Welche Rolle spielt Content bei der Personalisierung? (inklusive Framework & Tool-Tipps)

Aktualisiert am von
Content-Personalisierung

Personalisierung ist nicht mehr optional, weder in der Unternehmenskommunikation noch in der Produktentwicklung. Immer anspruchsvoller werdende Kund:innen treffen Konsum- und Kaufentscheidung auf Basis ihrer eigenen Präferenzen und wenn das Angebot einer Marke nicht passt, dann ist die Konkurrenz nur einen Klick entfernt.

Um das eigene Angebot anpassen zu können, müssen Unternehmen diese Vorlieben und Ansprüche einerseits kennen und andererseits verstehen, wie und vor allem wann sie diese bestmöglich adressieren.

Kurzum: Unternehmen müssen ihre Kommunikation, vielleicht sogar Produkte, definitiv jedoch die Customer Experience als ganzes personalisieren.

Und Content nimmt dabei eine wichtige Rolle ein, wie dieser Beitrag verdeutlichen soll.

Disclaimer: Ich verweise in diesem Artikel auf weiterführende Inhalte von Adobe und konversionsKRAFT. Mit beiden führe ich eine langjährige geschäftliche Beziehung – als Brand Ambassador und “Adobe Insider” bzw. Angestellter. In meiner Meinung bin ich weiterhin unabhängig.

Status quo der Personalisierung

Schon seit Jahren wandert das Thema Personalisierung – und auch “Personifikation”, aber zu diesem Unterschied gleich mehr – den Gartner Hype Cycle entlang. 2021 war es im Sinne der Technologie (“Personalization Engines”) bereits auf dem Weg raus aus dem Tal der Enttäuschung (2020 war es am Tiefpunkt der Desillusionierung angelangt) in Richtung Pfad der Erleuchtung (siehe Bild unten). Ein Hype ist das Thema also lange nicht mehr, viel mehr blicken wir schon in absehbarer Zukunft auf den produktiven Einsatz von Personalisierungstools.

Gartner Hype Cycle Digital Marketing 2021
Gartner Hype Cycle für Digitales Marketing 2021

Fast drei aus vier Konsument:innen wollen nicht nur personalisierte (Shopping-)Erlebnisse, sie erwarten sie sogar (McKinsey – definitiv eine Leseempfehlung!). Sie erwarten schon heute mehrheitlich (72 %), dass Marken sie als Individuen anerkennen, ihre Vorlieben kennen und auf eine Beziehung genauso – wenn nicht sogar mehr – Wert legen als auf eine Transaktion.

Erwartungen von Konsument:innen an Markenerlebnisse
Erwartungen von Konsument:innen an Markenerlebnisse (Quelle: Next in Personalization 2021 Report)

Das deckt sich mit einer früheren Gartner-Studie „2018 State of Personalization and CMO Spend“ aus der hervorging, dass Kund:innen Wert auf Hilfe nach Maß legen, etwa in Form von:

  1. Anleitung beim Finden des Produkts, das ihr Anliegen erfüllt („Direct me“),
  2. Informationen zu für sie relevanten Kaufoptionen („Teach me“),
  3. Unterstützung beim Treffen der richtigen Entscheidung („Reassure me“) und
  4. Anerkennung durch ein attraktiveres Angebot („Reward me“).

Es geht also um Orientierung, Komfort und Sicherheit – bekannte Prinzipien, wenn es um “Experience Optimization” geht.

Und genau hier setzt Content an, denn viele dieser Erwartungen bzw. Anforderungen können wir durch Content bedienen. Und erst durch Content - ergänzend zur technologischen Komponente – können wir Personalisierung in Echtzeit skalieren.

Die Frage zur Personalisierung ist also keine nach dem Ob, sondern dem Wie?

Begriffserklärung: Personalisierung vs. Personifikation

Laut Gartner ist Personalisierung ein Prozess, der eine relevante, individualisierte Interaktion zwischen zwei Parteien schafft, um die Erfahrung des Empfängers zu verbessern.

