from dbarray(3) {
[0]=>
array(2) {
["deepdive"]=>
array(3) {
[0]=>
object(Content)#889 (15) {
["_e":"CComponent":private]=>
NULL
["_m":"CComponent":private]=>
NULL
["_errors":"CModel":private]=>
array(0) {
}
["_validators":"CModel":private]=>
NULL
["_scenario":"CModel":private]=>
string(6) "update"
["_new":"CActiveRecord":private]=>
bool(false)
["_attributes":"CActiveRecord":private]=>
array(17) {
["cID"]=>
int(196991)
["cPID"]=>
string(4) "mabo"
["cUID"]=>
string(10) "0000022463"
["cScenario"]=>
string(11) "fachartikel"
["cPublished"]=>
int(1)
["cPublishedUID"]=>
NULL
["cDeleted"]=>
int(0)
["cReferenceId"]=>
NULL
["cDate"]=>
string(19) "2024-07-17 04:06:00"
["cLastUpdate"]=>
string(19) "2024-07-16 08:36:48"
["cTitle"]=>
string(59) "Minding statt Marketing oder der einzig wahre Point of Sale"
["cTeaser"]=>
string(146) "Ob online oder im Laden: Der wahre Punkt der Kaufentscheidung liegt im Kopf des Kunden. Daher ist "Minding" vielleicht treffender als "Marketing"."
["cText"]=>
string(6454) "
Seit den 1950er und 1960er Jahren hat der Begriff Marketing die Welt des Managements erobert. Der amerikanische Marketingpapst Philip Kotler definiert den Begriff heute so: „„Marketing ist ein Prozess im Wirtschafts- und Sozialgefüge, durch den Einzelpersonen und Gruppen ihre Bedürfnisse und Wünsche befriedigen, indem sie Produkte und andere Dinge von Wert erstellen, anbieten und miteinander austauschen.“
Vom Market-ing zum …
Damit steht ganz klar der Markt im Zentrum des Denkens und Handelns. Es geht also, wenn man Marketing nicht nur als Funktion, sondern auch als eine Art Unternehmensphilosophie versteht, darum, dass man das Unternehmen aus Markt- und somit aus Kundensicht führt.
Nur damit stellt sich auch eine ganz andere Frage, nämlich diese: Wo ist dieser Markt? Wo wird wirklich entschieden, was, wann, wo und wie oft gekauft oder auch – im Sinne der obigen Definition – ausgetauscht wird?
Typische Antworten darauf in der Praxis sind aktuell:
„Unsere Kunden entscheiden heute immer öfter im Internet.“
„Haben sich unsere Kunden früher einen Einkaufszettel geschrieben, fällt heute die Entscheidung immer öfter erst direkt vor dem Regal.“
„Das Smartphone wird heute immer öfter zum Point-of-Sale Nr. 1.“
So ist es logisch, dass viele Marketer beim Begriff Markt vor allem und zuerst an einen konkreten Ort wie eine Einkaufsstraße, ein Geschäft, ein Einkaufszentrum, das Internet generell oder spezifischer an Smartphone, Tablet oder PC denken. Genau das passt auch zum Begriff Marketing, in dem das Wort „Market“ dominant vertreten ist.
… Mind-ing
Nur genau genommen, könnte so dieser Marketing-Begriff auch irreführend sein. Denn egal ob Sie heute in einem Geschäft vor Ort oder via Smartphone einkaufen, der wahre Punkt der Entscheidung ist in Ihrem Kopf. Nur und nur dort wird entschieden, was, wann, wo und wie oft gekauft wird. Nirgendwo sonst. Nur dort wird entschieden, ob Sie sich in die Einkaufsstraße begeben, oder doch lieber via Smartphone online bestellen.
So gesehen wäre Minding vielleicht sogar ein besserer Begriff als Marketing, um wirklich letztendlich erfolgreich am Markt zu bestehen. Dies zeigt sich vor allem auch bei Innovationen. So geht es nicht darum, wer als Erster eine Innovation am Markt lanciert, sondern es geht darum, wer als Erster eine neue Idee in der Wahrnehmung und im Gedächtnis der Kunden besitzt.
First-Mover versus First-Minder
Um besser zu verstehen, worum es dabei geht, sollten wir uns drei konkrete Beispiele ansehen:
Beispiel 1: Wenn wir heute an die Entdeckung Amerikas denken, dann denken wir in der Regel zuerst an Christoph Kolumbus und das Jahr 1492. Das wissen wir aus dem Geschichtsunterricht. Aber eigentlich waren es, wie wir heute wissen, die Wikinger. Diese landeten bereits um das Jahr 1.000 nach Christus als Erste in Amerika. Aber die Wikinger machten aus Marken- und Marketingsicht einen extrem schweren Fehler. Sie vergaßen die Geschichtsschreibung mitzunehmen. Heute würden wir sagen, sie vergaßen auf analoge und digitale PR und Werbung. Nur erst damit war der Weg für Christoph Kolumbus frei, um offiziell die Neue Welt zu entdecken. Er hatte die spanische Geschichtsschreibung mit an Bord.
Beispiel 2: Wenn wir heute an den ersten echten MP3-Player (mit Harddisc) denken, dann denken wir in der Regel an den iPod von Apple. De facto aber war nicht der iPod der erste MP3-Player mit Harddisc am Markt. Das war vielmehr die Creative Nomad Jukebox von Creative Technology. Diese wurde bereits 21 Monate vor dem iPod am Markt eingeführt. Aber alleine der Name war Garantie dafür, dass man nie wirklich mental auffiel und abgespeichert wurde. So besetzte der iPod dank Steve Jobs und dem brillanten Slogan „1,000 songs in your pocket“ als erste Marke diese Position in der Wahrnehmung der Öffentlichkeit und der Kunden.
Beispiel 3: Wenn wir heute an die führende Elektroautomarke denken, dann denken wir in der Regel zuerst an Tesla. Dabei war der Nissan Leaf über Jahre das meistverkaufte Elektroauto dieser Erde. Nur auch hier half diese tatsächliche Marktführerschaft auf dem Papier wenig, weil – wenn überhaupt – wurde der Nissan Leaf maximal als weiteres Modell von Nissan wahrgenommen. Damit war auch hier der Weg für Elon Musk und Tesla frei, um als Vorreiter und Marktführer wahrgenommen zu werden.
So gesehen sollten wir auch neu über den berühmten First-Mover-Advantage denken. Denn wirklich entscheidend ist nicht, wer der First-Mover auf dem Markt war, sondern wer der First-Minder war, wer also als Erster in der Wahrnehmung und im Gedächtnis der Kunden punktete. So gesehen wäre auch hier First-Minder-Advantage der vielleicht bessere Begriff.
Zuerst MIND, dann MARKET
Auch wenn das Wort „Market“ im Wort Marketing omnipräsent ist, sollte man nie vergessen, dass der wahre Punkt der Entscheidung nur und nur in den Köpfen der Kunden liegt. Das heißt aber auch: Wenn Sie heute den Wettbewerb um Marktanteil, um Umsatz und Gewinn gewinnen möchten, müssen Sie de facto zuerst den mentalen Kampf um die Kunden gewinnen. Damit ist Marketing auch heute sehr viel mehr ein Kampf der Ideen als ein Kampf der Produkte oder Dienstleistungen. Denn das beste Produkt und die beste Dienstleistung nutzen wenig, wenn man nur als ein weiterer Anbieter unter vielen wahrgenommen wird. Zwei Fragen dazu:
(1) Besitzt Ihre Marke heute die stärkst-mögliche Idee in der Wahrnehmung und im Gedächtnis der Kunden?
(2) Wird diese Idee bestmöglich in allen relevanten Touchpoints, egal ob Produkt, Dienstleistung, Vertriebsweg oder auch Kommunikation umgesetzt?
Die Antworten auf diese Fragen entscheiden heute, ob man zu den Siegern oder zu den Verlierern gehört. So einfach in der Theorie. Oft so schwer in der Praxis.
In der schönsten, oft aber auch stressigsten Zeit des Jahres – Weihnachten –verlassen sich die Menschen zunehmend auf digitale Dienste und Anwendungen. Und zwar nicht nur, um noch auf die Schnelle, die letzten Geschenke zu kaufen. Wenn sie allerdings nicht wie gewünscht funktionieren, kann die Festtagsstimmung einen ordentlichen Dämpfer erhalten. Das zeigt eine neue Verbraucherumfrage von Cisco AppDynamics*.
Wahrscheinlich kennt jeder diese Situation: Man greift zum Smartphone, um Erledigungen zu tätigen, etwas nachzuschauen oder Nachrichten zu verschicken – und erhält eine Fehlermeldung. Mit der weiter steigenden Verbreitung von digitalen Diensten in allen Bereichen des Lebens gehören solche Situationen inzwischen zum Alltag. Was aber nicht heißt, dass sie nicht ärgerlich sind.
Und das gilt gerade jetzt in der Weihnachtszeit: Laut einer Umfrage von Cisco AppDynamics unter deutschen Verbrauchern sind Anwendungen und digitale Dienste inzwischen für fast jeden Zweiten (45 Prozent) wichtig, um ein schönes Fest zu erleben. Dabei erwarten 37 Prozent der Befragten, mehr von diesen zu nutzen als beispielsweise noch im letzten Jahr. Umso entscheidender ist es, dass die digitalen Dienste und Anwendungen einwandfrei funktionieren – ist dem nicht so, ist dies für ein Drittel (33 Prozent) unverzeihlich und sie wenden sich womöglich dauerhaft von ihnen ab. Bei 30 Prozent könnte Weihnachten dadurch sogar ruiniert werden.
