Kundensegmentierung für effizientes Marketing

Kundensegmentierung für Marketingoptimierung

Kundensegmentierungen sind der Schlüssel zu erfolgreichem Marketing. Zu wissen welche Kundengruppen sich für welche Produkte interessieren oder welche Kundengruppen für Sie am wertvollsten sind, ist wichtig für zielgerichtetes Marketing. Doch wie erstellt man erfolgreiche Kundensegmentierungen?

Was ist Segmentierung?

Segmentierung bedeutet die Zerlegung eines Marktes oder einer Gruppe in einzelne Teile. Im Marketing und CRM werden meist Märkte segmentiert (Marktsegmentierung) oder Kunden segmentiert (Kundensegmentierung). Auch Besucher auf Webseiten können segmentiert werden. Hier nutzt man dann das verfügbare Klickverhalten, um eine Segmentierung zu erstellen.

Folgende Synonyme werden für die Kundensegmentierung häufig genutzt: Zielgruppen, Zielgruppensegmentierung, Zielgruppenbildung oder Zielgruppentargeting.

Was ist eine Kundensegmentierung?

Unter einer Kundensegmentierung versteht man das Aufteilen von Kundengruppen anhand ein- oder mehrdimensionaler Informationen, die eine Relevanz für die Zielerreichung z.B. Kauf, Anmeldung oder Terminvereinbarung haben. Als Datengrundlage eignen sich verfügbare Datenquellen wie Webtracking, CRM-Datenbank und Kaufhistorie.

Ziel der Kundensegmentierung ist die Unterteilung der Kunden in möglichst homogene Zielgruppen in Bezug auf die Segmentierungsziele. Konkret bedeutet dies, dass die Kundensegmente innerhalb des Segments eine hohe Ähnlichkeit aufweisen sollten, allerdings untereinander möglichst verschieden sind.

Diese Zielgruppensegmentierung lässt sich vor allem gut für Bestandskunden anfertigen, da hier eine große Datenbasis vorhanden ist. Aber auch für Nicht-Käufer, Interessenten, Leads oder gekündigte Kunden lassen sich Segmentieren.

Was bringt die Kundensegmentierung im Marketing? Wenn wir eine gute Kundensegmentierung angefertigt haben können wir im Idealfall die Kundenbedürfnisse viel genauer bestimmen. Das hat zur Folge, dass wir Streuverluste minimieren und die Kampagnenteilnehmer individueller und personalisierter ansprechen.

Die personalisierte Ansprache zugeschnitten auf die Bedürfnisse der Kundengruppe hat zur Folge, dass Kampagnenerfolge deutlich steigen. In der Praxis habe ich nicht selten Steigerungsraten in der Conversion-Rate bis zu 300% erlebt.

Welche Kriterien eigenen sich für eine Segmentierung?

Kundensegmente entstehen, sobald wir ein Kriterium nehmen und die Kunden in Gruppen unterteilen. Dies kann zunächst ein ganz einfacher Filter sein wie: Umsatz in den letzten 3 Monaten größer 15€.

Natürlich ist dies in der Praxis oft durch die Vielzahl von Kriterien deutlich komplexer. Welche Kriterien sich zur Segementierung eignen und genutzt werden, hängt stark von Produkt, Dienstleistung, Datenbasis und des Kampagnenziels ab.

Folgende Kriterien eignen sich für eine Kundensegmentierung:

  • demografische Merkmale (Alter, Geschlecht, Haushaltsgröße)
  • externe Daten z.B. GFK
  • Kaufhistorie (Umsatz, Retouren, Kaufaktivität)
  • Nutzungsverhalten
  • Web- und App-Nutzungsverhalten
  • und viele weitere…

Letztlich hängt die Wahl der Kriterien stark von Ihrem Kampagnenziel ab. Ob eine Kundensegmentierung erfolgreich ist, können Sie über A/B-Tests ermitteln. Hier können Sie unterschiedliche Segmentierungen gegenüberstellen und die Ergebnisse vergleichen.

Egal ob B2B-Marketing oder B2C-Marketing, die Ziele einer Segmentierung sind immer möglichst personalisiert und individuell auf die Kundenbedürfnisse einzugehen.

Kundensegmentierung nach Kundenwert oder Customer Lifetime Value (CLV)

Alte Schule: Gute Kunden geben viel Geld aus, schlechte Kunden geben wenig Geld aus. Gute Kunden werden im Extremfall von einem Key-Account-Manager bearbeitet, plus Weihnachtspräsent und Einladung zu Events, schlechte Kunden bekommen eine Mail im Jahr.

Kundensegmentierung durch ABC-Analyse
Kundensegmentierung durch ABC-Analyse.

Eine Kundensegmentierung nach Customer Lifetime Value (CLV) liefert schnell wichtige Informationen über die verschiedenen Kundengruppen. So kann Marketingbudget zielgerichtet geplant werden.

Segmentierung nach historischem Kundenverhalten und Soll-Verhalten

Bevor man mit einer Segmentierung beginnt, braucht man ein Ziel: WARUM segmentiere ich? Hier sind mögliche Ziele und exemplarische Segmentierungs-Ansätze für Bestandskunden.

