Das Eins-zu-eins-Erlebnis – Beitrag im buchreport Magazin

Das Eins-zu-eins-Erlebnis – Beitrag im buchreport Magazin

Die Sehnsucht nach dem Tante-Emma-Laden, in der Kunden erkannt und angesprochen wird, ist zurückgekehrt in Form von One-to-one-Marketing. Komplexe Datensammlungen und -Analysen entsprechen dem Ladenbesitzer, der an jedem Kundenkontaktpunkt individuell auf die Wünsche seiner Besucher eingehen konnte: von der herzlichen Begrüßung bis zur zielgenauen Empfehlung.

Wem es gelingt, Kundendaten gezielt zu sammeln, Kundenprofile zu erzeugen und mit weiteren Datenströmen anzureichern (Teil 1 dieser Serie), steht jetzt vor dem ersten Anwendungsfall. Der betriebswirtschaftliche Hebel klingt verlockend, schließlich lassen sich über Personalisierung im Direktvertrieb nachweislich Kaufraten steigern, Kundenwerte erhöhen und Neukunden binden.

Kundensegmente von vorgestern

Klassische Methoden der Kundensegmentierung wie ABC-Segmente, Lebensphasen oder Milieumodelle werden mit Big Data überholt. Es reicht nicht mehr aus, eine aggregierte, anonyme Masse gemeinsam zu adressieren, die sich in bestimmten sozio-demografischen Daten Einstellungen oder Verhaltensmustern ähnlich ist. 1:1-Personalisierung behandelt heute jeden Kunden, Nutzer oder Interessenten als eine eigene Zielgruppe: Ein 1-Personen-Segmentchen, das atmet, in Bewegung bleibt und zudem ständig sein Verhalten ändert.

Entgegen der konventionellen Logik von Kundensegmentierung genügt es auch nicht mehr, die Mikrosegmente einmal zu erheben. Sie werden vielmehr in Echtzeit aktualisiert: Jedes beobachtbare Verhalten, jede Interaktion mit dem Händler oder der Marke hinterlässt neue Spuren und schärft das Bild der Zielperson. Echtzeitprofile von Käufern und potenziellen Kunden zählen heute zu den wichtigsten Erfolgsfaktoren im Online-Handel. Allein dafür hat es sich gelohnt, die Daten zu sortieren, um das eigene Angebot im Direktvertrieb personengenau ausspielen zu können.

Gleich weiterlesen – Empfehlung gewinnt

Wer sein Datenwissen im Direktvertrieb in Angebote übersetzen will, der landet zunächst bei Empfehlungen. Bereits auf der Startseite sieht der Besucher Empfehlungen, die zu seinen Vorlieben passen. Die Tipps und Hinweise begleiten ihn auch auf den Detailseiten und auf der Zwischenseite im Warenkorb. Findige Buchhändler spielen auch auf der Merkliste individuelle Inhalte aus und empfehlen bei erfolgloser Suche nach einem Titel sofort Alternativen.

Egal ob Newsletter, Begrüßungsschreiben, E-Book-Tipps oder Warenkorb-Abbruch, jeder Kontaktpunkt wird aufgewertet mit Inhalten nach dem Geschmack des Empfängers. Am Ende einer Lektüre im E-Reader wartet schon der Link „Gleich weiterlesen“. Klingt aggressiv und marktschreierisch? Studien zeigen, wie offen Kunden heute für relevante Empfehlungen sind. Die fünf meistgenannten Gründe:

  • Relevante Nachrichten sind interessanter.
  • Was die Person betrifft, bekommt mehr Aufmerksamkeit.
  • Wer persönlich angesprochen wird, fühlt sich ernst genommen.
  • Maßgeschneiderte Angebote vereinfachen die Auswahl.
  • Bedürfnisorientierte Interaktion ist bequemer

Startseite kontextualisieren

Je besser es gelingt, die Startseite an den Kontext des Besuchers anzupassen, desto geringer die Absprungrate. Stammdaten (Bsp. Bestandskunde, Historie) sollten dafür mit Bewegungsdaten (Klicks, Präferenzen, Warenkorb, Bestellungen, Abbrüche) kombiniert werden. Cookie-IDs beziehungsweise User-IDs werden an das Personalisierungs-Tool übergeben, um Inhalte zeigen zu können, die zu vorhergehenden Interaktionen passen. Ergänzend zu Stamm- und Bewegungsdaten lassen sich weitere Datenströme zu Kontext und Zugang integrieren.

