Scores sind automatisch generierte Kontakt-Attribute, in denen das Kaufverhalten deiner Kontakte zusammengefasst ist. Sie helfen dir dabei zu verstehen, wann Kund:innen eher zum Kauf neigen, wie wertvoll sie sind und wie hoch die Wahrscheinlichkeit ist, dass sie erneut kaufen – damit du relevanteres und zeitnaheres Marketing bereitstellen kannst.
🎯 Was sind Scores?
Scores sind automatisch ermittelte Kontaktattribute mit dem Präfix SCORE_. Sie werden regelmäßig auf Grundlage der Bestelldaten deiner Kontakte neu berechnet und können wie jedes andere Kontakt-Attribut in Segmentierungen, Automatisierungen und Kampagnen verwendet werden.
Rufe Attributes visible on contact details pages (Kontakt-Attribute auf den Kontaktdetailseiten) auf, um deine verfügbaren Scores anzuzeigen. Zieh die Elemente, die du anzeigen möchtest, per Drag & Drop auf die Detailseite deiner Kontakte.
✨ So kannst du Scores verwenden: Beispiel
Stell dir eine Kundin, Sofia, vor, die ihren ersten Einkauf am Black Friday tätigt und dann zu Weihnachten erneut einkauft. Brevo aktualisiert ihre Scores automatisch: Unter ihren Key shopping periods (Haupteinkaufszeiträume) sind nun beide Ereignisse aufgeführt, ihre Time between orders (Zeit zwischen den Bestellungen) zeigt ihren Kaufrhythmus, ihr CLV und ihr RFM verbessern sich, je mehr sie ausgibt, und ihr Ordering behavior (Bestellverhalten) wechselt von Ordered once (Einmal bestellt) zu Ordered recently (Kürzlich bestellt). Nach einigen Monaten ohne Aktivität ändert sich ihr Verhalten zu Very late order (Aktivität stark rückläufig) und löst damit deine Automatisierung aus. Wenn sie wiederkommt und erneut etwas kauft, werden alle ihre Scores automatisch aktualisiert – so kannst du ihren Wert kontinuierlich einschätzen, ihren nächsten Kauf vorhersagen und deine Kundenansprache individuell gestalten.
▶️ Standard-Scores verstehen
Brevo berechnet automatisch acht Scores auf der Grundlage der Bestelldaten deiner Kontakte. In den folgenden Bereichen wird jeder Score beschrieben: sein Attributname, was er misst, wie er berechnet wird, das verwendete Zeitfenster und die möglichen Ausgabewerte.
📈 Aktualität, Häufigkeit und Geldwert (Recency, Frequency, Monetary - RFM) |
💰 Lifetime Value des/der Kund:in (Customer lifetime value - CLV) |
||
🕞 Zeit zwischen den Bestellungen
| Attributname | SCORE_TIME_BETWEEN_ORDERS |
|---|---|
| Was wird gemessen | Die durchschnittliche Anzahl von Tagen zwischen zwei aufeinanderfolgenden Bestellungen eines Kontakts. Es müssen mindestens zwei Bestellungen vorliegen, damit die Berechnung durchgeführt werden kann. |
| So erfolgt die Berechnung | Durchschnitt der Anzahl der Tage zwischen jeweils zwei aufeinanderfolgenden Bestellungen des/der Kund:in. |
| Zeitfenster | Alle Zeiten standardmäßig. Kann unter Einstellungen auf 3, 6, 12 oder 24 Monate eingestellt werden. |
| Ausgabeformat | Numerischer Wert (1 Dezimalstelle) in Tagen. Beispiel: 3,5, 187, 190,2. |
❓So benutzt man diesen Score
Analyse der Kaufhäufigkeit deiner Kontakte und Ermittlung von Kund:innen mit ungewöhnlich kurzen oder langen Bestellintervallen, um deine Folge-Nachrichten zeitlich besser abzustimmen.
