Kundensegmentierung: Grundlagen und Methoden

Zusammenfassung

• Kundensegmentierung ist die Aufteilung von Kunden auf Basis bestimmter Kundendaten.
• Ziel der Kundensegmentierung ist die Steigerung des Umsatzes durch personalisierte Inhalte, die auf das jeweilige Segment zugeschnitten sind
• Zentral konsolidierte Kundendaten bilden die Basis für jede Form der Segmentierung.
• Es gibt verschiedene Methoden zur Kundensegmentierung, zu denen Needs/Value-Segmentierung, Clustering, RFM-Segmentierung, Predictive Models oder eine Segmentierung auf der Ebene einzelner Kunden (Segment-of-One) gehören.

Einleitung

Kunden sind wie Schneeflocken: Jeder ist einzigartig. Sogar Kunden von ähnlichen Produkten oder Dienstleistungen weisen sehr unterschiedliche Eigenschaften und Bedürfnisse auf. Darunter fallen beispielsweise die Kaufhistorie, die Kauffrequenz, der Kundenwert, der Standort, ihre Persönlichkeit und vieles mehr. Kundensegmentierung ist die Grundlage, um auf die verschiedenen Bedürfnisse von Kunden einzugehen und sie zum richtigen Zeitpunkt auf dem richtigen Kanal mit der richtigen Nachricht anzusprechen. Unter Kundensegmentierung versteht man die Aufteilung von Bestandskunden oder potenziellen Kunden in Gruppen, die auf bestimmten gemeinsamen Eigenschaften basieren. Dies erlaubt es Marketern, die spezifischen Bedürfnisse einer Gruppe von Kunden gezielt anzusprechen. Die Königsdisziplin ist hierbei das sogenannte Segment-of-One-Marketing, bei dem das individuelle Verhalten einzelner Kunden berücksichtigt wird.

Ziele der Kundensegmentierung

Das übergeordnete Ziel der Kundensegmentierung ist natürlich die Steigerung des Umsatzes. Ein besseres Verständnis der eigenen Kunden ermöglicht eine bessere Personalisierung und Customer-Experience, die wiederum positive Effekte auf die Kundeninteraktion, Conversion-Rates und letztendlich den Kundenwert und Umsatz haben.

Grundsätzlich muss bei der Kundensegmentierung zwischen einer strategischen Segmentierung und der Zielgruppenselektion auf Kampagnenebene unterschieden werden. Die strategische Segmentierung hat wirtschaftliche Geschäftsziele als Fluchtpunkt und dient zur Identifikation initialer oder strategischer Zielgruppen wie etwa einem Segment, das die wertvollsten Kunden beinhaltet. Strategische Zielgruppen können zwar auch als Ganzes Zielgruppe einer Kampagne sein, allerdings werden sie für die Selektion der Zielgruppe einer Kampagne in der Regel weiter segmentiert. So kann beispielsweise ein Segment mit den wertvollsten Kunden für die Aussteuerung einer Kampagne entsprechend bestimmter Kriterien weiter aufgeschlüsselt werden – sei es Geschlecht, Alter, verfügbare Kanäle oder die Kaufhistorie der Kunden. Dementsprechend fällt die Zielsetzung auf Kampagnenebene kleinteiliger aus und der Erfolg der Kampagnen wird an anderen Leistungskennzahlen bemessen.

Ein Beispiel: Man hat ein Segment mit loyalen Kunden identifiziert, deren Wert sich aber steigern ließe. Das strategische Ziel wäre hier die Umsatzsteigerung durch eine bessere Budgetallokation und die Kennzahl der Return-on-Investment (ROI). Auf Kampagnenebene wird dann vielleicht eine Cross-Selling-Kampagne an Subsegmente ausgesteuert, die verschiedene Interessengruppen repräsentieren. Ziel dieser Kampagnen wäre es dann, die Kunden zum Kauf in einer anderen Produktkategorie zu führen und die Leistungskennzahl die Conversion-Rate der Kampagnen.

