So bauen Sie einen Customer Health Score, der Churn vorhersagt
Ein Health Score, dem Sie trauen: Signale wählen, Gewichte aus Ihrer Churn-Historie ableiten, am vergangenen Churn testen, Scores in Aktionen umsetzen.
Von Florian
Ein Customer Health Score ist eine einzelne Zahl pro Kunde, die sagt, wie wahrscheinlich er bleibt. Viele Teams bauen einen, indem sie einige Signale auswählen, Gewichte vergeben, die sich richtig anfühlen, und Konten grün, gelb und rot einfärben. Das Ergebnis wirkt präzise und sagt oft wenig voraus.
Dieser Ratgeber baut einen andersherum: Beginnen Sie mit Ihrer eigenen Churn-Historie, behalten Sie die Signale, die gekündigte Kunden tatsächlich von gebliebenen unterscheiden, prüfen Sie den Score an der Vergangenheit, bevor Sie ihm trauen, und verknüpfen Sie jedes Band mit einer Aktion. Alle Zahlen sind hypothetisch.
Schritt 1: festlegen, was der Score vorhersagt
„Gesundheit“ ist vage. Wählen Sie ein konkretes Ergebnis und einen Zeithorizont:
target = customer churns (voluntarily or through failed payment)
within the next 90 daysEntscheiden Sie, ob Churn durch fehlgeschlagene Zahlungen zählt. Meist sollte er das, weil er so oder so verlorener Umsatz ist, aber die Signale unterscheiden sich: Die Produktnutzung sagt Kündigungen voraus; Kartenablauf und frühere Fehler sagen Zahlungs-Churn voraus. Viele Teams führen einen Score mit Signalen für beides, oder zwei Teil-Scores.
Der Horizont sollte lang genug sein, um handeln zu können. Ein Score, der Churn in den nächsten 7 Tagen vorhersagt, lässt keine Zeit für mehr als ein Last-Minute-Angebot.
Schritt 2: mögliche Signale auflisten
Gruppieren Sie sie, damit Sie mehr als nur die Produktnutzung abdecken:
| Familie | Beispielsignale |
|---|---|
| Nutzung | Aktive Tage in den letzten 30, Anzahl zentraler Aktionen, Trend vs. vorherige 30 Tage, genutzte Lizenzen ÷ bezahlte Lizenzen |
| Adoption | Aktivierungsmeilenstein erreicht, Anzahl genutzter Funktionen, verbundene Integrationen |
| Abrechnung | Fehlgeschlagene Zahlungen in den letzten 90 Tagen, Karte läuft vor der nächsten Verlängerung ab, Plan-Downgrades, auslaufender Rabatt |
| Beziehung | Support-Tickets, ungelöste Tickets, Antworten zu Zufriedenheit oder NPS, Fürsprecher hat das Unternehmen verlassen |
| Profil | Plan, Abrechnungsintervall, Unternehmensgröße, Anmeldequelle, Art der Zahlungsmethode, Kundendauer |
Zwei Regeln für mögliche Signale:
- Messen Sie jedes zu einem festen Zeitpunkt. Für einen Kunden, der im Mai gekündigt hat, berechnen Sie die Signale so, wie sie im Februar waren, nicht so, wie sie bei seinem Weggang waren. Sonst beschreiben Sie Churn, statt ihn vorherzusagen.
- Bevorzugen Sie Trends vor Niveaus. Ein Kunde, der von 20 aktiven Tagen auf 5 gefallen ist, ist ein anderer Fall als einer, der das Produkt schon immer an 5 Tagen im Monat genutzt hat.
Welche Attribute Sie überhaupt erfassen sollten, erklärt herausfinden, was Churn vorhersagt.
Schritt 3: jedes Signal an der Historie testen
Nehmen Sie ein vergangenes Stichtagsdatum, zum Beispiel vor 6 Monaten. Erfassen Sie für jeden an diesem Tag aktiven Kunden den damaligen Wert jedes Signals und ob er in den folgenden 90 Tagen gekündigt hat.
