Mit Kundendaten Kaufverhalten vorhersagen und Marketing personalisieren
Generiert von Klaviyo AI
Predictive Analytics nutzt historische Kundendaten, KI und maschinelles Lernen, um wahrscheinliches Kaufverhalten vorherzusagen. Der Beitrag erklärt, wie sich Klaviyos Prognosen für Segmentierung, personalisierte Kommunikation und Kundenbindung einsetzen lassen und welche Datengrundlage dafür erforderlich ist.
Wahrscheinlichkeiten statt Garantien: Predictive Analytics erkennt Muster in vorhandenen Daten und leitet daraus mögliche zukünftige Entwicklungen ab, deren Eintreten nicht garantiert ist.
Kaufverhalten gezielt nutzen: Prognosen zur Bestellanzahl und zum nächsten Kaufdatum helfen, Kund*innen zu segmentieren und den Zeitpunkt von Nachrichten anzupassen.
Kundenbindung individuell gestalten: Der prognostizierte Kundenwert und das Abwanderungsrisiko unterstützen maßgeschneiderte Angebote und Rückgewinnungskampagnen.
Produktempfehlungen passend ausspielen: Das beste Cross-Selling-Datum und das nächste passende Produkt ermöglichen personalisierte Inhalte, sind jedoch bestimmten Klaviyo-Produkten vorbehalten.
Ausreichende Datengrundlage schaffen: Klaviyo benötigt mindestens 500 Käufer*innen, 180 Tage Bestellhistorie mit Bestellungen in den letzten 30 Tagen sowie einige Kund*innen mit mindestens drei Bestellungen.
Wünschst du dir auch manchmal eine Kristallkugel oder ein Tarotkartendeck griffbereit, das dich bei deinen Marketingmaßnahmen unterstützt?
Laut neuen Forschungsergebnissen erwarten 74 % der Verbraucher*innen personalisierte Erlebnisse von B2C-Marken. Ein Blick in die Zukunft – vielleicht sogar eine*einen hauseigene*n Hellseher*in – würde sicher helfen.
Du brauchst keine Hellseher*in im Team, um deinem Unternehmen einen Vorsprung zu verschaffen. Stattdessen gibt es Predictive Analytics: Sie helfen dir, die zukünftigen Handlungen von Kund*innen zu verstehen, um relevantere Online-Shopping-Erlebnisse zu ermöglichen.
Gestützt auf deine Kund*innendaten – und angetrieben durch künstliche Intelligenz (KI) – ermöglichen dir diese zukunftsgerichteten Erkenntnisse, die Bedürfnisse deiner einzelnen Kund*innen bis hinunter auf Profilebene vorherzusehen.
Und indem du diese Erkenntnisse auf deine Marketingmassnahmen anwendest, kannst du deine Strategie auf das nächste Level bringen – dabei das Kundenengagement verbessern, die Abwanderung reduzieren und Kund*innenloyalität aufbauen.
Was ist Predictive Analytics und wie funktioniert es?
Predictive Analytics ist eine von 4 Hauptarten von Data + Analytics und hilft Unternehmen, Muster in ihren Daten zu erkennen, um zukunftsorientiertes Wachstum zu fördern.
Während die diagnostische Analytik rückwärts blickt und die Ursachen von Datentrends aufdeckt, nutzt Predictive Analytics KI und maschinelles Lernen, um nach vorn zu schauen – und zu erkennen, wie sich die Trends, Muster und Beziehungen in den Daten von heute in Zukunft voraussichtlich entwickeln werden.
Predictive Analytics ist nicht gerade eine Kristallkugel – die Vorhersagen, die es auf Grundlage der Daten liefert, die du bereits hast, werden nicht garantiert eintreffen. Aber indem es historische Daten nutzt, um wahrscheinliche Zukunftsszenarien zu bestimmen, ermöglicht es zukunftsorientiertere Entscheidungen.
Und Predictive Analytics-Tools, die KI-Erkenntnisse einbeziehen, können tiefer graben und noch komplexere Vorhersagen und Zukunftsszenarien ermöglichen.
Die leistungsstarken KI-Tools von Klaviyo unterstützen dich bei der Ideenfindung, Umsetzung und automatischen Optimierung.
Als Marketer*in ist es dein Ziel, Umsatz zu erzielen, um dein Unternehmen wachsen zu lassen und zu skalieren. Alle Unternehmen haben das gemeinsam – unabhängig von der Branche. KI-gestützte Erkenntnisse können dir helfen, bei jeder deiner wichtigsten geschäftlichen Prioritäten voranzukommen und letztendlich Wachstum zu erzielen. Das gelingt so:
Predictive Analytics können die Gewinnmargen verbessern
1
Verfeinere deine Rabatt- und Promotionsstrategie und mach pauschale Rabatte zur Sache der Vergangenheit. Mit Predictive Analytics kannst du deine Rabatte und Anreize intelligenter anpassen – basierend nicht nur auf den bisherigen Erfahrungen deiner Kund*innen, sondern auch auf ihrem erwarteten zukünftigen Verhalten.
Predictive Analytics können Abwanderung reduzieren
2
Komm der Abwanderung zuvor, indem du vorhersagst, ob ein*e Kund*in wahrscheinlich erneut kauft, wann und wie viel sie*er wahrscheinlich ausgeben wird. Mit Tools, die dir helfen, proaktiv einzugreifen, bevor Kund*innen abspringen, kannst du die Abwanderung reduzieren [EN] und die Anzahl deiner wiederkehrenden Kund*innen erhöhen.
Predictive Analytics kann Kund*innenbindung aufbauen
3
Du weißt bereits, welche Kund*innen dich lieben. Aber KI kann dir helfen, zu erkennen, wer dich in Zukunft wahrscheinlich lieben wird, damit du dich darauf konzentrieren kannst, sie zu pflegen und zu Markenloyalist*innen zu machen. Sprich Kund*innen mit einem hohen prognostizierten Customer Lifetime Value (CLV) mit Treueprogrammen, Belohnungen, Empfehlung und Anfragen nach sozialem Nachweis an.
Anwendungsfälle von Predictive Analytics für B2C: Erkenntnisse in Handlungen verwandeln
Predictive Analytics bietet dir eine Vielzahl neuer Metriken für die Marketing-Automatisierung, mit denen du den Zustand deiner Kund*innen und deines Unternehmens besser einschätzen kannst. Aber bevor du die Vorteile nutzen kannst, musst du verstehen, was dir jede einzelne Erkenntnis sagen kann. Hier erläutern wir Anwendungsfälle dafür, wie du jede Metrik in deiner eigenen Kundenbindungsstrategie [EN] nutzen kannst.