Der Unterschied zu Personifikation besteht im Grunde lediglich in den für die Differenzierung der Marketingmaßnahmen genutzten Daten: Personalisierung basiert auf personenbezogenen Daten, während Personifikation eher auf demografischen oder Verhaltensdaten im Sinne persönlicher Präferenzen (die ja für mehrere Personen dieselben sein können) basiert, die nicht personenspezifisch sind, sondern eher ein größeres Segment beschreiben.

Personifikation beschreibt also, um es mit den Worten von Gartner Analyst Andrew Frank zu sagen, “die Bereitstellung relevanter digitaler Erlebnisse für Einzelpersonen auf der Grundlage ihrer abgeleiteten Zugehörigkeit zu einem bestimmten Kundensegment und nicht ihrer persönlichen Identität” (frei übersetzt aus dem Gartner Blog). Der Begriff ist eng mit dem Konzept von Personas verbunden.

Ein Framework zur Personalisierung (nicht nur von/durch Content)

Der Einstieg in die Personalisierung ist auch gar nicht so aufwändig und kostspielig, wie der ganze Hype um das Thema vermuten lässt. Tatsächlich lässt es sich auf vier Stufen, quasi als eine Art Reifegrad, herunterbrechen: Angefangen mit einfachen Methoden, um die Relevanz zu steigern, bis hin zur selbstlernenden, automatisierten Personalisierung.

  1. Punktuell – Kaum ein Unternehmen fängt bei Null an, in der Regel sind bereits Webanalyse- oder Kundendaten vorhanden, aus denen wir erste Personalisierungsmaßnahmen ableiten können. Das kann schon sowas Simples sein wie eine Mail an Warenkorb-Abbrecher.

    Diese einfachen Maßnahmen führen bereits dazu, dass (Neu)Kund:innen eine Veränderung in der Ansprache wahrnehmen und dadurch motiviert werden, weitere persönliche Informationen preiszugeben, um den Grad der Personalisierung bzw. den ihnen dadurch entstehenden Nutzen zu erhöhen. Und alles, was wir dafür brauchen, sind Tools wie Adobe Target & Co., die uns ein entsprechendes Targeting ermöglichen.

    Ein Beispiel dafür ist die Integration von Inline-Content-Empfehlungen innerhalb von Artikeln, die personalisiert aussehen, es aber (noch) nicht unbedingt sind. Klicks auf derartige Elemente signalisieren Wirkung einer personalisierten Ansprache und können, je nachdem, worauf wir verlinken (z.B. andere Artikel oder Produktseiten), auch schon umsatzrelevante Conversions bedeuten.
Beispiel für Inline-Content-Empfehlungen
Personalisiert wirkende Inline-Content-Empfehlungen (Quelle: DY Inspiration Library)
  1. Regelbasiert – Auf Basis von Nutzerdaten werden Produkte und Content auf verschiedene Nutzersegmente (z.B. Limbic Types®) angepasst. Voraussetzung dafür ist ein tiefergehendes Wissen um unsere Zielgruppe, etwa auf Basis von Jobs-to-be-done-Interviews oder anderen User Research-Methoden. Kritisch ist dafür ist die Zusammenführung aller Datenquellen, um möglichst vollständige Customer Data Profiles (kurz: CDP) zu erstellen.

    Dadurch können wir einzelne Content Assets innerhalb der Customer Journey zuordnen und auf Basis des Konsums Kundenverhalten messbar machen: Welche Inhalte konsumiert ein:e Kund:in, nachdem er/sie einen bestimmten Blogartikel gelesen hat? Was sagt uns das über ihre Customer Journey aus? Welche Informationen wird er/sie als nächsten suchen? Wie viel Content konsumieren Nutzer:innen, bevor sie ein Produkt kaufen? Die Antworten auf diese Fragen können dabei helfen, nicht nur wichtige Content Assets zu identifizieren und Lücken in unserem Content-Portfolio aufzudecken, sondern geben – bei ausreichender Datenmenge – eben Aufschluss über tatsächlich (!) unterschiedliche Kundensegmente.

