Wie SaaS-Unternehmen ihre Kundenabwanderung vorhersagen können

Veröffentlicht: 2020-07-05

Die Kundenbindung ist eine wichtige Säule jedes Unternehmens, das mit einem abonnementbasierten Modell arbeitet. Für Telekommunikationsunternehmen und andere Dienstleister ist es wichtig, Kunden zu halten. Für SaaS-Unternehmen ist dies der Schlüssel zu ihrem Überleben.

Das SaaS-Geschäftsmodell beruht darauf, wiederkehrende Einnahmen von Kunden zu erzielen. Sie müssen während ihrer gesamten Lebensdauer im Unternehmen einen stetigen Geldstrom bereitstellen. Die Verlängerung der Kundenlebensdauer ist daher eine entscheidende Möglichkeit für SaaS-Unternehmen, zu skalieren. Es ist genauso wichtig wie das Marketing und die Bewerbung ihrer Website bei neuen Kunden – wenn nicht sogar noch wichtiger.

Sobald ein Kunde Ihr SaaS-Unternehmen verlassen hat, ist es schwierig, ihn zurückzugewinnen. Sie haben sich für Ihren Service entschieden, und es gibt zweifellos andere Optionen, an die sie sich wenden können. Die beste Kundenbindung ist also proaktiv. Sie müssen versuchen, die Kunden so zufrieden wie möglich zu halten. Das hilft, das Risiko zu beseitigen, dass sie ihre Gewohnheiten woanders übernehmen.

Woher wissen Sie jedoch, wie wahrscheinlich es ist, dass ein Kunde sein Geschäft zu einem Konkurrenten bringt? Wie können Sie herausfinden, auf welche Kunden Sie sich konzentrieren müssen? Die Antwort könnte durch Vorhersage und Analyse der Kundenabwanderung gegeben sein.

Buchen Sie eine Beratung

Was ist Kundenabwanderung und warum ist sie wichtig?

Kundenabwanderung ist der Name, wenn Kunden – und hauptsächlich Abonnenten eines Dienstes – ein Unternehmen verlassen. Ein Kunde ist abgewandert, wenn er den Dienst nicht verlängert. Sie sind auch abgewandert, wenn sie ein Abonnement aktiv beenden.

Die Kundenabwanderungsmetrik ist der Schlüssel für SaaS-Unternehmen . Um erfolgreich zu sein, müssen Unternehmen die Kundenabwanderung auf ein absolutes Minimum beschränken. Jeder Kunde, der das Unternehmen verlässt, schadet seinem Gewinn auf zwei verschiedene Arten.

Erstens verliert das Unternehmen die regelmäßigen Einnahmen, die es aus dem Abonnement des Kunden erhält. Darüber hinaus muss das Unternehmen mehr für Marketing und Werbung ausgeben, um den Kunden zu ersetzen. Wenn sie ihren Kundenstamm schrumpfen lassen, werden Umsatz und Gewinn rapide nach unten tendieren.

Kunden können aus vielen verschiedenen Gründen abwandern. Schlechte Erfahrungen mit Ihrem Unternehmen oder Ihrer Dienstleistung führen sehr oft zu Abwanderung. In anderen Fällen kann eine einfache Servicemüdigkeit die Abwanderung erklären. Dienstbenutzer können im Laufe der Zeit feststellen, dass der Dienst ihre Anforderungen nicht mehr erfüllt.

Was auch immer der Grund sein mag, Abwanderung ist etwas, das jedes SaaS-Unternehmen im Griff haben muss. Ohne Kontrolle kann es schnell außer Kontrolle geraten. Wie Michael Redbord, General Manager von Service Hub bei HubSpot, erklärt:

„In einem abonnementbasierten Geschäft wird sich selbst eine kleine monatliche/vierteljährliche Abwanderung im Laufe der Zeit schnell summieren. Nur 1 Prozent monatliche Abwanderung bedeutet fast 12 Prozent jährliche Abwanderung. Da es viel teurer ist, einen neuen Kunden zu gewinnen, als einen bestehenden zu halten, geraten Unternehmen mit hohen Abwanderungsraten schnell in ein finanzielles Loch.“

Altexsoft

Wäre es dann nicht großartig, wenn Sie die Kundenabwanderung vorhersagen und verhindern könnten?