Durchschnittliche Zeit zwischen Bestellungen
Damit ist die durchschnittliche Zeitspanne gemeint, die zwischen Bestellungen für eine*n bestimmte*n Kund*in vergeht. Hier sind ein paar Anwendungsfälle für diese Metrik:
Exportiere diese Daten für deine wichtigsten Segmente, damit du die durchschnittliche Zeit zwischen Bestellungen für bestimmte Gruppen deiner Kund*innenbasis vergleichen kannst.
Erstelle Segmente, um Kund*innen mit ähnlichen Kaufzyklen zu gruppieren. Richte dich dann mit Angeboten, die sie dazu anregen, häufiger zu kaufen, an Kund*innen, die nicht häufig einkaufen.
Durchschnittlicher Bestellwert
Damit ist der durchschnittliche Geldbetrag gemeint, den ein*e Kund*in jedes Mal ausgibt, wenn er*sie eine Bestellung aufgibt. Hier sind ein paar Anwendungsfälle für diese Metrik:
Exportiere diese Daten für deine wichtigsten Segmente, damit du den durchschnittlichen Bestellwert von Bestellungen deiner VIP-Kund*innen mit dem durchschnittlichen Bestellwert anderer Segmente vergleichen kannst.
Segmentiere deine Kund*innen basierend auf dem durchschnittlichen Bestellwert und erstelle dann gezielte Initiativen, die darauf abzielen, den durchschnittlichen Bestellwert von Kund*innen zu erhöhen, die nicht viel ausgeben.
Verzweige deine Flow basierend auf dem durchschnittlichen Bestellwert und ermutige Kund*innen, die normalerweise keine großen Bestellungen aufgeben, mehr Artikel zu ihrem Warenkorb hinzuzufügen.
Voraussichtliche Anzahl der Bestellungen
Klaviyo zeigt die historische Anzahl an Bestellungen für eine*n Kund*in sowie eine Prognose, wie viele weitere Bestellungen diese*r Kund*in in den nächsten 12 Monaten wahrscheinlich aufgeben wird. Aufgrund der Art dieser Berechnung kann die prognostizierte Anzahl an Bestellungen in einem Profil eine nicht ganzzahlige Zahl sein.
Hier sind einige Anwendungsfälle für diese Metrik:
Erstelle in Klaviyo dein eigenes Loyalitäts-Framework basierend darauf, wie viele Bestellungen eine*r Kund*in aufgegeben hat. Du kannst das tun, indem du eine Vielzahl von Segmenten erstellst, die Kund*innen basierend auf ihrer historischen Anzahl an Bestellungen gruppieren.
Erstelle Segmente basierend darauf, wie viele weitere Bestellungen Kund*innen wahrscheinlich aufgeben werden, um vorherzusehen, wer wahrscheinlich erneut kauft und wer wahrscheinlich nicht erneut kauft. Löse Flow basierend auf diesen Segmenten aus oder sprich Kund*innen, die wahrscheinlich erneut kaufen, über Facebook Ads oder Google Ads erneut an.
KI-gestütztes A/B-Testen hilft dir nicht nur dabei, deine Zielgruppe zu den Inhalten mit der besten Performance zu führen – es berechnet auch die statistische Signifikanz deiner Testergebnisse und liefert dir Schätzungen zur Gewinnwahrscheinlichkeit.
Diese datumsbasierte Eigenschaft sagt das voraussichtliche Datum voraus, an dem eine Kund*in wahrscheinlich erneut kauft. In Klaviyo ist das das erwartete Datum ohne Eingriff, aber Marketer*innen haben die Möglichkeit, es zu beeinflussen.
Hier ist unser liebster Anwendungsfall für diese Metrik, beschrieben von Anna Khomenko, Product Manager bei Klaviyo.
„Das voraussichtliche Datum der nächsten Bestellung sollte zur Personalisierung und zusammen mit anderen Eigenschaften verwendet werden. Warum? Sehen wir uns ein Szenario mit drei verschiedenen Kund*innen an.
Kund*in A hat in den letzten 2 Jahren jeden Monat etwas von deiner Marke gekauft. Wenn sie im März erneut kaufen, wird ihr voraussichtliches Datum für die nächste Bestellung im April liegen.
Kund*in B hat in den letzten 4 Jahren alle 6 Monate etwas von deiner Marke gekauft. Wenn diese Person im März erneut kauft, wird das erwartete Datum der nächsten Bestellung im August liegen.
Kund*in C hat nur einmal bei deiner Marke gekauft – und zwar vor 5 Monaten im September. Das erwartete Datum der nächsten Bestellung war im November (weil Kund*innen dieses Unternehmens ihre 2. Bestellung typischerweise innerhalb von 60 Tagen aufgeben).
Das sind alles sehr unterschiedliche Szenarien, und sie benötigen unterschiedliche Inhalte, um jede*n dieser Kund*innen näher an den nächsten Kauf heranzuführen.
Für Kund*in A musst du möglicherweise vor dem erwarteten Datum der nächsten Bestellung nichts senden, weil diese Person so konsequent einkauft. Stattdessen könntest du sie in dein Treueprogramm lenken.
Bei Kund*in B musst du nicht bis zum erwarteten Datum der nächsten Bestellung warten, um zu versuchen, die Person schon früher wieder zu einer Conversion zu bringen. Du kannst dieser Person einige Kampagnen mit A/B-getesteten Botschaften senden, um zu sehen, was sie möglicherweise dazu bringt, früher zu konvertieren.
Bei Kund*in C ist das erwartete Datum der nächsten Bestellung verstrichen, und diese Person hat nichts gekauft. Das ist okay. Du kannst sie trotzdem identifizieren und ihnen Kampagneninhalte oder Newsletter-Inhalte senden, um die Beziehung zu deiner Marke aufzubauen. Oder vielleicht gab es ein Problem mit der letzten Bestellung. Hat dein Service-Team das richtig gelöst? Gibt es eine Möglichkeit, den Fall für die*n Kund*in zu bereinigen?“
Sieh es in Aktion: Als die Männerpflege-Marke Every Man Jack ihren Auffüll-Flow so angepasst hat, dass er am oder kurz vor dem vorhergesagten Datum der nächsten Bestellung jeder*s Kund*in sendet, war das Teil einer umfassenderen KI-gestützten Marketingstrategie, die dazu beitrug, den Umsatz aus Flows im Jahresvergleich um 25 % zu steigern [EN].
