Erfahren Sie, wie Sie zielgruppenbasierte Personalisierung auf Ihre ersten Empfehlungs- und Inhaltstests anwenden, um aussagekräftige Optimierungserkenntnisse zu gewinnen.
Veröffentlicht am 22. März 2023
Es ist an der Zeit, alles, was Sie in früheren Artikeln im Hub gelernt haben, zusammenzuführen und Ihr primäres, zielgruppenbasiertes Personalisierungsframework in die Praxis umzusetzen, sodass Sie regelmäßig wertvolle Erkenntnisse gewinnen und diese nutzen können, um Ihre Bemühungen langfristig auszurichten.
Dieser Leitfaden dient als Zusammenfassung der beiden Kernarten zielgruppenbasierter Tests und skizziert anschließend einen Schritt-für-Schritt-Prozess für Einsteiger zur Durchführung erster Personalisierungskampagnen. Diese beginnen mit A/B-Test -Varianten im Vergleich zu einer Kontrollgruppe, um herauszufinden, welche für Ihre jeweiligen Hauptzielgruppen am besten abschneidet – deren Ergebnisse als Ausgangspunkt für die weitere Optimierung des digitalen Erlebnisses für jedes Segment dienen.
Das Verständnis Ihrer primären Zielgruppen und die Gewinnung wertvoller Erkenntnisse für einen anhaltenden Personalisierungserfolg lassen sich durch die Durchführung von zwei verschiedenen Experimenttypen erreichen, die für optimale Ergebnisse zusammen eingesetzt werden sollten.
Dazu gehören:
Produktempfehlungen gehören zu den unkompliziertesten Arten der Personalisierung und stellen ein Kampagnenelement dar, das auf der Website als Evergreen betrachtet werden sollte. Sie nutzen Dateneinblicke, Echtzeit-Kontext und aggregierte Kauf-Trends, um maßgeschneiderte Inhalte oder Produkte zu präsentieren.
Eine Reihe globaler, kontextbezogener und personalisierter Produktempfehlungsstrategien kann im gesamten Funnel eingesetzt werden, um die gesamte Kaufzeit eines Besuchers zu verkürzen. Zum Beispiel auf der Startseite, um die Produktentdeckung zu beschleunigen und die Navigierbarkeit der Website zu verbessern. Oder weiter unten auf Produktdetailseiten (PDPs) und im Warenkorb, um Cross-Selling zu unterstützen und Conversions zu fördern, ohne dass Nutzer in kaufstarken Momenten die Seite verlassen müssen (wobei es sich typischerweise um die Bereiche handelt, die den meisten Umsatz generieren).
Alles von den eingesetzten Empfehlungsstrategien über das Erscheinungsbild des Widgets (einschließlich aller Nachrichten) bis hin zum Standort auf der Website oder Seite sollte nicht nur getestet, sondern für die besten Ergebnisse je Primärzielgruppe regelmäßig optimiert werden.
Eine Website steckt voller Inhaltselemente wie Bildern, Texten, Call-to-Actions (CTAs), Werbemodulen und vielem mehr, die von Natur aus typischerweise statisch sind, sich jedoch auf Basis der Zusammensetzung einer bestimmten primären Zielgruppe hervorragend für die Personalisierung eignen.
Beispiele für Content-Kampagnen umfassen die Anpassung von Homepage-Hero-Bannern, die Personalisierung der Website-Navigation (auf Desktop und Mobilgeräten), das Einblenden von zeitlich begrenzten Aktionen, die Integration von Social-Proof-Botschaften auf PDPs oder an anderen Orten sowie Textänderungen bei inaktiven Browser-Tabs.
Was die verschiedenen für Tests verfügbaren Webkomponenten betrifft, sind dem Himmel keine Grenzen gesetzt. Teams sollten bei der Priorisierung von Ideen jedoch stets Auswirkungen, Aufwand und Umfang berücksichtigen.
