Brand Tracking automatisieren: wöchentlich messen mit n8n + AskAudience

Das Problem: Brand Tracking ist teuer und langsam

Ein Kunde aus der E-Commerce-Branche wollte seine Markenwahrnehmung engmaschig überwachen. Klassische Brand-Tracking-Studien kosten pro Welle 5.000–15.000 Euro und liefern Ergebnisse alle drei Monate. Viel zu träge, um auf Kampagnen oder Shitstorms zeitnah zu reagieren.

Die Lösung: Wir haben mit n8n und AskAudience ein System gebaut, das jeden Montag automatisch eine kompakte Brand-Health-Messung durchführt. Kosten pro Messung: ca. 15 Euro. Ergebnisse: innerhalb von Minuten.

Wie das Setup funktioniert

Schritt 1: Audience definieren

Wir haben in AskAudience eine Audience "Deutsche Online-Shopper 25-45" angelegt – 2.400 Personen, die in den letzten drei Monaten online eingekauft haben. Diese Audience wird wöchentlich aktualisiert, sodass immer aktuelle Käufer enthalten sind.

Schritt 2: n8n-Workflow erstellen

Der Workflow startet jeden Montag um 8 Uhr:

• Cron-Trigger löst den Workflow aus
• HTTP-Request-Node fragt AskAudience: "Welche drei Eigenschaften verbindest du mit der Marke [Kundenname]? Antworte in Stichpunkten."
• Zweite Frage: "Auf einer Skala von 1-10: Wie wahrscheinlich würdest du [Kundenname] weiterempfehlen?"
• Code-Node wertet die Antworten aus: extrahiert Net Promoter Score, clustert Eigenschaften nach Sentiment
• Google Sheets-Node schreibt Ergebnisse in ein Dashboard-Sheet
• Slack-Node postet Zusammenfassung ins Marketing-Channel

Schritt 3: Anomalie-Erkennung

Besonders wertvoll: Der Workflow vergleicht die aktuellen Werte mit dem 4-Wochen-Durchschnitt. Weicht der NPS um mehr als 5 Punkte ab oder tauchen plötzlich negative Begriffe gehäuft auf ("teuer", "langsam", "Probleme"), wird ein Alert an den CMO geschickt.

Konkretes Beispiel: KW 47/2024

In Kalenderwoche 47 schlug das System Alarm. Der NPS war von durchschnittlich 42 auf 31 gefallen. Die häufigsten negativen Begriffe: "Lieferzeit" (23% der Nennungen), "Kundenservice nicht erreichbar" (18%).

Das Team konnte sofort reagieren: Ein technisches Problem hatte die Service-Hotline lahmgelegt. Innerhalb von 48 Stunden wurde das Problem behoben und eine Entschuldigungs-Mail an betroffene Kunden verschickt.

KW 48: NPS wieder bei 40, negative Nennungen zu "Kundenservice" von 18% auf 4% gesunken.

Kosten-Vergleich:

• Klassisches Tracking (4x jährlich): 40.000 Euro
• Automatisiertes Tracking (52x jährlich): 780 Euro
• Zeitersparnis: ca. 20 Stunden manueller Arbeit pro Monat

Was wir gelernt haben

Sampling-Größe anpassen: Anfangs haben wir nur 50 Personen pro Woche befragt. Das führte zu starken Schwankungen. Ab 150 Personen wurden die Werte stabil genug für Woche-zu-Woche-Vergleiche.

Offene Fragen sind Gold wert: Die strukturierten NPS-Werte sind nützlich, aber die offenen Assoziationen liefern die echten Insights. Ein Sentiment-Analyse-Tool (wir nutzen ein einfaches Python-Script in n8n) hilft beim Clustern.

Nicht jede Schwankung ist relevant: In den ersten Wochen haben wir auf jeden Ausreißer reagiert. Jetzt haben wir gelernt: Erst ab zwei Wochen in Folge mit negativem Trend wird eskaliert.

Nächste Schritte

Der Kunde plant, das System zu erweitern:

• Wettbewerbs-Tracking: Parallel die Top-3-Konkurrenten abfragen
• Kampagnen-Tracking: Vor/nach großen Kampagnen zusätzliche Messungen
• Segment-Analysen: Unterschiede zwischen Neu- und Bestandskunden

Das Schöne: Alles lässt sich im bestehenden Workflow ergänzen, ohne dass wir ein neues Tool einführen müssen.

# curl-Beispiel für wöchentliche Brand-Abfrage
curl -X POST https://askaudience.de/api/v1/audiences/aud_xyz123/ask \
  -H "Authorization: Bearer aa_live_..." \
  -H "Content-Type: application/json" \
  -d '{"question":"Welche drei Eigenschaften verbindest du mit der Marke MusterShop? Antworte in Stichpunkten.","responseFormat":"text"}'

// TypeScript-Beispiel für n8n Function-Node
const responses = $input.all();
const npsScores = [];
const associations = [];

for (const item of responses) {
  const answer = item.json.answer;
  // NPS extrahieren (Annahme: Antwort enthält Zahl 1-10)
  const npsMatch = answer.match(/\b([1-9]|10)\b/);
  if (npsMatch) npsScores.push(parseInt(npsMatch[1]));
  
  // Assoziationen sammeln
  const words = answer.toLowerCase().split(/[,;.\n]/).map(w => w.trim());
  associations.push(...words.filter(w => w.length > 3));
}

const avgNPS = npsScores.reduce((a,b) => a+b, 0) / npsScores.length;
const topAssociations = [...new Set(associations)]
  .map(word => ({ word, count: associations.filter(w => w === word).length }))
  .sort((a,b) => b.count - a.count)
  .slice(0, 10);

return [{ json: { avgNPS, topAssociations, timestamp: new Date() } }];