Skip to content

Kunden­seg­men­tierung neu denken: Warum Erkennt­nisse der Behavioral Economics und der Verhal­tens­psy­cho­logie eine neue Ära bei der Kunden­seg­men­tierung einläuten

Dieser Artikel ist Teil unserer Serie Kunden­ge­trie­benes Marketing.

  1. Data-driven Marketing vor dem Aus: Nun kommt das kunden­ge­triebene Marketing!
  2. Kunden­seg­men­tierung neu denken (dieser Artikel)
  3. Customer Data Platforms als Säulen einer neuen Infrastruktur
  4. Neue KPIs im kunden­ge­trie­benen Marketing
  5. Die Rolle des Daten­schutzes im kunden­ge­trie­benen Marketing

Zwei Entwick­lungen sorgen dafür, dass bei der Segmen­tierung von Kunden künftig kein Stein auf dem anderen bleibt: Einer­seits sickern Forschungs­er­geb­nisse aus der Verhal­tens­psy­cho­logie[1] langsam in die Marke­ting­praxis ein. Anderer­seits verändern die gesetz­lichen Vorschriften zur Verwendung von Cookies das bislang daten­ge­triebene Marketing in ein kunden­ge­trie­benes. Was bedeutet das? In Zukunft liegt der Fokus allen Bemühens auf der Erstellung von Kunden­pro­filen (Identity Resolution Management), damit im Sinne einer Customer Intel­li­gence ein möglichst umfas­sendes Kunden­ver­ständnis aufgebaut werden kann (lesen Sie auch Teil 1 unserer Serie).

Mithilfe einer granu­laren Segmen­tierung kann aus Identity Resolution Management und Customer Intel­li­gence eine holis­tische und abgestimmte Customer Experience erschaffen werden. Bislang wird beim Aufbau eines umfas­senden Kunden-Verständ­nisses, der Customer Intel­li­gence, jedoch die Bedürf­nis­ebene noch vernach­lässigt. Dabei kann diese mit Erkennt­nissen der Behavioral Economics und der Verhal­tens­psy­cho­logie ergänzt werden und somit endlich den Kunden selbst statt der bloßen Daten in den Mittel­punkt rücken.

Paradig­men­wechsel: dynamische, spitze Segmen­tierung

Wer effek­tives Marketing betreiben will, muss segmen­tieren – das ist nicht neu. Doch bisher werden dabei psycho­gra­phische Dimen­sionen oder Prognosen über das künftige Nutzer­ver­halten nur spärlich model­liert und noch weniger genutzt, Segmen­tierung basiert nach wie vor auf sozio­de­mo­gra­fi­schen und Website-Daten, allen­falls ersten generi­schen Affini­täten. Hier muss es zu einem Paradig­men­wechsel kommen: eine dynamische und spitze statt einer breiten Segmen­tierung sollte das Gebot der Stunde sein. Zum Erfolg führt das Verschmelzen folgender Analysedisziplinen:

  • Identity Resolution: daten­schutz­kon­forme, konso­li­dierte User-Identi­täten werden erschaffen
  • Data Science: vorhandene Daten werden statis­tisch analy­siert und inter­pre­tiert, zudem werden Muster und Trends zur Entwicklung von Propen­si­täts­mo­dellen (Predictive Analytics) abgeleitet
  • Behavioral Science: gesam­melte Daten werden um psycho­gra­fische Merkmale (v. a. grund­le­gende Bedürf­nisse und relevante Entschei­dungs­muster) quali­tativ angereichert
Grafik 1
Notwen­diger Dreiklang für eine spitze Segmentierung

Um intel­ligent zu segmen­tieren, ist es notwendig, zwei Daten­be­stände zu koppeln. Während Website­daten Aufschluss über das User-Verhalten in Bezug auf Recency, Frequency oder Engagement geben, infor­mieren Daten aus der Datenbank über die Kunden­his­torie (Trans­ak­tionen, CLV, Retouren oder Kundenqualität).

Diese Daten­be­stände werden über einen Identifier (üblicher­weise eine E‑Mail-Adresse) verknüpft. So können intel­li­gente Segmente entwi­ckelt werden.

Grafik 2
Mögliche übergrei­fende Segmente nach CLV und Onsite-Engagement

Verhal­tens­öko­nomie in der Segmentierung

Die Verknüpfung der beiden Daten­be­stände  ermög­licht die Anrei­cherung der Profile bzw. Segmente um die Merkmale der Bedürf­nis­ebene. Dies ist entscheidend, da die Bedürf­nis­ebene aktuellen Erkennt­nissen der Behavioral Economics und Verhal­tens­psy­cho­logie für >95% aller mensch­lichen Entschei­dungen zuständig ist.

