Vertragskündigungen durch Neukundengewinnung ausgleichen zu wollen, verkennt das Problem
Die Märkte für Versicherungen und Bankdienstleistungen, Energie, Telekommunikation und Unterhaltungs-Streamingdienste in Deutschland sind von hoher Kunden-Fluktuation gekennzeichnet. Es hat sich eine eigene „Kündigungs-Automatisierungs-Industrie“ gebildet, die den Verbrauchern mittels App oder Internetportal nicht nur die Administration ihrer Verträge abnimmt, sondern auch die Suche nach vermeintlich günstigeren Vertragsalternativen samt Kündigungsservice ermöglicht. Das Thema „Sparen durch Anbieterwechsel“ ist ein immer wiederkehrendes, hoch präsentes Thema in Medien, Verbrauchersendungen und Fernsehwerbung. Die Vergleichsportale suggerieren Markttransparenz und offerieren einen schlanken Weg zum nächstbesten Vertrag.
Dabei werden Vertragskündigungen von Bestandskunden vielfach verkürzt über die sog. Stornoquote ausgewiesen, also die Anzahl verlorener Kunden, Verträge oder Policen – bei einer mittleren jährlichen Stornoquote von etwa 5% scheint das Problem über die Neukundenakquise gut managebar …
Eine solche Betrachtung verkennt die massiven negativen finanziellen Auswirkungen von Kündigungen im Bestand. Mit Kündigungen gehen ja nicht nur die Einkünfte und Erträge des Folgejahres verloren, sondern diejenigen der durchschnittlichen restlichen Vertragslaufzeit plus der nicht zu realisierenden Anlageergebnisse!
Maßgeblich ist also das effektive Stornovolumen! Ein Beispiel: bei einer vergleichsweise niedrigen Stornoquote von jährlich 2,5% bei Lebensversicherungen beträgt das jährliche Stornovolumen eben nicht rund 2,5 Milliarden Euro verlorenes Prämienaufkommen des Folgejahres, sondern sagenhafte 13,8 Milliarden – jährlich!*
Um die finanziellen Schäden der Bestandskündigungen durch Neukunden-Akquise auszugleichen, bräuchte es mithin ein Vielfaches der verlorenen jährlichen Umsatzvolumens – von den Kosten der Neukundenakquise einmal ganz abgesehen, die Kundenbeziehungen bekanntlich erst nach 2 Jahren ertragreich machen.
*) „Die deutsche Lebensversicherung in Zahlen 2022“ des Gesamtverbandes der Deutschen Versicherungswirtschaft (GDV)
Kündigungsverhinderung vom Anfang, nicht vom Ende denken
Der Umgang mit Vertragskündigungen wird in vielen Unternehmen noch immer „vom Ende“ gedacht, also vom Zeitpunkt des Kündigungseingangs. Anschließend setzen sich (sofern überhaupt reagiert wird) die Räderwerke des Bestandsmanagements in Bewegung: Mitarbeitende kontaktieren die Kunden, fragen nach den Kündigungsgründen, bieten kostengünstigere Produktalternativen und weisen auf Verlustrisiken und weitere Nachteile der Kündigung hin. In der Telekommunikation und bei Abonnement-Diensten von Streaming-Anbietern ist diese Art der Kundenrückgewinnung integraler Teil des Bestandsmanagements und entscheidet maßgeblich über den Saldo der Gesamtrechnung.
Anders im Versicherungsbereich: Kündigungsanalysen von Q_PERIOR bei deutschen Privatversicherern konnten aufzeigen, dass 99% der Versicherten, die eine Versicherung gekündigt haben, bei dieser Entscheidung bleiben. Und Versicherungskunden, die einmal den definitiven Entschluss gefasst haben, eine Versicherung zu kündigen, werden zu 96% auch abschließend kündigen.
Bei Finanzdienstleistern und vergleichbaren Märkten liegt das Potenzial erfolgreicher Kündigungsverhinderung in der frühzeitigen Ermittlung von Kündigungsrisiken (engl. Churn Prediction) sowie in einem Kündigungsverhinderungs-Management (engl. Churn-Prevention-Management), welche das Kundenerleben (engl. Customer Experience) in den Blick nimmt und dabei das Ziel verfolgt, Kündigungsüberlegungen bei den Bestandskunden gar nicht erst aufkommen zu lassen.
Kündigungsverhinderung sollte daher als eine zentrale Unternehmensaufgabe im Regelbetrieb verstanden werden, die mit dem ersten Tag der Kundenbeziehung entsteht, und bei der es darum geht, verschiedenste analytische und Steuerungsfähigkeiten zu entwickeln und miteinander zu verbinden.
