tl;dr
Mit Customer Segments kannst du jede beliebige Teilmenge deiner Kunden definieren – über 100 Dimensionen, quer über bestellte Produkte, Marketing-Quelle, Activity State, Value-Metriken und mehr
Klar enthält vorgefertigte Locked Segments (z. B. „Active One-Time Customers", „Defected Loyal Customers"), die ohne Einrichtung immer verfügbar sind
Custom Segments gehen über die eingebauten Filter hinaus – kombiniere mehrere Bedingungen mit AND/OR-Logik, um präzise, wiederverwendbare Kohorten zu bauen
Einmal erstellt, lassen sich Segmente über Reports hinweg anwenden, um in eine bestimmte Kundengruppe hineinzuzoomen
Value-Metric-Filter unterstützen zwei Modi: Absolute (exakte Werte, z. B. Lifetime-Umsatz > 200 €) oder Percentile (z. B. Top 10 % nach Nettoumsatz)
Was ist der Customer-Segment-Builder?
Die meisten Reports in Klar haben eingebaute Filteroptionen, die aber begrenzt sind. Customer Segments erweitern das – du kannst wiederverwendbare, komplexe Filter mit über 100 Dimensionen erstellen und sie dann über Reports hinweg anwenden, um in jede beliebige Kundenkohorte hineinzuzoomen.
Gehe zu Store-Konfigurator → Customer Segments, um den Segment-Builder zu öffnen.
Locked vs. Custom Segments
Klar bringt eine Reihe von Locked Segments mit – vorgefertigte Segmente auf Basis von Activity State und Frequenz, die immer ohne Einrichtung verfügbar sind. Beispiele: Active One-Time Customers, At Risk Repeat Customers, Defected Loyal Customers, Reactivated Repeat Customers.
Custom Segments sind Segmente, die du selbst definierst. Klicke oben rechts auf Create Customer Segment, gib ihm einen Namen und baue deine Regeln mit den Dimensions-Gruppen unten.
Dimensions-Gruppen
Die Dimensionen sind in sechs Gruppen organisiert. Jede Gruppe hat zwei Classifier – der erste wählt die zu filternde Dimension, der zweite legt die Bedingung fest. Bedingungen lassen sich mit AND/OR-Logik kombinieren, um präzise Regeln zu bauen.
Die sechs Gruppen sind:
Customers Who Ordered Product
Customers By Most Bought Product
Customers With Revenue Of Product
Customers By Marketing Source
Customers By Activity State
Customers By Value Metric
Customers Who Ordered Product
Filtere nach Kunden, die ein bestimmtes Produkt bestellt haben (oder nicht).
Erster Classifier – wähle die Produkt-Dimension (Title, Type, SKU usw.) und das/die Produkt(e), nach denen gefiltert werden soll. Wählst du mehrere Produkte in einer Bedingung, muss der Kunde nur eines davon gekauft haben. Um beide zu verlangen, erstelle separate Bedingungen und verknüpfe sie mit AND.
Zweiter Classifier – lege fest, in welcher Bestellung das Produkt vorkommen soll:
Specific Order Count – ihre erste, zweite, dritte Bestellung usw.
Any Order – irgendeine ihrer Bestellungen
Last Order – ihre jüngste Bestellung, unabhängig von der Bestellnummer
Operator – lege die Match-Logik fest:
Equals – der Kunde hat an der angegebenen Bestellposition eine Bestellung mit dem Produkt aufgegeben
Not Equals – der Kunde hat an der angegebenen Bestellposition keine Bestellung mit dem Produkt aufgegeben
Less than – der Kunde hat eine Bestellung mit dem Produkt bei einer niedrigeren Bestellnummer als dem gewählten Wert aufgegeben (nur relevant für Specific Order Count)
Greater than – der Kunde hat eine Bestellung mit dem Produkt bei einer höheren Bestellnummer als dem gewählten Wert aufgegeben (nur relevant für Specific Order Count)
Customers By Most Bought Product
Filtere nach Kunden anhand des Produkts, das sie am meisten gekauft haben. Der erste Classifier legt fest, wie „am meisten gekauft" gemessen wird:
Erster Classifier – Value-Metrik:
Net Revenue
Contribution Margin 1
Contribution Margin 2
Order Count – Bestellungen, die das Produkt mindestens einmal enthalten
Unit Count
Zweiter Classifier – die zu filternde Produkt-Dimension:
Product Type
Product Title
Product Variant
Product SKU
Product Brand
Customers With Revenue Of Product
Filtere nach Kunden, die einen bestimmten Betrag für ein Produkt ausgegeben haben.