    Personalisierung ist dann in der Form möglich, dass wir je nach Kundensegment entsprechende Texte ausspielen, unterschiedliche Content- bzw. Produktempfehlungen geben und ganz allgemein im Sinne von dynamischen Call-to-Actions die Customer Journey gezielt gestalten – für das eine Segment eher kürzer, für das andere womöglich etwas länger.

    Paradebeispiel dafür sind differenzierte Newsletter, die z.B. Nutzersegmente auf Basis der Kaufhistorie unterscheiden:
Beispiel für personalisierte Newsletter
Auf Basis der Kaufhistorie personalisierte Newsletter (Quelle: Instapage)

Die Honeypot-Strategie zur Validierung von Personalisierungsmaßnahmen

Eine andere, quasi umgekehrte Möglichkeit zur regelbasierten Erkennung von Kundentypen ist die Honeypot-Strategie. Meine Kollegin Julia Engelmann, Head of Data Analytics & Science bei konversionsKRAFT, erklärt diesen Ansatz wie folgt:

Wir [starten] mit einer Personalisierungsmaßnahme, von der wir glauben, dass sie auf die Bedürfnisse eines bestimmten Nutzertypen abzielt, und lassen diese auf einer möglichst breiten Nutzerbasis laufen. Es erfolgt zunächst kein Targeting auf ein bestimmtes Segment. Aus der Analyse der Testergebnisse können wir dann ableiten, welche Attribute dazu beigetragen haben, dass Nutzer:innen besonders gut auf dieses Konzept reagieren, und diese in der Kombination nutzen, um auf Persönlichkeiten zu schließen. So lässt sich über einen fortlaufenden Ansatz analysieren, welche limbische Typen überhaupt relevant sind, und die Inhalte nach und nach immer gezielter ausspielen.

Und das funktioniert nicht nur auf der eigenen Website, sondern kann auch über E-Mail oder Anzeigen vertestet werden, um Segmente schneller zu validieren.

  1. Modellbasiert – Sind die heuristischen Segmentierungsregeln aus Stufe 2 ausgeschöpft oder das Kosten-Nutzen-Verhältnis nicht mehr positiv, brauchen wir Machine Learning-Algorithmen. Diese definieren dann die Regeln zur Segmentbildung selbst (Data-first Ansatz) und erstellen Cluster auf Basis von Kundentypen, die ein ähnliches Verhalten aufweisen.

    An dieser Stelle stoße ich mit meinem technischen Wissen an meine Grenzen, daher verweise ich lieber auf meine zuvor zitierte Kollegin Julia Engelmann oder Branchenkolleg:innen wie Martin Szugat.
  2. Selbstlernend – Zu guter Letzt fehlt im Grunde nur noch die maschinelle Automatisierung und kontinuierliche Optimierung der bis hierhin beschriebenen Personalisierungsmaßnahmen über alle Kanäle hinweg. Aus Aktionen der Nutzer:innen werden frühzeitig Bedürfnisse antizipiert (Adobe nennt das Predictive Analytics) und es wird sehr schnell in der Ansprache darauf reagiert. Das System weiß fast schon vor dem oder der Nutzer:in, was er oder sie sich eigentlich wünscht, und wie diese Bedürfnisse am besten angesprochen werden. Das System erkennt frühzeitig Änderungen im Kundenverhalten (z.B. anhand von Anomalien) und passt Modelle und Maßnahmen im Live-Betrieb eigenständig an. Somit wird die Erkennung und Antizipation von Kundenwünschen noch genauer und frühzeitiger.