Die Schwierigkeiten und die Bedeutung der Vorhersage der Kundenabwanderung

Kundenbindung und Kundenakquise sind die beiden Optionen, um der Kundenabwanderung entgegenzuwirken. Unternehmen müssen entweder versuchen, Kunden am Abgang zu hindern oder neue Kunden an Bord zu holen. Im Idealfall möchten sie mehr neue Kunden gewinnen als verlassen. Darüber hinaus ist die Kundenbindung oft viel kostengünstiger als die Kundenakquise.

Viele Unternehmen favorisieren jedoch nach wie vor Übernahmen. Das liegt daran, dass sie wissen, wie, wann und wo sie ihre Produkte an neue Kunden vermarkten müssen. Es ist schwieriger, die besten Möglichkeiten zur Steigerung der Kundenbindung zu verstehen. Es kostet viel mehr Zeit und Mühe.

Unternehmen können diese Zeit und Mühe – ganz zu schweigen von der Finanzierung – nicht für jeden Kunden aufwenden. Das wäre nicht machbar. Was sie brauchen, um die abwanderungsgefährdeten Kunden im Voraus vorherzusagen. Sie können dann ihre Bemühungen zur Kundenbindung auf diese Personen konzentrieren.

Was wir gerade beschrieben haben, ist die Vorhersage der Kundenabwanderung. Es ist ein Prozess, der durch modernste Datenerfassungs- und Analysetools ermöglicht wird. Indem Sie Daten sammeln und daraus ein Modell entwickeln, können Sie die Kunden identifizieren, die am ehesten das Unternehmen verlassen. Mit diesem Wissen können Sie alles Notwendige tun, um sie davon abzuhalten.

Lesen Sie weiter, und Sie werden lernen, wie Sie diese unschätzbare Vorhersage und Analyse der Kundenabwanderung auf einfache Weise durchführen können.

SaaS Ebook – skalieren Sie Ihr Unternehmen


So führen Sie Vorhersagen und Analysen zur Kundenabwanderung durch

Die Vorhersage der Kundenabwanderung funktioniert auf einer einfachen Prämisse. Sie können vorhersagen, wie wahrscheinlich es ist, dass ein Kunde abwandert, basierend darauf, wie er Ihren Service kürzlich genutzt hat. Sie möchten antworten, ob ein Kunde innerhalb eines bestimmten Zeitraums das Unternehmen verlässt. Das heißt, werden sie ihr Abonnement innerhalb des nächsten Monats kündigen?

Das Ergebnis einer solchen Vorhersage wird entweder eine „Ja“- oder eine „Nein“-Antwort sein. Alle Kunden, für die die Antwort „Ja“ lautet, können Sie dann kontaktieren und daran arbeiten, diese Antwort zu ändern. Wenn die „Ja“- oder „Nein“-Antwort das Ergebnis des Prozesses ist, sind Kundendaten über die Servicenutzung die Eingabe. Das Sammeln von Daten ist also der erste Schritt eines dreistufigen Vorhersage- und Analyseprozesses zur Kundenabwanderung:

  1. Daten sammeln
  2. Erstellen eines Vorhersagemodells aus Ihrem Datensatz
  3. Verwenden des Modells zur Vorhersage der Kundenabwanderung

Daten sammeln

Das Vorhersagemodell, das Sie erstellen werden, nutzt maschinelles Lernen. Maschinelles Lernen ist eine KI-basierte Datenanalysetechnik. Am einfachsten lässt sich der Vorgang über die Mustererkennung erklären. Modelle werden „trainiert“, damit sie Muster in Daten identifizieren und erkennen können.

Der „Trainings“-Prozess besteht darin, das Modell mit so vielen Daten wie möglich zu präsentieren. Es erkennt dann die Muster und Beziehungen zwischen den Daten. Letztendlich kann das Modell das, was es „gelernt“ hat, auf jeden neuen Datensatz anwenden, der ihm präsentiert wird. Es ist daher in der Lage, mögliche zukünftige Aktionen auf der Grundlage vergangener Muster vorherzusagen.

Der erste Schritt zur Vorhersage der Kundenabwanderung ist das Sammeln von Daten zum Trainieren Ihres Modells. Die Daten, die Sie benötigen, sollten sich auf aktuelle oder ehemalige Kunden beziehen, die sowohl Ihr Unternehmen verlassen als auch nicht verlassen haben. Auf diese Weise können Sie alle aktuellen und zukünftigen Kundendaten zu Kunden vergleichen, die abgewandert sind und nicht.