„Klaviyo AI hat mich überzeugt, weil es mir Zeit spart und mir hilft, unsere Kundendaten zum Personalisieren von E-Mail-Timing und -Strategien zu nutzen. Der wichtigste Aspekt dabei ist jedoch, dass ich die volle Kontrolle darüber habe, wie und wann es eingesetzt wird“, erklärt Troy Petrunoff, Senior Kundenbindung-Marketing Manager bei Every Man Jack.
Customer Lifetime Value
Innerhalb eines Profils in Klaviyo siehst du eine Aufschlüsselung der folgenden Metrik:
Historischer Customer Lifetime Value: der Wert dessen, was eine*r Kund*in über die gesamte Dauer der Beziehung ausgegeben hat
Voraussichtlicher Customer Lifetime Value: wie viel Klaviyo prognostiziert, dass sie in den nächsten 365 Tagen ausgeben werden
Gesamter Customer Lifetime Value: die Summe aus historischem und voraussichtlichem Customer Lifetime Value
Hier sind einige Anwendungsfälle für diese Metrik:
Exportiere diese Daten für deine wichtigsten Segmente, damit du den Customer Lifetime Value von Bestellungen deiner VIP-/besten Kund*innen mit dem Customer Lifetime Value anderer Segmente vergleichen kannst.
Erstelle Segmente basierend auf dem Customer Lifetime Value und nutze diese Segmente dann, um über Lookalike-Zielgruppen in Facebook Ads oder ähnliche Zielgruppen in Google Ads neue Kund*innen zu finden.
Gewinne Kund*innen mit einem hohen prognostizierten Customer Lifetime Value über Facebook Ads oder Google Ads zurück.
Verzweige Flows basierend auf dem prognostizierten Customer Lifetime Value, um maßgeschneiderte Angebote und Anreize zu liefern.
Sieh es in Aktion: Die Willow Tree Boutique nutzt diese Metrik zusammen mit der Metrik „durchschnittlicher Bestellwert“, um Kampagnen zu versenden, die teurere Bekleidung für Segmente mit nachgewiesener Kaufkraft hervorheben – Kund*innen mit einem prognostizierten Customer Lifetime Value von über $500 oder einem durchschnittlichen Bestellwert von über $150. In ihren ersten 6 Monaten mit Klaviyo Predictive Analytics wie diesen steigerten sie den Umsatz aus Kampagnen um 53,1 % gegenüber dem Vormonat [EN].
„Seit wir mit den Predictive Analytics von Klaviyo angefangen haben, versende ich kaum noch eine Kampagne ohne sie“, sagt Jade Richardson, E-Mail-Strategin bei der Digital-Marketing-Agentur von Willow Tree Agital.
Vorhersage des Abwanderungsrisikos
Diese Prozentberechnung zeigt, wie wahrscheinlich oder unwahrscheinlich es ist, dass ein Profil einen weiteren Kauf tätigt. Die meisten Kund*innen in den meisten Branchen kaufen nur ein- oder zweimal; daher haben die meisten deiner Kund*innen wahrscheinlich eine Abwanderungsrisikoprognose von über 50 %. Ein niedrigerer Abwanderungsrisiko-Prozentsatz weist auf eine höhere Wahrscheinlichkeit hin, dass eine*e Kund*in erneut kauft.
Hier ist ein möglicher Anwendungsfall für diese Metrik:
Exportiere diese Daten für deine wichtigsten Segmente, damit du die durchschnittliche Vorhersage des Abwanderungsrisikos zwischen Gruppen vergleichen kannst. Zum Beispiel kann es hilfreich sein zu wissen, wie hoch deine durchschnittliche Vorhersage des Abwanderungsrisikos für deine VIPs im Vergleich zur durchschnittlichen Vorhersage des Abwanderungsrisikos für deine gesamte Kund*innenbasis ist.
Nutze das Abwanderungsrisiko in Kombination mit dem voraussichtlichen Datum der nächsten Bestellung, um besser zu verstehen, welche Art von Marketing bei Kund*innen am ehesten ankommen könnte, und um deine Inhalte zu personalisieren – zum Beispiel, ob du jemanden mit einer Rückgewinnungs-Kampagne ansprechen solltest oder ob jemand ein*e loyale*r Kund*in ist, die*der besser auf regelmäßige Kommunikation reagieren würde.
Bestes Cross-Selling-Datum
Damit ist der beste Zeitpunkt gemeint, um bei Kund*innen Cross-Selling zu betreiben, basierend auf dem Kaufverhalten ähnlicher Profile. Hier sind einige mögliche Anwendungsfälle für diese Metrik:
Löse einen Flow basierend auf dem besten Cross-Selling-Datum einer Person aus, um zu sehen, ob du den nächsten Kauf schneller fördern kannst.
Verzweige Flows basierend auf dem besten Cross-Selling-Datum, um unnötige monetäre Anreize an Personen zu vermeiden, die ohnehin wahrscheinlich kaufen werden.
Erstelle On-Site-Formulare, die Website-Besucher*innen ansprechen, deren bestes Cross-Selling-Datum bald ansteht, und präsentiere ihnen ein Angebot, das darauf ausgelegt ist, den durchschnittlichen Bestellwert zu erhöhen (d. h. ein Bundle-Angebot oder ein Kaufe-zwei, erhalte-eins-gratis-Angebot).
Personalisiere E-Mails, Textnachrichten oder Push-Benachrichtigungen mit dynamischen Inhalten basierend auf dem besten Cross-Selling-Datum einer Person.
Nächstes passendes Produkt
Diese Metrik sagt basierend auf dem letzten Kauf das nächstbeste Produkt für eine*n Kund*in voraus. Wenn eine*r Kund*in weiterhin Bestellungen aufgibt, wird diese Eigenschaft automatisch entsprechend aktualisiert.
Hier ist ein möglicher Anwendungsfall für diese Metrik:
Personalisiere E-Mails, Textnachrichten oder Push-Benachrichtigungen mit dynamischen Inhalten basierend auf dem nächstbesten Produkt einer Person.
Nutze Klaviyos Zielgruppensynchronisierung, um Retargeting-Anzeigen auf Social-Media-Plattformen für das nächstbeste Produkt auszuspielen.
Wichtiger Hinweis: In Klaviyo basieren alle Predictive-Analytics-Erkenntnisse auf einem 365-tägigen Prognosefenster. Wenn du Klaviyo Marketing Analytics [EN] zusätzlich zu Klaviyo Marketing verwendest, kannst du dein CLV-Berechnungsfenster anpassen, sodass es je nach deinen Geschäftsanforderungen kürzer oder länger ist. Bestes Cross-Selling-Datum und Nächstbestes Produkt sind außerdem exklusiv für Klaviyo Marketing Analytics- und Advanced Klaviyo Data Platform -Kund*innen.
