Zusammenfassung der wichtigsten Punkte

1. Dynamische Persona-Modelle:

   • KI ermöglicht die Erstellung dynamischer und präziser Personas durch Echtzeit-Daten wie Bewertungen und Social Media-Beiträge.

   • Hypothetische Modelle werden durch aktuelle Informationen fundiert und angepasst.

2. Einsatz von KI-Tools:

   • Tools wie Octoparse und Outscraper sammeln und filtern relevante Daten für die Zielgruppenanalyse.

   • KI analysiert diese Daten nach spezifischen Kriterien, um Stimmungen und Bedürfnisse der Zielgruppen zu erfassen.

3. Sentiment-Analyse:

   • KI kategorisiert Stimmungen wie Begeisterung, Kritik oder Enttäuschung.

   • Diese Analyse liefert direkte Handlungsempfehlungen für zielgruppengerechte Übersetzungen.

4. Datenschutz und RAG-Modelle:

   • KI-gestützte Analysen arbeiten ausschließlich mit öffentlichen Daten.

   • RAG-Modelle ermöglichen die datenschutzkonforme Integration firmenspezifischer, interner Daten.

5. Praxisbeispiel:

   • Ein deutsches Unternehmen nutzt KI-gestützte Zielgruppenanalyse für die Expansion in Großbritannien und die USA.

   • Die KI sammelt und analysiert öffentliche und interne Daten, um die Marketingstrategie und Übersetzungen anzupassen.

Bei der Erstellung von Personas wurde uns in allen Workshops immer die folgende Frage gestellt: Und wie können wir sicher sein, dass unsere Angaben auch stimmen?
Und die Antwort war immer: Sie müssen jetzt jede der Angaben überprüfen, mit den Informationen aus Ihrem CRM abgleichen, mit Studien, mit den Vorstellungen anderer im Unternehmen und weitere Marktforschung betreiben.
Das ist natürlich mühsam. Und gerne hätte man den Nürnberger Trichter, der einem gleich auf Knopfdruck sagt, ob die Angaben stimmig sind oder nicht. Durch KI nähern wir uns dem Zustand.
Um eine bessere Vorstellung der Kund:innen zu erhalten, können Personas nun dank KI dynamisch mit Daten angereichert und präzisiert werden. So werden aus hypothetischen Modellen fundierte Profile, die auf aktuellen Informationen beruhen und entsprechend angepasst werden können.

Die KI greift in Echtzeit auf Quellen wie Bewertungen, Suchverhalten und Social Media-Beiträge zurück, um nicht nur anzunehmen, welche Wünsche und Besonderheiten die Zielgruppen aufweisen, sondern um diese auch durch aktuelle Angaben zu belegen. Indem KI wertvolle Einblicke aus tatsächlichen Nutzer-Feedbacks ableitet und generiert, können Unternehmen die Ansprache auf spezifische Werte und Bedürfnisse zuschneiden. Ein Beispiel ist die Analyse von Kundenrezensionen und Kommentaren, die gezielt für Verkaufsargumente genutzt werden. Die erstmalige Festlegung einer Persona kann durch den Einsatz von KI kontinuierlich überprüft werden, indem sie nicht nur demografische Daten auswertet, sondern zum Beispiel auch Reaktionen der Kund:innen auf Produkte oder Inhalte erfasst. Durch die sogenannte Sentiment-Analyse wird der Kontext von Bewertungen, Forenbeiträgen und Social-Media-Kommentaren sichtbar.

Auch ohne umfangreiche eigene Datensysteme können Unternehmen mithilfe von Drittanbieter-Tools wie Octoparse oder Outscraper relevante Daten für die Zielgruppenanalyse erfassen. Diese Tools sammeln und filtern Bewertungen, Kommentare und Social-Media-Interaktionen, um herauszufinden, welche Themen und Schlüsselbegriffe bei der Zielgruppe im Fokus stehen. Anschließend kann die KI diese Daten nach spezifischen Kriterien analysieren, die auf den jeweiligen Markt zugeschnitten sind: Werkzeuge wie z. B. ChatGPT kategorisieren Stimmungen wie Begeisterung, Kritik oder Enttäuschung. So präzisieren sie die Werte und Wünsche der Personas und liefern direkte Handlungsempfehlungen für zielgruppengerechte Übersetzungen.

