Targeting und Personalisierung in E-Commerce und Versandhandel

In Zeiten von Lockdown bedingten Ladenschließungen haben E-Commerce und Versandhandels-Angebote eine zuvor nicht bekannte Rolle eingenommen. Obwohl im E-Commerce bereits in den vergangenen Jahren stets zunehmende Umsätze verzeichnet wurden, sind laut bevh die Umsätze im E-Commerce 2020 in Deutschland im Vergleich zum Vorjahr nochmals um 14,6% gestiegen und entsprachen einem Gesamtumsatzvolumen von 83,3 Milliarden Euro. Waren des täglichen Bedarfs wie Lebensmittel, Drogerie-Artikel aber auch Medikamente stellten die stärksten Wachstumstreiber dar. Auch für 2021 wird weiterhin ein erhebliches Wachstum von 12,5% prognostiziert (bevh, 2021). Was für Anbieter wie ein Segen erscheint geht auch mit vielen Herausforderungen einher. Dazu gehören nicht nur technische Aspekte wie die Belastbarkeit der Plattform, Verfügbarkeit der Produkte oder schnelle Lieferzeiten, sondern auch Kundenbindung und die stets steigende Erwartungshaltung der Kunden an die Customer Experience. 

Die Situation hat gezeigt, wie wichtig eine regelmäßige, ereignisbasierte und zielgerichtete Kundenkommunikation ist. Besonders im B2C muss durch den Wegfall von persönlicher Nähe und Kundenerlebnissen im Laden Kundenbindung nun über andere, vor allem digitale Wege, aufgebaut werden. Besonders E-Mail-Marketing hat hier eine zentrale Rolle eingenommen und wird als primäres Kundenbindungsinstrument eingesetzt (ecommerce Magazin, 2021). Während des ersten Lockdowns 2020 wurden ca. 40% mehr shopping-relevante E-Mails versendet (EmailMarketingBlog, 2020). Um einerseits relevante Informationen im richtigen Moment zur Verfügung stellen und andererseits aus der E-Mail-Flut der verschiedenen Anbieter hervorzustechen, muss die Kundenkommunikation zielgerichteter und intelligenter werden. Hier kommen Targeting und Personalisierung mittels Customer Analytics ins Spiel. Dabei werden Kunden- und Transaktionsdaten mithilfe verschiedener Analysemethoden systematisch untersucht, um neue Erkenntnisse über die eigenen Kunden zu generieren und diese für eine personalisierte und relevante Kommunikation einzusetzen. Im Folgenden stellen wir verschiedene Ansatzpunkte für Customer Analytics in E-Commerce und Versandhandel vor.

1. Die eigenen Daten kennenlernen und erste Zielgruppen erstellen

Für die Erstellung von Zielgruppen ist es entscheidend, aus der Vielzahl an Informationen unterscheidbare Merkmale zu finden, d.h. für das menschliche Gehirn überschaubare, nachvollziehbare und markante Informationen. Hierfür lohnt es sich, die Daten mithilfe eines Dashboards zu visualisieren. Neben demographischen Aspekten, wie der Altersverteilung und dem geographischen Standort der Kunden, lässt sich hier auch tiefer in transaktionsbezogene Daten einsteigen. 

Altersverteilung der Bestandskunden (diese und alle nachfolgenden Darstellungen basieren auf fiktiven Daten) - erstellt mit Apteco Orbit 

So kann beispielsweise der Bestellwert und die Anzahl der Bestellungen pro Kunde festgestellt werden. Aber auch Aspekte, wie die Anzahl der vergangenen Tage zwischen zwei Bestellungen geben wichtige Aufschlüsse und ermöglichen es, eine Zielgruppe mit Reaktivierungspotenzial zu ermitteln.

Durchschnittliche Anzahl Tage zwischen zwei Bestellungen - erstellt mit Apteco Orbit

Um schnell einen guten Versandzeitpunkt für eine Kommunikation zu bestimmen, kann ein Blick auf die Reaktionen nach Wochentagen und Uhrzeiten Aufschluss geben. Hier in unserem Beispiel sehen wir, dass typischerweise freitags gegen 11 und 12 Uhr die Response-Raten am besten ausfallen.

Reaktion nach Wochentag und Uhrzeit aufgeschlüsselt - erstellt mit Apteco Orbit

Auf diesem Weg lassen sich mit nur wenigen Klicks bereits markante Zielgruppen anhand unterschiedlichster Kriterien identifizieren und für Kampagnen nutzen. 

2. Profiling und Scoring nutzen 

Einen Schritt tiefer in die Kundendatenanalyse geht man beim Profiling und Scoring. Anhand verschiedener Kundenmerkmale wird ein Kundenprofil erstellt. Im Anschluss daran wird im Gesamtmarktpotenzial oder in der eigenen Kundenbasis nach anderen Kunden gesucht, die diesem Profil möglichst ähnlich sind. Hier spricht man von sog. Look-a-Likes. Im nächsten Schritt wird dann ein Score vergeben – je ähnlicher ein anderer Kunde ist, desto höher fällt der Score aus. Die Kunden mit den höchsten Scores bilden dann wiederum eine Zielgruppe. Dieses Prinzip findet in unterschiedlichen Fällen Anwendung, darunter: 

- Churn Prevention: Die Ausgangsanalysegruppe bilden Kunden, die in der Vergangenheit abgewandert sind. Ziel ist es anhand deren Profil andere, abwanderungsgefährdete Kunden zu identifizieren und rechtzeitig entsprechende Gegenmaßnahmen zu ergreifen. 