Nachfolgend finden Sie einen optimierten Prozess, der Ihnen dabei hilft, Ihre primären Zielgruppen zu bestimmen und diese zu nutzen, um Ihre ersten Personalisierungskampagnen zu starten und zu analysieren – darunter einen Produktempfehlungs- und einen Inhaltstest:
Erstellen Sie eine Reihe von primären Zielgruppen
Einen A/B-Test für Produktempfehlungen durchführen
Führen Sie einen Content-A/B-Test durch
Analysieren Sie die Testergebnisse für jede Ihrer primären Zielgruppen
Starten Sie neue Tests auf Basis Ihrer Hypothesen
Beginnen wir.
Voraussetzende Lektüre: Auswählen einer Reihe primärer Zielgruppen.
Ihre primären Zielgruppen sind die grundlegenden Segmente, die Ihre fundierte Personalisierungsstrategie prägen. Sie vereinfachen Ihr Personalisierungsprogramm, ohne dessen Wirksamkeit zu beeinträchtigen. Die Annahme dieser sollte die Skalierung Ihrer Bemühungen erleichtern.
Da diese Segmente als dauerhaft und beständig gedacht sind – selbst wenn sich Ihr Unternehmen weiterentwickelt –, ist es daher von entscheidender Bedeutung, bedacht vorzugehen und sich die nötige Zeit zu nehmen, diese Kerngruppen sorgfältig zu identifizieren.
Ihre Auswahl sollte damit beginnen, einen primären Website-KPI auszuwählen, auf den basierend auf Ihrer Branche und Ihren Geschäftsanforderungen optimiert werden soll. Werten Sie dann Ihre Datenerkenntnisse aus, um Muster im Zusammenhang mit dem Abschluss des KPI-Ereignisses aufzudecken, und nutzen Sie diese als Segmentierungsprinzip, um eine Reihe von Zielgruppen in 2 bis 4 verschiedene Gruppen zu unterteilen. Diese Gruppen sollten 100 % Ihres Website-Traffics abdecken, wobei jede Gruppe mindestens 10 % ausmachen sollte.
Das Ziel dieses Prozesses ist es, eine standardisierte universelle Linse zu etablieren, um Ihre Nutzerbasis und die Ergebnisse Ihrer Tests zu untersuchen. Mit einem grundlegenden Verständnis Ihrer Zielgruppe können Sie damit beginnen, Experimente zu nutzen, um Ihr Wissen zu erweitern und neu gewonnene Erkenntnisse auf zukünftige Tests anzuwenden, die sich auf Ihren primären KPI für die jeweilige Zielgruppe konzentrieren und das Kundenerlebnis weiter verbessern.
Empfohlene Lektüre vorab: Erste Schritte mit Produktempfehlungstests und Personalisierung.
Bevor Sie Ihre ersten Tests starten, stellen Sie sicher, dass diese vier Kriterien erfüllt sind. Hier sind drei Tests, die das tun!
Ein hervorragender Ausgangspunkt, um sich mit der Implementierung und Analyse einer grundlegenden Personalisierungstaktik vertraut zu machen, besteht darin, ein Empfehlungs-Widget zu Ihren PDPs hinzuzufügen und zwei verschiedene Algorithmen im Vergleich zu einer Kontrollgruppe zu testen, um die Ergebnisse auszuwerten.
Es ist wichtig zu bedenken, dass keine einzelne Strategie für alle Besucher:innen geeignet ist, da einige Ihre Website möglicherweise direkt besuchen und mehrmals pro Woche stöbern, während andere das erste Mal über eine Suchanfrage kommen. Eine starke Produktempfehlungs-Engine wertet die verfügbaren Datenerkenntnisse für einen bestimmten Besucher oder eine bestimmte Besucherin aus und setzt basierend auf Kontexthinweisen (aktuelle Seite, verweisende URL usw.), Ausgabentrends und weiteren Faktoren die geeignetste Strategie ein, um Aktionen zu fördern.
