Customer Lifetime Value (CLV): Erklärung, Berechnung und Vorteile.

Customer Lifetime Value einfach erklärt

Der Customer Lifetime Value (CLV) beschreibt den Wert einer Kundenbeziehung. In diesem Artikel erklären wir Ihnen, was der Customer Lifetime Value ist und zeigen Ihnen anhand von Praxisbeispielen, wie man ihn berechnet, und wofür man ihn einsetzt.

Denn ein Unternehmen, welches den Customer Lifetime Value seiner Kunden nicht kennt, riskiert – durch fehlgeleitete Neukundenakquise – bei der Kundenbindung bares Geld zu verschenken.

Damit das nicht passiert, erfahren Sie in diesem Artikel, wie Sie den Customer Lifetime Value berechnen und einsetzen können.

Dabei sehen wir uns folgende Themen etwas genauer an:

  1. Was ist der Customer Lifetime Value?
  2. Warum ist der Customer Lifetime Value wichtig für Unternehmen?
  3. Wie wird der Customer Lifetime Value berechnet?
  4. Anwendungsfälle für den Customer Lifetime Value
  5. Eine Schritt-für-Schritt-Anleitung für Ihr Unternehmen
  6. Fazit zum CLV
  7. FAQ

Was ist der Customer Lifetime Value?

Der Customer Lifetime Value (CLV) oder Lifetime Value (LTV) beschreibt den individuellen Wert jeder Kundenbeziehung eines Unternehmens. Dabei setzt sich der CLV aus zwei Kennzahlen zusammen: dem historischen Kundenwert und dem zukünftigen, potenziellen Kundenwert.

Das Ziel ist es, anhand des Customer Lifetime Values Marketingmaßnahmen und Vertriebsabläufe so zu steuern, dass aus den Kundenbeziehungen der maximale Wert für das Unternehmen hervorgeht. So helfen die Kenntnisse über den Kundenwert dabei, passende Marketingkampagnen zu schalten, die richtigen Kunden zu akquirieren und mögliche Kaufpotenziale aus bereits bestehenden Kundenbeziehungen zu nutzen. Der Fokus liegt somit auf langfristig qualitativen Geschäftsbeziehungen.

Anmerkung: Für den Customer Lifetime Value gibt es viele unterschiedliche Berechnungsmethoden. Diese reichen von sehr einfachen, durchschnittsbasierten Methoden, bis hin zu komplexeren Modellen auf Basis von Machine Learning. Dementsprechend unterschiedlich sind die Vorteile des CLV und die Entscheidung für das jeweilige Modell, muss gut überlegt sein. 

Warum ist der Customer Lifetime Value wichtig für Unternehmen?

Die Kenntnis über den zukünftigen Wert eines jeden Kunden ist ausschlaggebend für eine effiziente Steuerung von Marketing- und Vertriebsmaßnahmen. Insbesondere im E-Commerce und Handel, wo es keine feste Vertragslaufzeit gibt, ist es wichtig eine Schätzung für zukünftige Umsätze zu haben. Der Kunde kann jederzeit entscheiden, nicht noch einmal einzukaufen.  Aus diesem Grund müssen Unternehmen kontinuierlich Geld für die Kundenbindung und die Reaktivierung ihrer Kunden ausgeben.

Doch die Bindungskosten gezielt und effizient auszugeben, ist nicht einfach. Die alleinige Ausrichtung auf vergangene Umsätze kann irreführend sein, da der Fokus nicht auf das zukünftige Potenzial gelegt wird. So kann es passieren, dass Kunden mit geringem, zukünftigen Umsatzpotenzial zu viel Werbebudget allokiert bekommen. Andersrum wird zu wenig Budget für die Kunden mit hohem Potenzial allokiert.

In diesem Video erfahren Sie alles, was Sie über den CLV wissen müssen:

Customer Lifetime Value richtig berechnen.

Nachdem wir nun geklärt haben, warum der CLV so wichtig für Unternehmen ist, sehen wir uns nun die Vorteile an, die diese Kennzahl mit sich bringt. 