Digitale Dienste und Anwendungen sind unverzichtbar
Aber wofür wollen die Befragten überhaupt digitale Dienste und Anwendungen während der Feiertage nutzen? Auch hierzu liefert die Studie Antworten:
Als Unterhaltungsquelle, um zum Beispiel Filme, Serien oder Musik zu streamen (66 Prozent)
Als Zugang zu Nachrichten und Informationen (64 Prozent)
Als Möglichkeit, um etwa über Social Media oder Videotools Freunde und Familie zu kontaktieren (56 Prozent)
Aber obwohl Unterhaltungs- und Nachrichtenapps während der Feiertage voraussichtlich am meisten genutzt werden, sind die Verbraucher stärker besorgt, dass andere digitale Dienste von einer Störung oder einem Ausfall betroffen sein könnten. Dies betrifft die „Heilige Dreifaltigkeit“ der Apps. Dazu zählen:
Messenger-Anwendungen, mit denen sie ihre Liebsten kontaktieren wollen (53 Prozent)
Onlineshops, bei denen sie Last-Minute-Geschenke oder Zutaten für das Weihnachtsessen kaufen müssen (46 Prozent)
Banking-Apps, mit denen sie wichtige Transaktionen tätigen müssen (45 Prozent)
Chance und Risiko zugleich
Anhand dieser Sorgen wird deutlich, wie wichtig digitale Services und Anwendungen heute sind, gerade auch an Feiertagen. Entsprechend glaubt einer von drei Befragten (30 Prozent), dass er im Falle einer solchen Störung Schwierigkeiten haben wird, so viel Spaß wie sonst zu haben. Jeder Fünfte (18 Prozent) glaubt sogar, dass er anfangen könnte, sich wie der Grinch aufzuführen – sprich schlecht gelaunt, wütend und gestresst. Das kann keiner wollen.
Für die Anbieter von digitalen Diensten und Applikationen steht deshalb in der Weihnachtszeit viel auf dem Spiel. Auf der einen Seite ist die Nachfrage nach ihren Services enorm hoch und sie können mit innovativen, intuitiven, sicheren und nahtlos funktionierenden Erlebnissen (neue) Kunden langfristig an sich binden. Auf der anderen Seite riskieren sie den Verlust von Kunden, Umsatz und ihrer Reputation, wenn sie genau solche Erlebnisse nicht anbieten können. Sie müssen diese Gefahr ernstnehmen und sicherstellen, dass ihre digitalen Services und Anwendungen auch während der Feiertage einwandfrei ihren Dienst tun – und etwaige Störungen schnellstmöglich behoben werden, am besten so, dass die Kunden gar nichts von ihnen mitbekommen.
*Methodik
Im Zeitraum vom 05. bis 16. Oktober 2023 wurden 12.004 Verbraucher in 12 Ländern zu ihren bevorstehenden Feiertagseinkäufen befragt. Die Altersgrenze betrug dabei 18 +. Unter den Befragten befanden sich 1.000 Verbraucher aus Deutschland.
Eine optimierte CX ermöglicht bessere Umsätze und eine nachhaltige Kundenbindung – egal ob die Absicht ein Online-Einkauf ist oder erst einmal eine Produktrecherche oder auch nur ein einfaches Stöbern: Sofort sollen relevante Inhalte aufgezeigt werden, womit das Engagement des Nutzers geweckt wird, das schließlich zum Kauf führt.
Gartner definiert die Customer Experience [1] als „die Wahrnehmungen des Kunden/der Kundin und die damit verbundenen Gefühle, die durch die einmaligen und kumulativen Auswirkungen der Interaktionen mit den Mitarbeitern, Systemen, Kanälen oder Produkten eines Anbieters verursacht werden.“ Kurz: Das Kundenerlebnis im Kontakt mit einem Unternehmen oder Geschäft.
Zufriedene Kunden kommen häufiger wieder und sind zudem über Owned-Kanäle direkt – und günstig – ansprechbar. Um regelmäßig neue Kunden zu gewinnen, aber auch um die wachsende Anzahl an Bestandskunden zufriedenzustellen, muss ein Onlineshop jederzeit relevant sein und auf die einzelnen Nutzerinteressen individuell eingehen. Er benötigt also eine Personalisierung, die dynamisch und flexibel auf die Nutzerinteressen eingeht. Das kann pro Nutzer in verschiedenen Situationen ganz unterschiedlich sein.
Google hat uns allen über Jahre beigebracht, dass wir relevante Inhalte nur auf der ersten Seite finden. Auf den folgenden Seiten wird meist nur noch Irrelevantes angezeigt. Eher ändern wir die Suche, als dass wir auf den Folgeseiten suchen. Dieses Verhalten übertragen wir auch in die Onlineshops. Wir erwarten für uns relevante Inhalte auf der ersten Seite, ansonsten wechseln wir den Shop.
Im E-Commerce zählt jede Sekunde und jede Ansicht. Bei nur kurz nachlassender Aufmerksamkeit des Nutzers, zum Beispiel weil er auf den ersten Blick keine relevanten Produkte erkennt, werden sehr schnell potenzielle Käufer verloren. Besonders teuer wird das für den Shop-Betreiber, wenn Shop-Besucher beziehungsweise potenzielle Käufer über kostenpflichtige Kanäle aktiviert werden.
Herausforderungen
Zur passgenauen Personalisierung benötigt es eine legale und valide Datenbasis, deren Daten effektiv operationalisiert werden müssen. Um die CX über alle Kontaktpunkte, Englisch Touchpoints, zu erfassen (die berühmte, aber nie erreichte – und datenschutzrechtlich bedenkliche –
„360°-Perspektive“) sind umfangreiche Datensammlungen nötig, die pro Datenquelle einen expliziten Nutzer-Consent erfordern. Zudem müssten sich alle Nutzer bei jedem Besuch identifizieren, um alle Besuche, auch auf neuen Geräten oder nach gelöschten Cookies, immer einem Nutzer zuordnen zu können. Das ist nicht realistisch. Eine angebliche „360°- Perspektive“ ist also immer unvollständig.
Einige Lösungen, die vorgeben, „alle Touchpoints aller Kanäle“ zu personalisieren, erfassen zwar die jeweils verfügbaren Daten pro Kanal und personalisieren entsprechend. Aber es bleibt eine Personalisierung basierend auf dem Wissen aus unterschiedlichen Datensilos. Es werden eben nicht alle Daten aller Kanäle zusammengeführt und gemeinsam analysiert, um dann entsprechende Personalisierungen auszuspielen. Stattdessen ist dieses Vorgehen eher multi-parallel, aber ohne Erkenntnisgewinne aus der gesamten Datenbasis über alle Kanäle hinweg.
Bisherige Nutzer-Wiedererkennung schwindet
Auf Third Party Cookies basierende Ansätze sind insgesamt auf dem Rückzug, da Third Party Cookies meistens schon Browser-seitig geblockt werden. Sogar First Party Cookies werden oft automatisch vor dem Ablaufdatum gelöscht. In der Folge ist die Nutzer-Wiedererkennung stark reduziert mit der Konsequenz, dass wiederkehrende Nutzer oft als Neubesucher erfasst werden.
Im E-Commerce können 60 bis 80 Prozent (!) des ankommenden Traffics nicht direkt bekannten Nutzern zugeordnet werden. Ein Log- in in den jeweiligen persönlichen Accounts erfolgt oft erst während des Bezahlprozesses und damit zu spät für eine personalisierte Einkaufserfahrung. Persönliche Kundendaten, wie sie im Customer- Relationship-Management-System (CRM) erfasst werden, erscheinen in diesem Kontext wenig nützlich für eine Personalisierung des Traffics ab der ersten Impression, das heißt ab dem ersten Seitenaufruf.
Abhilfe schaffen hier die Session-Daten, was im Absatz „Personalisierung“ näher beleuchtet wird. Zunächst wird auf die Unterscheidung First- und Third-Party-Daten eingegangen:
First- und Third-Party-Daten
Viele Tools und Services im E-Commerce basierten in der Vergangenheit auf Third-Party-Daten und Third-Party-Profilen. Anbieter, deren Pixel auf vielen Webseiten implementiert waren, erstellten darüber pseudonymisierte Nutzerprofile mit den jeweiligen Produktinteressen. Informationen aus diesen Nutzerprofilen wurden dann zur Personalisierung genutzt.
Auf diese Weise konnten Customer Journeys über ganz verschiedene Webseiten von Drittparteien gemessen werden. Die gesammelten Informationen wurden genutzt, um den einzelnen Webseiten entsprechende Signale zu senden, personalisierte Angebote oder Werbung zu ermöglichen, oder auch die Höhe des Ad Biddings bei Banner- oder Suchmaschinenwerbung anzugeben. Der große Nachteil lag darin, dass weder Nutzer noch die einzelnen Webseitenbetreiber eine wirkliche Kontrolle über die erhobenen Daten und deren Einsatz hatten. In der Folge wurden solche Systeme misstrauisch betrachtet und folgerichtig durch die DSGVO neu geregelt.
Aus Sicht des E-Commerce-Betreibers lagen die Daten nicht in eigener Hand, ebenso wenig wie die Datenprozessierung, die zugrunde liegenden Analysen und die dafür genutzten Algorithmen. Die Marketing-, Werbe- und Verhaltensdaten der eigenen Kunden inklusive der E-Commerce- Daten über alle Besuche, Produktinteraktionen und Umsätze aber sind ein höchst wertvolles Gut. Aus strategischer Sicht sollte ein Unternehmen sehr gut überlegen, wie und von wem die Daten (inklusive der davon ableitbaren Metadaten) genutzt werden, und ob mit dem gewählten Partner oder Dienstleister kritische Abhängigkeiten oder gar Wettbewerbsnachteile entstehen könnten.
Aus Data-Ownership-Perspektive ist das Hosting auf fremden Plattformen oder Public Clouds ein Problem. Dies nicht nur wegen der operativen Kontrolle, sondern auch wegen der daraus resultierenden Datenschutzanforderungen.
Personalisierung: User-basiert vs. Session-basiert
Jede Personalisierungssoftware enthält eine „Decision Engine“ – also die Entscheidungseinheit –, um auf der gegebenen Datenbasis Entscheidungen zu fällen, wie sich die individuelle Personalisierung konkret ausgestaltet. Diese Datenaktivierung kann als „Rezept“ auf Basis der Nutzerdaten für die Ausspielung beim nächsten Besuch vorgehalten werden. So macht es eine Customer Data Platform (CDP).
