Seit Jahren erhalte ich einen Newsletter eines E-Commerce-Branchenriesen, in dem ich permanent mit dem falschen Geschlecht angesprochen werde. Und das, obwohl ich meine Daten längst korrigiert habe. Lesen Sie in diesem Artikel, was das mit der Renovierung im Haus des Autors zu tun hat und was Händler daraus lernen können.

Glauben Sie mir, ich habe alles versucht. Aber der Newsletter, der mich über aktuelle Angebote einer großen Shopping-Site informiert, spricht mich nach wie vor mit "Liebe Frau Lamprecht" an. In meinem Kundenkonto habe ich alles kontrolliert und alles geändert: Lieferanschrift, Rechnungsanschrift, Newsletter-Bezug. Überall steht dort korrekterweise "Herr". Nur eben in der Anrede des Newsletters nicht.

Und diese Form der negativen Personalisierung funktioniert - ich ärgere mich immer wieder erneut. Und das gar nicht einmal wegen der Anrede, sondern wegen des handwerklichen Fehlers. Hätte der Anbieter doch auf die Qualität seiner Daten geachtet. Dabei ist Personalisierung ja nicht erst seit den Ergebnissen der Me-Commerce-Umfrage von Fittkau und Maass ein großes Thema.

Re-Targeting - der Stolperstein in der Personalisierung

Wer Personalisierung sagt, der muss auch Re-Targeting sagen. Und derzeit stecke ich als Kunde in der Re-Targeting-Hölle! In den vergangenen zwei Wochen stand hier im Haus die Migration eines Kinderzimmers zu einem Jugendzimmer an. Und natürlich kaufe ich dann als Autor zum Thema viel bei Online-Händlern ein. Nur bieten mir leider die E-Commerce-Größen des Landes auf allen erdenklichen Seiten ab jetzt Artikel an, die ich bereits gekauft habe.

Ja, ich habe mich für einen Schreibtisch interessiert. Und erfolgreich gekauft. Ich brauche keinen zweiten. Mir würden jetzt spontan zig Dinge einfallen, die man mir zusätzlich offerieren könnte. Die ich vielleicht sogar kaufen würde, wie Schreibtischlampen, Rollcontainer oder Stühle. Wenn Sie nun der Meinung sind, dass es der Händler, bei dem ich den Schreibtisch gekauft habe, besser macht, irren Sie sich. Auch hier sehe ich eine bunte Kollektion von Schreibtischen als Kaufoption.

Von den ganz Großen der Branche lernen, heißt immer "Siegen" lernen? Mitnichten! Einmal einen Grisham bei Amazon in den Warenkorb gelegt und als Geschenk versendet, führt zur irrigen Annahme, dass ich mich für Grisham & Konsorten interessiere. Das glaubt indes aber auch nur der Algorithmus.

Versuchen Sie es doch einfach mal anders!

Ich erzähle Ihnen das jetzt nicht, um frei Haus ein Kundenprofil zu liefern. Stattdessen habe ich die leise Hoffnung, dass sich im Laufe der Zeit etwas ändern könnte, wenn mehr Händler in Sachen Personalisierung kritischer mit dem eigenen System arbeiten.

Vermeiden Sie den E-Mail-Overkill und denken Sie wie ein Kunde!

Vor einigen Wochen habe ich mich für einen Produktratgeber interessiert, der zum Download angeboten wurde. Der Download wurde mit dem Hinterlegen meiner E-Mail-Adresse und Namen freigeschaltet. Das hat eine wahre Flut an Mails und Newslettern ausgelöst. Tipp: Kontrollieren Sie, an welche Aktionen des Kunden in Ihrem System der automatisierte Versand von Mails geknüpft ist. Reduzieren und bündeln Sie diese Aktionen. Wenn möglich, suchen Sie nach einer Funktion oder Regel, die den Versand der Nachrichten auf eine maximale Zahl innerhalb eines Zeitraums beschränkt.

Setzen Sie besser ein lernendes System bei Kaufempfehlungen ein.

Die meisten Empfehlungsalgorithmen gehen nach einem einfachen Schema vor. Der Kunde hat sich für einen Schreibtisch interessiert, also zeigen wir ihm ähnliche Produkte. Fortgeschrittene Regeln, die aber viel zu selten eingesetzt werden, gehen dann beispielsweise davon aus, dass ich über einen Schreibtisch verfüge, wenn ich mich über Schreibtischstühle informiere. Dann erhalte ich als Empfehlung Arbeitsplatzleuchten. Lernende Systeme (die nicht zwangsläufig teurer sein müssen) wählen einen anderen Ansatz. Nachdem ich mich über Schreibtische informiert habe, zeigt mir ein solches System beispielsweise eine Leuchte, eine Notebooktasche und einen Kleiderschrank. Klicke ich auf einen der Einträge, werden die beiden anderen Optionen als negativ eingestuft. Nehme ich den Kleiderschrank, deutet das darauf hin, dass ich mich vielleicht gerade neu einrichte. Dann kann das System sich in dieser Richtung weiter auf mich einstellen. Mein Bedarf an Arbeitsutensilien scheint also gedeckt zu sein. Der Vorteil für den Händler beim Einsatz solcher Systeme liegt darin, dass er eine viel breitere Palette an Artikeln und Warengruppen ausprobieren kann.

Definieren Sie Regeln für widersprüchliches Verhalten des Kunden und personalisieren Sie nicht zu früh.

Ein Beispiel gefällig? Ich kaufe seit vielen Jahren bei einem Versender regelmäßig Spielzeug. Auch die Stammdaten meiner Kids sind dort hinterlegt. Der Algorithmus des Systems sollte also ermitteln können, das hinter uns eine lange Phase des Playmobil- und Legouniversums liegt. Nun habe ich vor einiger Zeit einen Newsletter erhalten, in dem auch über einen Artikel für die Allerkleinsten berichtet wurde. Und da sich im näheren Umfeld gerade Nachwuchs eingestellt hat, interessierte mich das. Ein Klick - und schon geht das System davon aus, dass sich unsere Familie vergrößert hat. Als Händler prüfen Sie am besten die Regeln Ihrer Systeme, was in einem solch widersprüchlichen Fall passiert. Wird dann in verschiedenen Richtungen personalisiert, also mal ein Artikel aus dem anderen Segment vorgeschlagen? Wie häufig muss der Kunde sich für dieses Segement nachweislich interessieren, damit Produkte daraus eingespielt werden? Aber klarer Fall: Ein Klick ist mit Sicherheit nicht ausreichend, um daraus bereits Rückschlüsse zu gewinnen.

In diesem Sinne: Viel Erfolg beim Personalisieren!