Kundenabwanderung? – So erkennen Sie mögliche Verluste bevor es zu spät ist
Wie können Sie die Wahrscheinlichkeit einer Kundenabwanderung verringern und B2B-Kundenbindungsprogramme gezielt einsetzen?
Vertriebsleiter in B2B-Unternehmen stehen ständig unter Druck, neue Geschäftschancen aufzudecken.
Allerdings ergeben sich neue Geschäfte nicht nur durch Beziehungen zu neuen Kunden, sondern auch durch die Vertiefung der Geschäftsbeziehung mit den bestehenden Kunden.
Doch gerade der Verlust der bewährten Kundenbeziehungen birgt ein hohes Risiko: Wenn Bestandskunden zum Wettbewerber wechseln, bedeutet das einen Verlust von wiederkehrenden Einnahmen.
Zusätzlich zur Akquise von neuen Kunden dürfen Firmen daher nicht vergessen, in die Kundenbindung zu investieren. Erfolgreiche Vertriebsorganisation setzen B2B-Kundenbindungsprogramme nur gezielt ein. So lohnt sich Ihre Bestandskundenpflege.
Wie groß ist das Problem der Kundenabwanderung und Kundenfluktuation und warum sollte dies Vertriebsleiter interessieren?
Im B2B-Bereich, in dem die Verkaufszyklen eher länger sind und Kundenbeziehungen normalerweise über mehrere Jahre aufgebaut werden, sollte jeder Vertriebsleiter selbst definieren, was „Abwanderung“ und „Kundenbindung“ bedeuten. Bei der einen Firma ist ein abwandernder Kunde vielleicht ein Kunde, der den nächsten Deal nicht abschließt; bei der anderen Firma ein Kunde, der seit mehr als einem Quartal inaktiv ist.
Als erster Schritt sollte die Kundenabwanderung (oder Umsatzeinbrüche) in Ihrem speziellen Zusammenhang definiert werden, und es sollten Vertriebskennzahlen dazu zusammengetragen werden.
Definieren Sie einen Zeitraum für die Kundenabwanderung / Kundenbindung.
Ordnen Sie jedem verlorenen Kunden Alternativkosten zu.
Messen Sie, wie viele Kunden über einen bestimmten Zeitraum tatsächlich abgewandert sind.
Hierbei sollte natürlich ein Zeitraum verwendet werden, der länger ist als der Zeitraum, der für die Abwanderung gewählt wurde.
Jetzt können Sie einschätzen, welche Kosten Ihrem Unternehmen durch die Abwanderung von Stammkunden entstehen. Ihre Schätzung wird nicht perfekt sein, aber dadurch lernen Sie die finanziellen Vorteile eines Kundenbindungsprogramms kennen.
Investieren Sie mehr in Ihre Bestandskunden als in das Abwerben von Kunden Ihrer Wettbewerber
Investieren Sie auch gezielt Ressourcen in das Abwerben von Kunden Ihres Wettbewerbs? Sie sollten beachten, dass es fünfmal so viel kostet, einen neuen Kunden anzuwerben, als neue Geschäfte mit Bestandskunden abzuschließen. Ihre Ressourcen sind damit besser investiert, wenn Sie sich verstärkt Ihren bestehenden Kunden zuwenden.
Interessanterweise zeigen Studien in diesem Bereich, dass nicht nur die Firmen, die eine Kundenbindungsstrategie forcieren, von ihr profitieren, sondern auch deren Kunden (Syam und Hess, 2006). Die Vermutung, dass Vertrauen belohnt wird, liegt nahe. Als Vertriebsleiter ist es auf jeden Fall wichtig, sich Kundenbindungsprogramme näher anzuschauen.
BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE
Wie können Sie die Wahrscheinlichkeit der Kundenabwanderung reduzieren und Maßnahmen für Kundenbindung einsetzen?
Es gibt keine allgemeine Datenanalyselösung, um das Abwandern von Kunden vorherzusagen und dem vorzubeugen. Es gibt allerdings zwei Strukturen, mit denen Sie einen Anfang machen können: Kundenverhaltenssignale und Kundenfinanzmodelle.
1 – Reduzieren Sie Kundenabwanderungen durch Kundenverhaltensanalysen:
Vertriebskennzahlen aus verschiedenen Vertriebsaktivitäten werden Ihnen dabei helfen, die Kundenabwanderungsrate basierend auf dem Kundenverhalten zu reduzieren: Customer Journey, Kundenzufriedenheit, und/oder Kundenbeschwerden.
Nehmen Sie sich die Zeit und zeichnen Sie eine typischen Customer Journey auf. Sie sollten Ihre Key Account Managern in diesen Vorgang einbinden. Quantifizieren Sie jeden Teil des Wegs und vergleichen Sie dann die Daten mit der Kundenzufriedenheit, allg. Kundenbindung, der Anzahl der Beschwerden, neuer Kundensupportfälle, der Häufigkeit der Zahlungen, der Anzahl an durchgeführten Web-Seminaren für Kunden u.s.w..
