Coop Orakel · Kundensegmentierung · Ideenpapier v2

Was bringt Menschen zu Coop?

Die sechs Segmente aus Version 1 sagen, wer die Kundschaft ist. Sie sagen nicht, warum jemand heute kommt, was er vorhat und was ihn dabei lenkt. Dieses Papier zeigt drei Ideen, wie das Orakel genau das lernen kann. Zur Diskussion, noch nichts gerechnet.

Stand 07.09.2026 · Ideenpapier · Basis: RM-13 (Modell rm13-v1, produktiv)

Ausgangspunkt

Vom Wie-viel zum Warum

Die sechs Segmente laufen produktiv und bleiben als Standard-Antwort im Orakel. Sie trennen die Kundschaft nach Menge, Frequenz und Aktionsanteil. Für die spannenderen Fragen reicht das nicht: Wetter, Wochentag, Uhrzeit und Promos wirken auf den einzelnen Einkauf. Im Jahresmittel eines Kunden verschwinden sie.

	Version 1 (heute)	Version 2 (Idee)
Blick auf	Kunde im Jahresmittel	einzelner Einkauf samt Kontext
Klassen	6	100 bis 600, fein
Zugehörigkeit	genau ein Segment pro Person	mehrere zugleich, je mit Wahrscheinlichkeit
Antwort auf	„Wer kauft wie viel?“	„Wer kommt wann, wozu, und was lenkt ihn?“

Das Prinzip

Niemand gibt Klassen vor. Das System findet sie.

Der Ablauf ist bei allen drei Ideen derselbe, in vier Schritten. Beispiel: Das Wort „vegan“ steht in keiner Kundenkarte. Trotzdem findet das System die Gruppe.

1

Entdecken

Das Modell sucht Muster, die in vielen Warenkörben gemeinsam auftauchen: Planted, Hafermilch, Tofu, nie Fleisch. So ein Muster wird zum Klassen-Kandidaten. Niemand hat „vegan“ vorgegeben.

2

Taufen

Fachleute sehen die Top-Produkte je Kandidat und geben Namen: „vegane Küche“, „Grill-Abend“, „Süss-Vorrat“. Die grössten Klassen von Hand, der Rest automatisch nach Top-Warengruppen.

3

Punkten

Jede Person bekommt je Klasse einen Wert von 0 bis 100 %: wie stark ihr Verhalten zum Muster passt. Ab einer Schwelle zählt sie zur Gruppe. Mehrere Gruppen zugleich sind normal.

4

Erklären

Die Treiber-Analyse prüft je Klasse, was sie bewegt: Wochentag, Uhrzeit, Wetter, eigene Aktionen, Aktionen des Wettbewerbs, Standort.

Drei Ideen

Drei Wege, die sich ergänzen

A und C entdecken Klassen auf zwei verschiedenen Wegen. B bestimmt, wie das Ergebnis für alle aussieht: als Eigenschaften mit Wahrscheinlichkeit. Zusammen ergeben sie ein System, keine Konkurrenz.

A · Einkaufs-Missionen

Jeder Bon wird als Absicht gelesen: Wocheneinkauf, Feierabend-Essen, Grill-Anlass. Ein Themenmodell (LDA, bewährt aus der Textanalyse) findet 100 bis 600 solcher Missionen direkt in den Warenkörben.

Liefert: benennbare Einkaufs-Anlässe; je Person ihr Missions-Mix.

Grenze: sieht nur, was im Korb liegt. Das Warum liefert erst die Treiber-Analyse.

B · Eigenschafts-Scores

Jede entdeckte Klasse wird zur Eigenschaft mit Wahrscheinlichkeit: 85 % vegan, 90 % Montags-Käuferin, 70 % aktionsgetrieben. Schwellen machen daraus Gruppen, etwa „zählt ab 80 %“.

Liefert: das Kundenbild mit mehreren Zugehörigkeiten, direkt abfragbar im Orakel.

Grenze: braucht A oder C als Entdecker. Ohne sie gibt es nichts zu punkten.

C · Alles rein: Embeddings

Ein Modell liest alle Bons wie Sätze und lernt selbst, was zählt. Wir geben fast nichts vor. Den gelernten Raum schneiden wir in feine Mikro-Klassen.