So vermeidest du verzerrte Predictive Analytics
Um Muster und Trends präzise erkennen zu können, braucht Predictive Analytics eine ausreichende Menge an Daten, mit denen gearbeitet werden kann. Deshalb brauchst du genügend Daten, damit der Abschnitt „Predictive Analytics“ in deinen Klaviyo Profilen angezeigt wird, darunter:
Mindestens 500 Kund*innen, die eine Bestellung bei deinem Unternehmen aufgegeben haben
Mindestens 180 Tage Bestellhistorie, mit Bestellungen innerhalb der letzten 30 Tage
Mindestens ein paar Kund*innen, die drei oder mehr Bestellungen aufgegeben haben
Mit diesem zuverlässigen Datenbestand als Grundlage kann Klaviyos Predictive Analytics genauere Prognosen für die Zukunft erstellen. Je mehr historische Daten du zur Verfügung hast, desto genauer werden deine Muster und Trends sein.
Die besten Predictive Analytics basieren auf einer 360-Grad-Sicht auf das Verhalten einzelner Kund*innen über einen langen Zeitraum. Wenn du viele Einzellösungen verwendest und Daten nicht in einer zentralen, maßgeblichen Quelle konsolidierst oder dies nicht nahezu in Echtzeit tust, dann sind deine Predictive Analytics auf die Daten verzerrt, auf die sie Zugriff haben.
Deshalb verbindet sich Klaviyo mit mehr als 350 Tools und Plattformen [EN] im Einzelhandel sowie in den Bereichen Restaurants, Hotels und Wellness. Und wir löschen niemals Kund*innendaten. Was du erfasst, speichern wir, außer du bittest uns, es zu entfernen.
Die besten Predictive Analytics nutzen ganzheitliche, historische Kund*innendaten. Genau das bietet Klaviyo.
Wie Klaviyo dir hilft, mit Analytics vorherzusagen und zu personalisieren
Klaviyo bietet Predictive Analytics sofort einsatzbereit, sodass du Muster in deinen Daten unmittelbar hervorheben kannst. So bekommst du Ideen für Segmentierungen, Flows und Kampagnen, um Muster für Teilgruppen von Kund*innen zu fördern oder ihnen entgegenzuwirken.
Aber mit Klaviyos erweiterten Klaviyo Marketing Analytics kannst du Vorhersagezeiträume anpassen und auf neue Predictive Analytics zugreifen, wie etwa das beste Cross-Selling-Datum und das nächstbeste Produkt. So kannst du die gesamte Customer Journey, Produktkaufmuster und die Geschäftsleistung einfach verstehen und Maßnahmen ergreifen, damit du ein intelligenteres Targeting, Merchandising, 1:1-Personalisierung und Marketingoptimierung implementieren kannst.
Hier ist eine kurze Übersicht darüber, wie sich die in Klaviyo enthaltenen Analytics von unseren fortschrittlicheren Klaviyo Marketing Analytics unterscheiden – und wo Predictive Analytics in diesen Angeboten einzuordnen ist (Spoiler: du bekommst sie sofort einsatzbereit).
Bereits in Klaviyo Marketing enthalten
Verfügbar mit erweitertem Klaviyo Marketing Analytics
Berichte zur Marketing- und Segment-Performance
✅
✅
Branchen-Benchmarks
✅
✅
Anpassbare Attribution und Metriken
✅
✅
Predictive Analytics und Customer Lifetime Value
✅
✅
+Benutzerdefinierte Prognosefenster
Erweiterte Personalisierung mit anpassbarer RFM-Analyse
✅
Erweiterte, aussagekräftige Erkenntnisse zu Kaufverhalten und Katalog
✅
Funnels für Kundenverhalten sowie Kohortenberichte
✅
Zielgruppen- und Conversion-Dashboards
✅
Bereit, bessere personalisierte Erlebnisse für deine Kund*innen zu schaffen?
# Was ist Predictive Analytics? Vorteile, Beispiele & mehr - Klaviyo
## Was sind Predictive Analytics? Erfahre, wie vorausschauende KI deinen Umsatz steigern kann
Wünschst du dir auch manchmal eine Kristallkugel oder ein Tarotkartendeck griffbereit, das dich bei deinen Marketingmaßnahmen unterstützt?
Laut [neuen Forschungsergebnissen](/de/marketing-resources/future-of-consumer-marketing) erwarten 74 % der Verbraucher*innen personalisierte Erlebnisse von B2C-Marken. Ein Blick in die Zukunft – vielleicht sogar eine*einen hauseigene*n Hellseher*in – würde sicher helfen.
Du brauchst keine Hellseher*in im Team, um deinem Unternehmen einen Vorsprung zu verschaffen. Stattdessen gibt es Predictive Analytics: Sie helfen dir, die zukünftigen Handlungen von Kund*innen zu verstehen, um relevantere Online-Shopping-Erlebnisse zu ermöglichen.
Gestützt auf deine Kund*innendaten – und angetrieben durch künstliche Intelligenz (KI) – ermöglichen dir diese zukunftsgerichteten Erkenntnisse, die Bedürfnisse deiner einzelnen Kund*innen bis hinunter auf Profilebene vorherzusehen.
Und indem du diese Erkenntnisse auf deine Marketingmassnahmen anwendest, kannst du deine Strategie auf das nächste Level bringen – dabei das Kundenengagement verbessern, die Abwanderung reduzieren und Kund*innenloyalität aufbauen.
## Was ist Predictive Analytics und wie funktioniert es?
Predictive Analytics ist eine von [4 Hauptarten von Data + Analytics](https://online.hbs.edu/blog/post/types-of-data-analysis) und hilft Unternehmen, Muster in ihren Daten zu erkennen, um zukunftsorientiertes Wachstum zu fördern.
Während die diagnostische Analytik rückwärts blickt und die Ursachen von Datentrends aufdeckt, nutzt Predictive Analytics KI und maschinelles Lernen, um nach vorn zu schauen – und zu erkennen, wie sich die Trends, Muster und Beziehungen in den Daten von heute in Zukunft voraussichtlich entwickeln werden.
Predictive Analytics ist nicht gerade eine Kristallkugel – die Vorhersagen, die es auf Grundlage der Daten liefert, die du bereits hast, werden nicht garantiert eintreffen. Aber indem es historische Daten nutzt, um wahrscheinliche Zukunftsszenarien zu bestimmen, ermöglicht es zukunftsorientiertere Entscheidungen.
Und Predictive Analytics-Tools, die KI-Erkenntnisse einbeziehen, können tiefer graben und noch komplexere Vorhersagen und Zukunftsszenarien ermöglichen.