🔑 Haupteinkaufszeiträume
| Attributname | SCORE_KEY_SHOPPING_PERIODS |
|---|---|
| Was wird gemessen | Besondere Anlässe oder saisonale Ereignisse, bei denen ein Kontakt mindestens einen Kauf getätigt hat. |
| So erfolgt die Berechnung |
Einem Kontakt wird ein Einkaufszeitraum zugewiesen, wenn er innerhalb des entsprechenden Datumsbereichs mindestens eine Bestellung aufgegeben hat. Die Zeitfenster sind:
|
| Zeitfenster | Alle Zeiten standardmäßig. Kann unter Einstellungen auf 3, 6, 12 oder 24 Monate eingestellt werden. |
| Ausgabeformat | Mehrfachauswahl-Attribut. Eines oder mehrere der folgenden: Valentinstag, Ostern, Halloween, Black Friday, Weihnachten. Leer, wenn der Kontakt in keinem dieser Zeiträume jemals etwas gekauft hat. |
❓So benutzt man diesen Score
Aktiviere Kontakte, die während eines bestimmten saisonalen Ereignisses gekauft haben, indem du sie im Vorfeld des gleichen Ereignisses im nächsten Jahr gezielt ansprichst.
🛒 Bestellverhalten
| Attributname | SCORE_ORDERING_BEHAVIOUR |
|---|---|
| Was wird gemessen | Das Bestellverhalten eines/einer Kund:in, das dazu dient, Trends zu erkennen und zukünftige Käufe vorherzusagen. |
| So erfolgt die Berechnung | Jeder Kontakt wird anhand seiner Kaufaktivitäten im Laufe der Zeit einer Kategorie zugeordnet. |
| Zeitfenster | Alle Zeiten standardmäßig. Kann unter Einstellungen auf 3, 6, 12 oder 24 Monate eingestellt werden. |
| Ausgabeformat | Kategorie-Attribute. Von der höchsten zur niedrigsten Aktivität: Regelmäßige Bestellungen → Vor Kurzem bestellt → Kurz vor Bestellung → Unregelmäßige Aktivität → Aktivität stark rückläufig → Keine aktuelle Bestellung → Einzige Bestellung → Keine Bestellung. |
❓So benutzt man diesen Score
Trigger eine automatisierte Rückgewinnungskampagne, wenn der Score eines Kontakts auf Aktivität stark rückläufig sinkt.
📈 Aktualität, Häufigkeit und Geldwert (Recency, Frequency, Monetary - RFM)
| Attributname | SCORE_RECENCY_FREQUENCY_MONETARY |
|---|---|
| Was wird gemessen | Die Interaktion eines Kontakts, gemessen daran, wann er zuletzt gekauft hat (Recency), wie oft er kauft (Frequency) und wie viel er ausgibt (Monetary). |
| So erfolgt die Berechnung |
Verwendet eine Quantilsbewertung (NTILE(6)) für deinen gesamten Kontaktstamm. Jede Dimension wird mit einem Score von 1 bis 6 bewertet (1 = am besten, 6 = am schlechtesten):
Die RFM-Kategorie ist relativ: Die Kategorie eines Kontakts kann sich ändern, wenn sich sein eigenes Verhalten ändert oder wenn sich das Gesamtverhalten deines Kundenstamms verschiebt. |
| Zeitfenster | „Alle Zeiten“ standardmäßig bezogen auf deinen gesamten Kontaktstamm. Kann unter Einstellungen auf 3, 6, 12 oder 24 Monate eingestellt werden. |
| Ausgabeformat | Kategorie-Attribute. Vom der ersten zur niedrigsten Einstufung: Top-Kund:in → Treue:r Kund:in → Potentiell treue:r Kund:in → Vielversprechende:r Kund:in → Handlungsbedarf → Abwanderungsgefahr → Beinahe inaktiv → Verloren → Interessiert. |
Die folgende Tabelle zeigt die genauen Kombinationen aus Recency (R) und FM-Quantil, die jedes Segment bestimmen. Die Scores reichen von 1 (am besten) bis 6 (am schlechtesten).
| Segment | Aktualität (Recency) | Kombinierter FM-Score |
|---|---|---|
| Top-Kund:in | 5 bis 6 | 5 bis 6 |
| Treue:r Kund:in | 3 bis 6 | 4 bis 6 |
| Potentiell treue:r Kund:in | 4 bis 6 | 2 bis 3 |
| Vielversprechende:r Kund:in | 4 bis 6 | 1 |
| Erfordert Aufmerksamkeit | 3 | 3 |
| Beinahe inaktiv | 3 | 1 bis 2 |
| Abwanderungsgefahr | 1 bis 2 | 3 bis 6 |
| Verloren | 1 bis 2 | 1 bis 2 (alle anderen Kombinationen) |
| Interessiert | – | Es wurden keine Bestellungen erfasst |
❓So benutzt man diesen Score
Füge personalisierte Nachrichten oder exklusive Vorteile zu Kampagnen hinzu, die sich an Top-Kund:innen oder Treue Kund:innen richten.
