tetrel Logo tetrel Logo

Diggin' Deeper, Vol. 2: mit KI versteckte Risiken erkennen

2021-06-14 von Johannes Humbert (LinkedIn | Twitter)

Zufriedene Kunden sind wertvolle Kunden. Besser sind begeisterte Kunden, die gar nicht daran denken, abzuwandern. Churn Prevention auf Basis von künstlicher Intelligenz kann begeistern – Kunden, Marketing und Vertrieb.

Es gibt im Marketing und Vertrieb eine Regel, die besagt, dass es bis zu achtmal so viel kostet, einen enttäuschten Kunden zurückzuholen, und viermal mehr, um einen Kunden zu halten, wie es kostet, einen neuen Kunden zu gewinnen. Die Gründe, warum ein Kunde sich entscheidet, zu gehen, sind extrem unterschiedlich und hängen von vielen Faktoren ab, die auch noch von Branche zu Branche variieren. Ebenso vielfältig sind die Gründe auch je nach Phase im Customer Lifetime Circle. Kein Wunder also, dass Churn Prediction und Churn Prevention im Marketing- und Vertriebs-Mix eine wichtige Rolle einnehmen.

Einmal verstehen, warum?

Bevor man CRM-Maßnahmen einleitet, um Kunden zu halten, sollte man besser erstmal die Gründe genau verstehen, warum aus einem Bestandskunden ein potenzieller baldiger Ex-Kunde werden kann. Klingt doch eigentlich logisch, oder? Schließlich will man ja gezielt dagegen steuern und nicht wahllos irgendwelche Angebote an alle Kunden machen, die im Bestand sind, so nach dem Motto „Damit holen wir auch die unzufriedenen Kunden ab.“ Natürlich gibt es auch Situationen, da muss man nicht großartig darüber nachdenken, warum einem plötzlich die Kunden davonrennen. Sei es ein Shitstorm in Social Media, fehler- oder mangelhafte Produkte in Testbewertungen, Skandale in PR, verfehlte Preispolitik oder Konkurrenzangebote oder oder oder … dafür braucht es keine künstliche Intelligenz, wirklich nicht.

Unter dem Radar, auf dem Radar

Für die vielen anderen Gründe für Churn, die eben nicht so offensichtlich sind, gibt es KI-Lösungen, um diese zu verstehen. Da wird dann tief unter der Oberfläche gegraben. Mit transparenten Algorithmen werden aus Kundendaten nachvollziehbar die Gründe für Churn ermittelt – und fortlaufend optimiert. Soll heißen, es ist kein einmaliger Prozess, sondern eine andauernde Analyse, die stets verfeinert wird. Dazu werden historische und aktuelle Kundendaten verwendet, kausale Zusammenhänge automatisch interpretiert – selbstverständlich DSGVO-konform.

Gründe sichtbar gemacht, Empfehlungen ausgesprochen

Wenn dann klar ist, was die möglichen Gründe für Churn sind, können gezielte CRM-Maßnahmen eingeleitet werden. Also CRM (hier: Customer Relationship Management) in seiner besten Form, nicht mit der Gießkanne wahllos alles zuschütten – denn da verbirgt sich eine weitere Gefahr, gleich dazu mehr. Ganz im Sinne von CRM werden dann diese ergriffenen Maßnahmen ausgewertet und die Ergebnisse validiert. So lernt das KI-Modell ständig hinzu und kann die weiteren Handlungsempfehlungen kontinuierlich verbessern. Man kann sagen: Je länger dieser sich wiederholende Prozess durchgeführt wird, desto tiefer gräbt sich das KI-Modell in die Materie und fördert wichtige Erkenntnisse zutage.

Gezielt die Einen und nicht die Anderen …

Wake-Up Churn – das passiert, wenn man mit der Gießkanne vorgeht. Man weckt Kunden auf, die man besser nicht hätte wecken sollen. „Ach, stimmt ja, ich habe da ja diese eine eigentlich völlig überflüssige Versicherung …“ oder „Wenn ich jetzt gerade darüber nachdenke, vielleicht sollte ich mich mal nach einem neuen Anbieter umschauen …“ Ein KI-Modell kann solche Kunden erkennen und sie so von CRM-Maßnahmen ausklammern. Anders formuliert: Ja, schlafende Hunde sollte man besser nicht wecken.

Da geht aber noch mehr in der Tiefe

Ein KI-Modell lernt aus den CRM-Daten, so weit, so gut. Churn Prediction ist, wie gesagt, nur der Anfang. Churn Prevention ist der nächste Schritt. Dazu gehören dann Dinge wie Causal Inference und Uplift-Modelle. Das würde aber jetzt hier an dieser Stelle zu sehr in die Tiefe gehen. Nur so viel kurz gesagt: Dabei wird beispielsweise durch A/B-Testing weiter in Daten gegraben und noch mehr Wissen aus dem Boden geholt. Und je mehr man weiß, desto besser kann man agieren – anstatt nur zu reagieren. Und die Ergebnisse sehen dann ziemlich gut aus – für Marketing, Vertrieb und natürlich die Kunden selber.