```json
{
"_createdAt": "2026-11-02T20:52:05Z",
"_id": "8560e314-6f90-4df8-b2dc-1acc3464d956__de-DE",
"_key": "RR96da0IFfsFiYeikDa29M",
"_ref": "8560e314-6f90-4df8-b2dc-1acc3464d956__de-DE",
"_rev": "Vrz6G1527Ypj3Fg6Zhw9qu",
"_type": "ctaDocument",
"_updatedAt": "2026-11-10T17:01:05Z",
"button": {
"_key": "af4940e7-af0d-43af-8f91-1b6b63e5d841",
"_type": "button",
"buttonText": "Mehr erfahren",
"buttonType": "primary",
"buttonUrl": "https://www.klaviyo.com/products/ai"
},
"content": [
{
"_key": "1dcec563-3f22-40cc-bd3e-bb27c384ba32",
"_type": "block",
"children": [
{
"_key": "gmwaxsdl9hz",
"_type": "span",
"marks": [],
"text": "Die leistungsstarken KI-Tools von Klaviyo unterstützen dich bei der Ideenfindung, Umsetzung und automatischen Optimierung."
}
],
"markDefs": [],
"style": "normal"
}
],
"headline": "Klaviyo AI verwandelt Ideen in Ergebnisse",
"image": {
"_type": "image",
"alt": "UI card overlaying a fashion image, showing Klaviyo AI generating a segment targeting VIP customers who bought a black coat and submitted a review.",
"asset": {
"_ref": "image-a154ff606f030004d572c2fe1e490eefac1b1659-2732x2400-webp",
"_type": "reference"
}
},
"language": "de-DE"
}
```
## 3 zentrale Vorteile von Predictive Analytics
Als Marketer*in ist es dein Ziel, Umsatz zu erzielen, um dein Unternehmen wachsen zu lassen und zu skalieren. Alle Unternehmen haben das gemeinsam – unabhängig von der Branche. KI-gestützte Erkenntnisse können dir helfen, bei jeder deiner wichtigsten geschäftlichen Prioritäten voranzukommen und letztendlich Wachstum zu erzielen. Das gelingt so:
```json
{
"_key": "e5eb388f-7a34-4d0b-beac-75f9330c8cd0",
"_type": "steps",
"steps": [
{
"_key": "11f8779b-9456-4209-8627-ef94b585c571",
"_type": "step",
"body": [
{
"_key": "RR96da0IFfsFiYeikDa2E7",
"_type": "block",
"children": [
{
"_key": "gmwaxsdlaih",
"_type": "span",
"marks": [],
"text": "Verfeinere deine Rabatt- und Promotionsstrategie und mach pauschale Rabatte zur Sache der Vergangenheit. Mit Predictive Analytics kannst du deine Rabatte und Anreize intelligenter anpassen – basierend nicht nur auf den bisherigen Erfahrungen deiner Kund*innen, sondern auch auf ihrem erwarteten zukünftigen Verhalten."
}
],
"markDefs": [],
"style": "normal"
}
],
"title": "Predictive Analytics können die Gewinnmargen verbessern"
},
{
"_key": "70986dac-533d-4de0-935e-78d4d7e4c89a",
"_type": "step",
"body": [
{
"_key": "RR96da0IFfsFiYeikDa2G1",
"_type": "block",
"children": [
{
"_key": "gmwaxsdlaii",
"_type": "span",
"marks": [],
"text": "Komm der Abwanderung zuvor, indem du vorhersagst, ob ein*e Kund*in wahrscheinlich erneut kauft, wann und wie viel sie*er wahrscheinlich ausgeben wird. Mit Tools, die dir helfen, proaktiv einzugreifen, bevor Kund*innen abspringen, kannst du "
},
{
"_key": "gmwaxsdlaij",
"_type": "span",
"marks": [
"link-kt6xshj"
],
"text": "die Abwanderung reduzieren [EN]"
},
{
"_key": "gmwaxsdlaik",
"_type": "span",
"marks": [],
"text": " und die Anzahl deiner wiederkehrenden Kund*innen erhöhen."
}
],
"markDefs": [
{
"_key": "link-kt6xshj",
"_type": "link",
"href": "https://academy.klaviyo.com/en-us/courses/mitigate-churn-with-predictive-insights-and-custom-clv/1791769",
"needsLocalization": true,
"openInNewTab": false
}
],
"style": "normal"
}
],
"title": "Predictive Analytics können Abwanderung reduzieren"
},
{
"_key": "7202b52a-5907-4131-a090-5011426e6650",
"_type": "step",
"body": [
{
"_key": "RR96da0IFfsFiYeikDa2Jp",
"_type": "block",
"children": [
{
"_key": "gmwaxsdlail",
"_type": "span",
"marks": [],
"text": "Du weißt bereits, welche Kund*innen dich lieben. Aber KI kann dir helfen, zu erkennen, wer dich in Zukunft wahrscheinlich lieben wird, damit du dich darauf konzentrieren kannst, sie zu pflegen und zu Markenloyalist*innen zu machen. Sprich Kund*innen mit einem hohen prognostizierten Customer Lifetime Value (CLV) mit Treueprogrammen, Belohnungen, Empfehlung und Anfragen nach sozialem Nachweis an."
}
],
"markDefs": [],
"style": "normal"
}
],
"title": "Predictive Analytics kann Kund*innenbindung aufbauen"
}
]
}
```
## Anwendungsfälle von Predictive Analytics für B2C: Erkenntnisse in Handlungen verwandeln
Predictive Analytics bietet dir eine Vielzahl neuer Metriken für die Marketing-Automatisierung, mit denen du den Zustand deiner Kund*innen und deines Unternehmens besser einschätzen kannst. Aber bevor du die Vorteile nutzen kannst, musst du verstehen, was dir jede einzelne Erkenntnis sagen kann. Hier erläutern wir Anwendungsfälle dafür, wie du jede Metrik in deiner eigenen [Kundenbindungsstrategie \[EN\]](https://academy.klaviyo.com/en-us/courses/use-predictive-analytics-to-retain-more-customers) nutzen kannst.
### Durchschnittliche Zeit zwischen Bestellungen
Damit ist die durchschnittliche Zeitspanne gemeint, die zwischen Bestellungen für eine*n bestimmte*n Kund*in vergeht. Hier sind ein paar Anwendungsfälle für diese Metrik:
- Exportiere diese Daten für deine wichtigsten Segmente, damit du die durchschnittliche Zeit zwischen Bestellungen für bestimmte Gruppen deiner Kund*innenbasis vergleichen kannst.
- Erstelle Segmente, um Kund*innen mit ähnlichen Kaufzyklen zu gruppieren. Richte dich dann mit Angeboten, die sie dazu anregen, häufiger zu kaufen, an Kund*innen, die nicht häufig einkaufen.
