KI-EC-VL06

X

Get: Aufmerksamkeit generieren und Interessenten in zahlende Kunden umwandeln.

Keep: Kundenbindung erhalten, indem Kunden engagiert, zufrieden, informiert und emotional verbunden gehalten werden.

Grow: Kundenwert steigern und neue Kunden über Empfehlungen (Referrals) gewinnen.

X

Paid Demand Creation

Unternehmen bezahlt, um potenzielle Kunden zu erreichen und Aufmerksamkeit zu erzeugen:

- Public Relations

- Advertising

- Trade Shows

- Webinars

- E-Mail/Direct Mail

Earned Demand Creation

Nachfrage durch unbezahlte Sichtbarkeit, Reputation, Advocacy oder Mundpropaganda:

- Publikationen in Journals

- Konferenzen/Vorträge

- Blogging/Gastartikel

- Social Media

X

Die Keep-Phase soll verhindern, dass gewonnene Kunden abwandern (Churn). Die Retention Rate ist einer der stärksten Hebel für Profitabilität.

X

Up-Selling: Kunden zum Kauf eines vergleichbaren, höherwertigeren Produkts bewegen (oft mit Vergleichstabellen).

Next-Selling: Nach dem Kauf ein exklusives Folgeangebot machen (z. B. Rabattcode für nächste Bestellung).

Cross-Selling: Ergänzende Produkte anbieten, die zusätzliche, unerfüllte Bedürfnisse abdecken.

Referral Marketing: System, das bestehende Kunden incentiviert, neue Kunden zu empfehlen.

Beispiel (nur nennen): Cross-Selling eines Glätteisens (hair straightener) an einen Kunden, der einen Haartrockner kauft.

X

E-Commerce Analytics ist die systematische Sammlung, Analyse und Präsentation von Erkenntnissen über das Verhalten von E-Commerce-Nutzern. Ziel: Kundenverhalten verstehen, User Experience verbessern, Umsatz durch angepasste Services steigern.

3 Schritte

1. Data Collection: Tracking des Nutzerverhaltens und der Interaktionen auf der Plattform

2. Data Analysis: Interpretation der Daten, Muster/Trends extrahieren

3. Reporting: Erkenntnisse zugänglich machen, z. B. über Dashboards

X

- Customer Insights: Demografie, Präferenzen & Verhalten verstehen, um Marketing zu personalisieren

- User Experience: Interaktionsdaten analysieren, um Navigation, Layout & UX zu verbessern

- Sales Optimization: Top-Produkte, Sales-Trends und Umsatzquellen identifizieren

- Inventory Management: Nachfrage vorhersagen, Lagerbestand steuern (Stockouts/Overstocking vermeiden)

- Conversion Rate Optimization: Engpässe im Sales-Funnel identifizieren und beheben

X

- Google Analytics: Umfassendes Tool zum Tracking und Reporting von Website-Traffic und Nutzerinteraktionen über die Google-Suche

- Heatmaps: Visuelle Darstellung, wo Nutzer klicken, scrollen und hovern

- A/B Testing: Vergleich zweier Versionen eines Features, um zu bestimmen, welche besser performt

[Bild: Google Analytics Dashboard-Screenshot, VL06 S.17]

- Personalized Recommendations: Produktvorschläge basierend auf Browsing- & Kaufhistorie

- Dynamic Pricing: Echtzeit-Preisanpassung nach Nachfrage, Wettbewerberpreisen & Kundendaten

- Customer Segmentation: Kundendaten analysieren für zielgerichtete Kampagnen & Engagement

- Inventory Forecasting: Predictive Analytics zur effizienten Lagerverwaltung & Produktverfügbarkeit

X

1. Exploration/Discovery Stage

2. Consideration Stage

3. Revenue/Conversion Stage

4. Retention Stage

5. Advocacy Stage

[Bild: Sales-Funnel mit Customer Stages, VL06 S.20]

Leitfrage: Wie viele Menschen sind mit unserer Marke/unseren Produkten in Kontakt gekommen?

