Wenn es um Personalisierung geht, machen es die meisten Vermarkter nicht richtig. Entweder tun sie zu wenig – z. B. senden wahllos dieselbe Botschaft und dasselbe Angebot an alle – oder sie gehen viel zu weit und geben den Menschen das Gefühl, ausspioniert zu werden.
Betrachten Sie es einmal so: Wir bezeichnen Menschen als unheimlich, wenn diese uns näher kommen, als wir es wollen. Noch schlimmer wird es, wenn sie scheinbar viel über uns wissen und sich dann wie ein Stalker verhalten.
Menschen erkennen künstliche Freundlichkeit schon von weitem. Warum also wählen Vermarkter nur selten den richtigen Ansatz?
Wir tolerieren vielleicht eine gewisse falsche Freundlichkeit, wenn sie in Person geschieht. Wenn Flugbegleiter zu jedem aussteigenden Passagier „Bye-bye“ sagen, bleiben wir nicht stehen und beschweren uns über ihr falsches Lächeln, denn das ist nicht wirklich schlimm und sorgt für eine angenehme Interaktion.
PERSONALISIERUNG IST EINE LANGFRISTIGE VERPFLICHTUNG
Ganz anders sieht es aus, wenn es sich nicht um eine persönliche Situation handelt. Wenn jede Interaktion darauf hindeutet, dass derjenige, der sie initiiert hat, etwas über die Zielperson des Verkaufsgesprächs „weiß“. Hier sind die Schlüsselwörter, die man sich merken sollte, „nicht persönlich“, „zu viel wissen“ und „verkaufsorientiert“.
Stellen Sie sich einen Gebrauchtwagenverkäufer vor. Stellen Sie ihn sich in einem billigen Anzug vor, mit einem falschen Lächeln und einem schwitzigen Händedruck. Er verhält sich wie ein lang verschollener Freund, nur um einen fragwürdigen Gebrauchtwagen zu verkaufen. Leider ist das die Personifizierung der meisten Online-Personalisierungen heutzutage.
Lassen Sie uns das noch weiter aufschlüsseln. „Nicht persönlich“ bedeutet, dass die Interaktion aus der Ferne erfolgt, ohne dass man das Gesicht sieht, was den Grad des Misstrauens erhöht. Die meisten Menschen haben bereits Angst, dass Online-Unternehmen viel zu viel wissen. (In diesem Punkt trauen sie den Vermarktern vielleicht zu viel zu, denn die meisten wissen nicht, was sie mit all den gesammelten Daten anfangen sollen.)
Unabhängig davon sind die Menschen sehr misstrauisch gegenüber Online-Aktivitäten von Unternehmen. Das „Verkaufen“ mag für manche nur ein Störfaktor sein, aber es hilft der Situation definitiv nicht.
Daten nutzen, um echte Bedürfnisse zu erfüllen
Ich will nicht leugnen, dass Vermarkter manchmal auf der Grundlage unmittelbarer Daten handeln müssen. Wenn eine Person Ihnen beispielsweise mitteilt, dass sie auf der Suche nach einem neuen Streaming-Gerät ist – zum Beispiel durch die Eingabe eines Schlüsselworts in ein Suchfeld -, dann leiten Sie sie auf jeden Fall an die richtige Stelle weiter, online oder offline. Sie sind nicht unheimlich, sondern reagieren einfach, um die Bedürfnisse des Kunden zu erfüllen.
Wenn Sie Affinitätsmodelle oder Personas verwenden, tun Sie nicht so, als wüssten Sie alles über die Interessenten. Gehen Sie stattdessen sanft vor.
Nennen wir das eine reaktive Personalisierung, bei der der Umfang der Aktivitäten auf das kleine Universum der bekannten unmittelbaren Daten beschränkt ist.
Schwieriger wird es, wenn Vermarkter anfangen, Dinge zu vermuten, um ihre Reichweite auf den nicht so sicheren Bereich auszudehnen. „Oh, Sie haben gerade eine Soundbar für Ihren Fernseher gekauft! Lassen Sie mich annehmen, dass Sie viele weitere davon brauchen! Hier sind andere Soundbars, die Sie vielleicht übersehen haben, falls Sie sich eine ganze Sammlung davon zulegen!“
Wir alle kennen diese Art der rudimentären Personalisierung. Das ist manchmal verdammt ärgerlich, hat aber noch keinen wirklichen Schaden angerichtet.
Predictive Modeling liefert keine Fakten
Noch gefährlicher wird es, wenn Vermarkter „Leckerbissen“ verwenden, die aus allen möglichen Daten stammen. Selbst mit den besten statistischen Mitteln kann man sich dann immer noch irren.
Ich bin sicher, Sie haben schon einmal von diesem berüchtigten Vorfall gehört, der vor einiger Zeit von einer bekannten Einzelhandelskette ausgelöst wurde: Sie waren so gut darin, die gesammelten Transaktionsdaten zu analysieren, dass sie ein Segment von Kundinnen aufgrund von Veränderungen in ihrem Einkaufsverhalten als schwanger einstuften.
In diesem Fall war der Wechsel der Hautlotion zu einer unparfümierten Marke einer der Faktoren, die dazu beitrugen. Der Ärger begann, als ein Vater erfuhr, dass seine Tochter im Teenageralter dank einer Postwurfsendung vermeintlich schwanger war.
Ich gebe hier nicht den Datenschützern die Schuld. Es ist in der Tat eine große Leistung, solch winzige Veränderungen im Kaufverhalten zu erkennen. Das Problem lag in der Nutzung. Wenn etwas auf prädiktiver Modellierung beruht, sollte man nicht damit prahlen, dass man alles weiß.
„Wahrscheinlich Mutter werden“ ist NICHT dasselbe wie „definitiv schwanger“. Ein typisches Beispiel? Versuchen Sie einmal, einer völlig fremden Person, die Ihnen schwanger vorkommt, zuzurufen: „Sie müssen schwanger sein“, und sehen Sie, was passiert. Selbst wenn Sie Recht haben, ist es falsch, das zu tun.
Sanfte Anreize, keine harten Verkaufsargumente
Wenn Sie Affinitätsmodelle oder Personas verwenden, tun Sie nicht so, als wüssten Sie alles über die potenziellen Kunden. Gehen Sie stattdessen sanft vor, z. B. mit den Worten: „Wir glauben, dass Sie dieses Produkt brauchen könnten“. Oder noch besser: Sagen Sie das gar nicht und platzieren Sie einfach personalisierte Angebote und Produkte an strategischen Stellen und zu bestimmten Zeiten.
Niemand mag Besserwisser und offensichtliche Verkaufsargumente. So zu tun, als sei man sich nicht 100%ig sicher, ist vielleicht die beste verborgene Eigenschaft von Modellen, denn sie wurden entwickelt, um Wahrscheinlichkeiten vorherzusagen, nicht um Fakten zu nennen. Vermarkter, die sich dessen bewusst sind, würden den Weg vorsichtiger beschreiten.
Vermenschlichen Sie die Daten in Form von Wahrscheinlichkeitsscores, wann immer Sie können. Und lassen Sie jeden Nutzer wissen, dass Modelle und Personas keine harten Fakten sind, sondern nur Wahrscheinlichkeiten. Das allein wird Ärger erheblich abmildern und alle Arten von Missgeschicken im Nachhinein verhindern.
