Was ist Kaufhäufigkeit (F) im Zielgruppenprofil?

„Diese Zielgruppe kauft regelmäßig“ lässt viele Fragen offen. Sind drei Bestellungen im Monat, eine jährliche Verlängerung oder mehrere Artikel in einer Bestellung gemeint? Das Feld Kaufhäufigkeit (F) konkretisiert, wie oft eine abgegrenzte Gruppe innerhalb eines festgelegten Zeitraums kauft. Dadurch wird Kaufverhalten vergleichbar, sofern auch Zählweise und verfügbare Daten dokumentiert sind.

Kaufhäufigkeit (F) beschreibt im Zielgruppenprofil, wie viele relevante Käufe je abgegrenzter Einheit innerhalb eines ausdrücklichen Beobachtungszeitraums erfasst oder berichtet wurden, unter Angabe von Zählregel, Quelle und Datenabdeckung.

Dies ist die praktische Profildefinition von Neurofactor. Die Einheit kann eine Person, ein Haushalt, ein Kundenkonto oder eine Organisation sein. Eine erfasste Anzahl ist eine Zählung. Eine Aussage wie „ungefähr monatlich“ beschreibt einen berichteten Kaufrhythmus. Halte Herkunft und Genauigkeit beider Angaben sichtbar.

Für eine gesamte Zielgruppe beschreibst du eine Verteilung oder einen klar definierten Durchschnitt. Gib an, ob dieser alle untersuchten Konten oder nur diejenigen mit einem Kauf im Zeitraum umfasst. Ohne diesen Nenner lässt sich die durchschnittliche Kaufhäufigkeit nicht sinnvoll interpretieren.

Bei einer Bestellzählung ist eine Bestellung mit fünf Produkten ein Kauf. Fünf gültige Bestellungen können fünf Käufe darstellen. Zählst du Kauftage, können mehrere Bestellungen am selben Tag dagegen zusammenfallen. Lege die Regel vorher fest und benenne das Maß entsprechend.

Verwechsle „Wiederholung“ nicht mit „jeder Kauf nach der ersten Zeile meines Exports“. Ein bestehender Kunde kann bereits vor dem Beobachtungsfenster gekauft haben. Dann kann auch die erste Bestellung im Fenster ein Wiederholungskauf sein.

F steht für Frequency innerhalb von RFM: Recency, Frequency und Monetary Value. Käufe zu zählen ist keine eigenständige psychologische Theorie mit einem eindeutig festgestellten Erfinder. Die relevante Forschungsfrage betrifft Definition und Interpretation der Kaufhistorie.

Fader, Hardie und Lee verwenden in ihrer RFM-Forschung unter anderem die Zahl der Wiederholungskäufe innerhalb eines festgelegten Zeitraums. Prüfe daher, welche Käufe ein Häufigkeitsmaß einschließt. Fader, Hardie & Lee, 2005.

Dick und Basu betrachten Kundenloyalität als Beziehung zwischen relativer Einstellung und wiederholtem Kundenverhalten. Ihr konzeptioneller Rahmen geht damit über eine reine Transaktionszählung hinaus. Dick & Basu, 1994.

Unsere praktische Übersetzung lautet: sorgfältig zählen und Präferenz oder Motivation gesondert untersuchen. Die folgenden Dokumentationsregeln sind ein Vorgehen für das Profil, keine validierte Loyalitätsskala oder universelle Formel für zukünftiges Kaufverhalten.

Beginne mit der Frage, die das Profil beantworten soll. Geht es um Käufe bei einem Anbieter, um Käufe in der gesamten Kategorie oder um den Ersatzzyklus eines bestimmten Produkts? Dafür werden unterschiedliche Daten benötigt.

Lege bei Abonnements fest, ob Zahlungen, Verlängerungen oder neue Vertragsentscheidungen zählen. Zwölf automatische Zahlungen sind nicht ohne Weiteres zwölf getrennte bewusste Entscheidungen. Ebenso kann ein Rahmenvertrag mehrere Abrufbestellungen umfassen: Die Zählregel bestimmt, welche Frage beantwortet wird.

