Marketing Analytics: Wie ich mit Daten statt nach Bauchgefühl entscheide

Marketing Analytics bedeutet, Marketingdaten systematisch zu sammeln, auszuwerten und zu deuten, damit daraus bessere Entscheidungen werden. Es geht um Fragen wie: Woher kommen meine Kunden, was kostet mich ein neuer Kunde und welche Maßnahme hat etwas bewirkt? Der Wert liegt dabei in der Entscheidung, die du danach anders triffst, und nicht in der Menge der Daten.

Ich bin jemand, der gern baut und schnell loslegt. Gerade deshalb brauche ich Zahlen als Gegengewicht zu meiner eigenen Begeisterung. Bei quik gehört Conversion Tracking fest zum Angebot, und ich wollte wissen, was die Forschung dazu sagt, ob sich der Aufwand für kleine Unternehmen wirklich lohnt. Dazu habe ich Studien aus der Uni-Bibliothek gelesen. Hier ist, was ich daraus mitnehme und wie ich es selbst angehe.

Was Marketing Analytics ist

Der Begriff klingt nach großen Teams und teurer Software. Im Kern sind es drei Schritte:

1. Erfassen: Du hältst fest, was passiert. Besuche, Anfragen, Käufe, Kosten.
2. Auswerten: Du setzt die Zahlen in Beziehung. Wie viele Besucher fragen an? Aus welchem Kanal kommen die Kunden, die bleiben?
3. Entscheiden: Du änderst etwas und prüfst, ob es gewirkt hat.

Man kann leicht beim ersten Schritt stehen bleiben. Das Tracking läuft, das Dashboard existiert, und trotzdem wird nach Gefühl entschieden. Für mich beginnt Marketing Analytics erst beim dritten Schritt.

Warum ich Daten dem Bauchgefühl vorziehe, aber nicht blind

Mein Bauchgefühl ist nicht wertlos. Es ist verdichtete Erfahrung und oft die einzige Quelle für eine gute Idee. Es ist aber schlecht darin, sich selbst zu prüfen. Was Spaß gemacht hat, bleibt besser im Gedächtnis als das, was Anfragen gebracht hat. Und ein Kanal, auf dem viel Rückmeldung kommt, fühlt sich wichtig an, auch wenn daraus keine Kunden werden.

Daten korrigieren das. Sie haben aber eigene Schwächen. Sie zeigen nur, was gemessen wird. Sie sehen nicht, warum jemand nicht gekauft hat. Und bei kleinen Mengen schwanken sie so stark, dass ein Zufall wie ein Trend aussieht. Mein Stand heute ist deshalb eine Arbeitsteilung:

Das Bauchgefühl liefert die Hypothese. Die Daten entscheiden, ob ich bei ihr bleibe.

Wie ich mit Entscheidungen umgehe, für die es keine guten Daten gibt, habe ich in Entscheidungen unter Unsicherheit beschrieben.

Was Marketing Analytics kleinen Firmen bringt

Eine Studie fand ich besonders spannend, weil sie sehr kleine Unternehmen untersucht. Anderson, Chintagunta, Kaul und Vilcassim haben 2026 in Marketing Science ein Feldexperiment mit 550 Firmen in Ruanda veröffentlicht. Sie setzen dort an, wo die meisten Unternehmen der Welt stehen: Laut den Autoren machen kleine Firmen über 90 Prozent aller Unternehmen aus, die meisten mit weniger als zehn Beschäftigten. Belege dafür, wie Analytics bei einzelnen Unternehmern wirkt, seien bisher knapp.

Untersucht wurde die ursächliche Wirkung einer Marketing-Analytics-Lösung in einem randomisierten Experiment. Zwei Ergebnisse aus der Zusammenfassung finde ich bemerkenswert:

• Die Nutzung braucht Anlauf. Am Anfang wird das Werkzeug wenig genutzt. Bis zum dritten Monat steigt die Nutzung, weil sich die Unternehmer zunehmend darauf verlassen.
• Es verändert die Person, nicht nur die Firma. In objektiven Fähigkeitstests und psychologischen Tests zeigt sich ein positiver ursächlicher Effekt auf die geistige Leistungsfähigkeit der Unternehmer, etwa beim Schlussfolgern, beim Gedächtnis, bei Logik und beim Rechnen. Auf Ebene der Firma verbessern sich laut den Autoren außerdem die Geschäftspraktiken.

