Wieviel ist meine Kundschaft „wert“, wie lange bleibt sie mir erhalten?

Nicht alle KundInnen sind für eine Organisation gleich wichtig. Vor allem der Aufbau langfristig wertvoller KundInnenbeziehungen hat einen hohen Stellenwert. Thomas Reutterer vom Institut für Service Marketing und Tourismus widmet sich in seiner wissenschaftlichen Arbeit der Frage, wie sich der ökonomische KundInnenwert, der Customer Lifetime Value, messen und langfristig prognostizieren lässt. Dabei zeigt sich, dass die Regularität des KundInnenkontakts eine zentrale Rolle spielt. Durch die Berücksichtigung dieser Information kann die Prognose des künftigen „Werts“ einer Kundin bzw. eines Kunden für ein Unternehmen deutlich verbessert werden.

Der ökonomische Wert einer Kundin bzw. eines Kunden, der sogenannte Customer Lifetime Value, bemisst sich nicht nur darin, wann das nächste Mal etwas gekauft oder eine Dienstleistung beansprucht wird, sondern darin, wie viele ökonomisch relevanten Interaktionen mit einem Unternehmen langfristig zu erwarten sind. Wie viele Käufe, Service-Anfragen, oder Weiterempfehlungen kommen von einem Kunden oder einer Kundin? Wie lange wird die KundInnenbeziehung dauern? Wann wird ein Kunde/eine Kundin möglicherweise zur Konkurrenz abwandern? Genau auf diese Fragen will WU-Professor Thomas Reutterer, Vorstand des Instituts für Service Marketing und Tourismus an der WU, möglichst treffsichere Antworten geben. Gemeinsam mit Michael Platzer von Mostly AI und einem Team von Data Scientists entwickelt und testet Reutterer statistische Modelle, um den Customer Lifetime Value zu prognostizieren und in weiterer Folge auch Faktoren zu identifizieren, die diesen Wert beeinflussen. Im Fokus stehen dabei nicht-vertragliche KundInnenbeziehungen, also solche, in denen das Unternehmen zu keinem Zeitpunkt mit Sicherheit wissen kann, ob ein Kunde/eine Kundin überhaupt noch aktiv oder bereits abgewandert ist.  

Regelmäßigkeit des KundInnenkontakts entscheidend

Neben den in der Marketingforschung bereits bekannten Faktoren, „Recency“ (wie lange liegt eine Interaktion mit der Kundin bzw. dem Kunden zurück), „Frequency“(wie oft hat jemand in der Vergangenheit eingekauft) und „Monetary Value“ (der monetäre Wert der Transaktionen) identifizierte Reutterer auch die Regelmäßigkeit als entscheidenden Faktor. „Unsere Untersuchungen zeigen deutlich, dass alleine mit der Berücksichtigung einer kleinen Zusatzinformation, nämlich über die Regularität des Kontakts zwischen Kunde/Kundin und Unternehmen, deutlich bessere Prognosen über den ‚Churn‘ – also jenen Moment, in dem eine KundInnenbeziehung endet – möglich sind. Damit sind auch Aussagen über den künftigen KundInnenwert deutlich zuverlässiger“, so Reutterer. Basierend auf diesen Forschungsergebnissen entstand auch eine Prognose-Toolbox, welche als Open Source Software) zur Verfügung steht und Unternehmen dabei hilft, besser Prognosen treffen zu können und gleichzeitig das Management ihrer KundInnenbeziehung zu verbessern.

Weitere Fortschritte durch Machine und Deep Learning

Nachdem Unternehmen heute über viele weitere Informationen zu den Interaktionsmustern mit ihren KundInnen verfügen, arbeiten der WU-Professor und sein Team daran, diese in die aktuellen Modelle zur Messung des Customer Lifetime Value zu integrieren. „Man kann zum Beispiel davon ausgehen, dass die Aktivitäten der Kunden und Kundinnen in sozialen Netzwerken oder die Präferenz für bestimmte Produkte oder Services einen Einfluss auf den Customer Lifetime Value haben. Aber auch die Reaktion der Kunden und Kundinnen auf vergangene Marketingmaßnahmen gibt uns wichtige Informationen. Deshalb arbeiten wir derzeit intensiv daran, basierend auf unseren bisherigen Erfahrungen noch weitere Informationen in unsere Modelle zur KundInnenwertprognose zu integrieren. Als besonders vielversprechend erweisen sich dabei unsere aktuellen Forschungsarbeiten mit Machine und Deep Learning Methoden“, erklärt Reutterer.