1. Population festlegen. Bestimme, welche Einheiten zur Frage gehören, auch wenn sie im Fenster nichts kaufen.
2. Zeitraum und Ereignis definieren. Notiere, welche Käufe zählen und wie Anfangs- und Endgrenze behandelt werden.
3. Abdeckung prüfen. Untersuche fehlende Kanäle, doppelte Konten, Bestellpositionen und Änderungen der Registrierung.
4. Je Einheit zählen. Zähle eindeutige gültige Kaufereignisse im Fenster. Bewahre Anzahl und Beobachtungsdauer getrennt auf.
5. Passende Zusammenfassung wählen. Zeige beispielsweise Anzahlen je Konto oder eine Verteilung nach Häufigkeitsklassen. Ergänze bei einem Durchschnitt den Nenner.
6. Ungleiche Beobachtungsdauer ausdrücklich behandeln. Vergleiche geeignete Kohorten oder berichte eine beschreibende Anzahl je Zeiteinheit. Mache die eingeschränkte Vergleichbarkeit sichtbar.
7. Null und unbekannt trennen. Null bedeutet keinen beobachteten Kauf in einem abgegrenzten, ausreichend erfassten Fenster; unbekannt bedeutet, dass keine vollständige Zählung feststellbar ist.
8. Interpretation prüfen. Betrachte Häufigkeit gemeinsam mit Recency, Produktkontext und Kaufrhythmus, bevor du weitere Schritte empfiehlst.

Für einheitlich abgegrenzte und vollständig beobachtete Einheiten gilt hier:

Durchschnittliche Käufe im Fenster = gesamte gültige Käufe ÷ Anzahl der Einheiten in der gewählten Population.

Ein beschreibendes Tempo je 30 Tage lässt sich als Kaufanzahl ÷ Beobachtungstage × 30 berechnen. Das vereinheitlicht die Zeiteinheit, aber nicht automatisch Saison, Kundenphase oder Kaufgelegenheiten. Eine Hochrechnung auf ein Jahr benötigt zusätzliche Annahmen und ist keine gemessene Jahresfrequenz.

Ergänze einen F-Score nur mit dokumentierten Grenzen, Referenzgruppe und Richtung. „Hoch“ kann innerhalb eines Kundenbestands hoch sein, ohne dass die Gruppe häufiger kauft als andere Marktgruppen.

Frage etwa: „Wie viele einzelne Käufe hat Ihre Organisation in dieser Kategorie zwischen diesen beiden Daten getätigt?“ Frage anschließend, was als Kauf gezählt wird und worauf die Antwort beruht. Eine Budgetrunde ist nicht zwingend eine Bestellung; eine Bestellung kann auch außerhalb des üblichen Zyklus erfolgen.

Eine produktunabhängige Zielgruppenbeschreibung liefert keine universelle Kaufhäufigkeit. Benenne zuerst Kategorie oder Entscheidung. Fehlt diese Abgrenzung, kann ein berichteter Entscheidungszyklus nützlicher Kontext sein, während F unbekannt bleibt.

Fiktives Beispiel — keine Kundendaten oder Branchennorm. Wir zählen eindeutige bezahlte, nicht stornierte Bestellungen einer Produktkategorie bei einem Anbieter. Das Fenster reicht vom 1. Januar 2026 bis zum 1. April 2026, wobei der 1. April nicht mitzählt: 90 Tage.

Die drei vollständig beobachteten Konten A, B und C haben neun Bestellungen. Ihr Durchschnitt beträgt 9 ÷ 3 = 3 Bestellungen je Konto in 90 Tagen. Beschränkt sich die Frage auf die beiden kaufenden Konten, ergibt sich 9 ÷ 2 = 4,5 Bestellungen je kaufendem Konto in 90 Tagen. Beide Berechnungen sind korrekt, beantworten aber unterschiedliche Fragen.

B und D haben jeweils drei Bestellungen, D wurde jedoch kürzer beobachtet. Ihr beschreibendes Tempo je 30 Tage beträgt entsprechend 1 und 3 Bestellungen. Dieser Unterschied belegt nicht, dass D im kommenden Jahr dreimal so viel kaufen wird.

