Immer neue, digitale Verkaufskanäle verleiten Kunden dazu, schneller abzuwandern. Mit Churn Prediction auf Basis von Künstlicher Intelligenz kann der Vertrieb gegensteuern. Wir haben den Begriff kompakt erklärt.
Kundenabwanderung kann durch rechtzeitiges Churn Management meistens verhindert werden.
Oleksiy Mark | iStock
Das Churn Management, also durch Maßnahmen zur Kündigerprävention die Abwanderung von Kunden zu verhindern, ist ein wichtiger Bestandteil des Customer Relationship Managements und des CRM-Systems im Vertrieb, in dem die Kundendaten hinterlegt sind. Die Churn Rate meint dementsprechend die Abwanderungs- oder Kundenverlustrate und ist ein Begriff aus dem Kundenbindungsmanagement. Handelsunternehmen wie Anbieter zielen darauf ab, Kunden möglichst langfristig an sich zu binden. Die Grenzen zur Kundenbindung und -rückgewinnung sind daher fließend. Churn Management "umfasst im Rahmen des Kundenbeziehungsmanagements alle Aktivitäten des Unternehmens, die die Stabilität der Kundenbeziehung erhalten beziehungsweise gegebenenfalls wieder herstellen", schreiben Professor Dr. Heike Papenhoff und Professor Dr. Karsten Lübke im Springer-Buch "Effektives Customer Relationship Management" mit Blick auf den Handel. Sie erklären Churn Management so: "Im Rahmen der prozessorientierten Sichtweise liegt der Schwerpunkt des Churn Management in der Früherkennung und Prävention drohender Kundenabwanderungen." Die nachfolgende Abbildung verdeutlicht den Kontext, in den Churn Management und Churn Prediction in Vertrieb und Marketing eingebunden sind:
Churn Management und Churn Prediction sind direkt in Kundenbindung und Kundenmanagement-Prozesse eingebunden.
Aus: Churn Management – Herausforderungen für den Handel, S. 165, Wiesbaden 2017
Mit Churn Prediction potenzielle Kündiger rechtzeitig identifizieren
Dementsprechend kommt der Churn Prediction, also der Vorausanalyse, welche Kunden voraussichtlich abwanderungsgefährdet sind oder bereits mit Maßnahmen der Kundenrückgewinnung angesprochen werden müssen, eine hohe Bedeutung zu. Kundenbewegungsbilanzen oder auch -migrationsanalysen, die etwa auf Data Mining oder KI basieren, zeigen die Abwanderungsraten in einem bestimmten Zeitraum auf. "Dabei ist die Churn- oder Abwanderungsrate als Quotient der Anzahl aller innerhalb einer Periode beendeten Kundenbeziehungen und der Gesamtzahl aller Kunden des betrachteten Unternehmensbereichs definiert", erklären Papenhoff/Lübke.
Vor allem in der Telekommunikationsindustrie mit ihren wettbewerbsintensiven Services, aber auch im Bankensektor und weiteren vertriebsstarken Branchen spielen Churn-Maßnahmen, um die Kundenabwanderungsquoten zu senken, eine große Rolle. Abdelrahim Kasem Ahmad, Assef Jafar und Kadan Aljoumaa erklären in der Ausgabe 1 | 2019 des Journal of Big Data an einem Beispiel aus der Telekommunkationsbranche, wie etwa Machine Learning in Big Data-Plattformen genutzt wird, um die Churn-Quoten zu senken. Dabei wurden Daten aus früheren Kundenvorgängen im Zeitraum von neun Monaten aus allen kundenbasierten Informationen und Funktionalitäten sowie Aktivitäten in sozialen Netzwerken und gleiche Wertvorstellungen von Kunden innerhalb einer Big Data-Plattform ausgewertet. Die Auswertung basierte auf einem Datenset aus Machine Learning und Algorithmen, um die Wahrscheinlichkeiten zur Kundenabwanderung zu analysieren, wie das Autorenteam im Kapitel "Customer churn prediction in telecom using machine learning in big data platform" erklärt. Die Autoren stellen fest, dass Kundenabwanderung ein Problem und eine der größten Herausforderungen für große Unternehmen ist, da diese sich direkt auf den Umsatz auswirkt.