Prädiktive Kundenanalyse

Das Wichtigste in Kürze

Segmentierung beschreibt den Zustand, prädiktive Kundenanalyse schätzt ein künftiges Verhalten mit Zeitfenster. Ohne festgelegten Prognosehorizont ist eine Punktzahl nicht interpretierbar.
Die Definition der Abwanderung gehört schriftlich vor das Modell. Vertragsgeschäft und Geschäft ohne Vertragsbindung brauchen unterschiedliche Definitionen, und die Definition bestimmt, was das Modell lernt.
Merkmale, die erst im Zuge der Kündigung entstehen, erzeugen ein Modell mit hervorragenden Testwerten und ohne Nutzen im Betrieb. Entscheidend ist der Zeitpunkt, an dem ein Feld geschrieben wird.
Hohe Abwanderungswahrscheinlichkeit und Beeinflussbarkeit sind zwei verschiedene Größen. Wer die riskantesten Kunden anspricht, gibt das Budget dort aus, wo sich am wenigsten ändern lässt.
Ohne zufällig gebildete Kontrollgruppe lässt sich die Wirkung einer Maßnahme nicht von der Wirkung der Auswahl trennen. Die Kontrollgruppe muss dauerhaft bestehen, weil die Wirkung über die Zeit nachlässt.

Eine prädiktive Kundenanalyse schätzt je Kunde die Wahrscheinlichkeit, dass er im nächsten Quartal abwandert, ein weiteres Produkt kauft oder seinen Umsatz reduziert. Das Modell dafür ist mit gängigen Verfahren gut beherrschbar. Dass solche Programme die Kundenbindung dennoch nicht verbessern, liegt regelmäßig an den Entscheidungen davor und danach: Definition der Zielgröße, Auswahl der angesprochenen Kunden, Wirtschaftlichkeit der Maßnahme und fehlende Kontrollgruppe. Dieser Artikel behandelt diese Punkte.

Was prädiktive Kundenanalyse von Segmentierung unterscheidet

Klassische Segmentierung ordnet Kunden nach beobachteten Merkmalen: Umsatz, Kaufhäufigkeit, Zeitpunkt des letzten Kaufs, Produktbesitz, Branche. Das Ergebnis beschreibt einen Zustand und ist als Beschreibung nützlich.

Eine prädiktive Kundenanalyse beantwortet eine andere Frage. Sie schätzt ein künftiges Verhalten für einen benannten Zeitraum, und daraus folgt eine Anforderung, die der Segmentierung fehlt: Es muss feststehen, welches Verhalten gemeint ist und in welchem Zeitfenster es eintritt.

Der praktische Unterschied zeigt sich im Umgang mit dem Ergebnis. Ein Segment beantwortet die Frage, wen man ansprechen könnte. Eine Prognose mit Horizont beantwortet die Frage, wann eine Maßnahme noch wirken kann. Eine Punktzahl ohne Horizont beantwortet keine von beiden, weil unklar bleibt, ob es um die nächsten vier Wochen oder das nächste Jahr geht. Welche Methode zu welcher Fragestellung gehört, behandelt unser Artikel zur prädiktiven Analyse.

Zielgröße der prädiktiven Kundenanalyse festlegen

Die Zielgröße ist der eigentliche Kern der Aufgabe, und sie wird häufig aus einem bestehenden Bericht übernommen, ohne geprüft zu werden. Zwei Unternehmen mit identischem Datenmodell und identischem Verfahren erhalten nicht vergleichbare Ergebnisse, wenn sie Abwanderung unterschiedlich definiert haben.

Im Vertragsgeschäft gibt es ein Ereignis: Kündigung, ausbleibende Verlängerung, Vertragsende. Die Definition wirkt einfach und verlangt dennoch Entscheidungen. Zählt der Eingang der Kündigung oder das Vertragsende? Ist der Wechsel in den kleinsten Tarif eine Abwanderung? Was gilt, wenn von vier Verträgen einer gekündigt wird? Eine Beendigung wegen Zahlungsausfall ist etwas anderes als eine freiwillige Kündigung, weil die wirksame Maßnahme eine andere ist.

