Sie sind auf Seite 1von 13
 
 
Jörg Becker www.beckinfo.de
 
Customer Retention Strategie
 
Cross-Selling-Rate
 
 
2
Management Tool Customer Retention
Beispielsweise kann mit Hilfe der logistischen Regressionsanalysse der Zusam-menhang zwischen einer abhängigen und mehreren unabhängigen Varaiblen mo-delliert werden. Letztere sind Indikatoren aus dem Kaufverhalten, die den bevor-stehenden Wechsel anzeigen. Abhängige Variable ist beispiels die Wechselwahr-scheinlichkeit mit einer Werteskala zwischen 0 und 1. Liegt der Score nahe bei 1 ist es sehr wahrscheinlich, dass die zugehörigen Kunden die Bank wechseln wer-den. Ein aus der Historie gewonnenes Modell kann überprüft werden, indem für einen bereits abgelaufenen Zeitraum eine Prognose erstellt wird und diese Vorher-sage dann mit den tatsächlichen Kundenabgängen verglichen wird. Korreliert also die Abnahme der Cross-Sellig-Rate tatsächlich mit dem Wechsel, so kann das Informationssystem diesen Indikator beobachten und beim Überschreiten gewisser Schwellwerte Meldungen ausgeben. Data Mining ermittelt hierbei also aus historischem Verhalten Informationen, wann ein Kunde zur Abwanderung neigt und hilft, bei heutigen Kunden entsprechende Absichten zu prognostizieren. Wenn das Wechselverhalten rechtzeitig erkannt wird, kann auch noch gegenge-steuert werden. Das Data Mining System liefert die hierfür benötigten Informatio-nen, indem die abgewanderten Kunden analysiert und ihr Profil und Verhaltens-muster mit den bestehenden Kunden verglichen wird. Daraus kann ein Gefährungspotenzial bei Kunden mit vergleichbaren Strukturen erkannt werden. Die Ermittlung der Abwanderungswahrscheinlichkeit beantwortet noch nicht wa-rum der Kunde wechseln möchte oder ob der Kunde gehalten werden sollte oder nicht. Neben dem Maß für die Loyalität muß deshalb auch die Attraktivität des Kunden bewertet werden:
 
 
3
024681012141618200 2 4 6 8 10
Attraktivität
       L     o     y     a       l       i       t       ä       t
 
Customer Retention-Strategie
Im Rahmen der Kundenbewertung lässt sich mit Application-Scoring, Attrition-Scoring und Credit-Scoring prüfen, für welche Angebote ein Kunde überhaupt in Frage kommt und ob sich erste Hinweise dafür erkennen lassen, dass sich eine Kundenbeziehung aufzulösen droht. Oder wie die Zahlungsfähigkeit und Zah-lungsweise eines Kunden zu bewerten ist. Mit Hilfe des Attrition-Scoring-Modells wird innerhalb der Kundendatenbank nach Risiken gefahndet, die einen bevorste-henden Verlust eines Kunden signalisieren. Credit-Scoring-Modelle dienen anhand von Risikomerkmalen zur Prognose von Kreditrisikowahrscheinlichkeiten: nach einer Faustregel kann ein Forderungsaus-fall den Ertrag von bis zu zehn guten Neukunden kosten. Mit diesem Verfahren können deshalb alle zum Zeitpunkt der Risikobewertung verfügbaren Daten hin-sichtlich der Forderungsausfälle und der normalen Zahler miteinander verglichen werden, um daraus risikorelevante Merkmale herauszufiltern. Analysiert werden  beispielsweise die Forderungsausfälle unter den Neukunden der letzten zwölf Mo-nate sowie Stichproben der normalen Zahlen desselben Zeitraums.
Attraktiv und loyal Attraktiv aber illoyal
Wer sind diese Kunden ?
 

Ihre Neugier belohnen

Alles, was Sie lesen wollen.
Jederzeit. Überall. Auf jedem Gerät.
Keine Verpflichtung. Jederzeit kündbar.
576648e32a3d8b82ca71961b7a986505