Ruanda ist nicht Köln, und ich kann das nur vorsichtig übertragen. Der erste Punkt passt aber zu dem, was ich für plausibel halte: Wer ein Analysewerkzeug nach zwei Wochen als nutzlos abhakt, hat ihm vermutlich zu wenig Zeit gegeben. Der zweite Punkt hat mich überrascht. Regelmäßig mit eigenen Zahlen zu arbeiten scheint das Denken zu schulen. Das wäre ein Nutzen, der in keinem Dashboard auftaucht.

Daten allein reichen nicht: Analytics braucht Beweglichkeit

Wie wird aus Analytics ein besseres Ergebnis? Liang, Li, Zhang und Nolan haben dazu 2022 im Journal of Business Research Befragungsdaten von 238 chinesischen Unternehmen ausgewertet. Ihr Befund: Marketing Analytics wirkt positiv auf die Marktagilität eines Unternehmens, also auf die Fähigkeit, schnell auf Veränderungen im Markt zu reagieren. Diese Agilität führt zu besserer Leistung.

Drei Bedingungen aus der Studie finde ich wichtig:

• Abstimmung zwischen Abteilungen verstärkt den Effekt. Daten nützen mehr, wenn Marketing, Vertrieb und Produkt sie gemeinsam lesen.
• Unruhige Märkte verstärken den Effekt. Je mehr sich verändert, desto wertvoller ist es, früh zu sehen, was passiert.
• Erfolgsfallen bremsen den Effekt. So wie ich den Begriff verstehe, geht es darum, zu sehr an dem festzuhalten, was bisher funktioniert hat.

Den letzten Punkt beziehe ich auf mich selbst. Eine Zahl, die meiner Erwartung widerspricht, lässt sich leicht wegerklären. Daten helfen aber nur, wenn ich bereit bin, mich von ihnen umstimmen zu lassen. Als kleines Team sehe ich hier einen Vorteil: Abstimmung zwischen Abteilungen ist kein Problem, wenn es kaum Abteilungen gibt. Es bleibt eine Befragung von Unternehmen in China, die Richtung halte ich trotzdem für glaubwürdig.

Bin ich bereit für Marketing Analytics? Fünf Voraussetzungen

Auh, Menguc, Sainam und Jung haben 2022 im Service Industries Journal untersucht, wie bereit Unternehmen für Analytics sind. Sie entwickeln das Konzept zunächst in Interviews, prüfen eine Skala an türkischen Dienstleistern und testen die Wirkung an südkoreanischen Dienstleistern. Dass es um Dienstleister geht, macht die Arbeit für mich greifbarer als viele Studien aus dem Online-Handel.

Analytics-Bereitschaft besteht bei ihnen aus fünf Dimensionen. Ich habe sie für mich in Fragen übersetzt:

Dimension	Meine Frage dazu
Kulturelle Bereitschaft	Darf eine Zahl bei uns eine Meinung schlagen?
Engagement der Führung	Schaue ich selbst regelmäßig auf die Daten?
Strategische Ausrichtung	Hängen die Zahlen an einem Ziel, das mir wichtig ist?
Strukturelle Bereitschaft	Gibt es einen festen Ort und einen festen Termin für die Auswertung?
Talentkapazität	Kann jemand im Team die Daten lesen und einordnen?

Die Fragen sind meine Übersetzung, nicht die Skala der Autoren. Ein weiteres Ergebnis: Eine erkundende Lernstrategie verstärkt den Effekt der Bereitschaft darauf, wie stark ein Unternehmen datenbasiert statt nach Instinkt entscheidet. Eine Strategie, die vor allem Bestehendes ausschöpft, schwächt ihn ab. Wer Neues ausprobiert, hat offenbar mehr Anlass, auf Daten zu schauen. Das passt zu meiner Lage als Gründer am Anfang: Ich probiere viel aus, und ohne Zahlen wüsste ich nicht, was davon ich weiterverfolgen soll. Wie ich das ordne, steht in Wachstumsexperimente planen.

Die Hürden kleiner Unternehmen

Kgakatsi, Galeboe, Molelekwa und Thango haben 2024 in der Zeitschrift Businesses 93 Forschungsarbeiten aus den Jahren 2014 bis 2024 zu Big Data in kleinen und mittleren Unternehmen ausgewertet. Die Arbeiten berichten von deutlichen Verbesserungen bei Effizienz, Umsatz und Wettbewerbsfähigkeit. Sie nennen aber auch Hürden, die sich durchziehen: begrenzte finanzielle Mittel und fehlendes technisches Wissen.

