Wechselverhalten der Kunden
Die Ermittlung der Abwanderungswahrscheinlichkeit beantwortet noch nicht warum der Kunde wechseln möchte oder ob der Kunde gehalten werden sollte oder nicht. Neben dem Maß für die Loyalität sollte deshalb auch die Attraktivität des Kunden bewertet werden. Beispielsweise kann mit Hilfe der logistischen Regressionsanalyse der Zusammenhang zwischen einer abhängigen und mehreren unabhängigen Variablen modelliert werden. Letztere sind Indikatoren aus dem Kaufverhalten, die den bevorstehenden Wechsel anzeigen. Abhängige Variable ist beispiels die Wechselwahrscheinlichkeit mit einer Werteskala zwischen 0 und 1. Liegt der Score nahe bei 1 ist es sehr wahrscheinlich, dass die zugehörigen Kunden die Bank wechseln werden. Ein aus der Historie gewonnenes Modell kann überprüft werden, indem für einen bereits abgelaufenen Zeitraum eine Prognose erstellt wird und diese Vorhersage dann mit den tatsächlichen Kundenabgängen verglichen wird. Vor dem Hintergrund eines umfassenden Konzeptes für die praktische Anwendung von Wissensbilanzen
vgl. hierzu u.a. Becker, Jörg: Wissensbilanz mit Kundenbarometer – Kapital der Kundenbeziehung, ISBN 9783837051773.Korreliert also die Abnahme der Cross-Sellig-Rate tatsächlich mit dem Wechsel, so kann das Informationssystem diesen Indikator beobachten und beim Überschreiten gewisser Schwellwerte Meldungen ausgeben. Data Mining ermittelt hierbei also aus historischem Verhalten Informationen, wann ein Kunde zur Abwanderung neigt und hilft, bei heutigen Kunden entsprechende Absichten zu prognostizieren. Das Data Mining System liefert die hierfür benötigten Informationen, indem die abgewanderten Kunden analysiert und ihr Profil und Verhaltensmuster mit den bestehenden Kunden verglichen wird. Daraus kann ein Gefährungspotenzial bei Kunden mit vergleichbaren Strukturen erkannt werden. Im Rahmen der Kundenbewertung lässt sich mit Application-Scoring, Attrition-Scoring und Credit-Scoring prüfen, für welche Angebote ein Kunde überhaupt in Frage kommt und ob sich erste Hinweise dafür erkennen lassen, dass sich eine Kundenbeziehung aufzulösen droht. Oder wie die Zahlungsfähigkeit und Zahlungsweise eines Kunden zu bewerten ist.
Vgl. Becker, Jörg: Wissensbilanz mit Kundenbarometer, ISBN 9783837051773.Mit Hilfe des Attrition-Scoring-Modells wird innerhalb der Kundendatenbank nach Risiken gefahndet, die einen bevorstehenden Verlust eines Kunden signalisieren. Credit-Scoring-Modelle dienen anhand von Risikomerkmalen zur Prognose von Kreditrisikowahrscheinlichkeiten: nach einer Faustregel kann ein Forderungsausfall den Ertrag von bis zu zehn guten Neukunden kosten. Mit diesem Verfahren können deshalb alle zum Zeitpunkt der Risikobewertung verfügbaren Daten hinsichtlich der Forderungsausfälle und der normalen Zahler miteinander verglichen werden, um daraus risikorelevante Merkmale herauszufiltern. Analysiert werden beispielsweise die Forderungsausfälle unter den Neukunden der letzten zwölf Monate sowie Stichproben der normalen Zahlen desselben Zeitraums.
Jörg Becker
(www.beckinfo.de)
Kommentare von Besucher !
