Von Churn Prediction zu Churn Prevention:Kundenabwanderung vorhersehen & verhindern


Neukunden zu gewinnen kostet ein Vielfaches dessen, was investiert werden muss, um einen Kunden zufriedenzustellen und zu halten. Kein Wunder, dass eine altbekannte Marketingweisheit lautet: „Die Neukundengewinnung kostet Geld, Bestandskunden bringen Geld.“

Kundenbindung und Kundenloyalität sollten die zentralen Ziele einer nachhaltigen Geschäftsstrategie sein. So lässt sich einerseits die Abwanderung von Kunden vermeiden und andererseits ein höherer höheren Lifetime Value erzielen. Der Oberbegriff in diesem Zusammenhang lautet Churn Management. Churn Mangement oder auch Churn Prevention bezeichnen den Ansatz, Kundenabwanderung zu vermeiden und gehört damit zu den zentralen Themen des Customer Relationship Managements (CRM).

Doch wie können Unternehmen ihre Kunden stärker binden? Wie lassen sich abwanderungswillige Kunden identifizieren, um diese mit gezielten Kampagnen anzusprechen?

Churn mithilfe von Big Data identifizieren

Die Abwanderung von Kunden zu identifizieren (Churn) ist sehr komplex, da es sich oftmals um einen schleichenden Prozess von sich verschlechternden Geschäftsbeziehungen handelt. Doch ab wann ist ein Umsatzrückgang bei einem Kunden tatsächlich ein Indiz für Churn? Mit welchen Faktoren hängt Churn zusammen? Was für Gründe können zu einer Kundenabwanderung führen? Um das herauszufinden, brauchen Sie vor allem eins: Daten. Und die Möglichkeiten, diese zu analysieren.

In Zeiten von Big Data verfügen Unternehmen über eine Vielzahl an Daten, die Informationen über Kundenbeziehungen liefern. Dies fängt beim Rechnungswesen an, wo Informationen über Bestellungen und Lieferungen liegen, und reicht bis zum CRM-System, wo neben zusätzlichen Kundeninformationen auch die Kundenkontakte (z.B. Reklamationen) gespeichert sind. Neben diesen unternehmensinternen Daten lassen sich außerdem relevante Marktforschungsdaten als Basis für die Identifikation von Churn nutzen.

Um Erkenntnisse zu liefern, werden die Kundendaten von in der Vergangenheit tatsächlich abgewanderten Kunden mit den Daten von Nicht-Churnern verglichen. Algorithmen auf Basis von Machine Learning können daraus die Unterschiede zwischen den beiden Datensätzen ableiten. Daraus lassen sich zum einen die wichtigsten Abwanderungsgründe bestimmen, zum anderen können Unternehmen dadurch eine Churn-Wahrscheinlichkeit errechnen. Diese gibt das Risiko einer zukünftigen Abwanderung in Prozent an. Die Vorhersage von Churn wird auch Churn Prediction genannt und kann durch die Ableitung gezielter Maßnahmen zur Churn Prevention beitragen.

Mit Churn Prevention können Unternehmen verhindern, dass Kunden zu anderen Anbietern abwandern.

Für welche Unternehmen ist Churn Prevention interessant?

Die Eignung eines Churn-Prediction-Modells hängt stark vom Produkt oder der angebotenen Dienstleistung ab. Nicht für jedes Unternehmen ist die Berechnung der Abwanderungsrate sinnvoll. Churn Prediction ist vor allem bei Produkten empfehlenswert, die Kunden in regelmäßigen Abständen neu kaufen oder für Anbieter eines Abonnements, wie z.B. bei Energieversorgern oder Telekommunikationsunternehmen. Mithilfe von Churn Management lässt sich unter anderem die Wirksamkeit von Angeboten oder bestimmten Services auf Kunden messen. Außerdem können Unternehmen bei einer hohen prognostizierten Abwanderungswahrscheinlichkeit automatische Marketingaktivitäten ausführen, die die Kundenbindung stärken (z.B. Rabattaktionen).

Fazit: Kundendaten allein reichen nicht aus

Churn Prediction und Churn Prevention eröffnen Unternehmen neue Möglichkeiten, das eigene CRM zu verbessern. Doch die Existenz von vielen Daten und deren Analyse allein genügt nicht. Unternehmen müssen aus den gewonnenen Erkenntnissen auch die richtigen Schlüsse ziehen und Maßnahmen ableiten. Eine intelligente Verknüpfung der Churn Prediction mit dem Customer Relationship Management ist zwingend erforderlich, um ein schnelles Handeln zu ermöglichen und Kunden mit einem hohen Abwanderungsrisiko von einem Verbleib zu überzeugen.