Weiter zur Durchführung unseres Tests, die Folgendes umfasst:
Auswahl von zwei Algorithmen zum Testen gegeneinander (sowie einer Kontrollgruppe)
Obwohl die Gewinner je nach Marke, Nutzerbasis und Zielgruppe stark variieren können, gehören „Ähnlichkeit“ und „Zusammen angesehen“ zu den grundlegenden anfänglichen Algorithmen, die auf der PDP ausprobiert werden sollten.
Die Kampagne sollte mindestens zwei Wochen lang laufen, um statistische Signifikanz zu erreichen, wobei ein gleicher Traffic auf jede Variante und die Kontrolle verteilt wird, bevor ein Schwellenwert von 80 % zur Messung der Wahrscheinlichkeit, die beste zu sein (Probability to Be Best, P2BB), verwendet wird
Analysieren der A/B-Test-Ergebnisse für jedes Segment, um zu sehen, welche Zielgruppe welchen Algorithmus für die Verwendung in zukünftigen Empfehlungstests bevorzugt
Wenn Sie zukünftige Empfehlungstests für jedes Segment innerhalb Ihrer primären Zielgruppen durchführen, sollten Sie den Seitentyp und die Phase der Customer Journey im Hinterkopf behalten. Wenn Ihr Segmentierungsprinzip beispielsweise die Kaufabsicht ist (gemessen an Seitenaufrufen), ist es für Besucher mit weniger Daten-Insights (geringe Kaufabsicht) sinnvoll, generische Empfehlungen für Rankings wie „Beliebteste“ zu erhalten. Wiederkehrenden Nutzern mit mehr Data-Insights zu Seitenaufrufen sollten hingegen kontextbasierte Produktempfehlungen ausgespielt werden.
Mehr über Techniken, Strategien und Best Practices erfahren Sie in diesem Leitfaden für Produktempfehlungen.
Social-Proof-Messaging erfordert bei der Implementierung nur geringen Aufwand, kann jedoch massive Auswirkungen auf KPIs haben, weshalb wir es als ersten Content-Test empfehlen.
Das Konzept des Social Proof selbst hat mit dem Einfluss von Gruppendenken zu tun. Positive Kundenbewertungen und -ratings vermitteln beispielsweise ein Gefühl des Vertrauens bei der Kaufentscheidung. Das Hervorheben der Produktnachfrage bestätigt auch das Denken des Besuchers, das Produkt zu kaufen, und die Anzeige des verbleibenden Lagerbestands eines bestimmten Produkts kann Dringlichkeit erzeugen.
Weiter zur Durchführung unseres Tests, die Folgendes umfasst:
Ähnlich wie bei der Produktempfehlungskampagne sollte Ihre künftige Social-Proof-Botschaft auf die Motivationen und Absichten Ihrer primären Zielgruppen ausgerichtet sein. Die Messaging-Inhalte und quantitativen Informationen, die Sie im Rahmen des Inhaltestests anzeigen (wie verkaufte Produkte oder aufgerufene Seiten), unterscheiden sich für jede Zielgruppe. Neue Nutzer mit kaum bekannter Absicht sollten beispielsweise Produktbewertungen von zufriedenen Kunden sehen, um Interesse zu wecken, während ein wiederkehrender Nutzer mit hoher Kaufabsicht möglicherweise nur einen kleinen Anstoß zur Konversion benötigt und Benachrichtigungen über geringe Bestände sehen sollte, die Dringlichkeit und Kaufhandlungen fördern.
Sie möchten die Ergebnisse für alle Ihre primären Zielgruppengruppen analysieren, um zu sehen, wie die Inhalte für die jeweiligen Segmente abgeschnitten haben. Dies erleichtert es Ihnen, nach dem Entdecken aussagekräftiger Datenerkenntnisse schnell zu optimieren.