### Durchschnittlicher Bestellwert
Damit ist der durchschnittliche Geldbetrag gemeint, den ein*e Kund*in jedes Mal ausgibt, wenn er*sie eine Bestellung aufgibt. Hier sind ein paar Anwendungsfälle für diese Metrik:
- Exportiere diese Daten für deine wichtigsten Segmente, damit du den durchschnittlichen Bestellwert von Bestellungen deiner VIP-Kund*innen mit dem durchschnittlichen Bestellwert anderer Segmente vergleichen kannst.
- Segmentiere deine Kund*innen basierend auf dem durchschnittlichen Bestellwert und erstelle dann gezielte Initiativen, die darauf abzielen, den durchschnittlichen Bestellwert von Kund*innen zu erhöhen, die nicht viel ausgeben.
- Verzweige deine Flow basierend auf dem durchschnittlichen Bestellwert und ermutige Kund*innen, die normalerweise keine großen Bestellungen aufgeben, mehr Artikel zu ihrem Warenkorb hinzuzufügen.
### Voraussichtliche Anzahl der Bestellungen
Klaviyo zeigt die historische Anzahl an Bestellungen für eine*n Kund*in sowie eine Prognose, wie viele weitere Bestellungen diese*r Kund*in in den nächsten 12 Monaten wahrscheinlich aufgeben wird. Aufgrund der Art dieser Berechnung kann die prognostizierte Anzahl an Bestellungen in einem Profil eine nicht ganzzahlige Zahl sein.
Hier sind einige Anwendungsfälle für diese Metrik:
- Erstelle in Klaviyo dein eigenes Loyalitäts-Framework basierend darauf, wie viele Bestellungen eine*r Kund*in aufgegeben hat. Du kannst das tun, indem du eine Vielzahl von Segmenten erstellst, die Kund*innen basierend auf ihrer historischen Anzahl an Bestellungen gruppieren.
- Erstelle Segmente basierend darauf, wie viele weitere Bestellungen Kund*innen wahrscheinlich aufgeben werden, um vorherzusehen, wer wahrscheinlich erneut kauft und wer wahrscheinlich nicht erneut kauft. Löse Flow basierend auf diesen Segmenten aus oder sprich Kund*innen, die wahrscheinlich erneut kaufen, über Facebook Ads oder Google Ads erneut an.
```json
{
"_createdAt": "2026-11-02T20:52:11Z",
"_id": "e9ad4ba1-e1bd-4bfb-8bc7-2cd6cefbb4e8__de-DE",
"_key": "RR96da0IFfsFiYeikDa2s5",
"_ref": "e9ad4ba1-e1bd-4bfb-8bc7-2cd6cefbb4e8__de-DE",
"_rev": "Vrz6G1527Ypj3Fg6ZhwE1L",
"_type": "ctaDocument",
"_updatedAt": "2026-11-10T17:01:09Z",
"button": {
"_key": "dc26a488-9ade-4946-bba9-e69fc9542bd4",
"_type": "button",
"buttonText": "Mehr lesen",
"buttonType": "primary",
"buttonUrl": "https://www.klaviyo.com/blog/ai-ab-testing"
},
"content": [
{
"_key": "cb0bae02-d355-42b2-8b41-77ae029226d0",
"_type": "block",
"children": [
{
"_key": "gmwaxsdl9i0",
"_type": "span",
"marks": [],
"text": "KI-gestütztes A/B-Testen hilft dir nicht nur dabei, deine Zielgruppe zu den Inhalten mit der besten Performance zu führen – es berechnet auch die statistische Signifikanz deiner Testergebnisse und liefert dir Schätzungen zur Gewinnwahrscheinlichkeit."
}
],
"markDefs": [],
"style": "normal"
}
],
"headline": "5 Möglichkeiten, wie KI-gestützter A/B-Test für dich funktioniert",
"language": "de-DE"
}
```
### Voraussichtliches Datum der nächsten Bestellung
Diese datumsbasierte Eigenschaft sagt das voraussichtliche Datum voraus, an dem eine Kund*in wahrscheinlich erneut kauft. In Klaviyo ist das das erwartete Datum ohne Eingriff, aber Marketer*innen haben die Möglichkeit, es zu beeinflussen.
Hier ist unser liebster Anwendungsfall für diese Metrik, beschrieben von Anna Khomenko, Product Manager bei Klaviyo.
„Das voraussichtliche Datum der nächsten Bestellung sollte zur Personalisierung und zusammen mit anderen Eigenschaften verwendet werden. Warum? Sehen wir uns ein Szenario mit drei verschiedenen Kund*innen an.
- **Kund*in A** hat in den letzten 2 Jahren jeden Monat etwas von deiner Marke gekauft. Wenn sie im März erneut kaufen, wird ihr voraussichtliches Datum für die nächste Bestellung im April liegen.
- **Kund*in B** hat in den letzten 4 Jahren alle 6 Monate etwas von deiner Marke gekauft. Wenn diese Person im März erneut kauft, wird das erwartete Datum der nächsten Bestellung im August liegen.
- **Kund*in C** hat nur einmal bei deiner Marke gekauft – und zwar vor 5 Monaten im September. Das erwartete Datum der nächsten Bestellung war im November (weil Kund*innen dieses Unternehmens ihre 2. Bestellung typischerweise innerhalb von 60 Tagen aufgeben).
Das sind alles sehr unterschiedliche Szenarien, und sie benötigen unterschiedliche Inhalte, um jede*n dieser Kund*innen näher an den nächsten Kauf heranzuführen.
- **Für Kund*in A** musst du möglicherweise vor dem erwarteten Datum der nächsten Bestellung nichts senden, weil diese Person so konsequent einkauft. Stattdessen könntest du sie in dein Treueprogramm lenken.
- **Bei Kund*in B** musst du nicht bis zum erwarteten Datum der nächsten Bestellung warten, um zu versuchen, die Person schon früher wieder zu einer Conversion zu bringen. Du kannst dieser Person einige Kampagnen mit A/B-getesteten Botschaften senden, um zu sehen, was sie möglicherweise dazu bringt, früher zu konvertieren.
