Inhaltsverzeichnis

1. Transparente Datenerhebung vs. Google, Facebook und Co.
2. Von psychologischer Forschung zu Smartphone-Sucht zu Business Insights für Marktforscher*innen
3. Case Study: Facebook Werbung vermessen – die eigene, und die der Konkurrenz
4. Case Study: Influencer*innen auf Instagram in die Stories gucken
5. Case Study: Die komplette Customer Journey in der Amazon App nachvollziehen
6. Datenschutz und faire Datenerhebung

1. Transparente Datenerhebung vs. Google, Facebook und Co.

Big Tech hat durch seine langlebigen Oligopole unaufholbare Datenvorteile gegenüber allen Playern die nicht Google, Facebook, Apple oder Amazon heissen. Nicht umsonst gibt es einen eigenen Begriff dafür, wenn Apple eine erfolgreiche App obsolet macht, indem es sie kopiert und direkt ins Betriebssystem integriert. Das sogenannte „Sherlocking“ wurde gecoint, als Apple die Suchfunktion der Drittanbieter-App “Watson” einfach in die neue, systemeigene Suche „Spotlight“ integriert hat.

Während in der offeneren Welt der Laptops und Desktops schon lange Möglichkeiten existieren, digitale Verhaltensdaten von Usern zu erforschen, profitieren in den geschlossenen Smartphone-Betriebssystemen bisher hauptsächlich IT-Giganten von den Usage Insights. Dabei bilden Handydaten durch ihre vielfältigen Apps (Telefon, Soziale Medien, Einkauf-Apps, u.v.m.) und Sensoren (z.B. GPS, Schrittzähler, Schlaftracking, etc.) das Verhalten ihrer Nutzer viel besser ab, als jede andere einzelne Datenquelle. Das Handy ist unserer ständiger Begleiter im Alltag und wird alleine für Facebook, Instagram und Youtube im Schnitt ca. 60min am Tag genutzt.

Meistgenutzten Apps in Deutschland

Meistgenutzte Smartphone-Apps 2020 in Deutschland (Quelle: Statista).

Kein Wunder also, dass die digitalen Platzhirsche mit ihren Big Data Methoden das Spielfeld dominieren. Eins von Steve Jobs Lieblingszitaten war: „Gute Künstler*innen kopieren, grossartige Künstler*innen klauen.“ Geschenkt, dass er den Spruch selbst von Picasso geklaut hat. Um in der digitalen Welt eine Chance zu haben, müssen wir den Spiess umdrehen, und die Grossen mit ihren eigenen Waffen schlagen – indem wir selber digitale Verhaltensdaten von Smartphones erheben und analysieren.

2. Von psychologischer Forschung zu Smartphone-Sucht zu Business Insights für Marktforscher*innen

Genau daran arbeitet seit 2014 ein Forscherteam der Uni Bonn. Die Co-Gründer von Murmuras um Prof. Alexander Markowetz nutzten reale Smartphone-Daten für die erste gross angelegte Studie zur Smartphone-Sucht.

Die resultierende „Menthal“-App erfasst zu Studienzwecken die Smartphone-Nutzung, berechnet tiefgehende Analysen und gibt Nutzer*innen Feedback zu ihrem Verhalten. Damit hatte Menthal schon 2014 einen Nerv getroffen: Vom Frühstücksfernsehen bis zur deutschen Welle hat die App grosse Presseaufmerksamkeit erhalten und bis heute mehr als 700’000 Teilnehmer*innen angezogen. Menthal stellt den grössten Datensatz menschlichen Verhaltens dar, der der akademischen Forschung zur Verfügung steht und durch akademische Bemühungen gesammelt wurde. Dieser Datensatz ist ausschliesslich für akademische Zwecke bestimmt und bleibt an der Universität Bonn.

Im Laufe der Zeit haben zahlreiche Forscher*innen und Marktforschungsunternehmen angefragt, ob sie die Menthal-Technologie für ihre eigenen Projekte nutzen dürfen. Deshalb haben wir Murmuras gegründet. Murmuras ermöglicht es Marktforscher*innen und akademischen Einrichtungen Smartphone-Nutzungsdaten zu erfassen und zu analysieren. Ob Schlafstudie oder Shopper-Insights, wir sind davon überzeugt, dass Data Scientists jeder Couleur denselben breiten Zugang zu Smartphone-Verhaltensdaten haben müssen, wie Google, Facebook und Co. 