Teilen Sie für jedes Signal die Kunden in Gruppen auf und vergleichen Sie die Churn-Raten:
relative risk = churn rate in the group with the signal
÷ churn rate in the group without itBeispiel (hypothetische Zahlen)
| Signal am Stichtag | Kunden | Gekündigt in 90 Tagen | Churn-Rate | Relatives Risiko |
|---|---|---|---|---|
| Aktive Tage in den letzten 30 um die Hälfte oder mehr gefallen | 120 | 30 | 25,0 % | 3,6 |
| Aktive Tage stabil oder gestiegen | 880 | 61 | 6,9 % | (Referenz) |
| Fehlgeschlagene Zahlung in den letzten 90 Tagen | 60 | 15 | 25,0 % | 3,1 |
| Keine fehlgeschlagene Zahlung | 940 | 76 | 8,1 % | (Referenz) |
| Genutzte Lizenzen unter der Hälfte der bezahlten | 200 | 28 | 14,0 % | 1,8 |
| Genutzte Lizenzen die Hälfte oder mehr | 800 | 63 | 7,9 % | (Referenz) |
Behalten Sie Signale mit einem aussagekräftigen relativen Risiko und genügend Kunden in jeder Gruppe. Ein relatives Risiko von 4 auf Basis von 6 Kunden ist Rauschen. Schauen Sie auf Konfidenzintervalle und seien Sie vorsichtig, wenn Sie Dutzende Signale testen: Einige werden zufällig stark aussehen. Der Ratgeber zur Churn-Vorhersage behandelt Stichprobengröße und Mehrfachvergleiche.
Schritt 4: Signale zu einem Score kombinieren
Option A: Punkte (einfach, erklärbar)
Geben Sie jedem behaltenen Signal Punkte ungefähr im Verhältnis zu seinem relativen Risiko und begrenzen Sie die Summe auf 100:
score = 100 − (points for each risk signal present)Beispielgewichte aus der Tabelle oben: Nutzung halbiert −30, fehlgeschlagene Zahlung −25, Lizenzen unter der Hälfte −10. Ein Kunde mit einer fehlgeschlagenen Zahlung und halbierter Nutzung erreicht 45.
Punkte lassen sich einem Customer-Success-Team leicht erklären, und das zählt: Ein Score, dem niemand traut, wird ignoriert.
Option B: ein statistisches Modell
Eine logistische Regression auf denselben Stichtagsdaten gibt jedem Signal ein aus der Historie gelerntes Gewicht und berücksichtigt Signale, die sich überschneiden (Kunden mit halbierter Nutzung sind womöglich auch die mit ungenutzten Lizenzen). Sie braucht mehr Daten und jemanden, der sie prüfen kann. Welches Modell Sie auch nutzen, halten Sie es so erklärbar, dass Sie sagen können, warum ein bestimmter Kunde schlecht abschneidet.
Schritt 5: rückwirkend testen, bevor Sie ihm trauen
Bewerten Sie jeden Kunden zu einem älteren Stichtag, auf dem die Gewichte nicht aufgebaut wurden, und prüfen Sie dann, was in den nächsten 90 Tagen geschah.
Churn-Rate nach Band
| Band | Kunden | Gekündigt in 90 Tagen | Churn-Rate |
|---|---|---|---|
| 0–39 | 80 | 26 | 32,5 % |
| 40–69 | 260 | 31 | 11,9 % |
| 70–100 | 660 | 30 | 4,5 % |
Wieder hypothetische Zahlen. Was Sie sehen wollen: Die Churn-Rate fällt stetig vom niedrigsten zum höchsten Band, und die Bänder liegen weit auseinander. Wenn das mittlere Band so kündigt wie das obere, sind die Schwellen falsch oder der Score bringt wenig.
