AnalyticsSummit2018 Vortrag

Praxishandbuch: Personalisierung auf Basis von Kundensegmenten mit Google Optimize (free)15 min Lesezeit

Michaela Linhart Leave a Comment

Es ist schon ein Weilchen her da habe ich das Google Analytics Praxis Handbuch: Treue Kunden vs. One-Buy-Stands geschrieben. Es ging darum, den Fokus deiner Analysen auf die treuen, braven Umsatzbringer zu legen und nicht alle Kunden – darunter auch 1x Käufer – in einen Topf zu werfen, denn dadurch verschenkst du nicht nur wertvolles Potential sondern auch Zeit und Ressourcen.

Die Analysen sind mega spannend und wertvoll zugleich.

Aber noch spannender und noch wertvoller ist es, daraus direkte Handlungen abzuleiten. Das heißt: Die Daten direkt zu nutzen um deine Conversions (z.B. Transaktionen und Umsatz) zu steigern.

Dazu eignen sich Tools wie Google Optimize am besten, denn damit kannst du nicht nur A/B Tests durchführen sondern auch personalisieren.

Und „personalisieren“ ist hier das Zauberwort…

Warum überhaupt Personalisierung?

Ganz einfach: Weil wir es mittlerweile erwarten.

Hinweis: Und mit „wir“ meine ich nicht nur unsere Kunden sondern UNS ALLE – dich genauso wie mich.

Weil wir es von den großen Unternehmen gewohnt sind.

Am liebsten hätten wir gerne, dass alle Unternehmen so effizient sind wie Amazon, so einfach sind wie Apple, so unterhaltsam wie Netflix, so unmittelbar wie Twitter und so sozial wie Instagram. Weil es bequem ist.

Personalisierung ist bequem.

Und bequem ist das neue loyal.

Deswegen ist Personalisierung keine Option mehr: Sie schafft einzigartige Erfahrungen, verbessert die Kundenbindung und ermöglicht so die größtmöglichen Conversions.

Personalisierung in der Google Welt

Wenn du bereits Google Analytics im Einsatz hast, bietet es sich an Google Optimize als Personalisierungs-Tool zu nutzen.

Der größte Vorteil von Google Optimize (GO) ist wohl die nahtlose Integration mit Google Analytics – auch für Optimize Free User. Analytics und Optimize ergänzen sich sozusagen wie die Butter das Brot.

Google Tool Palette

Screenshot: Google Optimize als fixer Bestandteil der Google Tool Palette

Hinweis: Es gibt aber auch viele andere Testing- und Personalisierungs-Tools z.B. Optimizly, VWO, Kameleoon

Segmente: Das A&O in der Personalisierung

Das A&O in der Personalisierung sind Segmente: D.h. welche Zielgruppe angesprochen werden soll.

Je besser du deine Zielgruppe kennst, desto leichter kannst du sie natürlich auch ansprechen. Dabei solltest du in Kategorien von Merkmalen und Kriterien deiner Besucher denken z.B.

  • in Verhaltenseigenschaften (neu vs. wiederkehrende User).
  • in kontextuellen Eigenschaften (Länder, Wochentage, Wetter).
  • in Kundengruppen (Käufer vs. One-buy-Stands).
  • in technische Eigenschaften (Browser, Endgerät).

Besonders spannend finde ich die Kundengruppen, weil darin enorm großes Potential steckt: Beispielsweise möchte ich nicht für alle Kunden das gleiche Budget ausgeben. Oder zwischen Leads und Kunden unterscheiden…

Jetzt gibt es super viele verschiedene Möglichkeiten Kunden in Gruppen einzuteilen – die folgende hilft Kunden zu klassifizieren:

GA Customer Type

Screenshot: Google Analytics Custom Dimension „Customer Type“ nach Erstkäufer, Silber, Bronze, Gold und Platin Kunden

Die Einteilung in diese Kundentypen habe ich nach dem gängigen RFM-Modell vorgenommen:

Der R-F-M Score zur Kundengruppierung

Das RFM-Modell ist ein Scoring Modell zur Berechnung der Kundenqualität.

