print logo

The Golden Record – die Grundlage der Personalisierung

The New Normal – oder warum ist die Personalisierung überhaupt relevant?
Anne Hoepfner | 04.12.2023
The Golden Record – die Grundlage der Personalisierung © Freepik / natanaelginting
 

Unser Medienkonsum hat sich massiv verändert. Die Massenmedien, mit denen eine Message an alle gesendet wurde, sind nicht mehr im gleichen Maße effektiv. Viele Menschen verbringen einen Großteil ihrer Zeit auf Portalen, seien es Nachrichtenportal oder Social Media, die personalisierte Inhalte bereitstellen. Jeder von uns kann sich also die Inhalte zusammenstellen, die von persönlichem Interesse sind. Das führt dazu, dass jeder von uns andere und individuelle Inhalte konsumiert. Nicht zwei Instagram Streams gleichen sich. Es wird also schwieriger, die Kunden zu erreichen und in ihren personalisierten Bereich einzudringen.

Diese Portale sind zudem so konzipiert, dass wir möglichst viel Zeit dort verbringen sollen. Denn mehr Zeit bringt mehr Werbeeinnahmen. Jeder von uns lebt also zunehmend in einer eigenen Medienrealität – einer individuellen Bubble (Abb. 1). Und wie findet man nun den Zugang zu den Kunden in dieser neuen Realität?

Abb. 1: Medien-Bubble – jeder konsumiert individuelle Inhalte

Der Kontext ist entscheidend, das Verhalten und die Vorlieben der Kunden informieren mich über ihre Präferenzen. Je relevanter die Inhalte, die ich ausspiele, desto höher der Erfolg, dass meine Nachricht wahrgenommen wird. Vor allem das Verhalten der Kunden im eigenen Unternehmen und das über alle Touchpoints hinweg ist entscheidend. Dabei ist es egal, ob ich online, im Laden oder am Telefon mit meinen Kunden in Kontakt trete. Je mehr ich über meinen Kunden weiß, desto genauer kann ich ihn beraten oder Angebote digital ausspielen.

Information muss auch zugänglich sein und aktiviert werden

Ein Beispiel: Große Loyalitätsprogramme berechnen individuelle Angebote für ihre Kunden. Kunden mit hohen Umsatzzahlen erhalten regelmäßig Prozente aufs Gesamtsortiment. Ein Kundenberater hat deutlich höhere Verkaufschancen, wenn er weiß, welche Coupons oder Loyalitätsangebote dem Kunden zur Verfügung stehen – zu dem Zeitpunkt, zu dem der Kunde dem Verkäufer im Laden gegenüber steht. Diese Information dem Verkaufsberater zugänglich zu machen, bietet extrem große Umsatzpotenziale für das Unternehmen.

Erhält der Berater noch Informationen darüber, für welche Produkte der Kunde sich in den letzten Tagen online informiert hat, wird die Beratungssituation noch konkreter. Welche Produkte oder Ersatzteile fand der Kunde interessant, ist ersichtlich, welche Produkte mit welcher Garantieleistung der Kunde bereits besitzt?

Der Kunde profitiert von einem „vorbereiteten“ beziehungsweise gut informierten Berater, von vorhandenen Informationen über seine Kaufhistorie und einen auf ihn zugeschnittenen Service. Dies erhöht die Kundenzufriedenheit und die Kundenbindung.

Die Wahrscheinlichkeit, dass der Kunde nach einer positiven Erfahrung wieder im gleichen Ort einkauft, steigt. Und je austauschbarer, vergleichbarer und ähnlicher angebotene Produkte und Dienstleistungen sind, um so wichtiger ist es, dass es eine Differenzierung jenseits des Produkts gibt.

Und digital in der medialen Bubble? Da funktioniert es genau gleich. Was der Berater im Laden über datengetriebene und System unterstützte Informationen erhält, kann natürlich auch für die digitale Ausspielung genutzt werden. Anzeigen von relevanten Produkten, die auf dem Kaufverhalten und Onlineverhalten des Kunden beruhen, werden ihm auf der eigenen und auf Fremdplattformen angeboten. Das Ziel – die Relevanz in der Kommunikation zu erhöhen.