Was sind die Vorteile des Customer Lifetime Values?

In der Praxis bietet der Einsatz des Customer Lifetime Value folgende Vorteile:

  1. Steuerung von Marketingmaßnahmen und Investitionshöhe: Durch eine Priorisierung nach dem Kundenwert, machen Sie Ihr Marketing effizienter und verschwenden kein Budget an Kunden, die nicht kaufen oder kaum Wert für Ihr Unternehmen haben.
  2. Konzentration auf langfristig wertvolle Geschäftsbeziehungen: Neukundenakquise ist extrem teuer, doch es wird erst dann zu teuer, wenn Sie schlechte Kundenqualitäten über die Neukundenakquise einholen. Indem Sie aus den Daten Ihrer bestehenden Top-Kunden lernen, können Sie die richtigen, wertvollen Vertriebskanäle finden.
  3. Up-Selling und Cross-Selling Potentiale nutzen: Durch die Kenntnisse über den CLV Ihrer Kunden können Sie Marketingmaßnahmen gezielt einsetzen und passend verteilen. So holen Sie das Maximum aus den Kundenbeziehungen heraus. 
  4. Wichtige Erkenntnisse über den Kunden gewinnen: Mit Hilfe des CLV finden Sie Antworten auf die Fragen: Wer ist der Kunde? Warum, wo, wann, wie viel oder wie oft kauft der Kunde mein Produkt? Beantworten Sie diese Fragen, können Sie Ihr Marketing personalisieren und Kundenbeziehungen stärken.

Lassen Sie uns jetzt die verschiedenen Berechnungsmethoden und die jeweiligen Beispiele des Customer Lifetime Values ansehen.

Wie wird der Customer Lifetime Value berechnet? 

Um den Kundenwert zu bestimmen, gibt es viele verschiedene Methoden. Diese reichen von einfachen Modellen bis hin zu Modellen auf der Basis von maschinellem Lernen. Wir möchten Ihnen drei zentrale Modelle für den CLV vorstellen, die sich in Ihren Berechnungen, Vorteilen und Herausforderungen maßgeblich voneinander unterscheiden. 

Ansatz 1: Der durchschnittliche CLV des gesamten Kundenstamms
Ansatz 2: Die historische Fortschreibung des Customer Lifetime Value
Ansatz 3: Der Customer Lifetime Value auf Basis von Machine Learning

Anmerkung: Wir verzichten bei unseren Beispielen und Berechnungen bewusst auf Kosten-Aspekte der Neukundenakquise. Die Modelle sind ohne diesen Wert leichter verständlich und dennoch präzise. 

Ansatz 1: Der durchschnittliche CLV des gesamten Kundenstamms

Wir beginnen mit einer simplen Berechnungsmethode für den CLV. Bei dieser berechnen wir den Wert des durchschnittlichen Kunden eines Unternehmens. 

Für dieses Rechenbeispiel verwenden wir folgende Werte:

  • Durchschnittlicher Umsatz pro Kunde = 10€
  • Wiederkaufrate = 10 Einkäufe pro Jahr
  • Anzahl der Kunden zu einem bestimmten Endzeitpunkt (KE) = 3000
  • Anzahl der Kunden, die in dem Zeitfenster neu dazugewonnen wurden (NK) = 600
  • Anzahl der Kunden, die zu Beginn des Zeitfensters schon da waren (BK) = 2700
  • Das Zeitfenster = 1 Jahr

Außerdem müssen wir noch die Kundenbindungsrate und die Kundenlebensdauer berechnen. Dafür verwenden wir die folgenden Formeln:

Berechnung der Kundenbindungsrate:

Kundenbindungsrate = ((KE – NK) / BK)
Kundenbindungsrate = ((3000 – 600) / 2700) = 0,88 –> 88%
–> Die Kundenbindungsrate liegt bei 88%

Berechnung der Kundenlebensdauer:

Kundenlebensdauer = 1 / (1 – Kundenbindungsrate)
Kundenlebensdauer = 1 / (1 – 0,88) = 8,3
–> Die Kundenlebensdauer beträgt 8,3 Jahre 

