Drei Analytics-Use Cases, die EVU helfen Ihre Kunden-beziehungen zu stärken.

Wie schaffen es Energieversorgungsunternehmen (EVU), den Überblick über Ihre Kunden zu behalten? Wie schaffen Sie es drohende Kundenabwanderungen frühzeitig erkennen, um vorab passende Gegenmaßnahmen einzuleiten? Und wie können verborgene Cross- und Up-Selling-Potenziale identifiziert und genutzt werden?

Genau das sind die Fragen, welche bestimmt auch Sie sich als Stadtwerk im Vertrieb und Service stellen, oder? Die Antworten auf diese Fragen können mit Data Analytics und Künstlicher Intelligenz – oder spezifischer: (Predictive) Customer Analytics – gefunden werden. Damit Sie nicht so lange nach den Antworten suchen müssen, beschreiben wir Ihnen drei Analytics-Use Cases, die Ihnen helfen, Ihre Kundenbeziehungen nachhaltig zu stärken.

1) Kunden langfristig binden: Abwanderungen vorhersagen (Churn Prediction).

Im Bereich der KI-basierten Kundenanalysen für Energieversorger ist die Vorhersage von Kundenabwanderungen ein «Klassiker». Gerade wenn der Überblick über alle Kunden und das Verbrauchsverhalten dieser Kunden unübersichtlich ist, können mithilfe der Churn Prediction potenzielle Kundenabwanderungen bereits erkannt werden, bevor diese eintreten.

Trainiert wird der Algorithmus mithilfe von historischen Auftrags-, Kunden- und Vertragsdaten aus den internen Systemen (v.a. Abrechnungs-, CRM-, oder Servicesystem) sowie häufig auch noch mikrodemografischen Daten. Mithilfe dieser historischen Daten – und vor allem den Informationen aus bereits abgewanderten Kunden – werden Muster über das Kundenverhalten, die auf Kundenverlust hinweisen, vor der Abwanderung erkannt. Die aktuellen Bestandskunden werden dann auf die erkannten Muster automatisiert überprüft und so kann kundenindividuell eine Abwanderungswahrscheinlichkeit ermittelt werden. Beispielsweise haben wir in der Vergangenheit bei EVU erkannt, dass eine Bankleitzahl eines Kunden bei einer Direktbank zu einem erhöhten Abwanderungsrisiko führt.

Dennoch ist zu berücksichtigen, dass eine Kundeneigenschaft wie beispielsweise die Bankleitzahl nicht automatisch zu einer erhöhten Abwanderungswahrscheinlichkeit führen muss. Hierbei ist wichtig, dass diese Muster häufig aus einer Vielzahl kombinierter Kundeneigenschaften bestehen, die parallel eintreten und so mit dem menschlichen Auge oder einfacheren Analysemethoden kaum erkennbar sind.

Mithilfe der Abwanderungsvorhersage können Kundenabwanderungen um bis zu 30% reduziert werden. Das hilft Ihnen dabei den Kundenwert nachhaltig zu steigern, indem Sie die «Kundenlebensdauer» verlängern und den Kunden nach anfänglich hohen Akquisitionskosten in die profitable Lebenszeit überführen.

2) Das Geschäft optimieren: Umsatzpotenzial identifizieren (Next Best Offer). 

Damit Ihre Kunden sich optimal betreut fühlen, müssen Sie die zukünftigen Bedürfnisse und Kaufpräferenzen Ihrer Kunden bestmöglich kennen und am besten schon proaktiv mit passenden Angeboten werben. Hierbei gilt: Kundenindividuelle Angebote schlagen automatisiertes Marketing «Mit der Gießkanne». Doch wie wissen Sie, welche Produkte bei welchem Kunden verborgene Potenziale am besten ausschöpfen können? Hier kommen sog. Recommender Systeme zum Einsatz. Recommender Systeme, die auch bei Netflix oder Amazon verwendet werden, generieren anhand von ähnlichen Kunden (z.B. durch eine intelligente Segmentation) oder auch anhand von passenden Produkt- und Servicekombinationen kundenindividuelle Angebotsvorschläge (Next Best Offer). Das Next Best Offer ist das nächstbeste Angebot, welches zu einem bestimmten Kunden aufgrund seiner Kaufhistorie, seiner Demografie oder seines Verhaltens passt.

Da sich das Leistungsportfolio von Energieversorgern in den vergangenen Jahren enorm vergrößert hat und zunehmend neue Services dazugekommen sind, wird die Anwendung des Next Best Offer heute immer vielversprechender, aber auch komplexer. Wurde damals einem Kunden neben seinem Stromtarif noch ein Gastarif angeboten, so können heute tiefergehende Zusammenhänge (wie z.B. das Angebot von Lösungen für E-Mobilität) erkannt und erhoben werden. Doch damit diese Zusammenhänge identifiziert werden, sind die passenden Analysemethoden notwendig.

Mithilfe der datenbasierten Identifikation von Cross- und Upselling-Potenzialen und deren Realisierung kann die Umsatzrentabilität der Bestandskunden um 2% bis 5% gesteigert werden.

3) Kunden besser betreuen: Servicepotenziale heben.

Nicht alle Analysen basieren auf Künstlicher Intelligenz, sondern es sind auch die einfachen Themen, die Vertriebs- und Servicemitarbeitende auf dem Schirm haben müssen, um Kunden optimal betreuen zu können. Hier ein paar Fragen, dessen Antworten die Mitarbeitenden kennen sollten: Gibt es bei dem Kunden ein SEPA-Mandat? Erwartet der Kunde eine hohe Nachzahlung, auf die er frühzeitig vorbereitet werden muss? Oder fehlen bei einem Kunden noch Opt-ins, die der Energieversorger für eine exzellenten Kundenservice benötigt? All das sind Themen, die häufig im Alltag untergehen, aber einen entscheidenden Unterschied machen.

Durch die automatisierte Analyse Ihrer Kunden- und Abrechnungsdaten und die Ableitung von Vertriebs- und Serviceimpulsen werden Sie ohne manuellen Aufwand auf diese Auffälligkeiten hingewiesen. So können Sie auf der einen Seite Ihre Serviceaufwände reduzieren, auf der anderen Seite steigern diese Themen häufig die Kundenbindung und reduzieren das Risiko einer Abwanderung – also eine klassische Win-Win-Situation.

Wenn Ihnen dieser kurze Überblick zum Thema «Customer Analytics» gefallen hat und Sie mehr darüber erfahren wollen, z.B. wie Sie Kundenabwanderungen vorhersagen; dann melden Sie sich gerne persönlich bei: pascal.salmen@insightson.io oder buchen Sie direkt eine Live Demo.