Anhand der Murmuras App und Plattform können tiefgehende Analysen mit Tausenden echten Datenpunkten pro Nutzer durchgeführt werden. Ohne höhere Grenzkosten können hunderte von Probanden angeschlossen werden. Es lassen sich sowohl die digitalen Aktivitäten am Handy (z.B. in welcher App suchen/kaufen Personen Produkte), als auch die physischen Aktivitäten in der realen Welt (z.B. welche Geschäfte besuchen Personen) erfassen und kombiniert analysieren. 

Die branchenspezifischen Insights sind vielfältig: von Leseverhalten (welche Social-Media Beiträge liken Nutzer) über Mobilitätsverhalten (ruft die Person bei Regen ein Taxi, statt ein Fahrrad zu mieten) bis hin zu Sport- (trainiert die Person zuhause mit Heimtraining-Apps oder draussen mit Jogging- und Wander-Apps) und Reisepräferenzen (günstiges Couchsurfing und Airbnb, oder teure Hotelwebseiten). Durch kontextsensitive Fragen zu beliebigen Zeitpunkten via Push-Mitteilung ist es möglich die objektiven Verhaltensdaten noch mit subjektiven Aussagen zu Motivationen und Intentionen der Probanden zu verbinden (z.B. „Sie haben gerade ein Café verlassen, wie hoch waren Ihre Ausgaben?“).

Murmuras Platform

Murmuras App und Plattform (Quelle: Murmuras).

3. Case Study: Facebook Werbung vermessen – die eigene, und die der Konkurrenz

Wir kennen alle diesen Moment: Gerade noch mit Partnerin oder Partner beim Kochen geplant, wie man das abgeranzte Kallax mit den neuesten Ikea-Hacks in einen hängenden Indoor-Kräutergarten umwandeln kann. Kaum eine halbe Stunde später ist die Facebook-App plötzlich voll mit Ikea Werbung. Eine Freundin hat auf Facebook sogar ihr Geschlecht auf männlich geändert, um der ständigen Fruchtbarkeitspillen-Werbung zu entkommen. Während schlechtes Ad-Targeting unheimlich oder übergriffig sein kann, ist gutes Ad-Targeting unaufdringlich. Dazu muss jedoch gewährleistet werden, dass es die richtigen Zielgruppen erreicht.

Facebooks eigene Analytics-Tools machen bei bezahlter Werbung die Reichweite- und Interaktionsmessbalken gerne voll. Die Click-Throughs auf die beworbene Webseite sind im Vergleich jedoch mager. Während Werbewirkungsforschung im Desktop-Browser mit klassischen Marktforschungsmethoden noch gut messbar ist, ist die Facebook-App auf dem Smartphone dahingehend eine Black Box.

Facebook Data

Facebook-Interaktion Beispieldaten.

Genau hier haken wir ein: Murmuras kann in die Facebook-App hineinschauen, und präzise protokollieren, wann eine Testperson eine Anzeige gesehen, geklickt oder geteilt hat. Diese objektiven, digitalen Verhaltensdaten werden durch Murmuras in Kooperation mit Panel Providern wie TestingTime standardmässig mit den soziodemografischen Daten der Probanden angereichert (Alter, Geschlecht, Beruf, Beschäftigung, etc.), um Forscher*innen eine solide Datengrundlage zu liefern. Je nach datenschutzrechtlichen Anforderungen können wir aber auch für uns anonyme Rohdaten erfassen, die erst durch die Marktforscher*innen selber angereichert werden.

Mit Hilfe dieser unabhängig erfassten Interaktionsdaten erfassen wir die Ad-Performance auch in den „Walled Gardens“ der Smartphone- und App-Ökosysteme, und ermöglichen Marktforscher*innen unabhängig zu überprüfen ob die Werbung auch wirklich bei den Zielgruppen ankommt, die erreicht werden sollen. 

Durch direkte Vergleiche mit der Konkurrenz lassen sich signifikante Wettbewerbsvorteile schaffen. Welche Werbeanzeigen zeigen meine Konkurrenten? Wen targeten sie, womit und wie oft? Welche Werbeanzeigen meiner Konkurrenz sind erfolgreicher als meine Anzeigen (echt gemessen anhand von gesehenen, geklickten, geteilten Werbeanzeigen)? Wie muss ich meine perfekte Werbeanzeige bauen (z.B. bei der Konkurrenz kommen Emojis gut an, oder kürzerer Text und mehr Bildfokus)?

