E-Book: Die Entmystifizierung der Personalisierung mit dem 4-Stufen-Modell
Über Personalisierung gibt es viele Mythen und Missverständnisse – und gleichzeitig ist die Dringlichkeit und Nachfrage riesig. Das ist nicht verwunderlich, denn heute wünschen sich mehr als 70 Prozent deiner Nutzer:innen, dass auf sie mit Personalisierung eingegangen wird. Ganze 75 Prozent erleben gleichzeitig Frustration, nach dem Motto: „Wieso weiß dieser Shop nicht, was ich will?“ Jeder kennt die Beispiele, wie Werbung, die mich eigentlich nicht interessiert, die ich aber trotzdem schon oft wegklicken musste.
Doch wo und wie fangen wir mit Personalisierung an, ohne dass es gleich komplex und schwerfällig wird? Dass viele vor diesem Problem stehen, zeigte letzte Woche die große Teilnehmerzahl bei unserem Webseminar, über die wir uns sehr freuen. Wenn du es verpasst hast, kannst du es gerne hier in voller Länge als Aufzeichnung sehen.
Du willst tiefer in das 4-Stufen-Modell der Personalisierung eintauchen?
Dann lade dir kostenlos unser E-Book herunter und profitiere von tiefgreifendem Wissen und konkreten Beispielen.
Hier geht’s zum Download
Ist Personalisierung Rocket Science?
Generell wird aus meiner Erfahrung Personalisierung immer noch viel zu kompliziert gedacht. Mein Co-Präsentator, unser Principal Behavioral Sciences Dr. René Gilster eröffnete unser Webseminar und erläuterte, was wir oft beobachten: „Viele denken, dass man sofort mit Data Science starten und mit Machine Learning weitermachen muss. Teure Tools führen dann dazu, dass gar nicht erst angefangen wird – weil es abschreckt und eine große Hürde darstellt.“ Wiederum andere starten mit Personalisierung, kommen aber nach ersten Erfolgen nicht weiter. Sie erreichen dann ein Plateau, auf dem die Erwartungen an die Personalisierung nicht mehr erfüllt würden.
Die Erkenntnis lautet dann oft: Fancy Tools und Algorithmen sind nicht alles!
„Aus unserer Sicht ist Personalisierung immer noch ein Buzzword. Daraus folgen unklare Vorstellungen, wie du mit dem Thema einfach starten kannst, ohne dabei gleich dein ganzes Unternehmen umkrempeln zu müssen.“
Doch wie lässt sich dieser „Heilige Gral“ im digitalen Marketing und E-Commerce vereinfachen? Denn eins vorweg: Anstrengungen in eine gute Personalisierung, die auf Daten und Customer Experience basiert, lohnen sich! Allein im E-Commerce wird das Marktpotenzial nach einer Studie von McKinsey & Company auf eine unfassbare Summe von drei Billionen USD geschätzt – eine Zahl mit zwölf Nullen. Nur mal so zum Vergleich: Das entspricht in etwa dem Bruttoinlandsprodukt von Indien!
Das konversionsKRAFT 4-Stufen-Modell liefert den Einstieg und Fahrplan
Bei konversionsKRAFT haben wir aus unserer langjährigen Praxiserfahrung ein 4-Stufen-Modell für Personalisierung entwickelt. Du kannst damit ohne teure Tools und Vorlaufzeit einfach loslegen – und später nach Bedarf in Richtung Automatisierung auf allen Kanälen ausbauen. Was wann und wie zu tun ist, zeigt dir unser systematisches Framework.
Personalisierung wird mit dem 4-Stufen Modell nicht nur verständlicher, es wird leichter dieses Ziel erfolgreich in die Praxis zu überführen – samt messbarem Erfolg.
Beim Einstieg hilft als Vorüberlegung eine Definition von Personalisierung.
„Wir wollen Personalisierung umsetzen“, ist zum Beispiel kein gutes Ziel.
„Wir wollen eine gute Experience schaffen“, definiert Personalisierung klarer.
Der richtige Weg ist es also, bei den Bedürfnissen und Wünschen unserer Kund:innen zu starten – somit ist Personalisierung tatsächlich ein Teil einer nutzer- und datengetriebenen Optimierung.
Fang bei deinen Kund:innen an, stell also Fragen wie:
- Was wollen Kund:innen erreichen?
- Was sind typische „Jobs to be done?“
- Warum besucht euch die Kundin oder der Kunde?
- Wo gibt es Lücken?
Viele fangen mit diesen Fragen gut an, denken dann aber zu kompliziert, praktisch gleich auf Machine-Learning-Ebene. Aus unserer Erfahrung ist das der Knackpunkt.
Das muss nicht sein, denn Personalisierung lässt sich mit unserem Modell vereinfachen. Zudem kannst du sofort und einfach anfangen – ohne jahrelang Research betreiben zu müssen! Los geht’s mit dem 4-Stufen-Modell: hier nur in einer Schnellübersicht vorab – lade dir am besten unser kostenloses E-Book für die Details und mehr Praxistipps herunter.