Formel für die Berechnung des CLV:

CLV = (Umsatz x KE x Wiederkaufrate) x Kundenlebensdauer

Berechnung des CLV:

CLV = (10€ x 3000 x 10) x 8,3 = 2.490.000€ 

Betrachten wir zur Veranschaulichung ein Unternehmen aus dem E-Commerce: dieses hat 3000 Kunden im Kundenstamm. Pro Kunde stellen wir einen Durchschnittswert für die Umsatzhöhe (10€) und die durchschnittliche Wiederkaufrate (10 mal pro Jahr) fest. Um nun den Customer Lifetime Value zu berechnen, multiplizieren wir die Anzahl der Kunden (KE = 3000) mit den beiden Werten „Umsatz“ und „Wiederkaufrate“ und multiplizieren das Ergebnis dann mit der zuvor berechneten Kundenlebensdauer (8,3 Jahre). 

Die Kunden des Unternehmens haben also in den nächsten 8,3 Jahren einen durchschnittlichen Customer Lifetime Value von 2.490.000€. Oder – geteilt durch die Anzahl der Kunden (3000) – kommen wir auf einen durchschnittlichen Kundenwert von 830€ pro Kunde in den nächsten 8,3 Jahren.

Die Vorteile dieser Berechnungsmethode

  • Die Formel und das Berechnen dieser, ist unkompliziert
  • Wir benötigen nur wenig Daten und das Ergebnis dient als Überblick über den zukünftigen Umsatz pro Kunde

Die Nachteile dieser Berechnungsmethode

  • Dieser Ansatz bringt nur wenig Vorteile in der operativen Steuerung im Marketing und Vertrieb 
  • Das Ergebnis ist ein Durchschnittswert und nicht kundenindividuell
  • Die Kundenbindungsrate und -lebensdauer ist kundenindividuell: nicht jeder Kunde entspricht dem Durchschnitt
  • Die Berechnung basiert auf historischen Daten, die einfach in die Zukunft projiziert werden (ungeachtet bleiben so kundenindividuelle Potenziale und Eigenschaften)

(!) Wir raten persönlich von dieser CLV-Methode ab, da der Durchschnittswert irreführend sein kann.

Ansatz 2: Die historische Fortschreibung des Customer Lifetime Value

Diese ebenfalls recht einfache CLV-Methode wird verwendet, um für jeden Kunden einen eigenen – seinen historischen Daten entsprechenden – Customer Lifetime Value zu berechnen. 

Der Unterschied zwischen der eben vorgestellten CLV-Methode und dieser ist, dass es sich hier nicht um den Durchschnittswert aller Kunden handelt, sondern um einen kundenindividuellen CLV. Hier finden wir für einen einzelnen Kunden heraus, welchen Wert er für das Unternehmen bringt. Uns interessieren also nur die historischen Daten des einzelnen Kunden selbst. Um das zu veranschaulichen, verwenden wir die Beispiele von zwei Kunden.

Kunde A hat folgende Werte:

  • Durchschnittlicher Umsatz = 25€
  • Wiederkaufrate = 20 Einkäufe pro Jahr
  • Kundenlebensdauer = 5 Jahre

Kunde B hat folgende Werte:

  • Durchschnittlicher Umsatz = 200€
  • Wiederkaufrate = 7 Einkäufe pro Jahr
  • Kundenlebensdauer = 5 Jahre

Formel:

CLV = Umsatz x Wiederkaufrate x Kundenlebensdauer

Berechnung:

CLV (Kunde A) = 25€ x 20 x 5 = 2.500€
CLV (Kunde B) = 200€ x 7 x 5 = 2.800€

Kunde A wird schätzungsweise in den nächsten 5 Jahren einen Kundenwert von 2500€ für das Unternehmen haben, während Kunde B (mit komplett anderen Daten) in den nächsten 5 Jahren einen Kundenwert von 2.800€ haben wird. Somit zeigt sich Kunde B (obwohl er weniger einkauft als Kunde A) als profitabler.

