Churn Prediction

Was Churn Prediction leistet

Churn Prediction schätzt, welche Kunden abwandern, bevor sie es tun. Der Unterschied zur Abwanderungsquote liegt im Zeitpunkt: Die Quote zählt, wer schon weg ist, die Prognose zeigt, wer gefährdet ist. Erst damit lässt sich vor dem Verlust etwas tun, statt ihn danach zu bilanzieren.

In der Praxis ist die Prognose eine Wahrscheinlichkeit je Kunde. Sie ist keine Aussage über einzelne Personen, sondern über Muster. Wer das verwechselt, behandelt einen Kunden als verloren, der es nie gewesen wäre.

Welche Merkmale aussagekräftig sind

• Aktualität: Wie lange liegt die letzte Bestellung zurück. Das stärkste einzelne Merkmal.
• Veränderung des Rhythmus: Wer bisher alle sechs Wochen bestellt hat und seit vier Monaten nicht, ist auffälliger als jemand, der ohnehin selten bestellt.
• Rückgang des Warenkorbs: Sinkende Beträge bei gleicher Häufigkeit deuten auf abnehmendes Interesse.
• Interaktion: Öffnungen von Nachrichten und Besuche im Shop, wenn diese Daten vorliegen.
• Beschwerden und Retouren: Ein ungelöstes Problem ist ein starker Hinweis, unabhängig von allen anderen Werten.

Wie sich der Nutzen messen lässt

Die Prognose allein hat keinen Wert. Sie wird erst nützlich, wenn auf sie eine Handlung folgt, und der Nutzen dieser Handlung ist die eigentliche Kennzahl. Drei Werte sind aussagekräftig.

Erstens die Zahl der angesprochenen Kunden und der Anteil, der danach wieder kauft. Zweitens der Vergleich mit einer Gruppe, die nicht angesprochen wurde, weil sonst nicht unterscheidbar ist, ob die Ansprache gewirkt hat oder der Kunde ohnehin zurückgekommen wäre. Drittens der Deckungsbeitrag der zurückgewonnenen Kunden abzüglich der Kosten der Ansprache. Der letzte Wert entscheidet, ob das Verfahren trägt, und er fällt häufig kleiner aus als erwartet.

Warum Risiko nicht dasselbe ist wie Bereitschaft

Der wichtigste Irrtum steckt im Kern des Verfahrens: Eine hohe Abwanderungswahrscheinlichkeit sagt nichts darüber, ob der Kunde auf eine Ansprache reagiert. Manche Kunden sind aus einem Grund gegangen, der sich nicht mehr ändern lässt, etwa weil sich ihr Bedarf verschoben hat. Andere sind unauffällig und würden auf eine freundliche Erinnerung reagieren.

Daraus folgt, dass eine gute Prognose nicht ausreicht. Es braucht zusätzlich die Frage, welche Kunden ansprechbar sind. In der Praxis wird das oft übersehen, sodass viel Aufwand in Kunden fließt, die nicht mehr erreichbar sind. Sinnvoller ist die Auswahl nach beiden Werten: hohes Risiko und erwartete Reaktion.

Ein zweiter Punkt ist die Zeit. Zu früh angesprochen wirkt die Erinnerung aufdringlich, zu spät kommt sie nach der Entscheidung. Der passende Zeitpunkt liegt zwischen zwei erwarteten Bestellungen, nicht danach. Ein dritter Punkt ist die Ursache: Ein Kunde, der wegen einer Lieferverzögerung fernbleibt, braucht eine andere Ansprache als einer, dessen Bedarf sich geändert hat.

Häufige Fragen

• Brauche ich KI dafür? Ein einfaches Merkmal wie die Aktualität liefert im ersten Schritt brauchbare Ergebnisse.
• Ab wie vielen Kunden lohnt es? Ab einigen tausend Kunden, darunter ist die Aussage zu unsicher.
• Was ist der häufigste Fehler? Ansprechen ohne Vergleichsgruppe, dann ist der Nutzen nicht belegbar.