Tool-Tipp: Adobe Journey Optimizer

Adobes Lösung für die (automatisierte) Personalisierung heißt “Journey Optimizer” (CJM) und wurde bereits 2021 beim Adobe Summit präsentiert (hier findest du meinen Bericht). Wenn dich die Technologie interessiert, kann ich dir dieses Video aus der Tech Academy empfehlen, in dem unter anderem Timo Kohlberg, Head of Product Marketing für CJM in EMEA, Einblicke in das Tool geben:

Letztlich bleibt nur noch zu betonen, dass Tools nicht die Lösung, sondern eben ein – gutes und wichtiges – Mittel zum Zweck sind. Noch erstellen wir den Content, ob Text, Bild, Audio oder Video, und nutzen die Tools, um die relevanten Inhalte zur besten Zeit am gewünschten Ort in der präferierten Form auszuspielen.

Wie sähe Personalisierung ohne Content aus?

Keine Ahnung … geht das?

Aber eines wird daraus hoffentlich auch klar: Wir brauchen analog zu einer zentralen Data Platform auch ein zentrales Content-Management – sowohl technisch, vor allem aber mit Blick auf die Content-Architektur und Governance. Denn um zu skalieren brauchen wir vor allem mehr Content; mehr Bilder, mehr Landingpages etc. und da geht schnell die Kontrolle verloren, wenn wir unsere Prozesse nicht von vornherein im Griff haben.

Einer der besten Artikel dazu ist dieser hier des Content-Strategen Joseph Phillips. Investier die 10 Minuten Lesezeit, du wirst es mir danken.

Apropos Leseempfehlungen …

Adobe Summit On-demand Sessions zu Content & Personalisierung

Adobe hat beim diesjährigen Adobe Summit einige Neuerungen vorgestellt, die das Potenzial der manuellen und automatisierten Personalisierung eindrucksvoll demonstrieren. Etwa, wie schnell es mithilfe eines zentralen Asset-Managements für jede:n in einem Unternehmen sein kann, Kampagnen-, Test- oder eben Segment-spezifische Landingpages zu erstellen, sie direkt an (Adobe) Analytics anzuschließen und über Adobe Target auszuspielen. Das ausgerufene Ziel von Adobe ist ja auch “democratizing content for personalization”.

Die folgenden Sessions kann ich dir wärmstens empfehlen – auch oder vielleicht sogar erst recht als Nicht-Adobe-Kunde/Kundin:

Noch sind nicht alle Sessions on-demand verfügbar, aber auch aus den letzten Jahren sind einige spannende Beiträge im Hub.

Ausblick: Von der Personalisierung zur Communitisierung?

Wir Menschen fühlen uns durch gemeinsame Hobbys und Freizeitaktivitäten, familiäre Bande und Überzeugungen, die unsere Identität sowohl online als auch offline bestimmen, miteinander verbunden. Diese “Social Experience” innerhalb verschiedenster Communitys zwingt Unternehmen quasi dazu, Muster in diesen Verbindungen (sogenannte patterns of connection) und Beziehungen zwischen Individuen zu kennen. Einschließlich der Art und Weise, wie diese Kaufentscheidungen beeinflussen.

Unternehmen müssen lernen, Verhaltensdaten im Kontext von Gruppendynamiken zu interpretieren und ihr Targeting dahingehend entsprechend anpassen.

Personalisierung ist demnach nicht das Ende der Fahnenstange, sondern geht perspektivisch in social clustering, also eine Art Communitisierung über. Dabei werden dann nicht mehr nur persönliche Daten berücksichtigt, sondern Daten aus dem persönlichen sozialen Umfeld hinzugezogen. Aus “Andere Kunden kauften auch…” wird dann wirklich “Deine Freunde kauften auch…” oder “Das könnte deine Freunde auch interessieren…”.

Ein Blick auf Netflix & Co. zeigt ja schon, dass der gemeinsame Konsum von Content in Form von Watchpartys schon existiert. Wieso also nicht auch für andere Inhalte oder Shopping?

VG Wort Zähler

Möchtest du weiterhin investigative, inspirative und inhaltlich tiefgründige Fachartikel mit journalistischen Anspruch erhalten? Dann unterstütze mich dabei – jeder Beitrag, schon ab 1 Euro, ist eine wertvolle Hilfe, um die Zukunft von toushenne.de zu sichern.

via PayPal unterstützen