Ein CRM-Team schaut sich seine Lifecycle-Segmentierung an. 42 Prozent der Kontakte sitzen im Segment “Aktiv”. Auf den ersten Blick sieht das gesund aus. Dann prüft jemand genauer: Von diesen vermeintlich aktiven Kontakten haben 60 Prozent seit über 120 Tagen keine Mail geöffnet. Seit über 180 Tagen nichts gekauft. Seit Wochen kein einziges Engagement-Signal gesendet.
Sie sind nicht aktiv. Sie kleben am Segment.
Die Entry-Condition “Hat mindestens einmal gekauft” wurde irgendwann erfüllt. Eine Exit-Condition, die sie weiterschiebt, wenn das Verhalten sich ändert, gibt es nicht. Das CRM-Team hat monatelang Kampagnen an ein Segment geschickt, das zur Hälfte aus Kontakten bestand, die längst in einen Winback-Flow oder eine Sunset-Logik hätten übergeben werden müssen.
Das ist kein Einzelfall. Wir sehen dieses Muster in fast jedem Audit.
Entry ohne Exit: Das strukturelle Problem
Lifecycle-Modelle im CRM bestehen typischerweise aus drei bis sechs Stages. Lead, Neukunde, Aktiv, At-Risk, Churning, Lost. Die Übergänge zwischen diesen Stages werden über Entry-Kriterien definiert: Ein Kauf-Event verschiebt jemanden von “Lead” zu “Neukunde”. Ein bestimmter Engagement-Score befördert ihn zu “Aktiv”. Bis hierhin funktioniert die Logik.
Das Problem beginnt bei der Gegenrichtung. Wann hört jemand auf, “aktiv” zu sein? Wann wird aus einem “Neukunden” ein “At-Risk”-Fall? Die meisten Lifecycle-Setups beantworten diese Frage nicht explizit. Und die Tools erzwingen die Antwort auch nicht.
In Braze werden Lifecycle-Stages häufig über Custom Attributes abgebildet. Ein Canvas setzt lifecycle_stage auf “active”, wenn ein Purchase-Event eintritt. Aber wenn kein zweiter Canvas oder keine Webhook-Logik existiert, die das Attribut zurücksetzt, bleibt es stehen. Für immer. Wer Custom Events sauber definiert hat, hat zwar die Datenbasis. Aber ohne regelmäßige Re-Evaluation der Attribute bleibt das Lifecycle-Modell statisch.
In Klaviyo passiert dasselbe auf Segment-Ebene. Segmente können dynamisch sein, aber nur wenn die Exit-Bedingung explizit als Negation der Entry-Bedingung formuliert wurde. Ein Segment “Aktive Kunden” mit der Condition “Hat in den letzten 90 Tagen gekauft” funktioniert dynamisch: Wer länger als 90 Tage nicht kauft, fällt raus. Aber viele Teams definieren ihre Segmente nicht so. Sie nutzen Conditions wie “Hat mindestens einmal gekauft” oder arbeiten mit manuell gepflegten Listen. Dann klebt der Kontakt.
In Brevo verschärft sich das Problem, wenn Teams mit statischen Listen statt dynamischen Segmenten arbeiten. Listen haben grundsätzlich keine automatische Exit-Logik. Ein Kontakt, der einer Liste hinzugefügt wurde, bleibt dort, bis ihn jemand manuell entfernt oder ein Workflow die Bereinigung übernimmt.
Was passiert, wenn Kunden in Stages kleben bleiben
Die Konsequenzen sind subtiler, als man denkt. Es ist nicht so, dass das CRM sofort zusammenbricht. Die Probleme schleichen sich ein.
Erstens: Segment-Bloat. Die Segmente wachsen kontinuierlich, weil Kontakte eintreten, aber nie austreten. Ein “Aktiv”-Segment mit 50.000 Kontakten klingt nach einer gesunden Basis. Aber wenn 20.000 davon seit Monaten nichts getan haben, dann sind die Kampagnen-Metriken für dieses Segment systematisch verzerrt. Open Rates, Click Rates, Conversion: Alles wird durch die inaktive Masse verwässert.
Zweitens: Strategische Fehlentscheidungen. Wenn das “Aktiv”-Segment eine Open Rate von 22 Prozent zeigt, sieht das mittelmäßig aus. In Wirklichkeit haben die tatsächlich aktiven Kontakte vielleicht eine Open Rate von 38 Prozent, verdünnt durch 20.000 Karteileichen. Das Team optimiert an der falschen Stelle: am Content statt an der Segmentierung.
Drittens: Zustellbarkeit. ISPs bewerten das Engagement-Verhalten eurer Empfänger. Wer dauerhaft an Kontakte sendet, die nicht öffnen und nicht klicken, verschlechtert seine Sender Reputation. Was als Segmentierungsproblem beginnt, wird zum Deliverability-Problem. Ein Effekt, den wir auch bei Sunset-Flows beschrieben haben: Wer inaktive Kontakte nicht rechtzeitig aus dem Versand nimmt, schadet den aktiven.
Warum Exit-Kriterien nie mitgedacht werden
Es ist kein böses Versehen und kein Zeichen von Inkompetenz. Es liegt daran, wie CRM-Setups gebaut werden.