Natürlich gibt es auch Gegenstimmen. Möchte der Kunde seine Daten zur Verfügung stellen? Ist das dem Kunden vor allem im Eins-zu-eins- Gespräch im Laden nicht unangenehm?

Studienergebnisse und Kundebefragungen ergeben da ein differenziertes Bild. Natürlich gibt es und wird es immer Kundengruppen geben, die das ablehnen. Aber das Potenzial liegt in dem Bereich der Kunden, die dieses gesteigerte Servicelevel zu schätzen wissen. Studien belegen, dass ein personalisiertes Einkaufserlebnis durchaus sehr geschätzt wird. Der

„datengestützte Tante-Emma-Effekt“ – vielleicht kennt mich der Berater nicht mehr persönlich, aber die Informationen und Leistungen sind auf mich zugeschnitten. Belegt wird zusätzlich, dass dies tatsächlich zu erhöhter Loyalität und zu erhöhten Umsätzen führt.

Man kann sich auch selber die Frage stellen – auf welchen Onlineportalen kauft man am häufigsten und warum? Was macht dieses Unternehmen besser als andere? Gibt es einen Log-in oder Kontobereich, in dem alle relevanten Informationen erhalten sind? Gibt es das Angebot an Zahlungsmöglichkeiten, das mir entspricht? Erhalte ich Vergünstigungen durch Loyalitätspunkte? Ist der Service besser? Ist die Lieferung schneller, entspricht mir das Produktsortiment? Zudem profitieren auch die Kritiker, Erkenntnisse werden im Normalfall für alle umgesetzt. So kann sie der Service auch für anonyme Kunden verbessern.

Was ist der Golden Record

Der Golden Record – das Kundenprofil, das alle Informationen des Kunden an einem Ort speichert – bildet also die Grundlage aller Personalisierungsaktivitäten. Eine 360-Grad-Sicht auf den Kunden, seine Einkäufe, sein Verhalten und Interaktionen mit der eigenen Firma.

Die wenigsten Unternehmen haben es bisher geschafft, die Informationen zu ihren Kunden aus allen Systemen zu vereinheitlichen. On- und Offlinedaten liegen in separaten Datensilos. In Marketingabteilungen alleine wird eine Vielzahl an Technologien genutzt. Die Daten, die diese Tools erzeugen, werden in den seltensten Fällen zurückgespielt und an zentraler Stelle gespeichert. Oft sind die Strukturen noch nicht gegeben –die Daten sind nicht Kunden-, sondern absatzorientiert gespeichert. Die Verknüpfung aller Daten auf Kundenebene ist noch nicht realisiert.

Aber diese Grundlage ist essenziell. Nur so kann eine personalisierte Ansprache erfolgen – die richtige Nachricht, das richtige Produkt, zum richtigen Preis über den richtigen Kanal und zum besten Preis.

Personalisierung ist nur mit der richtigen Datengrundlage möglich

Hier entscheidet zum einen die Struktur der Daten – kann ich alle Umsätze einer Person zuordnen, kenne ich die Häufigkeit der Einkäufe in meinem Online-/lokalen Laden, kenn ich ihr Surfverhalten und Präferenzen auf meiner Website weiß ich, welchen Laden sie besucht und welche Marken sie bevorzugt.

Oft münden die Daten einzelner Kanäle in einer eigenen Datensammlung. Die Umsätze des stationären Einkaufs werden nicht verknüpft mit den Umsätzen des Onlineeinkaufs. Und das Ganze wird auch nicht einer Kunden-ID angehängt, sodass eine Zusammenführung der Informationen nicht ermöglicht wird.

Zudem ist die Qualität der Daten entscheidend. Um die Daten eines Kunden zusammenzuführen, sind verschiedene Datenbereinigungs- prozesse nötig. Meldet sich der Kunde mit unterschiedlichen E-Mail- Adressen an? Duplikate müssen gemanagt werden.