Die Vorteile dieser Berechnungsmethode

  • Eine einfache CLV-Berechnungslogik für eine kundenindividuelle Bewertung
  • Sie bietet die Möglichkeit, ein Kundenranking oder eine Kundensegmentierung zu erstellen

Die Nachteile dieser Berechnungsmethode

  • Die historischen Werte werden einfach in die Zukunft fortgeschrieben mit der Annahme, dass der Kunde weder seinen Umsatz steigert oder reduziert
  • Auch hier treffen wir eine sehr vage Annahme über die Kundenlebensdauer, was zu einem verfälschten Ergebnis führen kann
  • Die ungenaue Prognose für die Zukunft birgt Gefahren in der Vermarktung

(!) Wir raten persönlich von dieser CLV-Methode ab, da Sie auch hier kein wirklich genaues Bild über die zukünftige Kundenentwicklung bekommen.

Ansatz 3: Customer Lifetime Value auf Basis von Machine Learning

Schauen wir uns nun eine Berechnung des Customer Lifetime Values an, die auf Machine Learning basiert. Diese ist in der Lage, präzise Prognosen für die zukünftige Wertentwicklung eines jeden Kunden zu erstellen. Das Vorgehen eliminiert die Schwachstellen der zuvor beschriebenen Ansätze – wie verallgemeinerte Annahmen aufgrund von Mittelwerten oder unpräzisen Schätzungen – und ersetzt sie durch präzise Vorhersagen für jeden einzelnen Kunden. 

Customer-Lifetime-Value-Vorhersage mit Machine Learning.

Wie funktioniert die CLV-Prognose?

Mit Machine-Learning-Modellen kann das völlig unterschiedliche Kaufverhalten jedes einzelnen Kunden zu einer individuellen Prognose verwendet werden.

Bei dem Vorgehen bereiten wir die historischen Transaktionsdaten, Kundenstammdaten sowie das Klickverhalten jedes einzelnen Kunden für die Algorithmen in einem Flatfile auf. Die Algorithmen lernen die Muster und Zusammenhänge der historischen Werte, um dann eine präzise Prognose – für einen vorab fest definierten Zeitraum in der Zukunft – zu erstellen. 

Anders als bei den zuvor beschriebenen Ansätzen, wird bei dieser Methode der langfristige Kundenwert nicht bis an das Ende seiner Kundenbeziehung geschätzt, sondern für einen zuvor definierten Zeitraum: Zum Beispiel der nächste Monat, das nächste Quartal oder auch das nächste Jahr. Durch diese Konkretisierung des Zeitraums wird eine klare Schätzung für den kundenindividuellen Customer Lifetime Value abgegeben, die in der operativen Steuerung eingesetzt wird.

Wie in folgender Grafik zu sehen, verwenden wir die bereits bekannten Kundendaten der Vergangenheit dazu, um Rückschlüsse auf die Zukunft zu ziehen. 

Machine Learning verwendet die Daten des historischen Kaufverhaltens, um eine präzise Customer-Lifetime-Value-Prognose zu generieren.
Abbildung 1: Machine Learning verwendet die Daten des historischen Kaufverhaltens, um eine präzise CLV-Prognose zu generieren.

Es gibt verschiedene überwachte Machine-Learning-Ansätze (supervised Machine Learning) für den CLV. Wir betrachten hier den – unserer Meinung nach – effektivsten Ansatz: ein kombiniertes CLV-Modell aus den vorher berechneten Modellen der Aktivitätswahrscheinlichkeit und dem Wertbetrag eines Kunden. 

In der Praxis sieht die Bildung eines solchen Customer-Lifetime-Value-Ansatzes wie folgt aus:

Zunächst bilden wir zwei separate Machine-Learning-Modelle, die zum einen die Aktivitätswahrscheinlichkeit P(Aktivität/x) und zum anderen den zu erwartenden Umsatz eines aktiven Kunden in der Zukunft abbilden E(Umsatz/x, aktiv). Beide Modelle beziehen sich auf denselben vorab fest definierten Zeitraum und werden durch Algorithmen gebildet.

