Outsmarting statt Outspending

Befragt man Menschen direkt nach ihrem Supermarkt-Einkauf, ob sie überwiegend gesund eingekauft haben, bejahen sie häufig. Lässt man sich dann den Kassenbon zeigen, korrespondiert das Gekaufte selten mit ihrer Aussage. Warum handeln Menschen anders als sie das in Befragungen angeben? Diese Diskrepanz beschäftigt die Verhaltensforschung schon sehr lange.

Zu verstehen, warum Menschen so handeln, wie sie handeln, ist gerade im Marketing essentiell. Wirkung entfaltet Behavioral Science jedoch erst, wenn die Erkenntnisse auch in konkrete Maßnahmen übersetzt werden. Künstliche Intelligenz unterstützt uns seit kurzem dabei, die unbewussten Motive hinter den Entscheidungen zu decodieren und in klare Empfehlungen umzusetzen. Unser Produkt nennt sich Behave.AI und ist in unserem House of AI Teil der Sparte Insight.AI (neben Research.AI, Persona.AI und Touchpoint.AI). Dabei ist die Aufteilung zwischen Menschen und Maschinen klar geregelt: Die Behavioral Scientists  kümmern sich um die richtigen Fragestellungen und Methodik sowie die Interpretation der Ergebnisse. Die AI übernimmt Scoring, Profiling und das Erkennen von Mustern.

Die aktuelle Herausforderung für Marketer besteht nicht darin, immer mehr Daten zu sammeln. Viele Unternehmen verfügen über ausreichend Daten und Dashboards. Aber nur wenige nutzen sie, um Insights zu gewinnen, mit denen sie konkrete Aktionen starten können. Gerade im Marketing geht es darum zu verstehen, welche Motive, Trigger und Faktoren Kaufentscheidungen wirklich treiben. Dazu kann AI einen wertvollen Beitrag leisten.

Traditionelle Mediaplanung setzt häufig auf Reichweite und Frequenz. Wer mehr ausgibt, setzt mehr um. Dieses Outspending funktionierte in der Regel und in der Vergangenheit gegen die Wettbewerber. Aber die Marken, die heute erfolgreich werben, geben nicht zwingend mehr aus, sie targeten einfach smarter. Mit den Ergebnissen AI-gestützter Verhaltensforschung, die bessere Handlungsempfehlungen geben kann, weil sie die wirklichen Motive und Entscheidungsparameter der Menschen berücksichtigt.

Ein Praxisbeispiel: Wie erreicht man die schwierige Gruppe von B2B-Entscheider:innen im Energiesektor? Das haben wir für einen Kunden über sechs Märkte hinweg analysiert.

Eine klassische Zielgruppenbeschreibung hätte in der Vergangenheit wohl so ausgesehen: Sie ist mehrheitlich männlich (60 Prozent), 35 bis 44 Jahr alt, verdient überproportional gut, arbeitet in Vollzeit und zu einem hohen Anteil in der Öl- oder Bergbau-Industrie.

Was wir dabei nicht wissen: Woher bekommen diese Menschen ihre Informationen und wie verarbeiten sie diese? Wie wägen sie Risiken ab? Und wie reagieren sie auf Signale der Politik, der Institutionen oder der Öffentlichkeit?

Statt dieser einen Durchschnitts-Persona haben wir mit Behave.AI Segmente gebildet, die sich darin unterscheiden, wie Entscheider:innen Informationen verarbeiten und Risiken abwägen. Zwei Personen mit ähnlichem demografischem Profil können also in unterschiedlichen Segmenten landen. Journalist:innen und Politiker:innen sind dabei keine Entscheider:innen im engeren Sinn, sondern beeinflussen mit ihren Signalen die Entscheidung. Auffallend war beispielsweise, dass die Menschen aus den Segmenten „Energiewende“ und „Digitale Infrastruktur“ in der ersten Recherchephase überproportional Large Language Models konsultierten. Während ihre Kolleg:innen aus dem Industriesegment eher Fachliteratur und Review-Seiten zu Rate zogen.

Für jeden untersuchten Markt haben wir dann ein Profil der Entscheidungsheuristiken erstellt (s.u. die Radar-Grafiken). Daraus ergibt sich, welche Botschaft in welchem Markt auf welchem Kanal wirkt. Hier ein Vergleich der USA mit Deutschland:

Gemeinsam ist beiden Märkten ein hohes Vertrauen in Autorität und Expertise. Unterschiedlich ist, was diese Autorität leisten muss: In den USA soll sie die eigene Sicht bestätigen und schnelle Belege liefern, in Deutschland soll sie Risiken absichern.

In den USA suchen Entscheider:innen eher Belege, die ihre Sicht bestätigen, und vertrauen auf etablierte Quellen. Für die Kommunikation heißt das: Beweise statt großer Versprechen, Glaubwürdigkeit und belastbare Anbieterbeziehungen. Mediaseitig erreicht man sie vor allem digital, mit direkter Ansprache und Formaten, in denen sich Proof Points und Referenzen gut transportieren lassen. Treiber sind also vor allem Bestätigungsorientierung und der Wunsch nach schnellen, sichtbaren Ergebnissen.

In Deutschland sind die Treiber eine ausgeprägte Präferenz für Bewährtes und eine starke Risikoaversion, verbunden mit klaren Prozessen. Entscheider:innen wollen Daten, von Experten validiert, und die Sicherheit, dass das Risiko einer Fehlentscheidung möglichst gering ist. Für die Kommunikation heißt das: Validierung, Präzision und Verlässlichkeit, insbesondere bei der Lieferung und dem Zeitplan. Mediaseitig liegt der Schwerpunkt deshalb auf Fachmedien: Sie bringen genau die Expertenautorität mit, die deutsche Entscheider:innen als Validierungsquelle suchen.

Die Kernempfehlung lautete daher: Keine einheitliche globale Kampagne aufsetzen. Zu unterschiedlich ticken die Märkte. Stattdessen soll eine markt- und segmentspezifische Botschafts- und Kanalstrategie auf Basis des Entscheidungsverhaltens statt der Demografie entwickelt werden.

Dieser Praxiscase ist nur ein Beispiel, wie Behave.AI Mediastrategien weiterentwickeln kann: vom einfachen demographischen Targeting hin zu einer personalisierten, verhaltensorientierten Ansprache. Die neue Media-Generation arbeitet damit nicht mehr nur data-driven, sondern intelligence-driven.