisse kritisch betrachten, um wirklich sinnvolle Schlüsse daraus zu ziehen.
Fazit
Ein erfahrener Social Media Manager, der sich die Zahlen regelmäßiger anschaut, entwickelt hierfür i.d.R. auch ohne systematische Auswertung ein Gefühl zur Optimierung von Posts. Um allerdings Vorgesetzten und Kollegen eine valide Datengrundlage vorlegen zu können, hilft es, die Daten mit der Regressionsanalyse auszuwerten und die daraus folgenden Handlungsempfehlungen zusammenzufassen.
Voraussetzung hierfür ist in jedem Fall, dass man bereits vor der Umsetzung einer Kampagne folgende Fragen im Blick hat, um die Kampagne zielgerichtet danach auszurichten:
- Was sind die Ziele?
- Welche Kennzahlen eignen sich zur Messung der Zielerreichung?
- Wie können Kennzahlen gemessen werden?
Am Ende können Kampagnen so besser auf die Zielerreichung optimiert ausgesteuert und so zum Erfolg geführt werden.