Die Algorithmen, die hier zum Einsatz kommen, sind moderne Boosted-Tree-Methoden, wie beispielsweise der XGBoost. Sind beide Modelle gebildet und evaluiert, folgt in einem letzten Schritt die Kombination dieser.

Formel für das kombinierte CLV-Modell:

CLV = P(Aktivität/x) * E(Umsatz/x, aktiv)

Die folgende Grafik veranschaulicht das Zusammenspiel von dem Aktivitäts- und dem Umsatzmodell. Als Ergebnis liegt ein kombiniertes CLV-Modell vor, in welchem zu sehen ist, wann der Kunde inaktiv wird.

Das Aktivitätsmodell wird mit dem Umsatzmodell kombiniert, um den Customer Lifetime Value vorherzusagen.
Abbildung 2: Das Aktivitätsmodell wird mit dem Umsatzmodell kombiniert, um den Customer Lifetime Value vorherzusagen.

Die Kombination des Aktivitätsmodells mit dem Umsatzmodell hat den Vorteil, dass wir den CLV präzise vorhersagen können und auch nicht-lineare Zusammenhänge gut abbilden können. 

Die Vorteile dieser Berechnungsmethode

  • Wir können hunderte/ tausende Informationen in der Prognose berücksichtigen
  • Die Prognose ist durch den Einfluss von tausenden Variablen präzise
  • Wir erlangen einen hohen Automatisierungsgrad 
  • Der Einsatz dient als vielfältige Hilfestellung in Marketing und Vertrieb
  • Das Modell bietet Flexibilität und Aktualität (Berücksichtigung von saisonalen Schwankungen) 

Die Nachteile dieser Berechnungsmethode 

  • Es gibt keine!

Spannende Customer Lifetime Value Projekte:

Zu viele Unternehmen verteilen ihr Marketingbudget mit der Gießkanne gleichmäßig auf alle Kunden. Bei dieser Vorgehensweise ist mit erheblichen Verlusten zu rechnen, …

Sie möchten Ihre Kunden zu Langzeitkunden machen?   Sie fragen sich, welcher Kunde womöglich zu Inaktivität tendiert?  Sie möchten passende Reaktivierungsmaßnahmen einleiten?  Dann …

Wie können Sie Ihre Marketingkampagne optimiert nach dem langfristigen Customer Lifetime Value planen? Wir verraten es Ihnen in dem folgenden KI-Anwendungsbeispiel. In diesem haben wir für ein …

Anwendungsfälle für den Customer Lifetime Value

Bewertung von Neukunden und Marketingkampagnen

Welche Kunden haben einen hohen Kundenwert für das Unternehmen und über welchen Kanal wurden sie akquiriert? Die Beantwortung der Fragen ist für viele Unternehmen wichtig, denn die Ausgaben für Marketingkampagnen sind hoch. Doch sie werden noch höher, wenn sie den falschen Kunden gewinnen. So ist es wichtig zu wissen, wie wertvoll die jeweiligen Kampagnen waren und mit welchen Neukunden wir eine profitable Kundenbeziehung herstellen können. 

Folgende Grafik veranschaulicht den Zusammenhang zwischen den Akquisitionskosten und dem Customer Lifetime Value. Die Betrachtung des Zusammenhangs dient der Einschätzung der Rentabilität einzelner Kampagnenkohorten:

Die Rentabilität von Kampagnenkohorten zeigt sich anhand des Zusammenhangs zwischen den Akquisitionskosten und dem CLV.
Abbildung 3: Die Rentabilität von Kampagnenkohorten zeigt sich anhand des Zusammenhangs zwischen den Akquisitionskosten und dem CLV.

Wertbasierte Steuerung von Marketingausgaben

Die Strategie der Marketing-Gießkanne ist längst überholt. Das zur Verfügung stehende Marketing-Budget sollte sinnvoll auf den Kundenstamm – immer am kundenindividuellen Customer Lifetime Value orientiert – verteilt werden. Denn die individuellen Marketingausgaben sollten den zukünftigen Wert eines Kunden nicht übersteigen.

