Personas: Wie sie Prozesse verbessern und Umsätze beflügeln

Ein großer Retailer für Kinderbekleidung berichtete einmal, dass er Besucher in einer Filiale zu 95 Prozent konvertieren kann, Besucher seines Onlineshops dagegen nur zu zwei Prozent und das liege nicht nur am gezielteren Traffic. Vielmehr können die geschulten Mitarbeiter im Filialgeschäft anhand von Verhaltensmustern bewusst oder unbewusst und in Millisekunden erkennen, mit welchen Individuen oder Typen sie es zu tun haben, selbst dann, wenn man nur Zufallsbesucher im Shop hat.

Erfolgreich sind die Verkäufer deswegen, weil sie sich gekonnt auf diese unterschiedlichen Typen anpassen können. Shop-Optimierer mit einer rein technokratischen Sicht schert das nicht. Sie ziehen sich darauf zurück, dass man gegen Individualität nun mal nichts machen kann ("Jeder Mensch ist doch total unterschiedlich!") und dass man folgerichtig mit Dynamit auf Heringe werfen muss.

Interessanterweise findet bei vielen Onlinemarketeers eine Überbewertung von Individualität statt. So als gäbe es Millionen von Typenvarianten, denen man sich hilf- und machtlos gegenübersteht, wenn man dann versucht, sich auf eine persönliche Ebene mit den Kunden zu begeben. Aus dieser Perspektive sehen dann Usability- oder andere qualitative Analysen mit nur wenigen Studienteilnehmern sogleich wie Hokuspokus aus - milde gesagt.

All diese Vorbehalte und falschen Prämissen bedienen nahezu bilderbuchartige eine oder mehrere der Variablen in der Shop-Misserfolgsformel:

Individualität x Distanz x Masse

Und die Formel bedeutet: Je weiter man sich von seinen Kunden entfernt, desto schlimmer wird es.

Personalisierungs-Stolperfalle: Die Gefahr des Rückzugs in die Daten

Interessant ist auch, wie schnell sich Optimierer immer wieder auf reine Fakten und Analysedaten zurückziehen, sich hinter dem gigantischen Strom von Daten verstecken und sie verzückt zu interpretieren versuchen. Der Hype um die scheinbar unbegrenzte Zauberkraft von Künstlicher Intelligenz. Meist werden mehr als 98 Prozent aller Informationen, die man über einen Kunden bekommen kann, implizit gewonnen. Der Rest versickert in schlecht gemachten Online-Mafo-Researches oder der Missachtung von Callcenter-Protokollen.

Keiner will die Aussagekraft der Datenstreams anzweifeln, sie sind so elementar wie richtig und wichtig. Aber gerade KI, Google-Echtzeit-Analysen oder das Live-Mousetracking erzeugen jedoch eine extrem trügerische Analyse-Wirklichkeit, scheinen sie doch einen echten Customer-Insight, einen Einblick in das persönliche, individuelle Erleben eines Nutzers auf einer Site sowie statistisch relevante Informationen gleichzeitig zu liefern. So weit, so falsch.

Nehmen wir an, ein Online-Banner preist einen Urlaub mit 'Sonne, Sand und mehr' an - eine prototypische Werbung für Urlaub. Dementsprechend wird auch die nachfolgende Landingpage dazu designt sein: Detailinfos, Preis, Kundenbewertungen, Reiseinformationen, Call-to-Action oder ein Buchungsfenster und los geht's.

Optimierer können hier zahlreiche Vorschläge zur Optimierung machen, auf die im Einzelnen nicht eingegangen werden soll. Gerade bei multivariaten Tests werden meist eine ganze Menge an Gestaltungshypothesen verprobt, dabei werden garantiert auch Textvarianten eingesetzt. Die Frage ist nur:

• Wie anders sind diese Texte oder Codes, die mit ihnen einhergehen?

Meist entfernen sich Optimierer nicht allzuweit von der Ursprungsversion. Oder wenn doch: Was war der Anlass, etwas völlig anderes zu versuchen?

Analyse-Stolpersteine: Testing zwischen Tollheit und Methode

Technokratische Optimierer stellen oftmals extrem viele Hypothesen zur Gestaltungsänderung auf. Es gibt durchaus multivariate Testings, bei denen nahezu 100 verprobte Varianten in allen möglichen Formen und Farben gezeigt werden. Dieses Vorgehen ist nicht nur ein gigantischer Verschleiß an Traffic.