Kennzahlen:

- Online (und offline) Impressions: Facebook/Instagram „Reach“, YouTube & andere Video-Plattformen, Influencer & offline Medienpartner

- Online Visibility der Marke: Google AdWords, Google Search Console, Google Keyword Planner, Zitationen in KI-generierten Antworten (ChatGPT/Claude/…)

Leitfrage: Welcher Anteil der Personen, die mit unserer Marke in Kontakt gekommen sind, engagiert sich mit ihr?

Fokus: Inbound Traffic zum Shop, E-Mail- und Social-Media-Engagement.

- Organic Traffic: Clicks, Avg. CTR, Avg. Position der URLs bei Google-Suchanfragen, Position in KI-Outputs

- Email Engagement: Email List Growth Rate, Bounce Rate, Open Rate, CTR, Conversion Rate, Unsubscribes

- Social Media Engagement: Likes, Shares, Comments, Clicks pro Post

- Onsite Traffic: Sessions, Users, Pages/Session, Bounce Rate, Avg. Session Duration, New Users

Verkäufe/Umsatz werden regelmäßig (täglich/wöchentlich/monatlich) getrackt. Zusätzlich werden Aktionen analysiert, die typischerweise zu einem Kauf führen (Micro-Conversions) sowie Standardkennzahlen zu Transaktionen erhoben.

X

AOV: Gesamtumsatz geteilt durch Anzahl Transaktionen/Bestellungen — Basis für Up-/Cross-Selling-Initiativen.

Micro-Conversion: vorab festgelegte Schritte, die typischerweise vor einem Kauf stattfinden (z. B. Newsletter-Anmeldung, Musterbestellung).

Micro-to-Macro Conversion Ratio: Verhältnis von Micro-Conversion zu tatsächlichem Kauf.

Beispiel (nur nennen): Möbelhändler, bei dem 40 von 100 Musterbestellern (Stoffproben für Sofas) tatsächlich kaufen.

X

Number of Visits to Sale: durchschnittliche Anzahl Besuche bis zum ersten Kauf eines neuen Kunden.

(Sales) Conversion Rate = Anzahl Sales-Conversions / Gesamtzahl Besucher.

Beispiel: 1.000 Sales bei 200.000 Besuchern → Conversion Rate = 0,5%

Shopping Cart Abandonment: Anteil der Besucher, die Produkte in den Warenkorb legten, den Checkout aber nicht abschlossen. Je niedriger, desto besser.

Beispiel: 75 von 100 Besuchern mit Warenkorb kaufen nicht → Abandonment = 75%

Customer Acquisition Cost (CAC): Gesamtkosten (Research, Marketing, Sales) für Kundengewinnung / Anzahl neu gewonnener Kunden im Zeitraum.

X

CAC bezeichnet die Ressourcen, die ein Unternehmen aufwenden muss, um einen zusätzlichen Kunden zu konvertieren. Umfasst Kosten für Marketing- und Sales-Aktivitäten.

Wiederholungskäufe (Repeat Business) sind zentral für Wachstum. Laut Bain & Company führt eine 5%ige Steigerung der Retention Rate zu 25–95% mehr Profit. Kundenbindung messen ist Ausgangspunkt, um Loyalität zu verstehen und zu verbessern.

X

Repeat Purchase Rate: Anteil der Kunden mit mehr als einem Kauf am gesamten Kundenstamm.

Formel: Anzahl Kunden mit >1 Kauf / Gesamtzahl Kunden

Purchase Frequency: Anzahl Käufe eines durchschnittlichen Kunden bei einem Anbieter in einem Zeitraum.

Formel: Anzahl Bestellungen (i. d. R. 365 Tage) / Anzahl eindeutiger Kunden (gleicher Zeitraum)

Zeigt die durchschnittliche zeitliche Lücke zwischen zwei Käufen eines Kunden. Hilft, E-Mail-Marketing-Automatisierung so zu gestalten, dass Kunden automatisch zum Nachkauf erinnert werden. Die Dauer variiert je Handelsbranche.