Bei einer CDP hat die Datenaktivierung per „Rezept“ für den nächsten Besuch keine Echtzeitanforderungen und kann daher auch nachträglich eintreffende Daten berücksichtigen (zum Beispiel das Öffnen eines Newsletters). Sie reagiert aber nicht direkt auf das Nutzerverhalten in der aktuellen Session: Je nach Verhalten oder der gegebenen Datenpunkte wird ein Nutzer einem Segment zugeordnet. Pro Segment wird nach entsprechenden Regeln mit dem Ziel einer Konversion personalisiert. Dieser Ansatz bleibt auch bei automatisierten Regelwerken und komplexen Segmentdefinitionen relativ statisch: Zur Ausspielung von Personalisierungen wird eine Abfolge von Besuchen desselben Nutzers und dessen zwingende Wiedererkennung benötigt, um eine optimierte CX anzubieten.
Die Datenaktivierung kann aber auch in Echtzeit passieren, das heißt im Moment des Seitenaufrufs – dann auf Basis der Session-Daten und ohne einen Nutzer wiedererkennen zu müssen. So arbeitet eine Customer Engagement Platform (CEP) beziehungsweise eine Session-basierte Personalisierung.
Die Datenaktivierung in Echtzeit erfordert extrem schnelle Daten- banksysteme, weil die Analysen, Entscheidungen und Ausspielungen ohne merkliche Verzögerung in der laufenden Session passieren müssen. Der ganze Ausspielungsprozess darf nur wenige Millisekunden dauern, wenn eine gute CX geboten werden soll. Wenn also ein Nutzer die Kategorie wechselt oder Produkte einer bestimmten Größe oder Farbe auswählt oder andere Interaktionen tätigt, muss ein Echtzeitsystem sofort darauf reagieren – nicht nur als Filter, der das angezeigte Angebot eingrenzt, sondern auch bezüglich der individuellen Relevanz der angezeigten Produkte oder Elemente: Nutzer, die den gleichen Produktfilter verwenden, sind nicht unbedingt vom selben Typ. Referrer, Gerätetyp, Geolocation und viele weitere anonyme Datenpunkte können signifikante Unterschiede machen. Eine Echtzeitpersonalisierung muss diese Aspekte berücksichtigen und darf nicht nur produktzentrisch agieren (das ist beispielsweise der Fall, wenn gefilterte Listen für alle Nutzer gleich aussehen) oder ein Regelwerk haben, das auf Basis nur eines Datenpunktes zwischen zwei Varianten einer Ansicht entscheidet (zum Beispiel Neubesucher vs. Wiederkehrer).
Was ist Relevanz?
Es stellt sich angesichts des mehrheitlich unbekannten Traffics also die Frage, wie man auch ohne Kenntnis der Person trotzdem für jeden User individuelle und vor allem relevante Inhalte anbieten kann. Personalisierung basiert auf individuell relevanten Datenpunkten. Oft denkt man dabei nur an Personendaten wie Name, Adresse, Kaufhistorie, Demografie und so weiter, wie sie auch in einem CRM-System erfasst werden. Diese Daten aber sind für den unbekannten Traffic nicht anwendbar.
- Abb. 2: Abbildung einer Korrelationsanalyse im Aster-Chart zum Kaufverhalten. Es zeigt, wie sich die verschiedenen Nutzerattribute auf die gekauften Produkte auswirken. Je höher der Wert, desto differenzierender sind die einzelnen Ausprägungen eines bestimmten Nutzerattributs: Zum Beispiel kaufen Nutzer, die über verschiedene Marketingkanäle kommen, signifikant unterschiedliche Produkte -
Es gibt aber auch bei unbekannten Besuchern viele nutzbare
unpersönliche (Meta-)Daten wie die Zeit, der Ort, der Gerätetyp, das Betriebssystem, der Referrer und viele mehr sowie
das Nutzerverhalten in der laufenden Session mit Informationen über Ansichten, Klicks, Bestellungen, Werbeeinspielungen et cetera.
Die Kombination dieser vielen unpersönlichen Datenpunkte erlaubt ebenfalls eine Personalisierung und das sogar ab sofort und noch vor einer Nutzerwiedererkennung.
Eine solche Session-basierte Personalisierung lässt sich viel leichter mit Daten aus anderen Kanälen verbinden. Es muss keine Visitor-Journey über einen bestimmten Zeitraum und über verschiedene Datenquellen hinweg ermittelt werden, sondern es werden alle Interaktionen aus allen Datenquellen gemeinsam betrachtet. Daraus ergeben sich detaillierte Erkenntnisse, zum Beispiel, welche Produkte zu welchen Zeiten angeschaut und gekauft wurden oder welche Präferenzen Apple Mobile User gegenüber Android Usern haben oder welche die beliebtesten Produkte sind abhängig vom Gerätetyp, Browser und so weiter.
Die Session-basierte Personalisierung kann gegenüber unbekannten Nutzern nicht „Hallo Frau Müller“ ausspielen, sie kann aber individuell relevante Produkte für User wie Frau Müller ausspielen. Und sie kann in Echtzeit mit jedem Klick während einer laufenden Session „dazulernen“ und entsprechend schärfer, das heißt relevanter, personalisieren. Sie muss also nicht erst bis zum nächsten Besuch warten, sofern dieser denn stattfindet.
Am Beispiel von Produktempfehlungen (Englisch product recommendations) kann Relevanz gut erklärt werden. Heutzutage hört man häufig von sinkenden Konversionsraten beim Einsatz einer typischen Recommendation Engine. Zu beachten ist der qualitative Unterschied zwischen den beiden folgenden Aussagen:
1. „Kunden, die Produkt X gekauft haben, haben auch Y und Z “
2. „Kunden wie Du, die Produkt X gekauft haben, haben auch Y und Z “
Aussage 1 ist eine rein produktzentrische Empfehlung über alle Kunden hinweg. „Kunden wie Du“ dagegen (Aussage 2) ist eine persönlich ungleich viel relevantere Aussage (und zeigt auch andere Produkte an), weil die „Kunden wie Du“ ein viel passenderes, also relevanteres, Segment sind: Ein Segment, das nicht vordefiniert ist, sondern in Echtzeit und auf Basis der Datenpunkte des aktuellen Users und im Vergleich mit der gegebenen Datenhistorie dynamisch gebildet wird.
Es gibt einerseits die User-basierte Personalisierung, bei der Personen- daten genutzt werden und eine mindestens pseudonymisierte Nutzerwiedererkennung über verschiedene Touchpoints hinweg und den wiederkehrenden Besuchen erfolgt und das „gelernte“ Nutzerinteresse zur Personalisierung des nächsten Besuchs verwendet wird. Andererseits gibt es die Session-basierte Personalisierung, die das Momentum als relevanter als eine vorangegangene Customer Journey ansieht, und welche mit Echtzeitanalysen und Echtzeit-Datenaktivierungen in der aktuellen Session arbeitet.
Beide Varianten können Empfehlungen grundsätzlich User-zentrisch oder produktzentrisch ausspielen. Die aktuellen Erfahrungen mit Recommendation Engines zeigen aber, dass rein produktzentrische Empfehlungen (Aussage 1) weniger erfolgreich sind als Produkt- empfehlungen, die auf dem gleichen User-Typ basieren (Aussage 2).
Datenoperationalisierung & Datenaktivierung in Echtzeit
Eine Session-basierte Personalisierung kann als Alternative oder auch als Ergänzung zur lang etablierten User-basierten Personalisierung gesehen werden: Die Session-basierte Personalisierung benötigt keine Personendaten, sondern fokussiert auf die laufende Session – und somit dem aktuellen Moment, in dem sich ein User befindet: Zum Beispiel morgens mobil von unterwegs oder abends daheim am Desktop-PC. Es ergibt sich ein anonymes, aber trotzdem hinreichendes individuelles Nutzerprofil.
Dieser Ansatz erlaubt es auch, auf eine untypisch verlaufende Session adäquat zu reagieren: Das anonyme Datenprofil kann entsprechend der jeweiligen Ausprägung der Session durch wechselnde Kategorien, genutzte Filter oder durch andere Interaktionen gegenüber den entsprechenden Sessions mit gleicher Ausprägung aus der Datenhistorie analysiert werden. Daraus kann bei jedem Klick eine neue Analyse erfolgen, die entsprechende Auswirkungen auf die persönliche Relevanz hat. Die Analyse muss zwingend in Echtzeit passieren, damit eine personalisierte Ausspielung ebenfalls sofort erscheint.
Datenaktivierung in Echtzeit ist nicht trivial – aber sehr ergiebig. Es benötigt eine Datenbasis (circa die letzten sechs bis zwölf Monate), um statistisch signifikante Ergebnisse zu erzielen. Im ersten Schritt sind dafür die beiden Datenquellen Webtracking und Produktdaten völlig ausreichend. Diese Datenbasis besitzt in der Regel jedes E-Commerce- Unternehmen, und zwar als First-Party-Datensatz.
Use Case
Beispielhaft sei hier ein Use Case genannt, der für den E-Commerce typisch ist:
Ein Nutzer klickt auf eine Werbeanzeige und landet auf dem verlinkten Onlineshop.
Damit sind bereits einige Datenpunkte aus der Webanalyse gegeben: Tag, Zeit, Geolocation, Gerätetyp, Browser, Betriebssystem, Referrer und so weiter – alles anonyme Session-Daten, die aber schon aufzeigen, welche Variantenvielfalt es hier gibt. Dazu kommen die demografischen Daten, die der Ad-Server liefert, zum Beispiel weiblich und 40 bis 50 Jahre alt. Ferner könnten auch weitere Datenquellen, zum Beispiel die zur Geolocation und dem Datum passenden Wetterdaten, Veranstaltungsdaten oder Saisonalitäten vorliegen; so zum Beispiel: sonnig, 15 bis 20° C, Ferienbeginn.
So ergibt sich für diese Nutzerin bereits vor einer möglichen Wiedererkennung ein Bild:
Aus den Session-Daten der Webanalyse: Sonntag, 17 Uhr, Köln, iPad, iOS 14, Safari
Vom Ad-Server: weiblich, 40 bis 50 Jahre alt
Externe Daten: sonnig, 20° C, erstes Ferienwochenende in Nordrhein- Westfalen
Mit diesen Datenpunkten kann eine tiefgehende Echtzeitanalyse stattfinden, die „Nutzer wie Du“ aus der Datenhistorie und damit auch deren Verhalten wie Product Views, Klicks, Add to Baskets et cetera identifiziert und die Käufe der „Nutzer wie Du“ auswertet. Die Präferenzen der so gefundenen „digitalen Geschwister“ – der individuellen Peer Group – lassen eine relevante Personalisierung für die aktuell aktive Nutzerin zu, denn entsprechend der Signifikanz der identifizierten Präferenzen der Peer Group werden passende Inhalte angezeigt. Wichtig ist hierbei, dass nach hinreichend ähnlichen Nutzern gesucht wird, aber nicht nach identischen. Letztere wären aufgrund der vielen Varianten der gegebenen Datenpunkte zu wenige.
