Marco, welche Herausforderungen löst ihr mit nexoya?

Marketingexperten arbeiten heutzutage Durchschnitt mit 10-15 bezahlten und organischen digitalen Marketingkanälen. Über 90% davon optimieren Ihr Marketing nicht Kanal-übergreifend, das heisst jeder Kanal wird einzeln optimiert. Damit verlieren Sie bis zu 30% Effizienz jeden Monat. Die Gründe dafür sind vielseitig, einerseits sind die Daten der Kanäle meistens nur in den verschiedenen Plattformen einsehbar. Andererseits werden Budgets oftmals noch kanalspezifisch zugeordnet, ungeachtet der Tatsache, dass die meisten Plattformen extrem dynamisch sind. 

Mit nexoya lösen wir diese Herausforderungen. Wir aggregieren alle Daten an einem Ort und machen sie einfach zugänglich. Das beinhaltet zum Beispiel Daten für Webseitenbesuche, Klicks, abgeschlossene Verkäufe aber auch exogene Faktoren wie Wetter u.v.m. Danach analysieren wir mit Hilfe künstlicher Intelligenz diese Daten und machen Vorhersagen über die zukünftige Performance der jeweiligen Kampagnen & Kanäle.   Daraus leiten wir dann Vorschläge ab wie zum Beispiel Budgets zwischen Kampagnen & Kanälen verschoben werden sollten, um ein Maximum herauszuholen.

Damit konnten wir bei einigen Kunden innert 2-3 Monaten bis zu 72 % mehr herausholen und das ist natürlich spannend für jeden Marketer.

Wie seid Ihr auf die Idee für nexoya gekommen?

Mein Mitgründer Manuel und ich haben beide IT studiert. Manuel war schon lange im Unternehmertum unterwegs, ich selbst habe länger bei der Swisscom gearbeitet. Vor einigen Jahren haben wir gesehen, dass mit der neu verfügbaren Rechenleistung und Technologien, speziell im Bereich künstlicher Intelligenz viel mehr möglich wird. Wir haben den Markt und die Bedürfnisse genauer analysiert, um herauszufinden wo es Menschen oder Berufsfelder gibt, die zwar über viele Daten verfügen, aber bisher Schwierigkeiten haben, damit schnell und einfach künstliche Intelligenz anzuwenden. Durch Zufall sind wir dabei auf den Bereich Marketing gekommen: Uns ist aufgefallen, dass Marketer zwar alle Daten digital verfügbar haben, aber kaum damit arbeiten konnten. Einerseits weil eben die Daten verteilt sind, andererseits weil Ihnen das technische Know-how fehlt, um KI anzuwenden.

Wir beide haben im Bereich von IT-Grosssystemen gearbeitet (Salesforce & SAP). Das Problem der Datenintegration war uns daher sehr gut bekannt. Als wir uns die Thematik genauer angeschaut haben, haben wir festgestellt, dass die meisten  Marketer mit Excel arbeiten, um die Daten zusammenzubringen und dies meist einmal im Monat und nicht täglich. Dadurch haben wir realisiert wie weit die meisten davon entfernt waren künstliche Intelligenz anzuwenden. Daraufhin haben wir beschlossen das Problem anzugehen, und zwar End-to-End von der Datensammlung über die Darstellung bis hin zur intelligenten Analyse und Empfehlungen.