Aber woher weiß der Marketingmanager, ob sich eine Marketingausgabe lohnt oder eben nicht? Eine individuelle, manuelle Kundenbewertung ist meist aufgrund der Größe des Kundenstamms kaum möglich. So wird das Marketing-Budget häufig auf den gesamten Kundenstamm verteilt und an Kunden verschwendet, die kaum einen positiven Wertbeitrag für die Zukunft darstellen (siehe Abbildung 4). 

Ineffizientes Marketing (Marketing mit der Gießkanne)
Abbildung 4: Ineffizientes Marketing (Marketing mit der Gießkanne).

Orientiert man sich allerdings am zukünftigen, individuellen CLV der Kunden, so kann man das Budget gezielt verteilen. Auch hier lohnt sich also eine CLV-Prognose, durch welche wir die Werbebudget-Allokation planen können. Je höher der erwartete Wert des Kunden ist, desto hochwertigere Werbeanstöße erhält der Kunde. Andersrum können wir Kunden ohne Wert aus der bezahlten Kommunikation entfernen.

Effizientes Marketing: Das Budget wird am Customer Lifetime Value orientiert verteilt.
Abbildung 5: Effizientes Marketing: Das Budget wird am Customer Lifetime Value orientiert verteilt.

Kundenreaktivierung und Churn Prevention nach CLV 

Auch im Bereich der Kundenreaktivierung und Churn Prevention, zeigt sich die CLV-Prognose als sehr nützlich. Denn durch sie lassen sich Kundenprofile bestimmen, die eine hohe Wahrscheinlichkeit haben, inaktiv zu werden oder gar zu kündigen. So können wir gezielt präventive Angebote versenden, um einen Churn zu verhindern oder um Kunden zu reaktivieren. 

In der folgenden Abbildung sehen Sie eine solche triggerbasierte Reaktivierungskampagne mit CLV-basierter Auswahl des Incentives:

Aufbau einer triggerbasierten Reaktivierungskampagne. Der Incentive wird anhand des CLV ausgewählt.
Abbildung 6: Aufbau einer triggerbasierten Reaktivierungskampagne. Der Incentive wird anhand des CLV ausgewählt.

Die historischen Transaktionsdaten des Kunden (Käufe) dienen als Basis für die Ermittlung des Inaktivitätszeitpunkts. Ist dieser Zeitpunkt gekommen, folgt ein automatisierter Reaktivierungstrigger. Anschließend wählen wir – orientiert an der CLV-Prognose – den Wert der zu verwendenden Werbemaßnahme oder des Incentives, um den Kunden zu reaktivieren. 

Eine Schritt-für-Schritt-Anleitung für Ihr Unternehmen: Was müssen Sie bei der Berechnung des Customer Lifetime Value beachten?

  1. Ziele definieren: Was wollen Sie eigentlich mit dem Customer Lifetime Value erreichen? 

Um die Kennzahl optimal zu nutzen, muss vorab geklärt werden, zu welchem Zweck sie dienen soll: Sollen Kundenreaktivierungsmaßnahmen besser geplant werden, sollen Neukunden eingeschätzt werden? Je definierter der Verwendungszweck der Kennzahl ist, desto präziser ist das Ergebnis.

2. Datenbasis prüfen: Welche Daten sind bereits vorhanden? 

Verschaffen Sie sich einen Überblick, über die Ihnen zur Verfügung stehenden Daten: Wie viele Kunden sind im Unternehmen; Welche unter ihnen sind Langzeitkunden und wie viele Neukunden können Sie im Durchschnitt gewinnen? Möchten Sie bestehende Kosten mit in die Berechnung miteinbeziehen und liegen vielleicht Daten aus externen Quellen vor?

3. Berechnungsmethode wählen: Welche Berechnungsmethode ist die Effektivste für meine Unternehmensziele? 

Nachdem geklärt ist, wofür Sie den Customer Lifetime Value verwenden möchten und über wie viele Kundenstammdaten Sie verfügen, können Sie die Berechnungsmethode wählen, die am ehesten Ihren Zielen und Ausstattungen entspricht. So entscheiden Sie sich zwischen den drei Methoden „durchschnittlicher CLV“, „historische Fortschreibung des CLV“ und „CLV auf Basis von maschinellem Lernen“.