Die Präferenzen werden in dem hiesigen Use Case in Form einer sortierten Liste der anzuzeigenden Produkte abgebildet. Zur optimalen Sortierung werden Product Scores eingesetzt, welche die Interaktionen mit den Produkten durch die individuelle Peer Group berücksichtigt. Natürlich bedarf es hier einer Sortimentssteuerung, um die Gewichtung des Scorings anzupassen. Das ist nötig für die Anpassung des Algorithmus auf Marketingmaßnahmen, dem Erscheinen neuer Produkte oder auch dem gezielten Abverkauf von Restposten. Eine Sortimentssteuerung muss erlauben, dass die jeweiligen Sales- und Marketingstrategien vom Algorithmus vollständig unterstützt werden. Das Ergebnis bleibt weiterhin datengetrieben und individuell relevant, aber es werden für bestimmte Produkte entsprechende Gewichtungen gesetzt.
Wenn die Nutzerin aus dem hier einschlägigen Use Case nun noch einen Filter benutzt, um zum Beispiel die Kleidergröße und das Preissegment festzulegen, sind diese beiden weiteren Datenpunkte verfügbar. Damit kann die Echtzeitanalyse erneut durchgeführt werden und eine noch relevantere sortierte Liste die individuell am wahrscheinlichsten präferierten Produkte ausspielen. Man könnte auch von einer Wette auf eine Prediction sprechen: Mit jeder personalisierten Ausspielung interagiert der Nutzer – oder auch nicht, was das Webtracking stets erfasst. So „lernt“ das System über die Zeit, ob die angezeigten Produkte relevant waren oder nicht und kann den Algorithmus anpassen.
Nun hat die Nutzerin eines der angezeigten Produkte angeklickt und landet auf der Produktdetailseite. Dort wählt sie das Produkt in einer bestimmten Farbe. Der nächste Datenpunkt ist verfügbar und die Analyse kann erneut durchgeführt werden. So ist zusätzlich eine höchst relevante Empfehlung auf der Produktseite möglich, die reflektiert, wie sich ähnliche Nutzerinnen verhalten haben. Aber was soll man einer Kundin im Sommer anbieten, die zuletzt eine Winterjacke gekauft hat? Die Produkte anzuzeigen, die alle Winterjacken-Käufer mehrheitlich kauften, ist nicht persönlich relevant. Aber die Produkte anzuzeigen, die von der persönlichen Peer Group gekauft wurden, ist relevant.
Diese Form der Session-basierten anonymen – aber signifikant relevanten – Personalisierung funktioniert natürlich auch bei jedem anderen Referrer, also jeder anderen Inspirationsquelle als eine Werbeanzeige und ebenso für den Direct Traffic.
Aber auch Display-Werbung kann so für unbekannte Nutzer personalisiert werden. Dabei muss die Echtzeitanalyse stattfinden, wenn das Bidding gewonnen wurde, aber noch bevor das Banner eingeblendet wird. Dieses Zeitfensterbeträgtinder Regel nurvier Millisekunden. Einpersonalisiertes Banner kann zum Beispiel ein für den jeweiligen Nutzer relevantes Produkt zeigen oder auch eine andere Bannervariante hinsichtlich des Designs oder der Kernaussage. Wichtig ist dann, dass nach einem Klick auf das Banner die Personalisierung im Onlineshop nahtlos weitergeht (wie anfangs beschrieben) und das mit dem Werbebanner ausgespielte Produkt sofort im Shop prominent angezeigt wird.
Fazit
Mit dem beschriebenen Ansatz der Session-basierten Personalisierung für die CX-Optimierung konnten die Autoren bei ihren Kunden zum Beispiel eine Steigerung der Klickraten bei Banner-Werbung um 300 Prozent erreichen. Dabei wurden signifikant mehr Neukunden erreicht und der Umsatz stieg um 14 Prozent.
Bei Mobilgeräten sind die Ergebnisse besonders ausgeprägt. Aufgrund des kleineren Bildschirms müssen schon die ersten angezeigten Produkte eine hohe persönliche Relevanz haben, um die Aufmerksamkeit und folglich das User-Engagement zu erhalten. Für Mobilgeräte sind Steigerungen der Konversionsraten und Umsätze von 15 bis 20 Prozent nicht selten.
Nachhaltig positiv auf die Geschäftszahlen wirkt aber auch der so erzeugte datengetriebene Prozess für die Aussteuerung der Personalisierungsstrategien im Einklang mit der Sortimentssteuerung. Analysten, Marketing-, CRM und Shop-Manager arbeiten so enger und auf genau derselben Datenbasis zusammen, welche die eingebundenen Datensilos effektiv miteinander verbindet – statt sie nur parallel zu nutzen oder gar nur zu verwalten. Die Kunden der Autoren profitieren durch eine solch datengetriebene Personalisierungsstrategie von jährlich wachsenden Performance- und Umsatzwerten.
Seit den 1950er und 1960er Jahren hat der Begriff Marketing die Welt des Managements erobert. Der amerikanische Marketingpapst Philip Kotler definiert den Begriff heute so: „„Marketing ist ein Prozess im Wirtschafts- und Sozialgefüge, durch den Einzelpersonen und Gruppen ihre Bedürfnisse und Wünsche befriedigen, indem sie Produkte und andere Dinge von Wert erstellen, anbieten und miteinander austauschen.“
Vom Market-ing zum …
Damit steht ganz klar der Markt im Zentrum des Denkens und Handelns. Es geht also, wenn man Marketing nicht nur als Funktion, sondern auch als eine Art Unternehmensphilosophie versteht, darum, dass man das Unternehmen aus Markt- und somit aus Kundensicht führt.
Nur damit stellt sich auch eine ganz andere Frage, nämlich diese: Wo ist dieser Markt? Wo wird wirklich entschieden, was, wann, wo und wie oft gekauft oder auch – im Sinne der obigen Definition – ausgetauscht wird?
Typische Antworten darauf in der Praxis sind aktuell:
„Unsere Kunden entscheiden heute immer öfter im Internet.“
„Haben sich unsere Kunden früher einen Einkaufszettel geschrieben, fällt heute die Entscheidung immer öfter erst direkt vor dem Regal.“
„Das Smartphone wird heute immer öfter zum Point-of-Sale Nr. 1.“
So ist es logisch, dass viele Marketer beim Begriff Markt vor allem und zuerst an einen konkreten Ort wie eine Einkaufsstraße, ein Geschäft, ein Einkaufszentrum, das Internet generell oder spezifischer an Smartphone, Tablet oder PC denken. Genau das passt auch zum Begriff Marketing, in dem das Wort „Market“ dominant vertreten ist.
… Mind-ing
Nur genau genommen, könnte so dieser Marketing-Begriff auch irreführend sein. Denn egal ob Sie heute in einem Geschäft vor Ort oder via Smartphone einkaufen, der wahre Punkt der Entscheidung ist in Ihrem Kopf. Nur und nur dort wird entschieden, was, wann, wo und wie oft gekauft wird. Nirgendwo sonst. Nur dort wird entschieden, ob Sie sich in die Einkaufsstraße begeben, oder doch lieber via Smartphone online bestellen.
So gesehen wäre Minding vielleicht sogar ein besserer Begriff als Marketing, um wirklich letztendlich erfolgreich am Markt zu bestehen. Dies zeigt sich vor allem auch bei Innovationen. So geht es nicht darum, wer als Erster eine Innovation am Markt lanciert, sondern es geht darum, wer als Erster eine neue Idee in der Wahrnehmung und im Gedächtnis der Kunden besitzt.
First-Mover versus First-Minder
Um besser zu verstehen, worum es dabei geht, sollten wir uns drei konkrete Beispiele ansehen:
Beispiel 1: Wenn wir heute an die Entdeckung Amerikas denken, dann denken wir in der Regel zuerst an Christoph Kolumbus und das Jahr 1492. Das wissen wir aus dem Geschichtsunterricht. Aber eigentlich waren es, wie wir heute wissen, die Wikinger. Diese landeten bereits um das Jahr 1.000 nach Christus als Erste in Amerika. Aber die Wikinger machten aus Marken- und Marketingsicht einen extrem schweren Fehler. Sie vergaßen die Geschichtsschreibung mitzunehmen. Heute würden wir sagen, sie vergaßen auf analoge und digitale PR und Werbung. Nur erst damit war der Weg für Christoph Kolumbus frei, um offiziell die Neue Welt zu entdecken. Er hatte die spanische Geschichtsschreibung mit an Bord.
Beispiel 2: Wenn wir heute an den ersten echten MP3-Player (mit Harddisc) denken, dann denken wir in der Regel an den iPod von Apple. De facto aber war nicht der iPod der erste MP3-Player mit Harddisc am Markt. Das war vielmehr die Creative Nomad Jukebox von Creative Technology. Diese wurde bereits 21 Monate vor dem iPod am Markt eingeführt. Aber alleine der Name war Garantie dafür, dass man nie wirklich mental auffiel und abgespeichert wurde. So besetzte der iPod dank Steve Jobs und dem brillanten Slogan „1,000 songs in your pocket“ als erste Marke diese Position in der Wahrnehmung der Öffentlichkeit und der Kunden.
Beispiel 3: Wenn wir heute an die führende Elektroautomarke denken, dann denken wir in der Regel zuerst an Tesla. Dabei war der Nissan Leaf über Jahre das meistverkaufte Elektroauto dieser Erde. Nur auch hier half diese tatsächliche Marktführerschaft auf dem Papier wenig, weil – wenn überhaupt – wurde der Nissan Leaf maximal als weiteres Modell von Nissan wahrgenommen. Damit war auch hier der Weg für Elon Musk und Tesla frei, um als Vorreiter und Marktführer wahrgenommen zu werden.