Suchergebnisse zuschneiden

Google zeigt eindrücklich, wie klein das Sichtfenster wird, wenn nur noch Seite 1 der Suchergebnisse zu relevanten Klickzahlen führt. So sollten auch im Online-Direktvertrieb die Produkte in der Suche oben ausgespielt werden, die dem Geschmack des Suchenden am nächsten sind. Steuern lässt sich dieses Ranking auf Basis von Tracking-Daten und Cookie-IDs wie der User- ID beim Login. So erkennt die Suchfunktion persönliche Kundenvorlieben wie Buchsegmente, Kategorien und Preisschwellen und zieht die relevantesten Buchtitel im Suchergebnis nach oben.

Voraussetzung dafür sind einheitliche Produktdaten und vollständig ausgefüllte Felder im Datenfeed, damit die Suchfunktion ausreichend Produktmerkmale abgleichen kann. Auf dem Weg zur Datenbereinigung finden sich in Langtexten und Produktbeschreibungen sicherlich Infos zu fehlenden Feldern oder unspezifischen Produktdaten.

Warenkörbe anreichern

Neben den bekannten Empfehlungen entlang der Kundenreise im Online-Shop können auch passende Zusatzprodukte zum Zugreifen motivieren. Produktdetailseiten können relevante Dazu-Produkte empfehlen, die abgeleitet vom Geschmack des Kunden ein für ihn interessantes Angebot komplettieren. Darin steckt auch heute noch die Chance, sich vom Wettbewerb abzuheben, wenn es gelingt, ein witziges Extra auszuwählen, das zum Kunden passt.

Für Zusatzprodukte lohnt es sich, die Empfehlungsmaschine ergänzend zu den genannten Stamm- und Bewegungsdaten auch mit Kauf-Kombinationsdaten zu füttern. Die Weisheit der vielen (Wisdom of the Crowd) analysiert, welche Produkte häufig zusammen gekauft werden. Liegen im Warenkorb zum Beispiel bereits ein Kochbuch und eine Geburtstagskarte, dann könnten Produkte empfohlen werden, die gern als Mitnahmeartikel zu einem Geschenk gekauft werden.

Grenzen der Personalisierung

Ein bei Händlern beliebtes Instrument in der Personalisierung ist die dynamische Preisanpassung. Nach Auswertungen von Verbraucherschützern dürfte 2019 jedes dritte untersuchte Online-Produkt vom sogenannten Dynamic Pricing betroffen gewesen sein. Händler optimieren damit Absatz, Umsatz und Ertrag. Amazon gilt hier als Vorreiter und zeigt, dass Nutzer schwankende Preise akzeptieren, solange Angebot und Service stimmen. Diese Option der dynamischen Preisanpassung könnte im Bereich des buchhändlerischen Kernsegments wegen der Preisbindung allerdings nicht eingesetzt werden.

Auch fällt es der Empfehlungsmaschine gelegentlich schwer, die verschiedenen Varianten eines Buchtitels zu erkennen. Hardcover, Softcover, englisches Original oder E-Book: So manche Software macht daraus 5 Empfehlungen für einen Kunden.

In der personalisierten Ansprache lässt sich die Schraube auch überdrehen: Wer zweimal ein veganes Kochbuch gekauft hat, der will nicht zwingend nur noch tierfreie kulinarische Titel in den Suchergebnissen finden. Auch die personalisierte Empfehlung von Mitnahmeartikeln kann in der Automatisierung zu unpassenden Ergebnissen führen.

Fazit: Personalisierung funktioniert nicht, wenn Kunden sie als aufdringlich oder einschränkend empfinden. In der Realität zeigt allerdings die große Masse an Empfehlungen und deren nachweislicher Umsatzeffekt, wie weit entwickelt die eingesetzten Lösungen sein können. Der Online-Händler wird sicher nicht mehr zur Tante Emma, mit den passenden Analysesystemen und einer smarten Empfehlungsmaschine schafft er jedoch echten Mehrwert für seine Kunden und Leser.