Sie kennen doch sicher Fuck-up Nights, wo Menschen erzählen, wie sie gescheitert sind und wie wichtig diese Erfahrungen für sie waren? Genauso ist es beim Thema Kundensegmentierung. Wir liegen so lange falsch, bis wir richtig liegen – und bis dahin lernen wir.

Kundensegmente sind nicht nur eine Liste von Kennzahlen, um Menschen zu katalogisieren, Segmente sind lebendig. Sie müssen regelmäßig hinterfragt und angepasst werden, um die gewünschten Erfolge zu bringen.

Segmente oder Personas?

Obwohl sie manchmal als Synonyme verwendet werden, steht jedes dieser Wörter für ein anderes Konzept. Eine Persona ist ein Design-Tool mit qualitativen Eigenschaften, während ein Segment quantitative Erkenntnisse nutzt. Wenn wir zum Beispiel an die Entwicklung des nächsten MacBook denken, könnte eine Persona ein hipper Gen Z Charakter sein, der gerne in Coworking Spaces arbeitet, und eine andere könnte eine junge Designerin sein. Diese Unterscheidungen helfen uns aber noch nicht weiter, um Kunden in unterscheidbare Gruppen zu teilen und differenziert anzusprechen. Dafür müssen wir mehr über ihr Kaufverhalten, ihre Interessen und Präferenzen wissen.

Entgegen der landläufigen Meinung sind große Datenmengen aber nicht gleichbedeutend mit besseren Erkenntnissen, denn Daten müssen immer interpretiert werden – und hier liegt der Hund begraben, wie man so schön sagt.

Die Schwächen der traditionellen Kundensegmentierung

Die traditionelle Segmentierung ist linear. Meistens beginnt die traditionelle forschungsbasierte Segmentierung mit der Befragung einer kleinen Gruppe von Personen (Sammlung qualitativer Daten), gefolgt von einer umfassenden quantitativen Befragung, die im besten Fall repräsentativ ist. Nachdem diese Ergebnisse eingegangen sind, werden die endgültigen Segmente erstellt.

Leider endet der Prozess aber oft hier. Wenn darauf basierende Kommunikation anschließend nicht die gewünschten Erfolge bringt, wird im schlimmsten Fall die Segmentierung komplett verworfen und nicht mehr verwendet.

Was wäre ein besserer Weg? Eigentlich ganz einfach: Iteration. Die Interpretation von Daten kann eigentlich immer nur eine Hypothese sein, denn die Motive für Kundenverhalten sind schwer herauszufinden, ändern sich ständig und sind den Kunden oft selbst gar nicht bewusst. Selbst wenn man detaillierteste Infos zum Einkaufsverhalten hat – und wie wir wissen, lügen Daten nicht – geben diese Insights weder Auskunft über die Beweggründe, noch über zukünftiges Verhalten.

Wiederholung ist die Mutter des Wissens

Diese Weisheit stimmt nicht nur in der Schulzeit. Daher ist unsere klare Empfehlung: Sobald Sie Ihre Kundensegmentierung festgelegt haben, sollten Sie weiterhin Ressourcen einsetzen, um zu verstehen, was das Kundenverhalten auslöst und was Kunden zum Handeln bewegt.

Durch die kontinuierliche Falsifizierung von Hypothesen schaffen Sie einen Kreislauf, der die Segmentierung kontinuierlich verbessert, genauer und brauchbarer macht. Sehen Sie Segmentierung nie als abgeschlossen, sondern als Hypothese, die sich ändert – vielleicht sogar um 180 Grad – und das ist gut so.

Legen Sie los und liegen Sie falsch

Die Durchführung digitaler Experimente zur (Nicht-)Validierung wichtiger Annahmen und die Beobachtung realer Reaktionen auf verschiedene Auslöser helfen genauso wie Umfragen und Interviews.  Indem wir Segmente auf digitalen Plattformen (wie Newsletter und Social Media) ansprechen und ihr Verhalten auswerten, sammeln wir mehr Daten, um die Segmente weiter zu verbessern und zu validieren.

Beispiele, wie man personalisierte Kommunikation gestalten kann, finden Sie in diesem Blogartikel meines Kollegen Oliver Aichinger.

In diesem Sinne legen Sie los und liegen Sie falsch. Sie werden sehen, es zahlt sich aus.

 

 Autorin: Birgit Ecker