Hyperpersonalisierung mit Salesforce Data 360: Potenziale und Voraussetzungen

Was bedeutet Hyperpersonalisierung wirklich?

Die meisten Fachleute aus Marketing und Customer Experience kennen den Rat inzwischen: „Kennen Sie Ihre Kund:innen und bieten Sie ihnen maßgeschneiderte Erlebnisse. Konzentrieren Sie sich nicht auf Segmente oder Personas, sondern auf die einzelne Person mit dem richtigen Erlebnis im richtigen Moment.“ Aussagen wie diese sind seit den Anfängen der Marketing Automation verbreitet. Für viele Unternehmen waren sie lange eher ein Anspruch als Realität. In letzter Zeit ist dieses Ziel jedoch durch die Kombination aus vereinheitlichten Kundendaten, KI und Composable Content Platforms deutlich greifbarer geworden.

Hyperpersonalisierung bedeutet im Grunde, Kund:innen als Individuen zu verstehen statt als Teil eines Segments oder einer Persona-Klassifizierung und dies durch relevante, maßgeschneiderte Interaktionen zu zeigen. Ein klassischer Personalisierungsansatz fragt: „Zu welcher Gruppe gehört diese Person?“ Hyperpersonalisierung will dagegen beantworten: „Was möchte genau diese Person in diesem Moment?“

Hyperpersonalisierung ist kein reines Versprechen mehr. Unternehmen können sie umsetzen, indem sie die richtigen Daten mit den richtigen Content-Tools kombinieren und so maßgeschneiderte Erlebnisse in großem Umfang bereitstellen. Wenn sie ihre Customer Experience auf individueller Ebene ausrichten, gehören höhere Conversion Rates durch relevantere Kommunikation und Angebote zu den messbaren Vorteilen. Kund:innen, die sich verstanden fühlen, dürften sich zudem seltener abmelden. So sichern Unternehmen die kontinuierliche Kommunikation mit ihren Abonnent:innen.

Segmente sind nicht mehr die naheliegende Antwort für Marketingkampagnen

Segmente bilden seit Jahren das Rückgrat der Kampagnenplanung. Wer mit E-Mail-Marketing gearbeitet hat, kennt den Prozess, Angebote größeren Gruppen von Personen zuzuordnen. Eine wahrscheinliche Frage dabei: „Passt das Interesse aller Personen in meinem Segment wirklich zu dem Produkt oder Service, den wir versenden?“

Segmente haben strukturelle Schwächen:

• Auch Segmente in automatisierten Kampagnen sind Momentaufnahmen und hängen von der Aktualisierungsfrequenz ab. Wird ein Segment wöchentlich aktualisiert, ist das Interesse, das eine Person gestern gezeigt hat, bereits veraltet, wenn die Kommunikation erst mehrere Tage später ausgelöst wird.
• Segmente konzentrieren sich auf demografische und explizite Daten wie Präferenzen und sind nicht darauf ausgelegt, implizite Kaufabsichten zeitnah zu erfassen. Ein Segment mit den Kriterien „Männer, 20–25, interessiert an Laufschuhen“ geht zum Beispiel davon aus, dass alle Personen im Segment mit gleicher Wahrscheinlichkeit Laufschuhe kaufen. Dabei bleibt unberücksichtigt, dass sie vermutlich unterschiedliche Budgets, Kaufzeitpunkte und sogar sehr spezifische Bedürfnisse haben: je nachdem, welche Art von Laufen sie betreiben, auf welchem Untergrund sie laufen und sogar welche Wetterbedingungen an ihrem Wohnort und in der jeweiligen Jahreszeit herrschen.
• Segmente skalieren linear und zwingen Marketer:innen, im Voraus zu raten. Jede zusätzliche Variante eines Segments bedeutet eine weitere Content-Version und zusätzliche manuelle Arbeit. Deshalb legen Marketing-Teams häufig eine Obergrenze für Varianten fest. Hyperpersonalisierung skaliert dagegen exponentiell, weil sie auf die Interaktionen der Kund:innen reagiert.

So könnte eine hyperpersonalisierte Kampagne aussehen

Bleiben wir beim Beispiel eines Onlinehändlers für Sportausrüstung: Das hyperpersonalisierte Setup sorgt dafür, dass alle Kund:innen ein jeweils individuelles Erlebnis erhalten. Ein Beispiel: Ein Kunde aus dem bisherigen Segment hat sich in der vergangenen Woche mehrmals dieselben Trailrunning-Schuhe angesehen und sie heute in Größe 45 in den Warenkorb gelegt.