Kundensegmentierung nach Kaufverhalten

Mittels maschinellem Lernen lassen sich historische Kundendaten auswerten: Welche Kunden kaufen viel, welche wenig? Welche Incentives haben dazu geführt, dass aus einem B-Kunden ein A-Kunde wurde? Gibt es bei bestimmten Waren ein typisches Wiederbestell-Intervall (Wiederkaufrate), das bei trägeren Kunden durch Kommunikation (z.B. E-Mailing) oder durch Incentives getriggert werden kann?

Mögliche Schlüsse:

  • Kundensegmente, die verstärkt bei „Streichpreisen“ kaufen „Streichpreise“ geben, zur richtigen Zeit – aber eben nicht wie früher allen Kunden
  • Kundensegmente nach Produktpräferenzen. Diese Segmente können dann ganz gezielt für bestimmte Produkte angesprochen werden. In der Praxis spricht man hier oft von Produkt-Affinitäten. Diese werden häufig in Geschäftsmodellen eingesetzt, die mit wenigen Produkten hier Geld verdienen (Telekommunikation, Versicherungen, Banken, Versorger).
  • Durch die Datenanalyse findet das KI-System beispielsweise 10 Segmente für Bestandskunden. Diese Segmente können Sie einzeln mit Maßnahmen bespielen: So wird eine Kundengruppe, die üblicherweise alle 6 Wochen bestellt, durch Kommunikation eventuell dazu verführt, alle 5 Wochen zu bestellen (zum gleichen Bestellwert je Bestellung). Über A/B-Tests und Analysen werden schnell Auswirkungen sichtbar.

Kündigerprävention: Unsere Bestandskunden sollen Kunden bleiben

Kunden mit einem festen Laufzeitvertrag, beispielsweise im Telekommunikationssektor, haben relativ feste Kündigungstermine. Es ist also klar, wann mögliche Kündigungen kommen. Es ist aber nicht klar, was die Kündigung triggert. Durch Datenanalyse aus alten Kündigungen werden Muster erkennbar: Eine Kundensegmentierung entsteht.

Mögliche Schlüsse:

  • Sind Nutzer bestimmter Vertragsarten oder Hardware besonders kündigungsanfällig?
  • Kündigen Kunden vor allem dann, wenn sie Pakete kaum ausnutzen? Oder wenn sie in ihren Paketen am Limit sind? Welche Alternativ-Angebote wären sinnvoll?
  • Lohnt sich das Halten von Bestandskunden, wenn die Incentives teurer werden, als die Akquise eines Neukunden kostet?

Unsere Bestandskunden sollen weniger Ware retournieren

Retouren sind, vor allem bei niedrigpreisigen Artikeln, ein Problem: Die Entsorgung ist meist der kostengünstigste Weg, die Retoure „zu bearbeiten.“ Um etwas gegen hohe Retouren zu unternehmen, muss man – per maschinellem Lernen – herausfinden, was es mit den Waren-Segmenten und Kunden-Segmenten auf sich hat.

Mögliche Schlüsse:

  • Retourenanfällige Waren(-Segmente) enttäuschen bei einer gewissen Klientel / einem Segment? Müssen Artikelbeschreibung / Fotos optimiert werden? Oder müssen die Waren ersetzt werden?
  • Oder sollten die retourenanfälligen Produkte nur den Kunden empfohlen werden, die wenig retournieren? Muss das Empfehlungssystem angepasst werden?
  • Findet das KI-System in der automatischen Clusterung heraus, dass bestimmte Kundengruppen überproportional viel retournieren? Kann man diese Kundengruppen segmentieren und speziell ansprechen?
  • Gibt es Auffälligkeiten, wenn man externe Einflüsse einrechnet (z.B. Wetter, Zeitpunkt Gehaltseingänge, Feiertage, andere Anlässe)?

Sie wollen weitere Informationen zu maschinellem Lernen und KI?

Erhalten Sie tiefe Einblicke wie Sie mit künstlicher Intelligenz und maschinellem Lernen Ihr Marketing optimieren können, sowie Zugang zu exklusiven Whitepapern und praktischen Anleitungen.

Mit der Anmeldung zu unserem Newsletter stimmst du unserer Datenschutzerklärung zu.

Kundensegmentierungen nach Demographie oder Soziologie

Segmentierung nach Demographie

Die Werbeabteilungen des Privatfernsehen haben vor Jahrzehnten mit einem simplen Trick die Kundensegmentierung nach Demographie zum „einzig Wahren“ ernannt: Als Wettbewerber zum öffentlich-rechtlichen Fernsehen zielten sie auf eine jüngere, fernsehprogramm-wechselwillige Zielgruppe ab. Gleichzeitig mussten zahllose Werbeplätze in den Werbeblocks verkauft werden.

Die Idee: die „werberelevante Zielgruppe“ wurde erschaffen. Die Definition: Alle zwischen 14 und 49 Jahren, denn in diesem Alter sind die Menschen (angeblich) aufnahmefähiger für Werbebotschaften. Der Trick funktionierte.