Beispiele für strategische Ziele

• Umsatzsteigerung
• Brand-Awareness erhöhen
• Marktpositionierung verbessern / Abgrenzung von Wettbewerbern
• Identifikation von neuen Marketingmöglichkeiten
• Entwicklung von maßgeschneiderten Produktangebotsstrategien
• Effektivere Ressourcenallokation
• Churn-Rate reduzieren

Beispiele für Kampagnenziele

• Rate der Wiederholungskäufe erhöhen
• Warenkorbabbrecher zum Kauf führen
• Engagement/Interaktion verbessern
• Abverkauf eines Restpostens fördern
• Informationen zu einem neuen Produkt-Feature vermitteln
• Support für eine spezifische Fragestellung verbessern
• Lead-/Adressgenerierung für Veranstaltung
• Image nach einem Zwischenfall verbessern

Daten als Grundlage für die Kundensegmentierung

Kundendaten bilden die Basis für jede Form der Segmentierung. Im Idealfall liegen Kundendaten nicht in Silos, sondern sind zentral zusammengeführt, aktuell und sofort aktivierbar. Denn wenn die Daten und somit die daraus erstellten Segmente nicht aktuell sind, ist es nicht möglich, rechtzeitig auf Kundenbedürfnisse bzw. -verhalten zu reagieren.

Traditionell werden Kundendaten in einem Data-Warehouse (DWH) gespeichert. DWHs sind leistungsfähige Lösungen für unternehmensweite Aufgaben im Bereich der Business-Intelligence (BI). Ihre Hauptaufgabe besteht in der Datenkonsolidierung und -standardisierung, was die Analyse von Daten, Data-Mining, Reporting und mehr beinhaltet. Die Zusammenführung von Kundendaten in einem DWH ist zwar sinnvoll, jedoch reichen die Funktionen eines DWHs für die Anforderungen im Hinblick auf Kundensegmentierung nicht immer aus – Vor allem, da Segmente nicht schnell genug verfügbar sind. Dafür gibt es zwei Gründe: Erstens erfordert die Nutzung des DWH Programmierkenntnisse, weshalb das IT-Team mit der Segmentierung beauftragt werden muss. Zudem führen DWHs zeitintensive ETL-Prozesse (Extract-Transform-Load) aus, was zu einer signifikanten Latenz zwischen den getrackten Verhaltensdaten von Kunden und der Aktivierung dieser Daten durch Marketer führt.

Auch wenn DWHs nicht in Echtzeit segmentieren können und Programmierkenntnisse erfordern, sind sie ein wichtiger Bestandteil in der Infrastruktur vieler Unternehmen. Es ist sinnvoll, Kundendaten in einem DWH zu speichern, jedoch sollte es für Marketingzwecke durch eine Customer-Data-Plattform (CDP) ergänzt werden. CDPs sind insgesamt auf Anwendungsfälle im CRM und Marketing spezialisiert. Sie speichern Daten in Echtzeit und machen diese für Marketer durch eine visuelle Benutzeroberfläche zugänglich.

Wer mehr über die Unterschiede zwischen DWHs und CDPs wissen möchte, kann sich in unserem Blog-Post über CDPs und andere Kundendatenlösungen informieren.

Methoden zur Kundensegmentierung

Es gibt verschiedene Methoden zur Kundensegmentierung, die mit Blick auf ihre Anwendbarkeit und ihren realen Nutzen gegeneinander abzuwägen sind. Sie können aber durchaus auch kombiniert werden.

Kundensegmente werden auf Basis von Daten in numerischer Form erstellt. Viele Attribute sind per se numerisch, seien es Daten zur Kaufhistorie, Öffnungs- und Klickraten oder Verhaltensdaten, die auf einer Website getrackt werden. Qualitative, oftmals psychografische Daten wie Persönlichkeit, Werte und Einstellungen müssen erst in eine quantitative Metrik übersetzt werden.

Es kann eindimensional oder mehrdimensional segmentiert werden. Beim Ersteren handelt es sich um die Segmentierung nach einem einzelnen Kundenattribut wie beispielsweise dem Geschlecht. Allerdings bildet eine Segmentierung, die nur auf einem Attribut basiert, die Realität oft nicht akkurat genug ab. Nichtsdestotrotz kann die eindimensionale Segmentierung nützlich sein, um schnell und einfach Segmente zu erstellen. Bei der mehrdimensionalen Segmentierung werden mehrere Kundenattribute berücksichtigt. Kundenattribute können auch als aggregierte Scores zur Segmentierung genutzt werden, darunter fallen z.B. das Recency-Frequency-Monetary-Value-Modell (RFM) und der Customer-Lifetime-Value (CLV).