So gesehen sollten wir auch neu über den berühmten First-Mover-Advantage denken. Denn wirklich entscheidend ist nicht, wer der First-Mover auf dem Markt war, sondern wer der First-Minder war, wer also als Erster in der Wahrnehmung und im Gedächtnis der Kunden punktete. So gesehen wäre auch hier First-Minder-Advantage der vielleicht bessere Begriff.
Zuerst MIND, dann MARKET
Auch wenn das Wort „Market“ im Wort Marketing omnipräsent ist, sollte man nie vergessen, dass der wahre Punkt der Entscheidung nur und nur in den Köpfen der Kunden liegt. Das heißt aber auch: Wenn Sie heute den Wettbewerb um Marktanteil, um Umsatz und Gewinn gewinnen möchten, müssen Sie de facto zuerst den mentalen Kampf um die Kunden gewinnen. Damit ist Marketing auch heute sehr viel mehr ein Kampf der Ideen als ein Kampf der Produkte oder Dienstleistungen. Denn das beste Produkt und die beste Dienstleistung nutzen wenig, wenn man nur als ein weiterer Anbieter unter vielen wahrgenommen wird. Zwei Fragen dazu:
(1) Besitzt Ihre Marke heute die stärkst-mögliche Idee in der Wahrnehmung und im Gedächtnis der Kunden?
(2) Wird diese Idee bestmöglich in allen relevanten Touchpoints, egal ob Produkt, Dienstleistung, Vertriebsweg oder auch Kommunikation umgesetzt?
Die Antworten auf diese Fragen entscheiden heute, ob man zu den Siegern oder zu den Verlierern gehört. So einfach in der Theorie. Oft so schwer in der Praxis.
In der schönsten, oft aber auch stressigsten Zeit des Jahres – Weihnachten –verlassen sich die Menschen zunehmend auf digitale Dienste und Anwendungen. Und zwar nicht nur, um noch auf die Schnelle, die letzten Geschenke zu kaufen. Wenn sie allerdings nicht wie gewünscht funktionieren, kann die Festtagsstimmung einen ordentlichen Dämpfer erhalten. Das zeigt eine neue Verbraucherumfrage von Cisco AppDynamics*.
Wahrscheinlich kennt jeder diese Situation: Man greift zum Smartphone, um Erledigungen zu tätigen, etwas nachzuschauen oder Nachrichten zu verschicken – und erhält eine Fehlermeldung. Mit der weiter steigenden Verbreitung von digitalen Diensten in allen Bereichen des Lebens gehören solche Situationen inzwischen zum Alltag. Was aber nicht heißt, dass sie nicht ärgerlich sind.
Und das gilt gerade jetzt in der Weihnachtszeit: Laut einer Umfrage von Cisco AppDynamics unter deutschen Verbrauchern sind Anwendungen und digitale Dienste inzwischen für fast jeden Zweiten (45 Prozent) wichtig, um ein schönes Fest zu erleben. Dabei erwarten 37 Prozent der Befragten, mehr von diesen zu nutzen als beispielsweise noch im letzten Jahr. Umso entscheidender ist es, dass die digitalen Dienste und Anwendungen einwandfrei funktionieren – ist dem nicht so, ist dies für ein Drittel (33 Prozent) unverzeihlich und sie wenden sich womöglich dauerhaft von ihnen ab. Bei 30 Prozent könnte Weihnachten dadurch sogar ruiniert werden.
Digitale Dienste und Anwendungen sind unverzichtbar
Aber wofür wollen die Befragten überhaupt digitale Dienste und Anwendungen während der Feiertage nutzen? Auch hierzu liefert die Studie Antworten:
Als Unterhaltungsquelle, um zum Beispiel Filme, Serien oder Musik zu streamen (66 Prozent)
Als Zugang zu Nachrichten und Informationen (64 Prozent)
Als Möglichkeit, um etwa über Social Media oder Videotools Freunde und Familie zu kontaktieren (56 Prozent)
Aber obwohl Unterhaltungs- und Nachrichtenapps während der Feiertage voraussichtlich am meisten genutzt werden, sind die Verbraucher stärker besorgt, dass andere digitale Dienste von einer Störung oder einem Ausfall betroffen sein könnten. Dies betrifft die „Heilige Dreifaltigkeit“ der Apps. Dazu zählen:
Messenger-Anwendungen, mit denen sie ihre Liebsten kontaktieren wollen (53 Prozent)
Onlineshops, bei denen sie Last-Minute-Geschenke oder Zutaten für das Weihnachtsessen kaufen müssen (46 Prozent)
Banking-Apps, mit denen sie wichtige Transaktionen tätigen müssen (45 Prozent)
Chance und Risiko zugleich
Anhand dieser Sorgen wird deutlich, wie wichtig digitale Services und Anwendungen heute sind, gerade auch an Feiertagen. Entsprechend glaubt einer von drei Befragten (30 Prozent), dass er im Falle einer solchen Störung Schwierigkeiten haben wird, so viel Spaß wie sonst zu haben. Jeder Fünfte (18 Prozent) glaubt sogar, dass er anfangen könnte, sich wie der Grinch aufzuführen – sprich schlecht gelaunt, wütend und gestresst. Das kann keiner wollen.
Für die Anbieter von digitalen Diensten und Applikationen steht deshalb in der Weihnachtszeit viel auf dem Spiel. Auf der einen Seite ist die Nachfrage nach ihren Services enorm hoch und sie können mit innovativen, intuitiven, sicheren und nahtlos funktionierenden Erlebnissen (neue) Kunden langfristig an sich binden. Auf der anderen Seite riskieren sie den Verlust von Kunden, Umsatz und ihrer Reputation, wenn sie genau solche Erlebnisse nicht anbieten können. Sie müssen diese Gefahr ernstnehmen und sicherstellen, dass ihre digitalen Services und Anwendungen auch während der Feiertage einwandfrei ihren Dienst tun – und etwaige Störungen schnellstmöglich behoben werden, am besten so, dass die Kunden gar nichts von ihnen mitbekommen.
*Methodik
Im Zeitraum vom 05. bis 16. Oktober 2023 wurden 12.004 Verbraucher in 12 Ländern zu ihren bevorstehenden Feiertagseinkäufen befragt. Die Altersgrenze betrug dabei 18 +. Unter den Befragten befanden sich 1.000 Verbraucher aus Deutschland.
Eine optimierte CX ermöglicht bessere Umsätze und eine nachhaltige Kundenbindung – egal ob die Absicht ein Online-Einkauf ist oder erst einmal eine Produktrecherche oder auch nur ein einfaches Stöbern: Sofort sollen relevante Inhalte aufgezeigt werden, womit das Engagement des Nutzers geweckt wird, das schließlich zum Kauf führt.
Gartner definiert die Customer Experience [1] als „die Wahrnehmungen des Kunden/der Kundin und die damit verbundenen Gefühle, die durch die einmaligen und kumulativen Auswirkungen der Interaktionen mit den Mitarbeitern, Systemen, Kanälen oder Produkten eines Anbieters verursacht werden.“ Kurz: Das Kundenerlebnis im Kontakt mit einem Unternehmen oder Geschäft.
Zufriedene Kunden kommen häufiger wieder und sind zudem über Owned-Kanäle direkt – und günstig – ansprechbar. Um regelmäßig neue Kunden zu gewinnen, aber auch um die wachsende Anzahl an Bestandskunden zufriedenzustellen, muss ein Onlineshop jederzeit relevant sein und auf die einzelnen Nutzerinteressen individuell eingehen. Er benötigt also eine Personalisierung, die dynamisch und flexibel auf die Nutzerinteressen eingeht. Das kann pro Nutzer in verschiedenen Situationen ganz unterschiedlich sein.
Google hat uns allen über Jahre beigebracht, dass wir relevante Inhalte nur auf der ersten Seite finden. Auf den folgenden Seiten wird meist nur noch Irrelevantes angezeigt. Eher ändern wir die Suche, als dass wir auf den Folgeseiten suchen. Dieses Verhalten übertragen wir auch in die Onlineshops. Wir erwarten für uns relevante Inhalte auf der ersten Seite, ansonsten wechseln wir den Shop.
Im E-Commerce zählt jede Sekunde und jede Ansicht. Bei nur kurz nachlassender Aufmerksamkeit des Nutzers, zum Beispiel weil er auf den ersten Blick keine relevanten Produkte erkennt, werden sehr schnell potenzielle Käufer verloren. Besonders teuer wird das für den Shop-Betreiber, wenn Shop-Besucher beziehungsweise potenzielle Käufer über kostenpflichtige Kanäle aktiviert werden.
Herausforderungen
Zur passgenauen Personalisierung benötigt es eine legale und valide Datenbasis, deren Daten effektiv operationalisiert werden müssen. Um die CX über alle Kontaktpunkte, Englisch Touchpoints, zu erfassen (die berühmte, aber nie erreichte – und datenschutzrechtlich bedenkliche –
„360°-Perspektive“) sind umfangreiche Datensammlungen nötig, die pro Datenquelle einen expliziten Nutzer-Consent erfordern. Zudem müssten sich alle Nutzer bei jedem Besuch identifizieren, um alle Besuche, auch auf neuen Geräten oder nach gelöschten Cookies, immer einem Nutzer zuordnen zu können. Das ist nicht realistisch. Eine angebliche „360°- Perspektive“ ist also immer unvollständig.
Einige Lösungen, die vorgeben, „alle Touchpoints aller Kanäle“ zu personalisieren, erfassen zwar die jeweils verfügbaren Daten pro Kanal und personalisieren entsprechend. Aber es bleibt eine Personalisierung basierend auf dem Wissen aus unterschiedlichen Datensilos. Es werden eben nicht alle Daten aller Kanäle zusammengeführt und gemeinsam analysiert, um dann entsprechende Personalisierungen auszuspielen. Stattdessen ist dieses Vorgehen eher multi-parallel, aber ohne Erkenntnisgewinne aus der gesamten Datenbasis über alle Kanäle hinweg.
Bisherige Nutzer-Wiedererkennung schwindet
Auf Third Party Cookies basierende Ansätze sind insgesamt auf dem Rückzug, da Third Party Cookies meistens schon Browser-seitig geblockt werden. Sogar First Party Cookies werden oft automatisch vor dem Ablaufdatum gelöscht. In der Folge ist die Nutzer-Wiedererkennung stark reduziert mit der Konsequenz, dass wiederkehrende Nutzer oft als Neubesucher erfasst werden.