Ohne Vertragsbindung existiert kein Ereignis, und Abwanderung muss aus Inaktivität konstruiert werden. Neunzig Tage ohne Kauf bedeuten im Lebensmittelhandel etwas anderes als bei jährlich beschafften Investitionsgütern. Das Fenster gehört aus der beobachteten Verteilung der Kaufabstände abgeleitet, etwa als hohes Perzentil, nicht als gerundeter Wert gesetzt.

Zwei weitere Festlegungen gehören dazu. Der Prognosehorizont: 30, 60 oder 90 Tage. Und der Datenschnitt: welche Informationen im Moment der Prognose vorlagen. Alles, was danach entsteht, steht im Betrieb nicht zur Verfügung.

Dieser letzte Punkt verdient Nachdruck, weil er die häufigste Ursache für Pilotprojekte ist, die sich nicht reproduzieren lassen. Eine Kündigung hinterlässt Spuren im Umfeld des Ereignisses: ein Vermerk aus dem Rückgewinnungsgespräch, eine Kennzeichnung für die Schlussrechnung, ein geänderter Vertragsstatus. Ein Modell, das diese Felder verwendet, erreicht ausgezeichnete Testwerte und ist im Betrieb wertlos, weil die Felder zum Zeitpunkt der Prognose leer sind. Zu prüfen ist deshalb für jedes Merkmal, wann es geschrieben wird, nicht, ob es im Datenmodell vorhanden ist.

Abwanderungsprognose: der Anwendungsfall mit dem größten Hebel

Von den möglichen Zielgrößen ist Abwanderung meist die wirtschaftlich bedeutendste, weil der Wert eines gehaltenen Kunden bekannt ist und die Kosten der Neugewinnung in der Regel deutlich darüber liegen.

Die Daten liegen zudem üblicherweise vor: Vertrags- und Tarifhistorie, Nutzungs- oder Kaufverhalten, Servicekontakte, Störungsmeldungen, Zahlungsverhalten, Reklamationen. Diese Quellen sind über mehrere Systeme verteilt, und die erste ernsthafte Arbeit besteht darin, sie auf eine belastbare Kundenidentität zu beziehen. Ein Modell, das auf nicht zusammengeführten Datensätzen rechnet, bewertet Datensätze und nicht Kunden. Die Voraussetzungen dafür behandelt unser Artikel zur Datenqualität im Unternehmen.

Abwanderungswahrscheinlichkeit und Beeinflussbarkeit

In Projekten von DNA Solutions ist dies der Fehler mit den höchsten Kosten, und er entsteht ohne Zutun, weil er der naheliegenden Vorgehensweise entspricht.

Das intuitive Programm nimmt das oberste Risikodezil und spricht es an. Eine hohe Abwanderungswahrscheinlichkeit bedeutet aber häufig, dass die Entscheidung bereits gefallen ist: Der Kunde hat beim Wettbewerber abgeschlossen, ist umgezogen, hat den Betrieb aufgegeben oder hat eine Beschwerde, die kein Rabatt beantwortet. Das Budget wird damit dort eingesetzt, wo sich am Ergebnis am wenigsten ändern lässt.

Manche Maßnahmen wirken zusätzlich gegen das Ziel. Wer einen zufriedenen, wenig aufmerksamen Kunden auf seinen Vertrag anspricht, veranlasst eine Prüfung, die ohne die Ansprache nicht stattgefunden hätte. Und ein Nachlass an einen Kunden, der ohnehin geblieben wäre, macht aus einem gehaltenen Kunden einen günstigeren gehaltenen Kunden. Dieser Margenverlust wird in der Kampagnenauswertung als Erfolg geführt.

Die relevante Größe ist die Veränderung der Bleibewahrscheinlichkeit durch die Maßnahme. Sie lässt sich nur schätzen, wenn Daten aus einer zufälligen Zuteilung vorliegen, also aus einer Kampagne, in der die Ansprache über den gesamten Risikobereich hinweg zufällig verteilt wurde.