X

Churn Rate: Anteil der Kunden, die in einem Zeitraum aufhören, das Produkt/die Dienstleistung zu nutzen.

Formel: verlorene Kunden im Zeitraum / Gesamtkunden zu Beginn des Zeitraums

Beispiel (nur nennen): Abo-Unternehmen mit 1.000 Abonnenten im Mai, 50 kündigen → Churn Rate = 5%

Customer Retention Rate = 100% − Churn Rate

Churn Rate ist besonders wichtig für Subscription-Geschäftsmodelle, da direkt umsatz- und profitrelevant.

Bestehende Kunden empfehlen die Marke an Familie/Freunde weiter — kostengünstige, effektive Kundengewinnung. Grund: gute Customer Experience führt zu Empfehlungen. Deshalb: Customer Experience messen + Referral-Programm aufsetzen. Fokus-Metrik: Customer Satisfaction.

X

NPS ist eine Ein-Fragen-Umfrage, die misst, wie wahrscheinlich Nutzer das Produkt weiterempfehlen würden. Liefert wichtige Informationen zur Zufriedenheit aktueller Nutzer. Nutzer werden in drei Segmente eingeteilt: Detractors, Passives, Promoters.

X

Detractors: unzufrieden, wandern am ehesten zu Wettbewerbern ab.

Passives: neutral — lieben das Produkt nicht, hassen es aber auch nicht; leicht durch Anreize der Konkurrenz abzuwerben.

Promoters: lieben das Produkt und empfehlen es am ehesten weiter.

X

NPS = % Promoters − % Detractors

Ziel: durchschnittlichen NPS über alle Kunden so hoch wie möglich halten — laufendes Maß für die Performance des Referral-Programms.

Produkt- und Verkäuferbewertungen (Product & Seller Reviews) — sollten monatlich getrackt und segmentiert werden, als weiterer wichtiger Gauge für Customer Satisfaction.

Kategorien: Awareness, Conversion, Performance, Finance, Loyalty, Delivery, (After-Sales) Services — mit zahlreichen Einzelmetriken wie Transactions, Net Order Value, Sessions, Cost-per-Order, Net Promoter Score, Delivery-Split etc.

(Nur als Beispiel merken, nicht alle Einzelmetriken auswendig lernen)

[Bild: Große KPI-Übersichtstabelle Webshop-Fallbeispiel, VL06 S.36]

X

CLV > CAC — der Customer Lifetime Value muss größer sein als die Customer Acquisition Cost, damit ein Kunde profitabel ist.

X

CLV ist der Wert, den ein Kunde über seine gesamte „Lebenszeit“ als Kunde (Monate oder Jahre) zum Unternehmen beiträgt — also der Betrag, den er für Produkte/Dienstleistungen ausgibt, abzüglich der Kosten seiner Akquise.

X

CLV = Summe über t=0 bis T von (e_t − a_t) / (1+i)^t

- e_t = (erwartete) Cash-Inflows aus der Kundenbeziehung in Periode t

- a_t = (erwartete) Cash-Outflows aus der Kundenbeziehung in Periode t

- i = Diskontierungssatz (discount rate)

- t = Zeitperiode (t = 0,1,2,…,T)

- T = Dauer der Kunden-/Geschäftsbeziehung

[Bild: CLV-Formel, VL06 S.40]

X

1. Welche Cash-Inflows und -Outflows sind zu erwarten?

2. Welcher Diskontierungssatz soll angewendet werden?

3. Welche Dauer der Kunden-/Geschäftsbeziehung kann angenommen werden?

X

Annahmen: 13,99€/Monat, variable Kosten 1,50€/Monat, Marketingausgaben ⌀6€/Jahr, monatlicher Diskontsatz 10%, Kundenbindung 4 Monate.

Ergebnis: CLV ≈ 41,81€

(Nur Ergebnis & Eckdaten merken, Rechenweg nicht vollständig auswendig lernen — Berechnung erfolgt durch Einsetzen in die CLV-Formel)

[Bild: Netflix CLV-Rechenbeispiel, VL06 S.41-42]