Kündigerprävention

Intelligent gegen Kundenschwund - mit datengestützten Methoden

Veröffentlicht: 06. April 2016
Tags: #Insight & Analytics #Technologie

Zur Natur eines Laufzeitvertrages gehört die Kündigung. Daher erlebt jedes Unternehmen, dessen Geschäftsmodell vertragliche Laufzeiten vorsieht, regelmäßig Kunden, die ihren Vertrag nach Wochen, Monaten oder Jahren kündigen. Reflexartig wollen die meisten Anbieter den schwindenden Kunden mit einem Rückgewinnungsangebot halten. Datengestützte Methoden der Kündigerprävention gestatten jedoch ein differenzierteres und wertschöpfenderes Vorgehen.

In jedem Fall kostet eine Kündigung Geld. Entweder beendet der Kunde die Beziehung zum Unternehmen, was den Umsatz unmittelbar senkt, oder er bleibt erhalten. In dem Fall schmälert er aufgrund des großzügigen Rückgewinnungsangebotes den Unternehmensgewinn. Doch müssen Unternehmen diese Effekte wirklich akzeptieren oder können sie nicht vielmehr durch geschickte Vertriebs- und Marketingmaßnahmen Geld sparen?

Kündigerprävention: Kundentypen verstehen

Wie stellt sich der Abnabelungsprozess aus Sicht des Kunden dar?
Wir glauben, dass im Perspektivwechsel der Schlüssel zum Verstehen des Phänomens „Kündigung“ liegt – und damit zu einem immensen wirtschaftlichen Hebel. Umso wichtiger ist es im Kontext der Kündigerprävention daher, die Kundenmotivation und sein Erleben der Beziehung zu seinem Anbieter zu verstehen. Losgelöst von spezifischen Branchen- oder Unternehmensbetrachtungen erkennen wir mit Blick auf das Kündigungsverhalten zwei klar differenzierbare Kundentypen:

Typ A: Jäger und Sammler

Typ A ist der Schnäppchenjäger, der sich immer freut, wenn er ein paar Euro sparen kann. Deshalb hat er stets alle seine Verträge im Blick und prüft regelmäßig Vergleichsangebote, aus denen er sich „die Rosinen“ herauspickt. Meist trifft er seine Wahl über den Preis. Wer einen solchen Kunden halten will, muss sicherstellen, dass er ihm zum richtigen Zeitpunkt das richtige Angebot unterbreitet. Das bedeutet: Der Unternehmer muss die Bedürfnisse des Kunden mit dem abgebotenen Leistungsumfang möglichst exakt und zu einem wettbewerbsfähigen Preis adressieren. In der Regel verzichtet der Anbieter auf einen Teil seiner Marge, oder er akzeptiert die Kündigung und den Kundenverlust, wenn er den Preis der Konkurrenz nicht mitgeht.

Typ B: Wirklich unberechenbar?

Typ B denkt und handelt weniger strukturiert. Er schließt einen Vertrag ab, und damit ist das Thema für ihn bis auf Weiteres abgeschlossen. Dies gilt insbesondere für Verträge über low-Involvement-Produkte, etwa aus den Bereichen Energieversorgung, Telekommunikation oder Finanzdienstleistungen. Dieser Kundentyp beschäftigt sich erst dann wieder mit dem Thema, wenn es einen konkreten Anlass gibt. Problematisch hierbei ist, dass nur wenige dieser Anlässe das Unternehmen selbst auslöst. Dies kann beispielsweise eine unerwartet hohe Rechnung oder ein Problem mit der Bereitstellung der vereinbarten Leistung sein wie die Störung der Telefonleitung. Viele weitere Anlässe ergeben sich außerhalb des unternehmerischen Einflussbereiches, etwa dann, wenn im Freundeskreis der hohe Neukundenbonus bei Energieversorger XY thematisiert wird. Das ist aus Sicht der Kündigerprävention heikel. Denn unabhängig davon, was der Anlass für die Auseinandersetzung des Kunden mit seinem Vertragsverhältnis ist, steigt in diesem Moment die Wahrscheinlichkeit einer Kündigung ganz erheblich.


Wie wäre es, wenn wir diesen Moment erkennen und schon vorher dem Kunden das Gefühl geben, dass er nicht betroffen ist? Wir könnten die Vertragsbeziehung zu aktuellen Konditionen retten und damit einen Margenverlust verhindern. Und tatsächlich ermöglicht Customer Intelligence mit MUUUH! Consulting genau das: eine effektive und effiziente Kündigerprävention.

3-Stufen-Kündigerprävention mit MUUUH!

Unsere Projekterfahrung im Bereich der Kündigerprävention zeigt, dass mehr als 80 Prozent der Kunden dem Typ B entsprechen, womit wir eine hervorragende Ausgangslage für präventive Tätigkeiten haben. Von diesen Kunden können wir in der Regel jeden dritten Kunden überzeugen, seinen Vertrag fortzuführen. Damit ist unterm Strich rund ein Viertel aller Kündigungen auch ohne gravierenden Margenverlust durch Bonuszahlungen vermeidbar.

Konkret empfehlen wir ein dreistufiges Vorgehen. Erstens sollte das Unternehmen jedem einzelnen Kunden eine präzise Kündigungswahrscheinlichkeit zuordnen. Zweitens müssen die wesentlichen Treiber für Kündigungen in Erfahrung gebracht und analysiert worden sein, Und drittens müssen die Kundenmanagement-Verantwortlichen aus dieser Erkenntnis die geeignete Maßnahmen für eine nachhaltige Kündigerpräventionsstrategie ableiten und umsetzen.