Bei eingehender Analyse erweisen sich die zugrundeliegenden Hypothesen als extrem individuelle Eigengewächse und stammen von eben jenen Managern und Marketeers, die dem Gedanken der Individualitätsforschung eigentlich entgegentreten: von den Optimierern oder deren Webdesignern. Wenn man also auf dieser hochindividuellen Ebene seine Designs entwickelt, warum dann nicht gleich auf der Ebene der Zielkunden? Für dieses vermeintlich mühsame Vorgehen fehlt es oftmals an Ressourcen, Bereitschaft und Engagement.

Zurück zum Seychellen-Beispiel: Für einen Reiseveranstalter wurden Personas, also Individualtypologien nach Limbic®Types (nach Dr. Hans-Georg Häusel von der Gruppe Nymphenburg  ) entwickelt. Dabei stellte sich unter anderem heraus, dass dominante, status- und elitebewusste Typologien bei der Ansprache mit hochpreisigen Reiseprodukten möglicherweise völlig falsch angesprochen wurden, dabei ging es gar nicht um die Call-to-Action, Trusted-Shop-Symboliken, Bewertungen oder Bildmaterial, sondern einzig und allein um die Sprache und Typologie-Codes. Die Arbeit mit Personas lieferte also gänzlich untypische Hypothesen, die den klassischen Wordingmaßnahmen á la "Sonne, Sand und mehr..." entgegenstanden.

Mit einer deutlich dominanteren Sprache und der Missachtung des eigentlichen Urlaubszwecks von Erholung, Entspannung in Richtung Macht, Kontrolle lag das Ergebnis bei deutlich über 50 Prozent uplift, obwohl alle anderen Mechanismen (CTA, Trust, etc.) kaum geändert wurden.

Erfolgsmotor Zielgruppenmodelle

Aus einer individuellen Masse heraus bestimmte Muster und Typologien zu definieren, ist eine alte Marketingwissenschaft. Dabei kann der Marketingexperte auf viele unterschiedliche Ansätze beim Zielgruppen-Clustering zurückgreifen. Das reicht von LOHAS-Definitionen   über DINKs   bis zu den Sinus-Milieus  . Alle Modelle verneinen die absolute Heterogenität der Menschen als Basis für eine Unternehmensstrategie - aber Entscheidern erscheint es besser, sie zu nutzen als gar nichts zu nutzen.

Daher nähern sich technokratische Optimierer dem Clustering über Targeting-, Data-Warehouse- und Datamining-Systeme oder beginnen endlich, die bestehenden Kundendaten im CRM zu segmentieren, damit der EMail-Newsletter-Versand segmentiert werden kann, anstatt das Marketing-Pendant zu Dynamitfischen zu werden.

Die einfachste Form des Clusterings ist die Demografie. Aber das kann nur ein Anfang sein. Was passieren kann, wenn man sich ausschließlich an demografischen Daten orientiert, um ein Produkt an den Mann zu bringen, zeigt ein Gedanken-Experiment:

Man suche nach folgenden Adressen und Personen:

• Männlich
  
• weiß
  
• über 70 Jahre
  
• über 1.000.000 Euro Jahreseinkommen
  
• verheiratet
  
• mehrere Kinder
  
• lebt in Großstadt
  
• US-Bürger
  
• Medienpersönlichkeit, Prominenter
  
• europäische Vorfahren
  
• englischsprachig

Man finde: die Adressen von Donald Trump und Robert de Niro, zwei Männer, die auf mehreren Ebenen von gegenseitigen Enden des Meinungs-Spektrums kommen und deren an Hass grenzende Abneigung füreinander öffentlich dokumentiert ist. Das Ergebnis basiert auf zwei identischen demografischen Informationen und besteht aus zwei völlig unterschiedlichen Charakteren. Man stelle sich vor, wie schwer es ist, eine entsprechende Website für beide zu optimieren. Oder wie unterschiedlich die beiden reagieren, wenn man 10.000 besonders günstige 'Make America Great Again'-Kappen oder Tampons an beide verkauft. Personas sind deswegen die zukunftsweisendere Alternative zur reinen Demografie.