Ihre Daten müssen so viele Informationen wie möglich über Kunden enthalten. Jede Kundeninformation wird als Feature bezeichnet. Je mehr Kundenmerkmale Sie sammeln können, desto genauer wird Ihr Modell. Schließlich wird es in der Lage sein, Muster zu erkennen, die sich auf eine breitere Palette von Merkmalen beziehen.

Bei der Vorhersage der Kundenabwanderung gibt es vier Hauptbereiche, auf die man sich konzentrieren sollte:

  • Kundenmerkmale – Dies sind Daten, die sich auf die individuellen Merkmale jedes Kunden beziehen. Es kann alles umfassen, von Alter und Geschlecht bis hin zu Bildungsniveau und Einkommen.
  • Supportfunktionen – Informationen darüber, wie Kunden mit Ihrem Kundensupport interagieren. Diese Daten können beinhalten, wie oft sie Ihre Support-Mitarbeiter kontaktiert haben oder die Themen ihrer Anfragen.
  • Nutzungsfunktionen – Alle Daten, die Sie darüber sammeln können, wie jeder Kunde Ihren Dienst genutzt hat. Zum Beispiel, wie oft sie sich einloggen oder wie lange es her ist, dass sie sich das letzte Mal angemeldet haben. Wenn Sie Informationen darüber sammeln können, wie lange sie in Ihrer App verbringen oder welche Aktionen sie dort ausführen, umso besser.
  • Kontextbezogene Funktionen – Dies ist ein Sammelbegriff für alle anderen Daten, die Sie sammeln können. Wissen Sie zum Beispiel, über welche Art von Gerät sie auf Ihren Dienst zugreifen? Können Sie den Kundendienstmitarbeiter identifizieren, den sie am häufigsten kontaktiert haben?

Bei der Vorhersage der Kundenabwanderung geht es darum, Kunden zu finden, die Sie möglicherweise bald verlassen. Beim Sammeln von Daten müssen Sie „bald“ quantifizieren. Entscheiden Sie, welche genaue Frage Ihr Modell beantworten soll. Ist es:

  1. Wird ein Kunde innerhalb eines Monats abwandern?
  2. Wird ein Kunde innerhalb von drei Monaten abwandern?
  3. Wird ein Kunde innerhalb von sechs Monaten abwandern?

Die genaue Frage, die Sie wählen, hängt von Ihrem Unternehmen ab. Es ist wichtig, dies zu definieren, damit Sie die richtigen Daten zum Trainieren Ihres Modells sammeln können. Nehmen wir zum Beispiel die Frage „a)“ oben. Wenn Sie darauf antworten möchten, müssen Sie historische Kundendaten einbeziehen.

Diese Informationen können verwendet werden, um die Aktionen bestehender Kunden vorherzusagen. Ihre Funktionen sollten sich auf vergangene und aktuelle Kundenaktivitäten beziehen.

Um die Verwendung Ihrer Daten für ein Vorhersagemodell zu vereinfachen, sollten Sie eine CSV-Datei erstellen. Diese Datei sollte eine Zeile für jeden Kunden und eine Spalte für jede Funktion enthalten. Die „Ja“- oder „Nein“-Ausgabe, ob der abgewanderte Kunde eine dieser Spalten bilden soll. Die Datei könnte in etwa so aussehen wie im Bild oben.

Erstellen eines Vorhersagemodells

Lassen Sie sich von all dem bisherigen Gerede über Daten, maschinelles Lernen und prädiktive Modellierung nicht abschrecken. Sobald Sie Ihre Daten gesammelt haben, liegt der schwierige Teil der Vorhersage der Kundenabwanderung hinter Ihnen. Von nun an können Sie sich auf Vorhersagedienste verlassen, um die harten Yards für Sie zu erledigen.

Es gibt ein paar Vorhersagedienste, aus denen Sie wählen können:

  • Google Cloud ML-Engine
  • BigML

Beide Dienste erstellen Vorhersagemodelle basierend auf Daten, die Sie zu ihnen hochladen. Laden Sie die von Ihnen erstellte CSV-Datei hoch, und sie erledigen den Rest für Sie. Weitere Einzelheiten zur Verwendung von BigML zum Erstellen eines Vorhersagemodells finden Sie hier.