💰 Lifetime Value des/der Kund:in (Customer lifetime value - CLV)
| Attributname | SCORE_CUSTOMER_LIFETIME_VALUE |
|---|---|
| Was wird gemessen | Der geschätzte Gesamtbetrag, den ein Kontakt während seiner gesamten Geschäftsbeziehung mit deinem Unternehmen voraussichtlich ausgeben wird. |
| So erfolgt die Berechnung |
CLV = durchschnittlicher Bestellwert pro Kontakt × durchschnittliche Anzahl der Bestellungen pro Kund:in (alle Kontakte) × durchschnittliche Kundenlebensdauer (alle Kontakte) Die durchschnittliche Kundenlebensdauer ist die durchschnittliche Zeitspanne zwischen der ersten und der letzten Bestellung in deinem gesamten Kundenstamm. Kontakte mit nur einer Bestellung haben eine Lebensdauer von 0, was zu einem CLV von 0 führt. |
| Zeitfenster |
„Alle Zeiten“ standardmäßig bezogen auf deinen gesamten Kontaktstamm. Kann unter Einstellungen auf 3, 6, 12 oder 24 Monate eingestellt werden. Alle Zeiten standardmäßig. Die globalen Durchschnittswerte werden über deinen gesamten Kundenstamm berechnet. Kann unter „Einstellungen“ auf 3, 6, 12 oder 24 Monate einstellen. |
| Ausgabeformat | Numerischer Wert (Geldbetrag, keine bestimmte Währung). |
❓So benutzt man diesen Score
Segmentiere Kontakte mit hohem CLV und versende an sie VIP- oder Treuekampagnenangebote.
🔮 Vorhersage-Scores entdecken
Zusätzlich zu den fünf Standard-Scores bietet Brevo drei Prognose-Scores an, die anhand eines statistischen Modells das zukünftige Kaufverhalten vorhersagen. Für diese Scores sind E-Commerce-Daten in deinem Brevo-Konto erforderlich; sie sind in den Paketen „Professional“, dem neuen „Enterprise-Paket“ und den bisherigen CDP-Paketen verfügbar.
⛔️ Vorhersage des Abwanderungsrisikos (Churn-Risiko)
| Attributname | SCORE_PREDICTIVE_CHURN_RISK |
|---|---|
| Was wird gemessen | Die Wahrscheinlichkeit, dass ein Kontakt die Interaktion mit deinem Unternehmen einstellt. Die Abwanderungsrate (Churn) wird allgemein als das Ende der Kaufbeziehung definiert und hängt nicht von der Aufgabe einer Anmeldung ab. |
| So erfolgt die Berechnung |
Churn risk (Abwanderungsrisiko) = 1 − Wahrscheinlichkeit, dass der Kontakt noch aktiv ist, unter Berücksichtigung der Aktualität, der Häufigkeit und der Zeit seit dem letzten Kauf Das Modell schätzt anhand des Bestellverlaufs gleichzeitig die Kaufhäufigkeit aller Kund:innen und die Wahrscheinlichkeit, dass er/sie stillschweigend abgewandert ist. |
| Zeitfenster | Basierend auf dem gesamten Verlauf der Bestellungen. Der Score zeigt die aktuelle Abwanderungswahrscheinlichkeit zum Zeitpunkt der Berechnung an. |
| Ausgabeformat | Numerischer Wert zwischen 0 und 1 (Wahrscheinlichkeit). Beispielsweise: 0,85 = hohes Abwanderungsrisiko, 0,12 = geringes Abwanderungsrisiko. |
❓So benutzt man diesen Score
Identifiziere Kontakte mit einem hohen Abwanderungsrisiko (churn risk) und sprich sie gezielt mit einer Kundenbindungskampagne an oder nutze dies als Trigger für eine Automatisierung.
