Churn Prediction für eine Subscription App

Churn – der Albtraum eines jeden Unternehmens. Was würden Sie sagen, wenn wir Ihnen verraten, wie Sie diesen vorhersehen und dadurch effektiv verhindern können? 

Durch ein intelligentes Frühwarnsystem für gezielte Kündigerprävention wird die Abwanderung oder Inaktivität der User vorhergesagt. 

Wie wir das Frühwarnsystem für eine Fitness Subscription App implementieren, und wie das vielversprechende Ergebnis aussieht, erfahren Sie in diesem Use Case. 

Churn verhindern ohne die Unterstützung von KI? 

Je intensiver eine App genutzt wird, desto größer ist die Bereitschaft, Geld für das Produkt auszugeben. Sobald aber ein Abonnent nicht mehr regelmäßig aktiv in der App ist, besteht sogar ein hohes Risiko, dass er sein Abonnement kündigt. Um Verkäufe zu steigern und Kündigungen vorzubeugen, muss das Unternehmen solche Risiko-Abonnenten identifizieren. Dann kann es Engagement-Maßnahmen einleiten.  

Bei unserem Auftraggeber handelt es sich um ein Unternehmen, welches eine Fitness-App anbietet. Die App bietet den Usern ein kostenfreies Abonnement, welches nach einem Monat endet und im besten Fall in ein kostenpflichtiges Abonnement überläuft.  

Leider wird die App nicht selten kurz nach der Installation wieder verlassen, und die Akquisition von Neukunden ist alles andere als günstig. Nur 9,5% der User entscheiden sich für ein Abonnement, wenn sie nicht bereits am ersten Tag das Abonnement abschließen (92% der Abonnenten schließen das Abo am ersten Tag ab). Folgende Grafik veranschaulicht dies:

Von der Anmeldung bis zum Vertragsabschluss vergehen nur wenige Stunden. Danach ist das Interesse an einem Abschluss gering.
Die Zeit von der Anmeldung bis zum Abonnement.

Somit stehen die Marketingmanager vor der Herausforderung, die Risiko-Abonnenten zu identifizieren, um diese durch gezieltes Marketing, zum Bleiben zu überzeugen. Aber wie können die Risiko-User identifiziert werden? Welche Profile tendieren zu Inaktivität? 

Zusammengefasst liegen folgende Herausforderungen vor: 

  • Das Identifizieren von Risiko-Usern 
  • Gezielte Marketing-Kampagnen planen 
  • Die User langfristig an die App binden (free2pay conversion im ersten Monat)

Könnte man doch nur einen Blick in die Zukunft werfen… 

Churn verhindern durch gelenktes Marketing! 

…die KI ermöglicht das!  

Um die Herausforderungen bestmöglich zu bewältigen, implementieren wir eine Inaktivitätsprognose. Diese basiert auf den smarten Prozessen des maschinellen Lernens und ermöglicht eine Bewertung des individuellen Risikos pro User, abzuspringen.  

Indem wir auf Nutzerdaten der Vergangenheit zurückgreifen, können wir die Nutzerprofile identifizieren, die ein hohes Risiko aufweisen, inaktiv zu werden. So können gezielte Marketing-Maßnahmen eingesetzt werden, die den User zur Nutzung der App motivieren sollen.  

Wie wir eine Inaktivitätsprognose entwickeln? Wir verraten es Ihnen! 

In mobile-Apps kann die Interaktion von Nutzern mit den Produkten erfasst werden. Wir haben den Zugriff auf über hundert verschiedene In-App-Events von über zehntausend Nutzern. Da uns insbesondere interessiert, welche Eigenschaften die Profile aufweisen, die bereits nach kurzer Zeit abspringen, sammeln wir folgende Features: 

  • Aktive Tage in den letzten 3 Tagen 
  • Anzahl Events der letzten 3 Tage 
  • Anzahl Session der letzten 4 Tage 
  • Tage seit letzter Impression 
  • Alter der Kunden 
  • Trainingsziel (Abnehmen, Muskelaufbau, etc.) 
  • Viele Weitere 

Das sind genug Daten, um damit ein Modell zu erstellen, welches mit Hilfe von maschinellem Lernen einen individuellen Prognose-Score pro Nutzer berechnet.  

Uns ist wichtig, ein möglichst präzises Ergebnis zu erlangen, deshalb lassen wir die Inaktivität für die nächsten zehn Tage vorhersagen.  

Anschließend übernimmt die Marketing-Abteilung und überzeugt die Nutzer durch Trugger-Kampagnen von einem Abo-Abschluss.

Die Churn-Prediction in vier Schritten dargestellt.
Ablauf der Churn-Prediction.

Eine deutliche Steigerung durch die KI-basierte Churn Prediction!  

Durch die Implementierung der Churn Prediction konnten die Marketingmanager gezielte Kampagnen einsetzen, und so die App-Nutzung deutlich erhöhen. Dadurch verstärkt sich die Bindung der Zielgruppe an die App und die Churn-Quote der Abonnenten verringert sich. 

In der folgenden Tabelle möchten wir Ihnen die Ergebnisse des Modellvalidierungsprozess (A/B-Test) präsentieren:

Die Zielgruppe wird in zwei Gruppen unterteilt 

  • 1. Gruppe: Gruppe, die durch den Inaktivitätsscore als abwanderungsgefährdet identifiziert wurde 
  • 2. Gruppe: Kontrollgruppe 

Das Ergebnis ist eindeutig:

Im direkten Vergleich zu der Kontrollgruppe, konnten die App-Öffnungen bei der 1. Gruppe um 3,4x gesteigert werden. Ebenfalls ist eine Verbesserung des App-Engagement zu erkennen: ganze 1,5x mehr App-Engagement kann bei der 1. Gruppe festgestellt werden. 

Gegenüberstellung der Ergebnisse der A/B-Analyse.
Ergebnis der Testkampagne zur Prävention der Inaktivität von Fitness-App-Nutzern

Wir sehen, wir erfolgreich die zielgerichtete Kommunikation sein kann: Nutzer werden dadurch zum Öffnen der App oder auch zum Trainieren bewegt. Da nicht zu 100% klar sein kann, welcher Kunde wann abspringt, ist die Vorhersage eine geschickte Methode, um Präventations-Maßnahmen in Form von Kommunikation einzuleiten.  

Sie finden das Thema Churn Prediction spannend und möchten gerne mehr erfahren? Hier haben wir weitere interessante Fakten für Sie zusammengetragen.  

Wenn Sie eine Churn Prediction in Ihrem Unternehmen implementieren wollen, sind wir gerne für Sie da

Weitere spannende Fakten rund um das Anwendungsgebiet der Künstliche Intelligenz im Bereich Marketing und Vertrieb finden Sie außerdem auf unserem YouTube-Kanal: einfach und anschaulich erklärt. 

Ihr Kontakt: Vinzent 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.

Weitere KI Use Cases

Interessante Blogbeiträge