Needs/Value-Segmentierung

Bei der Needs/Value-Segmentierung geht es immer darum, eine Wertvariable (Value) zu steigern, indem auf bestimmte Kundenbedürfnisse (Needs) eingegangen wird. Entsprechende Werte können beispielsweise der Customer-Lifetime-Value, der durchschnittliche Warenkorbwert oder die Wirtschaftlichkeit sein. Die Segmentierung beginnt mit dem Attribut, das den größten Einfluss auf die Wertvariable hat und wird dann granularer aufgeschlüsselt.

Die Priorisierung von Segmenten bei der Needs/Value-Segmentierung kann auf Basis von Erfahrungen und Intuition geschehen, es können aber auch Loyalitätsstufen der Kundengruppen oder ein Scoring nach dem RFM-Modell genutzt werden, um den Wert der jeweiligen Kundengruppe zu bestimmen und diese untereinander zu vergleichen.

RFM-Segmentierung

Das RFM-Modell berücksichtigt drei Kerndimensionen des Kaufverhaltens eines Kunden: Zeit seit dem letzten Kauf (Recency), Kauffrequenz (Frequency) und den Umsatz (Monetary Value).

Das RFM-Modell war bis vor kurzem der Goldstandard, wird aber aufgrund gewisser Einschränkungen zunehmend von Predictive Models abgelöst. RFM-Scoring berücksichtigt in der Regel nur Daten von vor ein oder zwei Jahren. Bei Reaktivierungskampagnen für Kunden, die noch länger nichts gekauft haben, ist es also nicht hilfreich. Neukunden haben wiederum noch nicht genug gekauft um einen aussagekräftigen RFM-Score zu haben. Nichtsdestotrotz bleibt die RFM-Segmentierung eine valide Methode, um die wertvollsten Kunden eines Unternehmens zu identifizieren.

Clustering

Anders als bei der Needs/Value-Segmentierung werden Attribute beim Clustering nicht hinsichtlich ihres Effekts auf eine bestimmte Zielvariable bewertet. Stattdessen wird ohne feste Zielsetzung versucht, Muster in den vorhandenen Datensätzen zu erkennen. Es gibt verschiedene Algorithmen, mit denen das Clustering durchgeführt werden kann.

Stehen die anhand der gewählten Methode gebildeten Segmente fest, können die entstandenen Cluster weiter analysiert und charakterisiert werden, um sie für Kampagnen nutzbar zu machen. Hypothesen können helfen, die gefundenen Cluster besser zu verstehen und ihre Relevanz für die weitere Kampagnenentwicklung zu definieren.

Predictive Models

Predictive Models sind mathematische Berechnungen, die das wahrscheinliche zukünftige Kundenverhalten prognostizieren. In der Regel nutzen sie viel mehr Daten als das RFM-Modell – z. B. können soziodemografische Daten, Warenkörbe, der Kanal, über den der Kunde akquiriert wurde und andere Daten berücksichtigt werden. Dadurch können Marketing-Strategien abgeleitet und Budgets gezielter eingesetzt werden.

CLV als Scoring-Modell

Der CLV errechnet sich aus dem Umsatz und den Kosten, die ein Kunde im Laufe seines gesamten Kundenlebenszyklus voraussichtlich generieren wird. Es handelt sich also um den geschätzten Gewinn, der mit einem Kunden während seines gesamten Kundenlebens erzielt werden kann. Mithilfe eines CLV-Scorings können die wertvollsten Kunden sowie Kunden mit Abwanderungsrisiko identifiziert und gezielt bespielt werden. In anderen Fällen kann der Kundenwert durch gezielte Kampagnen gesteigert werden.

