Erfolg im Churn Management ist kein Zufall
sondern mit Data Science Methoden planbar

Churn Management – Wie die Kunden bei Ihnen bleiben!

Churn Management als Erfolgsfaktor im CRM

Churn Management ist einer der zentralen Faktoren eines erfolgreichen Customer Relationship Managements (CRM). Um Churn Management erfolgreich betreiben zu können, ist es wichtig die Gründe für die Kündigung des Kunden zu verstehen. Dieses umfassende Verständnis über die Kündigungsgründe kann mit Data Analytics aufgebaut werden. Häufig lassen sich direkt aus diesen Erkenntnissen erste konkrete Handlungsempfehlungen für das Business ableiten. Weitere und detailliertere Informationen über die Beweggründe einer Kündigung können mit Data Science Methoden generiert werden.

Im Bereich Predictive Analytics lassen sich mit Methoden der Künstlichen Intelligenz detaillierte Vorhersagen über die Kündigungswahrscheinlichkeit jedes einzelnen Kunden vorhersagen. Somit können besonders kündigungsgefährdete Kunden identifiziert und durch spezielle Maßnahmen betreut werden.

Getrieben durch das starke Wachstum von Subscription Modellen in den letzten Jahren wird ein aktives Churn Managment im Bestandskundenbereich immer wichtiger.

lab

Churn

Unter Churn versteht man die Kündigung eines Vertrages oder das Abwandern eines Kunden im Abo / Subscription Modell mit regelmäßiger Zahlungsverpflichtung (Recurring Billing). Ursprünglich kommt der englische Begriff Churn aus der Telekommunikationsbranche. Durch die Verschmelzung der beiden Wörter Change (Wechsel) und Turn (Abwenden) ist das Kunstwort Churn entstanden. Allgemein lässt sich damit der Verlust eines Kunden oder Vertrages ausdrücken.

Dabei kann der Churn in zwei große Kategorien eingeordnet werden. Kundenseitige Kündigungen und unternehmensseitige Kündigungen. Wobei die unternehmensseitigen Kündigungen den deutlich kleineren Anteil an der Churn Rate ausmachen.

Churn Management?

Churn Management bezeichnet die frühzeitige Ergreifung von Maßnahmen, die eine Kündigung des Kunden verhindern.

Erfolgsfaktor pro-aktives Churn Management

Eine ganzheitliche Churn Management Strategie ist einer der Erfolgsfaktoren für stetig wachsende Unternehmen. Intelligentes Churn Management verhindert das Wegbrechen von Kunden und damit von Umsatz und Deckungsbeitrag. Führt man die wirtschaftliche Betrachtung des Churn Management weiter aus und zieht die Akquise Kosten für einen Neukunden heran, wird schnell ersichtlich wie viel Geld theoretisch für Maßnahmen zur Verfügung steht, um einen Bestandskunden zu halten. Oftmals liegt in der Aufteilung dieser Budgets der Schlüssel des erfolgreichen Kundenmanagements. Denn häufig übersteigen die Ausgaben für Neukunden die Ausgaben, die notwendig wären, um einen bereits langjährigen Bestandskunden zu halten.

In vielen Branchen bedeutet der Churn eines Kunden gleichzeitig dessen Abwanderung an einen Wettbewerber. Denn in vielen Fällen handelt es sich um sogenannte Produkte der Grundversorgung. Hierzu zählen z.B. Verträge im Bereich Telekommunikation, Energie und Versicherung. Nur in den seltensten Fällen werde diese Produkte gekündigt ohne sie zu ersetzen.

Wie Sie Ihr Churn Management auf das nächste Level bringen!

Wir unterstützen Sie vom ersten Workshop bis zur Operationalisierung Ihres Churn Managements. Dazu zählt für uns:

  • Definition passgenauer Churn Maßnahmen für Ihr Geschäftsmodell
  • Erstellung geeigneter Prognose Modelle mithilfe verschiedener Machine Learning Techniken durch unser Data Science Team
  • Prototypische Implementierung der Maßnahmen und Data Science Modelle in Ihr Business
  • Operationalisierung der Churn Maßnahmen für die dauerhafte Anwendung

Fragen Sie unser gerne für ein individuelles Angebot!

Sprechen Sie uns an!

Schreiben Sie uns

Churn Prediction als Kern einer intelligenten CRM Strategie

Unter Churn Prediction versteht man die Vorhersage von Kündigungen durch Methoden aus dem Bereich Data Science. Dieses Wissen um die Kündigungswahrscheinlichkeit ist die Grundlage für alle weiterführenden Churn Maßnahmen, um die Kündigung des Kunden zu verhindern. Die Liste an konkreten Möglichkeiten für Churn Maßnahmen ist daher lang. Das wohl einfachste Beispiel ist eine Preisanpassung bzw. die Vergabe eines Rabattes.

Basierend auf den Erkenntnissen und den Data Science Modellen selbst kann eine Segmentierung der Kunden in Kategorien vorgenommen werden, wodurch es ermöglicht wird die Kunden bedarfsgerecht zu versorgen. Ziel ist es, mit unterschiedlichen Strategien die Kundensegmente anzusprechen, um am Ende die Kündigung zu vermeiden. Durch detaillierte Informationen können verschiedenen Kontakt- und Servicestrategien eine Möglichkeit sein, den Kunden individuell mit einer auf ihn abgestimmten Churn Maßnahme zu kontaktieren. Dies muss nicht zwangsläufig mit Rabattangeboten der Fall sein, wie der erste Blick vermuten lässt.