Vertragskündigungen als Endpunkt einer negativen Customer Journey verstehen (Churn Risk Management)
Ein beliebtes Narrativ zur Erklärung von Vertragskündigungen insb. in der sog. Wechselsaison (typischerweise in Q4 eines Jahres) ist der Verweis auf die „eigene unattraktive Preispositionierung im Markt“, welche treulosen Kunden einen guten Grund für den Wechsel zum jeweils günstigsten Anbieter biete. Tatsächlich gibt es Warengruppen, bei denen sich Anbieter selbst durch eine ausschließlich auf den Angebotspreis reduzierte Kommunikation in die Abhängigkeit der Preisvergleichsdienste begeben haben (Telekommunikation und Energie wären hier exemplarisch zu nennen), und natürlich gibt es die Kundengruppe der preisoptimierenden „Hop-on-Hop-off-Kunden“ – das ist aber nur ein vergleichsweises kleines Kundensegment.
Tatsächlich fällt die Entscheidung von Kunden, eine Vertragsbeziehung zu beenden oder zu einem anderen Anbieter zu wechseln, in den wenigsten Fällen „vom Himmel“ – vielmehr ist nachweisbar, dass Kündigungsüberlegungen meist im Kontext einer oder mehrerer frustrierender Kundenerfahrungen entstehen und ihrerseits eine spezifische, nämliche negative Kundenreise darstellen.
So weist der Informationsdienst Statista etwa für gesetzliche Krankenkassen einen Anteil von 33% solcher Kunden aus, die mit den Leistungen ihrer KV unterzufrieden waren oder die Leistungen angelehnt bekommen haben. Das Marktforschungsinstitut Heute & Morgen hat die Kündigungsgründe in der GKV ebenfalls untersucht, und kommt zu dem Befund, dass der Wechsel der Krankenkasse sogar zu über 70% durch die Unzufriedenheit mit den Leistungen oder dem Service motiviert ist.
Hier ein illustratives Beispiel als Customer Journey in cxomni dargestellt, wie ein frustrierendes Kundenerlebnis Anlass und Anstoß des Wechsels in der GKV sein kann – das Beispiel ließe sich ohne Probleme auf andere Finanz- und Service-Dienstleister übertragen.
Customer Journey Analytics: Mehrwert bei Erkennung und Bearbeitung von Risiken einer Kündigung (Churn Risk Management)
Das Erkennen und Bearbeiten von Kündigungsrisiken im Bestand fristet in vielen Unternehmen ein Schattendasein, falls eine solche überhaupt systematisch betrieben wird. Die Gründe hierfür liegen neben den bereits benannten Fehleinschätzungen, man können die Vertragskündigungen durch eine gleiche Anzahl Neukunden ausgleichen, und letztlich sei die Preispositionierung für die Kundentreue entscheidend, vor allem auch darin, dass die konventionellen Modelle zur Erkennung von Kündigungsrisiken im Bestand in der Regel nicht handlungsleitend sind: was hilft es den Verantwortlichen im Bestandsmanagement, von der Analytik-Abteilung eine Liste mit mehreren tausend Kunden bereitgestellt zu bekommen, deren Kündigungswahrschein-lichkeit über 50% liegt: weder reichen in der Regel die Ressourcen, all diese Kunden individuell zu bearbeiten, noch ist klar, bei welchen Kunden sich die abstrakten Kündigungsrisiken gerade beginnen zu realisieren – und in welchem Kontext sich kündigungsgefährdete Kunden jeweils befinden.
Q_PERIOR löst dieses operative Dilemma vieler Unternehmen, indem es die klassische Vorgehensweise bei der Bestimmung des abstrakten kundenindividuellen Kündigungsrisikos kombiniert mit der konkreten Kundenerleben aus der Customer Journey Analytics:
Im konventionellen Basismodell für die Bestimmung des abstrakten Kündigungsrisikos je Kunde im Bestand wird modellierungstechnisch gewissermaßen versucht, die Vertragskündigungen in der Vergangenheit vorherzusagen. Für ein robustes Vorhersagemodell bedarf es neben soziodemographischen Kundendaten auch die Daten der historischen Entwicklung der Vertragsbeziehung. Mittels dieser Daten werden anschließend die Kündigungen der Vergangenheit modelliert, und hierüber die Kündigungsfaktoren und deren Gewichte ermittelt. Ein solches Kündigungsvorhersage-Modell (für die Vergangenheit) wird dann auf den aktuellen Versichertenbestand angewendet. So kann man die Kündigungswahrscheinlichkeiten kundenindividuell als Score oder Prozentwert auszuweisen und dem Kundenprofil als weiteres Attribut beizufügen.
