Optimization Glossary

App-Personalisierung

Was ist App-Personalisierung?

App-Personalisierung ist der Vorgang, eine mobile App entsprechend den Bedürfnissen einer bestimmten Zielgruppe zu schaffen. Ähnlich wie andere Arten der Personalisierung zielt die App-Personalisierung darauf ab, Nutzern eine auf deren spezifische Bedürfnisse zugeschnittene Erfahrung zu bieten, anstelle eines allgemeinen, für alle Nutzer gleichen Experience.

Warum ist App-Personalisierung wichtig?

Es gibt bereits eine sehr große Menge an Apps und die Nutzererwartungen steigen. Zum Juli 2015 gibt es über 1,5 Millionen Apps im App Store und 1,6 Millionen im Google Play Store. Nach Auswahl und Installation einer App löschen 65 % der Nutzer diese, wenn die erste Erfahrung damit negativ ist. Selbst nach Passieren dieser Schranke hat die durchschnittliche Person etwa 65 Apps auf ihrem Gerät, aber nur 15 davon werden tatsächlich wöchentlich genutzt.

Es gibt keinen Grund zu der Annahme, dass die obigen Statistiken sich ändern werden. Deshalb wird es zunehmend wichtig, sicherzustellen, dass Ihre App ihren Nutzern eine tolle Experience bietet. Dies erhöht die Wahrscheinlichkeit, dass Ihre App aus der Menge hervorsticht und Ihre Nutzer sie regelmäßig verwenden. In Ergänzung vieler Taktiken wie App-Auffindbarkeit, Leistungstests und vielem mehr ist App-Personalisierung eine der besten Möglichkeiten, eine App zu erschaffen, die die Nutzer tatsächlich gern verwenden werden.

Drei Ansätze für App-Personalisierung

Bevor Sie eine personalisierte Experience für Ihre Nutzer schaffen können, müssen Sie zunächst Daten über diese sammeln, damit Sie die spezifischen Bedürfnisse und Wünsche herausfinden. Mit diesen Daten gewappnet, ist es möglich, fundierte Entscheidungen bezüglich der Experience zu treffen, die Sie anbieten möchten, sowie welchen Segmenten Ihrer Nutzer bestimmte Customer Experiences geliefert werden.

Die Daten, die Sie über Ihre Nutzer sammeln können, um personalisierte Customer Experiences erstellen zu können, können grob in drei Kategorien unterteilt werden: demografische, kontextabhängige und verhaltensabhängige.

Demografische Fokussierung zielt darauf ab, herauszufinden, wer Ihre Nutzer sind, damit Sie diesen eine maßgeschneiderte Experience liefern können. Sind Ihre Nutzer männlich oder weiblich? In welcher Altersgruppe sind sie? Welche Dinge mögen sie gern oder gar nicht? Das Sammeln derartiger demografischer Informationen kann Ihnen dabei helfen, die App-Experience so zu gestalten, dass für jeden Nutzer der für ihn wichtigste Inhalt angezeigt wird.

Demografische Daten lassen sich auf vielfältige Weise sammeln. Eine direkte Methode ist, Ihre Kunden während des App-Onboarding-Vorgangs einfach zu fragen. Beispielsweise kann ein Unternehmen, dass kundenspezifische Autoteile verkauft, den Kunden fragen, welche Art von Auto er fährt und dann nur Angebote relevanter Autoteile anzeigen, wann immer der Nutzer in die App einloggt. Eine andere Methode ist es, die Integration mit anderen sozialen Plattformen wie Facebook zu nutzen, um demografische und Interesseninformationen über Ihre Nutzer zu beziehen.

Eine andere Möglichkeit zur Segmentierung Ihres Publikums ist mittels kontextabhängigem Fokussieren. Kontextabhängiges Fokussieren zielt darauf ab, Informationen über das vom Nutzer verwendete Gerät, über die Tageszeit oder den aktuellen geografischen Standort des Nutzers herauszufinden, um die App-Experience zu personalisieren. Beispielsweise könnte eine lokale Reise-App Restaurants anzeigen, die nahe am Nutzerstandort liegen und noch geöffnet haben oder eine E-Commerce-App könnte iPhone-Hüllen basierend auf dem Fakt anbieten, dass der Nutzer ein iPhone verwendet.

Schließlich ist die dritte Möglichkeit eine personalisierte App-Experience zu bieten mittels Verhaltensfokussierung. Bei der Verhaltensfokussierung verwenden Sie das tatsächliche Verhalten des Nutzers, um dessen App-Experience anzupassen.

Wenn beispielsweise ein Nutzer eher auf Schuhe als auf Socken in einer Shopping-App klickt, kann die App sich in Echtzeit daran anpassen und mehr von den Produkten anzuzeigen, an denen der Kunde interessiert sein könnte. Oder die App kann, falls der Nutzer zuvor ein bestimmtes Produkt gekauft hat, dieses automatisch anzeigen, wenn es das nächste Mal im Angebot ist. Weil verhaltensbasiertes Fokussieren auf dem tatsächlich vorliegenden Verhalten der Nutzer basiert, ist es eine wirkungsvolle Möglichkeit, die App-Experience für App-Nutzer zu personalisieren.

App-Personalisierung & A/B-Testing

Mobiles A/B-Testing (als eine Form von A/B-Testing) kann in Verbindung mit App-Personalisierung genutzt werden, um dem Nutzer eine überlegene User Experience zu bieten. Beim mobilen A/B-Testing werden App-Nutzer zufällig zwischen ursprünglicher Experience und Variation aufgeteilt, ohne dass diese wissen, dass Sie Teil eines Tests sind.

Diese Methode kann dazu verwendet werden, um Änderungen für jeden Aspekt einer Anwendung zu testen, bei der ein messbares Ziel optimierbar ist, einschließlich User Interface (UI), Onboarding-Verlauf, Inhalt, Benachrichtigungen und vielem mehr. Wenn dann eine statistisch signifikante Schlussfolgerung erzielt wurde, kann diese für eine langfristige Personalisierungskampagne angewendet werden.

Beispielsweise könnte der (fiktive) Einzelhändler Attic & Button einen Test für das Kleidungsempfehlungssystem seiner App durchführen. Durch Segmentierung der Ergebnisse dieses Tests wurde erkannt, dass männliche Kunden beim Browsen Empfehlungen ähnlicher Kleidungsstücke bevorzugen (z. B. mehr Shirts, wenn sie durch Shirts browsen), während Frauen typischerweise Empfehlungen für zugehörige Kleidungsstücke bevorzugen, z. B. bevorzugen Sie beim Shopping nach Kleidern Empfehlungen für passende Schuhe.

Der A/B-Test wird verwendet, um wertvolle Einsichten über die App-Nutzer zu sammeln und diese können dann über App-Personalisierung auf alle Nutzer angewendet werden, die in diese Kategorie passen.

Bereit für mehr?

Jetzt unser kostenloses TESTING-TOOLKIT herunterladen: Bewährte Test-Ideen, Planungsvorlagen und vieles mehr für erfolgreiche A-B-Tests.
ANFORDERN