Branchen Referenzen

Telekommunikation

Ausgangslage

In einem gesättigten Markt, wie der Telekommunikationsbranche, sind Kunden hart umkämpft. Daher ist es essentiell den Kunden bereits vor der Kündigungsaussprache bzw. danach mit einem passenden Service & Retentionangebot zu versorgen. Sonst besteht die Gefahr, dass der Kunde zur direkten Konkurrenz wechselt.

Ansatz

Zu Beginn des Projektes werden die verfügbaren Datenquellen erschlossen. Dabei werden auch, sofern rechtlich möglich, nutzungsabhängige Daten berücksichtigt. Ein wesentlicher Schritt ist die geeignete Aufbereitung dieser Daten und das Feature Engineering für Machine Learning Modelle. Im Anschluss werden mit Data Science Methoden, wie z.B. Machine Learning verschiedene Churn Prognose Modelle entwickelt und in iterativen Zyklen optimiert.

Lösung

Durch die Entwicklung mehrstufiger Machine Learning Modelle zur Vorhersage unterschiedlichster KPIs & deren Verknüpfung können die kündigungsgefährdeten Kunden identifiziert und individuelle Maßnahmen eingeleitet werden. Kombiniert werden diese Prediction Analytics Modelle mit einer intelligenten Angebotslogik, um die Angebote passgenau zu gestalten um zu hohe Rabattierung zu vermeiden.

Online Subscription / Abo

Ausgangslage

Das Churn Management steht vor der Herausforderung, eines immer stärker umkämpften Marktes. Klassische Prevention & Retention Maßnahmen sind bereits im Einsatz und sollen durch eine zielgerichtetere Vorhersage der potentiellen Kündigung, sowie der Möglichkeit diese abzuwenden, erweitert werden.

Ansatz

Auf Basis der strukturiert verfügbaren Daten konnte sehr schnell mit einem ersten prototypischen Modell gestartet werden. Um die Modellgüte weiter zu verbessern, wurden parallel weitere Datenquellen angebunden und in die Vorhersage integriert.

Lösung

Durch den Einsatz und die kontinuierliche Optimierung eines Net Lift Scoring Modells konnte die Churn Rate signifikant reduziert werden. Die Besonderheit im Rahmen der iterativen Entwicklung ist neben der Vorhersage der Wahrscheinlichkeit für eine Kündigung, auch die Prognose über das Verhalten des Kunden.

Branchenspezifische Churn Strategie

Grundsätzlich profitiert jede Branche über detailliertes Wissen über die Kundenbeziehung. Die größten Erfolge und am meisten Einfluss hat eine erfolgreiche Churn Strategie in den B2C Bereichen mit Abo / Subscription Modell und einer kontinuierlichen Zahlungsverpflichtung. Dazu zählen vor allem folgende Branchen:

  • Versicherungen
  • Telekommunikation
  • Energieversorger
  • Pay-TV Anbieter
  • TV Kabelanschluss Anbieter
  • Streaming Anbieter
  • Fitnessstudios
  • Verlage & Print Medien
  • Webhosting Anbieter
  • Verkehrsbetriebe ÖPNV
  • Abo Modelle im Handel
  • Software Abonnements
lab

Mit Methoden der Künstlichen Intelligenz Churn Management erfolgreich betreiben

Durch Deep Learning lassen sich viele Prozesse optimieren, ganz besonders auch das Churn Managment. Methoden der Künstlichen Intelligenz unterstützen die Vorhersage über die Kündigungen der Kunden.

Wie Data Science mit Deep Learning die Kundenbeziehung stärkt

Mit Machine Learning können die Kündigungswahrscheinlichkeiten für jeden einzelnen Kunden des gesamten Kundenbestands vorhergesagt werden. Diese Data Science Modelle bestehen aus einer Vielzahl von Merkmalen, die Auskunft über die Loyalität eines Kunden geben. 

Je nach Branche, Geschäftsmodell und Zeitpunkt im Lebenszyklus sind diese Modelle unterschiedlich komplex. Zur Anwendung kommen hier unterschiedlichste Verfahren. Von einfachen Regressionen oder Decision Trees bis hin zu Deep Learning Methoden. Entscheidend für ein aussagekräftiges Modell und dessen Robustheit sind neben der Modellbildung die Qualität der Features sowie die Erfahrung des Data Scientists

Esentri

Business Case für Ihr Geschäft

Gemeinsam erarbeiten und entwickeln wir die richtigen Business Cases für Ihr Geschäftsmodell. Sie profitieren dabei von unserer praktischen Erfahrung im Bereich Data Science und CRM.

Esentri

Machine Learning Prediction

Unsere erfahrenen Data Science Experten erstellen basierend auf Ihren spezifischen Anforderungen und Daten erste Prognosemodelle für Ihr Unternehmen und Ihr Geschäftsmodell.

Esentri

Prototypische Implementierung

Wir implementieren diese Lösung in einem prototypischen Proof of Concept mit dem gewählten Ansatz und bessern ggf. nach. Hier verproben wir gemeinsam den Erfolg in Ihrem Business.

Esentri

Operationalisierung

Um dauerhaft einen Nutzen aus den Data Science Modellen zu generieren, implementieren wir die nachhaltige Lösung und arbeiten Sie und Ihr Team in die neue Technologie ein.

Esentri
Frank Oechsle Head of Data Science