Personalisierung: Definition, Beispiele und wie sie wirklich wirkt

Was ist Personalisierung?

Personalisierung bedeutet, Inhalte, Angebote und Ansprache an den einzelnen Kunden anzupassen. Grundlage ist das, was ein Unternehmen über ihn weiß, etwa sein Verhalten, seine Kaufhistorie oder den Kanal, über den er kommt. Ziel ist, dass jeder Kunde schneller findet, was er braucht. Das Unternehmen verdient daran, weil mehr Besucher kaufen und Kunden wiederkommen.

Im Laden ist das selbstverständlich, jeder gute Verkäufer macht es. Online passiert es erst, wenn man es bewusst baut. Wie das konkret aussieht, zeigt das Beispiel weiter unten.

Zwei verwandte Begriffe werden oft verwechselt. Bei der Individualisierung passt der Kunde selbst etwas an, zum Beispiel einen Turnschuh im Konfigurator. Bei der Personalisierung passt das Unternehmen das Erlebnis an, meist ohne dass der Kunde es merkt.

Ein Beispiel: dasselbe Auto, zwei Kunden

Stell dir vor, du stehst im Autohaus und sollst einen Audi Q7 verkaufen. Auf dem Datenblatt stehen 2.976 ccm Hubraum, 286 PS, 6,9 Liter Diesel auf 100 Kilometer, 4,82 Meter Länge und ein Neupreis ab 79.675 Euro. Für jeden Kunden gilt dasselbe Datenblatt.

Der erste Kunde reicht dir seine Karte: Arthur von Greven junior, Juniorchef. Er spricht gehoben, wirkt sehr informiert und weiß genau, was er will. Status ist ihm wichtig, neue Technik interessiert ihn. In der Sprache der Limbic^® Types ist er ein Performer.

Danach kommt Familie Junkerhagen, Martin, Britta und Niklas. Der Händedruck des Vaters ist weich. Er schaut immer wieder zu seiner Frau, spricht von „uns“ und schwärmt vom Urlaub im Haus am See. Sicherheit ist ihm wichtig. Er ist ein Harmoniser.

Ein guter Verkäufer übersetzt dieselben Fakten in zwei verschiedene Nutzenversprechen:

Online funktioniert das genauso, nur ohne Verkäufer. Auf der Produktseite sieht der Performer zum Beispiel zuerst Leistung, Technik und Exklusivität. Der Harmoniser sieht dieselbe Seite mit Sicherheitsausstattung, Platzangebot und Verbrauch im ersten Bildschirm, dazu ein Bild mit Familie und Gepäck. Der Preis, das Produkt und die Fakten bleiben gleich. Nur Reihenfolge, Bild und Argument ändern sich.

Woran die Website erkennt, wen sie vor sich hat, steht weiter unten bei den Merkmalen und im Abschnitt zum Kaufmotiv. Mehr zu den Kundentypen findest du im Beitrag zu den Limbic^® Types.

Warum Personalisierung zum Wettbewerbsfaktor wird

Die meisten Unternehmen behandeln Personalisierung als Conversion-Maßnahme. Ihr größerer Wert liegt woanders. Drei Entwicklungen machen sie zu einem Wettbewerbsfaktor und auf lange Sicht zu einer Frage des Überlebens.

Der direkte Weg zum Kunden wird schmaler. In vielen Shops kommen nur rund 20 % der Besucher direkt über die Startseite, und das sind fast nur Bestandskunden. Der Rest kommt über Suchmaschinen, Vergleichsportale, Marktplätze und Kampagnen. Jetzt kommen KI-Assistenten und Shopping-Agenten dazu. Sie wollen den Traffic selbst steuern, und immer öfter wählt ein Agent aus, nicht mehr ein Mensch vor deiner Startseite. Wer dann noch direkt gewählt werden will, muss vorher im Kopf der Kunden verankert sein. Ein Teil der Kampagnenbudgets geht heute schon dafür drauf, Kunden zurückzuholen, die das Unternehmen eigentlich kannten.

Die Marke entsteht an jedem Kontaktpunkt. Für Kunden ist die Customer Experience die Marke, und zwar nicht nur im Shop. Sie entsteht genauso bei der Lieferung, bei einer Rückfrage im Kundenservice oder bei einer Reklamation. Dort wirkt sie oft sogar stärker, weil der Kunde in diesem Moment ein Problem hat und genau hinschaut. Ein Unternehmen, das an jedem dieser Punkte zeigt, dass es seinen Kunden kennt, wirkt kompetenter und bleibt im Kopf, lange bevor die nächste Suche beginnt. Reibung wirkt in die andere Richtung und schwächt die Beziehung leise, Kontakt für Kontakt. Deshalb führt Personalisierung auf Dauer über die Website hinaus zur Omnichannel-Personalisierung, die alle Kanäle einbezieht.