Früher konnte Adi Dassler bei seinem Bruder Rudolf mit eigenen Augen an der Anzahl der Lieferwagen, die das Firmengelände verliessen beobachten, wie erfolgreich die Konkurrenz arbeitete, weil sowohl Adidas als auch Puma im fränkischen Provinznest Herzogenaurach ansässig waren. Heutzutage muss dafür niemand mehr aus dem Homeoffice vor die Tür gehen, da unsere digitalen In-App Nutzungsdaten präzise Vergleiche der eigenen Kampagnen mit den Anzeigen der Konkurrenten erlauben.

App Sessions

Unaggregierte App-Sessions Rohdaten laden zum Spielen ein.

Findige Konsumforscher*innen können die Segmentierung noch weiter verfolgen: Da Murmuras auch erhebt, welche Apps neben Facebook wann, wie lange, und in welcher Sequenz genutzt werden, können potenzielle Kund*innen beispielweise in Freizeitschuhkäufer*innen (keine Lauf- oder Fitness-App auf dem Handy) und Sportschuh-Käufer*innen (Lauf- und Fitness-App vorhanden und in Nutzung) ausdifferenziert werden. Besonders in den kaufstarken Fitness- und Ernährungskategorien, tun sich durch die zunehmend app-gesteuerte Trainings- und Essenserfassung marktforscherische Potenziale auf. Was uns direkt zu Facebooks jüngerem Schwesternetzwerk führt: Instagram.

Toolbox mit Vorlagen zur Messung von UX KPIs

Die kostenlose Toolbox unterstützt UX Researcher zuverlässig bei User Experience-Evaluationen. Sie ermöglicht eine valide, reliable und objektive Messung der Benutzer-Wahrnehmung. Die drei relevanten KPIs Single Ease Question (SEQ), Net Promoter Score (NPS) und System Usability Scale (SUS) helfen dir dabei, Risiken besser abzuschätzen und Verbesserungen abzuleiten.

Die UX Toolbox jetzt kostenlos nutzen.

4. Case Study: Influencer*innen auf Instagram in die Stories gucken

Es ist kein Geheimnis mehr, dass Influencer-Marketing wirkt. Von grossen, globalen Megainfluencern wie Kylie Jenner, die ihre eigenen Beautykollektionen vermarkten, bis hin zu lokalen Mikroinfluencern, die den handgerösteten Fairtrade-Kaffee des lokalen Schlosscafes lobpreisen, alle haben sie gemeinsam, dass ihr Geschäft auf Instagram stattfindet. Während Facebook noch auf Desktop-PCs startete und auch heute noch viel dort genutzt wird, wird Instagram von Anfang an primär in der Smartphone-App genutzt. Das hat offensichtliche Gründe – Desktop-PCs haben keine Fotokameras integriert, und sind auch für Selfies sehr eingeschränkt geeignet – führt aber dazu, dass wir es wieder mit einem geschlossenem App-Ökosystem zu tun haben, das für Marktforscher*innen schwer detailliert messbar ist. 

Duckfit

Fitness-Influenterich Duckfit360 wirbt für Sportbekleidung und Eiweisseimer.

Getreu der Maxime „Wo ein Werbeetat ist, ist auch ein Weg“ haben Influencer*innen Kanäle gefunden, ihre Follower*innen zu monetarisieren. Klassischerweise postet ein*e Influencer*in der Story oder als Post ein Bild oder Video von sich selbst mit dem beworbenen Produkt, und ruft die Follower*innen auf, es im Onlineshop des Herstellers zu bestellen. Damit der Hersteller die Käufe der Follower*innen den Influencer*innen zuordnen kann, gibt er den Influencer*innen personalisierte Rabattcodes (siehe Screenshot: “Nutze den Code #duckfit2021 um 20% Rabatt auf Sportbekleidung und Eiweißeimer zu bekommen.“), die diese dann in einer Win-Win-Win Situation an ihre Follower*innen weitergeben: Umsatz für den Hersteller, Werbehonorar für Influencer*in und Rabatt für Follower*innen. 

Customer Journey Instagram

Die digitale Kundenreise bis zum Kauf.