Allgemein: In unserem 4-Stufen-Modell fängst du links mit den Quick Wins an – nach rechts steigt die Komplexität – bis zum Ziel einer selbstlernenden, automatisierten KI. Auf jeder Stufe kombinieren wir die Bedürfnisse der Zielgruppe mit Daten. Du kannst die Stufen nacheinander erklimmen – und von einem steigenden ROI profitieren!
Stufe 1: Quick Wins
Fast kein Unternehmen fängt bei null an. Musst du auch nicht. Denn du kannst schnell aus dem etwas gewinnen, was schon da ist – ohne viel Aufwand. Innerhalb von Stunden kannst du Use Cases generieren und live bringen.
Beispiele:
- Zu Produkten fügst du Badges ein, die Neukund:innen vom Produkt überzeugen
- Du erhöhst die Relevanz, da du Kund:innen je nach Affinitätsscores (was haben sie sich schon angeschaut?) abholst, wo sie im Shop aufgehört haben
Nutzer:innen erkennen erste Veränderungen und jeder Uplift führt hier zu einem besseren Zustand als zuvor.
Stufe 2: Regelbasiert
In dieser Stufe findet schon viel mehr Research statt als bei den Quick Wins. Hier arbeiten wir immer noch iterativ, testen aber und werden immer detaillierter. Wir verknüpfen Bedürfnisse mit Daten, zum Beispiel denen aus der Kaufhistorie. Das sagt uns: Welcher Nutzertyp braucht eigentlich was?
Beispiel:
- Nutzer:innen bekommen je nach Typ (z.B. Performer = kauft teure Produkte) eine andere bildliche und textliche Ansprache
Du kommst hier immer noch sehr schnell zu Ergebnissen. Nutzer:innen merken: Hier werden meine Bedürfnisse aufgegriffen. Die hier aufgestellten Regeln sind noch Hypothesen – diese kannst du iterativ erweitern.
Stufe 3: Modellbasiert
Hier vollziehst du den Schritt von handgemacht zu datengetrieben. Dieser ist wichtig, denn in Stufe 2 kommen immer neue Ideen hinzu. Es wird irgendwann schwierig, den Überblick zu behalten, zudem steigen Aufwand und Kosten.
Beispiel:
- Neue Nutzer:innen, die auf die Website kommen, können im Live-Betrieb automatisiert Clustern (z.B. „Performer“ als Nutzersegment) zugeordnet werden und so passende Maßnahmen ausgespielt bekommen.
Daten und Customer Experience bleiben verknüpft. In Stufe 3 werden die Ergebnisse genauer und insgesamt das Konzept skalierbar, denn die Cluster werden hier mit Daten automatisiert gebildet.
Use Case:
- Bei unserem Kunden computeruniverse haben wir mit A/B-Testing angefangen. Die Personalisierung arbeitete nach und nach mit immer ausgereifteren Methoden. Wir kamen, da vieles funktionierte und mehr Umsatz brachte, von einer regelbasierten auf eine modellbasierte 1:1 Anpassung. Zudem passt sich das Wording im Warenkorb an und der Kunde bestimmt selbst, wann geliefert wird.
Stufe 4: Selbstlernend
Erstmals kommt Data-Science zum Einsatz und du vollziehst den Schritt zur Automatisierung – den Zustand, den viele Unternehmen, die sich mit Personalisierung beschäftigen, als Zielzustand oder Vision definieren würden: Eine voll automatisierte Personalisierung konsistent über alle relevanten Kanäle hinweg (End-to-End), die das bestehende Angebot ohne viel menschliches Zutun optimal auf Kundenbedürfnisse zuschneidet, sich stetig selbst optimiert und damit auch den ROI maximiert.
Hier findet eine völlig automatisierte Personalisierung mit KI statt, die sich 1:1 auf Kundenwünsche anpasst, nach Bedarf skalieren und antizipieren kann, was der Kunde sich im nächsten Schritt wünscht. So kannst du auch Nutzer:innen personalisiert bedienen, für die du noch keine Daten hast.
Fazit: Das 4-Stufen-Modell ist ein Reifegrad an Personalisierung
Mit unserem Modell gibt es Ausbaustufen auf dem Weg zur nutzerzentrierten und datengetriebenen Organisation. Auf den ersten Stufen startest du schnell und einfach ohne Research, dann arbeitest du mit deskriptiven Analysen und leitest dann heuristische Regeln aus den Daten ab. Irgendwann kommst du in den Bereich des Predictive Modelings. Wenn man möchte, ist mithilfe von KI eine völlig automatisierte Personalisierung möglich.
Sieh am besten Personalisierung nicht als neues Tool oder neuen Weg – eigentlich ist es genau das, was du kannst – im Sinne der Kund:innen optimieren – aber mit einem neuen Tool im Werkzeugkoffer. Sprich uns bei Fragen dazu gern an.
Bist du bereit, die ersten Schritte zu gehen?
Wie steht es bei deinen Projekten um die Personalisierung? Wir freuen uns über einen regen Austausch zum Thema und werden dir bald erste praktische Case Studies ausgewählter Kund:innen mit unserem Modell ausführlich vorstellen. Stay tuned!