Churn Prevention - Ein Beispiel aus der Energiewirtschaft

15 Apr. 2021  |  von Martin Clark

Ein Artikel von Apteco in Kooperation mit panadress.

Noch nie zuvor spielten Daten eine derart entscheidende Rolle für den Erfolg von Kundenmanagement. Die Corona-Pandemie hat den Trend, der bereits mit der Liberalisierung des Energiemarktes begann, noch beschleunigt: Kunden sind nur einen Klick von Vergleichsportalen, wie Check24 oder Verivox, entfernt. Ein Wechsel von einem Anbieter, der nicht die gewünschte Customer Experience liefert, zu einem, der mehr verspricht, ist dadurch leichter denn je. Schließlich stellen die Vergleichsportale neben weiteren Informationen auch gleichzeitig eine größere Markttransparenz zur Verfügung. 

Themen wie Kundenwert, Churn Prevention, Loyalty Management und Kundenbindung haben es mittlerweile vom Vortragsthema auf der Veranstaltungsbühne zum zentralen Thema in die Chefetage geschafft. Ein Vorstandsvorsitzender, der die Entwicklung seiner Kundenbasis nicht fest im Griff hat, ist einer, dessen Tage wohl gezählt sind. Daten und Analytics bilden das Herzstück dieser Themen. In diesem Artikel betrachten wir, was erforderlich ist, um all die zuvor genannten Themen zu meistern. 

Starten wir mit einem Use Case aus der Praxis: Churn Prevention

Herr Meier erhält seine Stromrechnung und stellt fest, dass sich der monatliche Beitrag um 50€ erhöht hat. Er ist entsetzt und nachdem er mit seiner Frau gesprochen hat, kontaktiert er das Call Center seines Energieversorgers. Dabei hatte er erst letzten Monat dort angerufen, um sich darüber zu beschweren, dass er den versprochenen smarten Stromzähler noch nicht erhalten hat. Nach langer Zeit in der Warteschleife wird er weitergeleitet, jedoch ist die Leitung nach kurzer Zeit tot. Herr Meier ruft erneut an und landet wieder in der besagten Warteschleife. Inzwischen ist er richtig wütend. Aber letzten Endes kommt er durch und kann mit einem Mitarbeiter des Call Centers sprechen. Selbstverständlich möchte Herr Meier wissen, wie es zu dieser Erhöhung kommen konnte. Der Call Center Mitarbeiter erklärt ihm, dass sein Verbrauch gestiegen ist (eventuell bedingt durch sein Homeoffice und das Homeschooling seiner Kinder aufgrund der Corona-Pandemie). Außerdem wurden die Strompreise angepasst, was ebenfalls zu einer Erhöhung des monatlichen Beitrags führte. Herr Meier möchte wissen, ob es eine Möglichkeit gibt bei dem vorherigen Beitrag zu bleiben. Leider gibt es diese nicht und so beendet er den Anruf und sucht gleich im Anschluss über Check24 nach einer passenden Alternative. Ein paar Tage später liegt Herrn Meier ein neues Angebot vor, das seinen alten Strombeiträgen entspricht. Er entscheidet sich für einen Anbieterwechsel und kündigt seinen bestehenden Stromvertrag.

Eine Geschichte, die sich täglich genauso in Deutschland abspielt. 

Die Rolle von Daten und Analytics beim Aufbau einer erfolgreichen Kundenmanagement-Strategie 

Damit das Marketing Team sich auf das oben beschriebene Szenario vorbereiten kann, müssen Unternehmen zu den Grundlagen zurückkehren. Alles beginnt mit Daten. Energieversorger schwimmen in Daten, sie müssen diese nur nutzen, um ein Kundenverständnis daraus zu entwickeln.  

An erster Stelle wären da die internen Daten. Diese beinhalten Stammdaten der Kunden, Verbrauchsdaten, Tarifinformationen, Kontakthistorien, Zählerstände, Beschwerden und viele weitere. All diese Informationen stammen womöglich aus unterschiedlichen Systemen und müssen erst einmal zusammengebracht werden. 

