Data Driven Marketing ist ein Teil des Online-Marketings, bei dem die Kunden und vor allem ihre Daten im Mittelpunkt stehen. Dazu zählen zum Beispiel demografische Daten oder das Verhalten von Kunden auf Websites oder in Online Shops. Die Daten werden zu einer bestimmten Zielerreichung (Konversion) genutzt, beispielsweise zur Steigerung der Reichweite oder zur Verbesserung des Vertriebs. In diesem Kurs erlernen die Studierenden die Grundlagen des Data Driven Marketings und erhalten einen vollumfänglichen Einblick in die zugehörigen Disziplinen, wie Big Data oder Künstliche Intelligenz. Aus einem Verständnis für Daten als solche, beschäftigen sich die Studierenden mit deren Einsatz zur Verbesserung, Individualisierung und Personalisierung der Kundenerfahrung und gehen der Frage nach, wie Unternehmen mit Hilfe von Kundendaten Muster erkennen und implementieren können. Kompetenzen zur effizienten Kollaboration im Data Driven Marketing runden diesen Kurs ab.

1. Einführung ins Data Driven Marketing
   1. Data Driven Marketing: Definition und Abgrenzung
   2. Data Driven Marketing und die VUCA-Welt
   3. Arten und Aufbereitung von Daten
   4. Speicherkapazität, Digitalisierung und Vernetzung – historische Entwicklung von Datenmengen und Datenübertragung
   5. Wertschöpfung durch Customer Intelligence
2. Big Data
   1. Big Data: Definition und Dimensionen
   2. Big Data als Grundlage für Künstliche Intelligenz und algorithmische Entscheidungsfindung
   3. Eigene Datenquellen und Daten von Drittanbietern für Data Driven Marketing
   4. Data Mining und Predictive Analytics
   5. IT-Systeme und Analyse-Tools
3. Künstliche Intelligenz (KI)
   1. Künstliche Intelligenz und Lernende Systeme: Definition und Gruppen
   2. KI in der strategischen Marketingplanung und operativen Steuerung
   3. KI zur Anpassung von Produkten und Services
   4. KI im Performance Management
   5. Machine Learning und Deep Learning
4. Customer Experience
   1. Customer Journey
   2. Sales Funnel
   3. Customer Relationship Management
   4. Multivariate Tests und A/B-Tests
   5. Mustererkennung
5. Conversion-Optimierung durch Individualisierung und Personalisierung
   1. Mass Customization und Smart Customization
   2. Datengetriebenes E-Mail- und Messenger-Marketing
   3. Targeting für datengetriebene Online-Kampagnen
   4. On-Site-Personalisierung (Website, Online-Shop, Landingpage)
   5. Programmatic Advertising
6. Marketing Attribution
   1. Regelbasierte Attribution
   2. Datengetriebene Attribution
7. Kompetenzen für Data Driven Marketing
   1. Agilität und Analytik
   2. Holokratie und Kundenorientierung
   3. Storytelling
   4. Unternehmerisches und ethisches Denken und Handeln

SEA wird auch als Suchmaschinenwerbung, Keyword Advertising oder Sponsored Links bezeichnet und steht für das Schalten von (Text-)Anzeigen in Suchmaschinen wie Google, Yandex, Baidu, Oath (Yahoo) und Bing. Werbung in Suchmaschinen hat sich als eine der wichtigsten Maßnahmen im Onlinemarketing etabliert. Vor allem die Schaltung von Anzeigen auf der Suchergebnisseite von Google und auf den Websites von Google-Partnern (Affiliates) ist ein hervorragendes Mittel, um zielgerichtet, d.h. ohne große Streuverluste, Interessenten auf eine Website oder in einen Online-Shop zu lenken. Dabei gibt es viel zu beachten, um Suchmaschinenwerbung erfolgreich zu nutzen.

In diesem Kurs lernen die Studierenden, wie Suchmaschinenwerbung funktioniert, wie erfolgreiche Anzeigen konzipiert und bei Google geschaltet werden. Zudem erfahren sie, welche Kennzahlen für die Suchmaschinenwerbung relevant sind, wie man den Erfolg einer Kampagne messen und diese optimieren kann. An einem vorgegebenen Fallbeispiel wird das Erlernte direkt in Google Ads umgesetzt und der Erfolg in Google Analytics gemessen. Zudem bereitet der Kurs optimal auf den Test zur Erlangung des Google Ads-Zertifikats vor.

