Single Customer View: Aufbau, Abgleich und Nutzen

Der Single Customer View (SCV) ist die einheitliche Kundensicht: ein Profil, das alle Kundendaten eines Unternehmens in einer konsistenten, adressierbaren Identität zusammenführt – aufgebaut aus abgestimmten Schichten, nicht aus einer einzelnen Tabelle, wie der Abschnitt zu den fünf Ebenen erklärt. Wer Omnichannel-Marketing betreibt, braucht diese einheitliche Sicht, weil sie das vollständige Bild der Kunden liefert, während diese über Kanäle, Medien und Kontexte hinweg mit dem Unternehmen interagieren. Umgangssprachlich firmiert der Begriff auch als Customer 360 View (C360) und Unified Customer View (UCV); die Abgrenzung zum Customer 360 beantwortet der FAQ-Abschnitt unten.

Inhaltlich enthält die einheitliche Kundensicht alle personenbezogenen Informationen zu den Kunden: Name, Mobilnummer, Postanschrift, Alter, Kaufhistorie, Aktivität im Kundenbindungsprogramm und frühere Kontaktsätze.

Warum der Single Customer View zählt

Kunden interagieren über viele Kanäle mit einem Unternehmen: über die Website, über die Mobile App, am Telefon, per SMS, in der Filiale. Führt keine dieser Interaktionen eine Spur in ein zentrales Profil für jede einzelne Person, entstehen mehrere Profile für dieselbe Person. Diese verpasste Verknüpfung kostet Verkäufe. Sie erzeugt außerdem Kundenerlebnisse, die die Person irritieren, weil jeder Kanal nur ein Fragment der Person sieht.

Ein Beispiel: Eine Kundin öffnet eine E-Mail, klickt auf die Website, legt einen Artikel in den Warenkorb und entscheidet sich, die Ware in der Filiale anzuprobieren. Ohne Werkzeuge, die diese Berührungspunkte verbinden, versendet das Marketing Angebote, die zur Situation der Kundin nicht passen, oder verliert sie, bevor der Kauf abgeschlossen ist.

Verbindet das Unternehmen diese Kanäle und Identitätsteile zu einem Single Customer View, segmentiert es den Kundenbestand präziser und adressiert die Segmente passgenauer. Davon profitieren Kundenerlebnis und Umsatz gleichermaßen.

Die fünf Ebenen eines Single Customer View

Ein Single Customer View ist nicht „eine Tabelle mit mehr Spalten“. Er besteht aus fünf Ebenen, die untereinander konsistent bleiben müssen, und der größte Teil der Arbeit am SCV liegt darin, diese Konsistenz zu halten, während die Quellsysteme sich darunter ändern.

Die Identitätsebene. Die Kennungen, die auf dieselbe Person auflösen: E-Mail-Adressen und gehashte E-Mail-Adressen, Telefonnummern, Treuenummern, Account-IDs, mobile Werbe-IDs und Cookies. Diese Ebene ist ein Identity Graph, keine Feldliste. Sie hält fest, welche Kennungen über welchen Beleg und wann verknüpft sind.

Die Attributebene. Die beschreibenden Felder zur Person: Name, Postanschrift, Kontaktpunkte, demografische Angaben, Account-Status. Quellsysteme widersprechen sich an dieser Stelle regelmäßig. Die Ebene funktioniert deshalb nur, wenn eine Survivorship-Regel entscheidet, welcher Wert gewinnt, und das Profil festhält, welches System ihn geliefert hat.

Die Ereignisebene. Die zeitgeordnete Verhaltenshistorie: Seitenaufrufe, App-Sitzungen, Transaktionen, Retouren, Servicekontakte, geöffnete Nachrichten, Filialbesuche. Ereignisse werden angehängt, nicht überschrieben; sie gehören zur Person über die Identitätsebene – nicht über einen Schlüssel, der in das Profil selbst geschrieben wurde.

Die abgeleitete Ebene. Werte, die aus den drei Ebenen darüber berechnet werden: der Customer Lifetime Value (der Kundenwert), Recency- und Frequenzbanden, ein Churn-Score, Propensity-Werte und die bevorzugte Versandzeit. Auf diesen Feldern segmentieren die Teams tatsächlich, und jedes Feld trägt ein Aktualisierungsintervall, das entscheidet, wie aktuell ein daraus gebautes Segment noch ist.

Die Berechtigungsebene. Der Zustand der Einwilligung (consent state), Kanal-Opt-ins und Opt-outs, Zweckbindung, Löschfristen und offene Löschanfragen, aufgelöst gegen denselben Identitätsgraph wie jede andere Eigenschaft. Eine Sicht, die die ersten vier Ebenen trägt, diese aber nicht, wirkt vollständig und ist unbrauchbar: Nichts lässt sich aus ihr aktivieren, ohne dass eine manuelle Rechtsprüfung vorgeschaltet wird.

