Predictive Customer Lifetime Value
Als "Customer Lifetime Value" (CLV) wird die Summe des Gewinnes bezeichnet, den ein Kunde im Laufe seines (Kunden-)Lebens einer Firma einbringt, und entspricht damit einer Prognose des Reingewinns über die gesamte zukünftige Kundenbeziehung. [1] Der CLV ist wahrscheinlich die wichtigste Kenngrösse um Kunden zu verstehen. Der CLV hilft dabei wichtige Businessentscheide bezüglich Verkauf, Marketing, Produktentwicklung und Kundenservice zu treffen.
Folgende kritischen Fragen lassen sich dank CLV leicht beantworten: [2]
- Marketing: Wie viel soll ich ausgeben, um einen Kunden zu akquirieren?
- Produktentwicklung: Wie kann ich Produkte und Dienstleistungen anbieten welche auf meine besten Kunden zugeschnitten sind?
- Kundendienst: Wie viel soll ich investieren, um einen Kunden zufrieden zu stellen und zu halten?
- Verkauf: In welche Art von Kunden sollte ich die meiste Zeit investieren um diese zu akquirieren?
Die Vorteile der Anwendung von Customer Lifetime Value
Es ist einfacher sich nur auf die Gegenwart zu fokussieren, aber oft nicht der beste Ansatz das volle Potenzial jedes Kunden auszuschöpfen. Schaut man zum Beispiel nur auf Conversion Rates und Erstkäufe und ignoriert dabei den langfristigen Wert eines Kunden, kann dies Marketeers dazu bewegen, Ressourcen in die Akquise von "billigen" Kunden mit tiefem totalen Ertragswert zu investieren, anstelle mehr für Kunden zu zahlen, welche ein konstantes Einkommen über Jahre hinweg einbringen würden. Im Umkehrschluss sollten Marketeers ihre Ressourcen auf die Pflege von Kundenbeziehungen mit den Kunden konzentrieren, welche langfristig Einnahmen bringen und ihre Ressourcen nicht für Kunden mit niedrigem Erwartungswert verschwenden.
Ein einfaches Beispiel [3]
Ein Golf-Pro-Shop stellte fest, dass sich seine Kundenbasis sehr einfach geografisch unterteilen lässt: Die meisten seiner Kunden wiesen zwei bestimmte Postleitzahlen (PLZ) auf, entweder eine aus dem Osten oder eine aus dem Westen, und entsprechend entschied sich der Pro-Shop, den CLV pro PLZ separat auszurechnen. Sie entdeckten dabei, dass der CLV für die Ost-Kunden das Vierfache des CLVs der West-Kunden ausmachte.
Als sie sich genauer mit der Statistik auseinandersetzten, fanden sie heraus, wie wichtig diese Unterscheidung war. Die Ost-PLZ machte 30% ihrer Kundenbasis aus, generierte aber 80% ihres Gewinns. Die West-PLZ repräsentierte 70% ihrer Kundenbasis und erbrachte nur 20% ihres Gewinns.
Der Pro-Shop hatte aber bis dahin seine Marketing-Ausgaben gleichmässig auf Ost und West verteilt. Obwohl sie wussten, dass Kunden aus dem Osten mehr einbrachten, hatten sie bisher immer 50% im Westen investiert. Sie erhielten ja stets eine höhere "Resonanz" aus dem Westen. Erst die Berechnung des CLVs für jedes Segment machte es offensichtlich, dass das Marketing-Budget nicht effizient alloziert wurde.
Berechnung vom Customer Lifetime Value
Die Berechnung von CLVs benötigt präzise Einschätzungen von zukünftigen Ereignissen und ist daher sehr anspruchsvoll. Es ist schwierig Kennzahlen vorauszusagen, wie z.B. wie lange eine Kundenbeziehung mit der Firma bestehen bleibt und wie viel der Kunde in jeder Zeitperiode ausgeben wird, im Speziellen bei Neukunden. Zu dieser Herausforderung kommt erschwerend hinzu, dass die für diese Berechnungen benötigten Daten manchmal tief in verschiedenen Datenbanken verborgen sind.
Trotz dieser Herausforderung ist es dank Predictive Analytics möglich, den CLV jedes Kunden mit hoher Präzision vorauszusagen und sich damit einen riesen Vorsprung gegenüber der Konkurrenz zu verschaffen. Das grundlegende Modell funktioniert vereinfacht in etwa so: [4]
- Es werden verschiedene Ebenen des individuellen Kaufverhaltens aus der Vergangenheit beobachtet um die verschiedenen Kundenverhalten im Datensatz zu finden.
- Es wird identifiziert welche Muster mit wertvollen Kunden korrespondieren und welche Muster abspringende Kunden verraten.
- Neukunden können dann entsprechend dem Muster zugeordnet werden.
Fallbeispiele
- Bonobos - Bonobos Increases Lifetime Value of its New Customers by 20% (2013)
- Netflix - How Netflix Measures You to Maximize Their Revenue (2012)
Quellen
- Wikipedia - Customer lifetime value
- RJMetrics - Calculating Customer Lifetime Value
- Customers That Stick - Understanding Customer Lifetime Value: A Non-Geek’s Guide
- Custora - Predictive Customer Lifetime Value analysis