Personas: Das Verfahren

Es gibt eine ganze Fülle von unterschiedlichen Vorgehensweisen für die Entwicklung von Personas. Hier soll sich auf eine konzentriert und diese anhand eines konkreten Beispiels illustriert werden. Bei KonicaMinolta   in Österreich wurde bereits 2011 eine sehr erfolgreiche Kampagne gestartet (145 Prozent Uplift zur Ursprungsvariante), bei der man mit ausgefeilten verkaufspsychologischen Instrumenten wie Verknappungsmechanismen und Trust-Elementen gearbeitet hat.

Die Kampagnen-Idee baute auf einer recht aggressiven, dominanten Story, dem "Fight-Club" auf, eine Art Kampf- oder Boxsituation über "mehrere Runden", indem man sich als B2B-Kunde für ein besonderes Drucker-Angebot anmelden konnte. Dabei wurde bereits in A/B-Tests klar, dass extrem dominante Varianten dieser Idee weniger gut konvertierten. Es stellte sich also die Frage, ob man nicht die gesamte Story hinterfragen könne? Nur: Auf welcher Basis sollte man eine Hypothese entwickeln? Man entschied sich für die Arbeit mit Personas.

Der Ablauf: So funktioniert die Arbeit mit Personas

1. Schritt
   Es werden Vertriebsmitarbeiter des Unternehmens, Callcenter- oder Support-Mitarbeiter eingeladen, um über ihre Erlebnisse im Kundengespräch, in der Vor- und Nachbereitung zu berichten. Grundsätzlich kann JEDE Person teilnehmen, die mit realen Kunden Kontakt hatte. Jeder Kundenerlebnis-Bericht wird dokumentiert und die beschriebene Person mit weiteren bewusst subjektiven Vermutungen über ihre Persönlichkeit angereichert und auf einer Map 'kartiert'. Es wird dabei vermieden, extreme Begegnungen mit 'pathologischen' Kunden aufzuzeichnen, weil sie das Bild der 'Gaußschen' Normalverteilung in Kundenpanels verzerren können.
   
2. Schritt
   Zu jeder Story entsteht eine Art "Set-Card". Neben demografischen Informationen werden vor allem "Sprache", Emotionen, Codes, Wertewelten, Wünsche, Vorstellungen, Ängste, Arbeitsverhalten, Hierarchie im Unternehmen und private Lebenswelten charakterisiert. Zusätzlich kann mit Customer-Journey Analysen gearbeitet werden, dazu muss allerdings genügend Zeit eingeplant werden.
   
   

   Bild: konversionsKRAFT

   Explorative Personas mit demografischen Informationen sowie Infos zu Emotionen, Wertewelten, Wünschen und mehr.

3. Schritt
   In der Regel entstehen binnen weniger Tage mehrere Set-Cards von sieben bis zwanzig vordergründig recht unterschiedlichen Typen. Nun erfolgt ein Abgleich dieser Typologien untereinander und man kann recht schnell wichtige Überschneidungen feststellen und damit die Anzahl der Personas auf sogenannte 'Meta-Personas' reduzieren.
   

   Zuständig für Personas: Der UX/UI-Designer - ein Steckbrief

   UX/UI-Designer im Marketing Was er macht Schwerpunkt UX: Research & Insight: Markt-, Unternehmens-, Nutzer- und Produktanalyse / Entwicklung User Personas & User Stories Strategy: Unternehmens-, Nutzer- und Produktziele vereinen / Produktumfang bestimmen / Planung & Organisation Architecture: Informationsstruktur / Sitemap, Navigation / Interaktionen Interaction Design: Wireframes (Skizzen, die den inhaltlichen Aufbau darstellen) / Prototypen (Klickbare Visualisierung des Produkts) Schwerpunkt UI: Interaction Design: Wireframes (Skizzen, die den inhaltlichen Aufbau darstellen) Prototypen (Klickbare Visualisierung des Produkts) Visual Design: Gestaltung aller Seiten samt der Inhalte (Web User Interface, WUI) Gestaltung der grafischen Oberfläche aller Handlungsaufforderungen, Formulare, der per Maus und Tastatur klickbaren bzw. steuerbaren Elemente (Graphical User Interface, GUI) UI-Design: Style Guides Was er braucht Mehr als nur Interesse an Gestaltung und Ästhetik, es braucht Interesse an Verhalten und komplexen Systemen: aus Verhalten lernen. Design-Ausbildung/-Studium kann sein, muss aber nicht. Den einen Werdegang oder die bestimmte Ausbildung gibt es nicht. Dafür aber einige passende Ausbildungsberufe oder Studiengänge, die sich mit den Themen User Experience und User Interface befassen. Zum Beispiel 'Computervisualistik und Design' mit dem Schwerpunkt User Experience. Was er bekommt Einstiegsgehalt Junior ca. 38.000 EUR brutto im Jahr. UX/UI mit Erfahrung ca. 50.000 EUR brutto im Jahr. Senior ca. 60.000 EUR brutto im Jahr. Homeoffice in der Regel möglich. Nicht durchgängig, aber tageweise.