Teams denken in Use Cases. “Wir brauchen ein Segment für aktive Kunden.” Die Entry-Logik ist intuitiv: Hat gekauft, hat geklickt, hat sich eingeloggt. Jedes CRM-Tool macht es einfach, diese Bedingung zu definieren. Die Exit-Logik erfordert eine andere Denkweise. Ab wann ist jemand nicht mehr aktiv? Nach 30 Tagen ohne Kauf? Nach 60 Tagen ohne Öffnung? Nach einem kombinierten Score aus beidem?
Diese Fragen sind schwieriger, weil sie Geschäftslogik erfordern, nicht nur Tool-Konfiguration. Der Kaufzyklus unterscheidet sich je nach Branche und Produktkategorie. Ein Fashion-Retailer hat andere Schwellenwerte als ein SaaS-Produkt. Ein Lebensmittel-Lieferdienst andere als ein Möbelhaus. Es gibt keine universelle Antwort auf “Wann ist ein Kunde inaktiv?”, und deshalb wird die Frage oft gar nicht gestellt.
Dazu kommt: Beim Aufsetzen eines neuen Segments denkt man an den Eingang. Das ist der Moment, in dem der Use Case entsteht. Der Ausgang ist ein Problem für später. Und später kommt nie, weil das nächste Projekt schon wartet.
So baut ihr Exit-Kriterien ein
Die gute Nachricht: Die Lösung ist in keiner Plattform besonders aufwändig. Sie erfordert weniger Technik als Disziplin.
In Braze: Baut einen regelmäßigen Canvas, der Lifecycle-Attributes periodisch re-evaluiert. Ein wöchentlicher oder täglicher Canvas, der per Scheduled Entry alle Nutzer mit lifecycle_stage = “active” durchläuft und prüft: Liegt das letzte Purchase-Event länger als 90 Tage zurück UND die letzte Email-Öffnung länger als 60 Tage? Wenn ja, setzt das Attribut auf “at_risk”. Ein zweiter Pfad prüft: Liegt das letzte Purchase-Event länger als 180 Tage zurück? Dann lifecycle_stage = “churning”. Der Canvas wird zum Lifecycle-Motor, nicht nur zum Kampagnen-Sender.
In Klaviyo: Nutzt konsequent dynamische Segmente mit zeitbasierten Bedingungen. Statt “Hat mindestens einmal gekauft” definiert ihr “Hat in den letzten 90 Tagen gekauft UND hat in den letzten 30 Tagen eine Mail geöffnet”. Sobald eine Bedingung nicht mehr zutrifft, fällt der Kontakt automatisch aus dem Segment. Klaviyos Segment-Engine re-evaluiert dynamische Segmente kontinuierlich. Ihr müsst nur sicherstellen, dass die Bedingungen den Ausgang genauso klar definieren wie den Eingang.
In Brevo: Wenn ihr mit statischen Listen arbeitet, baut Automation-Workflows, die Listen-Zugehörigkeiten periodisch bereinigen. Ein wöchentlicher Workflow prüft alle Kontakte auf einer “Aktiv”-Liste und verschiebt diejenigen ohne Engagement in den letzten X Tagen auf eine “At-Risk”-Liste. Besser: Stellt auf dynamische Segmente um, sofern euer Tarif das erlaubt. Dynamische Segmente in Brevo funktionieren ähnlich wie in Klaviyo, sind aber in den günstigeren Tarifen teilweise eingeschränkt.
Lifecycle-Hygiene als laufender Prozess
Exit-Kriterien einmal zu definieren ist der erste Schritt. Aber Schwellenwerte veralten. Kaufzyklen verschieben sich. Saisonale Effekte verzerren die Daten. Was im Januar als “90 Tage ohne Kauf = at_risk” funktioniert, kann im Sommerloch zu einer Welle falscher Downgrades führen.
Deshalb gehört ein quartalsweiser Lifecycle-Review in den CRM-Kalender. Bei diesem Review werden drei Dinge geprüft: Erstens, wie haben sich die Segmentgrößen über die letzten drei Monate entwickelt? Wachsen Segmente nur oder gibt es gesunde Fluktuation? Zweitens, stimmen die Schwellenwerte noch? Hat sich der durchschnittliche Kaufzyklus verändert? Drittens, gibt es Kontakte, die seit dem letzten Review in keiner Stage gewechselt haben? Wenn ja, warum nicht?
Dieser Review klingt nach Aufwand. In der Praxis dauert er zwei bis drei Stunden pro Quartal. Und er verhindert, dass euer Lifecycle-Modell zu einer Sammlung statischer Labels wird, die nichts mehr über das tatsächliche Verhalten eurer Kunden aussagen.
Die Frage ist nicht, ob eure Kunden in Segmenten feststecken. Die Frage ist, wie lange schon. Wer das prüfen will, kann mit einem einfachen Export anfangen: Nehmt euer größtes Lifecycle-Segment und prüft, wie viele Kontakte darin seit mehr als 90 Tagen kein Engagement-Signal gesendet haben. Die Zahl wird euch überraschen.
Wenn ihr wollt, dass jemand diesen Check mit euch macht und die Exit-Kriterien gleich implementiert: Dafür gibt es unseren Instanz-Check.