Rabatte und Media werden teurer. Die Akquisekosten steigen, und die Marge trägt keine weiteren Rabatte. Viele Unternehmen stecken trotzdem den Großteil ihres Budgets in neue Kunden, obwohl die Bestandskunden einen großen Teil des Umsatzes bringen. Weil sich Sortimente angleichen, bleibt ohne erkennbaren Unterschied am Ende nur der Preis. Relevanz ist der Hebel, der weder Marge noch zusätzliches Mediabudget kostet. Ein Wettbewerber kann deinen Preis morgen unterbieten. Zu wissen, was deine Kunden wollen und wo sie stehen geblieben sind, kann er nicht kopieren.

Kunden erwarten das auch. Laut McKinsey erwarten 71 % der Konsumenten personalisierte Inhalte, und 78 % würden dank Personalisierung erneut kaufen. Unternehmen, die Personalisierung gut beherrschen, erzielen laut derselben Studie im Schnitt 40 % mehr Umsatz daraus als der Durchschnitt.

Personalisierung ist damit mehr als ein Uplift im nächsten Quartal. Sie entscheidet mit darüber, ob ein Unternehmen den direkten Kontakt zu seinen Kunden behält oder ihn an Plattformen und Agenten abgibt. Wer diesen Kontakt verliert, konkurriert nur noch über den Preis. Auf Dauer überleben die Unternehmen, die für ihre Kunden relevant bleiben.

Sie lohnt sich aber nicht immer. Personalisierung bringt erst dann etwas, wenn sich Kunden in ihrem Verhalten tatsächlich unterscheiden. Kaufen alle Besucher aus denselben Gründen, reicht eine gute Seite für alle. Wie du das prüfst, steht weiter unten bei der Messung.

Was man personalisieren kann

Personalisierung kann an vielen Merkmalen ansetzen. Die häufigsten:

Personalisieren lässt sich jeder Kanal und jede Stelle der Customer Journey. Die bessere Frage ist, wo es sich lohnt. Das zeigen die nächsten beiden Abschnitte.

Personalisierung entlang der Customer Journey

Was ein Kunde braucht, hängt davon ab, wo er gerade steht. Wer noch gar nicht weiß, dass er ein Problem hat, braucht etwas anderes als jemand, der schon zwei Produkte vergleicht. Gute Personalisierung richtet sich deshalb auch nach der Phase der Journey.

Der häufigste Fehler in dieser Logik ist, jedem Besucher Rabatte zu zeigen, egal wo er steht. Der Erstbesucher fühlt sich bedrängt, und der Stammkunde hätte auch ohne Rabatt gekauft.

Personalisierung nach Kanal

Jeder Kanal liefert andere Signale und verlangt andere Maßnahmen. Hier die wichtigsten mit Beispielen aus Tests, was dort wirkt und wo es kippt.

Website und Shop: anknüpfen statt neu verkaufen

Im Shop liegt meist der größte Hebel, weil hier die meisten Kontakte stattfinden und jede Reaktion messbar ist. Das stärkste Signal haben fast alle Shops schon: Ein Besucher kommt mit einem Produkt im Warenkorb zurück.

In einem Test aus unserer Experimentdatenbank öffnete sich für diese Rückkehrer beim ersten Seitenaufruf der Mini-Warenkorb mit einem kurzen Hinweis. Neue Daten oder ein neues Tool waren dafür nicht nötig. Die Conversion Rate je Besuch stieg um 20,01 %, und Kunden brauchten 17,50 % weniger Besuche bis zum Kauf. Interessant war ein Nebeneffekt: Die Aufrufe der Produktseiten stiegen um 51,10 %. Die Kunden sicherten ihre Entscheidung noch einmal ab. Genau dort lohnt sich der nächste Schritt, mit Lieferzeit, Rückgabe und Bewertungen statt neuer Verkaufsargumente.

Dasselbe Publikum bekam in einem anderen Test ein Overlay mit Einstiegen in passende Kategorien. Das Ergebnis war ein Minus von 14,76 % beim Hauptziel, und der Test wurde abgebrochen. Getrieben war der Einbruch von Besuchern, die über eine Anzeige direkt auf einer Produktseite gelandet waren und plötzlich etwas anderes gezeigt bekamen. Die Regel aus beiden Tests lautet: Anknüpfen wirkt, umlenken kostet.

Für Besucher, die sich nicht anmelden, zählt das Verhalten im laufenden Besuch. Bei computeruniverse erkennt ein Modell den Kundentyp schon vor dem Login. Mehr dazu im Beispiel weiter unten.

Kampagnen und Einstiegskanal: die Quelle verrät das Motiv

Woher ein Besucher kommt, weiß ein Shop vor dem ersten Klick. Trotzdem sehen die meisten Besucher dieselbe Startseite, egal ob sie mit fertiger Kaufabsicht aus einer Suchanzeige kommen oder zum ersten Mal über ein Banner von dem Angebot hören. Laut Branchen-Benchmarks konvertieren Google-Ads-Suchkampagnen im Schnitt mit 7,5 %, Display-Werbung mit 0,9 %. Wer beiden dieselbe Seite zeigt, verschenkt diesen Unterschied.