Erster Classifier – Produkt-Dimensions-Ebene (gleiche Optionen wie oben: Type, Title, Variant, SKU, Brand).
Zweiter Classifier – die Umsatz-Metrik zum Filtern:
Gross Revenue
Net Revenue
Contribution Margin 1
Contribution Margin 2
Customers By Marketing Source
Filtere nach Kunden anhand der Marketing-Quelle, die ihre Bestellung ausgelöst hat.
Erster Classifier – die Marketing-Quellen-Dimension. 17 Dimensionen stehen zur Verfügung:
Sales Channel
Marketing Channel Name, Group & Category – basierend auf den Kanälen, die du in Klar gebaut hast
UTM Parameters – Source, Medium, Campaign, Term, Content
Landing Page
Device Category
Discount Code & Discount Code Type
⚠️ Hinweis: Die Marketing-Quelle bezieht sich auf die Session, in der der Kunde die Bestellung aufgegeben hat.
Zweiter Classifier – die zu filternde Bestellnummer. Gleiche Optionen wie oben: Specific Order Count, Any Order oder Last Order.
Customers By Activity State
Filtere nach dem Activity State von Kunden.
Erster Classifier – die Art des Activity States:
Customer Frequency State – One-time Buyers, Repeat Customers, Loyal Customers, Evangelists
Customer Recency State – Active, At-risk, Defected, Reactivated
Zweiter Classifier – der Zeitpunkt:
Any – war der Kunde jemals in diesem State
Current – ist der Kunde aktuell in diesem State
Previous – war der Kunde in diesem State unmittelbar vor seinem aktuellen State
Customers By Value Metric
Filtere nach Kunden anhand ihres gesamten Ausgabe- und Kaufverhaltens.
Erster Classifier – die Metrik, die ihr Verhalten definiert:
Net Items / Gross Items
Net Revenue – First Order, 90 Days, Lifetime
CM2/Lifetime Value – First Order, 90 Days, Lifetime
90-Day Net Revenue Extension – wie stark der Nettoumsatz in den ersten 90 Tagen nach dem Erstkauf gestiegen ist
90-Day CM2 Extension – wie stark der CM2 in den ersten 90 Tagen nach dem Erstkauf gestiegen ist
Average Order Value – durchschnittlicher Netto-AOV über alle ihre Bestellungen
Average Discount Rate – durchschnittliche Rabattquote über alle ihre Bestellungen
Average Voucher Rate – durchschnittliche Gutschein-Quote über alle ihre Bestellungen
Average Return Rate – durchschnittliche Retourenquote über alle ihre Bestellungen
Zweiter Classifier – der Filtermodus:
Absolute – filtern auf Basis eines exakten Werts
Percentile – filtern auf Basis eines Perzentil-Brackets
Beispiel – Absolute: Kunden, die insgesamt mehr als 200 € ausgegeben haben:
Classifier 1: Lifetime Net Revenue
Classifier 2: Absolute · greater than · €200
Beispiel – Percentile: Top 10 % der Kunden nach Nettoumsatz:
Classifier 1: Lifetime Net Revenue
Classifier 2: Percentile · in · 90th Percentile + 95th