Zwei Dinge möchte ich dazu ehrlich sagen. Erstens weisen die Autoren selbst auf eine Verzerrung in der Berichterstattung der ausgewerteten Studien hin. Positive Ergebnisse sollte man also mit etwas Abstand lesen. Zweitens ist Big Data nicht das, was ein Selbstständiger mit einer Website braucht. Die beiden Hürden halte ich trotzdem für übertragbar. Am Werkzeug muss es heute nicht scheitern, viele sind kostenlos. Schwieriger sind die Zeit, es sauber einzurichten, und die Sicherheit, die Zahlen richtig zu deuten.

Welche Zahlen ich zuerst anschauen würde

Ich würde nicht mit einem Werkzeug anfangen, sondern mit Fragen. Für ein kleines Unternehmen mit Website reichen aus meiner Sicht am Anfang wenige.

Frage	Kennzahl	Woher
Finden mich Menschen?	Besucher pro Monat nach Kanal	Web-Analyse
Überzeugt meine Seite?	Anteil der Besucher, die anfragen	Web-Analyse mit Conversion Tracking
Woher kommen Kunden?	Herkunft jeder Anfrage	CRM und die Frage an den Kunden
Lohnt sich das Marketing?	Kosten pro gewonnenem Kunden	Eigene Rechnung
Bleiben Kunden?	Wiederkäufe oder Laufzeit	Rechnungen, CRM

Zur Herkunft habe ich einen eigenen Artikel über Marketing Attribution geschrieben, zu den Kosten einen über Customer Acquisition Cost. Welche Zahlen darüber hinaus in der Frühphase zählen, steht in Startup-Kennzahlen. Und wenn du eine einzige Zahl suchst, an der sich alles ausrichtet, hilft die North Star Metric.

Was ich daraus mitnehme

Meine Vorschläge für den Einstieg, so wie ich es selbst halten würde:

1. Mit einer Entscheidung anfangen. Schreib eine Frage auf, die du in den nächsten Wochen beantworten musst, etwa ob sich ein Kanal lohnt. Miss nur, was dafür nötig ist.
2. Erst die Abschlüsse sauber erfassen. Wenn Anfragen nicht verlässlich gezählt werden, ist alles andere Dekoration.
3. Einen festen Termin setzen. Einmal im Monat eine halbe Stunde reicht für den Anfang. Dazu gehört ein fester Ort für Zahlen und Entscheidungen. Bei quik läuft jedes Projekt in quik OS, deshalb würde ich beides dort ablegen.
4. Vor dem Blick auf die Zahl eine Erwartung notieren. So merke ich, wo mein Bauchgefühl danebenliegt, und kann mich schwerer herausreden.
5. Dem Werkzeug drei Monate geben. Die Studie aus Ruanda legt nahe, dass der Nutzen erst mit der Gewohnheit kommt.
6. Eine Sache ändern, dann wieder messen. Sonst weiß ich nicht, was gewirkt hat.
7. Mit Kunden sprechen. Zahlen zeigen, was passiert. Das Warum erfahre ich nur im Gespräch.

Unsicher bin ich bei der Frage, wie viel Analyse für ein sehr kleines Unternehmen zu viel ist. Bei wenigen Anfragen im Monat kann ich mich in Auswertungen verlieren, die statistisch nichts hergeben. Im Zweifel würde ich lieber weniger messen und dafür konsequent handeln.

Fazit

Marketing Analytics ist für mich kein Projekt für große Unternehmen, sondern eine Gewohnheit: wenige Zahlen, regelmäßig angeschaut, mit der Bereitschaft, danach etwas zu ändern. Die Studien, die ich gelesen habe, stützen das. Der Nutzen entsteht über Beweglichkeit und über die Art, wie Menschen mit Daten denken lernen. Er hängt weniger am Werkzeug als an Kultur, Führung und der Zeit, die man der Sache gibt.

Mein Vorschlag: Such dir eine Entscheidung, die ansteht, und leg die drei Zahlen fest, die du dafür brauchst. Welche Zahlen ich selbst beobachte und was ich daraus ableite, teile ich in den Unternehmer Thoughts.