Liefert: die feinsten Klassen, auch unerwartete. Als Bonus Vorhersagen, etwa Abwanderung oder nächster Korb.

Grenze: Klassen kommen ohne Namen und ohne Begründung zur Welt. Das Erklären kostet danach Handarbeit.

Der gemeinsame Motor

Die Treiber-Analyse liefert das Warum

Jeder Bon bekommt seinen Kontext angehängt: Wochentag, Uhrzeit, Wetter am Standort, laufende eigene Aktionen, Aktionen des Wettbewerbs, Filialtyp und Lage. Ein Muster-Sucher (Exceptional Model Mining) findet darin lesbare Wenn-dann-Regeln. Jede Regel wird an einem zurückgehaltenen Zeitraum geprüft, bevor sie berichtet wird.

So könnten Befunde aussehen. Die Beispiele sind erfunden, die Datenbasis dafür liegt bereit.

„Nach einem Regen-Wochenende verschiebt sich der Montag Richtung Vorrats-Einkäufe.“

aus Wetter + Wochentag + Missionen

„Rabattiert der Wettbewerb Kaffee, bleiben Stammkunden. Gelegenheits-Missionen wandern ab.“

aus Wettbewerbs-Promos + Missions-Mix

„Stadt-Filialen leben vom Feierabend um 18 Uhr, Land-Filialen vom Samstagvormittag.“

aus Uhrzeit + Stadt-Land-Klasse der Filiale

„Vegane Abendessen-Einkäufe häufen sich montags.“

aus Missionen + Wochentag + Uhrzeit

Machbarkeit

Die Daten liegen schon da

Am 07.09. in BigQuery geprüft: Alles Nötige ist vorhanden, komplett im Coop-Perimeter.

Baustein	Befund	Status
Uhrzeit	Die Kassen-Rohdaten führen die Uhrzeit je Position, fertig gerundet auf 60/30/10 Minuten. Stichprobe 15.10.2025: 7,7 Mio Zeilen, 100 % gefüllt, 4 bis 23 Uhr.	liegt vor
Wetter	Tageswetter je Postleitzahl: Niederschlag, Temperatur, Sonnenstunden, Regentag-Kennzeichen.	liegt vor
Standort	Filial-Stammdaten mit Kanton, Sprachregion, Stadt-Land-Klasse, ÖPNV-Erreichbarkeit und Konkurrenz-Verkaufsfläche.	liegt vor
Wettbewerbs-Promos	Fremd-Aktionen mit Händler, Rabatt und Zeitraum, bereits auf die eigenen Warengruppen gemappt.	liegt vor
Bon-Basis	Korb-Tabelle je Bon mit Artikel, Filiale und Karte. Die Karte-zu-Person-Brücke aus Version 1 wird wiederverwendet.	liegt vor
Verknüpfung	Die Uhrzeit muss einmalig aus der Rohschicht an die Bon-Tabelle gehängt werden.	kleiner Schritt

Vorschlag

Klein rechnen, dann entscheiden

Drei Piloten in fester Reihenfolge. Jeder hat ein Abnahme-Kriterium, an dem er scheitern darf.

Schritt	Inhalt	Abnahme
P1 · Missions-Pilot	5 % der Personen, 3 Monate. Missionen auf Warengruppen-Ebene, Klassenzahl 50 bis 400 im Test.	20 zufällig gezogene Missionen lassen sich fachlich benennen.
P2 · Treiber-Pilot	Kontext anfügen (Wetter, Uhrzeit, Promos, Standort), Treiber-Modelle und Muster-Suche auf den Pilot-Daten.	Mindestens drei Befunde halten auf einem zurückgehaltenen Zeitraum stand und waren vorher nicht bekannt.
P3 · Ausbau	Volle 12 Monate, alle Personen. Eigenschafts-Scores mit Schwellen, Absicherung wie in Version 1.	Klassen bleiben über die Zeit stabil. Namen und Schwellen sind fachlich abgenommen.

Es gelten dieselben Regeln wie in Version 1: keine Auswertung unter 30 Personen, jede Zahl per SQL herleitbar, alle Berechnungen bleiben im Coop-Perimeter.