Am Ende erhalten Sie eine „Entscheidungsbaum“-Visualisierung Ihres Modells. Es wird in etwa so aussehen:

Jeder farbige Kreis im Baum stellt eine Frage dar, die sich auf Ihre Kundenmerkmale bezieht. Jeder Ast repräsentiert eine mögliche Antwort. Arbeiten Sie sich nach unten, und Sie finden einen Kreis mit Ihrem endgültigen Ausgabewert. Im Fall von Kundenabwanderung ist das, ob ein Kunde abgewandert ist oder nicht.

Verwendung des Modells zur Vorhersage der Abwanderung

Sie haben jetzt ein Modell, das Muster in Daten zur Kundenabwanderung erkennt und versteht. Was Sie jetzt brauchen, ist, es zu verwenden, um Vorhersagen zu treffen. Dazu müssen Sie zunächst aktuelle Daten Ihrer Bestandskunden erheben.

Diese Daten müssen mit den Daten übereinstimmen, die zum Erstellen Ihres Modells verwendet wurden, mit der Ausnahme, dass sie nicht die „Ja“- oder „Nein“-Ausgabe für die Abwanderung enthalten. Anschließend können Sie die neuen Daten in den von Ihnen gewählten Vorhersagedienst hochladen. Das funktioniert genauso wie das Hochladen Ihrer ursprünglichen CSV-Datei.

Von dort aus unterscheidet sich die Art und Weise, Vorhersagen zu generieren, je nach verwendetem Dienst. Um BigML noch einmal als Beispiel zu nehmen, müssen Sie diesen einfachen Schritten folgen:

  1. Greifen Sie auf Ihr Modell zu und wählen Sie „Batch-Vorhersage“ aus dem Blitzsymbol-Menü.
  2. Sie sehen dann zwei Dropdown-Menüs. Wählen Sie links Ihr Modell und rechts Ihren neuen Kundendatensatz aus.
  3. Klicken Sie auf die Option „Konfigurieren“ und wählen Sie dann „Ausgabeeinstellungen“.
  4. Sie können dann anpassen, wie Sie Ihre Vorhersagen anzeigen möchten. Sie möchten eine CSV-Dateiausgabe auswählen und dann die Anzeige dieser Datei nach Belieben anpassen.
  5. Klicken Sie auf die grüne Schaltfläche „Vorhersagen“. Klicken Sie auf der folgenden Seite auf "Stapelvorhersage herunterladen".
  6. Sie haben dann eine Datei, die Sie mit jedem Tabellenkalkulationsprogramm öffnen können. Die Vorhersagen Ihres Modells darüber, welche Kunden in dem von Ihnen gewählten Zeitraum abwandern, werden in der Spalte „Abwanderung“ angezeigt.

Einfach so haben Sie eine Liste von Kunden, bei denen die Gefahr besteht, dass Sie abwandern. Dies sind die Kunden, die Sie kontaktieren müssen. Sie sind die Kunden, auf die Sie Ihre Kundenbindungsbemühungen konzentrieren können.

Überzeugen Sie sogar einen von ihnen, zu bleiben, wenn er vielleicht gegangen ist, und Sie haben einen Unterschied zu Ihrem Endergebnis gemacht, ohne annähernd so viel Geld, Zeit oder Mühe aufzuwenden, wie Sie einen neuen Kunden gewinnen würden.

Vorhersage und Analyse der Kundenabwanderung; Proaktive Kundenbindung

Die Vorhersage und Analyse der Kundenabwanderung kann zur Verbesserung der Kundenbindung beitragen. Als SaaS-Unternehmen können solche Verbesserungen den Unterschied zwischen Erfolg und Misserfolg ausmachen.

Durch die Verringerung der Kundenabwanderung können Sie Ihren monatlichen Umsatz stabil halten, selbst wenn Sie Schwierigkeiten haben, neue Kunden zu gewinnen. So können Sie auch den größten Nutzen aus der Kundenakquise ziehen. Gewonnene Neukunden werden schließlich nicht nur diejenigen ersetzen, die Sie verlieren. Sie erweitern Ihren Kundenstamm und helfen Ihnen bei der Skalierung Ihres Unternehmens .

Das Schöne an der Vorhersage der Kundenabwanderung ist, dass Sie damit die Kundenbindung proaktiv gestalten können. Sie können erfahren, wann ein Kunde Sie möglicherweise verlässt.

Auf diese Weise können Sie Maßnahmen ergreifen, um sie an Bord zu halten. Sie können die Probleme erreichen und lösen, die sonst zu einer Abwanderung der Kunden führen könnten – und das alles, indem Sie lediglich Daten sammeln und sie in einen intelligenten Vorhersagedienst einbinden.