1. Prognose der Wahrscheinlichkeit einer Kündigung für jeden Kunden 

Entwickeln Sie anhand sämtlicher vorhandenen Daten im Unternehmen ein Prognosemodell. In Zeiten von Big Data und Data Mining sind die Voraussetzungen im Regelfall gut, um mit statistischen Verfahren und maßgeschneiderten Algorithmen Prognosemodelle für Ihre Kündigerprävention zu erstellen. Auf Basis dieses Prognosemodells können Sie für jeden Kunden eine individuelle und notfalls tagesaktuelle Kündigungswahrscheinlichkeit berechnen. Moderne Data-Mining-Verfahren wie Decision Trees oder Neuronale Netze erkennen in Ihren Daten selbstständig Zusammenhänge und nutzen diese für eine optimale Prognose.

2. Treiber für Kündigungen identifizieren und verstehen 

Anhand der tiefergehende Analyse der Prognosemodelle können Sie neben dem Score zur Kündigerwahrscheinlichkeit auch die Ursachen für Kündigungen ausmachen und verstehen. Wir nutzen im Bereich der Kündigerprävention High-End-Verfahren, die neben der Prognose genau diese tiefergehende Analyse gestatten, und identifizieren Datenzusammenhänge, die zu einer hohen oder niedrigen Kündigungswahrscheinlichkeit führen. Anhand der identifizierten Kündigungsauslöser lassen sich insbesondere bereits bestehende Maßnahmen der Kündigerprävention danach beurteilen, unter welchen Voraussetzungen sie positiv gewirkt haben – oder keine Wirkung hatten.

3. Maßnahmen entwickeln

Wenn Sie verstehen, was zu Kündigungen führt, können Sie auch besser einschätzen, welche Maßnahmen wirken. Wenn Sie etwa wissen, welche Kündigungen unmittelbar aus Kontakten mit Ihrem Unternehmen resultieren, wissen Sie auch, welche Prozessverbesserungen die Kündigungswahrscheinlichkeit reduzieren wird. Sie können sogar den Effekt einer Prozessverbesserung mit Blick auf Kündigungen bewerten und damit eine ROI-Betrachtung ableiten.

Haben Sie schon schlechte Erfahrungen mit Prognosemodellen gemacht?

Grundsätzlich können Algorithmen nur die Daten nutzen, die auch im Unternehmen vorhanden sind. Wenn Ihre Prognosemodelle noch keine ausrechende Qualität bringen, kann es auch an der Datenbasis liegen. Auch die besten Algorithmen produzieren nur unzureichende Ergebnisse, wenn die wesentlichen Treiber in den Daten nicht abgebildet werden. Doch bevor Sie umfangreiche Daten hinzukaufen oder selbst erheben, sprechen Sie mit uns. Häufig gibt es praktikable Ansätze, die mit wenigen Fragen an Ihre Kunden die Prognosequalität erheblich steigern. Im Regelfall können wir in unseren Projekten die Prognosequalität mit nur fünf zusätzlichen Fragen an den Kunden verdoppeln. Wir nennen diese Fragen Killerfragen – ein Konzept, welches unseren Anspruch an Qualität statt Quantität in der Datenerhebung unterstreicht. Der zweite Erfolgstreiber dieser Projekte ist die Einbindung von Expertenwissen. Denn ohne die Interpretation der Ergebnisse durch Fachexperten, hilft auch die beste Analyse nichts.

Was Sie konkret tun können

Die Voraussetzung für derartige Analysen ist die richtige Datenbasis. Der Aufbau geeigneter Datensätze für die Kündigerprävention ist häufiger einfacher als gedacht. Moderne BI-Technologien ermöglichen den Umgang mit großen Datenmengen und können die kontinuierliche Datenaufbereitung automatisieren. Um die Datenanforderungen definieren zu können, muss das Ziel der Analyse jedoch klar sein. Das mag komplex klingen, ist aber häufig leichter, als man denkt. Sie können noch heute einen Workshop organisieren in dem Sie Kollegen aus dem Datenmanagement, Vertrieb und Marketing zusammen rufen. In diesem Workshop legen Sie fest, was die Zielvariable sein soll, etwa „Kündigung“. Dann legen Sie fest, in welchem Zeitintervall Sie die Daten erheben wollen. Ob wöchentlich, monatlich, oder quartalsweise hängt von Ihrem Kontext ab. In dem Workshop erarbeiten Sie und Ihre Kollegen dann die Struktur des Datensatzes. Anschließend halten Sie im definierten Zeitintervall für jeden Kunden fest, ob er gekündigt hat oder nicht, und welche Daten zu diesem Zeitpunkt für den Kunden gelten (Stammdaten zu diesem Zeitpunkt, Teilnahme an Vertriebsmaßnahmen u.a.). Aus Ihren Beobachtungen können Sie Ihre erfolgversprechende Maßnahmen in der Kündigerprävention identifizieren und ableiten.

Ihre Fragen auf dem Weg zu Ihrer maßgeschneiderten Kündigerprävention beantworten wir gerne.
Dr. Christian Stallkamp, Partner bei der MUUUH! Consulting GmbH und Experte für Datenanalyse im Kundenmanagement, freut sich auf Ihre Nachricht.