Drei Beispiele zeigen, wie das in der Praxis aussieht. Bei e.on wurden Kundentypen wie der Skeptiker, der Schnäppchenjäger und der Exklusive unterschieden. Wer nach „günstiger Strom“ sucht, landet auf einer Seite, die mit der Bestpreis-Garantie beginnt, der Skeptiker sieht zuerst Siegel und Vertrauenselemente. Bei einem Telekommunikationsanbieter sahen Festnetz-Interessenten schon auf der ersten Seite ein Angebot mit Bezug zu ihrer Stadt, lange bevor sie eine Adresse eingaben. Die Warenkorb-Rate stieg um 2,3 %. Und bei computeruniverse stieg die Conversion Rate von Besuchern aus Google Shopping signifikant, als die Ansprache zu ihrer Kaufabsicht passte.

Derselbe Test zeigt auch die Grenze. Eine Auszeichnung für den besten Preis, die bei anderen Quellen gut funktionierte, brachte bei Besuchern von Preisvergleichsportalen keinen Vorteil. Wer Preise schon im Detail verglichen hat, empfindet so ein Siegel als aufdringlich. Jede Quelle braucht ihr eigenes Argument, und das lässt sich nur je Quelle testen.

E-Mail und CRM: Anlass statt Kalender

Die meisten Newsletter folgen dem Redaktionskalender. Wirksamer sind E-Mails, die auf einen Anlass reagieren: ein unterbrochener Kauf, ein erster Kauf, der nach einer Folgeempfehlung verlangt, oder ein Kunde, der lange nicht da war. Inhalte, Zeitpunkt und Häufigkeit lassen sich nach Kaufhistorie und Verhalten steuern.

Entscheidend ist die Verbindung zum Shop. Wenn eine E-Mail den Kunden mit einem Produkt anspricht und der Klick auf eine allgemeine Startseite führt, geht der Effekt verloren. Die Landingpage sollte die Botschaft der E-Mail fortsetzen, im besten Fall mit demselben Produkt und demselben Argument.

App: das beste Signal, wenn es genutzt wird

In der App sind Nutzer meist angemeldet. Damit liegen Merklisten, letzte Käufe, Größen und Vorlieben direkt vor, ohne dass ein Modell raten muss. Viele Apps zeigen trotzdem dieselbe Startseite wie die Website. Naheliegende Einstiege sind die zuletzt angesehenen Produkte, die passende Größe als Voreinstellung und Hinweise auf Produkte von der Merkliste, die wieder verfügbar oder reduziert sind.

Filiale, Kundenservice und Lieferung: wo die Marke am stärksten wirkt

Hier entscheidet sich, ob Personalisierung kanalübergreifend funktioniert. Wer online etwas angefangen hat, sollte im Laden oder am Telefon nicht von vorne beginnen müssen. Eine Servicekraft, die sieht, welches Produkt der Kunde gestern online angesehen hat, kann gezielt beraten. Wer im Shop sieht, dass sein Produkt in der nächsten Filiale verfügbar ist, kauft eher, als wenn er raten muss.

Wie es ohne diese Verbindung aussieht, zeigt eine Journey aus Kundeninterviews bei einem Mobilfunkanbieter. Die Kundin hatte schlechtes Netz, zu wenig Datenvolumen und einen Umzug vor sich. Alle diese Informationen lagen beim Anbieter vor. Angekommen ist bei ihr nur eine SMS „Datenvolumen verbraucht“. Ein passendes Angebot kam nie, und sie kündigte. Wie man solche Bruchstellen findet, zeigt der Beitrag zur Omnichannel-Personalisierung.

Das 4-S-Modell: die vier Reifegrade der Personalisierung

In über 50 Projekten zur Personalisierung haben wir immer wieder dieselben Reifegrade gesehen. Daraus ist unser 4-S-Reifegradmodell entstanden, mit den Stufen Start, Stabilize, Scale und Sustain. Links stehen schnelle, einfache Maßnahmen. Nach rechts steigen Aufwand, Kundennutzen und ROI bis zur selbstlernenden, kanalübergreifenden Personalisierung.

Warum ist es wichtig, die eigene Stufe zu kennen? Weil jede Stufe andere Daten, andere Rollen und andere Werkzeuge braucht. Wer das nicht weiß, macht einen von zwei teuren Fehlern.

