Glossar

Churn-Analyse

Glossar

Churn-Analyse

Churn-Analyse

Die Churn-Analyse untersucht, welche Kunden ein Produkt nicht mehr nutzen oder bezahlen, wann sie abwandern und welche Anzeichen diese Abwanderung erklären könnten.

Die Kündigung lässt sich leicht zählen; der Abschied hat oft schon viel früher begonnen. Ein Team nutzt ein Feature nicht mehr, eine wichtige Bezugsperson wechselt den Job oder eine Verlängerung lässt sich gegenüber anderen Ausgaben kaum noch rechtfertigen. Churn-Analysen blicken über das finale Event im Account hinaus und untersuchen, wer geht, wann und unter welchen Umständen.

Der Begriff umfasst die Analyse von Kundinnen und Kunden, die ein Produkt nicht mehr nutzen oder bezahlen. Wie Amplitudes Leitfaden zur Churn-Analyse beschreibt, helfen Verhaltensdaten dabei, Muster rund um Kündigungen und Inaktivität zu erkennen. Diese Muster werden noch wertvoller, wenn man sie mit dem verknüpft, was die Kundschaft selbst über die Veränderungen berichtet.

Definieren, was genau als Abgang zählt

Ein gekündigtes Abo, ein ausgelaufener Vertrag und 60 Tage ohne Aktivität sind grundverschiedene Ereignisse. Wähle eine Definition, die zum Produkt passt, und halte sie über alle Vergleiche hinweg einheitlich. Bei einem Dienst, der selten genutzt wird, ist ein ruhiger Monat völlig normal; bei einem täglichen Arbeitswerkzeug ist das bereits ein Grund genauer hinzusehen.

Kunden-Churn und Umsatz-Churn beantworten ebenfalls ganz unterschiedliche Fragen. Der Verlust mehrerer kleiner Accounts fällt bei der reinen Kundenzahl stark ins Gewicht, während ein einziger Großkunde den Umsatz viel härter treffen kann. Halte Zeitraum, Nenner und den Umgang mit Neukunden, Reaktivierungen und Downgrades klar fest. Ein vertrauter Begriff bedeutet noch lange nicht, dass zwei Dashboards dasselbe berechnen.

Vergleiche Kohorten auf vergleichbaren Stufen ihrer Beziehung zum Produkt. Kürzlich gewonnene Kundinnen und Kunden hatten noch gar nicht die Chance, eine jährliche Verlängerung zu erreichen – ihre scheinbare Retention lässt sich daher nicht direkt mit den Ganzjahreswerten einer etablierten Gruppe vergleichen.

Die Chronologie verstehen, ohne voreilig Gründe anzunehmen

Angenommen, eine Analyse zeigt, dass abwandernde Accounts selten das Reporting-Feature genutzt haben. Es liegt nahe, einfach mehr Erinnerungen zu diesem Feature zu schicken. Doch die seltene Nutzung könnte nur die Folge eines viel grundlegenderen Problems sein: Vielleicht hatten diese Kundinnen und Kunden nie den Workflow, für den die Reports gedacht sind.

Interviews mit ehemaligen Kundinnen und Kunden, die Account-Historie und Support-Tickets helfen dabei, die echten Ursachen herauszufiltern. Sprich auch mit bestehenden Kunden, denn dieselben Hürden könnten auch bei denen auftreten, die bleiben. Ein Kündigungsformular ist ein guter Ausgangspunkt, aber ein einzelner ausgewählter Grund presst monatelange Entwicklungen oft nur in ein vorgegebenes Schema.

Wenn das Team eine Maßnahme plant, teste, ob sie das Ergebnis tatsächlich verbessert – statt einfach anzunehmen, dass der Zusammenhang bereits die Lösung vorgibt. Korrelation und Kausalität sind nicht dasselbe, selbst wenn das Muster geschäftlich noch so drängend ist.

Manchmal basiert ein Abgang einfach darauf, dass ein Projekt abgeschlossen ist, ein Unternehmen schließt oder sich Rahmenbedingungen ändern, die das Produkt schlicht nicht abdecken kann. Eine gute Churn-Analyse trennt solche Fälle von vermeidbaren Abgängen und hilft dem Team zu entscheiden, wo Interventionen sowohl der Kundschaft als auch dem Business wirklich helfen.

Weiterführende Links & Lesetipps

Artikel

  1. Churn-Analyse – Amplitude
    Zeigt Wege auf, wie sich Abwanderungen anhand von Kunden- und Produktdaten untersuchen lassen. Gut für analytische Ansätze – nutze danach Kunden-Research, um die Gründe hinter den Mustern zu verstehen.

Leitfäden

  1. Tiefeninterviews richtig einsetzen – GOV.UK
    Praktische Tipps für Gespräche über konkrete Erfahrungen. Hilfreich, um Retention-Mustern bei abgewanderten Kunden nachzugehen – ohne voreilig davon auszugehen, dass das Dashboard ihre Entscheidung schon erklärt hat.