Im E-Commerce können 60 bis 80 Prozent (!) des ankommenden Traffics nicht direkt bekannten Nutzern zugeordnet werden. Ein Log- in in den jeweiligen persönlichen Accounts erfolgt oft erst während des Bezahlprozesses und damit zu spät für eine personalisierte Einkaufserfahrung. Persönliche Kundendaten, wie sie im Customer- Relationship-Management-System (CRM) erfasst werden, erscheinen in diesem Kontext wenig nützlich für eine Personalisierung des Traffics ab der ersten Impression, das heißt ab dem ersten Seitenaufruf.
Abhilfe schaffen hier die Session-Daten, was im Absatz „Personalisierung“ näher beleuchtet wird. Zunächst wird auf die Unterscheidung First- und Third-Party-Daten eingegangen:
First- und Third-Party-Daten
Viele Tools und Services im E-Commerce basierten in der Vergangenheit auf Third-Party-Daten und Third-Party-Profilen. Anbieter, deren Pixel auf vielen Webseiten implementiert waren, erstellten darüber pseudonymisierte Nutzerprofile mit den jeweiligen Produktinteressen. Informationen aus diesen Nutzerprofilen wurden dann zur Personalisierung genutzt.
Auf diese Weise konnten Customer Journeys über ganz verschiedene Webseiten von Drittparteien gemessen werden. Die gesammelten Informationen wurden genutzt, um den einzelnen Webseiten entsprechende Signale zu senden, personalisierte Angebote oder Werbung zu ermöglichen, oder auch die Höhe des Ad Biddings bei Banner- oder Suchmaschinenwerbung anzugeben. Der große Nachteil lag darin, dass weder Nutzer noch die einzelnen Webseitenbetreiber eine wirkliche Kontrolle über die erhobenen Daten und deren Einsatz hatten. In der Folge wurden solche Systeme misstrauisch betrachtet und folgerichtig durch die DSGVO neu geregelt.
Aus Sicht des E-Commerce-Betreibers lagen die Daten nicht in eigener Hand, ebenso wenig wie die Datenprozessierung, die zugrunde liegenden Analysen und die dafür genutzten Algorithmen. Die Marketing-, Werbe- und Verhaltensdaten der eigenen Kunden inklusive der E-Commerce- Daten über alle Besuche, Produktinteraktionen und Umsätze aber sind ein höchst wertvolles Gut. Aus strategischer Sicht sollte ein Unternehmen sehr gut überlegen, wie und von wem die Daten (inklusive der davon ableitbaren Metadaten) genutzt werden, und ob mit dem gewählten Partner oder Dienstleister kritische Abhängigkeiten oder gar Wettbewerbsnachteile entstehen könnten.
Aus Data-Ownership-Perspektive ist das Hosting auf fremden Plattformen oder Public Clouds ein Problem. Dies nicht nur wegen der operativen Kontrolle, sondern auch wegen der daraus resultierenden Datenschutzanforderungen.
Personalisierung: User-basiert vs. Session-basiert
Jede Personalisierungssoftware enthält eine „Decision Engine“ – also die Entscheidungseinheit –, um auf der gegebenen Datenbasis Entscheidungen zu fällen, wie sich die individuelle Personalisierung konkret ausgestaltet. Diese Datenaktivierung kann als „Rezept“ auf Basis der Nutzerdaten für die Ausspielung beim nächsten Besuch vorgehalten werden. So macht es eine Customer Data Platform (CDP).
Bei einer CDP hat die Datenaktivierung per „Rezept“ für den nächsten Besuch keine Echtzeitanforderungen und kann daher auch nachträglich eintreffende Daten berücksichtigen (zum Beispiel das Öffnen eines Newsletters). Sie reagiert aber nicht direkt auf das Nutzerverhalten in der aktuellen Session: Je nach Verhalten oder der gegebenen Datenpunkte wird ein Nutzer einem Segment zugeordnet. Pro Segment wird nach entsprechenden Regeln mit dem Ziel einer Konversion personalisiert. Dieser Ansatz bleibt auch bei automatisierten Regelwerken und komplexen Segmentdefinitionen relativ statisch: Zur Ausspielung von Personalisierungen wird eine Abfolge von Besuchen desselben Nutzers und dessen zwingende Wiedererkennung benötigt, um eine optimierte CX anzubieten.
Die Datenaktivierung kann aber auch in Echtzeit passieren, das heißt im Moment des Seitenaufrufs – dann auf Basis der Session-Daten und ohne einen Nutzer wiedererkennen zu müssen. So arbeitet eine Customer Engagement Platform (CEP) beziehungsweise eine Session-basierte Personalisierung.
Die Datenaktivierung in Echtzeit erfordert extrem schnelle Daten- banksysteme, weil die Analysen, Entscheidungen und Ausspielungen ohne merkliche Verzögerung in der laufenden Session passieren müssen. Der ganze Ausspielungsprozess darf nur wenige Millisekunden dauern, wenn eine gute CX geboten werden soll. Wenn also ein Nutzer die Kategorie wechselt oder Produkte einer bestimmten Größe oder Farbe auswählt oder andere Interaktionen tätigt, muss ein Echtzeitsystem sofort darauf reagieren – nicht nur als Filter, der das angezeigte Angebot eingrenzt, sondern auch bezüglich der individuellen Relevanz der angezeigten Produkte oder Elemente: Nutzer, die den gleichen Produktfilter verwenden, sind nicht unbedingt vom selben Typ. Referrer, Gerätetyp, Geolocation und viele weitere anonyme Datenpunkte können signifikante Unterschiede machen. Eine Echtzeitpersonalisierung muss diese Aspekte berücksichtigen und darf nicht nur produktzentrisch agieren (das ist beispielsweise der Fall, wenn gefilterte Listen für alle Nutzer gleich aussehen) oder ein Regelwerk haben, das auf Basis nur eines Datenpunktes zwischen zwei Varianten einer Ansicht entscheidet (zum Beispiel Neubesucher vs. Wiederkehrer).
Was ist Relevanz?
Es stellt sich angesichts des mehrheitlich unbekannten Traffics also die Frage, wie man auch ohne Kenntnis der Person trotzdem für jeden User individuelle und vor allem relevante Inhalte anbieten kann. Personalisierung basiert auf individuell relevanten Datenpunkten. Oft denkt man dabei nur an Personendaten wie Name, Adresse, Kaufhistorie, Demografie und so weiter, wie sie auch in einem CRM-System erfasst werden. Diese Daten aber sind für den unbekannten Traffic nicht anwendbar.
- Abb. 2: Abbildung einer Korrelationsanalyse im Aster-Chart zum Kaufverhalten. Es zeigt, wie sich die verschiedenen Nutzerattribute auf die gekauften Produkte auswirken. Je höher der Wert, desto differenzierender sind die einzelnen Ausprägungen eines bestimmten Nutzerattributs: Zum Beispiel kaufen Nutzer, die über verschiedene Marketingkanäle kommen, signifikant unterschiedliche Produkte -
Es gibt aber auch bei unbekannten Besuchern viele nutzbare
unpersönliche (Meta-)Daten wie die Zeit, der Ort, der Gerätetyp, das Betriebssystem, der Referrer und viele mehr sowie
das Nutzerverhalten in der laufenden Session mit Informationen über Ansichten, Klicks, Bestellungen, Werbeeinspielungen et cetera.
Die Kombination dieser vielen unpersönlichen Datenpunkte erlaubt ebenfalls eine Personalisierung und das sogar ab sofort und noch vor einer Nutzerwiedererkennung.
Eine solche Session-basierte Personalisierung lässt sich viel leichter mit Daten aus anderen Kanälen verbinden. Es muss keine Visitor-Journey über einen bestimmten Zeitraum und über verschiedene Datenquellen hinweg ermittelt werden, sondern es werden alle Interaktionen aus allen Datenquellen gemeinsam betrachtet. Daraus ergeben sich detaillierte Erkenntnisse, zum Beispiel, welche Produkte zu welchen Zeiten angeschaut und gekauft wurden oder welche Präferenzen Apple Mobile User gegenüber Android Usern haben oder welche die beliebtesten Produkte sind abhängig vom Gerätetyp, Browser und so weiter.
Die Session-basierte Personalisierung kann gegenüber unbekannten Nutzern nicht „Hallo Frau Müller“ ausspielen, sie kann aber individuell relevante Produkte für User wie Frau Müller ausspielen. Und sie kann in Echtzeit mit jedem Klick während einer laufenden Session „dazulernen“ und entsprechend schärfer, das heißt relevanter, personalisieren. Sie muss also nicht erst bis zum nächsten Besuch warten, sofern dieser denn stattfindet.
Am Beispiel von Produktempfehlungen (Englisch product recommendations) kann Relevanz gut erklärt werden. Heutzutage hört man häufig von sinkenden Konversionsraten beim Einsatz einer typischen Recommendation Engine. Zu beachten ist der qualitative Unterschied zwischen den beiden folgenden Aussagen:
1. „Kunden, die Produkt X gekauft haben, haben auch Y und Z “
2. „Kunden wie Du, die Produkt X gekauft haben, haben auch Y und Z “
Aussage 1 ist eine rein produktzentrische Empfehlung über alle Kunden hinweg. „Kunden wie Du“ dagegen (Aussage 2) ist eine persönlich ungleich viel relevantere Aussage (und zeigt auch andere Produkte an), weil die „Kunden wie Du“ ein viel passenderes, also relevanteres, Segment sind: Ein Segment, das nicht vordefiniert ist, sondern in Echtzeit und auf Basis der Datenpunkte des aktuellen Users und im Vergleich mit der gegebenen Datenhistorie dynamisch gebildet wird.
Es gibt einerseits die User-basierte Personalisierung, bei der Personen- daten genutzt werden und eine mindestens pseudonymisierte Nutzerwiedererkennung über verschiedene Touchpoints hinweg und den wiederkehrenden Besuchen erfolgt und das „gelernte“ Nutzerinteresse zur Personalisierung des nächsten Besuchs verwendet wird. Andererseits gibt es die Session-basierte Personalisierung, die das Momentum als relevanter als eine vorangegangene Customer Journey ansieht, und welche mit Echtzeitanalysen und Echtzeit-Datenaktivierungen in der aktuellen Session arbeitet.