Es ist schon bezeichnend, dass die gegen­seitige Abhän­gigkeit zwischen Psycho­logie und Marketing-Technology gleich­zeitig so eindeutig wie unbekannt ist.

Grafik 3
Abhän­gigkeit zwischen Psycho­logie und Marketing-Technology

Ein schon altbe­kanntes Beispiel demons­triert nach wie vor gut das Daten-Dilemma: In ihren sozio-demogra­phi­schen Merkmalen unter­scheiden sich Ozzy Osbourne und Prinz Charles nicht vonein­ander (männlich, Brite, >70 Jahre alt, sehr wohlhabend, grosser Wohnsitz auf dem Land, etc.). Sie können somit vergleichbare Inter­ak­ti­ons­profile im Shop hinter­lassen. Auf der Persön­lich­keits- und Bedürf­nis­ebene könnten sie aber kaum unter­schied­licher sein. Eine rein daten­ba­sierte Ansprache-Logik muss daher fast versagen.

Somit ist für die erfolg­reiche Gestaltung von Customer Journeys die Bedürf­nis­di­mension das entschei­dende und vor allem bislang kaum berück­sich­tigte neue Kriterium. Es ist wohl darauf zurück­zu­führen, dass die Forschungs­er­kennt­nisse erst nach und nach in die Praxis überführt werden, dass sie Bedürf­nis­ebene noch nicht aller Munde ist. Zudem spielt sicherlich auch die nicht zu unter­schät­zenden Komple­xität, diese Ebene zu erschliessen, eine Rolle.

Zwei Wege für die psycho­lo­gisch fundierte Kundenansprache

Eine psycho­lo­gisch fundierte Ansprache im kunden­zen­trierten Marketing kann auf zwei verschie­denen Wegen reali­siert werden: konzep­tionell und automatisiert.

  • Die konzep­tio­nelle Vorge­hens­weise ist ein daten­ba­siert-empathi­scher Ansatz. Psycho­gra­phische Merkmale zu den bestehenden Audiences bzw. Segmenten werden durch Experten, wie einen Customer-Journey-Manager, ergänzt. Dieser hat eine umfang­reiche Kunden­kenntnis und besitzt die psycho­lo­gische Kompetenz für dieses Vorgehen.
  • Die automa­ti­sierte Vorge­hens­weise ist aktuell noch in einem frühen Stadium. Innovative Start-Ups wie Behamics in der Schweiz zeigen zwar bereits, dass mit Machine Learning-Algorithmen grund­sätzlich eine sehr wirksame Auslie­ferung psycho­lo­gi­scher Trigger möglich ist. Aller­dings ist auch hier bei der Konzeption der Trigger psycho­lo­gi­sches Wissen erfor­derlich und das Zusam­men­spiel der Systeme muss geklärt werden.

Die Wirkungs­kette Mensch → Bedürfnis → Trigger → Conversion kann im Zusam­men­spiel zwischen Daten und Psycho­logie ihre Wirksamkeit entfalten – ganz gleich, welchen Weg man wählt.

Fazit

Beim Aufbau eines umfas­senden Kunden-Verständ­nisses, der Customer Intel­li­gence, setzen wir heute vor allem auf Inter­ak­tions- und Trans­ak­ti­ons­daten. Dies lässt zwar die Model­lierung von Segmenten zu, die aber unvoll­ständig bzw. nicht allum­fassend sind. Es fehlt die Bedürf­nis­ebene. Auch wenn dies aus heutiger Sicht mit Blick auf die Toolland­schaft und den Nutzungsgrad von daten-basierten Erkennt­nissen in Unter­nehmen fortschrittlich gedacht ist, so wird doch die Anrei­cherung von Segmenten um Erkennt­nisse der Behavioral Economics und Verhal­tens­psy­cho­logie eine neue Ära der Segmen­tierung einläuten und eine neue Basis im kunden­ge­trie­benen Marketing legen.

Der Original-Beitrag zum Thema ist zuerst erschienen in der OneToOne.

Für einen übergrei­fenden Einstieg ins Thema kunden­ge­trie­benes Marketing empfehlen wir unser White­paper Bye bye daten­ge­trie­benes Marketing: Es lebe das kunden­ge­triebene Marketing, das hier angefordert werden kann.

Autor

Joachim Stalph

Joachim Stalph ist Principal Consultant bei elabo­ratum und seit über 10 Jahren im Online­business tätig. Seine Beratungs­schwer­punkte liegen auf E‑Com­merce-Konzeption, UX, Conversion-Optimierung und Cross­channel-Verknüpfung. In dem Themenfeld Kunden-getrie­benes Marketing beschäftigt ihn die Frage­stellung, wie aus rohen Daten intel­li­gente Erkennt­nisse gewonnen werden können. Kontakt: joachim.stalph@nullelabo​ratum​.de