Daraus folgt eine Reihenfolge für den Aufbau. Der erste Durchlauf eines Bindungsprogramms sollte so angelegt sein, dass er diese Daten erzeugt: zufällige Auswahl innerhalb der infrage kommenden Kunden, vollständige Dokumentation darüber, wer infrage kam, wer angesprochen wurde, mit welchem Angebot und mit welchem Ergebnis. Erst der zweite Durchlauf kann auf geschätzter Wirkung statt auf Wahrscheinlichkeit steuern. Wer diesen Schritt überspringt, kann die Wirkung der Kampagne dauerhaft nicht von der Wirkung der Auswahl trennen.

Von der prädiktiven Kundenanalyse zur konkreten Maßnahme

Mit Risiko, Kundenwert und einer Einschätzung der Beeinflussbarkeit wird die Steuerungsregel eine Rechnung: Angesprochen wird, wo der erwartete gehaltene Deckungsbeitrag über den erwarteten Kosten der Maßnahme liegt, einschließlich der Kosten für alle Angesprochenen, die ohnehin geblieben wären.

Der Kundenwert muss dabei nach vorne gerichtet sein. Der Umsatz der vergangenen zwölf Monate ist ein schwacher Ersatz, besonders bei rückläufiger Nutzung, und er überschätzt Kunden am Ende eines Vertragszyklus. Sachgerecht ist der erwartete Deckungsbeitrag über einen festgelegten künftigen Zeitraum, abzüglich der Betreuungskosten. Der Deckungsbeitrag ist die richtige Bezugsgröße, nicht der Umsatz: Ein umsatzstarker Kunde mit geringer Marge kann weniger wert sein als ein kleinerer.

Die Maßnahme selbst gehört zur Ursache des erhöhten Risikos, die das Modell über die einflussreichsten Merkmale je Kunde anzeigen kann:

Häufende Störungs- oder Reklamationsfälle verlangen eine technische oder organisatorische Klärung, nicht einen Preisnachlass.
Ein Tarif, der nicht mehr zur Nutzung passt, verlangt ein Tarifgespräch. Es hält häufig ohne Nachlass, weil es ein Ärgernis beseitigt.
Ein näher rückendes Vertragsende verlangt ein Verlängerungsgespräch mit ausreichendem Vorlauf.
Nachlassende Nutzung bei ungenutztem Leistungsumfang verlangt Einarbeitung und Begleitung.
Risiko aus Zahlungsverzug gehört in den Forderungsprozess, nicht in eine Bindungskampagne.

Der Nachlass ist die voreingestellte Maßnahme, weil er am einfachsten auszuführen ist. Er ist selten die wirksamste, weil er die Marge bei jedem Empfänger senkt, unabhängig davon, ob er die Entscheidung verändert hat.

Messung braucht eine dauerhafte Kontrollgruppe

Die verbreitete Auswertung vergleicht die Bindungsquote der angesprochenen Kunden mit der Quote der nicht angesprochenen. Dieser Vergleich ist nicht interpretierbar, weil beide Gruppen unterschiedlich zustande kamen. Er fällt meist zu günstig aus.

Erforderlich ist eine zufällig gebildete Kontrollgruppe: Innerhalb der infrage kommenden Kunden wird ein fester Anteil zufällig von der Maßnahme ausgenommen. Die Differenz der Bindungsquoten zwischen angesprochener und ausgenommener Gruppe ist die Wirkung des Programms. Zehn Prozent genügen bei üblichen Mengen, um relevante Effektgrößen nachzuweisen.

Zwei Eigenschaften sind entscheidend. Die Gruppe muss zufällig innerhalb der infrage kommenden Kunden gebildet werden, nicht aus denen bestehen, die an einem anderen Filter gescheitert sind. Und sie muss dauerhaft bestehen, weil die Wirkung nachlässt: Wettbewerbsangebote ändern sich, der Kundenbestand verschiebt sich, und eine Maßnahme verliert ihre Wirkung ohne Ankündigung. Eine einmalig zum Start gebildete Kontrollgruppe misst ein Programm, das es später nicht mehr gibt.