Beide Varianten können Empfehlungen grundsätzlich User-zentrisch oder produktzentrisch ausspielen. Die aktuellen Erfahrungen mit Recommendation Engines zeigen aber, dass rein produktzentrische Empfehlungen (Aussage 1) weniger erfolgreich sind als Produkt- empfehlungen, die auf dem gleichen User-Typ basieren (Aussage 2).
Datenoperationalisierung & Datenaktivierung in Echtzeit
Eine Session-basierte Personalisierung kann als Alternative oder auch als Ergänzung zur lang etablierten User-basierten Personalisierung gesehen werden: Die Session-basierte Personalisierung benötigt keine Personendaten, sondern fokussiert auf die laufende Session – und somit dem aktuellen Moment, in dem sich ein User befindet: Zum Beispiel morgens mobil von unterwegs oder abends daheim am Desktop-PC. Es ergibt sich ein anonymes, aber trotzdem hinreichendes individuelles Nutzerprofil.
Dieser Ansatz erlaubt es auch, auf eine untypisch verlaufende Session adäquat zu reagieren: Das anonyme Datenprofil kann entsprechend der jeweiligen Ausprägung der Session durch wechselnde Kategorien, genutzte Filter oder durch andere Interaktionen gegenüber den entsprechenden Sessions mit gleicher Ausprägung aus der Datenhistorie analysiert werden. Daraus kann bei jedem Klick eine neue Analyse erfolgen, die entsprechende Auswirkungen auf die persönliche Relevanz hat. Die Analyse muss zwingend in Echtzeit passieren, damit eine personalisierte Ausspielung ebenfalls sofort erscheint.
Datenaktivierung in Echtzeit ist nicht trivial – aber sehr ergiebig. Es benötigt eine Datenbasis (circa die letzten sechs bis zwölf Monate), um statistisch signifikante Ergebnisse zu erzielen. Im ersten Schritt sind dafür die beiden Datenquellen Webtracking und Produktdaten völlig ausreichend. Diese Datenbasis besitzt in der Regel jedes E-Commerce- Unternehmen, und zwar als First-Party-Datensatz.
Use Case
Beispielhaft sei hier ein Use Case genannt, der für den E-Commerce typisch ist:
Ein Nutzer klickt auf eine Werbeanzeige und landet auf dem verlinkten Onlineshop.
Damit sind bereits einige Datenpunkte aus der Webanalyse gegeben: Tag, Zeit, Geolocation, Gerätetyp, Browser, Betriebssystem, Referrer und so weiter – alles anonyme Session-Daten, die aber schon aufzeigen, welche Variantenvielfalt es hier gibt. Dazu kommen die demografischen Daten, die der Ad-Server liefert, zum Beispiel weiblich und 40 bis 50 Jahre alt. Ferner könnten auch weitere Datenquellen, zum Beispiel die zur Geolocation und dem Datum passenden Wetterdaten, Veranstaltungsdaten oder Saisonalitäten vorliegen; so zum Beispiel: sonnig, 15 bis 20° C, Ferienbeginn.
So ergibt sich für diese Nutzerin bereits vor einer möglichen Wiedererkennung ein Bild:
Aus den Session-Daten der Webanalyse: Sonntag, 17 Uhr, Köln, iPad, iOS 14, Safari
Vom Ad-Server: weiblich, 40 bis 50 Jahre alt
Externe Daten: sonnig, 20° C, erstes Ferienwochenende in Nordrhein- Westfalen
Mit diesen Datenpunkten kann eine tiefgehende Echtzeitanalyse stattfinden, die „Nutzer wie Du“ aus der Datenhistorie und damit auch deren Verhalten wie Product Views, Klicks, Add to Baskets et cetera identifiziert und die Käufe der „Nutzer wie Du“ auswertet. Die Präferenzen der so gefundenen „digitalen Geschwister“ – der individuellen Peer Group – lassen eine relevante Personalisierung für die aktuell aktive Nutzerin zu, denn entsprechend der Signifikanz der identifizierten Präferenzen der Peer Group werden passende Inhalte angezeigt. Wichtig ist hierbei, dass nach hinreichend ähnlichen Nutzern gesucht wird, aber nicht nach identischen. Letztere wären aufgrund der vielen Varianten der gegebenen Datenpunkte zu wenige.
Die Präferenzen werden in dem hiesigen Use Case in Form einer sortierten Liste der anzuzeigenden Produkte abgebildet. Zur optimalen Sortierung werden Product Scores eingesetzt, welche die Interaktionen mit den Produkten durch die individuelle Peer Group berücksichtigt. Natürlich bedarf es hier einer Sortimentssteuerung, um die Gewichtung des Scorings anzupassen. Das ist nötig für die Anpassung des Algorithmus auf Marketingmaßnahmen, dem Erscheinen neuer Produkte oder auch dem gezielten Abverkauf von Restposten. Eine Sortimentssteuerung muss erlauben, dass die jeweiligen Sales- und Marketingstrategien vom Algorithmus vollständig unterstützt werden. Das Ergebnis bleibt weiterhin datengetrieben und individuell relevant, aber es werden für bestimmte Produkte entsprechende Gewichtungen gesetzt.
Wenn die Nutzerin aus dem hier einschlägigen Use Case nun noch einen Filter benutzt, um zum Beispiel die Kleidergröße und das Preissegment festzulegen, sind diese beiden weiteren Datenpunkte verfügbar. Damit kann die Echtzeitanalyse erneut durchgeführt werden und eine noch relevantere sortierte Liste die individuell am wahrscheinlichsten präferierten Produkte ausspielen. Man könnte auch von einer Wette auf eine Prediction sprechen: Mit jeder personalisierten Ausspielung interagiert der Nutzer – oder auch nicht, was das Webtracking stets erfasst. So „lernt“ das System über die Zeit, ob die angezeigten Produkte relevant waren oder nicht und kann den Algorithmus anpassen.
Nun hat die Nutzerin eines der angezeigten Produkte angeklickt und landet auf der Produktdetailseite. Dort wählt sie das Produkt in einer bestimmten Farbe. Der nächste Datenpunkt ist verfügbar und die Analyse kann erneut durchgeführt werden. So ist zusätzlich eine höchst relevante Empfehlung auf der Produktseite möglich, die reflektiert, wie sich ähnliche Nutzerinnen verhalten haben. Aber was soll man einer Kundin im Sommer anbieten, die zuletzt eine Winterjacke gekauft hat? Die Produkte anzuzeigen, die alle Winterjacken-Käufer mehrheitlich kauften, ist nicht persönlich relevant. Aber die Produkte anzuzeigen, die von der persönlichen Peer Group gekauft wurden, ist relevant.
Diese Form der Session-basierten anonymen – aber signifikant relevanten – Personalisierung funktioniert natürlich auch bei jedem anderen Referrer, also jeder anderen Inspirationsquelle als eine Werbeanzeige und ebenso für den Direct Traffic.
Aber auch Display-Werbung kann so für unbekannte Nutzer personalisiert werden. Dabei muss die Echtzeitanalyse stattfinden, wenn das Bidding gewonnen wurde, aber noch bevor das Banner eingeblendet wird. Dieses Zeitfensterbeträgtinder Regel nurvier Millisekunden. Einpersonalisiertes Banner kann zum Beispiel ein für den jeweiligen Nutzer relevantes Produkt zeigen oder auch eine andere Bannervariante hinsichtlich des Designs oder der Kernaussage. Wichtig ist dann, dass nach einem Klick auf das Banner die Personalisierung im Onlineshop nahtlos weitergeht (wie anfangs beschrieben) und das mit dem Werbebanner ausgespielte Produkt sofort im Shop prominent angezeigt wird.
Fazit
Mit dem beschriebenen Ansatz der Session-basierten Personalisierung für die CX-Optimierung konnten die Autoren bei ihren Kunden zum Beispiel eine Steigerung der Klickraten bei Banner-Werbung um 300 Prozent erreichen. Dabei wurden signifikant mehr Neukunden erreicht und der Umsatz stieg um 14 Prozent.
Bei Mobilgeräten sind die Ergebnisse besonders ausgeprägt. Aufgrund des kleineren Bildschirms müssen schon die ersten angezeigten Produkte eine hohe persönliche Relevanz haben, um die Aufmerksamkeit und folglich das User-Engagement zu erhalten. Für Mobilgeräte sind Steigerungen der Konversionsraten und Umsätze von 15 bis 20 Prozent nicht selten.
Nachhaltig positiv auf die Geschäftszahlen wirkt aber auch der so erzeugte datengetriebene Prozess für die Aussteuerung der Personalisierungsstrategien im Einklang mit der Sortimentssteuerung. Analysten, Marketing-, CRM und Shop-Manager arbeiten so enger und auf genau derselben Datenbasis zusammen, welche die eingebundenen Datensilos effektiv miteinander verbindet – statt sie nur parallel zu nutzen oder gar nur zu verwalten. Die Kunden der Autoren profitieren durch eine solch datengetriebene Personalisierungsstrategie von jährlich wachsenden Performance- und Umsatzwerten.
„Das Feedback, das Kunden auf Bewertungsplattformen im Internet abgeben, wirkt sich fundamental auf den Erfolg einer Marke aus. Mangelhafte Produkte oder schlechter Service können ein Unternehmen heute schnell in den Ruin treiben. Eine Handvoll verärgerter Kunden reicht, um in den sozialen Medien einen Shitstorm auszulösen und dem Ruf einer Marke nachhaltig zu schaden. In einigen Fällen macht sich der Konsument aber gar nicht erst die Mühe, sich zu einer schlechten Erfahrung zu äußern, denn es kostet ihn nur wenige Klicks, um zum nächsten Anbieter zu gelangen.“ (Alexander Hancock 2020)
Hintergründe
Es klingt sehr einfach und wird vielfach auch so dargestellt: Software implementieren und Fragen zum Einkaufserlebnis an die Kunden schicken – und schnell werden die Fehler abgestellt. Das aber ist Minestrone von gestern. Schon in den achtziger Jahren wurden Kunden quer durch die Adressenstruktur angeschrieben und zu ihrem Eindruck von dem letzten Filial- oder Werkstattbesuch befragt. Damals hieß das noch Kundenzufriedenheit und erbrachte eher magere Ergebnisse.