Die perfekte Kundendatenbank wird es natürlich nie geben – ein theoretisches Konstrukt, das ist klar. Aber es gibt verschiedenste Methoden, mit denen es möglich ist, die Qualität zu erhöhen und ein Maximum auszureizen.

Digitale Verhaltensdaten nutzen – bekannte und anonyme User

Wie funktioniert das Matching und die Identifikation über verschiedene Endgeräte? Für anonyme User, die sich auf der eigenen Website aufhalten, können bereits Daten gesammelt werden. Sobald eine Identifikation erfolgt, beispielsweise sobald sich ein User einloggt oder eine dem System bekannte E-Mail-Adresse verwendet, kann ein Matching erfolgen. Das bedeutet – dem User kann ein Datensatz, der bereits vorhanden ist, zugeordnet werden.

Aber auch im anonymen Zustand können online beispielsweise folgende Informationen gesammelt werden, sofern die Cookies akzeptiert wurden:

  • Seitenaufrufe: Welche Seiten meiner Website hat der User besucht
  • Formulareinträge: Eintrag von Inhalten in Formulare
  • Klickverhalten: Welche Elemente auf der Website wurden angeklickt

 

Diese Informationen lassen sich bereits für eine Vielzahl an Aktivitäten nutzen. Besucht ein User eine bestimmt Produktkategorie, kann ihm diese beim nächsten Besuch verstärkt angeboten werden – ob auf der Homepage oder ob Banner ihn auf seinem Web begleiten.

Anhand eines einfachen Beispiels kann das Identity Matching exem- plarisch erklärt werden: Ein User besucht über ein Smartphone eine Website. Der User erhält ein Cookie. Der User bleibt anonym – das bedeutet, die Person kann bisher nicht mit Information aus der Datenbank verknüpft werden. Der User erhält jedoch eine „Visitor ID“.

Später greift der gleiche User erneut auf die Website zu, dieses Mal vom Laptop aus. Da es der erste Besuch mit diesem Laptop ist, wird auch hier im Browser ein Cookie gesetzt. Während dieser Sitzung (Session) registriert sich der User auf der Website und erstellt ein Log-in. Diese

„Log-in ID“ wird zu den anderen beiden IDs gespeichert.

Bisher kann der User noch nicht identifiziert werden. Die Session auf dem Smartphone und auf dem Laptop sind bisher noch als zwei anonyme Besucher gespeichert. Daher wird auch jetzt eine zweite „Visitor ID“ gespeichert.

Jetzt gibt es also zwei Identity IDs, zwei Visitor IDs und zwei Cookies. Da sich der User vom Laptop aus ein Konto kreiert hat, ist nun für die zweite Session eine Log-in-ID vorhanden.

Der User geht erneut mit dem Smartphone auf die Website. Durch das zuvor gesetzte Cookie kann er identifiziert werden – so weit, dass man die Identity und Visitor ID wiederverwendet und das neue Verhalten registriert. Sobald sich der User auf dem Smartphone mit dem neuen Log-in registriert, können alle drei Sessions zusammengefügt werden (Abb. 2).

Die beiden Sessions auf dem Smartphone werden über das Cookie verknüpft, die Session auf dem Laptop und die zweite Smartphone- Session können über die Log-in-ID verknüpft werden.

Abb. 2: Identity Matching online – drei Sessions können verknüpft und das Onlineverhalten eines anonymen Users vorhandenen Kundendaten zugeordnet werden.

 

Was sind Cookies?

Browser speichern kleine Mengen an Daten auf dem Rechner des Users. Das können beispielweise Anmeldeinformationen auf Webseiten sein, Subseiten, die ein User besucht hat, Klicks auf der Website. Wenn ein User auf eine Website zurückkehrt, kann der Browser den User wiedererkennen. Hierdurch wird beispielsweise ermöglicht, dass dem User personalisierte Inhalte angezeigt werden.

First Party Cookies sind Cookies, die Informationen auf Ihrer eigenen Seite über Ihre Kunden sammeln und ergeben First Party Data. Dies hilft Ihnen, mehr über Ihre Kunden zu erfahren und die User Experience auf Ihrer Website oder auch App zu verbessern. Beispielweise können Sie Ihren Kunden beim zweiten Besuch mit den Artikeln empfangen, die er zuletzt angesehen hat.