Mit Widerstand gegen das Aussetzen der Ansprache ist zu rechnen. Das sachliche Gegenargument: Ohne Kontrollgruppe lässt sich nicht sagen, ob das Budget Kundenbindung erzeugt oder Kunden verbilligt, die ohnehin geblieben wären. Diese Frage wird gestellt, sobald das Budget geprüft wird.

Neben der Bindungsquote gehören der gehaltene Deckungsbeitrag nach Abzug der Maßnahmenkosten und das Einlöseverhalten in die Auswertung. Eine dauerhaft hohe Einlösequote bei Nachlässen ist ein Hinweis darauf, dass die Ansprache Kunden ohne Risiko erreicht.

Scoring im CRM: die Punktzahl am Entscheidungspunkt

Ein Modell, das eine monatliche Datei für die Fachabteilung erzeugt, hat keinen Weg zur Handlung. Die Punktzahl muss in dem System vorliegen, in dem entschieden wird, und in dem Takt, in dem entschieden wird.

Für die aktive Ansprache ist das das Kampagnensegment im CRM, aktualisiert im Kampagnentakt. Für den eingehenden Kontakt ist es die Oberfläche im Service, im Moment des Gesprächs. Das ist die wirtschaftlich beste Platzierung, weil der Kunde den Kontakt selbst herstellt: Die Ansprache verursacht keine zusätzlichen Kosten und der Zeitpunkt ist zutreffend. Für Selbstbedienungsstrecken ist es der Kündigungsprozess selbst.

Der eingehende Fall stellt eine Anforderung, die eine wöchentliche Verarbeitung nicht erfüllt. Eine nächtlich berechnete Punktzahl ist tragfähig, eine wöchentliche nicht, weil sich die Lage des Kunden in der Zwischenzeit verändert hat. Was den Weg in den Betrieb voraussetzt, behandelt unser Artikel dazu, KI im Unternehmen in Produktion zu bringen.

Im Servicefall gehört neben die Punktzahl eine Begründung. Eine Zahl ohne Erläuterung wird entweder übergangen oder überschätzt. Zwei bis drei ausschlaggebende Merkmale in verständlicher Sprache, mit der vorgeschlagenen Maßnahme, machen sie verwendbar.

Datenschutz, DSGVO und Nachvollziehbarkeit der Prognose

Eine prädiktive Kundenanalyse verarbeitet personenbezogene Daten zu einem Zweck, der bei der Erhebung meist nicht vorgesehen war. Drei Punkte gehören deshalb vor den Aufbau und nicht in die Freigabe am Ende.

Die Rechtsgrundlage je Datenquelle und Verwendungszweck, dokumentiert, mit Prüfung der Zweckbindung. Die Erklärbarkeit je Einzelfall, weil Mitarbeitende die Punktzahl gegenüber Kunden vertreten müssen und Auskunftsersuchen beantwortet werden. Und die Aufbewahrung, also wie lange Prognosen gespeichert bleiben, die eine Aussage über eine Person treffen. Wo die Prognose eine Entscheidung mit Wirkung für den Kunden weitgehend allein bestimmt, gehört die Einordnung nach der EU-KI-Verordnung an den Anfang der Konzeption.

Was eine tragfähige prädiktive Kundenanalyse enthält

Zusammengefügt: eine schriftliche Zielgröße mit Horizont und Datenschnitt; eine belastbare Kundenidentität über die beteiligten Systeme; ein Modell, dessen Merkmale zum Prognosezeitpunkt nachweislich vorliegen; ein erster Durchlauf mit zufälliger Zuteilung, der die Daten für eine Wirkungsschätzung erzeugt; eine Steuerungsregel auf Basis des erwarteten Deckungsbeitrags nach Maßnahmenkosten; nach Ursache unterschiedene Maßnahmen; eine dauerhafte zufällige Kontrollgruppe; und die Zustellung der Punktzahl an den Entscheidungspunkt im richtigen Takt.

Das Modell ist wenige Wochen davon. Der Rest entscheidet, ob sich die Bindungsquote bewegt.