Ein möglicher Profilsatz lautet: „Im fiktiven Fenster wurden bei drei vollständig beobachteten Konten durchschnittlich drei Bestellungen je Konto gezählt, einschließlich eines Kontos ohne Kauf; ein kürzer beobachtetes Konto und eines mit fehlenden Daten werden gesondert berichtet.“

Eine assoziative Zielgruppe ist eine abgegrenzte Gruppe von Menschen, bei denen ähnliche Assoziationen Entscheidungen innerhalb eines bestimmten Wahlkontexts lenken.

Kaufhäufigkeit hilft, Verhalten in diesem Kontext zu beschreiben. Die Zählung allein erklärt nicht, warum jemand wiederholt kauft. Ein wiederkehrender Kauf könnte beispielsweise mit einer Arbeitsvereinbarung, Verfügbarkeit oder einer bewussten Präferenz zusammenhängen. Dies sind mögliche zu untersuchende Erklärungen, keine Befunde über diese Zielgruppe.

Frage bei konkreten Kaufmomenten, welche Assoziationen eine Rolle spielten und wie sie die Wahl beeinflussten. Menschen, die gleich häufig kaufen, bilden dadurch noch keine assoziative Zielgruppe. Umgekehrt können Menschen mit ähnlichen entscheidungsrelevanten Assoziationen unterschiedliche Kaufgelegenheiten haben.

Leite aus häufigem oder seltenem Kaufen keine BIS-, BAS- oder Delay-Discounting-Werte ab. Bewahre die Verhaltenskennzahl neben gesondert untersuchten Motivationen, Assoziationen und Zeitpräferenzen auf.

• Keinen Zeitraum nennen. „Sechsmal“ wird erst mit einem Beobachtungsfenster interpretierbar.
• Nur Käufer in den Nenner aufnehmen, ohne es zu sagen. Benenne ausdrücklich, wen der Durchschnitt beschreibt.
• Neue Konten wie gleich lange beobachtete Konten beurteilen. Bewahre Eintrittsdatum und Beobachtungsdauer auf.
• Bestellpositionen oder Zahlungen als Entscheidungen zählen. Wähle das Ereignis passend zur Forschungsfrage.
• Die erste Exportzeile automatisch abziehen. Wiederholungskäufe brauchen eine inhaltliche Definition des Erstkaufs.
• Berichteten Rhythmus in gemessene Anzahlen umwandeln. Bewahre Selbstbericht und Unsicherheit.
• Hohe Häufigkeit mit Loyalität oder Gewinn gleichsetzen. Untersuche Präferenz und wirtschaftlichen Wert mit passenden zusätzlichen Daten.

Mit Transaktionsdaten:

„Innerhalb von [Kaufdefinition und Umfang] kauft [abgegrenzte Population] in [Zeitraum] [Verteilung oder Durchschnitt mit Nenner], basierend auf [Quelle und Abdeckung]; [kürzere Beobachtung oder fehlende Angaben] wird gesondert ausgewiesen.“

Ohne Transaktionsdaten:

„Die Zielgruppe berichtet [Kaufrhythmus oder Anzahl mit Zeitraum] für [Kategorie und Kontext]; dies ist [Selbstbericht/Schätzung], während die erfasste Kaufhäufigkeit [unbekannt/nicht verfügbar] ist.“

Speichere Anzahl, Zeitraum, Beobachtungsdauer und Scoreversion getrennt. Mache den verwendeten Nenner in jeder Sprache sichtbar. Aktualisiere bei einer neuen Untersuchungsrunde Zeitraum und Herkunft und bewahre den früheren Stand als Revision. Präziser klingende Formulierungen ersetzen keine fehlende Quelle.

Kaufhäufigkeit wird brauchbar, wenn erkennbar ist, was bei wem über welchen Zeitraum und mit welcher Abdeckung gezählt wurde. Halte gemessene Anzahlen, berichteten Kaufrhythmus und Prognosen getrennt. Dann unterstützt F das Profil, ohne fehlende Daten oder Motive zu ergänzen.