Kundenbindung – Von Profis lernen


Ob Versicherungsabschluss, Telefonvertrag oder die Wahl der neuen Kaffeemaschine: Der moderne Konsument prüft, vergleicht und informiert sich ausführlich, bevor er eine Kaufentscheidung trifft. Internet macht’s möglich. Das World Wide Web hat Angebote und Anbieter so transparent gemacht wie noch nie, was sich auch in einer steigenden Zahl von Wechselwilligen niederschlägt. Eine Situation, die vielen Unternehmen zunehmend Kopfzerbrechen bereitet. Kundenbindung ist zur zentralen Aufgabe und geschäftskritischer Faktor geworden. Amazon hat die Zeichen der Zeit erkannt und frühzeitig eine wirksame Methode entwickelt, um Abwanderung vorzubeugen und treue Kunden zu gewinnen. Davon können sich Banken einiges abschauen.

Das Geschäftskonzept von Amazon: Mit personalisierten Angeboten die Kunden binden. Dafür wird das Kaufverhalten analysiert und mit ähnlichen Profilen verglichen. Aus diesem Datenpool können die Experten des E-Commerce-Unternehmens ersehen: Wer Produkt A kauft, dem gefällt mit großer Wahrscheinlichkeit auch Produkt B. Dem Klienten werden auf ihn zugeschnittene Empfehlungen angezeigt oder ergänzende Produkte vorgeschlagen.

Oftmals bauen Unternehmen auf Hypothesen und entwickeln Prognosemodelle, um Kunden, die abzuwandern drohen, rechtzeitig zu erkennen. Die Erfolgsquote mit diesen Systemen liegt allerdings bei unter 50 Prozent. Innovative Unternehmen setzen dagegen auf eine Mustererkennung und vergleichen das Verhalten abgewanderter Käufer mit dem bestehenden Kundenstamm. Je mehr Übereinstimmung in den Profilen, desto wahrscheinlicher der drohende Verlust. Die Erfolgsgarantie für die Identifikation solcher abwanderungsgefährdeter Kunden kann bei dieser Methode bei mehr als 90 Prozent liegen.

Auch bei Kreditinstituten steigt die Sensibilität in Bezug auf die Personalisierung ihrer Services. Eine Mustererkennung wie im E-Commerce-Bereich wird jedoch noch selten eingesetzt.

GFT hat für diese Zwecke ein sogenanntes Closed Loop Churn Management für Finanzdienstleister entwickelt:

Das Modell basiert auf Verhaltensmustererkennungen und nicht auf bloßen Annahmen. Mehr als 200 verschiedene statistisch-mathematische Verfahren zur Mustererkennung werden iterativ und automatisiert angewendet.

Das entsprechende Modell wird als Ergebnis nahtlos in ein Entscheidungswerkzeug übertragen, dem individuelle Entscheidungsregeln zur Berechnung des Churn-Scores im Verhältnis zu Value- und Risk-Scores zugrunde liegen. Darüber hinaus werden dort definierte Handlungsempfehlungen je nach Scoring bewertet und priorisiert.

Bei Durchführung einer Maßnahme im CRM und/oder Kampagnenmanagement werden die Ergebnisse dann zurückübertragen. So wird das Churn-Modell anhand der neuen Erkenntnisse laufend optimiert. Erst so schließt sich der Kreis zu einem „Closed Loop Churn Management“.