Web-Hyperpersonalisierung

An diesem Dienstag nehme ich im Rahmen der Veranstaltung Business+ Ecommerce Lab 2026 – Strategischer Ecommerce: KI, Logistik und Experience, um besser zu verkaufen, an einer Podiumsdiskussion teil, bei der ich versuchen werde, meine Sicht auf dieses Thema Personalisierung auf Basis von digitalem Marketing einzubringen.

Etwas, das nicht neu ist, sondern das ich seit mehr als zehn Jahren in Projekten anwende, wie du gleich sehen wirst. Aber die Wahrheit ist, dass KI auf Ebene des durchschnittlichen Nutzers eine enorme Skalierung ermöglicht, die vorher schwer zu erreichen war. Das hat sich tatsächlich geändert.

Im Folgenden findest du meine Antwort auf jeden der großen Punkte, die wir in der Runde besprochen haben.

Welche organisatorischen und technologischen Fähigkeiten sind unverzichtbar, um von der einfachen Datenerhebung zu einer intelligenten Echtzeit-Aktivierung zu kommen, ohne operative Probleme zu erzeugen? (Data Governance, Abstimmung Marketing-IT…)

Meistens ist es weder eine organisatorische noch eine technologische Frage, sondern eher eine Frage der Vision. Von analysieren, welche Daten wir haben und was man mit ihnen machen kann.

Eine normale Website oder App erzeugt Milliarden von Datenpunkten. Manche sammelst du auf die eine Weise (Server), andere auf eine andere (Google Analytics oder CRM) und wieder andere sammelst du schlicht nicht. Weil sie dich nicht interessieren oder weil du nicht daran gedacht hast, was meistens passiert.

Das ist also kein Tool-Problem, sondern, wie gesagt, hauptsächlich eine Frage der Vision. Und das Erste ist, eine zu haben.

Ab hier müssen Marketing, IT und Business miteinander sprechen:

• Entscheiden, was gesammelt werden muss.
• Wofür.
• Wie es technisch umgesetzt wird.
• Wie die Daten aktiviert werden.
• Und eines wird oft vergessen: wie der Erfolg der Aktion gemessen wird.

Und fertig.

Weiter unten gebe ich mehrere Beispiele für Personalisierung und beantworte diese vier Fragen jeweils dazu, aber vorher möchte ich, dass du dir eine Idee merkst:

Totale Echtzeit gibt es nicht.

Und das ist kein Problem, denn viele dieser Aktivierungen und Personalisierungen brauchen keine Millisekunden, sondern Logik und Kohärenz.

Wie wird Advanced Analytics (prädiktive Modelle, Machine Learning, Scoring) genutzt, um Kaufverhalten vorauszusehen und nicht nur darauf zu reagieren? (Warenkorbabbruch, dynamische Preisgestaltung…)

Das Erste ist zu unterscheiden Analytics von Reporting. Reporting ist ein Teil von Analytics und wird in jedem mittelgroßen Unternehmen gemacht. Aber Analytics ist mehr. Und Advanced Analytics noch viel mehr.

Zu sehen, dass ein Nutzer den Checkout abbricht, ist keine Advanced Analytics. Aus meiner Sicht ist es nicht einmal Analytics. Es ist ein Ereignis, das eine Aktion auslösen muss, etwa ein exit-intent Popup oder den Versand einer automatischen E-Mail. Da würden wir eher von CRO sprechen.

Etwas anderes ist es, wenn wir in Modelle einsteigen, die einem Nutzer / Kunden eine Wahrscheinlichkeit zuweisen:

• Kaufwahrscheinlichkeit.
• Abbruchwahrscheinlichkeit.
• Churn-Wahrscheinlichkeit.

Diese Scores zu kontrollieren und zuzuweisen erlaubt es, zu handeln, bevor das Ereignis eintritt, mit höheren Erfolgschancen als danach.

Zum Beispiel kann ein Kaufneigungs-Scoring, das bestimmte Angebote oder Inhalte aktiviert, sehr gut funktionieren. Gleiches gilt für dynamisches Pricing: Preise je nach Nachfrage, Bestand und Verhalten anzupassen hat einen direkten Effekt, wenn es ins Business integriert ist.

In beiden Fällen ist das Schwierige, die „Signale“ zu unterscheiden, die einen Nutzer zum Kauf bewegen, vom Rest, den uns sein Verhalten hinterlässt. Wenn sie einmal erkannt sind, ist ihre Aktivierung relativ einfach.

Außerdem funktionieren nach meiner Erfahrung gut umgesetzte einfache Regeln -etwa solche, die auf Biases basieren- besser als andere komplexere und verschachtelte Algorithmen.

Wo liegt das Gleichgewicht zwischen wirklich umsetzbarer Segmentierung und analytischer Komplexität, die die Umsetzung lähmt? (Automatisierung, Kosten, Omnichannel…)

Hier glaube ich, gegen den Strom zu schwimmen. Ich sage das, weil ich Projekte sehe, die mit einer einfachen Segmentierung beginnen und sie immer komplizierter machen, bis sie mit Hunderten Mikrosegmenten enden, die eher wenig beitragen.