Der erste Fehler ist, zu hoch einzusteigen. Ein Unternehmen auf Stufe 1 kauft eine Plattform für Stufe 4, weil der Anbieter KI und 1:1-Ansprache verspricht. Dann fehlen die Daten, die Segmente und die Leute, die Use Cases entwickeln. Das teure Tool wird zur Ausrede, gar nicht erst anzufangen. Der zweite Fehler ist, unten stehen zu bleiben. Die ersten Quick Wins laufen, danach kommt nichts mehr, und niemand merkt, dass das Unternehmen auf einem Plateau steht.

Die Stufe bestimmt außerdem, was du belegen kannst. Auf Stufe 1 ist der Effekt einzelner Maßnahmen oft noch nicht nachweisbar. Ab Stufe 3 werden Uplifts regelmäßig gegen Kontrollgruppen belegt, und erst dann lässt sich Personalisierung gegenüber Geschäftsführung und Controlling als Investition begründen. Wer seine Stufe kennt, plant deshalb den nächsten Schritt statt den übernächsten und weiß, welches Budget er wofür braucht.

Der schwierigste Schritt ist der von Stufe 2, Stabilize, zu Stufe 3, Scale. Er gelingt nur, wenn jemand Daten, Kundenverständnis und Umsetzung zusammenbringt.

Das Modell mit den Herausforderungen je Stufe beschreibt unser E-Book zur Personalisierung.

Kundenzentriert vorgehen: einfacher und mit höherer Trefferquote

Die wichtigste Entscheidung bei Personalisierung fällt vor dem ersten Use Case. Wer beim Kunden anfängt statt bei Daten und Technik, macht das ganze Vorhaben einfacher und erhöht die Wahrscheinlichkeit, dass es wirkt, deutlich.

Die meisten Personalisierungsprojekte beginnen mit Daten. Man bildet Segmente aus dem, was die Webanalyse hergibt, und überlegt dann, was man ihnen zeigen könnte. Das Ergebnis sind Segmente wie „Mobile Besucher aus Bayern“, Dutzende denkbare Use Cases und Maßnahmen, die niemandem wirklich helfen. Jede davon muss gebaut, getestet und gepflegt werden.

Der umgekehrte Weg ist kürzer. Zuerst fragst du, warum Menschen bei dir kaufen und was sie davon abhält. Ein Kunde, der Sicherheit sucht, braucht andere Argumente als einer, der Status sucht, auch wenn beide dasselbe Produkt kaufen. Erst danach suchst du die Daten, an denen du diese Motive erkennst.

Das vereinfacht an drei Stellen:

• Weniger Segmente: Statt Dutzender Datensegmente bleiben wenige Kundentypen, die sich wirklich unterscheiden. Bei computeruniverse waren es fünf.

• Weniger Use Cases: Aus jedem Motiv folgen ein, zwei klare Maßnahmen statt einer langen Ideenliste.

• Weniger Daten: Du suchst gezielt nach den Signalen, die ein Motiv verraten, statt alles zu sammeln, was möglich ist.

Und es erhöht die Trefferquote. Eine Maßnahme, die aus einem verstandenen Motiv entsteht, hat schon vor dem Test eine Begründung. Bei freenet waren rund zwei Drittel der Tests erfolgreich, weil jede Hypothese aus Kundenverständnis kam. Für Personalisierung gilt dasselbe, denn jede personalisierte Variante ist ein Test gegen eine Kontrollgruppe.

Dafür gibt es bewährte Werkzeuge:

• Kundeninterviews und Jobs to be Done: Was will der Kunde in diesem Moment erledigen, was treibt ihn an, was bremst ihn?

• Neuropsychologische Kundentypen: Modelle wie die Limbic^® Types beschreiben, welche Motive Menschen leiten.

• Personas aus Daten: Qualitative Kundentypen werden mit Transaktionsdaten verknüpft und so messbar.

Wie dieser Weg über mehrere Kanäle funktioniert, zeigen wir ausführlich im Beitrag Omnichannel-Personalisierung.

Psychografisch statt demografisch segmentieren

Die meisten Segmente beschreiben, wer jemand ist: Alter, Geschlecht, Wohnort, Gerät. Das sagt wenig darüber, warum er kauft. Zwei 45-jährige Männer aus München können völlig verschieden ticken. Der eine will das Neueste und zeigt es gern, der andere will vor allem keinen Fehler machen. Eine demografische Segmentierung behandelt beide gleich.

Psychografische Segmentierung setzt beim Motiv an. Die Limbic^® Types der Gruppe Nymphenburg teilen Kunden nach den Emotionssystemen ein, die ihre Entscheidungen steuern, etwa Performer, Harmoniser oder Traditionalisten. Daraus folgt direkt, welche Bilder, Argumente und Produkte jemand sehen sollte. Das Autobeispiel oben zeigt das im Kleinen. konversionsKRAFT ist der einzige lizenzierte Partner der Gruppe Nymphenburg im Digitalbereich.