Third Party Data sind Information von Usern, die Unternehmen über andere Quellen beziehen – diese werden also nicht durch das Unter- nehmen selbst über die Kunden erhoben. Third-Party-Anbieter sind Dienstleister, die Daten anderer Unternehmen aggregieren und verkaufen. Die Qualität der Daten ist nicht nachvollziehbar – im Gegensatz dazu ist die Qualität der selbst erhobenen First-Party-Daten klar. Daten können also angereichert werden – beispielweise über Interessen von Kunden oder demografische Faktoren.

Durch steigende Regulatorien werden Third-Party-Cookies von immer mehr Browsern ausgeschlossen. Dies erhöht die Relevanz, die eigenen Daten besser zu nutzen, umso mehr.

Was kann auf dieser Grundlage entstehen?

Je besser meine Datenqualität, desto umfassender die Sicht auf meinen Kunden. Und desto mehr Analysemöglichkeiten sind gegeben. Beispielsweise sind bei Produktneueinführungen die Zielgruppen oft noch nicht klar. Wer kauft wirklich das Produkt? Welche Gemeinsamkeiten weist diese Zielgruppe auf ? Wie kann das Marketingbudget am gezieltesten eingesetzt werden, um Interessenten zu erreichen und Streuverluste zu vermeiden?

Durch eine Geoanalyse konnte bei einem E-Bike-Händler aufgedeckt werden, dass Kunden eine besondere geografische Nähe aufwiesen. Ein sogenannter Nachbarschaftseffekt. Kaufte ein Haushalt ein E-Bike, stieg im Umkreis weniger Hundert Meter die Wahrscheinlichkeit, dass weitere E-Bikes verkauft wurden. Aufgrund dieser Erkenntnis wurde eine qualitative Studie aufgesetzt, um weitere Details zu erfahren. Als wichtigste Gründe nannten die Kunden:

  1. Nachbarschaftseffekt. Das noch unbekannte Produkt konnte Probe gefahren werden, die Nachbarn erzählten von ihren Erfahrungen, von Vor- und Nachteilen. So konnte man das Produkt besser kennenlernen und authentische Beratung erhalten.
  2. Geografische. Die Kunden wohnten oft in ähnlichen Gebieten, mit ähnlichen geografischen Eigenarten. Gerade die Steigung im Gelände war wichtig. Je mehr Steigungen die Personen überwinden mussten, desto höher die Häufung der Produktverkäufe. Die E-Bikes erleichtern es einem ungemein, Steigungen zu überwinden, die mit normalen Fahrrädern sehr anstrengend waren. Das führte dazu, dass viel mehr zum Arbeiten pendelten, da die Strecke so „machbarer“ wurde. Das E-Bike wurde an diesen Orten zum echten Problemlöser.

Auch die Kauffrequenz lieferte erkenntnisreiche Aufschlüsse. Kaufte eine Familie ein E-Bike, stieg die Wahrscheinlichkeit, dass innerhalb von sechs Monaten noch ein zweites E-Bike angeschafft wurde. Auch hier war die qualitative Forschung aufschlussreich.

  1. Familien mit jungen Kindern: Oft kauften junge Familien ein E-Bike, um den Kinderanhänger zu ziehen. Was im Alltag sehr hilfreich war, führte am Wochenende dann auf einmal zu ungleichen Kraftverhältnissen. Beim Fahrradausflug mit der ganzen Familie war das Elternteil ohne E-Bike plötzlich Sehr oft führte das zum Zweitkauf.
  2. Kräfteausgleich Senioren: Ebenfalls interessant war die Erkenntnis im Segment Her gab es entweder einen Partner – welcher kräftemäßig bei Fahrradtouren nicht mehr nachkam. Das E-Bike sollte Abhilfe schaffen. Plötzlich war der andere Partner ohne E-Bike benachteiligt. Oder der technisch interessierte und neugierige Partner legte sich ein E-Bike zu. Der skeptische Partner überzeugte sich nach einigen Probefahrten auch von den Vorzügen.

