Das Unternehmen ist ein etablierter Anbieter mit über 70.000 Abonnenten. Bei einer jährlichen Abwanderungsquote von 15 % musste der Umsatz mit Bestandskunden geschützt werden.
Die größte Herausforderung war der Zeitpunkt. Ein Kontakt während des Kündigungsgesprächs ist meist zu spät. Das Vertrauen ist dann oft schon verloren und Rabatte helfen kaum noch. Das Unternehmen musste unzufriedene Kunden finden, solange sie noch zu halten waren.
Das Projekt begann mit der Sammlung aller Kundeninformationen an einem Ort. Dies beinhaltete die Zahlungshistorie und technische Protokolle sowie Support-Anrufe. Wir verknüpften Daten, die zuvor in verschiedenen Abteilungen gespeichert waren. Dies ermöglichte eine einheitliche Sicht auf die Erfahrung jedes Abonnenten über die Zeit hinweg.
Wir suchten in den Daten nach Mustern vor einer Kündigung. Beispiele waren sinkende Internetgeschwindigkeit oder plötzliche Änderungen beim Zahlungsverhalten. Diese Zeichen waren oft zu subtil für eine manuelle Erkennung.
Wir nutzten Tausende Beispiele von Kunden, die bereits gegangen waren. Das System lernte die Muster dieser Abgänge. Jetzt erhält jeder Abonnent einen Risikoscore. Das ermöglicht Vorhersagen noch vor einer formalen Beschwerde.
Das Team erhält wöchentlich eine Liste der gefährdeten Kunden. Sie rufen proaktiv an und bieten direkte Lösungen an. Technische Fehler werden behoben oder bessere Tarife angeboten. Dieser Ansatz macht aus einer Kündigung eine positive Erfahrung.