4. Schritt
   Nun werden jeder Persona Potenziale zugeordnet, es wird also die Frage gestellt, welches Wertschöpfungspotenzial hat welche Typologie? Diese Aussagen werden aus der Erfahrung aller Beteiligten ermittelt. Es wird auch die Frage, ob es Anti-Personas gibt, geklärt, das heißt, welche Typologie ist eventuell schädlich für ein Unternehmen, weil zu aufwändig zu akquirieren, zu kritisch, zu sehr auf kurzfristige Kostensenkungen fixiert?
   
   
5. Schritt
   Nicht in jedem Fall möglich, aber man kann nun noch nach sogenannten House-Types und Prospect-Types unterscheiden. House-Types sind die aus der Arbeit mit Vertrieb, Service und Callcenter entstandenen Typologien, die man sicher kennt. Prospect-Types sind Typologien, die man als Potenzial im Markt vermutet oder sich auch "wünscht". Diese Prospect-Types werden dann wichtiger, wenn es im Unternehmen keine konkrete Kenntnis über reale Kunden gibt, oder sich das Business in der Startphase befindet.
   
   
6. Schritt
   In der letzten Stufe werden nun die erfolgreichsten Personas identifiziert und deren Wünsche nach dem Pareto-Prinzip allen anderen gegenüber bevorzugt und eine Landingpage entwickelt, die dieser Zielgruppe deutlich mehr entgegenkommt. Mit Hilfe von Niehaus-Wireframes werden die Ergebnisse dann Stück für Stück in eine Site umgesetzt.

Bei KonicaMinolta entstand eine Seite, die denjenigen Kundenmodellen, die gegenüber KonicaMinolta besonders positiv eingestellt waren, am stärksten entsprach - im Ergebnis wurden noch einmal doppelt so viele Produkte abgesetzt wie schon in der bisherigen, sehr erfolgreichen Variante.

Warum wir mit Personas arbeiten, auch wenn wir nicht mit Personas arbeiten

Wer nicht mit Zielgruppen arbeitet und weder Personas noch andere Techniken einsetzt, um Kunden gezielt anzusprechen, arbeitet trotzdem mit einer Zielgruppe, nämlich mit sich selbst als Vorbild. Denn wo sonst kämen die Gestaltungs- und Sprachhypothesen her, mit denen auf der Website gearbeitet wird? Die Arbeit mit Personas dient selbstverständlich nicht nur der Optimierung von Landingpages oder Shop-Sites. Vielmehr können sie das strategische Grundgerüst einer Unternehmung sein. Wir kennen Firmen, die Personas als Pappaufsteller vor die Mensa stellen oder Tassen mit dem Konterfei der Set-Cards produzieren, damit jeder im Unternehmen weiß, wofür er arbeitet: Für den Kunden. Mit einer Persona wird aus einem Abstraktum ein konkreter Mensch. Das macht es einfacher.

Ein operatives Praxisbeispiel: Die Zielgruppe eines Möbelhauses in Personas beschreiben

1. Die Personas

Das Ergebnis der qualitativen Zielgruppenbeschreibung sollte darin bestehen, aussagekräftige Kundenstereotype (Personas) zu entwickeln und - in einem zweiten Schritt - eine Liste von Merkmalen zu erstellen, anhand derer diese erkannt werden können.