🔢 Voraussichtliche Anzahl der Käufe
| Attributname | SCORE_PREDICTIVE_PURCHASES_EXPECTED |
|---|---|
| Was wird gemessen | Die voraussichtliche Anzahl der Käufe, die ein Kontakt in den nächsten 12 Monaten tätigen wird. |
| So erfolgt die Berechnung | Prognostizierte Käufe = erwartete Anzahl der Käufe in den nächsten 365 Tagen unter Berücksichtigung der Kaufhäufigkeit, der Kaufhäufigkeit und der Zeit seit dem letzten Kauf.Das Modell schätzt die Kaufwahrscheinlichkeit auf der Grundlage des gesamten Verlaufs der Bestellungen des Kontakts. |
| Zeitfenster | Prognosezeitraum: die nächsten 12 Monate. Basierend auf der vollständigen Bestellhistorie als Eingabe. |
| Ausgabeformat | Numerischer Wert (Dezimal). Beispielsweise: 2,86 = voraussichtlich etwa 3 Käufe in den nächsten 12 Monaten. |
❓So benutzt man diesen Score
Identifiziere Kontakte mit einer geringen prognostizierten Kaufhäufigkeit und sprich sie erneut an, bevor sie sich nicht mehr melden.
💸 Prognostizierter CLV
| Attributname | SCORE_PREDICTIVE_CLV |
|---|---|
| Was wird gemessen | Der prognostizierte Geldwert, den ein Kontakt in den nächsten 12 Monaten generieren wird. |
| So erfolgt die Berechnung |
Prognostizierter CLV = erwarteter durchschnittlicher Bestellwert × erwartete Anzahl der Käufe in den nächsten 365 Tagen Bei Kontakten mit nur einer Bestellung wird anstelle der geschätzten Modellwerte der beobachtete durchschnittliche Bestellwert herangezogen. |
| Zeitfenster | Prognosezeitraum: die nächsten 12 Monate. Basierend auf der vollständigen Bestellhistorie als Eingabe. |
| Ausgabeformat | Numerischer Wert (Geldbetrag, keine bestimmte Währung). |
❓So benutzt man diesen Score
Priorisiere hochwertige Kontakte in deinen Kampagnen, indem du sie nach einem prognostizierten CLV segmentierst, der über einem von dir festgelegten Schwellenwert liegt.
📝 Scores in Brevo verwenden
Standardmäßig werden alle Scores auf der Grundlage deines gesamten Bestellverlaufs berechnet. Du kannst das Zeitfenster für jeden Score einzeln unter Settings > Contacts > Scores (Einstellungen > Kontakte > Scores) anpassen:
Mögliche Optionen sind: die letzten 3 Monate, die letzten 6 Monate, die letzten 12 Monate, die letzten 24 Monate oder seit Beginn.
Scores verhalten sich wie normale Kontakt-Attribute, das heißt, du kannst Folgendes tun:
- Segmentiere Kontakte anhand von Score-Werten (z. B. Kontakte mit wichtigen Kauf-Events = Black Friday).
- Löse Automatisierungen aus, wenn sich eine Score-Zahl ändert (z. B. versende eine Reaktivierungs-E-Mail, wenn Bestellverhalten = Aktivität stark rückläufig).
- Personalisiere Kampagneninhalte anhand von Scores (z. B. indem du Premium-Artikel für Kontakte mit hohem CLV hervorhebst).
⏭️ Nächste Schritte
- Ein Segment erstellen, um Kontakte zu filtern
- Versenden einer E-Mail aus einer Automatisierung
- Personalisieren deiner E-Mails mit Kontakt-Attributen
- Untersuchen und analysieren von Daten mit Analytics
🤔 Sie haben eine Frage?
Wenden Sie sich bei Fragen an unser Support-Team: Erstellen Sie einfach ein Ticket über Ihr Konto. Wenn Sie noch kein Konto haben, können Sie uns hier kontaktieren.
Wenn Sie Unterstützung bei einem Projekt mit Brevo suchen, können wir Sie mit der richtigen zertifizierten Brevo-Partneragentur verbinden.