Clusteranalyse zur Kundensegmentierung (mit Beispielen)

Was ist die Clusteranalyse zur Kundensegmentierung?

Die Clusteranalyse ist ein Prozess, bei dem eine Menge von Objekten in Gruppen unterteilt wird. Das Ziel der Clusteranalyse ist es, verborgene Muster und Beziehungen zwischen den Daten aufzudecken. Bei der Technik des Clustering werden somit homogene Kundengruppen oder Cluster gebildet.

Organisationen können die Clusteranalyse verwenden, um Kunden in Kundensegmente zu unterteilen. Dies ermöglicht es Unternehmen, die Bedürfnisse und Wünsche jedes Kundensegments genauer zu untersuchen, was zu personalisierten Serviceangeboten und höheren Einnahmen führen kann.

Oftmals ergeben sich ganz neue Einblicke in Kundensegmente – in positiver als auch negativer Hinsicht. Was meine ich damit?

Positive Erkenntnisse sind die Aufdeckung neuer Zielgruppen. Negative hingegen sollten nicht weiter beworben werden. Zum Beispiel hast Du Dich auch eine bestimmte Industrie fokussiert, die aber nach der Clusteranalyse gar nicht im Fokus stehen sollte.

Arten der Clusteranalyse

Es gibt verschiedene Arten der Clusteranalyse. Die zwei herkömmlichsten sind die hierarchische und k-mean Analyse.

Hierarchisches Clustering beginnt damit, dass Kunden basierend auf ihren Ähnlichkeiten und bestimmter Merkmale gruppiert werden, bevor der Prozess auf jeder nachfolgenden Ebene wiederholt wird, bis die gewünschte Clustering-Ebene erreicht ist. Ein Beispiel für eine hierarchische Clusteranalyse wäre die Aufteilung in Branchen und Sub-Branchen.

Die K-Mittelwert-Clusterbildung (k-mean) ist ähnlich, beginnt jedoch mit k Gruppen, bevor die am besten geeignete Anzahl von Clustern basierend auf statistischen Werkzeugen wie der minimalen Varianz zwischen den Gruppenmittelwerten oder den durchschnittlichen Entfernungen innerhalb der Gruppe bestimmt wird.

Beim k-mean Clustering wird ein zufälliger Mittelwert für k Cluster gebildet. Im nächsten Schritt wird jeder Datenpunkt basierend auf der kleinsten Differenz zum dem Mittelpunkt einen Cluster zugewiesen. Dann wird der Mittelpunkt für jedes Cluster berechnet und der Prozess wiederholt.

Somit wird der Mittelpunkt immer neu bestimmt, um die kleinst-möglichen Differenzen von jedem Datenpunkt zum jeweiligen Clustermittelpunkt zu erhalten. Der Prozess endet, wenn sich die Mittelpunkte nicht mehr verändern. Dieses Verfahren wird auch Partitionierungs- oder Centroid Clustering genannt.

Clusteranalyse Beispiele

Wie können Clusteranalyse im Marketing bei der Kundensegmentierung und gezielten Ansprache helfen?

Kunden-Cluster können basierend auf einer Vielzahl von Datenpunkten gebildet werden. Im Folgenden sind 6 Anwendungsbeispiele:

Kaufverhalten

Anhand des Kaufverhaltens kann eine Unterscheidung stattfinden. Dies kann sehr eindeutig sein, z.B. Online vs persönlich, aber auch etwas komplexer. Personalisierte Kundendemo oder Free-Trial bei SaaS-Lösungen, Lead Gen Kanal (inbound vs outbound, Google PPC vs Organisches SEO, Content Marketing/Blog Posts vs Solution Pages, etc.).

Darüber hinaus können Anzahl der Personen bei der Kaufentscheidung, Zeit vom ersten Gespräch bis zum Abschluss, oder Vertragsparameter (Test vs Vertragsabschluss, Jahresvertrag vs Monat-zu-Monat, etc.)

Preis

Bei unterschiedlichen Preissegmenten sollte unbedingt eine Analyse durchgeführt werden, wer welches Produkt oder Dienstleistung kauft.

Firmographische Daten

Eine herkömmliche Clusteranalyse kann auf Basis von firmographischer Daten zur B2B Kundensegmentierung wie Anzahl an Mitarbeitern, Umsatz, Branche, oder Standort durchgeführt werden.

Externe Faktoren

Bei den bisherigen Methoden sind die Daten oft in der eigenen Datenbank vorhanden: Zeit bis zum Kaufabschluss, Lead Quelle, Firmographics, verkaufte Lösung, usw. Bei den externen Faktoren handelt es sich um die Segmentierung basierend der Angebote Deiner Kunden.

Zielgruppe des Kunden

Vertreibt Dein Kunde B2B oder B2C Produkte oder Dienstleistungen? Wenn Du eine Software anbietest und somit vermutlich im B2B Bereich agierst, heißt das nicht, dass Deine Kunden ebenfalls an andere Unternehmen verkaufen.

Neben B2B und B2C gibt es auch dort weitere Unterscheidungen wie beispielsweise Industrien oder Unternehmensgrößen.

Angebotene Produkte & Dienstleistungen des Käufers

Anhand von Produkt/Service-Kategorien lassen sich weitere Cluster unterteilen. Dafür können beispielsweise die Keywords der Website Deines Kunden analysiert werden. Tools wie SEMRush können Dir Einblick geben, für welche Keywords Dein Kunde organisch rankt aber auch PPC Werbung betreibt.

Aktive Märkte des Kunden

Deine Kunden können zwar in Deutschland oder Europa ihren Sitz haben und somit in Deiner Zielgruppe sein, aber selber andere Märkte bedienen. Oft helfen dabei Standorte der Unternehmen als Indikatoren. Wenn ein Unternehmen einen Sitz in Hong Kong hat, ist davon auszugehen, dass sie den asiatischen Raum durchdringen wollen.

Sascha Hoffmann

Sascha ist ein Lifecycle-Marketing-Berater mit über 8 Jahren Erfahrung im Bereich digitales Marketing im Silicon Valley, im Vereinigten Königreich und in Deutschland. Nachdem er die Demand Generation für ein Unternehmen mit einem Umsatz von über 100 Millionen Dollar geleitet hatte, beschloss er, sich selbstständig zu machen. Jetzt unterstützt er Kunden dabei, mehr Leads zu gewinnen und in Kunden umzuwandeln. Sein Hauptaugenmerk liegt auf SEO, Paid Media und Marketingautomatisierung – alles mit dem Ziel, Marketingkampagnen mit dem Umsatz zu verknüpfen.

Sascha wurde in einigen Fachpublikationen zitiert.