Es basiert auf drei wesentlichen Metriken über das Kaufverhalten des Kunden – nämlich R-F-M:

  • R steht für Recency, also WANN der Kunde zuletzt gekauft hat.
  • F steht für Frequency, also WIE OFT der Kunde gekauft hat.
  • M steht für Monetary, wie viel Geld der Kunde ausgegeben hat.

Für jede Metrik wird ein Bewertungszahl zwischen 1 und 5 vergeben. Die einzelnen Werte werden anschließend addiert und führen so zu einer maximalen Punkteanzahl von 15 und einer minimalen Punkteanzahl von 3.

Je höher der Score, desto treuer der Kunde.

Tipp: Hier findest du eine genaue Anleitung wie der RFM Score berechnet wird und die Daten in GA gespeichert werden. (Verlinkung folgt bald)

Das ganze wird pro Kunde berechnet und in Google Analytics in eine Custom Dimension auf User-Basis gespeichert.

Custom Dimension Index

Screenshot: Google Analytics Custom Dimension Index

Zusätzlich kannst du den RFM-Score selbst in eine Custom Dimension speichern, weil du dadurch nochmal eine granulare Einteilung deiner Kunden bekommst.

Damit kannst du z.B. Segmente für Schnäppchenjäger bilden, die zwar häufig bei dir einkaufen aber nur wenig Geld ausgeben – eben weil sie immer auf einen Sale oder ein Angebot warten.

RFM Score Schnäppchenjäger

Screenshot: RFM Score Schnäppchenjäger (kaufen häufig, bezahlen wenig)

Hinweis: Für GA macht es Sinn nur den FM-Score zu speichern, weil die Berechnung bei einer Transaktion erfolgt und die Recency immer „5“ ist.

Oder du kannst ein Segment für Gelgenheitseinkäufer bilden, die zwar selten bei dir einkaufen aber dafür super viel umsetzen.

RFM Score Gelegenheitseinkäufer

Screenshot: RFM Score Gelegenheitseinkäufer (kaufen selten, geben viel aus)

Der große Vorteil dieser Kundeneinteilung ist, dass du Segmente jederzeit „rückwirkend“ bilden kannst. Du musst dir also nicht heute überlegen, ob du Schnäppchenjäger targeten möchtest, sondern erstellst dir das Segment erst dann, wenn du es benötigst.

Und es geht noch spannender:

Der R-F-M Score zur Berechnung der Kundenaffinität

Je nachdem welche Produkte du anbietest, kann es wichtig sein, für welche Produktgruppe sich der einzelne Kunde ganz besonders interessiert: In meinem Fall ist das Produkt „Wein“ und ich möchte wissen ob Kunden eher Rotwein- oder ein Weißwein-Genießer sind.

Auch diese Kundengruppierung lässt sich ganz hervorragend mit dem RFM-Score berechnen und zwar pro User pro Produktkategorie.

Tipp: Hier findest du eine genaue Anleitung wie der RFM Score berechnet wird und die Daten in GA gespeichert werden. (Verlinkung folgt bald)

Google Analytics Customer Affinity Category Hausdorf

Screenshot: Google Analytics Customer Affinity Category

Dadurch kannst du deinen Kunden ganz gezielte Angebote ausspielen: Weißwein-Erstkäufern kannst du beispielsweise mit einem suuuper, genau auf diese Kunden abgestimmten Weißwein-Angebot zu einem weiteren Einkauf verleiten. Und wenn er nicht sofort kauft, kannst du ihn mit gezielten Weißwein-Content überzeugen.

Außerdem lässt sich Cross-Selling viel einfacher vornehmen – sogar Kategorie-übergreifend.

Kundensegmente in Google Analytics

Insgesamt hast du also drei Kundengruppen gebildet und benötigst in Google Analytics somit drei Custom Dimensions:

  • 1x für das Kundensegment
  • 1x für die Affinitätskategorie
  • 1x für den RFM Score

Die Botschaft: WAS soll ausgespielt werden?