Ein erheblicher Erfolgsfaktor, den es zu berücksichtigen gilt, ist der Zugriff auf wertvolle externe Daten. Die EVU Praxis zeigt, dass interne Daten meist nicht ausreichen. Ein Spektrum von rund 80 mikrogeographischen Informationen zu rund 23 Mio. Häusern in Deutschland stehen dem Energieversorger beispielsweise durch panadress zur Verfügung und veredeln zusätzlich seinen Kundenbestand bzw. seine Vertriebsgebiete. Darunter Variablen wie Gebäudestruktur, Alter, Kaufkraft, Affinität für umweltfreundliche Produkte oder Preissensibilität. Andere Arten von wertwollen externen Daten sind Social Media Daten (sogenannte „Social Listening“ Daten), die beispielsweise öffentlich verfügbare Beschwerden oder Kommentare zu Ihrem Energieunternehmen beinhalten. Solche „Live“ Daten können extrem wertvoll sein, nämlich dann, wenn eine kurzfristige Aktion gefragt ist (z.B. wenn der Kunde kurz vor einem Anbieterwechsel steht). Externe Daten können auch sehr spezifische Informationen zu Konzessionsgebieten, wie Vertriebsgebiete und Tarif- und Preisinformationen der Konkurrenz beinhalten. Wenn Sie wissen, wie viele Wettbewerber ebenfalls in Ihrem Vertriebsgebiet tätig sind, erhalten Sie wertvolle Einblicke in die Wechselbereitschaft der Kunden.

All die zuvor beschriebenen Daten müssen in einer sogenannten Single Customer View (oder: 360° Kundenansicht) zusammengeführt werden. Typischerweise wird diese außerhalb Ihres operativen Systems (wie SAP ISU) sitzen.

Im nächsten Schritt benötigen Sie ein Customer Analytics Tool, um aus diesen Daten Erkenntnisse zu generieren. Der schnelle und einfache Zugriff auf alle Daten, wird Ihr Verständnis der Kundendaten dramatisch erhöhen. Eine Grundvoraussetzung, um ein datengetriebenes Unternehmen zu werden. 

Haben Sie alle Daten erst einmal zusammen, haben Sie die Basis geschaffen, um ein sogenanntes Kundenwertmodell zu erstellen. Eine nicht-triviale Aufgabe, aber auf Basis der Verfügbarkeit von internen und externen Daten ist es möglich, eine klare Segmentierung Ihrer Kunden vorzunehmen, indem Kunden mit ähnlichem Kundenwert zusammengefasst werden. Mithilfe von Modelling-Verfahren ist es möglich die Charakteristiken der einzelnen Segmente zu beschreiben: Z.B. Kunden mit dem höchsten Wert sind Gaskunden mit dem Tarif XYZ, die mindestens seit 10 Jahren Kunden sind und in einer bestimmten mikrogeografischen Zelle in Ein- oder Zweifamilienhäusern wohnen und eine überdurchschnittlich hohe Kaufkraft aufweisen. Dieses “Profil” kann nun auf eine Vielzahl von Use Cases angewendet werden, beispielsweise für Kundenbindung, Kundenreaktivierung, Kundenakquise, Kundenentwicklung und natürlich auch für die Vorhersage von Kündigern aus unserem vorherigen Szenario.

Führen wir uns noch einmal diesen Eingangs-Use Case vor Augen: Wie hätten wir dieses Szenario mit Herrn Meier verhindern können?

Indem wir diejenigen Kunden, die in der Vergangenheit Ihren Vertrag gekündigt haben, analysieren, können wir ein Profil dieser Kündiger erstellen, das typische Merkmale kurz vor der Kündigung beinhaltet.

Mögliche Variablen, die in einem solchen Profil auftauchen, sind: 
•    Anzahl der Beschwerdeanrufe im Call Center (interne Daten)
•    Prozentuale Tarifpreiserhöhung in den letzten zwei Jahren (interne Daten)
•    Beitragserhöhung innerhalb der letzten zwei Monate vor dem Wechsel (interne Daten)
•    Geografisches Gebiet und Informationen wie Gebäudestruktur, Gebäudealter, Heizungsinformationen, verschiedene Affinitäten zu Einstellungen/Verhalten (externe Daten)
•    Anzahl der Konkurrenten, die in dem gleichen Postleitzahlengebiet operieren (externe Daten)
•    Durchschnittspreis der Wettbewerber vs. unser Preis im Postleitzahlengebiet (externe und interne Daten)

Dieses Profil kann dann im nächsten Schritt regelmäßig auf die gesamte Kundenbasis angewendet werden, um die Kunden mit der höchsten Wechselgefahr zu identifizieren.

