Home » Churn Prediction
Churn Prediction
Erfahren Sie bereits von drohenden Abwanderungen, bevor diese passieren.
Was ist Churn Prediction?
Churn Prediction ist die Vorhersage von Kundenabwanderungen, bevor sie passieren. Dabei geht es darum, festzustellen, welche Kunden Ihre Leistungen in Zukunft wahrscheinlich nicht mehr in Anspruch nehmen. Dies ist für viele Unternehmen wichtig, da die Gewinnung neuer Kunden oft teurer ist als die Bindung bestehender Kunden.
Abwanderungen reduzieren.
Reduzieren Sie jetzt Abwanderungen, denn laut diversen Studien ist es bis zu 5x teurer einen Neukunden zu akquirieren als einen Bestandskunden besser zu betreuen.
Kundenwert steigern.
Durch die Identifikation drohender Abwanderungen und die Einleitung frühzeitiger und proaktiver Maßnahmen bleiben Kunden Ihnen länger erhalten.
Agieren statt reagieren.
Durch die Warnung vor Abwanderungen, also bevor diese eintreten, haben Sie die Möglichkeit, passende Maßnahmen noch rechtzeitig einzuleiten.
Welche Insights liefert unsere Lösung?
Individueller Churn-Score
Gründe für den Churn-Score
Übergreifende Indikatoren
Individueller Churn-Score
Wie hoch ist die Abwanderungswahrscheinlichkeit eines Kunden?
Damit Sie optimal informiert sind, ermitteln wir für jeden Kunden einen Churn-Score (kundenindividuelle Abwanderungswahrscheinlichkeit). Um dies bestmöglich umzusetzen, verwenden wir einen Machine Learning-Ansatz, der die Muster im Verhalten bereits abgewanderter Kunden identifiziert und die erkannten Muster auf die aktuelle Kundenbasis anwendet. Hierbei kommt es auf die Kombination verschiedener Eigenschaften bzw. Verhaltensmuster an: Je stärker ein Kunde die erkannten Verhaltensmuster erfüllt, desto höher ist die Wahrscheinlichkeit, dass der Kunde abwandert. Um die aktuellen Entwicklungen und Verhaltensmuster möglichst konkret abbilden zu können, wird das Modell vierteljährlich neu trainiert.
Gründe für den Churn-Score
Wie erklärt sich die Höhe des Churn Scores?
Nehmen wir an, Ihnen wird ein Churn-Score von 78% bei einem bestimmten Kunden angezeigt, was bedeutet das also konkret? Wir wissen, eine einfache Zahl kann wie eine „Black Box“ wirken und das hilft zunächst nicht weiter. Deshalb liefern wir Ihnen nicht nur den kundenindividuellen Churn Score, sondern auch die Gründe, warum der Algorithmus die Abwanderung z.B. für hoch hält. So wird die Zahl nachvollziehbar und Kundenmanager:innen können die richtige Aktion zur richtigen Zeit ausführen.
Übergreifende Indikatoren
Welche Gründe werden häufig genannt, wenn es um Abwanderung geht?
Eine Abwanderung kann vielfältige Gründe haben: von individuellen Gründen bis hin zu branchenspezifischen Veränderungen. Unsere Software liefert Ihnen den kundenindividuellen Churn-Score inklusive Handlungsimpulse, welche steuerungsentscheidend sind. Gleichzeitig erkennt «insightsON» Muster anderer Kunden der Branche auf Basis externer Daten, die strategische Aktionen von Ihnen fordern. So helfen wir Ihnen, Unternehmensprozesse datengetrieben ganzheitlich betrachten zu können, um proaktiv zu handeln.Ihr Unternehmen benötigt Insights?
Gerne helfen wir auch Ihrem Unternehmen, Ihre Kunden besser zu verstehen und Kundenmanager:innen die Möglichkeit zu geben, zur richtigen Zeit beim richtigen Kunden das Richtige zu tun. Also lassen Sie uns gemeinsam Ihr Kundenmanagement mit unseren Insights revolutionieren:
Sie haben Fragen, wir haben Antworten.
Machine Learning (zu Deutsch: maschinelles Lernen) ist eine Anwendung der künstlichen Intelligenz (KI), welche Computern die Fähigkeit verleiht, automatisch zu lernen und sich aufgrund von Erfahrungen zu verbessern, ohne explizit programmiert zu werden. Vereinfacht gesagt: «Bei Machine Learning sagen wir dem Computer, wie er selbst Lösungen findet.»
Im Kontext von Churn Prediction werden die relevanten Eigenschaften von in der Vergangenheit abgewanderten Kunden erkannt, welche die Abwanderung «am besten» erklären. Mit diesen abgewanderten Kunden wird der Algorithmus somit trainiert. Nun wird der trainierte Algorithmus mit den erkannten Eigenschaften («Muster») auf die aktuellen Bestandskunden angewandt. So wird analysiert, welche Kunden sich aktuell ähnlich zu bereits abgewanderten Kunden verhalten. Hier ist eine Abwanderung wahrscheinlich. Die Algorithmen werden regelmäßig neu trainiert, damit man Änderungen im Kundenverhalten jederzeit abbildet.
Für die Churn Prediction benötigen wir vor allem die Auftragsdaten – die Daten zu den Kundenaufträgen aus ihrem ERP-System. Konkret: Wann hat welcher Kunde was zu welchem Preis zu welchen Kosten gekauft? Ergänzt werden diese Informationen mit den Kundenstammdaten, vornehmlich aus dem CRM-System, das heißt: Wer ist der Kunde und was sind seine Eigenschaften? Darüber hinaus sind – sofern vorhanden – Interaktionsdaten mit dem Kunden (z.B. aus einem Service-/Ticketsystem) interessant.
Von Interesse ist auch, welche Art von Kundeninteraktion (z.B. reines Servicegespräch, Beschwerde), zu welcher Zeit mit dem Kunden stattgefunden hat.