Um valide und tiefgreifende Ergebnisse zu erzielen, kann ChatGPT vorkonfiguriert werden, indem es mit spezifischem Fachwissen und gezielten Quellen angereichert wird. So lässt sich ein Custom GPT erstellen, das beispielsweise auf Standardwerke zur Sentiment-Analyse, das Value Proposition Canvas oder das Buyer-Persona-Modell zugreift. Diese spezialisierte Wissensbasis ermöglicht es der KI, Kundenfeedback detailliert und im Kontext zu analysieren, was zu genaueren, handlungsorientierten Einsichten und einem fundierten Verständnis der Zielgruppenwerte und -präferenzen führt.

Wichtig ist zu betonen, dass bei dieser Art von KI-gestützter Persona-Analyse und -Erstellung ausschließlich mit öffentlichen Daten gearbeitet wird. Diese umfassen Bewertungen, Forenbeiträge und Social-Media-Kommentare, die von Nutzern öffentlich geteilt wurden und daher zum jetzigen Zeitpunkt keine datenschutzrechtlichen Bedenken hervorrufen.

Interne vertrauliche Unternehmensdaten wie Kundeninformationen oder geschützte Dokumente sollten in diesem Verfahren jedoch nicht in ChatGPT oder andere KI-Dienste hochgeladen werden, um den Schutz sensibler Informationen jederzeit sicherzustellen und die gesetzlichen Datenschutzrichtlinien strikt einzuhalten.

Eine innovative Weiterentwicklung für Unternehmen ist der Einsatz von RAG-Modellen (Retrieval-Augmented Generation), die eine datenschutzkonforme Integration firmenspezifischer, interner Daten erlauben. So können auch interne Dokumentationen, Kund:innen- und Nutzerumfragen oder Fokusgruppen-Erkenntnisse in die KI-Analyse eingebracht werden, ohne dass die Daten extern gespeichert oder zur Modellschulung in den KI-Modellen genutzt werden.

RAG-Modelle greifen auf bestehende, interne Wissensquellen zu, wie beispielsweise Gespräche oder Analysen von Fokusgruppen, um Personas weiter zu präzisieren und die Aussagekraft für spezifische Zielgruppen zu erhöhen. Unternehmen haben dadurch die Möglichkeit, bereits vorhandenes Wissen über die Zielgruppen gezielt für die Persona-Modelle zu nutzen und trotzdem Datenschutzstandards einzuhalten. Anbieter wie ChatGPT, Claude oder Gemini bieten zunehmend Firmenlösungen an, die solche Modelle auf unternehmensinterne Daten abstimmen, ohne dass diese in das allgemeine KI-Modell integriert werden. So können Anfragen über KI-Bots zum Beispiel auf eine unternehmensinterne Wissensdatenbank zugreifen, um genauer auf Kund:innen einzugehen und Antworten zu gestalten. Auch wenn die KI-Ergebnisse noch in Hinblick auf die Qualitätssicherung werden sollten, stellt dies eine erhebliche Verbesserung der bisherigen Möglichkeiten dar und sorgt für eine fundierte und zielgerichtete Kundenansprache.

Die beste Lösung für eine durchdachte Persona-Erstellung kombiniert entsprechend interne Datensätze mit von Kund:innen selbst erstellten und öffentlich zugänglichen Nutzerbewertungen. Mithilfe von RAG-Modellen lassen sich firmenspezifische Daten wie Nutzerumfragen sicher einbinden, während öffentlich geteilte Bewertungen und Kommentare wertvolle Einblicke in aktuelle Kundenbedürfnisse liefern. Diese Kombination stellt sicher, dass Persona-Modelle nicht nur an den spezifischen Anforderungen des Unternehmens ausgerichtet sind, sondern auch nah an der aktuellen Nutzerwahrnehmung und aktuellen Kundenstimmen bleiben – eine optimale Grundlage für zielgerichtete und wirksame Kundenansprache.

