Warum die meisten Marketingsegmente zu breit sind, um nützlich zu sein
„Marketingfachleute im Alter von 25 bis 45 Jahren, die Interesse an digitalem Marketing gezeigt haben.“ Das ist ein Segment. Es ist zugleich eine Beschreibung von ungefähr 40 Millionen Menschen. 40 Millionen Menschen mit vage gemeinsamen Merkmalen dieselbe Botschaft zu senden, ist keine Segmentierung - es ist Rundfunk mit einer etwas enger gefassten Antenne.
Die AI-Kundensegmentierung erstellt Zielgruppen auf Grundlage von Verhaltensmustern, Kaufhistorie, Intent-Signalen und prognostizierter Kaufwahrscheinlichkeit - nicht anhand demografischer Schubladen. Die daraus entstehenden Segmente sind kleiner, spezifischer und erzielen deutlich höhere Conversion-Raten, weil die Botschaft tatsächlich zu den aktuellen Bedürfnissen der Zielgruppe passt.
Bevor Sie das verhaltensbasierte, prädiktive oder Intent-basierte Segment in Ihrer Plattform erstellen, hilft Amos Ihnen dabei, genau festzulegen, auf welches Ergebnis dieses Segment ausgerichtet sein soll - ein Schritt, den die meisten Teams überspringen, bevor sie direkt zu den Filtern springen.
Amos ansehen →Drei Ansätze zur AI-Segmentierung und wann Sie welchen einsetzen sollten
1. Verhaltensbasierte Segmentierung (für engagementbasiertes Targeting)
Gruppiert Kontakte danach, was sie tun - besuchte Seiten, geöffnete E-Mails, konsumierte Inhalte, angesehene Produkte und getätigte Käufe - und nicht danach, wer sie sind. Die AI erkennt Muster in Verhaltensabfolgen, die auf Kaufabsicht und Kaufbereitschaft hindeuten.
Praktisches Beispiel: Die „Active on Site“-Segmente von Klaviyo identifizieren Kontakte, die Ihre Website in den letzten 7 Tagen besucht, in den letzten 90 Tagen gekauft oder mehrfach auf eine bestimmte Kategorieseite geklickt haben. Diese verhaltensbasierten Segmente erzielen bei E-Mail-CTR und Conversions durchgängig 2- bis 3-mal bessere Ergebnisse als demografische Segmente.
Am besten geeignet für: E-Commerce, SaaS und jedes Unternehmen mit aussagekräftigen Website- oder Produktnutzungsdaten.
2. Prädiktive Segmentierung (für das Targeting nach Lebenszyklusphase)
AI analysiert historische Muster, um vorherzusagen, wo sich jeder Kontakt in seinem Lebenszyklus befindet - und wohin er sich entwickelt. Welche Kunden kaufen wahrscheinlich bald wieder? Bei welchen zeigen sich erste Anzeichen für eine Abwanderung? Welche sind bereit für ein Upgrade?
Praktisches Beispiel: Die prädiktive CLV-Segmentierung von Klaviyo gruppiert Kunden nach ihrem vorhergesagten Customer Lifetime Value. So können Sie Kunden mit dem höchsten vorhergesagten Wert frühzeitig Zugang zu neuen Produkten, Treueprämien und persönlicher Betreuung geben, noch bevor sie diese im Rahmen einer volumenbasierten Segmentierung erhalten hätten.
Am besten geeignet für: E-Commerce- und Abo-Unternehmen mit einer Kaufhistorie von mindestens 6 Monaten.
3. Intent-basierte Segmentierung (zur Priorisierung der B2B-Pipeline)
Kombiniert Intent-Daten von Drittanbietern (Bombora, G2) mit Verhaltensdaten aus dem CRM, um Accounts und Kontakte zu identifizieren, die aktiv nach Lösungen in Ihrer Kategorie recherchieren. Diese Segmente werden nicht aus Ihren eigenen Daten erstellt - sie basieren auf Signalen aus dem gesamten Web.
Praxisbeispiel: Ein Unternehmen, das in den letzten 30 Tagen auf Websites Dritter mehrere Inhalte über „Marketingautomatisierungsplattformen“ konsumiert hat und gleichzeitig einen Kontakt auf deiner E-Mail-Liste hat, der zweimal deine Preisseite besucht hat, bildet ein Segment mit hoher Kaufabsicht, das sofortige Aufmerksamkeit des Vertriebs verdient.
Am besten geeignet für: B2B-Unternehmen mit einem Account-Based-Marketing-Ansatz und Zugang zu Anbietern von Intent-Daten.
Dein erstes AI-Segment erstellen: Ein Schritt-für-Schritt-Beispiel
Klaviyo für eine E-Commerce-Marke verwenden:
- Das Ergebnis definieren - Du möchtest ein Kundensegment, das mit hoher Wahrscheinlichkeit in den nächsten 30 Tagen einen zweiten Kauf tätigt.
- Klaviyos prädiktive Eigenschaft „Next Purchase Date“ verwenden - Filtere Kontakte, deren vorhergesagtes Datum des nächsten Kaufs innerhalb der nächsten 30 Tage liegt UND deren letzter Kauf mehr als 14 Tage zurückliegt (damit du keine Personen ansprichst, die gerade die Entscheidung über ihren ersten Kauf abwägen).
- Einen Verhaltensfilter hinzufügen - Füge hinzu: hat in den letzten 14 Tagen eine E-Mail geöffnet (aktiv und erreichbar). Dadurch werden die nicht engagierten Kontakte entfernt, bei denen die AI einen Kauf vorhergesagt hat, die aber nicht auf E-Mails reagieren werden.
- Die Kampagne erstellen - Sende gezielt eine Reaktivierungs- oder Produktempfehlungs-E-Mail speziell an dieses Segment. Nutze Claude, um Texte zu verfassen, die den kürzlichen Kauf berücksichtigen und ergänzende Produkte hervorheben.
- Messen - Vergleiche die Conversion-Rate dieses von AI erstellten Segments mit deiner allgemeinen Segmentgruppe „kürzliche Käufer“. Der Anstieg zeigt dir den genauen Wert, den die AI-Segmentierung hinzufügt.
Das Segment, das Claude erstellt und keine Plattform erstellen kann
Jede der oben genannten Plattformen erstellt Segmente aus deinen Daten. Claude erstellt eine andere Art von Segment: das Messaging-Segment - die spezifische Darstellung, der Ton und das Angebot, die bei jeder von dir identifizierten Zielgruppe Anklang finden.
Sobald du weißt, dass du „Kunden mit hohem CLV, die wahrscheinlich innerhalb von 30 Tagen kaufen“ ansprechen möchtest, verfasst Claude mit einer Marketing-Skill-Datei die E-Mail, die Betreffzeile und die Darstellung der Produktempfehlung, die direkt die spezifischen Motive dieser Zielgruppe anspricht. Die Plattform identifiziert, wer angesprochen werden soll. Claude schreibt, was du ihnen sagen solltest.
Hol dir die E-Mail-Marketing-Skill-Datei für Claude bei KissMySkills.com.
Bereit, das in die Praxis umzusetzen? Stöbere in den Tech- & Development-Skills für Claude & ChatGPT oder entdecke alle Claude-Skills und die prompt-Bibliothek.
