CHURN
Die Loyalität Ihrer Kunden steht in den Sternen.
Oder einfach in JOULES.
Kann die Lebensdauer einer Kundenbeziehung in der Energiebranche bereits im Vorfeld prognostiziert werden? Joules CHURN liefert die Antwort mit Hilfe einer Predictive Analytics Engine basierend auf künstlicher Intelligenz.
DARUM CHURN
Herausforderung
1
Der Kampf um die Spitzenpositionen auf Vergleichsportalen wie „Verivox“ oder „Check24“ zwingt viele Energieversorgungsunternehmen in einen riskanten Preiskampf: Nach Abzug eines Neukunden-Bonus bleibt im ersten Vertragsjahr oft ein negativer Deckungsbeitrag.
2
Damit diese Strategie trotzdem rentabel wird, muss zumindest ein gewisser Teil der Energiekunden über die Erstvertragslaufzeit hinaus möglichst lange erhalten bleiben.
3
Aber welche Kunden sind das genau? Ohne ein funktionierendes Profiling bleibt dem Energieversorger nur zu spekulieren.
Lösung
1
Die Antwort liefert Joules CHURN, eine Predictive Analytics Engine basierend auf künstlicher Intelligenz. Das System erkennt im Verhalten Ihrer bestehenden Kunden Muster und bildet daraus präzise Kunden-Cluster, die sich im Ausmaß ihrer Loyalität unterscheiden.
2
Jeder neue Energiekunde wird anhand des bereits gelernten Schemas bewertet und mit einer Stabilitätskennziffer versehen. Mit jedem weiteren Kunden verbessert das System selbstständig seinen Prognosealgorithmus.
3
Der Vorteil: Sie wissen bei der Vertragsanlage, was die typische Lebensdauer eines Kunden dieses Clusters ist. Sie können so unrentable Kunden ablehnen, oder rechtzeitig vor der erwarteten Kündigung Gegenmaßnahmen ergreifen.
CHURN – Mit Vergangenheitsdaten die Zukunft vorhersagen.
Ist das Verhalten von Energiekunden prognostizierbar?
Ein Schlüsselfaktor bei der Beurteilung der Werthaltigkeit einer Kundenbeziehung ist das Kündigungsrisiko, auch bekannt als das „CHURN-Risiko".
Mittels dieser Kennzahl wäre ein Versorgungsunternehmen in der Lage, seine Marketinganstrengungen auf die wirklich profitablen Energiekunden zu konzentrieren. Für die Finanzplanung sind das sehr wertvolle Informationen.
Loyale Kunden: Sie verhalten sich nach dem Anbieterwechsel sehr träge. Die Kunden interessieren sich einfach nicht genug für ihren Stromvertrag, um regelmäßig Vergleichsangebote einzuholen – für den Versorger eine Idealsituation.
Dynamische Kunden: Einem bestimmten Kundensegment ist die Existenz attraktiver Wechselangebote durchaus bewusst. Diese Gruppe kann aber beispielsweise durch eine gut geplante Marketingmaßnahme, wie etwa einen Carecall, am verfrühten Wechseln gehindert werden.
Gefährdete Kunden: Hierbei handelt es sich um preissensible Kunden, die nach Ablauf der Erstvertragslaufzeit auf jeden Fall umgehend kündigen werden. Allein diese grundsätzlich deckungsbeitragsnegativen Kunden zu vermeiden, würde das Ergebnis des Versorgers erheblich verbessern.
KI liefert die Antwort
Joules CHURN basiert auf „Predictive Analytics“, einer speziellen KI-Technologie zur Erstellung quantitativer Zukunftsprognosen. Joules CHURN verwendet dazu historische Daten der Energiekunden, um zukünftige Ereignisse vorherzusagen. Dabei wird ein mathematisches Modell erstellt, das in historischen Daten Muster und Trends erkennt. Dieses prädiktive Konzept wird dann auf aktuelle Werte angewendet, um Prognosen zur künftigen Entwicklung zu errechnen. Manager können so rechtzeitig reagieren, um diese Zukunft proaktiv zu gestalten.
Der JOULES Qualitätsindex
Verschiedene Kundeninformationen haben unterschiedliche statistische Bedeutung. So sind beispielsweise Vertriebskanal, Kundenalter und das Ergebnis des Kreditchecks höchst relevant für die Kundenstabilität. Der Machine-Learning-Algorithmus von Joules CHURN erkennt Muster in Ihren Datenbeständen und priorisiert die einzelnen Attribute. Das Ergebnis wird zum "Joules Qualitätsindex" verdichtet, an dem auf einen Blick die zu erwartende Kundenlebensdauer des Segments abgelesen werden kann. Dadurch ermittelt CHURN für jeden Kunden ein erwartetes Kündigungsdatum und leitet daraus ein ideales Datum für die Kontaktaufnahme zur CHURN-Prävention ab.
Features
Messung der Kundenstabilität
Sie können auf einen Blick erkennen, welches CHURN-Verhalten vom individuellen Kunden eines Segments zu erwarten ist. Vertriebsmanager können so rechtzeitig Maßnahmen zur Abwanderungsprävention einleiten.
Qualitätskontrolle
Der Algorithmus basiert auf statistischen Modellen, die Sie jederzeit durch einen Vergleich der Prognosewerte mit den tatsächlichen Kündigungswellen auf ihre Genauigkeit überprüfen können.
Laufende Neuausrichtung
Die Prognosen werden laufend auf der Grundlage neuer Messdaten rekalibriert. So stellt sich CHURN kontinuierlich auf Veränderungen Ihres Kundenbestands ein.
Plug & Play
Joules CHURN kommuniziert über eine API nahtlos mit Ihrer Joules-Plattform. Das System ist innerhalb weniger Tage aufgesetzt und einsatzbereit. Prognosen über jeden neuen Kunden geschehen in Echtzeit.