Erfassungsquote
capture (lowest band) = churned customers in the lowest band
÷ all churned customersHier 26 ÷ 87 ≈ 30 %: Das niedrigste Band enthält 8 % der Kunden und 30 % des Churns. Das ist nützlich. Aber 70 % des Churns kamen von Kunden, die nicht gefährdet aussahen, was Ihnen sagt, dass der Score eine Hilfe ist, kein Radar. Sagen Sie das klar zu allen, die ihn nutzen.
Schritt 6: jedes Band mit einer Aktion verknüpfen
Ein Score ohne Aktion ist Dashboard-Dekoration. Schreiben Sie das Playbook:
| Band | Aktion |
|---|---|
| Niedrig (0–39) | Persönliche Kontaktaufnahme innerhalb einer Woche; Abrechnung prüfen; Hilfe oder einen passenderen Plan anbieten |
| Mittel (40–69) | Automatischer, gezielter Anstoß auf Basis des Signals, das den Score gesenkt hat |
| Hoch (70–100) | Nichts zusätzlich; für Ausbau oder Empfehlungen in Betracht ziehen |
Lassen Sie die Aktion vom Grund abhängen, nicht nur von der Zahl. Ein niedriger Score wegen einer fehlgeschlagenen Zahlung braucht einen Link zum Aktualisieren der Karte. Ein niedriger Score wegen sinkender Nutzung braucht Hilfe bei der Nutzung des Produkts. Dieselbe „Wir vermissen Sie“-E-Mail für beide hilft keinem.
Schritt 7: ihn pflegen
- Wiederholen Sie den Rücktest jedes Quartal. Produkte, Preise und Kunden ändern sich; Gewichte driften.
- Achten Sie darauf, dass der Score das Verhalten verändert. Wenn das Team intensiv an Konten mit niedrigem Score arbeitet, sinkt deren Churn, und die Signale wirken beim nächsten Mal schwächer. Das ist Erfolg, kein kaputter Score; halten Sie eine kleine unberührte Kontrollgruppe, wenn Sie es messen wollen.
- Protokollieren Sie Score-Änderungen. „Score fiel von 72 auf 41, weil sich die aktiven Tage halbiert haben“ ist etwas, worauf eine Person reagieren kann. „Score: 41“ nicht.
Häufige Fehler
- Nach Meinung gewählte Gewichte. Testen Sie an der Historie.
- Zum Zeitpunkt des Churns gemessene Signale. Das ist Beschreibung, keine Vorhersage.
- Kein Rücktest. Sie wissen nicht, ob der Score funktioniert.
- Zu viele Bänder. Drei reichen, wenn jedes eine andere Aktion hat.
- Korrelation als Ursache behandeln. Ein Signal, das Churn vorhersagt, verursacht ihn nicht unbedingt. Kunden, die eine Integration verbinden, kündigen vielleicht seltener, weil sie von Anfang an engagierter waren. Testen Sie Maßnahmen mit einer Kontrollgruppe, bevor Sie viel investieren.
Das mit NoChurn umsetzen
NoChurn gibt jedem Kunden bei der Anmeldung und bei jeder Änderung einen Churn-Score von 0 bis 100, auf Basis von Signalen wie der Zahlungsmethode und der Zahlungshistorie. Sie können eigene Attribute und Events per API senden (Nutzung, Aktivierung, Anmeldequelle, Support-Daten), und NoChurn zeigt, welche mit Churn zusammenhängen: Churn-Treiber, Korrelation, nicht Kausalität. Um auf den Score zu reagieren, übernimmt es die Rückgewinnung fehlgeschlagener Zahlungen, Kündigungsflows mit einem Angebot je Grund und einem immer sichtbaren Ein-Klick-Kündigen sowie Win-back-E-Mails an Tag 30, 60 und 90 je nach Grund. Jede Funktion ist in jedem Plan enthalten (Ihre eigene E-Mail-Domain ab 9 $), Preis nur nach MRR (Preise).