Kundenprofilierung

Ein Profil ist ein Datensatz mit festem Schema: eine Menge benannter Attribute mit jeweils zulässigem Wertebereich, verknüpft mit einer Person oder einem Account. Es zu bauen heißt, zuerst das Schema festzulegen und dann jedes Feld aus der dafür günstigsten Quelle zu füllen, etwa ein Formular für genannte Angaben, einen Datenanbieter für Firmografie und Produkttelemetrie für die Nutzung. Die Identitätsauflösung fügt diese Quellen über E-Mail-Domain, Firmenname oder eine bekannte Kennung zu einem Datensatz zusammen.

Ein Profil taugt nur so viel wie sein am schlechtesten gefülltes Pflichtfeld, weshalb Vollständigkeit alles Nachgelagerte bestimmt. Sie erhöhen sie entweder durch Fragen, was Formular-Conversion kostet, oder durch Anreicherung, was Geld kostet und ein Genauigkeitsrisiko einführt. Daten verfallen zudem: Menschen wechseln Rollen, Unternehmen ändern Größe und Tools, sodass ein ein Jahr unberührter Datensatz jemanden beschreibt, den es so nicht mehr gibt. Breitere Schemata verfallen schneller, denn jedes Feld muss gepflegt werden.

Progressive Profilierung ist die übliche Antwort. Fragen Sie beim Erstkontakt zwei bis drei Felder ab und danach bei jeder weiteren Interaktion andere Felder, statt dasselbe Formular zu wiederholen. Eine Scorecard eignet sich für den ersten Durchgang gut, weil Befragte strukturierte Fragen im Tausch gegen ein Ergebnis bereitwillig beantworten und jede Antwort direkt auf ein Schemafeld fällt, statt als Freitext anzukommen. Das gefüllte Profil steuert danach Routing, Listenzugehörigkeit und den gezeigten Text.

Profile beschreiben Merkmale, nicht Kaufbereitschaft; ein vollständig gefüllter Datensatz sagt also nichts darüber, ob der Account in diesem Quartal kauft. Sie glätten außerdem Gremien: Ein Kontaktprofil kann keine Gruppe abbilden, in der Nutzer, Budgetverantwortliche und Sicherheitsprüfung Verschiedenes wollen, weshalb Account- und Kontaktebene getrennt geführt werden. Selbstauskünfte tragen Wunschdenken, besonders bei Budget und Zeitrahmen, weshalb diese Werte als Behauptung und nicht als Tatsache gelten sollten.

Verfolgen Sie die Füllquote je Attribut statt einer einzigen Vollständigkeitszahl, denn ein leeres Pflichtfeld kann eine Routing-Regel blockieren, während der Durchschnitt gesund aussieht. Zählen Sie daneben, wie viele Datensätze an den Regeln scheitern, die das Profil auswerten, und halten Sie fest, welches Feld jeweils die Ursache war. Diese Aufschlüsselung zeigt, welches Attribut als Nächstes erhoben gehört.

Prüfen Sie anschließend die Vorhersagekraft. Gruppieren Sie gewonnene und verlorene Accounts nach jedem Attribut und sehen Sie, welche beide Gruppen trennen. Ein Attribut, das auf beiden Seiten ähnlich verteilt ist, ist Dekoration, so vollständig es auch sein mag. Wiederholen Sie die Prüfung regelmäßig, denn früher trennscharfe Attribute verlieren ihre Wirkung, sobald sich der Markt verbreitert.

Der übliche Fehler ist ein Schema, das ohne Abnehmer wächst. Jemand ergänzt ein Feld, weil es eines Tages nützlich sein könnte, der Vertrieb füllt es nie, und das Reporting verwirft still jeden Datensatz mit leerem Wert. Benennen Sie vor jedem neuen Attribut die Kampagne, Routing-Regel oder Auswertung, die es liest, und löschen Sie jedes Feld, das seit einem Jahr niemand gelesen hat.

Der zweite Fehler ist, dieselben Fragen wiederholt zu stellen. Wer Mitarbeiterzahl und Branche bereits angegeben hat, trifft beim nächsten Download auf dasselbe Formular, schließt daraus, dass die Antworten nirgends ankamen, und trägt Unsinn ein. Blenden Sie bereits vorhandene Felder aus, fragen Sie stattdessen das nächste fehlende ab und zeigen Sie die Nutzung des Profils, indem sich die Folgeseite tatsächlich unterscheidet.