Was ist ein Propensity-Modell in der Mode?
Ein Propensity-Modell sagt voraus, wie wahrscheinlich ein Kunde oder ein Account eine bestimmte Aktion ausführt, etwa einen Kauf, eine Nachbestellung, eine Reaktion auf eine Kampagne oder eine Retoure.
Kurz erklärt
Ein Propensity-Modell ist ein Prognosemodell, das die Wahrscheinlichkeit schätzt, mit der ein Kunde eine bestimmte Aktion ausführt. In der Mode kann das der Kauf einer neuen Kategorie, eine Nachbestellung, das Öffnen einer E-Mail oder eine Retoure sein. Der resultierende Wert hilft Teams zu entscheiden, wen sie wie ansprechen.
Wie funktioniert das in der Praxis?
Das Modell wird mit historischen Daten trainiert, bei denen das Ergebnis bekannt ist, zum Beispiel welche Kunden in der letzten Saison Oberbekleidung gekauft haben. Es lernt, welche Merkmale und Verhaltensweisen dieser Aktion vorausgingen, etwa jüngste Käufe, Surfverhalten, Filialbesuche oder Bestellhäufigkeit. Anschliessend bewertet es aktuelle Kunden oder Accounts mit einer Wahrscheinlichkeit zwischen null und eins.
Typische Anwendungsfälle in der Mode sind:
- Nachbestell-Propensity für Wholesale-Kunden, die dem Aussendienst zeigt, wen er zuerst kontaktieren sollte.
- Kategorie-Propensity, die Kunden identifiziert, die wahrscheinlich Schuhe oder Accessoires kaufen.
- Kampagnenreaktion, also die Entscheidung, wer eine Aktion oder eine Einladung zur Vorschau erhalten soll.
- Retouren-Propensity, die Bestellungen markiert, die wahrscheinlich zurückkommen.
Warum ist das für Modeunternehmen wichtig?
Marketingbudgets und Verkaufszeit sind begrenzt. Jedes Angebot an jeden Kunden zu senden, verschwendet Geld und kann treue Kundinnen und Kunden verärgern. Propensity-Werte ermöglichen gezieltere Aktivitäten, etwa die Einladung der Accounts, die ihre Order am ehesten ausweiten, zu einem Termin während der Orderwoche, oder einen Early Access nur für Kunden mit hoher Kaufwahrscheinlichkeit.
Wie verändert KI das Thema?
Modernes Machine Learning kann reichhaltigere Daten wie Klickpfade, Produktattribute und Bilder nutzen und die Werte häufiger aktualisieren. Sprachmodelle können die Werte in verständliche Erklärungen oder Gesprächsvorschläge für den Aussendienst und das Filialpersonal übersetzen.
Typische Stolperfallen
- Personen ansprechen, die ohnehin kaufen würden, statt jener, die eine Massnahme tatsächlich beeinflusst.
- Veraltete Werte, die nicht mit aktuellem Verhalten aufgefrischt werden.
- Unklare Definitionen der Zielaktion und des Zeitraums.
- Datenschutz- und Einwilligungsfragen bei der Nutzung personenbezogener Daten.
Häufige Fragen
Was ist der Unterschied zwischen einem Propensity-Modell und Kundensegmentierung?
Die Segmentierung fasst Kunden mit ähnlichen Merkmalen zu Gruppen zusammen. Ein Propensity-Modell sagt für jeden einzelnen Kunden oder Account die Wahrscheinlichkeit einer bestimmten Aktion voraus.
Lassen sich Propensity-Modelle im B2B-Wholesale einsetzen?
Ja. Marken können Handelskunden danach bewerten, wie wahrscheinlich sie nachbestellen, neue Kategorien testen oder ihre Orders reduzieren. Das hilft Vertriebsteams bei der Zeitplanung.