Customer Churn & Retention Prognose
Unser Kunde, ein führender Textil Service Manager in Deutschland, nimmt mit über 150.000 Vertragspartnern und 5.000 Mitarbeitern eine starke Marktposition ein. Nach der erfolgreichen Implementierung einer Daten- und KI-Plattform auf Databricks zur Optimierung des Datenmanagements zielte unser neuestes Projekt auf die Stärkung der Kundenbindung ab.
Durch die Entwicklung einer KI-basierten Customer Churn-Prognose konnten wir die Abwanderungsrate (Churn-Rate) von 23% auf 12% nahezu halbieren.
Auf einen Blick:
- Branche: Textil-Managment
- Projektziel: Vollautomatisch Kunden mit hohem Abwanderungsrisiko identifizieren
- Technologien: Databricks, Unity Catalog, Delta Live Tables, Terraform, Asset Bundles, MLFlow
- Dauer: 6 Monate
Herausforderungen unseres Kunden
Die größte Herausforderung des Textil-Service-Managers ist die Pflege des Kundenmanagements und damit verbunden die Verhinderung von Vertragskündigungen. Unser Kunde betreut über 150.000 Vertragspartner mit einer jeweiligen Vertragslaufzeit von 12 Monaten. Jeder Kunde erhält individuell zusammengestellte Produktpakete aus vier verschiedenen Kollektionen inklusive Wartung, Lieferung, Nachbestellung und Reparatur.
Der Anspruch der Kunden an den Service konnte häufig nicht erfüllt werden aufgrund des überwältigenden Verhältnisses von Kunden zu Kundenbetreuern. Die Folge waren verzögerte Reaktionen auf Kundenprobleme und ein erhöhtes Kündigungsrisiko. Diesem Problem war sich das Unternehmen schon länger bewusst und es wurden bereits erste Versuche gestartet, Kunden in Gruppen zuzuordnen und diesen Gruppen eine Kündigungswahrscheinlichkeit zuzuweisen. Jedoch blieben diese Bemühungen ohne Erfolg, da die Ergebnisse der Berechnungen zu ungenau waren. Die Folge waren Vertriebs- und Marketingbemühungen für Kunden die nicht kündigungsgefährdet waren oder weniger als andere.
Auf Basis unserer bereits implementierten Machine-Learning-Plattform haben wir ein Klassifikationsmodell zur Vorhersage der Churn-Wahrscheinlichkeit entwickelt. Dieses Modell identifiziert Muster basierend auf historischen Kundendaten, in welchen der Kunde seinen Vertrag kündigte, und schreibt diese in die Zukunft fort. Durch Ähnlichkeiten im Kundenprofil und in der Kundeninteraktion kann das Modell die Kündigungswahrscheinlichkeit zukünftiger Vertragspartner vorhersagen.
Hierfür mussten wir zunächst bestehende Datensätze ordnen und säubern. Das bedeutet die Transformation von Daten, das einheitliche Beschriften von Spalten, Pseudonymisierung und Bereinigung von Daten.
Pro Stichtag sammelten wir etwa 90.000 Datensätze, um das Modell so genau wie möglich zu trainieren. Die Vorhersage der Wahrscheinlichkeit, dass ein Vertrag gekündigt wird, sollte für 1 Jahr im Voraus folgen. Das Training basierte auf den Daten aus den Jahren 2018-2022 und die Validierung der Vorhersage des Modells erfolgte auf den Daten von 2023. Das Modell mit der höchsten Genauigkeit wurde in der realen Unternehmensumgebung implementiert.
Die Ergebnisse unseres Kunden
Mit dem finalen Machine Learning-Klassifikationsmodell können die Mitarbeiter unseres Kunden potenzielle Vertragskündigungen vorhersagen. Mit diesen Informationen können sie:
Die Top 1% der kündigungsgefährdetsten Kunden wurden durch das Modell besser geschätzt als herkömmliche Berechnungsmethoden: der tatsächliche Churn war 4,7 Mal so hoch.
Bestandskunden zu halten ist deutlich günstiger als Neukunden zu gewinnen. Möchten auch Sie die Kundenabwanderung in Ihrem Unternehmen reduzieren? Mit unserer Expertise im Bereich Machine Learning können wir Ihnen helfen, Ihre Kundenbeziehungen zu stärken. Kontaktieren Sie uns und finden Sie heraus, welches Potenzial in Ihrem Unternehmen steckt.
Welche Probleme konnten durch eine KI-gestützte Selektion vermieden werden?
- Automatische Identifikation von Kunden mit hohem Abwanderungsrisiko
- Verbesserte Reaktionszeiten und gesteigerte Kundenzufriedenheit
- Effektive Senkung der Churn-Rate
Sie möchten die Kundenbindung stärken durch Churn-Prädiktion? Dann melden Sie sich!
Lassen Sie uns sprechen und Ihr Potenzial entdecken.
Ob und wie künstliche Intelligenz Ihnen weiterhelfen kann, können Sie in einem ersten, unverbindlichen Gespräch mit uns herausfinden.
In diesem Gespräch erfahren Sie:
- Wie Ihr Use-Case technisch am besten umgesetzt werden kann
- Wie wir maximal sicher mit Ihren Kundendaten umgehen
- Wie lange wir für die Umsetzung benötigen und wie ein konkreter Projektplan aussehen könnte