Datengestützte Kundenabwanderungsprävention

Langfristige und profitable Kundenbeziehungen sind für Unternehmen eine der tragenden Säulen für den wirtschaftlichen Erfolg. Bei hohen Kosten für die Neukunden-Gewinnung ist die Sicherung der bestehenden Kundenbeziehungen eine wichtige Herausforderung, die nicht leicht zu bewältigen ist. Auf den gesättigten Märkten ist der Kampf um neue, wechselwillige Kunden stärker als je zuvor. Mit speziellen Wechselangeboten, verbunden mit besonderen Konditionen und Boni für Neukunden, wird auch die Loyalität von Kunden, die eher wenig wechselbereit sind, auf die Probe gestellt. 

Bei einer durchschnittlichen Wechselrate von 20-30% in Deutschland ist es für jedes Unternehmen enorm wichtig, die attraktiven Kunden durch entsprechende Maßnahmen langfristig an sich zu binden. Unternehmen, die in der Lage sind, Abwanderungstendenzen frühzeitig zu erkennen und sich diesen entgegenstellen, haben einen strategischen Vorteil im Markt. Die Kundenabwanderungsprävention ist also eine notwendige und komplexe Herausforderung für jedes Unternehmen.

Die S&N-Lösung zur Kundenabwanderungsprävention setzt auf ein zweiphasiges, prozessgesteuertes Modell. Die erste Phase dient der Früherkennung. Auf Basis der hier gewonnenen Erkenntnisse dient die zweite Phase der nachgelagerten Prävention und der Rückgewinnung der Kunden. Da die Vorgehensweise der zweiten Phase stark von den Ursachen der Abwanderungstendenzen abhängt, konzentrieren wir uns hier auf den Aufbau einer erfolgreichen Früherkennung und die nötigen Voraussetzungen.

Datengestützte Kundenabwanderungsprävention

Die Grundlage der Früherkennung von abwanderungsbereiten Kunden bilden die Informationen über die Kunden. Ein Wechsel der Bank ist in der Regel kein spontaner Entschluss. Vielmehr geht ihm eine Reihe von Schritten und Ereignissen voraus, die Hinweise liefern, anhand derer ein Kunde als abwanderungsgefährdet eingestuft werden kann.

Diese Informationen kommen über verschiedene Kanäle vom Kunden, neben den Informationen aus dem Customer Relationship Management (CRM) sind auch die Informationen aus der Kreditsachbearbeitung, dem Rechnungswesen, dem Mahnwesen und allen Bereichen, die direkt oder indirekt Daten über die Kunden halten oder ermitteln, relevant. Darüber hinaus gibt es eine Reihe von externen Faktoren, die Einfluss auf das Verhalten der Kunden haben können.

Für die Auswertung der Informationen müssen alle Daten zusammengeführt werden. Steht ein Data Warehouse zur Verfügung, liegen die reinen Geschäfts- und Partnerdaten meistens schon in einer für das normale Reporting auswertbaren Form vor. Daten aus dem CRM, insbesondere Daten aus der Dokumentation der Kundenkontakte, liegen üblicherweise in Textform vor und müssen für die Weiterverarbeitung erst aufbereitet werden. Die Analyse nach Schlüsselwörtern ist hier eine Möglichkeit diese Informationen vorzubereiten.

Externe Daten sind häufig nicht direkt verwertbar, sondern müssen transformiert werden. Alle diese Informationen werden normalisiert und in einen zeitlichen Verlauf gebracht.

Die Suche nach Mustern von abwanderungsgefährdeten Kunden wird anhand der Daten von tatsächlich bereits abgewanderten Kunden durchgeführt. Da hier nach neuen und unbekannten Mustern gesucht wird, bieten sich Struktur erkennende Verfahren wie die partitionierende Clusteranalyse an. Vor der eigentlichen Suche kann die Faktorenanalyse herangezogen werden. Sie führt zu einer Reduzierung der Menge der relevanten Attribute. Das Ergebnis dieser Suche ist üblicherweise eine Vielzahl von Clustern, die vor einer Abwanderung gemeinsame Merkmale aufweisen. Mit weiteren Verfahren wie z.B. einer Diskriminanzanalyse kann die Spezifität der Merkmale anschließend verifiziert werden. Wichtig für das Ergebnis sind neben denen im Vorfeld zusammengetragenen Daten insbesondere deren metrische Aufbereitung und die Wahl der Distanzfunktion anhand derer die Zugehörigkeit zu Clustern entschieden wird.

Als ein Ergebnis der Clusteranalyse werden gruppenspezifische Merkmale identifiziert, die repräsentativ für kleinere bis größere Gruppen sein können und jeweils eine Reihe möglicher Szenarien beschreiben. Diese Cluster geben Hinweise über die Gründe der Abwanderung. Bildet sich beispielsweise eine Gruppe mit einer Häufung aus dem Bereich von externen Merkmalen, kann dies ein Hinweis darauf sein, dass am Markt neue Produkte und Angebote entstehen, die eine höhere Attraktivität haben. Eine Häufung im Bereich von Serviceanfragen kann ebenso ein Hinweis auf ein verändertes Verhalten von Kunden sein. Die Ergebnisse sind zu analysieren, um mit passenden Strategien eine zielgerichtete Abwanderungsprävention starten zu können.

Diese als relevant eingestuften Muster dienen im zweiten Schritt als Suchmuster für Auswertungen, um potenziell abwandernde Kunden im Gesamtbestand zu finden. Das Ergebnis der Auswertung ist eine Menge von Kunden, welche eine erhöhte Wahrscheinlichkeit haben, dass sie zu einem Konkurrenten abwandern. Für diese sollten besondere Kundenbindungsmaßnahmen veranlasst werden.

Erfolgreiche Abwanderungsprävention ist keine einmalige Sache. Die Resultate einer durchgeführten Prävention führen dazu, dass gefundene Abwanderungsgründe nicht mehr die Relevanz besitzen, die sie hatten. Es entstehen andere Ursachen, die erneut identifiziert und untersucht werden müssen. Eine auf Dauer angelegte Prävention bedeutet regelmäßiges Suchen, Finden und Abstellen von Abwanderungsursachen.

Eine sinnvolle Frequenz hängt von vielen Faktoren ab. Die Komplexität und Bandbreite der Produkte ist ebenso ein Faktor wie die Dauer von der Früherkennung bis zum Nachweis, dass die Abwanderung sich nach der Umsetzung der Präventionsmaßnahmen reduziert hat.

Ansprechpartner: Jürgen Erdmann; Turn on Javascript!