Churn-Signale in Intercom-Konversationen erkennen

Die meisten Kunden, die ein Abo verlassen, sagen vorher etwas. Sie fragen, wie sie ihre Daten exportieren, beschweren sich über eine Belastung, bewerten eine Konversation schlecht oder schreiben dreimal zum selben Bug. In Intercom liegen diese Nachrichten im Inbox, werden geschlossen und selten noch einmal als Gruppe betrachtet.

Dieser Ratgeber zeigt, wie Sie aus Intercom-Konversationen Churn-Signale machen, die Sie zählen und auf die Sie reagieren können: nach welchen Signalen Sie suchen, wie Sie sie mit Tags und Conversation Data Attributes erfassen, wie Sie Konversationsbewertungen lesen und wie Sie die Daten herausholen. Er hält sich an die Dokumentation von Intercom: Konversationsbewertungen, CSAT-Reporting, der Report zu Konversations-Tags, Konversationsdaten, Topics Explorer, Datenexporte und die Referenz zur Conversation API (alle abgerufen im November 2026).

Die Signale, die sich zu erfassen lohnen

Nicht jede Konversation sagt etwas über Churn. Diese Muster tun es meistens. Behandeln Sie sie als Hypothesen, die Sie an Ihren eigenen Kündigungen prüfen, nicht als Regeln.

Signal	Wie es in Intercom aussieht	Wie Sie es erfassen
Ausdrückliche Kündigungsabsicht	„Wie kündige ich”, „Konto schließen”, „hören Sie auf, mich zu belasten”	Tag oder ein von einem Workflow gesetztes Conversation Data Attribute
Reibung bei der Abrechnung	Bestrittene Belastung, unerwartete Verlängerung, Rückerstattungsanfrage	Tag billing-complaint
Datenausstieg	Fragen zum Export von Daten oder zum Löschen des Workspace	Tag data-export
Geringe Zufriedenheit	Eine schlechte Konversationsbewertung, oft mit Remark	Konversationsbewertung (nativ)
Wiederholter Kontakt	Derselbe Kunde schreibt mehrmals zum selben Problem	Attribut wie „Issue” plus Reporting nach Unternehmen oder Nutzer
Fehlende Funktion	„Kann es X?“, gefolgt von „wir schauen uns woanders um”	Tag feature-gap mit einem Listen-Attribut, das die Funktion nennt

Ziel ist ein kleiner, stabiler Satz. Eine Liste von vierzig Tags, die niemand einheitlich anwendet, ist schlimmer als fünf, die alle nutzen.

Tags vs. Conversation Data Attributes

Intercom bietet zwei Wege, eine Konversation zu kennzeichnen, und sie eignen sich für verschiedene Aufgaben.

Tags sind schnell und frei. Der Report zu Konversations-Tags von Intercom zeigt neue Konversationen, getaggte Konversationen, getaggte Konversationen im Zeitverlauf und die meistgenutzten Tags. Zwei Einschränkungen von dieser Seite sind für die Churn-Analyse wichtig:

• Konversationen werden nach ihrem Startdatum datiert, nicht nach dem Datum, an dem der Tag gesetzt wurde.
• Das Tag-Reporting wird mit einer Verzögerung von 24 bis 36 Stunden aktualisiert; es ist also kein Echtzeit-Alarm.

Conversation Data Attributes ähneln eher Ticketfeldern. Der Leitfaden zu Konversationsdaten von Intercom erklärt, dass Sie sie unter Settings > Data > Conversations anlegen, mit dem Datentyp Text, Zahl, Wahr/Falsch oder einer Werteliste. Sie können manuell in der Konversation, mit Makros oder automatisch durch Workflows gesetzt werden.

Für Churn-Signale ist ein Listen-Attribut wie „Churn-Signal” mit festen Werten (Kündigungsanfrage, Abrechnungsbeschwerde, Datenexport, Fehlende Funktion, Keines) meist zuverlässiger als Tags: Teammitglieder wählen aus einer Liste, statt zu tippen, und die Werte sind in Reports einheitlich.