Mithilfe der First-Party-Daten aus verschiedenen Systemen lässt sich ein Muster in seinem Kaufzyklus erkennen: Er kauft etwa alle sechs Monate, sein letzter Kauf liegt drei Monate zurück und ihm fehlen nur wenige Punkte bis zur nächsten Loyalty-Stufe. Außerdem ist zu sehen, dass die Schuhe in seiner Größe nur noch in geringer Stückzahl vorrätig sind.

Die hyperpersonalisierte Kampagne löst eine direkte Ansprache an ihn aus: mit genau diesen Schuhen in seiner Größe, ergänzt um Affinitätsprodukte. Die Kampagne erzeugt Dringlichkeit, indem sie auf den geringen Lagerbestand hinweist und darauf, dass ihm die nächste Loyalty-Stufe zusätzliche Vorteile bringen würde. Kehrt er in den Onlineshop oder die App zurück, zeigt die Startseite statt generischer Kampagnen gezielt Trailrunning-Inhalte und Loyalty-Anreize, die ihn zum Handeln motivieren.

Im aktuellen Kontext der agentischen KI lässt sich das noch weiterführen: Beim nächsten Besuch im Onlineshop oder in der App könnte zum Beispiel ein persönlicher Shopping-Agent starten. Bei technischeren Kaufentscheidungen in einem anderen Geschäftskontext kann die hyperpersonalisierte Kampagne auch Vertriebs- und Serviceteams einbeziehen, die aus dem Kampagnen-Setup heraus Next Best Actions erhalten.

Kurz: Hyperpersonalisierte Kampagnen vereinheitlichen das Kundenerlebnis kanalübergreifend.

Welche Daten ermöglichen Hyperpersonalisierung?

In vielen Unternehmen konzentriert sich Personalisierung darauf, Kampagnen auf Basis expliziter Daten aufzubauen. Explizite Daten sind Informationen, die Kund:innen selbst angeben, etwa über Präferenzzentren und Umfragen. Sie schränken die Personalisierungsmöglichkeiten jedoch ein.

Wenn Sie mit klarer Einwilligung der Kund:innen implizite First-Party-Verhaltensdaten erfassen, erschließen Sie nahezu unbegrenztes Potenzial für Personalisierung. Daten zur Produktinteraktion helfen bei der Entscheidung, was Sie zeigen. Kontextdaten wie Marketing-Engagement, Gerät, Kanal, Uhrzeit und Standort bestimmen das „Wo und Wann“ der Ansprache. Historische Daten wie Anmeldungen, Registrierungen, Kontoerstellungen, Käufe, Retouren, Servicefälle und Loyalty-Status liefern Kundenkontext und helfen, das Angebot selbst anzupassen. Sie lassen sich auch nutzen, um die Tonalität der Kommunikation anzupassen.

In manchen Fällen widersprechen sich explizite und implizite Signale. Eine Person hat zum Beispiel ausdrücklich eine Präferenz für Angebote zu Bademode angegeben, aber bisher ausschließlich Laufschuhe gekauft. Grundsätzlich sind explizite Daten nicht aussagekräftig genug, um Hyperpersonalisierung umzusetzen. Sie eignen sich aber, um Datenpunkte zu erfassen, die sich nicht aus implizitem Verhalten ableiten lassen, zum Beispiel über Kundenumfragen.

Implizite Signale entstehen dagegen häufig und in Echtzeit und eignen sich daher besser für unmittelbare Personalisierung. Der eigentliche Mehrwert entsteht jedoch erst, wenn Daten miteinander abgeglichen werden.

Wie unterstützt Salesforce Data 360 Hyperpersonalisierung?

Unternehmen erzeugen große Datenmengen, die über viele Systeme verteilt sind. Salesforce Data 360 hilft, Datensilos aufzubrechen: mit Hunderten nativer Konnektoren, die Daten aufnehmen und in ein harmonisiertes Datenmodell überführen. Durch deterministischen und probabilistischen Abgleich von Kundenprofilen sowie expliziten und impliziten Datensignalen entsteht daraus eine einheitliche, aktivierbare und vertrauenswürdige Kundenidentität. Diese lässt sich kanalübergreifend aktivieren, orchestrieren und mit den Teams teilen:

• Identity Resolution:
  Identity Resolution ermöglicht die Aufnahme und Vereinheitlichung von Kundenprofilen in Echtzeit und nahezu in Echtzeit. Abgleichsregeln, sogenannte Matching Rules, legen fest, welche Kundenprofile aus demselben oder aus verschiedenen Systemen zusammengehören, und führen diese zusammen. Dabei bleiben die Datenherkunft (Data Lineage) und zugehörige historische Daten erhalten, ebenso wie implizite und explizite Datensignale aus allen Kanälen. So entsteht eine einheitliche, vertrauenswürdige Sicht auf die Kund:innen.
• Calculated Insights und prädiktive KI-Modelle:
  Sie wandeln rohe Verhaltensdaten und historische Datenpunkte in nutzbare statische und prädiktive Attribute um, etwa Abwanderungsrisiko, Propensity Scores, geclusterte Stufen des Customer Lifetime Value oder Produktaffinitäten der Kund:innen.
• Echtzeit-Aktivierung:
  Die Aktivierung in Echtzeit spielt Insights unmittelbar an die Teams und an Aktivierungsplattformen wie Salesforce Marketing Cloud, Personalization und Agentforce aus, damit Kund:innen das richtige Erlebnis im richtigen Moment erhalten.