1. Grundlagen des Search Engine Advertising (SEA)
   1. Definition, Funktionsprinzip, Bedeutung, Vorteile, juristische Aspekte
   2. Anbieterstruktur in Deutschland
2. Google Ads
   1. Einstieg und Grundlagen
   2. Strukturelle Aspekte
   3. Technische Aspekte
   4. KPIs für SEA
   5. Passende Keywords zu Anzeigen ermitteln
   6. Landingpages: Besucher zu Kunden machen
3. Auswertung und Optimierung von Kampagnen
   1. Kampagnenstatistiken und Berichtsabfragen
   2. Conversions, ROI und Gewinnmaximum
   3. Search Funnel und Conversion-Pfad
4. Interne und externe Tools und Software
   1. Kampagnenentwürfe, Kampagnentests und automatisierte Regeln
   2. Webanalyse und Google Analytics
   3. Landingpage und Conversion-Optimierung
   4. SEA-Software
5. Display-Werbenetzwerk
   1. Erfolgreiche Strategien und Optimierungen
   2. Ausrichtungsoptionen und erweiterte Einstellungen
   3. Remarketing und interessenbezogene Kampagnen
6. Anzeigenerweiterungen
   1. Sitelinks und Google Merchant Center
   2. Lokale Anzeigen, Google MY Business, ROPO
   3. Mobile Anzeigen, Click-to-Call, AdMob

Business Intelligence (BI) dient der Gewinnung von Informationen aus Unternehmensdaten, die sowohl für eine gezielte Unternehmenssteuerung als auch für die Optimierung von Geschäftsaktivitäten relevant sind.

Im Rahmen dieses Kurses werden Techniken, Vorgehensweisen und Modelle zur Datenbereitstellung, Informationsgenerierung und -analyse sowie der Verteilung der gewonnenen Informationen vorgestellt und diskutiert.

Sie werden danach in der Lage sein, die verschiedenen Themengebiete des Data Warehousing zu erläutern und Methoden bzw. Techniken für konkrete Anforderungen selbstständig auszuwählen.

1. Motivation und Begriffsbildung
   1. Motivation und historische Entwicklung
   2. BI als Rahmenwerk
2. Datenbereitstellung
   1. Operative und dispositive Systeme
   2. Das Data-Warehouse-Konzept
   3. Architekturvarianten
3. Data Warehouse
   1. ETL-Prozess
   2. DWH und Data Mart
   3. ODS und Metadaten
4. Modellierung multidimensionaler Datenräume
   1. Datenmodellierung
   2. OLAP-Würfel
   3. Physische Speicherung
   4. Star- und Snowflake-Schema
   5. Historisierung
5. Analysesysteme
   1. Freie Datenrecherche und OLAP
   2. Berichtssysteme
   3. Modellgestützte Analysesysteme
   4. Konzeptorientierte Systeme
6. Distribution und Zugriff
   1. Informationsdistribution
   2. Informationszugriff

Die Studierenden werden in diesem Kurs eine praktische Einführung in die Analyse von Marketing-Kanälen erhalten. Um diese Aktivitäten nicht nur zu verstehen, sondern auch erste eigene Erfahrungen damit zu sammeln, werden ausgewählte Werkzeuge für die Analyse vorgestellt und von den Studierenden an einem Beispielprojekt angewendet.

Speziell im dualen Fernstudium:

Im dualen Fernstudium ist der Theorie-Praxis-Transfer anhand eines realen Projekts, das im Praxisbetrieb umgesetzt wird, zu leisten. Im Rahmen des Praxisprojektes bearbeiten die Studierenden eine praxisrelevante Fragestellung ihres Praxisbetriebs unter Betreuung einer:s Lehrenden und des Praxispartners.

• Die Effektivität und Effizienz von Marketingaktivitäten messen zu können – seien es projekthafte Vorgänge wie Kampagnen oder die kontinuierliche Pflege digitaler Customer Touchpoints – ist angesichts der üblicherweise enormen monetären Anstrengungen in diesem Bereich sehr wichtig für Unternehmen. Die einzelnen Kanäle mit Werkzeugen und Konzepten wie SEO, SEA und Google Analytics analysieren und bewerten zu können, ist eine wichtige Kompetenz im Marketing. In diesem Kurs werden Studierende sich deshalb mit diesen Werkzeugen vertraut machen und sie an einem Beispiel praktisch anwenden. Hierzu können sie zum Beispiel eine Webseite erstellen, online schalten und mit unterschiedlichen Marketing Analytics-Tools so optimieren, dass sie sich hinsichtlich relevanter Kriterien wie z. B. der Präsenz in Suchmaschinen verbessern. Darüber hinaus können Studierende Projekte durchführen, mit denen sie Bewegungsdaten ihrer Kunden auswerten können (Tracking), um auf diese Weise mehr über ihre Interessen und mögliche neue Produkte in Erfahrung zu bringen.