CHURN Prevention

Viele vertraglich gebundene Kunden kümmern sich nicht um aktuelle Angebote und bekommen deshalb nicht mit, wenn sie im Laufe der Zeit die gleiche Dienstleistung zu wesentlich günstigeren Konditionen am Markt bekommen würden. Getreu dem Motto „Schlafende Löwen soll man nicht wecken“ üben sich daher viele Unternehmen bei der Kundenansprache zur Churn Prevention in vornehmer Zurückhaltung. Sie haben Angst, dass sich ihre Kunden mit dem Thema beschäftigen und die aktuellen Angebote am Markt vergleichen. Schließlich könnte in dem Fall ein scheinbar gutes Angebot zur Churn Prevention den Kunden erst recht zur Kündigung verleiten, womit das Unternehmen ein klassisches Eigentor geschossen hätte.

In letzter Konsequenz stellt der Schläfer-Effekt jede Kundenbindungsmaßnahme infrage, zumal nach dieser Logik die Bilanz jeder Churn-Prävention zur Kundenbindung höchstwahrscheinlich negativ wäre. Sie würde mehr Kündigungen auslösen, als Kunden im Sinne der Bestandssicherung gebunden würden. Um sich aber nicht von diesem Mythos lähmen zu lassen, lohnt es sich, diesen Effekt näher zu analysieren.

Diese Schlussfolgerung ist gefährlich, wie die empirische Betrachtung eines anderen Mythos zeigt. Er lautet: Der Storch bringt die Kinder. Empirisch betrachtet korreliert die Höhe der Geburtenrate in Westdeutschland von 1965 bis 1980 tatsächlich eng mit der Größe der Storchenpopulation*. Warum aber verleitet die Statistik zu einer Annahme, von dem wir alle wissen, dass er nicht stimmt? Die Antwort liegt in einem Effekt namens Scheinkorrelation. Beide Variablen korrelieren nur scheinbar; die wahre Ursache für den scheinbaren Zusammenhang ist die Urbanisierung des gemeinsamen Lebensraumes. Diese Variable lag jedoch außerhalb unserer Betrachtung.

Der Schläfer-Effekt: eine erste Vermutung

Eine ähnliche Konstellation könnte also den Schläfer-Effekt verursachen, wenn auch hier die Wahrheit weniger transparent als im Storchenbeispiel ist. Die Variablen „Kunde ist erreichbar“ und „Kunde kündigt“ können durchaus einen gemeinsamen kausalen Ursprung haben, den wir aktuell nicht beobachten. Möglicherweise sind Kunden, die beruflich stark eingespannt sind, im Rahmen der Kampagnentelefonie schlechter erreichbar. Gleichzeitig verdienen diese Menschen im Durchschnitt mehr Geld und könnten daher weniger Interesse daran haben, das Einsparpotenzial bei ihren Telefonverträgen zu heben. Wenn dem so ist, dann kann dieser Umstand zu einer Scheinkorrelation zwischen Erreichbarkeit und Kündigungsquote führen. Es bedarf also einer deutlich genaueren Analyse, bevor Unternehmen ihre Kampagnen zur Churn Prevention einstellen.

Status Quo der Forschung

Seit einiger Zeit beschäftigt der Schläfer-Effekt auch die Wissenschaft. In die populärwissenschaftliche Berichterstattung hat es im Jahr 2015 das Feldexperiment von Eva Ascarza, Raghuram Iyengar und Martin Schleicher** geschafft. Die Forscher boten einer zufällig ausgewählten Kundengruppe ein für sie günstigeren Tarif an, eine Kontrollgruppe ging hingegen leer aus. Von den Kunden, die das Angebot zur Churn Prevention bekommen haben, kündigten 9,6 Prozent. Von den Probanden der Kontrollgruppe kündigten nur 6,5 Prozent. Auch hier scheint die eher nicht intuitive These bestätigt worden zu sein, indem das scheinbar gute Angebot für den Kunden am Ende zu einer höheren Kündigungsquote führt.

Nur fast wasserdicht

Selbstverständlich liefern die Autoren der Studie eine wesentliche Methodik für die Untersuchung unseres Mythos. Erstens werden die Kunden zufällig in die Untersuchungs- und die Kontrollgruppe verteilt. Damit reduziert sich der sogenannte Self-Selection-Bias als Grund für das beobachtete Ergebnis. Wissenschaftler beschreiben damit den Effekt, dass der Grund für die Zuordnung eines Kunden in eine Gruppe nicht auf Basis einer Entscheidung passiert (z.B. die Entscheidung ans Telefon zu gehen, wie bei unserem Telekommunikationsdienstleister). Zusätzlich kontrolliert die Untersuchung mögliche Faktoren, die eine Scheinkorrelation erzeugen können. In dieser Studie sind dies Variablen, die das Nutzerverhalten beschreiben.