Kündigungsabsicht mit Workflows routen

Das Hilfe-Center von Intercom zum Zuweisen von Konversationen weist darauf hin, dass Workflows Konversationen automatisch taggen, als Priorität markieren, Konversationsattribute setzen und an ein Team routen können. Eine einfache Einrichtung für Kündigungsabsicht:

1. Legen Sie ein Listen-Attribut „Churn-Signal” an (Settings > Data > Conversations).
2. Bauen Sie einen Workflow, der läuft, wenn ein Kunde eine Nachricht sendet. Fügen Sie einen Zweig für Nachrichten hinzu, die Wendungen wie „cancel”, „unsubscribe”, „close my account” oder „refund” enthalten.
3. Setzen Sie in diesem Zweig „Churn-Signal” auf Kündigungsanfrage und fügen Sie einen Tag hinzu, wenn Sie es auch im Tag-Report sehen möchten.
4. Weisen Sie die Konversation dem Team zu, das sich um Abrechnung oder Kundenbindung kümmert.
5. Prüfen Sie den Zweig alle paar Wochen. Stichwortregeln erfassen auch „Bestellung stornieren” und „Termin absagen”, rechnen Sie also mit Fehltreffern und lassen Sie Teammitglieder das Attribut korrigieren.

Eine Regel, die sich nie ändern sollte: Wenn der Kunde um Kündigung bittet, kündigt das Team, das die Konversation erhält. Das Routing ist dazu da, dass die Anfrage schnell bearbeitet und ordentlich festgehalten wird, nicht dazu, ihr weitere Schritte vorzuschalten. Siehe unseren Ratgeber zu Click-to-Cancel-Regeln.

Wenn Ihr Workspace Fin nutzt, dokumentiert Intercom außerdem den Topics Explorer, der Konversationen mit KI in Themen und Unterthemen gruppiert. Admins können Themen erstellen, zusammenführen, umbenennen und löschen, sodass Sie ein Thema „Kündigung” von Hand gestalten können. Intercom nennt Voraussetzungen: Er erfordert das Pro-Add-on, ist nur verfügbar, solange Fin live ist, und das erste Modell stützt sich auf eingehende Konversationen der letzten 90 Tage. Er ist vom älteren, stichwortbasierten Report zu Konversationsthemen getrennt.

Konversationsbewertungen lesen

Konversationsbewertungen sind das eingebaute CSAT von Intercom. Laut dem Artikel zu Konversationsbewertungen von Intercom:

• Nachdem ein Teammitglied eine Konversation geschlossen hat, sieht der Kunde fünf Emoji-Reaktionen (im Messenger) oder fünf Emojis mit Textbeschriftung (per E-Mail) und wird um einen optionalen Kommentar gebeten, den sogenannten Remark.
• Die Bewertung gilt für das Teammitglied, das zuletzt eine Nachricht in der Konversation gesendet hat.
• Gruppenkonversationen mit mehr als einem Nutzer oder Lead werden nicht befragt.

Der Artikel zum CSAT-Reporting beschreibt eine Report-Vorlage Surveyed CSAT, die Teammitgliedern mit Reporting-Zugriff zur Verfügung steht, mit Konversationsbewertungen und Remarks nach Stimmung aufgeschlüsselt. Intercom empfiehlt, nach Konversationsbewertung zu filtern, um negative Konversationen zu finden und zuerst daran zu arbeiten. Eigene CSAT-Diagramme und die Nutzung von Bewertungsattributen in eigenen Reports erfordern den Plan Advanced oder Expert.

Für Churn ist der Remark oft nützlicher als der Wert. Eine Zwei von fünf mit „Ich frage zum dritten Mal nach dieser Rechnung” sagt Ihnen mehr als jeder Durchschnitt. Lesen Sie die negativen Remarks wöchentlich und kennzeichnen Sie jede Konversation mit Ihrem Attribut „Churn-Signal”.