- Cross- / Up-Sell: Hier wird die Ausgangsanalysegruppe von Kunden gebildet, die bereits ein bestimmtes Produkt in der Vergangenheit gekauft haben. Anhand deren Profil werden diejenigen Kunden ermittelt, die zwar ein ähnliches Profil haben, dieses Produkt aber noch nicht gekauft haben und es entsprechend angeboten bekommen sollen.   

- Next Best Customer: Hier fallen die sog. Top-Kunden in die Ausgangsanalysegruppe. Um diese zu definieren kann in einem vorherigen Schritt zum Beispiel die RFM-Analyse zum Einsatz kommen. Geht man hier nach dem gleichen Verfahren vor, identifiziert man diejenigen Kunden, denen man in der Zukunft besondere Aufmerksamkeit schenken sollte.  

- Neukundengewinnung: Im Gegensatz zu den drei anderen Varianten sucht man hier nicht in den eigenen Bestandskundendaten nach Look-a-Likes sondern im Gesamtmarktpotenzial. Die benötigten Daten hierfür können von entsprechenden Anbietern erworben werden. Als Ausgangsanalysegruppe können verschiedene repräsentative Kundengruppen dienen. 

3. Warenkorbabbruch optimieren 

Der Warenkorbabbruch gehört zu den Must-Haves unter den Kampagnenstrecken im E-Commerce. Der richtige Zeitpunkt ist hier besonders wichtig – die Erinnerung soll zeitnah erfolgen, aber eben auch nicht zu direkt. Typischerweise folgen Warenkorbabbruchstrecken einem festen Schema – d.h. es wird zu einem ganz bestimmten Zeitpunkt nach dem Abbruch genau das wieder angeboten, was im Warenkorb lag. Hier liegt aber Potenzial für mehr Individualisierung: 

- Der Zeitpunkt, zu dem reagiert wird, kann variabel gewählt werden – abhängig davon, wann der Kunde am empfänglichsten ist oder auch vom Wert des Warenkorbs. Je höher der Wert, desto wahrscheinlicher ist es, dass der Kunde eine längere Bedenk- oder Recherchezeit benötigt.  

- Auch der Inhalt kann individuell angepasst werden, d.h. soll genau der Inhalt, den der Kunde bereits in den Warenkorb gelegt hat, angeboten werden oder soll auch zusätzlich ein Produkt, das zu den bereits gewählten oder zum allgemeinen Kundenprofil passt, angeboten werden? 

Dies sind einige mögliche Erweiterungen beim Warenkorbabbruch, die durch die Kombination von Customer Analytics mit eventbezogener Kampagnenautomation ermöglicht werden. 

4. Mut zu neuen Kanälen

Neben E-Mail gibt es noch weitere Kanäle, die einen hohen Personalisierungsgrad ermöglichen und den Kunden direkt zuhause erreichen. Ein bislang noch eher wenig genutzter Kanal ist SMS. Auch wenn der Kanal in Zeiten von WhatsApp und Co. etwas altmodisch erscheint, verzeichnen SMS-Benachrichtigungen hohe Responseraten. Bis zu 88x pro Tag schauen die Deutschen im Durchschnitt auf ihr Smartphone und die Öffnungsraten von SMS liegen durchschnittlich bei ca. 98% im Vergleich zu lediglich 22% bei E-Mails (TrustedShops, 2020). 

SMS sind dabei nicht nur persönlich und bringen die Botschaft aufgrund der begrenzten Zeichenzahl direkt auf den Punkt, sondern können auch blitzschnell versendet und mit Mobile Wallets verknüpft werden. Auf diesem Weg kann z.B. ein über eine SMS abgerufener Rabatt-Coupon direkt im Wallet des Nutzers abgelegt werden. 

 

Von der Zielgruppe, über den Inhalt, die Kampagnenstrecke und den Kanal haben wir hier nun unterschiedlichste Ansätze für verschiedenste Schwierigkeitsgrade gesehen, die eine relevante und intelligente Kundenkommunikation im E-Commerce ermöglichen. Die Basis bilden Targeting und Personalisierung mithilfe der Kundendaten.  

Lesen Sie in unserer Fallstudie mit der Outfitmarke BRAX, wie Targeting und Personalisierung erfolgreich in der Praxis angewendet werden

>> Zur Fallstudie

 

Apteco ist Preferred Business Partner des bevh

Als Preferred Business Partner sind wir verifizierter Anbieter im Dienstleisterverzeichnis des Bundesverbands für E-Commerce und Versandhandel. Diverse Branchen- und Verbandsmitglieder vertrauen bereits auf unsere Software-Lösungen für Customer Analytics und Campaign Automation und profitieren von passgenauem Targeting für ihre Kunden. 

>> Weitere Informationen zu unserer Partnerschaft mit dem bevh