Jetzt weißt du, wenn du ansprechen möchtest.

Im nächsten Schritt musst du dir überlegen WAS personalisiert ausgespielt werden soll: Für jede Zielgruppe muss also eine Aktion ins Leben gerufen werden, die zu einer einzigartigen Nutzer-Erfahrung führt.

Und da sind der Kreativität natürlich keine Grenzen gesetzt… Theoretisch!

Praktisch ist aller Anfang extrem schwer…

Deswegen habe ich mich für einen super langsamen Start entschieden und zuerst den großen, fetten Startseitenteaser personalisiert (nachdem ich gefühlt hundert Millionen Ideen in ein Ideen-Konzept niedergeschrieben habe).

Hausdorf Startseitenteaser

Screenshot: Hausdorf Startseitenteaser

Bis jetzt hat jeder Kunde den selben Teaser auf der Startseite gesehen – auch wenn sich dieser gar nicht für das Angebot interessiert.

Jetzt locken wir z.B. Erstkäufer und Bronze Kunden mit einem 15% Gutschein, damit sie wieder bestellen. Rotwein Kunden bekommen ein Rotwein Angebot und Weißwein Kunden ein Weißwein Angebot ausgespielt.

Silber und Gold Kunden haben schon mehrmals bestellt und brauchen keine Rabatte zur Überzeugung mehr, sie freuen sich viel mehr über gratis Geschenke (habe ich mittels A/B Testing herausgefunden). 

Deswegen schenken wir z.B. Rotwein-affinen Gold und Silber Kunden bei der nächsten Bestellung eine kleine Flasche einer anderen Rotweinsorte dazu. Zum verkosten und überzeugen.

Alle jene, die noch keine Kunden sind und weder einem Kundensegment zugeordnet sind, noch eine Affinitätskategorie haben, locken wir mit kostenlosen Versand. Das ist sozusagen die „Backup-Lösung“, die Leads überzeugen soll das erste mal im Weinonlineshop einzukaufen.

Hinweis: Und das ist erst der Anfang! Später kann dem Lead auf Basis seines Browse-Verhaltens eine Affinitätskategorie zugeordnet werden. Dadurch können potentielle Kunden viel gezielter überzeugt werden – und nicht nur auf der Website. Der User kann im 360°-Ansatz auf allen Kanälen bespielt werden, auf denen er unterwegs ist: Per Newsletter, auf Facebook, auf Instagram…  MEGA!

Damit steht das Konzept und wir können die Personalisierung in Google Optimize aufsetzen…

Personalisierungs mit Google Optimize

Wer die Google Marketing Plattform kennt weiß, dass Optimize360 MEGA GENIAL ist.

Damit kannst du beispielsweise ganz einfach ein Segment für deine Rotwein-Erstkäufer in Google Analytics anlegen…

Rotwein Erstkäufer Segment in Google Analytics

Screenshot: Rotwein-Erstkäufer Segment in Google Analytics

… und direkt in Google Optimize auswählen:

Optimize360

Screenshot: Optimize360

Kein Zusatzaufwand.

Kein extra Programmieraufwand.

Super easy.

In der gratis Variante ist dafür etwas mehr Aufwand notwendig…

Und auch hier gibt es viele verschiedene Wege: Am Analytics Summit in Hamburg hat Dustin Recko eine Lösung präsentiert, die sich rein in der Google Welt bewegt. Genial!

Aber… mir wäre dieser Weg ehrlich gesagt zu mühsam.

Auch ich bin super bequem und bevorzuge schnelle und einfach umsetzbare Wege – und der geht für mich über Cookies:

Personalisierung OHNE Optimize360: Mit Cookies

Das heißt: Alle Informationen die du in Google Optimize benötigst, speicherst du zusätzlich zur Custom Dimension auch in ein Browser Cookie:

Personalisierung in Google Optimize mit Cookies

Screenshot: Personalisierung in Google Optimize mit Cookies

Wichtig: Dazu benötigst du entweder Zugriff auf das Backend des Shopsystems oder Unterstützung durch deine IT.