Aufbau mit einer Customer Data Platform

Anbieter von Customer Data Platforms (CDP) unterscheiden darin, wie vollständig und wie zugänglich sie diese Sicht bereitstellen. Der Unterschied betrifft drei Dinge: welche Daten die Plattform einbezieht, wie sie die Daten darstellt und wie einfach der Zugriff über eine Oberfläche oder eine API gelingt. Demografische Angaben wie Telefonnummer und Adresse sind Standard. Bei der Einwilligung, den Datenschutzeinstellungen der Kunden und dem befristeten Umfang der Erlaubnis sind einige Plattformen schwach.

Deshalb fragt die Bewertung jeden potenziellen Anbieter konkret: Lässt sich der Single Customer View anpassen, und liefert der Anbieter Werkzeuge, die die Anpassung einfach halten? Die konkreten Prüfpunkte stehen im Abschnitt zur Anbieterwahl.

Das einheitliche Kundenprofil als Ziel

Ein einheitliches Kundenprofil (unified customer profile) ist das Ergebnis aller zusammengeführten Schichten: ein vollständiger Datensatz über die Person und alle Interaktionen. Unternehmen setzen mehrere Plattformen und Systeme ein, um über Kanäle hinweg Kontakt zu halten. Jedes System erfasst Daten und erzeugt eigene Analysen. Eine Customer Data Platform führt die Datensätze dieser Systeme in einem Profil zusammen.

Die CDP sammelt Daten aus Webinteraktionen, Social Media, CRM, Kundenbindungsprogrammen, Filialverkäufen, Third-Party-Daten und Mobile Apps. Liegen die Identitätsschlüssel vor, verbindet sie mehrere Kennungen mit jeder Person und hält die so zusammengeführte Identität über eine Aufbewahrungsfrist – nicht auf unbestimmte Zeit, wie der Abschnitt zur Berechtigungsebene erklärt.

Golden Profile: KI-assistiertes Masterprofil

Ein Golden Profile, auch Golden Customer Profile, erzeugt mithilfe künstlicher Intelligenz (KI) ein einzigartiges Masterprofil für jede Person. Es nutzt Identity Resolution KI-assistiert, um mehrere Kundendatenbanken, interne und externe Quellen, zu einem einzigen Kundenprofil zusammenzuführen.

Auf diese Weise erstellt die CDP eine Abdeckung aller Kennungen als Identitätsmaster für alle Personen im Datenbestand, und die Skalierung bleibt gewahrt: Millionen von Kunden in einem Profil sind normal. Der Datenbestand eines Single Customer View trägt außerdem Schlüsselattribute für Kundensegmentierung, Marketing-Attribution und Konversion. Zu diesen Attributen zählen Cookie-ID, globale Cookie-ID, IP-Adresse, UTM-Parameter und eigene Attribute (custom attributes).

Auswahlkriterien für die Anbieter

Der Abschnitt fragt konkret: Passt die angebotene Sicht zu den Anforderungen des Unternehmens, und wie viel Arbeit bleibt den Teams, bevor sie die Daten nutzen können? Die Prüfpunkte konzentrieren sich auf drei Bereiche: Datenabdeckung, Bedienbarkeit und Anpassbarkeit.

Prüfpunkte zur Datenabdeckung

Reicht die Datenabdeckung der Plattform aus, um die Grundanforderungen des Unternehmens zu erfüllen?
Erkennt die Plattform Ereignis-, Verhaltens- und Journey-Daten: Käufe, Filialbesuche, geöffnete E-Mails?
Zeigt die Sicht auch Daten zur Segmentzugehörigkeit?
Greift die Plattform auf Machine Learning-Ausgaben zu, etwa die beste Kontaktzeit, die Bestkanäle und Scores zur Kaufabsicht (propensities)?

Prüfpunkte zur Bedienbarkeit und Anpassbarkeit

Ist die Oberfläche der Plattform übersichtlich, und arbeitet das Datenteam ohne längere Schulung damit?
Lässt sich jede Person in einem Segment als vollständiges Bild betrachten?
Bleibt die Suche flexibel über alle Felder statt nur über festgelegte Felder?
Bietet der Anbieter Werkzeuge und Code, mit denen das Team die Sicht schnell anpassen kann?