In diesem Sinne nutze ich gern Segmente aus bewährten Methoden wie RFM und entferne mich nur wenig davon. Ich halte sie für sehr gut durchdacht und sie ermöglicht es, Nutzergruppen anzusprechen, die sich tatsächlich voneinander unterscheiden.

Natürlich Sprache und/oder Land, müssen berücksichtigt werden, vor allem wegen der Creatives und Copies, mehr als wegen des Verhaltens an sich, das aber ebenfalls.

Wie garantiert man eine kohärente hyperpersonalisierte Experience über alle Kontaktpunkte hinweg —Web, E-Mail, Social, Paid Media, Kundenservice—, ohne die Markenkonsistenz zu brechen?

Ich habe damals schon darüber gesprochen, was Omnichannel im Gegensatz zu Multichannel bedeutet. Hyperpersonalisierung macht das viel komplizierter. Deshalb denke ich, dass man nicht durchdrehen sollte.

Ein Beispiel: Bei Lowi fanden wir, als wir vom Mobilfunkangebot zu Glasfaser wechselten, mehr als 100 verschiedene Kundenfälle beim Upselling vor (ein Anschluss, mehrere Anschlüsse, gleiche oder unterschiedliche, Unternehmen, Privatkunden…). Das war offensichtlich nicht handhabbar.

Was haben wir gemacht? Wir entschieden uns, allen eine vernünftig gute Experience zu bieten. Häufigere Fälle wurden stärker geschliffen, aber die seltensten wurden alle unter einer akzeptablen, nicht optimalen Experience zusammengefasst.

War das falsch? Aus Sicht der Hyperpersonalisierung könnte es so wirken, aber jeden Fall einzeln optimal zu lösen hätte eine VIEL höhere Ressourceninvestition bedeutet als die vermeintlichen Vorteile. Es lohnte sich nicht.

Deshalb gilt aus meiner Sicht: Kohärenz und Omnichannel schlagen Personalisierung immer. Denn wenn das System nicht perfekt abgestimmt ist, kann es passieren, dass ein Nutzer eine Nachricht per E-Mail erhält, eine andere im Web und noch eine andere im Laden, was viel mehr Reibung erzeugt, als wenn du gar nicht versuchen würdest, etwas zu personalisieren. 

Die Herausforderung besteht darin, konsistent zu personalisieren. Und das ist nicht immer möglich.

Hinzu kommt eine Markenkomponente, die oft ignoriert wird. Nicht alles sollte hyperpersonalisiert werden. Es gibt Botschaften, die für alle gleich sein müssen, weil sie Positionierung aufbauen. Das Gleichgewicht liegt darin, Ebenen zu kombinieren: kohärente Markenbasis plus kontextuelle Personalisierung, das ist das Schwierige.

Welche Metriken zeigen, dass Hyperpersonalisierung wirklich auf Conversion, durchschnittlichen Warenkorbwert und Loyalität wirkt, und wie berechnet man ihren ROI sauber?

Nun, auf diesem Niveau sollten Unternehmen, die Hyperpersonalisierung in Betracht ziehen, eigentlich alles, was davor kommt, bereits sehr optimiert haben. Dann gibt es keine großen Sprünge, sondern kleine Steigerungen.

Da du also schon auf einem hohen Niveau bist, werden Änderungen vorsichtig gemacht und, da du experimentieren musst, sind A/B-Tests deine Freunde.

Und mach dich darauf gefasst, viele Tests zu sehen, die keine Conversion-Verbesserung erreichen oder keine statistische Signifikanz haben.

Das ist normal.

Das gilt für Web oder App. Wenn es aber darum geht, von keinem automatisierten E-Mail-Marketing zu gut segmentierten Flows und RFM zu wechseln, dann ändert sich die Sache. Und dann können wir tatsächlich zweistellige Steigerungen bei Conversion und Kanalumsatz sehen.

Zusätzlich zu diesem Anstieg werden sehr wahrscheinlich zwei weitere KPIs mitkommen:

• Wiederkaufsrate der Kunden.
• Gesamtumsatz.

Der Grund ist nichts anderes als der Wiederholungseffekt der Werbung: Du wirst es schaffen, im Kopf deines Kunden viel präsenter zu sein, und das ist das Beste, was dir passieren kann.

Was den ROI angeht: Wenn du mich kennst, weißt du, dass ich kein großer Freund dieser Metrik bin außer wenn es um den Verkauf digitaler Produkte oder von Schulungen geht. Ich würde dich also anlügen, wenn ich dir eine Zahl nennen würde, denn ich kenne sie nicht und sie interessiert mich auch nicht. Bei der Personalisierung reicht es, wie bei fast allem im Online-Kanal, die Dinge gut, schrittweise und mit gesundem Menschenverstand zu machen.

Beispiele für Personalisierung, die dir Ideen geben können

Das sind einige Fälle, die wir in Projekten in verschiedenen Kanälen und Formaten umgesetzt haben.