Das lohnt sich besonders, aus drei Gründen. Ein Kundentyp steuert viele Maßnahmen zugleich, von der Bildsprache über die Reihenfolge der Argumente bis zu den Empfehlungen. Er bleibt über die Zeit stabil, während sich Gerät oder Einstiegskanal mit jedem Besuch ändern. Und es reichen wenige Typen, weshalb die Zahl der Varianten klein bleibt.

Wir arbeiten schon lange so. Einer unserer ersten öffentlichen Cases stammt von 2010, vom Streetfashion-Händler Frontlineshop. In Interviews mit der Zielgruppe haben wir zuerst die Motive beim Sneakerkauf erhoben. Daraus entstanden drei Varianten derselben Produktdetailseite, je eine für ein Emotionssystem der Limbic^® Map:

• Balance: cleane, aufgeräumte Präsentation des Sneakers

• Stimulanz: Sneaker und Träger gleichermaßen im Bild, Rebellion und Individualität im Vordergrund

• Dominanz: abgedunkelter Hintergrund, gezielte Ausleuchtung, Status und Exklusivität im Vordergrund

Im A/B-Test lagen alle drei Varianten über der bisherigen Seite. Am deutlichsten war die Variante Dominanz mit +79 % Warenkorbaufrufen. Produkt und Preis blieben gleich. Geändert hat sich nur, welches Motiv die Seite anspricht.

Damals war das noch keine Personalisierung, sondern ein klassischer A/B-Test mit einer Variante für alle. Das Ergebnis hat uns aber auf die entscheidende Idee gebracht. Wenn jede Variante gewinnt, gibt es nicht den einen Gewinner. Es gibt verschiedene Kundengruppen, die auf verschiedene Motive ansprechen. Wer allen die Siegervariante zeigt, verschenkt den Uplift der anderen. Heute erkennt ein Modell den Kundentyp automatisch und spielt jedem Besucher seine Variante aus, wie bei computeruniverse.

Beispiele für Personalisierung mit Ergebnissen

computeruniverse: +18,2 % Umsatz pro Besucher

Der Onlinehändler für Technik hat mehr als 100.000 Produkte. Viele Besucher loggen sich erst im Kaufprozess ein, der Shop weiß also lange nicht, wer gerade surft. Wir haben zuerst qualitative Kundentypen entwickelt und sie mit den Transaktionsdaten verknüpft. Daraus entstand ein Scoring mit knapp 200 Datenpunkten. Das System erkennt den Kundentyp heute schon vor dem Login und passt Empfehlungen und Argumente im Warenkorb an.

Gegen eine Kontrollgruppe gemessen brachte das +18,2 % Umsatz pro Besucher und +23,8 % mehr Logins vor dem Checkout. Empfehlungen, die auf den Kundentyp abgestimmt sind, landeten 8,63 % häufiger im Warenkorb. Zur Case Study computeruniverse

hessnatur: erste Ergebnisse nach vier Wochen

Beim Modehändler hessnatur ging es um einen schnellen, belegbaren Start. Von der Einrichtung des Tools bis zu den ersten drei personalisierten Erlebnissen vergingen vier Wochen. Die Kampagnen brachten +12 % Umsatz pro Besucher mit markenbezogenen Vorteilen und +9 % mit Produktempfehlungen. Das ist der Schritt von Start zu Stabilize im 4-S-Modell und zeigt, dass Personalisierung kein Mehrjahresprojekt sein muss.

ALDI SÜD: eine Strategie für alle digitalen Kanäle

ALDI SÜD hatte Daten, Zielgruppenwissen und einzelne Personalisierungsaktivitäten in mehreren Kanälen. Jeder Kanal hatte aber eigene Ziele und einen eigenen Reifegrad. Gemeinsam haben wir pro Kanal drei Kundensegmente ausgewählt, Use Cases aus den Bedürfnissen dahinter entwickelt und sie nach Business Value, Machbarkeit und Datenlage priorisiert. Am Ende hatte jeder Kanal eine Roadmap mit Maßnahmen, die mit der vorhandenen Infrastruktur umsetzbar sind. Zur Case Study ALDI SÜD

C&A: Personalisierung im Team entwickeln

Bei C&A entstehen Personalisierungen in Workshops, in denen Zielgruppe, Inhalt und Umsetzung zusammen gedacht werden. Lohnende Segmente sind entweder klein mit überdurchschnittlicher Conversion Rate oder Warenkorbgröße, oder groß mit unterdurchschnittlichen Werten. Jede Kampagne wird gegen eine Kontrollgruppe gemessen. Zum Beitrag über C&A

Drei weitere Beispiele aus Tests, als Wireframes nachgezeichnet, zeigt der Beitrag Omnichannel-Personalisierung: eine Modellauswahl nach Bedarf mit +23 % Leads, eine Produktseite mit +10,18 % Conversion Rate und ein Modehändler mit bis zu +14,31 % Umsatz.