Mager aus verschiedenen Gründen: Der Rücklauf war eher gering, 10% bis 15% waren ohne Incentivierung schon viel. Der inhaltliche Ertrag ebenso, denn meistens war seit dem letzten Besuch schon einige Zeit verstrichen, so dass eher die oftmals wenig ausgeprägte Erinnerung wiedergegeben wurde. Und in der Regel wurde eine Stichprobe aus dem gesamten Kundenstamm oder eine grob definierten Zielgruppe (bspw. 65+ Jahre, höhere Einkommen, Kreditkartennutzer) angeschrieben und wie in einer Gemüsesuppe waren dann Gelegenheits- und Vielnutzer, Early Adopter und Nesthocker, Begüterte und Sparsame (und beides) in den Ergebnissen vertreten.
Ist das heute anders? Die schiere Zahl an beantworteten Fragen scheint keine Rolle mehr zu spielen, denn kontinuierlich werden Kunden, Besucher und Nutzer kontaktiert. Doch denken Sie an die letzten Feedbackfragen: Wie sieht es mit der Bewertungsfähigkeit aus? Bei manchen Online-Shops liegt die Feedback-Anfrage früher im (E-Mail-)Postfach als der bestellte Gegenstand im Briefkasten. Gefragt wird nicht nach dem Bestellvorgang (der, weil abgeschlossen, ja beurteilt werden kann), sondern nach dem (noch nicht eingetroffenen) Produkt. Und wenn dieses nicht gleich nach Erhalt benutzt wird, gerät die Feedback-Anfrage aus dem Blickfeld – im wahrsten Sinne des Wortes – oder scrollen Sie täglich durch Ihren E-Mailbestand, um alte Feedbackanfragen zu finden?
Fehler und Problematik
Problematisch wird es, wenn zum Beispiel vor dem Hintergrund einer Urlaubsrundreise eine ganze Reihe von Dienstleistern unabhängig voneinander den Kunden kontaktieren. Dann kreuzen sich die Fragen von Fluggesellschaft, Portalbetreiber, Hotel(s) und Autovermietung. Die Fragebögen landen per E-Mail einige Tage nach der Nutzung des Dienstleisters im Postfach, da ist der Reisende vielleicht schon 800 Kilometer und tausend Urlaubseindrücke weiter. Und wenn der Reisende alle zwei Tage den Standort wechselt, dann stauen sich die Feedbackbitten im Postfach.
Ist der Angeschriebene so freundlich, die ersten Fragen zu beantworten, fächern immer weitere auf, das Programm soll ja den Gast fragentechnisch so weit wie möglich ausschöpfen. Dann reichen die Fragen von der Hotelauswahl über den Buchungsprozess und den Aufenthalt bis zum möglichen Wiederkommen. Der Gast gibt irgendwann erschöpft auf – wenn er nicht schon bei der ersten sogenannten Pflichtfrage den Fragebogen schließt. Eine Pflichtfrage ist oft mit einem * gekennzeichnet und ohne Beantwortung kann die nächste Frage nicht aufgerufen werden.
Eine solche Vorgehensweise macht unseres Erachtens prinzipiell keinen Sinn, denn warum auch soll sich der kontaktierte Kunde zu einer Antwort zwingen lassen? Wo bleibt die Augenhöhe zwischen König Kunde und Dienstleister? Ist es den Absendern egal, wie die realiter vielleicht nicht mögliche Antwort als konstruierte ausfällt? Fällt niemandem der Widerspruch auf, Kundenerlebnisse als Highlight gestalten zu wollen und das Kundenerlebnis Fragebogenbeantwortung nicht als partnergleiche Wertschätzung zu begreifen? Im Gegensatz zum vielbeschworenen Kunden als König im digitalen Zeitalter ist er immer noch der Zahlenknecht – der unbezahlte Produzent zwangsrekrutierter Daten zu einem Kundenkontakt. Der Motivationsknochen, den die Feedbackorganisatoren als Belohnung bereithalten, zielt darauf ab, die befragten Kunden glauben zu lassen, dass sich an den möglichen Zuständen im Unternehmen (Shop, Airline, Hotel) etwas zum Positiven ändert oder das als positiv Erlebte auch so Bestand hat.
Ist das so? Helfen die Bewertungen auf den Portalen wirklich – sind sie so zielgruppengenau, dass ich als Zielgruppenmitglied damit etwas anfangen kann? Wenn ich als Reisender Hotelbewertungen analysiere, sehe ich nicht, zu welcher Reisezeit die Gäste unterwegs waren. Sind die Älteren gerade in der Hauptreisezeit unterwegs und erleben nur das Gewusel der Kinder im Strandhotel? Ist die paradiesische Ruhe immer gegeben oder der äußersten Nebensaison geschuldet? Ist das Essen grandios, weil es zuhause nur Pellkartoffeln gibt – oder ist es schlecht, weil im eigenen Schloss jeden Morgen Stör auf silbernem Tablett serviert wird? Was bedeutet die Bewertung, das Hotel hat meine Erwartungen übertroffen, wenn ich keine hatte – und umgekehrt, wenn ich die Sauberkeit lobe, bedeutet das, das die von mir besuchten Hotels sonst alle heruntergekommene Bruchbuden sind? Sagen Sie nicht, dass diese Ungenauigkeiten eher ein Auswertungsproblem sind. Es fehlen die Vorfragen zu einer solchen Darstellung – aber solche machen den Fragebogen noch umfangreicher.
Zuweilen fehlt der konkrete Bezug oder zumindest der Kontext, in dem der Inhalt einer Frage eingeordnet werden kann. Eine große deutsche Bahngesellschaft hat in einer ihrer Umfragen auch wissen wollen: „Wie zufrieden waren Sie mit Ihrem Erlebnis im Nahverkehrszug?“ Es wurde in den vorhergehenden Fragen weder ein Erlebnis abgefragt noch eines dargestellt. Es handelte sich um eine Fahrt spät am Abend, hatte der Befragte da eine Vorstellung verpasst?
Nach einem Flug wurde gefragt, wie die „Sauberkeit der Kabine bei Abflug“ und der „Zustand der Kabineneinrichtung“ bewerten wird. Wissen Sie, was Sie beim Abflug machen? Sich in Ihrem Sitz sortieren, die Nachbarn begutachten und das Abheben des Flugzeugs genießen? Die Kabine ist mindestens 30 Sitze lang und egal wo man sitzt, die Reihen hinter einem nimmt man nicht wahr und von den Reihen davor vielleicht die nächsten zwei. Beim Durchgang zu Ihrem Platz konzentrieren Sie sich intensiv darauf, keinen schon sitzenden Passagier mit dem Handgepäck zu treffen und keinen vor Ihnen laufenden und abrupt haltenden Passagier umzustoßen. Wer hat da ein Auge auf die restliche Kabineneinrichtung? Was der Fluggast beurteilen kann ist die Sauberkeit der Kabine beim Verlassen – und da sieht es oft so aus, wie in Tierschutzfilmen über überbelegte Ställe berichtet wird. Da kann aber das Kabinenpersonal nichts dafür. Sehr gut beurteilen kann man die Sauberkeit an und um den eigenen Sitzplatz – aber das wurde nicht gefragt.
Wir haben uns schon oft überlegt, ob CX-Manager, Feedback-Verantwortliche oder auch nur für Betriebsprozessoptimierungen zuständige Personen jemals den eigenen Fragenbogen als Betroffene beantworten oder deutlich verstehen, was ein Gast eigentlich beurteilen soll. Oder umgekehrt gefragt: Was machen die Verantwortlichen eigentlich mit den Antworten?
Key Learnings
Customer Experience Management sollte mit der Überlegung starten, welche Zielsetzung mit dem Feedback-Prozess verfolgt werden soll: a) Kundenkommunikation nach einem Kontakt, nach dem Motto: Auch wir kümmern uns um unsere Kunden b) oder Betriebsprozessoptimierung c) oder Erlebnisoptimierung? In diesem Fall müsste auch eruiert werden, welche Punkte ein Wettbewerber besser erfüllt, oder welche Augenmerke bzw. Services dem Gast gefehlt haben oder ihm das Gefühl gegeben hätten, beim gegebenen Anbieter am besten betreut zu werden.
Die eingesetzten Fragen sollten präzise, eindeutig in Formulierung und Inhalt und auf die Erinnerungsfähigkeit hin konzipiert sein.
Nicht jeder Kunde muss zu jeder Produktnutzung oder Aufenthalt detailliert befragt werden. Bei der Masse an Feedbackrückläufern reichen Mosaiksteine, die über Data Mining gut miteinander verbunden werden können. So reichen wenige Fragen, um ein genaues Bild zu erstellen.
Wenn Sie voreingestellte Feedbackfragen eines Plattformanbieters nutzen: Denken Sie selbst über die Fragenkonstruktion und ihre Wirkung auf die angeschriebenen Personen nach. Denn Sie sind für Ihre Kunden der Absender.
Streichen Sie Pflichtfragen: Sie sind ein Zeichen von Respektlosigkeit gegenüber dem Willen des Befragten, auszudrücken, was er/sie zu verstehen geben möchte. *-Fragen konterkarieren die hervorgehobene Wertschätzung und sind damit kontraproduktiv.
Literatur
Hancock, Alexander (2020): Entitled Customer: Der Konsument im digitalen Zeitalter, https://plus.marketing-boerse.de/fachartikel/details/2008-entitled-customer-der-konsument-im-digitalen-zeitalter/164441
Keller, Bernhard (2017): Die 7 größten Fehler im Feedback-Prozess, https://www.email-marketing-forum.de/fachartikel/details/1750-die-7-groessten-fehler-im-feedback-prozess/142450
Keller, Bernhard & Sören C. Ott (Hrsg, 2020): Touchpoint Culture. Alle Bereiche des Unternehmens konsequent auf den Kunden ausrichten, Freiburg (Haufe)
Mergener, Alexandra & Jean Philippe Décieux (2018): Die “Kunst” des Fragenstellens, in: Keller, B.; Klein, H.-W.; Wirth, Thomas (Hrsg.): Qualität und Data Science in der Marktforschung, Wiesbaden (SpringerGabler)
Fehler und Fallen im Feedback-Prozess © Pixabay / Annalise Batista