So kann ein Möbelhändler etwa zwischen Julia, Jörg und Max unterscheiden:

• Julia ist jung (26), weiblich, berufstätig und gesellig. Sie liebt kreative Einrichtungsideen und dekoriert ihre Wohnung gerne einmal um. Wenn sie Freunde einlädt, will sie gerne mit etwas Neuem überraschen und ein kleines Event gestalten. Sie hat ein mittleres Einkommen und spricht eher auf Accessoires und Dekoration an. Marken sind ihr nicht besonders wichtig, gute Ideen dagegen sehr.
  
  
• Jörg ist Mitte 30, Single, steht fest im Berufsleben und liebt Design-Klassiker. Er ist ein zielgerichteter Typ, hat sich auf einen Stil festgelegt und mag Veränderungen nicht so gerne. Dinge haben ihren Platz, umdekorieren ist nicht seins. Selbst wenn er nur ein kleines Accessoire kauft, soll es zu seinem Stil passen. In einen Sessel investiert er gerne vierstellige Beträge - und viel Zeit und Aufwand bei der Auswahl. Prestige ist wichtig. Anschließend widmet er sich aber wieder ganz seiner Karriere - die ihn eigentlich viel mehr beschäftigt.
  
  
• Max ist Julias jüngerer Bruder. Er studiert noch und ist nur gelegentlich auf der Suche nach Möbeln. Wenn, dann zielgerichtet. Ein neuer Lattenrost, passend zum bestehenden Bett. Ein flexibles Regalsystem, weil er umgezogen ist. Oder ein neuer Schreibtischstuhl, weil der alte defekt ist. Möbel genießen im Leben von Max (noch) nicht oberste Priorität, Anschaffungen werden deswegen häufig eine Weile aufgeschoben und dann erledigt, wenn sich eine günstige Gelegenheit ergibt.

Natürlich gibt es im echten Leben mehr als diese drei Käufer-Typen - junge Familien, Senioren und gesetzte Ehepaare. Aber für dieses Beispiel sollen die drei beschriebenen Typen genügen.

2. Merkmale definieren

Nachdem die wichtigsten Käufertypen qualitativ beschrieben sind, fällt es gar nicht mehr so schwer, sich diese vorzustellen. Im echten Leben würde jeder Verkäufer die spontan begeisterungsfähige Julia, den anspruchsvollen Jörg sowie den pragmatischen Max leicht an Kleidung und Auftritt erkennen können. Intuition genügt.

In einem Onlineshop ist dagegen ein systematisches Vorgehen erforderlich. Im nächsten Schritt müssen daher die Schlüsselmerkmale bestimmt werden, anhand derer sich die Kundentypen unterscheiden. Dabei geht es weniger um das konkrete (Online-)Verhalten der Kunden, sondern um die grundlegenden Kaufpräferenzen, die diese Kunden mitbringen. Wichtig ist vor allem, dass sich die Kriterien gut eignen, um die Typen klar zu unterscheiden.

Für die oben genannten Typen könnten sich folgende Unterscheidungskriterien anbieten:

• Markenbindung: Bleibt der Kunde bestimmten Marken treu? Oder sind ihm Marken unwichtig? Lehnt er bestimmte Marken gar generell ab?
  
• Kauferfahrung: Handelt es sich um einen erfahrenen Käufer, der genau weiß, was er sucht? Oder um einen Kunden, der Beratung und Bestätigung sucht?
  
• Preisaffinität: Kauft der Kunde eher im oberen, mittleren oder unteren Preissegment?
  
• Spontanität: Handelt es sich eher um einen Spontankäufer, der gerne Inspiration nutzt? Oder eher um einen Bedarfskäufer, der überlegt einkauft?
  
• Kaufmotivation: Welche emotionalen Bedürfnisse werden mit dem Einkauf befriedigt? Will der Kunde sein Prestige bestätigen oder seinen Schnäppchenjagdtrieb ausleben? Sucht er eine Lösung oder eine Belohnung?
  
• Argumentation: Für welche Kaufargumente ist der Kunde zugänglich? Überzeugen ihn Nachhaltigkeit, Qualität oder Preis eines Produktes?
  
