Kundensegmentierung mit KI: RFM-Analyse und 6 Segmente

Kundensegmentierung bedeutet, den Kundenstamm nach Verhalten in sinnvolle Gruppen zu teilen und jeder Gruppe eine eigene Werbeentscheidung zuzuweisen. Der Grund, warum das in der Werbung funktioniert, ist schlicht: dasselbe Budget senkt den CPA, sobald es die richtige Person erreicht, weil Sie aufhören, zweimal für jemanden zu zahlen, der ohnehin gekauft hätte. Am schnellsten aufgebaut ist die RFM-Analyse; KI ergänzt sie um eine vorausschauende Ebene: Abwanderungswahrscheinlichkeit und prognostizierter Customer Lifetime Value.

Was ist Kundensegmentierung und was ist die RFM-Analyse?

Die RFM-Analyse ist ein Scoring-Verfahren, das jeden Kunden mit drei Zahlen beschreibt: Recency (wie lange der letzte Kauf zurückliegt), Frequency (wie oft in einem definierten Zeitraum gekauft wurde) und Monetary (wie viel insgesamt ausgegeben wurde). Für jede Dimension wird der Kundenstamm in fünf gleich große Teile geteilt, jeder Kunde erhält 1 bis 5 Punkte. Ein 555-Kunde kaufte zuletzt, am häufigsten und am meisten; ein 111-Kunde gilt praktisch als verloren.

• Recency (Aktualität): wie viele Tage liegt der letzte Kauf zurück? Das stärkste Einzelsignal in der Werbung: wer vor 30 Tagen gekauft hat, ist nicht dieselbe Person wie jemand mit 400 Tagen Abstand.
• Frequency (Häufigkeit): wie oft hat der Kunde im gewählten Zeitraum gekauft? Ein Einmalkäufer und ein Kunde bei der dritten Bestellung verdienen nicht dieselbe Botschaft.
• Monetary (Umsatzwert): wie viel hat der Kunde insgesamt ausgegeben? Nutzen Sie nach Möglichkeit den Deckungsbeitrag statt des Umsatzes; ein umsatzstarker Kunde kann nach Retouren defizitär sein.
• Scoring: teilen Sie die Kunden je Dimension in fünf gleich große Gruppen und vergeben Sie 1 bis 5 Punkte. Ergebnis ist ein dreistelliger Code (etwa 545), aus dessen Lesart die Segmente entstehen.

Was fügt KI der klassischen RFM-Analyse hinzu?

Die klassische RFM-Analyse hat genau eine Schwäche: sie blickt ausschließlich zurück. Sie beschreibt, was ein Kunde gestern getan hat, nicht, was er morgen tun wird. KI-Modelle nehmen dieselben RFM-Werte als Eingabe und bauen darauf eine verhaltensbasierte, prognostische Ebene: Abwanderungswahrscheinlichkeit, Wahrscheinlichkeit des nächsten Kaufs und prognostizierter LTV. Das Segment ist dann kein Foto mehr, sondern eine Vorhersage.

• Abwanderungswahrscheinlichkeit: die Chance, dass diese Person im kommenden Zeitraum aufhört zu kaufen. Sie entscheidet, für wen das Rückgewinnungsbudget ausgegeben wird.
• Wahrscheinlichkeit des nächsten Kaufs: die Chance auf eine baldige neue Bestellung. Ist sie hoch, kommt die Person ohnehin zurück, und ein Rabattcode verbrennt nur Marge.
• Prognostizierter LTV: der Wert, den ein Kunde künftig voraussichtlich bringt. Einen Lookalike-Seed nach prognostiziertem LTV statt nach heutigem Umsatz zu wählen, funktioniert deutlich besser.
• Verhaltenssignale: Surfverhalten, Kategorieaffinität, Retourenquote, Rabattabhängigkeit. Auf die drei RFM-Zahlen gesetzt, schärfen diese Felder die Segmente erheblich.

Dazu gehört Ehrlichkeit: die Prognoseebene ist keine Magie. Die Modellgüte schwankt stark nach Datenqualität und Branche, und bei dünner Bestellhistorie bleibt das Ergebnis wenig mehr als eine begründete Schätzung. Seien Sie auch bei hohen 'Genauigkeitswerten' skeptisch: Abwanderung ist ein seltenes Ereignis, deshalb wirkt selbst ein Modell, das schlicht 'niemand wandert ab' vorhersagt, auf dem Papier genau. Richtig eingesetzt ist die Prognose eine Rangfolge zur Budgetpriorisierung, keine Tatsache. Genau dort zahlt sich Werbeverwaltung mit KI aus: nicht beim Entscheiden, sondern beim Sortieren der Warteschlange.

Welche 6 Kundensegmente, und welche Werbeaktion je Segment?

Man kann Dutzende Segmente erzeugen, aber in einem echten Werbekonto sind sechs die Zahl, die sich wirklich steuern lässt. Die folgenden sechs Segmente entstehen aus RFM-Score und Prognoseebene zusammen, und neben jedem steht genau eine eindeutige Werbeaktion. Die Regel lautet: wenn Sie neben ein Segment keine Aktion schreiben können, ist das Segment Dekoration.