Durch die KI-Analyse bleibt das Persona-Modell dynamisch und zielgerichtet. KI schafft somit eine neue Dimension im Persona-Management: die Annahmen können ständig aktualisiert und zu datengestützten Kundenprofilen entwickelt werden. Dabei spielen Kuratoren weiter eine wichtige Rolle in der KI-gestützten Zielgruppenanalyse, da ihre Fachkenntnisse den Unterschied zwischen reiner Datenanalyse und einer gezielten, nutzbaren Kommunikation machen. So wie Übersetzer:innen nach wie vor bei der Prüfung maschineller Übersetzungen gefragt sind, ist auch in diesem Fall eine Überprüfung der von KI erstellten Ergebnisse nötig. Und dafür braucht es ExpertInnen, wie z.B. Marktforscher, Produktmanager oder auch Übersetzer.

Anwendungsbeispiel: Internationale Expansion eines Duschprodukte-Unternehmens mit KI-gestützter Zielgruppenanalyse

Nehmen wir wieder unser Beispiel von oben: Ein deutsches Unternehmen plant, mit seinen Duschlösungen in Großbritannien und den USA zu expandieren. Das Persona-Modell ist mit dem Ziel erstellt worden, Prioritäten zu setzen und eine genauere Ansprache der Kund:innen zu ermöglichen. Der Auftrag der Firma an die Agentur beinhaltete jedoch nicht nur die Übersetzung der Webseite, sondern auch die richtige Positionierung, um die Marketingstrategie darauf anzupassen. Dafür spielt zunehmend der Einsatz von KI in der Zielgruppenanalyse eine zentrale Rolle, um die spezifischen Anforderungen, Vorlieben und Suchverhalten der Kund:innen in beiden Märkten präzise zu erfassen und die Marketing- und Übersetzungsstrategien entsprechend anzupassen.

Das Vorgehen sieht wie folgt aus. Im ersten Schritt werden nicht die Zielgruppen in den Vordergrund gestellt, sondern die Produkte bzw. Angebote selbst. D. h. man hat in diesem Fall vergleichbare Produkte anderer Anbieter gewählt und mit Hilfe von KI-basierten Werkzeugen die Märkte analysiert.

1. Öffentliche Daten analysieren

Die KI sammelt zuerst öffentlich zugängliche Daten wie Kundenbewertungen und Social-Media-Kommentare zu vergleichbaren Produkten in Großbritannien und den USA. In der Analyse zeigt sich, dass britische Kund:innen Wert auf nachhaltige Materialien und umweltfreundliche Lösungen legen, während US-Kund:innen besonders die Langlebigkeit und einfache Wartung schätzen. Häufig verwendete Begriffe wie „sustainable materials“ und „eco-friendly“ für den britischen Markt oder „maintenance-free“ und „durable“ für den US-Markt werden so direkt in einem Persona-Profil erfasst.

2. Interne Daten für spezifische Analysen einbeziehen

Über ein RAG-Modell (Retrieval-Augmented Generation) nutzt das Unternehmen zudem firmenspezifische Daten von durchgeführten Marktanalysen in den Zielmärkten, die z. B. Design-Vorlieben und besondere Anforderungen der beiden Märkte bestätigen. Die KI reichert das Persona-Modell so mit differenzierten Informationen an und ermöglicht es dem Marketingteam, genau die Produktmerkmale gezielt zu akzentuieren, die in Großbritannien und den USA am meisten geschätzt werden.

3. Übersetzungen und Inhalte anpassen

Auf Basis der datenbasierten Persona-Profile entwickelt das Team zwei unterschiedliche Versionen der Webseite, die jeweils auf den Markt zugeschnitten sind. Die britische Webseite betont Umweltvorteile mit Slogans wie „eco-friendly solutions for modern homes“, während die US-Seite langlebige und pflegeleichte Produkteigenschaften hervorhebt, etwa „built to last, low-maintenance showers“.

4. Kontinuierliche Anpassung

Die KI überwacht kontinuierlich das Kundenfeedback in beiden Märkten und passt die Persona-Profile dynamisch an. So bleibt die Kundenansprache stets aktuell und kann auf Veränderungen im Markt eingehen – sei es eine steigende Nachfrage nach speziellen Dusch-Features oder eine Verschiebung der Werte hin zu stärkerer Nachhaltigkeit.