So gehst du vor: Personalisierung in 5 Schritten

Die meisten Vorgehensmodelle beginnen mit Daten und Technik. Wir beginnen beim Kunden. Die Reihenfolge klingt nach einem Detail, verändert aber alles danach. Wer zuerst versteht, warum Menschen kaufen, braucht weniger Segmente, weniger Use Cases und weniger Daten. Und jede Maßnahme hat schon vor dem Test eine Begründung, deshalb gewinnen mehr Tests.

1. Kunden verstehen

Bevor du über Daten oder Tools sprichst, klärst du, warum deine Kunden kaufen und was sie davon abhält. Dafür eignen sich Kundeninterviews, Jobs to be Done und die Limbic^® Types. Eine Segmentauswertung bisheriger A/B-Tests zeigt zusätzlich, wo Kunden unterschiedlich reagieren. Am Ende steht für jede wichtige Kundengruppe ein klares Bild ihrer Antreiber und Bremsen. Bei Frontlineshop waren das die Motive beim Sneakerkauf, bei computeruniverse fünf Kundentypen. Daraus folgt die wichtigste Prüffrage für alles Weitere. Personalisierung wirkt nur dann positiv, wenn sie ein Problem des Kunden besser löst als die Seite für alle. Eine Anpassung, die nur zeigt, dass du Daten hast, hilft niemandem.

2. Wenige Kundentypen festlegen

Aus diesen Motiven bildest du wenige Kundentypen, die sich wirklich unterscheiden und für dein Geschäft wichtig sind. Drei bis fünf reichen meist. Erst jetzt fragst du, an welchen Signalen du sie erkennst: Einstiegskanal, gesuchte Kategorie, Kaufhistorie, Verhalten auf der Seite. Du suchst also gezielt die Daten, die ein Motiv verraten, statt alles zu sammeln, was möglich ist.

3. Potenzial und Voraussetzungen prüfen

Rechne vorher, wo sich Personalisierung lohnt. Schau dir Traffic, Conversions und mögliche Uplifts je Kundentyp und Customer Journey an. Daraus ergibt sich, wie viele Tests du dort durchführen kannst und welcher ROI realistisch ist. Unser Testlaufzeitrechner hilft bei der Abschätzung. Prüfe zugleich, was deine Technik heute schon ausspielen kann und wer im Unternehmen verantwortlich ist. Ohne klare Zuständigkeit versanden die besten Ideen zwischen Marketing, IT und E-Commerce.

4. Use Cases aus den Motiven ableiten

Für jeden Kundentyp folgen aus seinen Antreibern und Bremsen ein, zwei klare Maßnahmen. Der Performer sieht zuerst Leistung und Exklusivität, der Harmoniser Sicherheit und Service. Bewerte die Maßnahmen nach Business Value, Machbarkeit und Datenlage. Beginne mit dem, was die vorhandene Infrastruktur schon kann.

5. Testen, auswerten, ausrollen

Jede Personalisierung ist zuerst eine Hypothese. Teste sie gegen eine Kontrollgruppe, rolle aus, was wirkt, und lerne aus dem, was nicht wirkt. Weil jede Hypothese aus Kundenverständnis kommt, ist die Trefferquote höher als bei Ideen aus dem Datenbestand. So wächst die Personalisierung Stufe für Stufe, und jeder Schritt ist belegt.

Wie du misst, ob Personalisierung wirkt

Das ist die Stelle, an der die meisten Ratgeber schweigen. Personalisierung fühlt sich fast immer richtig an. Ob sie Umsatz bringt, zeigt nur der Vergleich mit einer Gruppe, die sie nicht sieht.

Bewährt haben sich zwei Ebenen:

• Lokale Kontrollgruppe je Kampagne: Ein Teil des Segments sieht die personalisierte Variante, der andere nicht. Das funktioniert wie ein A/B-Test. Gemessen wird eine primäre Kennzahl, etwa Umsatz pro Besucher, Conversion Rate oder Warenkorbgröße.

• Globale Kontrollgruppe: Ein kleiner Teil aller Besucher bekommt dauerhaft gar keine Personalisierung. Nur so siehst du, was alle Kampagnen zusammen bringen, und ob sie sich gegenseitig stören.

Ein guter Einstieg ist, bestehende A/B-Tests nach Segmenten auszuwerten. Zeigt eine Variante bei Preisbewussten einen starken Effekt und bei anderen keinen, hast du einen Kandidaten für Personalisierung. Dabei gelten zwei Regeln. Plane die Laufzeit mindestens doppelt so lang, weil einzelne Segmente kleiner sind als der gesamte Traffic. Und lege die Segmente vorher fest. Wer nach dem Test so lange sucht, bis Segment Nr. 27 signifikant ist, findet Zufall statt Erkenntnis.