Bei der Transaktion werden also deine Kundensegmente rückwirkend auf alle Daten des Users berechnet und anschließend via Shop-Backend im Cookie gespeichert.

Die Komplexität liegt dabei in der rückwirkenden Berechnung der Kundensegmente. Das Speichern des Cookies selbst ist nur ein minimaler Aufwand und sieht wie folgt aus:

var c = {
   cs: “gold”, //Customer Type
   a: “rotwein”, //Affinity Category
   fm: “3-3” //FM Score
   lo: “1540633727”, //Timestamp 2018-10-27
}
document.cookie = "cstrfm="+JSON.stringify(c)+";path=/;expires=Fri, 31 Dec 9999 23:59:59 GMT;";

Google Optimize kann jetzt das Cookie direkt beim Website Besuch auslesen und entsprechend die richtige Personalisierung ausspielen:

Personalisierungs-Setup mit Optimize-Free

Personalisierung mit Google Optimize funktioniert im besten Fall so, dass zuerst ein A/B Test aufgesetzt und die Personalisierungs-Idee getestet wird. Erst wenn die Personalisierung klarer Testsieger ist, sollte sie dauerhaft live gestellt werden.

D.h. im Schnelldurchlauf:

  1. A/B Test anlegen
  2. Variante anlegen
  3. Änderungen vornehmen
  4. Ziele definieren und
  5. Targeting hinterlegen
Google Optimize Setup step 1 - AB Test

Screenshot: Google Optimize Setup Step 1 – A/B Test

Für die Personalisierung ist das Targeting super wichtig: Hier müssen jetzt die gewünschten Kundensegmente aus dem Cookie abgefragt werden.

Klicke dafür unten den Varianten im Bereich „Configuration“ auf „Targeting“:

Google Optimize Setup Step 2 - Targeting

Screenshot: Google Optimize Setup Step 2 – Targeting

Erstelle hier eine neue Regel vom Typ “Custom Javascript”:

Google Optimize Setup Step 3 - Custom Javascript Rule

Screenshot: Google Optimize Setup Step 3 – Custom Javascript Rule

Erstelle hier eine neue Variable z.B. für den Kunden Typ (Erstkäufer, Silber, Bronze…):

Google Optimize Setup Step 4 - JS Variable

Screenshot: Google Optimize Setup Step 4 – JS Variable

Hier wird jetzt das Cookie ausgelesen: Füge dazu den folgenden Code in das Javascript-Feld ein und passe die Variablen (in rot) auf deine Daten an.

function(){
  var value = "; " + document.cookie;
  var parts = value.split("; cstrfm=");
  if (parts.length == 2){
    try{
      var c = JSON.parse(parts.pop().split(";").shift());
      if(c.cs && c.cs.length>0){
         return c.cs;}
      }catch(e){} }
  return false; 
}

Wir wollen den Kundentyp abfragen. Diese Variable habe ich „cs“ für „customer segment“ genannt. Der obige Code spricht also mein „cstrfm“ (customer rfm) Cookie an und liest den Wert der Variable „cs“ aus.

Im Anschluss kommt die Bedingung: Wenn das ausgelesene Cookie den Wert “rotwein” enthält, schließe ich diesen User in meinen Test ein. Enthält der Wert „weißwein“, „chutney“ oder sonstiges wird der User NICHT in diesen Test aufgenommen.

optimize personalisierung

Screenshot: Google Optimize Setup Step 5 – Bedingung setzen

Zusätzlich möchtest du z.B. nur deine Erstkäufer targeten.

Lege dafür eine zweite Bedingung an, wieder mit einem “Custom JavaScript”. Passe den Code entsprechend der Variable an und setzte die Bedingung auf „erstkäufer“.

Das wars auch schon: Jetzt hast du das Segment für deine Rotwein-Erstkäufer erstellt und die Test-Variante wird nur noch personalisiert für Rotwein-Erstkäufer ausgespielt. 💪

Nochmal drüber geschaut ob alles korrekt eingestellt ist und der Test kann starten.