Wie die Zusammenführung in sechs Stufen läuft

Anbieter beschreiben den Prozess unterschiedlich, aber die Pipeline hinter einem Single Customer View läuft in jeder Architektur in denselben sechs Stufen. Implementierungen unterscheiden sich in der Latenz, nicht in der Fähigkeit: Dieselben Stufen laufen in einem Einsatz über Nacht, in einem anderen in Sekunden.

1. Erfassung mit Kennungen. Die Datenerfassung (data ingestion) zieht Datensätze aus CRM, Web- und Mobile-SDKs, Kassensystemen, Contact-Center-Systemen, Kundenbindungsprogrammen und Stapeldateien. Nicht das Volumen entscheidet, sondern welche Kennungen jeder Datensatz trägt: Eine Transaktion ohne E-Mail-Adresse, Telefonnummer oder Treuenummer findet keinen Weg in ein Profil.

2. Normalisierung. Kennungen und Attribute werden vereinheitlicht, bevor der Abgleich läuft: E-Mail-Adressen in Kleinschreibung, Plus-Adressierung normalisiert, Telefonnummern ins E.164-Format überführt, Adressen nach Poststandard geparst, Hashes auf einen Algorithmus über alle Quellen ausgerichtet. Ohne diese Stufe verbindet der Graph Kennungen nicht, die derselbe Wert in zweifacher Schreibweise sind.

3. Identitätsauflösung. Deterministische Regeln matchen exakte Kennungen; probabilistische Modelle bewerten wahrscheinliche Treffer aus Geräte-, Standort- und Verhaltenssignalen; transitive Logik verlängert eine Verknüpfung entlang einer Kette, sodass ein Gerät, das eine bekannte E-Mail-Adresse gesehen hat, die Treuenummer dieser Person erbt. Das Ergebnis ist ein Graph aus Kennungsclustern, und jeder Cluster repräsentiert eine Person.

4. Zusammenführung und Survivorship. Die Datensätze innerhalb eines Clusters fallen in ein Profil. Survivorship-Regeln entscheiden je Attribut, welcher Wert gewinnt: der letzte bei einer Angabe, die die Person selbst eingegeben hat, wie der Lieferanschrift, die Systempriorität dort, wo ein Abrechnungs- oder CRM-System das Feld führt – und die Zusammenführhistorie bleibt erhalten. Jede Zusammenführung lässt sich deshalb erklären oder zurücknehmen. Abgeleitete Werte und Berechtigungszustände werden als eigene nachgelagerte Jobs gegen das zusammengeführte Profil berechnet, nicht als Teil der Zusammenführung selbst; deshalb trägt jedes sein eigenes Aktualisierungsintervall.

5. Profilbereitstellung. Das Profil wird dort materialisiert, wo seine Leser es abfragen: in einem Speicher mit geringer Latenz für Echtzeitanfragen wie In-Session-Personalisierung, und in einer spaltenorientierten Tabelle für Aufbau und Analyse von Zielgruppen. Einzelabrufe mit Reaktionszeiten unter einer Sekunde und analytische Abfragen sind unterschiedliche Zugriffsmuster; deshalb pflegt eine echtzeitfähige CDP beides und hält es synchron.

6. Aktivierung und Rückschreibung. Das Profil erreicht Kanäle und Anwendungen über APIs, Zielgruppen-Synchronisierungen und ausgelöste Nachrichten; es ist die Stufe der Datenaktivierung, und die Ergebnisse kehren als neue Ereignisse zurück. Ohne diesen Rückweg hält die Sicht alles fest, was die Person getan hat, und nichts davon, wie das Unternehmen geantwortet hat.

An dieser Stelle stirbt „Echtzeit“ am häufigsten still: Teams messen den Schreibpfad, bestätigen, dass Ereignisse in Sekunden ankommen, und messen nie den Lesepfad, den ein Kampagnenwerkzeug oder Serviceteam tatsächlich abfragt. In vielen Aufbauten ist dieser Lesepfad eine Kopie, die einmal pro Nacht aktualisiert wird. Ein schneller Schreibpfad, der eine veraltete nächtliche Kopie speist, ist der konkrete Fehler, den diese Stufe benennt.

Häufige Entwurfsfehler

Die folgenden Muster sind Designentscheidungen, keine Ausführungsfehler. Jedes erzeugt ein Profil, das die Prüfung passiert, auf dem Bildschirm vollständig aussieht und dann die Person irreführt, die es liest.

Anonyme Historie wird bei der Anmeldung verworfen. Viele Kunden stöbern, vergleichen und legen Warenkörbe an, bevor sie sich identifizieren. Wird die anonyme Kennung bei der Anmeldung verworfen statt zusammengeführt, beginnt das Profil bei der Kontoerstellung, und die aussagekräftigsten Verhaltenswochen – die Recherche- und Vergleichsphase vor der Anmeldung – fehlen jedem Modell, das auf ihm trainiert. Abhilfe: Anonyme Kennungen bleiben Knoten erster Klasse im Graph, und ihre Ereignishistorie wird bei der Identifikation nachträglich an das bekannte Profil gebunden.