• Champions (R5 F5 M5): der Kern, der zuletzt, häufig und hochwertig kauft. Aktion: aus Neukundenanzeigen ausschließen (sie kommen ohnehin) und das Budget in Loyalität, Neuheiten und höherwertige Produkte lenken.
• Treue Kunden (hohes F, mittleres M): kaufen regelmäßig, aber mit kleinem Warenkorb. Aktion: Cross-Selling und Ergänzungsprodukte. Den Bestellwert zu erhöhen ist weit günstiger, als einen Neukunden zu gewinnen.
• Gefährdete Kunden (hohes F und M, niedriges R): waren wertvoll, sind abwanderungsgefährdet und entfernen sich. Aktion: Rückgewinnung. Meist der Posten mit dem höchsten Ertrag, denn Sie kennen die Person bereits und die Überzeugungskosten sind niedrig.
• Verloren (niedriges R, niedriges F): lange nicht da, geringe Rückkehrchance. Aktion: ein einziger Versuch mit kleinem Budget, danach von der Liste ausschließen. Auf dieser Gruppe zu beharren treibt den CPA leise nach oben.
• Neukunden (hohes R, F=1): Personen mit gerade erst getätigter Erstbestellung. Aktion: den zweiten Kauf auslösen. Die zweite Bestellung ist die Schwelle, an der ein Käufer zum Kunden wird.
• Hohes Potenzial (mittleres RFM, hoher prognostizierter LTV): heute unauffällig, vom Modell aber hoch bewertet. Aktion: als Lookalike-Seed verwenden und Neukundenkampagnen auf dieses Profil ausrichten.

Wie überträgt man Segmente in die Werbeplattformen?

Ein Segment, das nie im Werbekonto ankommt, ist nur eine Tabelle. Für die Aktivierung gibt es drei Wege: als Kundenliste hochladen (Customer Match bei Google Ads, Custom Audiences bei Meta), ein wertvolles Segment als Lookalike-Seed nutzen und, am wichtigsten, die passenden Segmente aus Kampagnen ausschließen. Der Ausschluss wirkt am schnellsten und fällt den meisten zuletzt ein.

1. Liste vorbereiten: E-Mail und Telefonnummer gemeinsam übergeben. Laut Google-Dokumentation hebt der Einsatz von zwei Identifikatoren statt einem die Match-Rate spürbar an.
2. Hochladen und Match messen: die meisten Werbetreibenden liegen im Band von 29-62%. Wer deutlich darunter liegt, hat kein Zielgruppenproblem, sondern ein Formatproblem: nicht getrimmte Leerzeichen, gemischte Groß- und Kleinschreibung, tote Adressen.
3. Lookalike aufsetzen: als Seed die Gruppe mit hohem prognostiziertem LTV nutzen, nicht die Champions. Champions sind ohnehin eine kleine, gesättigte Menge, und das Modell kopiert dann die teuersten Personen.
4. Ausschlüsse einrichten: alle Käufer der letzten 30-90 Tage aus Neukundenkampagnen entfernen. Diese eine Einstellung senkt verschwendetes Neukundenbudget typischerweise um 15-25% und schärft zugleich die Botschaft Ihrer Remarketing-Strategie.

Einwilligung und Datenhygiene: worauf achten?

Eine Kundenliste hochzuladen heißt nicht, jede vorhandene E-Mail-Adresse an eine Plattform zu schicken. Verwenden dürfen Sie ausschließlich Datensätze mit Marketing-Einwilligung, und das ist unter der DSGVO nicht verhandelbar. Listenhygiene ist außerdem eine Performance-Frage: eine Liste voller veralteter Datensätze ohne Einwilligung drückt die Match-Rate und spielt Anzeigen an die falschen Personen aus.

• Nur eingewilligte Daten: Datensätze ohne Marketing-Einwilligung gehören nicht auf eine Liste. Auch die Plattformbedingungen verlangen das, und ein Verstoß kann bis zur Kontosperrung führen.
• Liste frisch halten: bei Google muss eine Liste innerhalb der letzten 540 Tage aktualisiert worden sein, um nutzbar zu bleiben. Ein monatlicher Refresh ist eine gute Gewohnheit.
• Untergrenze kennen: das Minimum für Google-Ads-Kundenlisten wurde von 1.000 auf 100 Mitglieder gesenkt; Meta setzt für Custom Audiences eine vergleichbare Untergrenze. Kleine, aber wertvolle Segmente sind damit nutzbar.
• Löschanfragen umsetzen: wird ein Kunde gelöscht, entfernen Sie ihn auch aus hochgeladenen Listen. Richten Sie eine geplante Synchronisierung ein, keinen einmaligen Upload.

Wie vergleicht man CPA und ROAS je Segment?

Ob Segmentierung wirkt, sehen Sie nicht am ROAS des Gesamtkontos; der Durchschnitt vermischt das gute mit dem schlechten Segment. Richtig ist, CPA und ROAS je Segment getrennt zu berichten. Das erwartete Bild: das Rückgewinnungssegment liegt beim CPA deutlich unter den Neukundenkampagnen, das verlorene Segment liegt über dem Kontodurchschnitt. Nähern sich diese beiden Zahlen an, sind Ihre Segmente nicht real, sondern nur Etiketten.

Kurz gefasst: Segmentierung verlangt kein neues Budget, sie lenkt das vorhandene auf die richtige Person. Beginnen Sie mit RFM, legen Sie die Prognoseebene darüber, schreiben Sie neben jedes der sechs Segmente genau eine Werbeaktion und richten Sie die Ausschlüsse am ersten Tag ein. Ads Sensor führt Ihre Daten aus Meta, Google, TikTok, Criteo und GA4 in einem Dashboard zusammen, zeigt mit KI und Begründung, welche Zielgruppe Budget verbrennt, und spielt die von Ihnen freigegebenen Empfehlungen direkt in die Plattform zurück. Zur Pre-Beta anmelden und mit eigenen Daten sehen, welche Zielgruppen Ihr Budget verbrennen.