Jetzt heißt es abwarten…

A/B Testsieger in Personalisierung umwandeln

Hat die Personalisierung gewonnen, kann der Testsieger mit einem einfachen Klick in eine dauerhafte Personalisierung umgewandelt werden: Denn im Gegensatz zu einem zeitlich limitierten A/B Test, bleiben Personalisierungen in der Regel dauerhaft bestehen.

Personalisierung

Screenshot: Testsieger zur Personalisierung umwandeln

Hat deine Hypothese nicht gewonnen, solltest du weiter testen – solange bis du ein signifikant positives Ergebnis erhältst, dass als Personalisierung dauerhaft live gestellt werden kann.  

▶ Kundensegmente nutzen um die Website via Google Optimize zu personalisieren: Ja, das funktioniert! Auch ohne 360 Suite.

Allerdings gibt es ein paar Limitierungen:

Google Optimize Free Limitierungen

So können in Optimize Free max. 5 Tests parallel live gestellt werden.

Mehr geht einfach nicht.

Jede Personalisierungs-Variante benötigt allerdings einen eigenen Test und dadurch kommst du beim testen nur sehr, sehr langsam voran…

Einziger Vorteil: Wenn ein Testsieger ermittelt wurde und der Sieger als Personalisierung live gestellt wird, ist wieder ein Slot für Testing frei.

Zusätzlich zu den 5 Tests können nämlich bis zu 10 Personalisierungen parallel erstellt werden.

Das ist Vorteil und Nachteil zugleich, denn wenn du mit Personalisierung so richtig durchstarten möchtest stößt du mit zehn Slots sehr schnell an deine Grenzen.

Deswegen habe ich mir folgenden Workaround überlegt:

  1. Wähle deine 10 wichtigsten Kundensegmente z.B. Rotwein-Erstkäufer…
  2. Teste zuerst alle Personalisierungs-Hyptohesen deiner 10 Kundensegmente mittels A/B Tests.
  3. Packe im Anschluss ALLE Personalisierungen pro Kundensegment in eine einzige Personalisierung z.B. Startseiten-Teaser, Recommendations, Elemente auf der Detail-Seite, etc.

Damit kannst du zumindest 10 Segmente parallel bespielen und bis ins letzte Detail ausreizen, bevor du ans Limit stößt und darüber nachdenken musst auf eine bezahlte Variante umzusteigen. 🙂

Mein Fazit

Ich liebe es! 

Optimize Free ist aus meiner Sicht der ideale Einstieg in Personalisierung, genauso wie es für Testing der Fall ist.

Ich habe jetzt ein gutes halbes Jahr gebraucht um überhaupt mit Personalisierung zu starten, weil sehr viel Konzeption, Datenanalyse und Hirnschmalz im Setup steckt.

Jetzt habe ich gerade den ersten Personalisierungs-Test laufen und beginne mich stetig zu steigern. Bis jetzt hätte es also absolut keinen Sinn gemacht, gleich mit einem bezahlten Tool zu starten. Und ich denke, bis alle Personalisierungs-Ideen pro Kundensegment durchgetestet und meine 10 wichtigsten Kundensegmente perfekt personalisiert sind, wird es mindestens noch ein halbes Jahr, wenn nicht sogar Jahr dauern in der Optimize Free absolut ausreichend ist.

Sobald aber ein gewisser Professionalitäts-Level erreicht ist, werde auch ich nicht darum herum kommen entweder auf die bezahlte Optimize360 Variante umzusteigen oder eine Alternative zu suchen.

Für das ist Optimize Free mit seinen Limitierungen dann ganz ehrlich gesprochen doch nur ein Einsteiger-Modell…

AnalyticsSummit 2018 in Hamburg

Diesen Use Case habe ich am AnalyticsSummit 2018 in Hamburg vorgestellt.

▶ Hier findest du die Folien meiner Präsentation:

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.