Ereignisse werden in das Profil geschrieben statt aus ihm referenziert. Jede Interaktion wird als Profilattribut angehängt, der Datensatz wächst ohne Grenze, Abfragen werden langsamer, und die Segmentwerkzeuge zeigen Marketer Tausende fast identischer Felder. Abhilfe: Ereignisse bleiben in der Ereignisebene und erreichen das Profil als begrenzte, benannte Aggregate – letztes Kaufdatum, Sitzungen in 30 Tagen, Öffnungsrate je Kanal.

Felder ohne Aktualitätsvertrag. Eine vor fünf Jahren beobachtete Postanschrift steht neben einem Kauf von gestern mit gleicher Autorität, und ein Churn-Score vom Importzeitpunkt gilt noch als aktuell. Niemand, der das Profil liest, erkennt, welche Werte die Person noch beschreiben; jedes Team rät deshalb privat. Abhilfe: Jedes Attribut trägt Beobachtungszeitpunkt und Quelle, jedes abgeleitete Feld ein veröffentlichtes Aktualisierungsintervall, beides sichtbar für die lesenden Systeme.

Eine Nutzlast für alle Leser. Serviceteam, Werbeplattform und ein KI-Agent erhalten dasselbe volle Profil. Die Werbeplattform bekommt personenbezogene Daten, die sie nicht braucht, der Agent liest mehrere hundert Felder für eine Frage, und die Berechtigungen setzt der jeweils Lesende. Abhilfe: eine Projektion je Ziel mit der minimalen Feldmenge, die dieses Ziel braucht, an die die Einwilligungs- und Zugriffsregeln gebunden sind.

Nur die einzelne Person wird modelliert. Eine personenbezogene Sicht beantwortet nicht, wer die Kaufeinheit ist. B2B-Accounts haben Gremien, Haushalte teilen Abo-Angebote und Lieferanschriften, Familienangebote legen vier Personen auf ein Zahlungsmittel. Abhilfe: Account und Haushalt werden als Entitäten erster Klasse mit eigenen Auflösungsregeln modelliert, verknüpft mit dem Personengraph, aber getrennt von ihm.

FAQ

Was ist der Unterschied zwischen Single Customer View und Customer 360?

Fachleute im Marketing verwenden Single Customer View (SCV) und Customer 360 häufig synonym; beide bezeichnen ein Profil aus allen Kundendaten an einem Ort. Der Unterschied liegt in der Reichweite. Der Single Customer View ist die technische Errungenschaft: ein vereinheitlichter Datensatz je Kunde, aufgebaut durch die Datenvereinheitlichung (customer data unification) und die Identitätsauflösung. Customer 360 geht über diese Einheit hinaus und nutzt die Sicht strategisch: Er ergänzt Anreicherung, historischen Kontext, prädiktive Erkenntnisse und die Aktivierungsfähigkeit, mit der Teams in Echtzeit handeln. Der Single Customer View ist die Voraussetzung für einen echten Customer 360.

Wie funktioniert Identity Resolution beim Aufbau eines Single Customer View?

Die Identity Resolution verbindet mehrere Kennungen (E-Mail-Adressen, Device-IDs, Telefonnummern, Cookies) mit einem einzigen Kundenprofil, indem sie Datenmuster und Verknüpfungsregeln abgleicht. CDPs nutzen deterministisches Matching (exakte Kennung) und probabilistisches Matching (statistische Wahrscheinlichkeit aus Verhaltenssignalen), um fragmentierte Kundendaten zu verbinden. KI-gestützte Verfahren gleichen große Datenmengen ab und lösen Identitäten auch dann auf, wenn dieselbe Person über verschiedene Geräte und Kanäle hinweg interagiert.

Funktioniert ein Single Customer View über Online- und Offline-Kanäle hinweg?

Ja. Moderne CDPs vereinen Online- und Offline-Daten in einem Single Customer View, einschließlich Filialverkäufe, Servicekontakte, Websiteverhalten, App-Nutzung und E-Mail-Interaktionen. Dafür integrieren sie Kassensysteme, CRM-Daten, Kundenbindungsprogramme und digitale Berührungspunkte auf einer zentralen Plattform. Die einheitliche Sicht ermöglicht echtes Omnichannel-Marketing, weil die Plattform die Person unabhängig vom Interaktionsweg erkennt.