Analysieren Sie die Ergebnisse nach dem Start Ihrer ersten Kampagnen aus der Perspektive Ihrer Hauptzielgruppen, um die gewinnende Variante für jedes Segment zu ermitteln.
Stellen Sie sich folgende Frage:
Welche Variante hat basierend auf der Primärmetrik besser abgeschnitten?
Wenn das Ergebnis negativ war oder zu einem Rückgang führte, hätten dann die Platzierung, der Inhalt, der Call-to-Action / das Fehlen eines Call-to-Action oder ein anderes Element ein Faktor sein können?
Warum könnte eine Variante bei der primären Zielgruppe Anklang gefunden haben (oder auch nicht), basierend auf dem, was Sie bereits über sie wissen?
Welche Botschaften könnten bei den primären Zielgruppen besser ankommen?
Was können Sie als Nächstes testen, um mehr Klarheit über die einzelnen Zielgruppen zu gewinnen?
Nutzen Sie diese Überlegungen, um eine Zielgruppenerkenntnis zu festigen und die Hypothese zu untermauern, die Sie bei Ihren nächsten Experimenten auf den Prüfstand stellen.
Sobald Ihnen Erkenntnisse aus den ersten Kampagnen für die einzelnen Zielgruppensegmente vorliegen, verfügen Sie über eine verbesserte Ausgangsbasis für den Start künftiger Tests.
Angenommen, Sie stellen beispielsweise fest, dass Nutzer mit geringem Kaufinteresse (eine Ihrer primären Zielgruppen) ähnliche Produkte bei den PDP-Empfehlungen bevorzugt haben. Dieses Ergebnis könnte Sie zu der Annahme verleiten, dass sie eher an einem bestimmten Produktstil interessiert sind als an dem, was zusammen damit angezeigt wurde. Ein natürlicher nächster Schritt wäre es, Ihre Verwendung des Ähnlichkeitsalgorithmus für das Zielgruppensegment mit geringem Kaufinteresse innerhalb des PDP-Produktempfehlungs-Widgets zu verfeinern.
Und so beginnt der Prozess der Kampagnenfindung von vorn, wobei neue Erkenntnisse als zweite Iterationen Ihrer Empfehlungen und Inhaltestests angewendet werden – diesmal für jede Ihrer Hauptzielgruppen.
Es gibt zahlreiche Taktiken und Strategien innerhalb beider Haupttypen zielgruppenbasierter Personalisierungstests, die über PDP-Empfehlungen und Social Proof hinausgehen. Wenn Sie sich einer neuen nähern, wenden Sie einfach denselben schrittweisen Prozess an:
Die Personalisierungskampagne auswählen
Formulieren Sie eine Hypothese, die Sie für Ihr gesamtes Publikum testen können.
Führen Sie einen A/B-Test mit einer Kontrollgruppe und zwei Variationen durch
Lassen Sie den Test (mindestens) zwei Wochen lang laufen, um statistische Signifikanz zu erreichen, wobei auf jede Variante und die Kontrollgruppe gleich viel Traffic verteilt wird, bevor Sie einen Schwellenwert von 80 % für die Messung der Wahrscheinlichkeit, die beste Variante zu sein (Probability to Be Best, P2BB), anwenden.
Analysieren Sie die Ergebnisse aus der Perspektive Ihrer jeweiligen Hauptzielgruppen
Die Erkenntnisse aus den einzelnen Tests institutionalisieren und zusammenstellen
Personalisierung ist nie wirklich abgeschlossen, da Sie immer in der Lage sind, mehr über Ihre Zielgruppe zu erfahren. Wenn Sie den obigen Leitfaden umsetzen, können Sie diesen lohnenden Prozess beginnen, wodurch Sie nicht nur das Kundenerlebnis verbessern, sondern auch Ihre Ergebnisse kontinuierlich optimieren können.