Leitfaden
Buyer Persona erstellen: Profile aus echten Kundenantworten
Personas helfen einem Team, aus Sicht bestimmter Kund:innen zu entscheiden. Das funktioniert, wenn sie auf Daten beruhen und offen zeigen, wie sicher eine Aussage ist. Dieser Leitfaden zeigt, wie aus den Segmenten einer Befragung lesbare Profile werden und wie du sie formulierst und aktuell hältst.
Workshop-Persona oder Profil aus Daten?
Viele Personas entstehen in einem Workshop: Das Team beschreibt typische Kund:innen aus Erfahrung, gibt ihnen Namen, Alter und ein Foto. Das macht Annahmen sichtbar und ist ein guter Anfang. Belastbar wird eine Persona aber erst, wenn sie aus den Antworten echter Befragter entsteht.
| Merkmal | Workshop-Persona | Profil aus einer Zielgruppenstudie |
|---|---|---|
| Grundlage | Erfahrung und Annahmen des Teams | Antworten von Befragten, zu Segmenten gruppiert |
| Name, Alter, Foto | Erfunden; wirken konkret, sind aber nicht erhoben | Nur Merkmale, die tatsächlich erfragt wurden |
| Größe | Unbekannt | Anteil an den Befragten mit Basis |
| Unsicherheit | Nicht sichtbar | Sichtbar über Stabilität der Lösung und Sicherheit der Zuordnung |
| Aktualisierung | Selten, bei Bedarf neu diskutiert | Mit neuen Antworten erneut prüfbar |
| Stärke | Schnell, bringt das Team zusammen | Prüfbar und vergleichbar zwischen Gruppen |
Beides lässt sich verbinden: Die Annahmen aus dem Workshop werden zu Fragen im Fragebogen, und die Studie zeigt, welche davon tragen.
Vom Segment zum Profil in vier Schritten
- Eine geprüfte Segmentlösung bestätigen. Profile sind nur so gut wie die Segmente dahinter. Eine Lösung sollte stabil sein und genug Personen je Segment haben; wie uxspire das prüft, steht in der Methodik.
- Unterschiede lesen, nicht Durchschnitte. Entscheidend ist, was in einem Segment deutlich häufiger oder seltener vorkommt als bei allen Befragten. Was alle gleich wichtig finden, beschreibt kein Segment.
- Aussagen mit Basis formulieren. Jede Aussage nennt den Wert im Segment, den Vergleichswert und worauf er sich bezieht.
- Eine Hypothese ergänzen. Was könnte das Team für dieses Segment ändern, und woran würde es die Wirkung erkennen?
Eine ausgefüllte Setcard lesen
Diese Setcard stammt aus der E-Commerce-Beispielstudie mit synthetischen Daten. Sie beschreibt eines von drei Segmenten eines fiktiven Shops für Wohnaccessoires.
Liefer- und Serviceorientierung
27 % · n = 99Häufiger als im Durchschnitt
- Lieferung innerhalb von drei Werktagen 86 % statt 39 %
- Ich warte gern auf Rabattaktionen. 65 % statt 31 %
- Kostenlose Rücksendung 87 % statt 54 %
- Meine Entscheidung ist fast getroffen 57 % statt 25 %
Seltener als im Durchschnitt
- Produkt im Raum (Anwendungsbeispiele) 20 % statt 56 %
- Für bessere Verarbeitung zahle ich mehr. 17 % statt 48 %
Häufigste Informationslücke
Wann die Lieferung ankommt (39 % statt 19 %)
Handlungshypothese, zu prüfen
Lieferzeit und Rückgabebedingungen früher sichtbar zu machen, schon auf der Produktseite statt erst im Warenkorb, könnte dieser Gruppe die Bestellung erleichtern.
- Der Name beschreibt den Befund. „Liefer- und Serviceorientierung“ sagt, was die Gruppe ausmacht. Ein Vorname wie „Service-Sabine“ würde ein Geschlecht und eine Person vortäuschen, die nicht erhoben wurden.
- Größe mit Basis. 27 % der Befragten, 99 Personen. Das ist ein Anteil der Befragten, kein Anteil am Umsatz.
- Häufiger als im Durchschnitt: Hier steht, was das Segment ausmacht, jeweils mit dem Wert im Segment und dem Wert aller Befragten.
- Seltener als im Durchschnitt: Genauso wichtig. Diese Liste zeigt, womit man das Segment eher nicht erreicht.
- Hypothese: Ein Vorschlag, der geprüft werden muss, kein Ergebnis.
Aussagen vorsichtig formulieren
Die meisten Fehler bei Personas entstehen beim Aufschreiben. Aus „häufiger als der Durchschnitt“ wird schnell „alle“, aus einer Befragung eine Charakterbeschreibung.
| Statt | Besser |
|---|---|
| „Diese Kundin will schnelle Lieferung.“ | „86 % in diesem Segment ist eine Lieferung innerhalb von drei Werktagen wichtig, gegenüber 39 % aller Befragten.“ |
| „Sie ist Mitte 30, wohnt in der Stadt und liebt Rabatte.“ | „65 % warten gern auf Rabattaktionen (alle: 31 %). Alter und Wohnort wurden nicht erhoben.“ |
| „Diese Gruppe braucht keine Beratung.“ | „Beratung per Chat oder Telefon ist in diesem Segment 5 % wichtig (alle: 30 %). Für diese Gruppe hat sie keine Priorität.“ |
| „Das ist unsere wichtigste Zielgruppe.“ | „Das Segment umfasst 27 % der Befragten. Welchen Anteil es am Umsatz hat, wissen wir aus der Studie nicht.“ |
Die Werte beziehen sich auf die Antworten „eher wichtig“ oder „sehr wichtig“ bzw. „stimme eher zu“ oder „stimme voll zu“ unter den Personen, die die jeweilige Frage beantwortet haben.
Profile im Team nutzen
- In Briefings verankern. Ein Briefing für eine Produktseite oder Kampagne nennt das Segment, für das es gedacht ist, und verlinkt die Setcard.
- Gegenhinweise beachten. Die Liste „seltener als im Durchschnitt“ verhindert, dass eine Maßnahme für ein Segment an einem anderen vorbeigeht.
- Wenige Profile. Drei klar unterschiedene Segmente sind im Alltag nützlicher als sechs, die sich überschneiden.
- Den Weg zu den Daten offenhalten. Jede Setcard verweist auf Studie, Datum und Basis. Wer eine Aussage anzweifelt, kann nachsehen.
Profile aktuell halten
Kundengruppen verändern sich mit Sortiment, Preisen, Kanälen und Saison. Prüfe Profile neu, wenn sich eines davon deutlich ändert oder eine größere Entscheidung ansteht.
- Neue Antworten, neue Analyse. Kommen weitere Antworten hinzu, lässt sich die Analyse erneut ausführen. Vergleiche dann, ob die Segmente wiederkehren.
- Gleicher Feldplan, faire Vergleiche. Segmentanteile aus einer Newsletter-Befragung lassen sich nicht mit Anteilen aus einer Befragung auf Produktseiten vergleichen.
- Datum und Version. Jede Setcard trägt Studienname und Datum. Alte Profile werden archiviert, nicht stillschweigend überschrieben.