5 Schritte zum Erstellen von Kundenverhaltensmodellen (und warum Sie sie brauchen)

In den letzten Jahren haben Marketingfachleute damit begonnen, weit mehr datengesteuerte Tools und Methoden als je zuvor einzusetzen. Sie haben dies getan, weil die schiere Menge an verfügbaren Daten über ihre Kunden (und potenziellen Kunden) jetzt ausreicht, um Schlussfolgerungen darüber zu ziehen, welche Arten von digitalen Marketingmaßnahmen am besten funktionieren . Die Verwendung dieser Daten zur Förderung von Predictive Analytics-Operationen gilt heute als Standardverfahren in der Welt des digitalen Marketings.

Einer der modernsten Ansätze in diesem Bereich besteht heute darin, Modelle zu erstellen, die versuchen, das Kundenverhalten vorherzusagen . Auf diese Weise wird es möglich, in die Zukunft zu blicken und Marketingpläne zu erstellen, die mit den verschiedenen Phasen der Reise eines Kunden Schritt halten – noch bevor er damit begonnen hat.

Die Erstellung eines nützlichen und genauen Kundenverhaltensmodells erfordert jedoch viel Planung. Es erfordert auch eine sorgfältige Ausführung und eine angemessene Menge an Experimenten.

Hier ist eine Schritt-für-Schritt-Anleitung, die interessierten Unternehmen dabei hilft, diesen Prozess zu beginnen.

Verfügbare Datenquellen katalogisieren

Bevor Sie mit dem Aufbau eines Kundenverhaltensmodells beginnen, müssen Sie die Kundendaten in den Griff bekommen, auf die das Unternehmen bereits Zugriff hat. Dies dient als Fahrplan dafür, welche Änderungen an der Datenerfassung gegebenenfalls vorgenommen werden müssen, um die neue Modellierungsinitiative zu unterstützen. Für die meisten Unternehmen sollte bereits ein riesiger und unerschlossener Datenpool aus Quellen wie den folgenden verfügbar sein:

• Verkaufshistorien
• Website-Analysedaten
• Daten aus Kundenbefragungen
• Kundendienstaufzeichnungen
• Ergebnisse früherer Marketingkampagnen

… und andere.

Unter den besten Umständen sind die meisten dieser Daten in einem bestehenden CRM-System enthalten, was ihre Verwendung in Analyseanstrengungen erleichtert. Wenn nicht, sollten Schritte unternommen werden, um die Daten zu zentralisieren, damit sie für die Analyse ordnungsgemäß bereinigt und standardisiert werden können.

Beginnen Sie mit der Regressionsanalyse

Sobald alle verfügbaren Kundendaten bereit sind, verwendet zu werden, besteht ein guter erster Schritt darin, sie zu verwenden, um einige grundlegende Regressionsanalysestudien durchzuführen. Dies funktioniert am besten mit leicht verfügbaren Daten wie Kaufhistorie, Marketingreaktionsstatistiken und anderen Datenpunkten, die offensichtliche Korrelationen aufweisen.

Diese Art der Analyse kann einige rudimentäre Schlussfolgerungen zulassen, wie z. B. die Beziehung zwischen Marketingausgaben und Verkaufsvolumen. Es kann auch dazu beitragen , bestimmte Kundenaktionen mit wünschenswerten Ergebnissen zu verknüpfen . Beispielsweise könnte es möglich sein, mithilfe einer Regressionsanalyse einen gemeinsamen Punkt in der Customer Journey zu identifizieren, den alle Kunden auf dem Weg zur Conversion erreichen.

Diese Art von Einblick kann es Marketern ermöglichen, ihre Kampagnen darauf auszurichten, in den frühen Phasen des Verkaufstrichters eine höhere Anzahl von Leads zu erhalten, um den spezifischen Punkt im Prozess zu erreichen, der die Verkaufschancen statistisch erhöht. Es ist das präzise Effort-Targeting, von dem digitale Vermarkter früher nur träumten – jetzt möglich mit der richtigen Datenanalyse.

Erstellen Sie Kundensegmente

Mit den oben genannten Techniken können Unternehmen ihre Daten nur dazu verwenden, einige allgemeine, grundlegende Schlussfolgerungen über ihre Kunden zu ziehen.