Neue Wege – auch beim Equity Split. Wie seid ihr zum Slicing Pie Model gekommen

Wir haben zu zweit gegründet und wussten, dass wir durch unterschiedliche familiäre Begebenheiten nicht gleich viel Zeit in das Startup investieren können würden (asymmetrische Zeitinvestition am Anfang). Daher haben wir uns überlegt, wie wir das Beteiligungsmodell fair gestalten können.  Wir hätten die Möglichkeit eines einfachen Splits wählen können, z.B. 40/60, aber wir fanden das Modell nicht ganz fair, sollte sich im Laufe der kommenden Jahre am proportionalen Investment von uns beiden etwas ändern. Wir wollten ein dynamisches System, dass es uns ermöglicht die Zuteilung durch die monetäre und zeitliche Investition über einen bestimmten Zeitraum zu repräsentieren. Durch meine USA Bekanntschaften aus dem Silicon Valley habe ich das erste Mal vom Slicing Pie Modell gehört – ein etwas komplexes aber dynamisches Aktienverteilungs-Programm. Nach einigen Gesprächen mit Kollegen aus den USA, war uns klar, dass das System sehr gut zu uns passt. 

Slicing Pie für Mitarbeiter – wie steht ihr zu Mitarbeiterbeteiligungen im Startup?

Das Slicing Pie Modell hat uns einerseits ermöglicht unseren “Start Founder-Split” Thema sauber zu lösen und andererseits die Möglichkeit gegeben neuen Mitarbeiter*innen darin aufzunehmen. Beim Start eines Startup, hat man nicht die Möglichkeit Marktlöhne zu bezahlen insbesondere nicht in der Schweiz – mit Slicing Pie konnten wir die Mitarbeitenden von Anfang an mit Aktien beteiligen, um diesen Gap auszugleichen.

Idealerweise ist jeder Mitarbeiter gleich am Anfang Mitteilhaber der Firma. Wir finden Mitarbeitende haben einen ganz anderen Drive, wenn sie nicht nur angestellt sind, sondern eben auch einen Teil des Startups ihr Eigen nennen können. Die Motivation ist anders, auch wenn ihnen nur 1% von der Firma gehört. Als Startup können wir genau das bieten und wollen es auch als Differenzierungsmerkmal nutzen. Die Möglichkeit Mitarbeiter zu beteiligen, hilft uns bei der Rekrutierung, in der Aussensicht und dem Mitarbeiter selbst da dieser auch für sich selbst arbeitet.

Ihr habt mit LEXR für das Slicing Pie Modell, Datenverträge und andere Legal Themen zusammengearbeitet – wie war eure Zusammenarbeit mit LEXR und weshalb habt ihr euch für LEXR entschieden? 

Wir haben einen Partner gesucht der ähnlich funktioniert wie wir. Der hands-on Themen mit uns bespricht, und konkret Fragen schnell und einfach beantwortet. Ein Beratungsmodell «as we go» anstatt jedes Mal 10 Leute in einem grossen Call zu haben um 1-2 Fragen zu klären. Wir haben einen Partner gesucht, der das Mindset hat das wir auch haben und bereit ist neue Themen offen anzugehen und diese auch spannend findet. Mit LEXR haben wir genau das gefunden. Das Mindset und der Groove von LEXR passt, die Antwort und Bearbeitungszyklen sind sehr gut und wenn wir schnell Hilfe brauchen, dann ist das immer möglich.   

Mit nexoya habt ihr bereits grosse Datenmengen im Bereich Marketing analysiert. Was waren dabei für euch die grössten Überraschungen?

Die grösste Überraschung für uns war, dass die grossen Plattformen und auch bezahlte Medien respektive Publisher teilweise schlichtweg falsche Daten liefern. Wir hätten nicht gedacht, dass in einem digitalen Markt der 10-20 Jahre existiert und schon so gross und wichtig ist für so viele Unternehmen solche Qualitätsprobleme vorhanden sind. 

Wochen später werden teilweise Korrekturdaten geliefert über wie viel ausgegeben wurde, bis hin zu wie viel E-Mailsgeöffnet wurden usw. Das ist für den Marketer, der basierend auf den Daten bereits Investmententscheidungen getroffen hat, dann zu spät. Natürlich ist die korrekte Lieferung der Daten komplex. Dennoch hat es uns erstaunt, dass es in diesem Markt mit der gegebenen Erfahrung und Maturität solche Qualitätsunterschiede gibt.