• Regelmäßigkeit: Handelt es sich (potenziell) um einen regelmäßigen Kunden oder um einen Gelegenheitskäufer?

3. Daten zusammenführen

Bevor nun die einzelnen Kunden anhand ihrer Merkmale einer Zielgruppe zugeordnet werden können, müssen die passenden Daten zur Identifizierung bereitgestellt werden. Die wichtigsten Datenquellen sind das CRM-System (Kunden- und Kaufhistorie) und der Webshop (Onsite-Verhalten, Behavioral Data). In der Regel stehen dort aber nur abstrakte, technische Daten wie IP-Adresse, aufgerufene URL, Datum/Uhrzeit zur Verfügung. Schon soziodemografische Daten (Alter, Geschlecht, Wohnort etc.) sind bereits Mangelware. Mit der richtigen Interpretation der Daten lassen sich aber selbst bei Neukunden wichtige Aussagen über Kundenmerkmale treffen. So kann ein Kunde mit ausgewiesener Markenbindung beispielsweise leicht anhand seiner Einkaufshistorie identifiziert werden.

Bei Neukunden oder anonymen Besuchern lassen sich aus dem Klickpfad oder den benutzten Suchbegriffen und Filtern wertvolle Rückschlüsse ziehen. Ein markenaffiner Kunde hat den Shop vielleicht schon unter Zuhilfenahme bestimmter Markennamen in der Google-Suche gefunden oder sogar Adwords mit entsprechenden Keywords geklickt. Im Webshop nutzt er entsprechende Filter, um sich bestimmte Marken anzeigen zu lassen oder biegt gleich in die Markenshops ab, die auf der Homepage angeboten werden. Zuletzt klickt er auffallend häufig auf Produkte bestimmter Marken.

Aus den abgefragten Daten (Einkaufshistorie, Klickpfad, verwendete Suchbegriffe und Filter) lässt sich so ein Scoring erstellen, das die Markenbindung des Kunden ausdrückt. Je mehr typische Verhaltensmerkmale auf den Kunden zutreffen, desto höher wird der Wert.

4. Daten clustern und analysieren

Nachdem die relevanten Daten gesammelt sind, kann eine erste Analyse angefertigt werden. Dabei stehen ein- und mehrdimensionale Clusteranalysen zur Wahl. Mit einer eindimensionalen Clusteranalyse lassen sich relativ einfach die Unterschiede zwischen zwei Kundengruppen - beispielsweise marken- und nicht markenaffine Kunden - herausarbeiten. Dazu werden die Datensätze von Kunden analysiert, die ganz überwiegend Markenprodukte kaufen.

Markenaffine Käufer wären dann beispielsweise etwas älter, gehen beim Shopping zielstrebiger vor und werden eher über eine Google-Kampagne (SEA/SEO) auf den Shop aufmerksam. Außerdem nutzen sie eher die Kreditkarte und geben mehr Geld aus. Schon anhand dieser wenigen Merkmale kann mit einer gewissen Wahrscheinlichkeit auf die Markenaffinität eines Besuchers geschlossen werden. Je mehr Merkmale gesammelt werden, desto größer wird die Erkennungswahrscheinlichkeit. Natürlich wächst sie auch mit der Aussagekraft der Signale. Der Besuch eines Markenshops ist verglichen mit dem Kundenalter ein sehr viel stärkeres Signal.

Alle eindimensionalen Auswertungen haben den Nachteil, dass sie immer nur zu einem Merkmal vorgenommen werden. Dieser Nachteil lässt sich kompensieren, indem zu jedem verschiedenen Kundenmerkmal eine eigene Auswertung vorgenommen wird, sodass am Ende ein Gesamtbild entsteht. Schwerwiegender ist jedoch der Nachteil, dass die Auswertung letztlich auf subjektiven Annahmen und Meinungen basiert. Ob der Typ "Max" tatsächlich so tickt, wie ihn der Marketingleiter eingangs beschrieben hat, bleibt ungewiss. Unter Umständen gibt es einen ähnlichen Käufertyp - nur handelt es sich dabei nicht um einen jungen Studenten, sondern um eine preisbewusste Familie.

