Data Science

Customer Service, Satisfaction & Churn Prevention im closed Loop

CRM_Customer_Service_Satisfaction_Churn_Prevention

 

Wie genau hängen Customer Service, Satisfaction & Churn Prevention zusammen?

Wir haben ein Webinar zusammen mit unserem Partner dataiku veranstaltet, um genau dieser Fragestellung nachzugehen. Die Aufzeichnung des Webinars könnt ihr hier nochmals anschauen. Weitere Informationen findet ihr in diesem Blogpost zusammengefasst.

Entwicklung im Subscription Markt

Warum Churn Management eine immer größere Rolle in den Unternehmen einnimmt, zeigt das Wachstum im Subscription Segment deutlich auf. Der Subscription Leader Report von billwerk fasst diese Entwicklung über die letzten Jahre sehr anschaulich zusammen:

„Seit 2015 hat sich das Volumen wiederkehrender Umsätze nahezu ver-60-facht.“ [1]

Auffallend dabei ist auch, dass gerade viele Unternehmen, die schon ein etabliertes Produkt am Markt haben, ihr Geschäftsmodell von Produkt-Kauf zum Monats oder Jahres-Abonnement umstellen.

„[… es sind] vor allem die reifen Unternehmen, älter als 10 Jahre, die das Wachstum antreiben“ [2]

Churn im Subscription Business

Somit ist es nicht verwunderlich, dass die Bedeutung von Customer Relationship Management und insbesondere von Churn Management steigt. Da Churn die Kundenabwanderung beschreibt, versuchen Unternehmen im Abonnement-Umfeld diesen möglichst gering zu halten. Dazu wird zunächst auf das Wissen gesetzt, welche Kunden überhaupt „kündigungsgefährdet“ sind, um im nächsten Schritt mit entsprechenden Maßnahmen darauf reagieren zu können.

Churn Dreieck

Um ein gutes Vorhersagemodell für Customer Churn entwicheln zu können, ist es wichtig die richtigen Daten zu erfassen und zu relevanten Features zu aggregieren. Aus unserer Erfahrung zeigt sich, dass dabei die Dimensionen: Experience, Service & Satisfaction eine wesentliche Rolle spielen.

Da diese Daten jedoch nicht immer umfänglich für die Kunden vorhanden sind, gilt es diese in einer sogenannten Pre-Prediction zu schätzen. Daraus ergibt sich eine 360° Customer View, womit wiederrum die Trefferquote des Churn Prediction Modells erhöht werden kann.

Churn Prediction – Kündigungen Vorhersagen

Die Vorhersage der Kündigungswahrscheinlichkeit kann durch klassische Vorhersagemodellierung des Ereignisses – in diesem Fall der Kündigung – erfolgen. Oder als Uplift-Model unter Berücksichtigung verschiedener Pre-Prediction Werten. Wie genau das funktioniert seht ihr im Video ab Minute 31 oder ihr kontaktiert uns einfach unter nachfolgendem Button.

Quellen:

1. billwerk Subscription Industry Report 2020, S. 8

2. billwerk Subscription Industry Report 2020, S. 12

Vereinbare einen Termin mit unseren Experten!

Hier klicken