Zwei Vorbehalte:

1. Eine Bewertung beschreibt eine Konversation, nicht die ganze Beziehung des Kunden. Eine positive Bewertung für eine schnell bearbeitete Kündigung ist ein gutes Ergebnis, kein Zeichen, dass der Kunde bleibt.
2. Antwortverzerrung ist real. Nur manche Kunden bewerten. Vergleichen Sie kleine Stichproben zwischen Teammitgliedern oder Monaten nicht, als wären sie präzise.

Die Daten herausholen

Um Support-Signale damit zu verknüpfen, wer tatsächlich gekündigt hat, brauchen Sie die Daten außerhalb von Intercom. Der Export-Artikel von Intercom und verwandte Hilfeseiten beschreiben mehrere Wege:

Weg	Was Sie erhalten	Von Intercom dokumentierte Grenzen
Reports > Dataset export	CSV mit Konversations-Metadaten: IDs, Zeitstempel, Attribute, Kennzahlen	Keine vollständigen Nachrichteninhalte; Browser-Downloads auf 10.000 Zeilen begrenzt, größere per E-Mail
Inbox-Export	Transkripte als Text oder PDF	Einige hundert Konversationen pro Vorgang
Conversations API	Vollständige Konversationsobjekte, einschließlich Tags, eigener Attribute und Bewertung	Rate Limits und Paginierung gelten

Das Conversation-Objekt in der API enthält tags, custom_attributes (Ihre Conversation Data Attributes) und conversation_rating mit einer Bewertung von 1 bis 5 und einem optionalen Remark. Das reicht, um Intercom-Daten über die E-Mail oder User-ID des Kunden mit Ihren Abrechnungsdaten zu verknüpfen.

Eine wöchentliche Routine

1. Montag: Öffnen Sie den Report Surveyed CSAT, filtern Sie auf negative Bewertungen der vergangenen Woche und lesen Sie jeden Remark.
2. Setzen Sie das Attribut „Churn-Signal” bei jeder Konversation, die eines zeigt und die der Workflow verpasst hat.
3. Exportieren Sie die Konversationen der Woche mit einem Churn-Signal (Dataset export oder API).
4. Gleichen Sie sie mit Ihren Abo-Daten ab: wer in den folgenden Wochen gekündigt, ein Downgrade gemacht oder eine fehlgeschlagene Zahlung hatte.
5. Einmal im Monat: Zählen Sie, welche Signale am häufigsten vor Kündigungen auftraten, und prüfen Sie, ob die Gründe, die Kunden im Support nennen, zu den Gründen bei der Kündigung passen. Unser Ratgeber dazu, was Churn vorhersagt, erklärt, wie Sie das lesen, ohne Korrelation mit Ursache zu verwechseln.

Bewahren Sie die Worte des Kunden so auf, wie er sie geschrieben hat. Ein Zitat ist ein Beleg; eine später geschriebene Zusammenfassung ist eine Meinung.

So geht es mit NoChurn

Der Intercom-Connector von NoChurn ist schreibgeschützt: Er liest Konversationen und antwortet, taggt oder ändert in Intercom nie etwas. Konversationen werden Ihren Kunden über die E-Mail zugeordnet; unsichere Zuordnungen werden Ihnen zur Bestätigung vorgeschlagen und nie automatisch zusammengeführt. Zugeordnete Konversationen fließen in den Churn Score (0 bis 100) und die Ansicht der Churn-Treiber ein und werden als datierte, wörtliche Nachweise aufbewahrt, die einer Chargeback-Antwort auf Stripe oder Braintree beigefügt werden können; diese Antwort entwirft die KI, und sie wird erst gesendet, nachdem Sie sie geprüft haben. Taggen, Routing, Bewertungen und Antworten bleiben in Intercom. Siehe NoChurn + Intercom.