4. Operationalisierung:

Sind die Punkte der Entwicklung 1 bis 3 geklärt, wird der regelmäßige Prozess eingeleitet. Hier stellen Sie sich die Fragen, wie oft Sie die Kennzahl abgebildet haben möchten. In welcher Form wird die Kennzahl bereitgestellt und für welchen Zeitraum möchten Sie das Ergebnis vorliegen haben?

5. Monitoring und Qualitätssicherung: 

Bei solch einem komplexen Prozess ist es entscheidend, die einzelnen Schritte immer wieder zu scannen und zu überprüfen. Die im Prozess entstandenen CLV-Modelle müssen stets upgedatet werden, da die Daten (je nachdem, welche Berechnungsmethode verwendet wird) einer kontinuierlichen Veränderung unterliegen können (das ist besonders beim Machine-Learning-basierten CLV-Modell der Fall).

Fazit zum CLV

Wie wir feststellen konnten, ist die Berechnung des CLV für Unternehmen immer von Vorteil. Die Kenntnis über den Wert eines Kunden hilft besonders den Abteilungen Marketing und Vertrieb dabei, das Marketingbudget passend zu allokieren oder Inaktivitätsgefährdete Kunden zu reaktivieren. 

Außerdem konnten wir feststellen, dass ein Machine-Learning-basierter CLV-Ansatz den größten Vorteil für Unternehmen bringt. Denn durch die große Anzahl an Daten aus verschiedensten Quellen, kann eine präzise CLV-Prognose geschätzt werden, die immer wieder aktuelle und vollautomatisierte Vorhersagen für den individuellen Wert eines Kunden bringt. 

Wenn Sie die Kennzahl nun gerne mit Hilfe des maschinellen Lernens in Ihrem Unternehmen nutzen möchten, freuen wir uns, Sie bei der Implementierung dieses smarten Systems zu unterstützen: Kontaktieren Sie uns hierfür gerne, und wir führen ein unverbindliches Beratungsgespräch.

Häufig gestellte Fragen zum Customer Lifetime Value

Was ist der Customer Lifetime Value (CLV)?

Der Customer Lifetime Value (CLV) ist eine Kennzahl, die den Wert des Kunden in seinem gesamten Kundenlebenszyklus mit dem Unternehmen angibt. Die Kennzahl setzt sich aus dem historischen Kundenwert und dem zukünftigen, potenziellen Kundenwert zusammen. 

Was sind die wesentlichen Vorteile des Customer Lifetime Value (CLV)?

Durch die Kenntnis über den Customer Lifetime Value (CLV) lassen sich Marketingmaßnahmen gezielt steuern. Besonders mit Hilfe des Machine-Learning-basierten CLV-Ansatzes, lassen sich diverse Vorteile für die Bereiche Marketing und Vertrieb verzeichnen. So wird unter anderem die Kundenbindung gestärkt, die Kundenfluktuation minimiert und das Marketingbudget effizient – am ROI orientiert – verteilt. 

Wie wird der Customer Lifetime Value berechnet?

Es gibt verschiedene Möglichkeiten den Customer Lifetime Value zu berechnen – je nach Zielstellung des Unternehmens. Eine simple Formel des CLV lautet: 

CLV = Umsatz x Wiederkaufrate x Kundenlebensdauer

Durch diese Formel lässt sich der kundenindividuelle zu erwartende Umsatz für jeden Kunden berechnen. 

Ihr Kontakt: Laurenz Wuttke

Unternehmen sitzen auf einem ungenutzten Berg von Kundendaten. Wir von datasolut entwickeln KI, die Ihr Marketing optimiert. Damit Sie dem richtigen Kunden zur richtigen Zeit das richtige Angebot machen können.

Laurenz Wuttke

Auch interessant für Sie

Download:

KI Use Cases für Marketing und Vertrieb

Jetzt eintragen und spannende KI-Projektbeispiele aus der Praxis erhalten:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.