Trotz dieser Vorkehrungen bleibt es dabei: Solange es Variablen außerhalb dieses Modells gibt, die nicht von den Wissenschaftlern explizit untersucht werden, können die gefundenen Ergebnisse zur misslungenen Churn Prevention Scheinkorrelationen beschreiben. Die beschriebene Annahme, dass Kunden mit größerer Kündigungswahrscheinlich eher ein Werbetelefonat annehmen als diejenigen mit geringer Kündigungswahrscheinlichkeit, kann auch hier gelten. Die Wissenschaftler berichten keine Erreichbarkeitsquoten bei dieser Kampagne, womit eine endgültige Bewertung unmöglich ist.

...und CHURN Prevention hilft doch! 

MUUUH! Consulting hat sich bei der Untersuchung der Kundendaten des Telekommunikationsdienstleisters für eine wesentlich breitere Datenbasis entschieden. Als Zielvariable definierte das Beratungshaus ebenso wie die Wissenschaftler die Variable „Kündigung“. Auf der Suche nach der erklärenden Variablen haben die Datenexperten sämtliche rund 250 Parameter untersucht, die zuvor vom Auftraggeber über dessen Kunden erhoben wurden. Mehr Daten in Form zusätzlicher Variablen führen zu deutlich belastbareren Ergebnissen, weil sie das Risiko unerkannter Scheinkorrelationen stark reduzieren.

Gleichzeitig führt die immense Variablenvielfalt in gängigen Korrelations- und Kausalanalysen zu erheblichen methodischer Schwierigkeiten. Die Berechnungen übernahm daher ein auf neuronalen Netzen basierender Algorithmus, der insbesondere moderierende Variablen und nicht-lineare Zusammenhänge erkennt, ohne dass vorab definierte Annahmen über Einflussvariablen getroffen werden müssen.

• Ob die Idee des Schläfers für einzelne Kunden existiert oder nicht, ist empirisch nicht untersuchbar. Für die Vertriebspraxis ist diese Frage aber auch nicht so entscheidend. Entscheidend ist immer der Nettoeinfluss, den eine Maßnahme auf Kündigungen hat. Dieser Einfluss kann mit statistischen Methoden untersucht werden, aber die Wahl der verwendeten Methode ist sehr entscheidend für die Validität der Maßnahme.
• Korrelationsanalysen zur Bewertung von Maßnahmen zur Churn Prevention sind ein fragwürdiges Mittel. Die Ergebnisse werden leicht als kausale Zusammenhänge gedeutet, obwohl sie auf Scheinkorrelationen basieren. Deshalb können sie zu falschen Schlussfolgerungen führen. Im schlimmsten Fall beeinträchtigen die abgeleiteten Maßnahmen den Erfolg.
• Aber auch klassische statistische Analysen wie etwa Kausalanalysen (Stichwort Regression) können zu falschen Schlussfolgerungen führen. Das ist immer dann der Fall, wenn die wirklichen Treiber für das zu erklärende Verhalten außerhalb des postulierten Modells liegen.
• Bei wichtigen Fragestellungen lohnt es sich also immer, in High-end-Verfahren zu investieren. Diese können Scheinkorrelationen aufdecken und eine bessere Ergebnisinterpretation gestatten. Wann immer große Datenvolumen in Vorbereitung wichtiger strategischer Entscheidungen analysiert werden, wirken sich Analysefehlern besonders verheerend aus.
• In unserem Projektfall hätte die erste Analyse womöglich für einen Stopp der Kündigerprävention gesorgt. Als Konsequenz hätten das Unternehmen mehr Kunden und damit Umsatz verloren.

Berechnen Sie einen Business Case und führen Sie eine Szenarienanalyse für Ihre Maßnahmen durch. Berücksichtigen Sie insbesondere zwei Fehler: Wieviel Marge verlieren Sie, wenn Sie einen Kündiger nicht halten können und wieviel Marge verlieren Sie durch eine Bindungsmaßnahme bei einem Nicht-Kündiger. Beide Werte werden davon abhängen, wie gut Sie Kündiger von Nicht-Kündigern unterscheiden können und wie erfolgreich Ihre Kündigerprävention sein wird.

Quellenangaben:

* Helmut Sies: A new parameter for sex education (Nature 332, S. 495)

** Eva Ascarza, Raghuram Iyengar und Martin Schleicher  (2015). „The perils of proactive churn prevention using plan recommendations: Evidence from a field experiment“, Columbia Business School Research Paper No. 13-76: ssrn.com/abstract=2339604.