Problem: 44% der Deutschen sind älter als 50. Das Durchschnittsalter der Neuwagenkäufer schwankt beispielsweise je nach Jahr zwischen 48 und 52 Jahren. Sie sehen: demographische Kriterien sind ein wichtiger Datenpunkt bei der Segmentierung, aber wer die Grenzen zu eng zieht, schließt zu viele Leute aus.

Kundensegmentierung nach Alter
Beispiel Titanic-Überlebende: Kundensegmentierung nach Alter – hier macht die Segmentierung nach Alter keinen Sinn.

Gefährlich wird es dann, wenn man bei der Kundensegmentierung manche demographische Aspekte als ersten Punkt in einem Segmentierungsprozess setzt (z.B. das Alter), und in der weiteren Verfeinerung völlig untaugliche Segmentierungen erhält.

Segmentierung nach Milieus

Die Weiterentwicklung der demographischen Kundensegmentierung gelingt mit den Mitteln der Sozialforschung. Viele gestandene Marketer arbeiten damit: Zielgruppen-Typologien. Mit ihnen kann man, basierend auf beispielsweise sozialen Milieus, Zielgruppen ansatzweise nach Verhalten segmentieren. Das bekannteste Beispiel sind die Sinus-Milieus.

In diesem sozialwissenschaftlichen Ansatz wird die Bevölkerung Deutschland in 10 soziale Milieus unterteilt, die sich teilweise überschneiden und also nicht trennscharf sind. Zur Eingruppierung werden demographische Daten (z.B. Alter, Einkommen) und vor allem zusätzlich Daten zum Verhalten (z.B. Einstellung zu Werten, Konsumverhalten) herangezogen.

Die 10 Sinus-Milieus in Deutschland.

Die Sinus-Milieus sind ein gutes Instrument, um bei der Neuentwicklung einer Marke oder eines Produkts Zielgruppenpotenziale auszuloten – wenn man also noch keinen Pool an Kundendaten hat. Die Schwäche: Dieser Segmentierungsansatz deckt nur die Grundgesamtheit der Bevölkerung ab. Wenn man in der eigenen Kundenstruktur sowieso nur Menschen aus 1 oder 2 Milieus hat, muss man viel feiner segmentieren.

Hier wird oft „nach Gefühl“ segmentiert, und das stößt schnell an die Grenzen. Denn ohne valide Datenbasis bergen heroische Gefühlsentscheidungen ein Fehlerrisiko.

Der bessere Weg: aus realem Kundenverhalten lernen.

Kundensegmentierungen und Personas

Personas sind ein gutes Mittel, um innerhalb des Unternehmens Kundengruppen und -segmente zu beschreiben. Wichtig ist dabei, in der richtigen Reihenfolge zu arbeiten.

  • Schritt 1: Durch Data Mining / KI Segmente herausfinden.
  • Schritt 2: Die gefundenen Kundensegmente im Rahmen einer Persona-Entwicklung „greifbar“ machen.

Personas helfen dabei, Entscheider mitzunehmen und Marketingmaßnahmen zu planen. Dabei sollte man nie vergessen, dass Personas nur ein Hilfsmittel sind, und dass die Persona-Beschreibungen laufend Anpassungen benötigen.

Personas
Personas sollten möglichst das realen Kundenverhalten darstellen.

Arbeiten Sie deshalb bei Personas mit Versionierungen, damit intern keine alten Personas kursieren, die auf nicht mehr aktuellen Datenmodellen basieren.

Kundensegmentierung in der Praxis

Nehmen Sie einmal gewonnen Segmentierungen nicht als in Stein gemeißelt hin. Systeme mit maschinellem Lernen muss man laufend trainieren und optimieren, um aus dem immer größer werdenden Datenpool neue Rückschlüsse zu ermöglichen.

Durch kontinuierliche Verbesserungen am System ändern sich Segmentierungen laufend – und außerdem kommen laufend neue Kunden dazu (und manche Kunden gehen natürlich auch).

Segmentierungen sind ein lebendes System: Manchmal kristallisiert sich ein neues Segment heraus (das man vielleicht wunderbar bearbeiten kann), manchmal verschwindet ein kritisches Segment (dank guter Bearbeitung der Kunden). Freuen Sie sich auf laufende Veränderungen!

Ihr Kontakt: Laurenz Wuttke

Unternehmen sitzen auf einem ungenutzten Berg von Kundendaten. Wir von datasolut entwickeln KI, die Ihr Marketing optimiert. Damit Sie dem richtigen Kunden zur richtigen Zeit das richtige Angebot machen können.

Laurenz Wuttke

Auch interessant für Sie

Laurenz Wuttke datasolut Gmbh
Laurenz Wuttke schreibt gerne über KI im Marketing.

Jetzt zum Newsletter anmelden!

Abonnieren Sie den datasolut Blog und erhalten Sie Expertentipps zu Marketingoptimierung durch intelligente Kundenanalysen.

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.