Customer Segmentation: Definition, Methoden, Abgrenzung

Customer Segmentation (Kundensegmentierung) teilt den bestehenden Kundenbestand in klar getrennte Gruppen auf, die sich in wichtigen Merkmalen ähneln, zum Beispiel im Kaufverhalten, Umsatz oder Bedarf. Ziel ist es, Marketing, Vertrieb und Service je Gruppe unterschiedlich zu steuern, statt alle Kunden gleich anzusprechen. Die Gruppenbildung kann über feste Regeln (etwa RFM aus Recency, Frequency, Monetary; ABC nach Umsatzanteil), über statistische Auswertung oder über Clustering (algorithmische Gruppierung ähnlicher Kunden) laufen.

Was ist Customer Segmentation?

Customer Segmentation ist eine Aufgabe im analytischen CRM (der auswertenden Seite des Kundenmanagements) und im laufenden Bestandsgeschäft. Am Ende steht eine Zuordnung: jeder Kunde bekommt genau ein Segment. Dabei gelten zwei Bedingungen: Innerhalb einer Gruppe sollen sich die Kunden möglichst ähnlich sein (in Merkmalen, Bedarfen oder Wertbeiträgen); zwischen den Gruppen sollen die Unterschiede möglichst deutlich sein. Auf Basis dieser Zuordnung werden dann unterschiedliche Kampagnen, Angebote, Preise, Servicetiefe (wie umfassend betreut wird) oder Vertriebsbetreuung je Gruppe ausgesteuert.

Der Begriff existiert, weil eine einheitliche Ansprache eines heterogenen Kundenbestands wirtschaftlich selten trägt. Die Kundenbasis unterscheidet sich in Wert, Kaufverhalten, Reifegrad und Bedarf; eine über alle Kunden gleiche Behandlung führt zu Streuverlusten in der Vermarktung und zu Fehlallokation im Service. Die Segmentierung ist der Rahmen, in dem diese Unterschiede in einem gemeinsamen Modell erfasst werden.

Merkmalsklassen, aus denen Segmente gebildet werden, sind demographisch beziehungsweise firmographisch (Alter, Region, Sprache im B2C; Branche, Firmengröße, Standort im B2B), verhaltensbasiert (Käufe, Frequenz, Recency, Kanäle, Rückgaben, Nutzung), wertbasiert (Deckungsbeitrag, Customer Lifetime Value, ABC-Klassen nach Umsatzanteil), bedarfs- oder nutzenbasiert (Kaufmotive, Anwendungsfälle, Jobs-to-be-Done) und psychografisch (Werte, Einstellungen, Lifestyle). Verhaltens- und wertbasierte Merkmale sind aus operativen Systemen direkt ableitbar; bedarfs- und psychografische Merkmale stammen aus Umfragen oder Interviews und sind aufwendiger zu operationalisieren.

Methodisch gibt es drei Umsetzungsarten. Regelbasierte Segmentierung arbeitet mit festen Schwellen (RFM-Quantile aus Recency, Frequency, Monetary; [ABC-Klassen](/insights/glossar/abc-analysis/) nach dem Pareto-Prinzip; Umsatzklassen) und ist nachvollziehbar im BI-Stack umsetzbar. Statistische Segmentierung nutzt [Clustering-Verfahren](/insights/glossar/clustering/) wie K-Means, K-Prototypes oder hierarchisches Clustering auf standardisierten Merkmalen und benötigt anschließend eine fachliche Benennung der gefundenen Cluster. Hybrid-Ansätze kombinieren regelbasierte Vorfilter (etwa aktive Bestandskunden) mit statistischer Gruppierung im Rest. Voraussetzung für alle Methoden ist eine konsolidierte Kundensicht ([Customer 360](/insights/glossar/customer-360/)) mit gepflegten Stammdaten und einer definierten Aktualisierungsfrequenz. Segmente sind kein Workshop-Ergebnis, sondern ein periodisch neu berechneter Datenstand, der in CDP, CRM oder Data Warehouse als Attribut gepflegt und in operative Systeme ausgespielt wird.

Abgrenzung: Clustering, Cohort Analysis, Persona, Marktsegmentierung

Vier verwandte Begriffe werden im gleichen Umfeld regelmäßig mit Customer Segmentation vermischt. Die Abgrenzung verläuft über unterschiedliche Achsen: Methode, Zeitbezug, Datenbasis und Betrachtungsebene.