Kompletter Flow: Kanäle + Web

Das war bisher die größte Personalisierungsarbeit, an der ich beteiligt war. Und es war ein sehr ambitioniertes Projekt das umfasste:

• Die Website.
• Die Landingpages.
• Den Kundenbereich.
• Alle Marketingkampagnen und -kanäle.
• Das Callcenter (der Agent sah genau dasselbe wie der Kunde).

Die komplette User Journey, vom Moment, in dem der Nutzer uns sah (Display) oder nach uns suchte (SEM), bis er abschloss oder im Callcenter anrief.

Und wenn ich Website sage, meine ich nicht eine kleine Nachricht hier und eine andere dort. Nein. Die gesamte Website wurde personalisiert:

Kurz: ein Riesenprojekt, denn jetzt siehst du alle Variablen, die wir berücksichtigen konnten und die wegen des Sektors sehr anders als üblich sind.

Variablen

• Anbieter, von dem aus der Nutzer surft:
• Kunde des Unternehmens.
• Von einem anderen Unternehmen der Gruppe
• Von der Konkurrenz.
• Gebuchte Dienste.
• Hat Glasfaserabdeckung.
• Hat ADSL-Abdeckung.
• Besuch von Tarif-Landingpages.
• Dienste von Interesse.
• Anzahl der Website-Besuche.
• Besuch des Kundenbereichs.
• Ob er Kunde ist, ob er eine Bindung hat.
• Einfügung dynamischer Keywords: Die exakten Keywords, die der Nutzer in SEM verwendet, zeigen wir ihm auf der Website.
• Ob der Nutzer von Vergleichsportalen kommt (Idealo, Rastreator).
• Gesehene Display-Kampagne: wird auf der Website repliziert.

Wie du siehst, ist es nicht üblich, in irgendeinem Webprojekt über all diese Daten zu verfügen.

Messung

Komplexe Übung:

• Messung vor und nach der Personalisierungsmaßnahme.
• Google Analytics.
• AdServer.
• Maßgeschneiderte fortgeschrittene Analyse.

CRM

Hier lasse ich dir eine Liste aller personalisierten E-Mails, die wir damals bei Yo pongo el hielo verschickten:

E-Mail-Marketing für Ecommerce.

Diese segmentierten E-Mails zusammen mit der täglichen E-Mail hinzuzufügen, war ein Game-Changer im Projekt. Die beiden Variablen, die ich vorher genannt habe, Wiederkauf und Umsatz, schossen nach oben.

Variablen

Viele, wenn auch weniger als zuvor:

• Geschlecht.
• Alter und Geburtstag.
• RFM (Anzahl der Bestellungen, Datum und Betrag).
• Gekaufte Produkte.
• Bevorzugte Kategorie.
• Zweite bevorzugte Kategorie.
• Vom Nutzer angesehene Produkte.
• Von anderen Nutzern auf der Website am häufigsten angesehene Produkte.

Und sicher noch ein paar mehr, die ich vergesse.

Messung

E-Mail-Server:

• Zustellbarkeit.
• Anzahl versendeter E-Mails.
• Abmeldungen.

Google Analytics:

• Traffic aus getaggten Links.
• Einnahmen.

Ecommerce

Modul mit den zuletzt vom Nutzer angesehenen Produkten

Einfach und effektiv. Dieses Modul erinnert den Nutzer an die Produkte, die er zuletzt angesehen hat, sodass wir ihn mit etwas erneut ansprechen, das ihn zunächst interessiert.

Variablen

Vom Nutzer angesehene Produkte.

Messung

GA4-Ereignis.

Soziale Netzwerke

Personalisierte Assets für Zielgruppen bei Lowi (verschiedene Figuren, Fußballteams…). Es hat die Ergebnisse nicht wirklich verändert, daher lohnte sich der Aufwand nicht.

Variablen

Interessen und soziodemografische Daten, wenn ich mich richtig erinnere.

Messung

Plattform von Facebook Ads (damals war es noch nicht Meta).

Fazit

Personalisierung ist keine Frage der Tools, sondern der Analyse und des Wissens, was man mit den Daten macht. Ohne das sammelst du Daten – nicht einmal Informationen – mit denen du nichts machst.

Ein weiterer Mythos, der eingerissen werden muss, ist, dass Echtzeit überbewertet ist. In den meisten Fällen zählen nicht Geschwindigkeit oder Unmittelbarkeit, sondern die Business-Logik dahinter.

Innerhalb von Analytics ist nützlicher diejenige, die dich früher mit deinen Kunden handeln lässt, als diejenige, die dir erklärt, was bereits passiert ist.

Ein weiterer wichtiger Punkt ist: Segmentierung zu verkomplizieren ist meist ein Fehler. Lieber wenige gut differenzierte Segmente (nutze RFM) als viele kaum nutzbare, weil sie sich zu ähnlich sind.

Andererseits kann nicht alles personalisiert werden. Wenn du die Kohärenz zwischen Marketing- oder Vertriebskanälen brichst, verschlechterst du die Experience.

Ab einem gewissen Niveau verändert Hyperpersonalisierung das Business nicht auf einen Schlag, sondern hilft mit kleinen Steigerungen.

Kurz gesagt würde ich dir sagen: Wenn du personalisieren willst, denke an weniger Komplexität und mehr Umsetzung.