Um noch mehr aus den Daten herauszuholen (und der Erstellung eines echten Kundenverhaltensmodells näher zu kommen), ist es notwendig, die Kundendaten in kleinere, segmentierte Gruppen aufzuteilen .

Die gute Nachricht für Vermarkter ist, dass ein Großteil dieser Arbeit möglicherweise bereits im Rahmen früherer Bemühungen zur Online-Kundenpersonalisierung abgeschlossen wurde. In diesem Fall sind die zu diesem Zweck erstellten segmentierten Gruppen ein guter Ausgangspunkt für die weitere Modellierung des Kundenverhaltens. Wenn nicht, ist es am besten, mit einigen allgemeinen Segmentierungskategorien zu beginnen. Diese können dann basierend auf den spezifischen Attributen, die die Daten über die Kunden enthalten, in kleinere Gruppen verfeinert werden.

Suchen Sie nach Trends in jedem Segment

Wenn die Daten fertig sind und die Kunden richtig segmentiert sind, besteht der nächste Schritt darin, die Daten (nach Segmenten aufgeschlüsselt) zu untersuchen, um einige Trends zu finden. Suchen Sie nach häufigen Stolpersteinen für die Konversion, Markierungen, die darauf hindeuten, wann ein Kunde wahrscheinlich einen Kauf tätigen wird – im Grunde jede Aktivität, die alle Segmentmitglieder teilen.

Die gute Nachricht hier ist, dass viele der heutigen Top-Marketing-Automatisierungsplattformen (die Sie verwenden würden, um Ihre Kundenverhaltensmodelle zum Laufen zu bringen) bereits Analysetools enthalten, die Informationen von Ihrer Website, CRM-Software und sogar eigenständigen Datenbanken abrufen können, um nach Kunden zu suchen Tendenzen.

Innerhalb des häufig verwendeten HubSpot Marketing Hub können Sie beispielsweise Ihre Kundensegmente einrichten und alle Daten über Segmentmitglieder miteinander verknüpfen. Sie können beispielsweise den Abschluss bestimmter Aktionen verfolgen und automatisierte Berichte erstellen, die die Aktivität Segment für Segment in leicht zu interpretierenden Visualisierungen anzeigen, wie unten abgebildet:

Von dort aus geht es nur noch darum, die Daten zu überwachen, um nach Verhaltensmustern zu suchen, die sich abzeichnen. Sie können auch die gleichen Arten von Visualisierungen erstellen, um Ursache-Wirkungs-Beziehungen zu korrelieren, z. B. das Verfolgen von E-Mail-Öffnungsraten und Kundendienstinteraktionsdaten neben Konversionsaktivitäten, um zu sehen, welche Auswirkungen Ihre Marketing- und Supportaktivitäten auf den Umsatz haben.

Selbst für Unternehmen, die noch keine Marketing-Automatisierungsplattform eingeführt haben, ist es immer noch möglich, Daten zu durchsuchen, um nach Trends zu suchen. Google Analytics (oder andere Webanalysetools) kann einfache und detaillierte Datenvergleiche mit Visualisierungen durchführen, um nach Trends zu suchen, die ein großartiger Ausgangspunkt für jedes Unternehmen sind. Sie sind einfach einzurichten, benutzerfreundlich und können aufzeigen, wie sich die Marketing- und Werbemaßnahmen eines Unternehmens auf bestimmte Online-Aktivitäten auswirken.

Ein einfacher Vergleich sieht so aus:

Obwohl es einige Einschränkungen gibt, auf welche Daten Google Analytics sofort zugreifen kann, kann die Plattform auch in eine Vielzahl von CRM-Software und externen Datenquellen integriert werden. Das bedeutet, dass es möglich ist, die Infrastruktur aufzubauen, die zur Unterstützung der Kundensegmentanalyse erforderlich ist, ohne vorhandene Software verwerfen und ganz von vorne anfangen zu müssen.

Die Erkenntnisse aus diesem Schritt werden zur Grundlage für die Entwicklung von Kundenpersönlichkeiten, die dann zu einem Verhaltensmodell für jede Kundengruppe führen. Das Ziel besteht darin , eine Karte zu erstellen, die die Reise jeder Art von Kunden durch den Conversion-Prozess erklären kann . Diese Karten können dann alles über das Marketing informieren, das notwendig ist, um sie auf dem Weg zur Konvertierung zu halten.