Begriff	Achse	Kernunterschied zur Customer Segmentation
Clustering	Methode	Algorithmisches Verfahren des unüberwachten maschinellen Lernens. Eine mögliche Umsetzungsart von Segmentation auf Methodenebene. Segmentation ist das Was, Clustering ein mögliches Wie.
Cohort Analysis	Zeitbezug	Gruppiert Kunden nach einem gemeinsamen Startereignis (Akquise-Monat, Vertragsbeginn) und verfolgt Kennzahlen über die Zeit. Zeitliche Aufschlüsselung, orthogonal zur merkmalsbasierten Segmentation. Beide werden kombiniert (Kohorten je Segment).
Persona	Datenbasis	Qualitative, archetypische Nutzerbeschreibung aus User-Research (Name, Ziele, Kontext, Motive). Kommunikatives Werkzeug für Produkt- und Marketingteams. Segmente sind datenbasierte Kohorten des realen Kundenbestands.
Marktsegmentierung	Betrachtungsebene	Strategischer Oberbegriff (STP-Modell: Segmentation, Targeting, Positioning), umfasst auch potenzielle Kunden. Customer Segmentation arbeitet auf dem bereits gewonnenen Kundenbestand.
Lead Scoring	Aufgabe	Ordinales Scoring einzelner Leads nach Abschlusswahrscheinlichkeit für die Sales-Aktivierung. Ergänzt Segmentation im Vertrieb um eine Abschluss-Priorisierung.

Am häufigsten überschneidet sich Customer Segmentation mit Clustering und mit der Persona-Arbeit. Wird ein Clustering-Verfahren auf Kundendaten angewendet, ist das Ergebnis ein technischer Vorschlag für Segmente; die fachliche Prüfung, Benennung und operative Nutzung bleibt Aufgabe des Fachbereichs. Personas ergänzen die Segmentierung um qualitative Tiefe: Ein Segment ist messbar (Zuordnung je Kunde, Größe, Wert), eine Persona ist ein Beschreibungs-Artefakt für Kommunikation und Produktentscheidungen.

Beispiel: RFM-Segmente im E-Commerce

Ein E-Commerce-Anbieter mit etwa 180.000 aktiven Bestandskunden segmentiert nächtlich auf Basis der RFM-Merkmale. Für jeden Kunden werden Recency (Tage seit letztem Kauf), Frequency (Käufe in den vergangenen zwölf Monaten) und Monetary (Umsatz in den vergangenen zwölf Monaten) berechnet. Jede Größe wird in Quintile geteilt (Score 1 bis 5), und aus der Kombination der drei Scores werden fünf fachliche Segmente abgeleitet: Champions (hohe Werte in allen drei Dimensionen), Loyal Customers (hohe F und M, mittlere R), At-Risk Loyal (bisher hohe F/M, hohe R), Sleeper (mittlere Werte, hohe R) und New Customers (niedrige F, kurze R).

Die Segment-Labels werden als Attribut je Kunde in die Gold-Ebene des Lakehouse geschrieben. Ein Reverse-ETL-Job überträgt die Labels ins CRM und in das Marketing-Automation-System. Das Marketing steuert Kampagnen je Segment differenziert aus: Champions erhalten personalisierte Angebote und Vorab-Zugang zu neuen Produkten, At-Risk-Loyale bekommen eine Reaktivierungsstrecke, Sleeper eine breitere Reaktivierungskampagne, New Customers ein Onboarding-Programm. Der Vertrieb sieht die Segmente im CRM als Filter für Priorisierung und Nachfassaktionen.

In komplexeren Merkmalsräumen (etwa wenn zusätzlich Kanalnutzung, Warenkorb-Mix, Rückgabequote und Kundendienst-Kontakte berücksichtigt werden sollen) tritt statistisches Clustering an die Stelle der festen Quantile. Auf standardisierten Merkmalen wird K-Means mit einer über Silhouette-Analyse geprüften Cluster-Anzahl trainiert; das Modelltraining läuft mit MLflow-Tracking auf der Plattform, die Cluster-Labels werden analog zurück in die Kundentabelle geschrieben. Die operative Nutzung bleibt gleich: Segment-Attribut je Kunde, differenzierte Maßnahmen je Segment, regelmäßige Neuberechnung.