Das ergänzenden Customer Journey Analytics Modell dient der Ableitung eines kundenindividuellen Frustrations-Scores. Hierfür sind in erster Linie kundenindividuelle Daten aus der Kundeninteraktion entlang der Customer Journeys im Livebetrieb unverzichtbar. So ist ein Anruf im Kundenservice zu einer ausstehenden Kostenerstattung im Schadensfall für sich genommen kein Ausdruck von Frustration, sehr wohl aber der dritte Anruf zum selben Thema mit demselben Anliegen innerhalb einer Woche. Die Erstellung von Regelwerken zur Bewertung von Kundeninteraktion nach ihrem Frustrationspotential erfordert neben Organisations- und Kundenwissen ebenfalls komplexere statistische Modellierungen, auch um diese Modelle fortlaufend zu validieren und zu kalibrieren.
Kann das Kündigungsrisiko kundenindividuell ausgewiesen werden und gibt es ein Maß für das kundenindividuelle Frustrationsniveau, lassen sich beide Dimensionen kombinieren und ergeben die Felder-Matrix des Q_PERIOR Retention-Managements:
- Priorisiertes, kundenindividuelles Retention-Management
Im Zentrum der Aufmerksamkeit sollten Kunden mit einem individuell hohen (und schlechten) Kündigungsrisiko stehen, für die man aufgrund der aktuellen Interaktion von einem hohen Frustrations-Level ausgehen muss. Solche Kunden erfordern ein priorisiertes, kundenindividuelles Retention-Management - Generalisierende Retention-Kampagnen
Kunden mit einem individuell hohen Kündigungsrisiko, aber ohne aktuell hohe Frustration sollten „klassisch“ über generalisierende Retention-Kampagnen bearbeitet werden, wobei wir von „one-size-fits-all“ Kampagnen abraten; vielmehr empfehlen wir auch hier anhand weiterer Merkmale wie Kundenwert, Demographie etc. zu differenzieren und segmentspezifische Maßnahmen zu entwickeln - Service- und Relationship-Management
Ist das kundenindividuelle Kündigungsrisiko zwar gering, der aktuelle Frustrationsscore aber hoch, empfiehlt sich ebenfalls ein Aktivwerden zum Abbau der Frustrationen, da Frustrationen eher früher als später auch das kundenindividuelle Kündigungsrisiko erhöhen. Hier ist allerdings eher Service- und Relationship-Management gefragt als spezialisiertes Retention-Management - Keine Notwendigkeit für ein Retention-Management
Grundsätzlich braucht es kein allgemeines Retention-Management bei Versicherten mit niedrigem allgemeinen Kündigungsrisiko und niedrigem Frustrationsniveau
Kundenzentrierte Unternehmen können mit cxomni kollaborativ relevante Customer Insights auch mit Hilfe von AI identifizieren, diese im Kontext der Journey visualisieren und entsprechende Bedürfnisse und Anforderungen an die verantwortlichen Stakeholder orchestrieren.
Mit der umfangreichen SaaS Tool Suite von cxomni lassen sich Journeys designen, mappen und managen sowie Produkte und Services nach CX und UX entwickeln und optimieren.
„Quick-Check Kündigungsprävention“
Unser Partner Q_PERIOR hat einen digitalen „Quick-Check Kündigungsprävention“ entwickelt, mit dessen Hilfe Sie das aktuelle Fähigkeitsniveau Ihres Unternehmens bei Erkennen und Bearbeiten von Kündigungsrisiken schnell und einfach selbst ermitteln können.
Die Teilnahme ist kostenlos und unverbindlich. Nach Durchführung der Befragung erhalten Sie auf Wunsch von Q_PERIOR eine Auswertung anhand von Benchmarks.
Jetzt teilnehmen unter: https://forms.office.com/e/ynXUNGd464
Über den Autor
Marcus Neureiter ist als Managing Consultant im Bereich Customer Excellence/ Insurance bei Q_PERIOR tätig. Er hat in verschiedenen leitenden Funktionen in den Bereichen Customer Intelligence, Customer Experience Management und Process/Journey Optimierung gearbeitet, und sich auf das Customer Management spezialisiert. Neben seiner Fachexpertise verfügt er über vielfältige Erfahrung im Programm- und Transformationsmanagement.
Q_PERIOR erfüllt als Unternehmensberatung den Auftrag, Spitzenleistung für die Führungsposition seiner Kunden zu erbringen. Damit unterstreicht die Beratung ihren Anspruch, alles dafür zu tun, um Kunden erstklassige Ergebnisse zu liefern. Im Vordergrund steht dabei die Integration von Business & IT. Als Managementberatung agiert Q_PERIOR service- und lösungsorientiert und besticht durch eine branchenübergreifende Themenkompetenz. Dadurch entstehen neue, kreative Ansätze für innovative Geschäftsmodelle.