Die Berechnung des CLV kann verschiedene Dimensionen berücksichtigen und die beste Formel hängt stark vom jeweiligen Geschäftsmodell und Einsatzzweck ab. Ebenso kann das Scoring entsprechend spezifischer Anforderungen verschiedene Dimensionen unterschiedlich gewichten. Die Einteilung in entsprechende Segmente kann dabei relativ oder absolut erfolgen – Ein High-Value-Segment kann also entweder die wertvollsten X Prozent der Kunden beinhalten oder Kunden, bei denen der CLV einen gewissen Wert überschreitet.

Durch eine auf dem CLV basierende Segmentierung kann Marketingbudget gezielt für wertvolle Kunden eingeplant und beispielsweise dazu genutzt werden, diese durch gezieltes Cross- oder Up-Selling noch profitabler zu machen. Der CLV kann auch dazu dienen, Kosten und Erträge einzelnen CLM-Phasen zuzuordnen und Budget und Kampagnen entsprechend zu planen. Ebenso kann eingeschätzt werden, bei welchen Kunden Incentive-Maßnahmen wie Gutscheine gewinnbringend sind und in welcher Höhe diese Incentives sein sollten. Zusätzlich bringt der CLV auch Vorteile bei der Neukundenakquise. So kann beispielsweise analysiert werden, auf welchem Kanal profitable Bestandskunden akquiriert werden und dann ein stärkerer Fokus auf diese Kanäle gelegt werden. Dabei muss man beachten, dass der CLV kein statischer Wert ist und sich im Lauf der Zeit verändern kann.

Churn-Score

Der Churn-Score beschreibt, wie abwanderungsgefährdet ein Kunde ist. Dies kann man früh an den Warenkörben und der Kauffrequenz eines Kunden erkennen. Idealerweise beobachtet man Faktoren, die den Churn-Score beeinflussen, sobald die Kundenbeziehung beginnt. So kann früh an Engagement, Produktadoption oder Loyalität gearbeitet werden.

Segment-of-One

Das sogenannte „Segment-of-One-Marketing“ basiert auf einer automatisierten Segmentierung und Personalisierung in Echtzeit. Wie der Name suggeriert, werden Segments-of-One anhand individueller Kundeneigenschaften beziehungsweise ihrem Verhalten gebildet. Grundsätzlich gibt es zwei Stoßrichtungen, um auf der Ebene einzelner Kunden zu segmentieren, die durchaus kombiniert werden können:

1. Segments-of-One nach Trigger-Ereignissen: Hier veranlasst das Verhalten von Kunden die Aussteuerung einer Kampagne in Echtzeit beziehungsweise nach einem definierten Intervall. Mit dieser regelbasierten Echtzeit-Segmentierung kann die Kanalwahl und das Timing auf die Präferenzen einzelner Kunden abgestimmt werden.
2. Segments-of-One nach Interessen: Bei dieser Form werden Inhalte dynamisch personalisiert, wobei Interessen sowohl auf Basis der Kaufhistorie als auch der betrachteten Seiten und Produkte einzelner Kunden identifiziert werden. Beispiele sind bestimmte Recommendation-Methoden oder Onsite-Personalisierung.

Ein Beispiel, das beide Formen kombiniert wäre etwa eine Warenkorbabbrecher-Kampagne: Ein Kunde fügt Produkte zum Warenkorb hinzu, aber schließt den Kauf nicht ab. Nach einem definierten Intervall kann der Kunde automatisiert auf dem besten Kanal an den Warenkorb erinnert werden, während in der Kommunikation auf die Inhalte des Warenkorbs Bezug genommen wird. Wenn der Kunde auf die Erinnerung reagiert, wird er vielleicht sogar auf eine personalisierte Landing-Page geleitet.

Segment-of-One-Marketing ist der Fluchtpunkt für ein wirklich kundenzentriertes Marketing und Bestandskundenmanagement. Es ermöglicht relevante Nachrichten über den richtigen Kanal zur passendsten Zeit zu versenden und so auf individuelle Kundenbedürfnisse einzugehen. Voraussetzung für Segment-of-One-Marketing ist eine umfassende Sicht auf einzelne Kunden sowie eine echtzeitfähige Dateninfrastruktur wie sie von CDPs bereitgestellt werden.