Derartiges Verkaufstracking ist für digitale Verhältnisse geradezu archaisch, und wird von Instagram auch regelmässig verbessert. Mit unseren digitalen In-App Verhaltensdaten kann durch die Murmuras Technologie feingranular gemessen werden, wieviel Zeit die Follower*innen wirklich mit den Posts und Stories von verschiedenen Influencer*innen verbringen. Views, Likes und Clicks erfassen wir für jeden Post den Nutzer*innen sehen. Mit Hilfe von App-Sessions machen wir sichtbar, wenn Follower*innen nach dem Sehen einer Werbeanzeige in Story oder Post in den Browser wechseln und das Produkt googlen, womit wir sie am Anfang der Kundenreise platzieren können – ein actionable Insight für Brands, den kein Cookie-Tracking liefern kann.

Customer Journey Example

Vereinfachte Darstellung der digitalen Kundenreise in Rohdatenform.

Generell stehen im Zuge der neuen Anti-Cookie Massnahmen schwierige Zeiten für Cookie-Tracking bevor. Unser Technologie ist dahingehend zukunftssicherer und ermöglicht es Konsumforscher*innen sich redundant aufzustellen, da wir weder von Cookie-Blockern noch von Social Media Rate Limits/Bans betroffen sind.

Bei Bedarf können wir die Instagram-Verhaltensdaten auch für Konsumforscher*innen vorclustern, die Follower*innen auf Basis ihrer Profile in Konsumkategorien (Fitness, Beauty, Auto, etc) einteilen, und damit die produktkategorierelevante Reichweite der jeweiligen Influencer*innen messbar machen. 

5. Case Study: Die komplette Customer Journey in der Amazon App nachvollziehen

Wir haben im Online-Pitch von marktforschung.de von L’Oreals Director of Consumer & Market Intelligence Sabine Menzel gespiegelt bekommen, dass gerade das Nachvollziehen von In-App Touchpoints noch ein Painpoint für Konsumforscher*innen ist. 

Murmuras kann die komplette Kundenreise in der Amazon-App auf dem Smartphone in Echtzeit analysieren, und feststellen welche Produkte eine Testperson anschaut, in den Warenkorb legt, auf die Wunschliste setzt oder kauft. Dazu kommen wie im Abschnitt zu Instagram erwähnt, dass wir diese In-App Touchpoints auch mit weiteren Touchpoints aus anderen Apps, wie Google-Suchen aus dem Browser, Werbung auf Facebook, oder Post und Story-Views von Instagram anreichern können. 

Dieses ganzheitliche Bild der individuellen Customer Journey ist vollständiger, als es selbst Big Tech liefern kann. Nicht einmal Alexa kann in andere Handyapps reingucken, und Siri gönnt der Amazon-Assistentin auch keine Insiderinfos. Mit Hilfe unserer app-übergreifenden Technologie haben Markt- und Konsumforscher*innen jetzt die Möglichkeit, transparent und fair Konsument*inneninteressen und -intentionen zu erfassen, und Big Tech mit ihren eigenen Waffen zu schlagen.

6. Datenschutz und transparentes, faires Tracking

Übergriffiges Ad-Targeting hat der US-Retailerkette „Target“ schon vor fast einem Jahrzehnt schlechte Presse beschert. Der wütende Vater einer Teenagertochter beschwerte sich lautstark bei einem Mitarbeiter, dass seine Tochter mit Coupons für Babynahrung und -klamotten postalisch bombardiert wird. Wie es sich herausstellte, wusste Target vor dem werdenden Opa von der Schwangerschaft seiner Tochter. 

Im Zuge der steigenden gesellschaftlichen Awareness von Kundenprofiling und Tracking ist es wichtig, Daten transparent und fair zu erheben. Angesichts der Sensibilität der erhobenen Daten ist Datenschutz integraler Bestandteil von Geschäftsmodell, technischer Infrastruktur und Unternehmenskultur von Murmuras. Hierzu wurde ein umfassendes Datenschutzkonzept mit einem Fachanwalt für Datenschutzrecht erarbeitet, welches kontinuierlich mit einem externen Datenschutzbeauftragten (Anwalt für IT-Recht) überprüft und erweitert wird. Da wir aus der Forschung kommen, ist die Einhaltung wissenschaftlicher und ethischer Standards aus Projekten mit verschiedenen Universitäten (z.B. Bonn, Salzburg, Tübingen) behördlich bestätigt. Alle Daten befinden sich stets auf Servern in Deutschland.

Weiterhin ist Murmuras Mitglied im ADM (Arbeitskreis Deutscher Markt- und Sozialforschungsinstitute e.V.) und folgt dem strengen, internationalen ICC/ESOMAR Kodex zur Markt-, Meinungs- und Sozialforschung und Datenanalytik.