Deswegen ist es oft besser, multidimensionale Auswertungen durchzuführen. Dabei werden keine Kriterien vorgegeben, sondern anhand mathematischer Methoden nach Clustern in der gesamten Datenmenge gesucht. Die Software sucht selbst signifikante Unterscheidungskriterien und Zusammenhänge heraus und findet Käufergruppen mit ähnlichem Verhalten (bzw. Datensätzen). Programme wie Microsoft SPSS aber auch Excel können solche Analysen relativ einfach abbilden.

Die auf diese Weise gefundenen Cluster werden anschließend vom Shopbetreiber bewertet und mit qualitativen Labeln versehen. Etwa "Der Schnäppchenjäger" oder "Kreativer Stöberer".

Nun werden diese Cluster den ursprünglich erdachten Zielgruppen zugewiesen und mit diesen verglichen. Nicht selten wird es vorkommen, dass die ursprünglichen Definitionen angepasst werden müssen. Vielleicht ist die Zielgruppe "Max" (jung, studentisch, pragmatisch) so nicht zu finden und sollte durch das Label "Der Preisbewusste" ersetzt werden.

5. Aufbereitung des Contents

Der Content spielt bei der Personalisierung eine entscheidende Rolle - nicht nur beim Ausspielen des personalisierten Angebots (wie man vielleicht annehmen könnte), sondern auch beim Sammeln der Daten. Mit zielgerichtet aufbereiteten Inhalten ist sichergestellt, dass sich relevante Aussagen ableiten lassen. Für eine Maschine ist beispielsweise das qualitative Merkmal 'Dies ist eine bekannte Marke' anhand der Produktbezeichnung nicht automatisch ersichtlich. Ein entsprechender Tag im PIM kann helfen.

Daneben bietet es sich an, jeder Zielgruppe eine Zugangsmöglichkeit zu Angeboten zu geben, die eigentlich für andere Zielgruppen gedacht sind. Auf diese Weise schafft der Shopbetreiber Contentweichen, mit denen sich der Kunde weiterentwickeln kann. Vielleicht kommt ein Kunde zunächst auf der Suche nach einem bestimmten Produkt, wird aber später zum "Stöberer". Es geht aber auch darum, den vorhandenen Content (Produkte) so aufzubereiten, dass er den verschiedenen Zielgruppen zugeordnet werden kann. Der Newsletter und die Startseite sollen schließlich passgenau an die verschiedenen Käufer angepasst sein.

Es bietet sich dabei an, zunächst nur mit einer (der wichtigsten) Zielgruppe zu starten.

6. Personalisierung

Dieser wird nun personalisierter Content angeboten. Für rabattorientierte Kunden kann etwa eine "Preisalarm"-Funktion hervorgehoben werden. Für den Käufer von Deko-Artikeln eine Rubrik mit kreativen Einrichtungsideen. Allerdings: Auch wenn natürlich einzelne Elemente auf der Startseite verändert oder hervorgehoben werden, soll der Gesamteindruck des Shops erhalten bleiben.

Jede Maßnahme wird von systematischen Tests begleitet. Denn: Allen Clustern, Statistiken und logischen Schlussfolgerungen zum Trotz sollte der Marketer nie vergessen: Das gesamte Kundenbild besteht nur aus Annahmen. Irrtum ist immer möglich.

Entsprechend messen A/B-Tests den Erfolg jeder Maßnahme: Ein Teil der ausgewählten Kunden erhält die personalisierte Website, eine Kontrollgruppe die alte Version. Wichtig für die folgende Optimierung ist, dass immer klar messbare KPIs benannt werden (etwa: Abonnements für den "Preisalarm"-Newsletter gewinnen). Wenn die Maßnahme erfolgreich ist, wird die optimierte Seite verwendet. Wenn nicht, wird sie verworfen.

7. Optimierung in der Endlosschleife

Führt die Maßnahme nicht zum gewünschten Erfolg, sollte zunächst die Grundannahme kritisch geprüft werden. Sind die Zielgruppen richtig erkannt, die Personas sauber definiert? Vielleicht stellt sich heraus, dass es den Käufertyp 'Max' durchaus gibt - allerdings stimmt die Persona nicht. Es sind nicht junge Studenten, sondern vielmehr generell preisbewusste Käufer aller Altersschichten, die in diese Zielgruppe fallen. Und die wollen ganz anders angesprochen werden.