Wie viele Segmente sind sinnvoll?

Grundsätzlich gilt, dass Unternehmen nur so viele Segmente erstellen sollten, wie sie operativ auch abdecken können. Denn durch die vorhandenen Ressourcen und die verwendeten Systeme werden der Segmentierung praktische Grenzen gesetzt. Die Anzahl der Segmente auf Kampagnenlevel kann sehr hoch sein. Über die ideale Anzahl an strategischen Segmenten gibt es unterschiedliche Meinungen. Theoretisch gibt es keine Obergrenze, solange die gewonnenen Segmente genügend differenziert und vor allem nützlich sind. Die optimale Anzahl kann auch über statistische Methoden wie etwa durch bestimmte Clustering-Modelle ermittelt werden. Solange Inhalte automatisch ausgespielt werden können und nicht manuell erstellt werden müssen, kann ohne großen Aufwand sehr granular segmentiert werden. So sind automatisierte, individuelle Produktempfehlungen in einem Newsletter ohne große Ressourcen möglich. Für Unternehmen ist es also ratsam, sich vor der Segmentierung darüber Gedanken zu machen, wie viele Segmente sie in der Praxis auch nutzen können.

Bewertung der Segmente

Nicht alle gewonnen Kundensegmente lassen sich auch sinnvoll in der Praxis verwenden. Um die Qualität einer Segmentierung und der resultierenden Segmente zu evaluieren, sollten folgende Dimensionen berücksichtigt werden:

• Zielführung: Zahlt die Segmentierung auf allgemeine Geschäftsziele ein?
• Abdeckung des Kundenstamms: Wird jeder Kunde einem Segment zugeordnet (Idealfall)?
• Identifizierbarkeit: Ist das Segment differenziert genug und liefert erkennbare Differenzierungsmerkmale?
• Größe: Sind die Segmente groß genug, um den Aufwand und die Kosten der Personalisierung zu rechtfertigen?
• Nutzbarkeit: Sind die Segmente operativ anwendbar und bieten eine Grundlage für effektive Kampagnen?
  • Zugänglichkeit: Kann das Segment effizient genug angesprochen werden?
  • Stabilität/Dynamik: Ist das Segment über die Zeit stabil oder verändert es sich schnell? Wird der Veränderung ggf. Rechnung getragen?
  • Reaktionsfähigkeit: Reagieren Kunden des Segments in ähnlicher Weise?

Werden Kundensegmente entsprechend dieser Faktoren positiv bewertet und kommen operativ zum Einsatz, muss der Erfolg kontinuierlich gemessen und bewertet werden, um die strategische Segmentierung sowie die Kampagnenselektion fortlaufend zu optimieren.

Personas

Es ist hilfreich, für strategisch wichtige Segmente Personas zu erstellen. Personas verleihen auf Daten basierenden, unpersönlichen Kundensegmenten ein „menschliches“ Gesicht und ermöglichen es, Kunden besser zu verstehen und sie mit relevanten und individuellen Marketingmaßnahmen anzusprechen. Idealerweise basieren Personas auf den signifikantesten Faktoren, die die jeweilige Zielgruppe von anderen Segmenten differenzieren. Da sie generische Repräsentationen einer Zielgruppe sind, sollten Personas nur für strategische Segmente erstellt werden.

Fazit

Die Grundlage, um auf die Bedürfnisse von verschiedenen Kunden einzugehen und sie zum richtigen Zeitpunkt auf dem richtigen Kanal mit der richtigen Nachricht anzusprechen, ist die Kundensegmentierung. Dafür sind Kundendaten erforderlich, die idealerweise zentral zusammengeführt, aktuell und sofort aktivierbar sind, damit zum idealen Zeitpunkt auf Kundenbedürfnisse bzw. -verhalten reagiert werden kann. Fluchtpunkt für Unternehmen sollte das Segment-of-One-Marketing in Kombination mit anderen Methoden zur Segmentierung sein. Denn mit steigenden Kundenerwartungen und Bedürfnissen müssen Unternehmen mit der Customer-Experience der großen Plattformen mithalten, wenn sie ihren direkten Kundenzugang erhalten und stärken wollen.