- **Bei Kund*in C** ist das erwartete Datum der nächsten Bestellung verstrichen, und diese Person hat nichts gekauft. Das ist okay. Du kannst sie trotzdem identifizieren und ihnen Kampagneninhalte oder Newsletter-Inhalte senden, um die Beziehung zu deiner Marke aufzubauen. Oder vielleicht gab es ein Problem mit der letzten Bestellung. Hat dein Service-Team das richtig gelöst? Gibt es eine Möglichkeit, den Fall für die*n Kund*in zu bereinigen?“
**Sieh es in Aktion:** Als die Männerpflege-Marke [Every Man Jack](https://www.everymanjack.com/) ihren Auffüll-Flow so angepasst hat, dass er am oder kurz vor dem vorhergesagten Datum der nächsten Bestellung jeder*s Kund*in sendet, war das Teil einer umfassenderen KI-gestützten Marketingstrategie, die dazu beitrug, den [Umsatz aus Flows im Jahresvergleich um 25 % zu steigern \[EN\]](https://www.klaviyo.com/customers/case-studies/every-man-jack).
„Klaviyo AI hat mich überzeugt, weil es mir Zeit spart und mir hilft, unsere Kundendaten zum Personalisieren von E-Mail-Timing und -Strategien zu nutzen. Der wichtigste Aspekt dabei ist jedoch, dass ich die volle Kontrolle darüber habe, wie und wann es eingesetzt wird“, erklärt Troy Petrunoff, Senior Kundenbindung-Marketing Manager bei Every Man Jack.
### Customer Lifetime Value
Innerhalb eines Profils in Klaviyo siehst du eine Aufschlüsselung der folgenden Metrik:
- **Historischer Customer Lifetime Value: **der Wert dessen, was eine*r Kund*in über die gesamte Dauer der Beziehung ausgegeben hat
- **Voraussichtlicher Customer Lifetime Value: **wie viel Klaviyo prognostiziert, dass sie in den nächsten 365 Tagen ausgeben werden
- **Gesamter Customer Lifetime Value:** die Summe aus historischem und voraussichtlichem Customer Lifetime Value
Hier sind einige Anwendungsfälle für diese Metrik:
- Exportiere diese Daten für deine wichtigsten Segmente, damit du den Customer Lifetime Value von Bestellungen deiner VIP-/besten Kund*innen mit dem Customer Lifetime Value anderer Segmente vergleichen kannst.
- Erstelle Segmente basierend auf dem Customer Lifetime Value und nutze diese Segmente dann, um über Lookalike-Zielgruppen in Facebook Ads oder ähnliche Zielgruppen in Google Ads neue Kund*innen zu finden.
- Gewinne Kund*innen mit einem hohen prognostizierten Customer Lifetime Value über Facebook Ads oder Google Ads zurück.
- Verzweige Flows basierend auf dem prognostizierten Customer Lifetime Value, um maßgeschneiderte Angebote und Anreize zu liefern.
**Sieh es in Aktion: **[Die Willow Tree Boutique](https://thewillowtree.com/?srsltid=AfmBOoprZfOr1fgdP4uH3j6hYBPwnELXhwP0DB_H0iFshQD2Oqag0lL8) nutzt diese Metrik zusammen mit der Metrik „durchschnittlicher Bestellwert“, um Kampagnen zu versenden, die teurere Bekleidung für Segmente mit nachgewiesener Kaufkraft hervorheben – Kund*innen mit einem prognostizierten Customer Lifetime Value von über $500 oder einem durchschnittlichen Bestellwert von über $150. In ihren ersten 6 Monaten mit Klaviyo Predictive Analytics wie diesen steigerten sie den [Umsatz aus Kampagnen um 53,1 % gegenüber dem Vormonat \[EN\]](https://www.klaviyo.com/customers/case-studies/willow-tree-boutique-predictive-analytics).
„Seit wir mit den Predictive Analytics von Klaviyo angefangen haben, versende ich kaum noch eine Kampagne ohne sie“, sagt Jade Richardson, E-Mail-Strategin bei der Digital-Marketing-Agentur von Willow Tree [Agital](https://agital.com/).
### Vorhersage des Abwanderungsrisikos
Diese Prozentberechnung zeigt, wie wahrscheinlich oder unwahrscheinlich es ist, dass ein Profil einen weiteren Kauf tätigt. Die meisten Kund*innen in den meisten Branchen kaufen nur ein- oder zweimal; daher haben die meisten deiner Kund*innen wahrscheinlich eine Abwanderungsrisikoprognose von über 50 %. Ein niedrigerer Abwanderungsrisiko-Prozentsatz weist auf eine höhere Wahrscheinlichkeit hin, dass eine*e Kund*in erneut kauft.
Hier ist ein möglicher Anwendungsfall für diese Metrik:
- Exportiere diese Daten für deine wichtigsten Segmente, damit du die durchschnittliche Vorhersage des Abwanderungsrisikos zwischen Gruppen vergleichen kannst. Zum Beispiel kann es hilfreich sein zu wissen, wie hoch deine durchschnittliche Vorhersage des Abwanderungsrisikos für deine VIPs im Vergleich zur durchschnittlichen Vorhersage des Abwanderungsrisikos für deine gesamte Kund*innenbasis ist.
- Nutze das Abwanderungsrisiko in Kombination mit dem voraussichtlichen Datum der nächsten Bestellung, um besser zu verstehen, welche Art von Marketing bei Kund*innen am ehesten ankommen könnte, und um deine Inhalte zu personalisieren – zum Beispiel, ob du jemanden mit einer Rückgewinnungs-Kampagne ansprechen solltest oder ob jemand ein*e loyale*r Kund*in ist, die*der besser auf regelmäßige Kommunikation reagieren würde.
### Bestes Cross-Selling-Datum
Damit ist der beste Zeitpunkt gemeint, um bei Kund*innen Cross-Selling zu betreiben, basierend auf dem Kaufverhalten ähnlicher Profile. Hier sind einige mögliche Anwendungsfälle für diese Metrik:
- Löse einen Flow basierend auf dem besten Cross-Selling-Datum einer Person aus, um zu sehen, ob du den nächsten Kauf schneller fördern kannst.
- Verzweige Flows basierend auf dem besten Cross-Selling-Datum, um unnötige monetäre Anreize an Personen zu vermeiden, die ohnehin wahrscheinlich kaufen werden.
- Erstelle On-Site-Formulare, die Website-Besucher*innen ansprechen, deren bestes Cross-Selling-Datum bald ansteht, und präsentiere ihnen ein Angebot, das darauf ausgelegt ist, den durchschnittlichen Bestellwert zu erhöhen (d. h. ein Bundle-Angebot oder ein Kaufe-zwei, erhalte-eins-gratis-Angebot).
- Personalisiere E-Mails, Textnachrichten oder Push-Benachrichtigungen mit dynamischen Inhalten basierend auf dem besten Cross-Selling-Datum einer Person.