Der nächste Schritt: Content skalieren

An diesem Punkt liegen alle Signale vor. Es ist bekannt, dass der Kunde aus dem Beispiel die Trailrunning-Schuhe in Größe 45 möchte. Gleichzeitig gibt es Tausende weitere Kund:innen mit ebenso spezifischen Kaufabsichten. Die Signale sind nur dann wertvoll, wenn allen Kund:innen individuell zugeschnittene Botschaften und Inhalte bereitgestellt werden können, in jeder Sprache und auf jedem Kanal. Hier stoßen die meisten Unternehmen an ihre Grenzen.

Einige Unternehmen setzen dies in einem, zwei oder bestenfalls drei Kanälen mit Marketing Cloud Engagement um. Sie nutzen starre Datenmodelle und AMPscript, um personalisierte Inhalte und Bilder in Kanäle wie E-Mail, Push-Benachrichtigungen und gegebenenfalls SMS zu laden. Starre Datenmodelle, Bild-Feeds und Scripting für die Personalisierung ermöglichen jedoch keine agentischen, hyperpersonalisierten Content-Entscheidungen an jedem Kundenkontaktpunkt.

Um diese Lücke zu schließen, hat Salesforce am 1. September 2026 die Übernahme von Contentful abgeschlossen. Contentful ist eine Composable Content Platform, die mehr als 4.800 Marken nutzen. Eine Composable Content Platform ist ein Headless Content Management System (CMS), das Inhalte als strukturierte, wiederverwendbare Bausteine speichert statt als vollständige E-Mail. Ein solcher Baustein ist etwa eine Produktpromotion, bestehend aus Headline, Beschreibung, Bild, Call to Action und Kontext zur vorgesehenen Zielgruppe. Ein Orchestrierungssystem kann diese Komponenten per API abrufen und sie jedem Kanal als Teil eines Content-Frameworks bereitstellen. Die finale Botschaft wird so aus wiederverwendbaren Content-Bausteinen zusammengesetzt.

Deshalb können CMS wie Contentful das fehlende Puzzleteil liefern: eine native Content-Ebene, die mit Salesforce Data 360 und Agentforce für Kontext und Orchestrierung zusammenarbeitet.

Wo Unternehmen anfangen sollten

Beginnen Sie mit einem Readiness Assessment. Bevor Unternehmen Hyperpersonalisierung und agentische Funktionen angehen, müssen sie das Fundament für beides schaffen: Datenmodell, identitätsbezogene Datenbasis (Identity Spine), Datenkonsistenz und Data Governance.

1. Fundament schaffen: Definieren Sie zunächst Ihre Identitätsstrategie. Legen Sie vor jeder Personalisierungsinitiative Geschäfts- und Data-Governance-Regeln dafür fest, wie Sie eine Person über ERP, CRM, Data Lakes, Website, mobile Apps usw. hinweg identifizieren.
2. Vertrauenswürdige Daten aufbauen: Testen und bewerten Sie Regelsätze für das Matching in Data 360 Identity Resolution. Gleichen Sie implizite und explizite Kundendaten ab, um ein vertrauenswürdiges, einheitliches Kundenprofil zu erhalten. Ohne konsistentes Kundenprofil bleibt jede Personalisierung reines Rätselraten.
3. Jetzt Mehrwert schaffen: Prüfen und planen Sie, wie Sie Ihre aktuellen Tools für Personalisierung und dynamischen Content nutzen können. Testen Sie Hyperpersonalisierung zunächst in einem Kanal und messen Sie die Ergebnisse.
4. Heute für die Skalierung planen: Entwickeln Sie eine Strategie, um Inhalte in wiederverwendbare, getaggte Komponenten zu zerlegen, bevor Sie auf eine Composable Content Platform umsteigen.

Sie möchten herausfinden, wie Hyperpersonalisierung Ihr Marketing sinnvoll unterstützen kann? Unsere Expert:innen helfen Ihnen bei Ihrem Readiness Assessment und dabei, passende Anwendungsfälle zu identifizieren. Sprechen Sie uns an!