Ein Rechenbeispiel zeigt, warum das wichtig ist. Angenommen, ein Segment macht 20 % deines Traffics aus. Ein Test, der für alle Besucher drei Wochen braucht, bräuchte für dieses Segment allein rund fünfmal so lange. Bei sehr kleinen Segmenten ist ein sauberer Nachweis deshalb kaum möglich. Das ist ein guter Grund, mit wenigen, ausreichend großen Segmenten anzufangen. Das Beispiel ist vereinfacht und setzt im Segment dieselbe Conversion Rate voraus.

Bei computeruniverse galten als Mindestanforderung 95 % Konfidenz, mehr als 3.500 Conversions pro Variante und eine Laufzeit von mehr als einem vollen Geschäftszyklus. Ob ein Ergebnis belastbar ist, prüfst du mit unserem Konfidenzrechner.

Typische Fehler bei der Personalisierung

Die meisten Personalisierungsprojekte scheitern nicht an der Technik. Sie scheitern an Annahmen, die am Anfang niemand hinterfragt. Diese Fehler sehen wir in Projekten immer wieder, sortiert nach dem Punkt, an dem sie entstehen.

Fehler in der Strategie

1. Personalisieren, weil es alle tun. „Personalisierung ist wichtig, also machen wir das jetzt auch.“ So beginnen viele Initiativen. Es gibt eine Vision, aber keine Verbindung zu einem Unternehmensziel und keine Kennzahl, an der sich Erfolg zeigt. Ohne Ziel fehlt die Priorisierung, und am Ende stehen viele kleine Maßnahmen ohne messbare Wirkung. Personalisierung ist ein Werkzeug, um ein Ziel zu erreichen, etwa mehr Wiederkäufe oder weniger Abbrüche.

2. Personalisieren, ohne ein Kundenproblem zu lösen. Eine Anpassung, die nur zeigt, dass du Daten hast, bringt nichts. Positiv wirkt Personalisierung nur, wenn sie dem Kunden etwas leichter macht als die Seite für alle.

3. Zu groß starten. Wer sofort 1:1-Personalisierung in Echtzeit über alle Kanäle will, verbringt das erste Jahr mit Datenprojekten und hat noch keinen Euro Mehrumsatz. Oft heißt es: „Wir müssen erstmal die Infrastruktur und die Segmente bauen.“ Das klingt gründlich, verzögert aber den Start um Monate. Besser sind wenige Use Cases, die mit der vorhandenen Technik laufen und schnell zeigen, was Personalisierung bringt.

4. Nach den Quick Wins stehen bleiben. Die ersten Quick Wins laufen, danach kommt nichts mehr. Das Plateau entsteht meist, weil Kundenverständnis, Prozess und Zuständigkeit fehlen. Der Schritt von Stabilize zu Scale im 4-S-Modell braucht eine andere Arbeitsweise als der Start.

Fehler im Vorgehen

5. Mit dem Tool anfangen. Die Software ist gekauft, aber niemand weiß, was sie ausspielen soll. Häufig kommen die ersten Ideen dann vom Tool-Anbieter selbst. Bei einem Reiseanbieter stammten alle ersten Personalisierungstests aus solchen Vorschlägen, und keiner davon hat gewirkt. Ein Test zeigte Besuchern zum Beispiel genau die Reisen erneut, gegen die sie sich kurz vorher entschieden hatten. Ein anderer lenkte auf der Produktdetailseite vom eigentlichen Angebot ab.

6. Mit den Daten anfangen. Segmente werden aus dem gebildet, was die Daten hergeben, und liegen dann im Testing-Tool. Die nächste Frage lautet: „Was machen wir jetzt damit?“ Niemand weiß, welches Segment relevant ist und welches Bedürfnis dahintersteht. In unseren Projekten ist das der häufigste Ausgangspunkt, und er macht alles danach schwerer. Der umgekehrte Weg steht oben im Abschnitt zum kundenzentrierten Vorgehen.

7. Segmente ohne Unterschied. Wenn sich Segmente nicht unterschiedlich verhalten, bringt eine eigene Ansprache nichts. Alter, Geschlecht oder Gerät sind leicht zu erheben, sagen aber wenig über das Kaufmotiv. Eine Segmentauswertung bisheriger A/B-Tests zeigt schnell, ob es überhaupt Unterschiede gibt.

8. Best Practices kopieren. „Was beim Wettbewerb klappt, klappt bei uns auch.“ Das stimmt selten. Ohne eigenes Verständnis der eigenen Kunden bleibt die Wirkung aus oder hält nur kurz.

Fehler in der Umsetzung

9. Zu wenig Veränderung. Ein anderes Bild im Banner merkt niemand. Wenn die Personalisierung den Kunden nicht spürbar weiterbringt, bleibt der Effekt im Messrauschen.

10. Zu viel Veränderung. Dieselbe Person nutzt Handy, Laptop und App und sieht jedes Mal etwas anderes. Das verwirrt und führt zu Abbrüchen. Dazu kommt die Frage, wie viel Wissen ein Kunde sehen will. Was hilfreich gemeint ist, wirkt schnell aufdringlich. Wirksame Personalisierung liegt im mittleren Korridor. Mehr dazu im Conversion Whiteboard 11.