### Nächstes passendes Produkt
Diese Metrik sagt basierend auf dem letzten Kauf das [nächstbeste Produkt](/de/solutions/ai/next-best-product-analysis) für eine*n Kund*in voraus. Wenn eine*r Kund*in weiterhin Bestellungen aufgibt, wird diese Eigenschaft automatisch entsprechend aktualisiert.
Hier ist ein möglicher Anwendungsfall für diese Metrik:
- Personalisiere E-Mails, Textnachrichten oder Push-Benachrichtigungen mit dynamischen Inhalten basierend auf dem [nächstbesten Produkt](/de/solutions/ai/ai-product-recommendation-agent) einer Person.
- Nutze Klaviyos Zielgruppensynchronisierung, um Retargeting-Anzeigen auf Social-Media-Plattformen für das nächstbeste Produkt auszuspielen.
**Wichtiger Hinweis:** In Klaviyo basieren alle Predictive-Analytics-Erkenntnisse auf einem 365-tägigen Prognosefenster. Wenn du [Klaviyo Marketing Analytics \[EN\]](https://www.klaviyo.com/products/marketing-analytics) zusätzlich zu Klaviyo Marketing verwendest, kannst du dein [CLV-Berechnungsfenster anpassen](https://help.klaviyo.com/hc/de-de/articles/17797912816795), sodass es je nach deinen Geschäftsanforderungen kürzer oder länger ist. _Bestes Cross-Selling-Datum_ und _Nächstbestes Produkt_ sind außerdem exklusiv für Klaviyo Marketing Analytics- und [Advanced Klaviyo Data Platform](/de/products/advanced-cdp) -Kund*innen.
## So vermeidest du verzerrte Predictive Analytics
Um Muster und Trends präzise erkennen zu können, braucht Predictive Analytics eine ausreichende Menge an Daten, mit denen gearbeitet werden kann. Deshalb brauchst du genügend Daten, damit der Abschnitt „Predictive Analytics“ in deinen Klaviyo Profilen angezeigt wird, darunter:
- Mindestens 500 Kund*innen, die eine Bestellung bei deinem Unternehmen aufgegeben haben
- Mindestens 180 Tage Bestellhistorie, mit Bestellungen innerhalb der letzten 30 Tage
- Mindestens ein paar Kund*innen, die drei oder mehr Bestellungen aufgegeben haben
Mit diesem zuverlässigen Datenbestand als Grundlage kann Klaviyos Predictive Analytics genauere Prognosen für die Zukunft erstellen. Je mehr historische Daten du zur Verfügung hast, desto genauer werden deine Muster und Trends sein.
Die besten Predictive Analytics basieren auf einer 360-Grad-Sicht auf das Verhalten einzelner Kund*innen über einen langen Zeitraum. Wenn du viele Einzellösungen verwendest und Daten nicht in einer zentralen, maßgeblichen Quelle konsolidierst oder dies nicht nahezu in Echtzeit tust, dann sind deine Predictive Analytics auf die Daten verzerrt, auf die sie Zugriff haben.
Deshalb verbindet sich Klaviyo mit mehr als [350 Tools und Plattformen \[EN\]](https://www.klaviyo.com/platform-integrations) im Einzelhandel sowie in den Bereichen Restaurants, Hotels und Wellness. Und wir löschen niemals Kund*innendaten. Was du erfasst, speichern wir, außer du bittest uns, es zu entfernen.
Die besten Predictive Analytics nutzen ganzheitliche, historische Kund*innendaten. Genau das bietet Klaviyo.
## Wie Klaviyo dir hilft, mit Analytics vorherzusagen und zu personalisieren
Klaviyo bietet Predictive Analytics sofort einsatzbereit, sodass du Muster in deinen Daten unmittelbar hervorheben kannst. So bekommst du Ideen für Segmentierungen, Flows und Kampagnen, um Muster für Teilgruppen von Kund*innen zu fördern oder ihnen entgegenzuwirken.
Aber mit Klaviyos erweiterten Klaviyo Marketing Analytics kannst du Vorhersagezeiträume anpassen und auf neue Predictive Analytics zugreifen, wie etwa das beste Cross-Selling-Datum und das nächstbeste Produkt. So kannst du die gesamte Customer Journey, Produktkaufmuster und die Geschäftsleistung einfach verstehen und Maßnahmen ergreifen, damit du ein intelligenteres Targeting, Merchandising, 1:1-Personalisierung und Marketingoptimierung implementieren kannst.
Hier ist eine kurze Übersicht darüber, wie sich die in Klaviyo enthaltenen Analytics von unseren fortschrittlicheren Klaviyo Marketing Analytics unterscheiden – und wo Predictive Analytics in diesen Angeboten einzuordnen ist (Spoiler: du bekommst sie sofort einsatzbereit).
| | Bereits in Klaviyo Marketing enthalten | Verfügbar mit erweitertem Klaviyo Marketing Analytics |
| --- | --- | --- |
| Berichte zur Marketing- und Segment-Performance | ✅ | ✅ |
| Branchen-Benchmarks | ✅ | ✅ |
| Anpassbare Attribution und Metriken | ✅ | ✅ |
| Predictive Analytics und Customer Lifetime Value | ✅ | ✅<br />+Benutzerdefinierte Prognosefenster |
| Erweiterte Personalisierung mit anpassbarer RFM-Analyse | | ✅ |
| Erweiterte, aussagekräftige Erkenntnisse zu Kaufverhalten und Katalog | | ✅ |
| Funnels für Kundenverhalten sowie Kohortenberichte | | ✅ |
| Zielgruppen- und Conversion-Dashboards | | ✅ |
```json
{
"_createdAt": "2026-11-02T20:51:57Z",
"_id": "0fb40548-dec6-4132-9a5a-fb8557522905__de-DE",
"_key": "RR96da0IFfsFiYeikDa571",
"_ref": "0fb40548-dec6-4132-9a5a-fb8557522905__de-DE",
"_rev": "Vrz6G1527Ypj3Fg6Zhw5r1",
"_type": "ctaDocument",
"_updatedAt": "2026-11-10T17:01:02Z",
"button": {
"_key": "72cd4c34-487b-494f-8750-70e23128021c",
"_type": "button",
"buttonText": "Jetzt loslegen",
"buttonType": "primary",
"buttonUrl": "/de/sign-up"
},
"content": [
{
"_key": "0a4056ad-8b6f-42d5-afb4-aad80a2cb424",
"_type": "block",
"children": [
{
"_key": "gmwaxsdl9hy",
"_type": "span",
"marks": [],
"text": "Bereit, bessere personalisierte Erlebnisse für deine Kund*innen zu schaffen?"
}
],
"markDefs": [],
"style": "normal"
}
],
"language": "de-DE"
}
```