Ziel ist es, das Kundenverhalten aufzuschlüsseln und die Signale erkennen zu können, damit ein Einfluss auf die Kundenabwanderung genommen werden kann. Für die Modellierung kann der Naïve Bayes-Klassifikator verwendet werden, wodurch der Fokus auf den Reingewinn gelenkt wird (Provost und Fawcett, 2013).
Dieser Ansatz bringt viele Vorteile mit sich. Nichts sagt die Zukunft besser voraus als das Verhalten in der Vergangenheit. Außerdem sind die Modelle effizient und ihre Effektivität wurde vielfach unter Beweis gestellt. Was sind die Nachteile? Es kann für einige Firmen teuer werden, Kundenverhaltenskennzahlen zu ermitteln, und daran können Vertriebsleiter eventuell nichts ändern.
2 – Reduzieren Sie Kundenabwanderungen durch Kundenfinanzmodelle:
Sie kennen den Spruch „Daten sind das neue Öl“. Wer Daten hat, hat die Macht. Einige Vertriebsleiter haben eventuell keinen Zugriff auf verlässliche Daten über das Kundenverhalten und Kundenbindung, aber die meisten können auf Daten in ihren ERP- und CRM-Systemen zugreifen. Mit diesen festen Daten können Vertriebsleiter prädiktive Modelle erarbeiten, mit denen Kunden identifiziert werden können, welche in der nahen Zukunft höchstwahrscheinlich abwandern werden.
Für Ihr Modell können Sie verschiedene Signale verwenden. Zum Beispiel können Sie Ihre Kunden anhand einer Kombination von Produkten gruppieren, die diese kaufen und dann herausfinden, welche Kunden noch nicht das neueste Produkt angenommen haben. Fragen Sie dann Ihr Vertriebsteam. Warum haben sie das neueste Produkt noch nicht angenommen?
Auch der Preis ist ein Signal darüber, wie stark die Kundenbindung ist. Bezahlt ein Kunde für ein spezielles Produkt konsequent weniger als den Durchschnittspreis? Warum? Ein niedrigerer Preis muss nicht unbedingt mit einer möglichen Abwanderung zusammenhängen, sondern kann auch Auswirkung Ihrer Preisgebungsstrategie sein: Der Kunde kauft z.B. große Volumen und bezahlt aus diesem Grund niedrigere Endpreise. Darüber hinaus besteht die Möglichkeit, dass Ihre Konkurrenten den Preis untergraben und Ihre Kunden deshalb eventuell abwandern (Tamaddoni et. al. 2014).
Der Finanzmodell-Ansatz hat zwei Vorteile: Die Verfügbarkeit von Vertriebskennzahlen und die Verfügbarkeit der Werkzeuge, um Analysen durchzuführen. Zusätzlich sind Vertriebsleiter für gewöhnlich besser dazu in der Lage, die zugrundeliegenden Ursachen der Kundenabwanderung anzugehen. Ein Nachteil wären Verzögerungen, um die benötigten Daten zu beschaffen.
Kundenabwanderung verhindern – Fazit:
Firmen im B2B-Bereich sollten sich darauf konzentrieren, langfristige Beziehungen zu ihren Kunden aufzubauen, indem sie Kundenbindungsprogramme einführen und nicht nur neue Kunden anwerben. Indem eine effektive Kundenbindungsstrategie verfolgt wird, profitieren Firmen von niedrigeren Dienstleistungskosten und höheren Einnahmen.
Es gibt verschiedene Datenanalyseansätze, die Vertriebsleiter anwenden können, je nachdem welche Daten erhältlich sind. Es ist wichtig, Kundenabwanderung genau zu definieren, allerdings sollten die Ergebnisse auch zu gezielten Management-Aktionen führen.
Haben Sie Fragen zum Thema Predictive Sales Analytics? Wir helfen gerne weiter!
JETZT TERMIN FÜR EIN TELEFONGESPRÄCH VEREINBAREN
Kostenloses eBook zum gratis Download: Kundenabwanderung – Definition und Verringerung mit Predictive Analytics
Definition der B2B Kundenabwanderung und Verringerung mit Predictive Analytics
Downloaden Sie jetzt das kostenlose eBook.
- Wir verwenden diese Daten nur zur Beantwortung Ihre Anfrage. Hier können Sie unsere Datenschutzerklärung finden.
Interessant für Sie:
So lässt sich Kundenabwanderung verhindern – Ein Beispiel aus der Praxis
Literaturnachweis:
1. Tamaddoni, A., Stakhovych, S. & Ewing, M. 2014. „Managing B2B customer churn, retention and profitability“. Industrial Marketing Management (Wirkungsfaktor: 1.93). 07/2014; 43(7).
2. Syam, N. B. und Hess, J. 2006. „Acquisition versus Retention: Competitive Customer Relationship Marketing.“ Department of Marketing, C.T. Bauer College of Business, University of Houston.
3. Provost, F. und Fawcett, T. 2013, „Data Science for Business“. O’Reilly Media