Buzzword-Bingo: was bedeutet … eigentlich? Zweiter Akt.

Buzzword-Bingo: was bedeutet … eigentlich? Zweiter Akt.

Dieser Post ist Teil einer Serie von Posts zu verschiedenen Begrifflichkeiten einer Customer Data Platform. Die weiteren Posts der Serie findest Du hier:

Userprofil: wer ist eigentlich dieser ID-42525328ndfbjk23?

In einem Userprofil laufen alle Informationen eines Users zusammen. Um den User besser verstehen zu können, muss man auch wissen, was ihn bewegt. Dabei geht es nicht darum, die politische oder religiöse Stimmung des Users herauszufinden, wie so manche Social-Networks das gerne praktizieren. Stattdessen geht es darum zu lernen, was dem User helfen würde.

Ein klassisches Beispiel sind Größenauswahlen in Online-Shops. Suche ich eine Hose, so muss ich auf jeder Produktdetailseite die Größe jedes Mal erneut auswählen. Wieso lernen die Shops nicht nach dem zweiten Mal, welche Größe ich suche und wählen diese auf allen weiteren Detailseiten für mich automatisch aus? Mir würde das jedenfalls Zeit sparen.

Man bedenke: Zu jedem Lernvorgang gehört aber auch auch ein Verlernen. Genau wie wir gelernt haben, dass die Größe “M” passend ist, müssen wir auch lernen, wenn der User eine andere Größe bevorzugt.

Ein User kann mehrere Identitäten (Identities) haben, wenn er über verschiedene Kanäle mit dem Produkt interagiert. Das klingt jetzt erstmal etwas verwirrend, weil doch ein Mensch nur eine Identität hat. Aber oft ist es so, dass ein User, der eine Webseite besucht und sich mit seiner E-Mail Adresse anmeldet als separate Identität erfasst wird, als der gleiche User, der sich zum Beispiel mit seiner Handynummer über die App registriert hat. Um nun aber nicht zwei separate Userprofile von ein und demselben User zu haben, werden diese beiden Identitäten des User unter einem Profil zusammengefasst. Weiterhin bleibt aber erkenntlich, welches Event der User über welchen Kanal (Web, App, usw.) ausgelöst hast.

Ein Userprofil besteht aber nicht nur aus den verschiedenen Identitäten des Users, sondern auch aus gewissen Eigenschaften (Traits). Zusammen ergeben diese Informationen ein rundes Bild, was den User bewegt und helfen später (Marketing-) Aktionen genauer ausspielen zu können.

Custom Traits: welche Eigenschaften hat ein User, die dem System bekannt sind?

Wie im vorherigen Abschnitt beschrieben, enthält ein Userprofil auch bestimmte Eigenschaften, auch Traits genannt. Diese beschreiben den User, sein Verhalten und seine Vorlieben detaillierter.

Ein Beispiel: Ein klassischer Trait wäre das Geschlecht oder die Region, in der der User wohnt.

Grundsätzlich unterscheidet man hier zwischen sogenannten Custom Traits und Computed Traits. Custom Traits sind Eigenschaften, die der Webseite/App bereits über den User bekannt sind und die bei einem Login automatisch an das Userprofil angehängt werden.

Ein Beispiel: beim Login in unseren Onlineshop kennt das System mein Geschlecht, meine Anschrift und meine Zahlungsdaten.

Jetzt stellt sich die Frage, wieso man Daten, die man schon in einer anderen Datenbank hat, an ein Userprofil übermitteln sollte? Das ist relativ einfach. Oft möchte man alle Daten zum aktuellen User an einer Stelle haben und nicht verschiedene Datenquellen dafür abfragen müssen. Zudem lassen sich so viel einfacher Selektionen machen. Die gebündelte Darstellung hilft, den User auf einen Blick besser verstehen zu können, als wenn die Daten verteilt in vielen Tabellen in der Datenbank vorliegen.

Computed Trait: welche Eigenschaften hat ein User, die wir aus dem Verhalten erkennen können?

Im Gegensatz zu Custom Traits, die einem System bereits bekannt sind, sind Computed Traits Eigenschaften, die erst mit dem Verhalten des Users auf der Webseite/App erstellt werden können. Dazu wird bei der Definition eines Computed Traits anhand von Vorlagen definiert, was man gerne über den User erfahren möchte.

Ein klassisches Beispiel ist die oben genannte Wunschgröße bei Hosen. Hier lernt das System durch Events, die der User in der Vergangenheit ausgelöst hat, welche Größe er bevorzugt. Daraus wird dann berechnet, was die am häufigsten ausgewählte Größe bei Hosen war.

Wichtig ist auch, dass das System erkennt, wenn sich das Userverhalten wieder ändert. Der User könnte abnehmen und anstatt “M” fortan “S” kaufen. Demnach sollten Computed Traits nicht einmalig berechnet, sondern fortlaufend aktualisiert werden, damit der User nicht auf einer Hosengröße festhängt.

Foto von Abi Schreider auf Unsplash

« Letzter Post   Nächster Post »
Sage uns deine Meinung

Du hast eine Frage oder möchtest etwas loswerden. Schreibe uns gerne auf Twitter unter an.