Testen, verfeinern, wiederholen

An dieser Stelle müssen nur noch die Schlüsse aus der Trendanalyse gezogen und auf eine Marketingkampagne übertragen werden. Wenn die identifizierten Trends tatsächlich statistisch fundiert sind, sollte die Marketingkampagne, die sich an ihnen orientiert hat, spektakulär erfolgreich sein. Wenn nicht, ist es an der Zeit, die Daten erneut zu überprüfen, um die Faktoren zu eliminieren, die sich nicht bewährt haben.

Durch mehrmaliges Wiederholen dieses Vorgangs sollte es möglich sein, die Schlussfolgerungen herauszufiltern, die keine Ergebnisse gebracht haben, und nur diejenigen übrig lassen, die in der Praxis funktionieren. Es sind diese Schlussfolgerungen über jedes Kundensegment, die zu den Kundenverhaltensmodellen werden, die der Prozess erstellen sollte. Sobald sie durch reale Kampagnentests gründlich überprüft wurden, gibt es fast keine Grenzen, wie wertvoll und nützlich sie sein werden.

Die Modelle zum Laufen bringen

Wenn der obige Prozess zu soliden Ergebnissen geführt hat, können Sie das neue Kundenverhaltensmodell auf fast alle Facetten der digitalen Marketingbemühungen eines Unternehmens anwenden.

Sie können bestehende datengesteuerte UX-Designbemühungen ergänzen.

Sie können auch die Personalisierung all Ihrer Marketingaktivitäten vorantreiben, wie z. B. Ihrer Website, Werbung und E-Mail-Marketingkampagnen.

Das ist die Taktik, die eines der größten Fluggastschutzunternehmen Europas verwendet hat, um dynamische Zielseiten für neue und wiederkehrende Kunden zu erstellen:

In ihrem Fall würden Besucher der Website unter anderem basierend auf ihren vorherigen Interaktionen mit dem Unternehmen sowie ihrem zugehörigen Browserverlauf, der Tageszeit und ihren Geolokalisierungsdaten eine andere Variation der Zielseite sehen.

Das schafft die Möglichkeit, dynamische Zielseiten für jedes erdenkliche Publikum zu gestalten – wie eine verbraucherorientierte Version der neuesten dynamischen, kontobasierten Marketingpersonalisierung.

Kundenverhaltensmodelle können einem Unternehmen sogar dabei helfen, dem sich entwickelnden Gesicht des Social-Media-Marketings einen Schritt voraus zu sein.

Die Verwendung genau dieser Arten von Kundenverhaltensmodellen ermöglichte es dem Modeeinzelhändler Closet London, eine fortlaufende automatisierte personalisierte E-Mail-Kampagne zu erstellen, die neue und bestehende Kunden auf der Grundlage ihres erwarteten Verhaltens in jedem Abschnitt ihrer Reise ansprach. Die Kampagne umfasste das Anbieten gezielter Anreize in Form von Rabatten für Kunden, die als „abwanderungsgefährdet“ eingestuft wurden, und das Versenden kuratierter E-Mail-Angebote unter Verwendung früherer Kaufdaten. Erstkunden erhielten auch kleinere Rabatte, um Folgegeschäfte zu fördern.

Das Ergebnis? Eine stark verbesserte Konversionsrate und eine Umsatzsteigerung von 2900 %. Und all das war dank der Modellierung des Kundenverhaltens möglich.

Wie auch immer sie verwendet werden, es ist wichtig zu erkennen, dass Kundenverhaltensmodelle, wie alle anderen Marketinginstrumente, nicht in Stein gemeißelt sind.

Genau wie die Kunden, die sie vertreten, benötigen sie große Sorgfalt und Aufmerksamkeit, um korrekt und relevant zu bleiben. Denn viele Facetten des Kundenverhaltens werden sich im Laufe der Zeit ändern . Um mit diesen Änderungen Schritt zu halten, muss der hier beschriebene Prozess immer wieder überprüft werden. Außerdem wird es erforderlich sein, den Prozess angesichts sich ändernder Dateneingaben zu modifizieren. Solange die Verpflichtung dazu eingegangen wird, können Kundenverhaltensmodelle das Marketinggeschenk sein, das immer wieder gegeben wird. Verwenden Sie sie gut!