Zum Inhalt springen

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.



[1] Z. B. über Grund­la­gen­bü­cher wie „PsyCon­ver­sion“, Sprin­gerG­abler 2018