11. Den Aufwand unterschätzen. „Personalisierung skaliert nebenbei mit.“ Tut sie nicht. Jedes Segment braucht in jedem Kanal eigene Varianten, eigene Inhalte und eigene Tests. Bei fünf Segmenten, drei Kanälen und zwei Varianten sind das schnell 30 Inhalte, die gepflegt werden müssen. Ohne Prozess wächst vor allem die Arbeit. Auch deshalb lohnen sich wenige Kundentypen mehr als viele Datensegmente.

Fehler in Organisation und Messung

12. Personalisierung als eigenes Projekt neben dem Testing. „Personalisierung ist etwas anderes als Optimierung, dafür brauchen wir ein eigenes Projekt.“ So entstehen Doppelstrukturen, und die Learnings aus A/B-Tests und Personalisierung landen in getrennten Teams. Dabei ist jede Personalisierung ein Test, und viele gute Personalisierungsideen entstehen aus der Segmentauswertung von A/B-Tests.

13. Die Verantwortung an ein Team abgeben. „Für Personalisierung ist Team XY zuständig.“ Personalisierung braucht aber Daten, Inhalte, Technik und Kundenverständnis zugleich. Liegt sie in einem Silo, fehlt die Übersetzung zwischen den Disziplinen. Jeder Kanal verfolgt eigene Ziele, das Tempo sinkt, und die Wirkung bleibt unsichtbar.

14. Nicht oder falsch messen. Ohne Kontrollgruppe weiß niemand, ob die Personalisierung Umsatz bringt oder nur Aufwand. Genauso schädlich sind Messfehler: Tests mit zu wenig Traffic, zu früh gestoppt oder falsch ausgewertet. Dann heißt es „kein Uplift“, obwohl die Maßnahme gewirkt hätte, und das Projekt verliert seinen Rückhalt.

15. Ergebnisse nicht teilen. Erfolge bleiben im Team, Fehlschläge werden verschwiegen. So entsteht im Unternehmen kein Rückhalt, und niemand lernt aus Tests, die nicht gewonnen haben. Gerade die zeigen oft am deutlichsten, was Kunden nicht wollen.

Wer im Unternehmen dafür zuständig ist

Personalisierung berührt fast jede Abteilung. Marketing kennt die Kampagnen, CRM die Bestandskunden, BI und Data Science die Daten, die IT die Systeme und das E-Commerce-Team den Shop. Gute Ideen scheitern selten an der Technik. Sie scheitern daran, dass niemand entscheidet.

Bewährt hat sich ein kleines Kernteam mit klarer Verantwortung. Bei C&A liegen Zielgruppen und Personalisierung beim UX-Team. Andere Unternehmen ordnen sie dem Conversion-Team zu. Wichtig ist weniger, wo das Team sitzt, als dass es Zugriff auf alle drei Bereiche hat: Daten, Customer Experience und Umsetzung. Zu Beginn hilft ein strukturierter Fragebogen an alle Beteiligten, damit Ziele, Daten und Zuständigkeiten auf dem Tisch liegen.

Daten und Datenschutz

Personalisierung braucht Daten, aber weniger, als viele denken. Die meisten Unternehmen haben mehr Daten, als sie nutzen. Fang mit dem an, was da ist: Kaufhistorie, Verhalten im Shop, Kanal und Kampagne. Sammle nicht mehr, als du für einen konkreten Use Case brauchst.

Für Tracking und Profilbildung brauchst du in der Regel die Einwilligung deiner Besucher. Kläre die Details mit deinem Datenschutzbeauftragten, bevor ein Use Case live geht.

Ein Punkt wird oft unterschätzt. Viele Menschen lehnen Tracking im Allgemeinen ab und wünschen sich trotzdem den Komfort, den es ermöglicht. Die Akzeptanz steigt, wenn die Personalisierung einen erkennbaren Mehrwert bietet. Wer Daten nutzt, um Kunden wirklich zu helfen, hat weniger Erklärungsbedarf als jemand, der nur mehr verkaufen will.

Tool, Agentur oder selbst machen?

Für Personalisierung gibt es viele gute Tools. Sie lösen aber nur die Ausspielung. Die Fragen davor beantworten sie nicht: welche Motive deine Kunden haben, welche Segmente sich lohnen, welche Use Cases zuerst kommen und wie du die Wirkung belegst.

Wir arbeiten tool-unabhängig. Wir bringen Kundenverständnis, Teststrategie und eigene Umsetzung mit und arbeiten mit dem Tool, das du hast oder das zu dir passt. Wie das konkret aussieht, vom ersten Test bis zum Programm, steht auf unserer Seite zur Personalisierung.