Das nachfolgende Dashboard zeigt einen Überblick über ausgewählte Eigenschaften einer gesamten fiktiven Kundenbasis von knapp 181.000 Geschäftspartnern. 

Dashboard mit ausgewählten Eigenschaften

Dashboard mit ausgewählten Eigenschaften

Im nächsten Dashboard haben wir auf diejenigen Kunden (knapp 38.000) gefiltert, die laut Abwanderungs-Profil sehr gefährdet bzw. gefährdet sind abzuwandern. Das Dashboard zeigt ausgewählte Eigenschaften dieser Kundengruppe. Besonders ausgeprägt bei den gefährdeten Kunden sind beispielsweise die hohe Preissensibilität, eine hohe Affinität zu Ökoprodukten sowie eine eher durchschnittliche Kaufkraft. Außerdem leben diese Kunden in neueren Gebäuden. Wie unser Herr Meier mit zwei Beschwerdeanrufen, beschweren sich gefährdete Kunden in der Regel eher weniger, sondern wandern schneller ab.

Dashboard gefiltert auf sehr gefährdete Kunden

Dashboard gefiltert auf sehr gefährdete Kunden

Konkrete Marketingkampagnen können nun geplant werden, um die Kommunikation mit diesen Kunden vor dem Anbieterwechsel aufzunehmen. Dies könnten beispielsweise ein proaktives Angebot für alternative Tarife sein oder für ein Beratungsgespräch zur Reduzierung des Energieverbrauches. Die Kampagnen können aufgesetzt und dann über bestimmte „Event-Trigger“, wie ein hoher Kündiger-Score, automatisiert ausgesteuert werden. 
Der manuelle Aufwand im Marketing kann so deutlich reduziert werden und eine datengetriebene Marketing Strategie wird vorangetrieben. Immer mit dem Ziel, Abwanderungen, wie die von Herrn Meier, zu verhindern.

Nicht vergessen!

Nur durch das systematische Zusammenbringen Ihrer internen und externen Daten in Kombination mit einem direkten Zugriff auf diese Daten über ein Analyse Tool können Sie ein tiefes Kundenverständnis entwickeln und ein valides Kundenwertmodell aufbauen. Dieses Modell stellt die Basis für Ihre datengetriebenen Ansätze für eine Vielzahl der zuvor beschriebenen Marketing Use Cases dar. Ein Marketing Automation Tool wird es Ihnen erlauben automatisiert Aktionen aus den aus der Analyse generierten Insights abzuleiten. Wir bei Apteco nennen diesen Ansatz “Insight into Action”. Er bildet die Basis für ein erfolgreiches Kundenmanagementprogramm, um eine loyale und profitable Kundenbasis zu schaffen und Ihren Erfolg in der Energiebranche für die Zukunft zu sichern.

Sie sind neugierig geworden und wollen mehr erfahren?

Vereinbaren Sie doch einfach eine unverbindliche Online Demo mit unserem Kollegen Can Atamer.

Oder testen Sie unser Analyse Tool kostenlos und unverbindlich in unserer frei verfügbaren Testversion

Weitere Informationen zu den Autoren des Artikels finden Sie unter panadress.de und apteco.de

Martin Clark

Geschäftsführer

Der gebürtige Brite Martin Clark zählt mit mehr als 20 Jahren Erfahrung im Daten-, Technologie- und Marketing-Umfeld zu den Experten in Data-Driven-Marketing. Als Geschäftsführer der Apteco GmbH verantwortet er den Geschäftsausbau des Marketing Software-Anbieters in der DACH-Region vom deutschen Standort aus in Frankfurt am Main. Seine Motivation: „Mit gewonnenen Partnern langfristig zusammenzuarbeiten, Kunden für die Apteco Marketing Suite zu begeistern und zum Erfolg zu führen.“

Melden Sie sich zu unserem Newsletter an, um immer die neuesten Artikel rund um Customer Analytics und Campaign Automation zu erhalten.