Diese Erkenntnisse sind für Marketingmaßahmen sehr wertvoll. Statt großflächige Aktionen zu finanzieren, können gezielte Programme gestartet werden, um diese Effekte weiter auszunutzen.

Auch im digitalen Bereich lassen sich solche Erfolge verzeichnen. Sind die Zielgruppen noch klein und unbekannt, lassen sich über digitale Zwillinge von Bestandskunden die Kunden, die online ein ähnliches Profil aufweisen, identifizieren. Erfolgsquoten digitaler Kampagnen nach diesem Vorbild waren mit einem Faktor 10 erfolgreicher.

Zudem lassen sich diese Erkenntnisse in automatisierte Prozesse übersetzen. Die relevante Zielgruppe wird als Segment definiert (digital auch Audience genannt). Für diese Kunden überlegt man sich eine Strategie – eine Abfolge von Kommunikation. Diese kann automatisiert aufgesetzt werden als Customer Journey mit vordefinierten Interaktionspunkten auf den verschiedensten Kommunikationskanälen (Abb. 3).

Abb. 3: Closing the Loop – Kundendaten zusammenführen und aktiv in der Kommunikation nutzen.

 

Closing the Loop

Der Golden Record – noch so ein Buzzword? Sicherlich sind Namen Schall und Rauch. Doch der Ausdruck bringt die Wertigkeit wunderbar zum Ausdruck. Die Basis aller Personalisierung beruht auf der Datenqualität und Datenstruktur. Sozusagen der goldene Kern des ganzen Unterfangens.

Je besser die Datenqualität, je mehr Kanäle angebunden sind, je vollständiger der Blick auf den Kunden. Und so lassen sich hochwertigere Analysen, Ergebnisse und neue Erkenntnisse generieren. Diese neuen Erkenntnisse gilt es, für zielgenaue Ansprache, Entwicklung neuer Services und Dienstleistungen zu nutzen. Geschieht das ganze in Echtzeit kann sogar eine Hyperpersonalization erfolgen. Eine Trigger basierte Reaktion auf ein Verhalten, das der Kunde zum Beispiel online aufzeigt.

Die Grundlage der Personalisierung bildet also die kundenzentrierte Datengrundlage. Personalisierung ist und bleibt relevant – sie führt zu erhöhter Kundenzufriedenheit, Loyalität und wird immer stärker zur Erwartungshaltung der Kunden. Der Mehrwert ist auf Kunden- und auf Seite der Unternehmen nachgewiesen.

Durch Veränderungen in den Regulatorien werden Daten von Drittanbietern (Third Party Data) immer schwieriger nutzbar und die Relevanz für die eigenen Daten (First Party Data) wächst. Der Golden Record sollte Ihnen in der Kundenzentrierung besonders am Herzen liegen und die Grundlage Ihrer Strategie bilden!

Weiterführende Literatur

SAS: Delivering Experiences that Win Business and Build Loyalty - CX Champions Share Their Strategies. Studie von SAS und MIT – https://www.sas.com/sas/whitepapers/delivering-experiences-that-win-business-and-build- loyalty-113063.html – Zugriff 07.10.2022

Stimmt AG: Customer Experience Monitor 2021 – https://stimmt.ch/publikationen/customer-experience-monitor-2021/ – Zugriff 07.10.2022

Svolba, G. (2019): Bessere Datenqualität? Methoden. SAS Blogs – https:// blogs.sas.com/content/sasdach/2019/04/08/bessere-datenqualitat-dafur-gibts-7-analytische-methoden/ – Zugriff 07.10.2022

SAS, Roland Berger (2016): Die Illusion der Kundenzentrierung. Fünf unbequeme Thesen zum digitalen Marketing. –

https://www.sas.com/content/dam/SAS/bp_de/doc/whitepaper1/imm-wp-fuenf- thesen-zum-digitalen-marketing-2401389.pdf – Zugriff 07.10.2022

Harvard Business Review (2018): HBR Guide to Data Analytics Basics for Managers, 231 Seiten, Ingram Publisher Services