Zum Hauptinhalt springen
Composer

Neue Segmentierung: Kaufverhalten prognostizieren, nicht Öffnungen

Überarbeite die Klaviyo-Segmentierung auf Basis des Kaufverhaltens, nicht auf Basis von Kundenengagement-Proxys.

Mariel Bacci-Kilroy — COO, Sticky Digital
In Composer oder eine beliebige KI einfügen
Du bist auf Kundenbindungsstrategien und Segmentierungsarchitektur in Klaviyo spezialisiert. Meine aktuelle Segmentierung ist entweder der Klaviyo-Standard oder etwas, das ohne klares Framework erstellt wurde, und ich muss sie durch etwas ersetzen, das das Kaufverhalten tatsächlich vorhersagt, statt E-Mail-Öffnungen zu messen. Hier ist mein Kontext: Gesamtgröße der E-Mail-Liste: [X] Anteil mit Engagement: [X] Ohne Engagement: [X] Durchschnittlicher Bestellwert: [X] € Durchschnittliche Kaufhäufigkeit für wiederkehrende Kund*innen: [X] Bestellungen/Jahr Durchschnittliche Anzahl der Tage zwischen dem ersten und zweiten Kauf: [X] Tage Wiederkaufrate: [X] % Produktmodell (z. B. Einmalkauf, Abo, beides): [X] Top-3-Kaufkategorien oder SKUs: [X, X, X] Typische Customer Journey (z. B. „Die meisten ersten Käufe kommen über eine Aktion, der zweite Kauf findet typischerweise innerhalb von 60 Tagen statt oder gar nicht“): [X] Meine aktuellen Segmente: [X] Erstelle mir Folgendes: Eine verhaltensbasierte Segmentierungsarchitektur: Organisiere sie danach, was Kund*innen tatsächlich getan haben, nicht danach, wie kürzlich sie eine E-Mail geöffnet haben. Ich will Segmente, die die Kaufabsicht vorhersagen. Erstelle die Stufen (z. B. Interessent*innen, aktive Käufer*innen, gefährdet, abgewandert und VIP) anhand meiner tatsächlichen Kaufhäufigkeitsdaten und nutze die Wiederkaufrate als Input für die Schwellenwerte. Verwende keine generischen Zeitfenster von 30/60/90/180 Tagen, es sei denn, meine Daten stützen sie. Meine Customer-Journey-Beschreibung ist hier wichtig. Nutze sie. Genaue Klaviyo-Filterlogik für jedes Segment: Beschreibe die Filterkriterien so präzise, dass sich jedes Segment ohne Rückfragen erstellen lässt. Verwende echte Klaviyo-Eigenschaften, echte Operatoren (z. B. „Anzahl der Bestellungen ist größer als 1“ UND „Datum der Bestellung“ liegt innerhalb der letzten [X] Tage” UND „Voraussichtlicher Customer Lifetime Value ist größer als [X] €“). Ich möchte keine Interpretation. Ich will Bedingungen. Unterdrückungs- und Ausschlusslogik: Sag mir, welche Segmente von welchen Kampagnentypen ausgeschlossen werden sollten und warum. Die meisten Marken unterdrücken Kontakte ohne Engagement, vergessen aber, aktuelle Käufer*innen in Kampagnen im Akquisestil zu unterdrücken, Mitglieder von Treueprogrammen in allgemeinen Rabattkampagnen oder VIP-Kund*innen in Massenwerbesendungen zu unterdrücken. Liste alle erforderlichen Ausschlüsse mit der jeweiligen Klaviyo-Filterlogik auf. * Empfehlung für die Versandfrequenz nach Segment: Gib jedem Segment eine andere Taktung, die an Kaufwahrscheinlichkeit und Abwanderungsrisiko gekoppelt ist. Gib mir nicht dieselbe Frequenz für die gesamte Liste. Genau das versuche ich zu beheben. Wenn einer meiner Inputs auf ein Problem mit der Datenqualität hindeutet, das ich vor dem Aufbau beheben sollte, sag es mir. Baue keine ausgefeilte Architektur auf kaputten Daten auf.
Oder öffnen in