From Churn Prediction to Retention Pricing: A Cost-Sensitive Decision Framework for Managing Revenue at Risk in Subscription Services
Dieses Paper präsentiert ein kostenorientiertes Entscheidungsframework, das die Abwanderungsprognose in eine handlungsrelevante Kundenbindungsstrategie transformiert, indem es das gefährdete Umsatzpotenzial quantifiziert und aufzeigt, dass eine breite, kostengünstige Ansprache zur Maximierung des Nettovorteils bei Abonnementdiensten der engen, hochpräzisen Zielgruppenansprache ökonomisch überlegen ist.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der Welt der Abonnementdienste, von Streaming-Plattformen bis hin zu Mobilfunkverträgen, hängt das Überleben eines Unternehmens von einem einfachen, kontinuierlichen Kreislauf ab: neue Kunden zu gewinnen und diejenigen zu halten, die man bereits hat. Die Herausforderung, Kunden zu halten, wird als „Retention“ bezeichnet, während der Vorgang, bei dem ein Kunde geht, als „Churn“ (Abwanderung) bezeichnet wird. Für ein Unternehmen ist der Verlust eines Kunden nicht nur ein einzelner verlorener Verkauf; es ist das Verschwinden eines stetigen Einkommensstroms, der durch die Gewinnung einer neuen Person ersetzt werden muss, was fast immer wesentlich teurer ist. Aus diesem Grund haben Unternehmen schon lange versucht vorherzusagen, wer kurz davor steht zu gehen, um intervenieren zu können. Traditionell wurde diese Vorhersage als reines Mathematikproblem behandelt, bei dem das Ziel darin besteht, ein Computermodell zu erstellen, das so oft wie möglich richtig rät. Eine allgemeine Korrektheit ist jedoch nicht dasselbe wie eine geschäftliche Nützlichkeit. Ein Modell mag insgesamt sehr genau sein, aber dennoch scheitern, wenn es ein Unternehmen nicht darin leitet, wen es anrufen soll, welches Angebot man machen sollte oder wie viel dieses Angebot kosten darf. Die eigentliche Frage lautet nicht nur: „Wer wird gehen?“, sondern: „Für wen lohnt es sich, einen Versuch zu unternehmen?“
Diese Forschung verfolgt einen anderen Ansatz, indem sie die Vorhersage, wer gehen wird, nicht als Selbstzweck betrachtet, sondern als Ausgangspunkt für eine finanzielle Entscheidung. Die Studie konzentriert sich auf einen Datensatz von über 7.000 Kunden eines Telekommunikationsanbieters und untersucht deren Abrechnungsdaten, die Dauer ihrer Betriebszugehörigkeit sowie die Art des abgeschlossenen Vertrags. Die Forscher bauten zunächst ein System des maschinellen Lernens auf, das jeden Kunden nach seiner Wahrscheinlichkeit zu kündigen ordnet. Entscheidend war, dass sie dieses System so konzipierten, dass es den häufigen Fehler vermeidet, bei dem der Computer während des Trainings zukünftige Daten verwendet, um sicherzustellen, dass die Ranglisten ehrlich und zuverlässig sind. Sobald sie eine Liste von Kunden hatten, die nach Risiko geordnet waren, hörten sie nicht bei der Vorhersage auf. Stattdessen stellten sie eine praktische Frage: Wenn das Unternehmen einen Rabatt anbietet, um einen Kunden zu halten, an welchem Punkt übersteigt die Kosten des Rabatts den Wert des bleibenden Kunden?
Die Analyse ergab ein frappierendes Ungleichgewicht darin, wo tatsächlich Geld auf dem Spiel steht. Während Kunden mit monatlich kündbaren Verträgen nur etwa die Hälfte der Gesamtkundenbasis ausmachen, machen sie fast 87 Prozent des derzeit gefährdeten Jahresumsatzes aus. Diese Kunden wandern mit einer Rate ab, die mehr als fünfzehnmal höher ist als die von Kunden mit Zwei-Jahres-Verträgen. Paradoxerweise sind die Kunden, die am häufigsten gehen, im Durchschnitt diejenigen, die dem Unternehmen den geringsten langfristigen Wert generieren, während die Kunden, die am längsten bleiben, die wertvollsten sind. Dies schafft eine komplexe Situation für Unternehmensleiter: Das Segment, das am wahrscheinlichsten geht, ist auch dasjenige, das am günstigsten zu verlieren ist, doch weil so viele von ihnen gleichzeitig gehen, ist der gesamte finanzielle Einsatz massiv.
Um dies zu lösen, testeten die Forscher eine Strategie, bei der Kunden basierend auf ihrem Risiko-Score mit Erhaltungsangeboten kontaktiert werden. Sie simulierten verschiedene Szenarien unter der Annahme unterschiedlicher Kosten für die Angebote und unterschiedlicher Erfolgsraten bei der Überzeugung von Menschen, zu bleiben. Die Ergebnisse zeigten, dass die profitabelste Strategie nicht darin besteht, auf eine sehr hohe Gewissheit zu warten, dass ein Kunde kündigen wird, bevor man handelt. Stattdessen legen die Daten nahe, dass Unternehmen ein viel breiteres Netz auswerfen sollten. Die optimale Strategie besteht darin, Kunden selbst dann zu kontaktieren, wenn ihre Abwanderungsgefahr noch relativ gering ist, spezifisch bei einer Wahrscheinlichkeit von etwa 15 Prozent. Dies mag kontraintuitiv erscheinen, da es bedeutet, viele Menschen zu erreichen, die ohnehin geblieben wären. Die Mathematik zeigt jedoch, dass die Kosten für das Senden eines kleinen Rabatts an ein paar zusätzliche Personen weit niedriger sind als die Kosten, die Chance zu verpassen, einen Kunden zu retten, der tatsächlich geht. In den Simulationen generierte dieser breite Ansatz mit niedriger Schwelle signifikant mehr Nettovorteil als eine enge, hochpräzise Strategie, die nur die offensichtlichsten Fälle ins Visier nimmt.
Die Studie kommt zu dem Schluss, dass das Management der Kundenbindung von einem engen Fokus auf Genauigkeit zu einem breiteren Fokus auf Ökonomie übergehen muss. Da die Kosten für den Verlust eines Kunden im Vergleich zu den Kosten eines gescheiterten Erhaltungsangebots sehr hoch sind, ist es finanziell sinnvoll, bei der Kontaktaufnahme großzügig zu sein. Die Ergebnisse weisen auch auf eine spezifische Preisstrategie hin: Unternehmen sollten die Vertragslaufzeit als Hebel nutzen, um Kunden von der riskanten, monatlich kündbaren Gruppe in längerfristige Verpflichtungen zu bewegen, anstatt sich allein auf reaktive Rabatte zu verlassen, nachdem ein Kunde bereits entschieden hat zu gehen. Durch die direkte Verknüpfung der Vorhersage, wer gehen könnte, mit den Kosten, ihn zu halten, bietet diese Arbeit eine klare, reproduzierbare Methode für Unternehmen, um zu entscheiden, wie sie ihr Budget für die Kundenbindung einsetzen, und verwandelt so ein statistisches Modell in einen praktischen Leitfaden zum Schutz von Umsätzen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.