Bild: sorbetto/istockphoto.com
1. Die Personas
Zunächst muss eine Merkmalliste zu den Personas entwickelt werden, anhand derer diese erkannt werden können. Ein Möbelhändler definiert beispielsweise (unter anderem) Personas wie Julia (jung, berufstätig und gesellig, liebt kreative Einrichtungsideen) oder Max (Student, sucht nur gelegentlich preiswerte Möbel).
2. Merkmale definieren
Im echten Leben würde jeder Verkäufer die spontan begeisterungsfähige Julia oder oder den sparsamen Max an Kleidung und Auftritt erkennen. Die Website braucht klare Schlüsselmerkmale, anhand derer sie Kundentypen unterscheiden kann. Zum Beispiel:
- Kauferfahrung: Handelt es sich um JEMANDEN, der genau weiß, was er sucht? Oder um einen Kunden, der Beratung und Bestätigung sucht?
- Preisaffinität: Kauft die Persona eher im oberen, mittleren oder unteren Preissegment?
- Spontanität: Handelt es sich eher um einen Spontan- oder eher um einen Bedarfskäufer?
- Kaufmotivation: Welche emotionalen Bedürfnisse werden mit dem Einkauf befriedigt - Prestige oder Schnäppchenjagdtrieb?
- Markenbindung: Bleibt der Kunde Marken treu? Oder sind sie unwichtig, lehnt er manche gar generell ab?
- Argumentation: Für welche Kaufargumente ist der Kunde zugänglich? Überzeugen ihn Nachhaltigkeit, Qualität oder Preis eines Produktes?
- Regelmäßigkeit: Handelt es sich (potenziell) um einen Stamm- oder um einen Gelegenheitskäufer?
3. Daten zusammenführen
Nun müssen die passenden Daten zur Identifizierung bereitgestellt werden. Die wichtigsten Datenquellen sind CRM-System (Kunden- und Kaufhistorie) und Webshop (Onsite- Verhalten, Behavioral Data). Mit der richtigen Dateninterpretation lassen sich selbst bei Neukunden wichtige Aussagen über Kundenmerkmale treffen. So kann ein Kunde mit ausgewiesener Markenbindung beispielsweise leicht anhand seiner Einkaufshistorie identifiziert werden.
4. Daten clustern und analysieren
Mit eindimensionaler Clusteranalyse lassen sich Unterschiede zwischen zwei Gruppen herausarbeiten - beispielsweise marken- und nicht markenaffine Kunden. Markenaffine Käufer sind beispielsweise älter, zielstrebiger und kommen eher über
Google
(SEA/SEO). Eindimensionale Auswertungen haben den Nachteil, dass sie letztlich auf subjektiven Annahmen basieren. Besser sind multidimensionale Auswertungen mit algorithmischer Mustererkennung. Gefundene Cluster werden gelabelt ("Kreativer Stöberer") und mit den ursprünglich erdachten Zielgruppen verglichen, damit die ursprünglichen Definitionen gegebenenfalls angepasst werden können.
5. Aufbereitung des Contents
Der Content spielt bei der Personalisierung eine entscheidende Rolle. Daneben bietet es sich an, jeder Zielgruppe den Zugang zu Angeboten zu geben, die eigentlich für andere gedacht sind. So erzeugt man Contentweichen, mit denen sich der Kunde weiterentwickeln kann.
6. Personalisierung
Jeder Zielgruppe wird personalisierter Content angeboten. A/B-Tests messen den Erfolg.
7. Optimierung in der Endlosschleife
Führt die Maßnahme nicht zum gewünschten Erfolg, sollte zunächst die Grundannahme kritisch geprüft werden. Sind die Zielgruppen richtig erkannt, die Personas sauber definiert? Vielleicht stellt sich heraus, dass es einen Käufertyp durchaus gibt, aber die Persona nicht stimmt. Und dass dieser Typ ganz anders angesprochen werden will.