Kundenerfolge

Wie ein Energieversorger Kundenabwanderungen verhindert

Auf einen Blick

  • Datenbasiertes Churn-Modell bildet Kundenverhalten in der Zukunft ab
  • Potenzielle Wechselkandidaten werden automatisch erkannt
  • Modell optimiert sich selbstständig durch Künstliche Intelligenz und Machine Learning

Die Geschäftssituation unseres Kunden

Der Markt für Energieversorger ist von einem ähnlichen Leistungs- und Qualitätsniveau der Anbieter sowie sehr geringen Wechselbarrieren für die Verbraucher geprägt. Entsprechend hoch ist die Bereitschaft eines Anbieterwechels. Die Unternehmen reagieren auf diese sinkende Kundenloyalität mit dem sogenannten Churn Management, wobei „Churn“ ein englisches Kunstwort ist, das sich aus „Change“ (Wechsel, Veränderung) und „Turn“ (umschwenken) zusammensetzt. Es geht also um Maßnahmen, die eine Kundenabwanderung verhindern.

Dabei kann der umfassende Einsatz von Daten den Erfolg beachtlich steigern, während die Aufwände sinken. Das zeigt das Beispiel eines unserer Kunden. Frühzeitig haben wir für den inzwischen etablierten Markteinsteiger ein lernendes Churn-Modell aufgesetzt, dass nicht nur potenzielle Wechselkandidaten zuverlässig ermittelt. Gleichzeitig stellt es sicher, dass die zu den Produkten passenden Kunden angesprochen werden.

Die Lösung für unseren Kunden

Das Modell lebt von der Verknüpfung vielfältiger Quellen und Variablen auf einer modernen, digitalen Plattform. Ziel ist es, jeden Kunden möglichst exakt abzubilden. So fließen in das Modell vorhandene Kundenfeedbacks aus dem Call Center und aus Marketingaktionen ein. Ebenso werden die jeweiligen Verbrauchsdaten hinzugezogen, da auch ein unpassender Tarif für Unzufriedenheit sorgen kann. Zudem kommen Informationen zur Wirtschaftlichkeit des Vertrages. Alle diese Daten werden mit Preisvergleichsportalen abgeglichen – heißt: Gibt es Konkurrenztarife, die für den Kunden interessanter sein könnten? Und: Wie steht das Unternehmen überhaupt in einzelnen Tarif-Segmenten gegenüber dem Wettbewerb da?

Weitere Informationen liefern Aktionen wie „Kunden werben Kunden“. Denn aktive „Werber“ gelten als verhältnismäßig sicher. Gleiches gilt für die Angeworbenen. Im Gegenzug steigt bei der Abwanderung solcher Meinungsführer die Gefahr, dass andere Kunden mitziehen. Nicht zuletzt werden externe Quellen einbezogen, wie die Bevölkerungsdichte und Marktdurchdringung in bestimmten PLZ-Gebieten. Beispielsweise wandern in Regionen mit geringer Bevölkerungsdichte und Durchdringung schneller Kunden durch die Empfehlungen von Nachbarn ab.

Wie aus Daten neue Werte werden

Auf dieser Grundlage gibt das Churn-Modell selbstständig zu jedem profitablen Kunden mit potenziellen Wechselabsichten rechtzeitig eine Warnmeldung. Entsprechend kann der Anbieter mit individuell zugeschnittenen Marketingmaßnahmen gezielt – und meist auch erfolgreich – gegensteuern.

Das Besondere an dem Modell ist, dass es sich durch Künstliche Intelligenz und Machine-Learning-Funktionen fortlaufend optimiert und veränderten Rahmenbedingungen anpasst. Ausgangpunkt bilden dabei die vorhandenen Daten aus Vertragsverlängerungen und Vertragskündigungen. Dieses „Lernmaterial“ wird kontinuierlich nach Gesetzmäßigkeiten und Mustern durchsucht. Mit der Zeit kristallisieren sich relevante Variablen heraus, wie z.B. eine Unzufriedenheit mit Preisen oder etwa bestimmten Serviceleistungen. Auch der ideale Zeitpunkt für die Ansprache des Wechselkandidaten lässt sich auf diese Weise ermitteln.


turn your data into value.

jetzt Teilen auf

Auf einen Blick

  • Datenbasiertes Churn-Modell bildet Kundenverhalten in der Zukunft ab
  • Potenzielle Wechselkandidaten werden automatisch erkannt
  • Modell optimiert sich selbstständig durch Künstliche Intelligenz und Machine Learning
Daniel Esser ORAYLIS
turn your data into value

Lassen Sie uns loslegen!

Möchten auch Sie Ihre Daten nutzen, um Ihre Kunden zu begeistern und langfristiger zu binden?

Join #teamoraylispeople

Gestalte mit uns
die Welt der Daten