Customer Churn Prediction

KI-gestützte Vorhersage von Kundenabwanderung für Energieversorger. Identifiziert High-Risk-Kunden mit segmentspezifischen Retention-Strategien. ROI: 300k€ Umsatz gesichert/Quartal.

🎯 Scoring 0-100 👥 4 Segmente 💡 Auto-Empfehlungen 📊 ROI-Kalkulation
Tool anfragen API-Dokumentation

Problem & Lösung

⚠️ Herausforderung

Kundenabwanderung ist teuer und oft zu spät erkannt:

  • Prosumer: LTV 10k€, Churn 5-8%/Jahr, Neuakquise 3x teurer als Retention
  • Commercial: LTV 50k€, Churn 3-5%/Jahr, Neuakquise oft unmöglich
  • Reaktiv statt proaktiv: Kunde kündigt bereits, bevor Stadtwerk reagiert
  • Keine Priorisierung: Welche Kunden lohnen Retention-Investition?

Typische Kosten bei 5% Churn und 10k Prosumer-Kunden: 5 Mio€ LTV-Verlust/Jahr

✅ Cernion Lösung

Predictive Churn Analytics mit Auto-Retention:

  • Early Warning: Erkennt Abwanderungs-Risiko 3-6 Monate im Voraus
  • Churn Score 0-100: Priorisierung nach Risiko & LTV
  • Segmentiert: Residential, Prosumer, Commercial, Premium
  • Retention-Strategien: Automatische Handlungsempfehlungen + ROI
  • Success Probability: 40-60% Retention bei frühzeitiger Intervention

ROI: 300k€ Umsatz gesichert/Quartal (bei 100 High-Risk Prosumern, 40% Save Rate)

Churn-Scoring: Wie funktioniert es?

🎯 Churn Score Faktoren (0-100 Punkte)

Faktor Gewichtung Beispiel: Hohes Risiko
Contract Status 30 Punkte <3 Monate bis Vertragsende = 30p (KRITISCH!)
Price Sensitivity 25 Punkte >10% über Marktpreis, Preis-Beschwerden, Vergleichsportale besucht
Service Quality 20 Punkte >5 Support-Kontakte, offene Tickets, NPS Detractor (Score ≤6)
Payment Behavior 15 Punkte >2 verspätete Zahlungen, kein SEPA-Lastschrift
Usage Pattern 10 Punkte Verbrauch -20%, keine App-Nutzung, kein Self-Service

Interpretation:

  • 80-100 Punkte: HIGH RISK → Sofortige persönliche Intervention empfohlen
  • 60-79 Punkte: MEDIUM RISK → Proaktive Retention-Kampagne
  • 40-59 Punkte: LOW RISK → Monitoring, präventive Maßnahmen
  • 0-39 Punkte: NO RISK → Keine Maßnahmen erforderlich

Kunden-Segmente & Retention-Budget

🏠 Residential (Privatkunden)

  • ARPU: 600€/Jahr
  • LTV (3 Jahre): 3.000€
  • Churn-Rate: 10-12%/Jahr
  • Retention-Budget: Max. 600€

Typische Retention-Strategien:

  • Automatisierte E-Mail-Kampagne
  • Rabatt-Angebot (50-100€/Jahr)
  • Vertragsverlängerungs-Bonus

⚡ Prosumer (PV-Besitzer) – HIGH PRIORITY!

  • ARPU: 1.450€/Jahr
  • LTV (7 Jahre): 10.000€
  • Churn-Rate: 5-8%/Jahr
  • Retention-Budget: Max. 2.000€

Typische Retention-Strategien:

  • Persönlicher Anruf (Vertriebsleiter)
  • Individuelles Angebot (Prosumer-Tarif, Storage-Bonus)
  • Smart-Home-Integration inkl.

⚠️ Wichtig: Prosumer haben 3x höheren LTV als Residential → prioritäre Behandlung!

🏢 Commercial (Gewerbe) – MUST WIN!

  • ARPU: 10.000€/Jahr
  • LTV (5 Jahre): 50.000€
  • Churn-Rate: 3-5%/Jahr
  • Retention-Budget: Unbegrenzt (ROI-getrieben)

Typische Retention-Strategien:

  • C-Level Gespräch (Vorstand/GL)
  • Individuelles Energie-Konzept
  • Langfrist-Vertrag mit Sonderkondionen

⚠️ KRITISCH: Verlust eines Commercial-Kunden = 50 Residential-Kunden!

💎 Premium (VIP-Kunden)

  • ARPU: >5.000€/Jahr
  • LTV (10 Jahre): >25.000€
  • Churn-Rate: <3%/Jahr
  • Retention-Budget: Unbegrenzt

Typische Retention-Strategien:

  • Dedicated Account Manager
  • White-Glove Service
  • Exklusive Produkte (z.B. 100% Grünstrom-Garantie)

API-Dokumentation

Tool-Name

cernion_customer_churn_prediction

Parameter

Parameter Typ Pflicht Beschreibung
customerSegment string ✅ Ja residential, prosumer, commercial, premium, all
region string ✅ Ja Stadt, Region oder Bundesland
riskThreshold string ❌ Nein high, medium, low (default: medium)
limit number ❌ Nein Max. Anzahl At-Risk-Kunden (default: 100)
predictionWindowMonths number ❌ Nein Forecast-Horizont in Monaten (default: 3)
includeRetentionStrategy boolean ❌ Nein Auto-Empfehlungen (default: true)

Request-Beispiel

{
  "customerSegment": "prosumer",
  "region": "Heidelberg",
  "riskThreshold": "high",
  "limit": 10,
  "includeRetentionStrategy": true
}

Response-Beispiel

{
  "atRiskCustomers": [
    {
      "customerId": "C-12345",
      "churnScore": 87,
      "riskLevel": "HIGH",
      "segment": "prosumer",
      "ARPU": 1450,
      "LTV": 10000,
      "contractEndDate": "2026-04-15",
      "daysUntilContractEnd": 67,
      "primaryReason": "Price sensitivity (Wettbewerber 15% günstiger)",
      "secondaryReasons": [
        "Keine App-Nutzung (letzter Login vor 180 Tagen)",
        "2 Support-Tickets ungelöst (seit 45 Tagen)"
      ],
      "retentionStrategy": {
        "approach": "Early intervention - Personal call",
        "recommendedAction": "Anruf Vertriebsleiter + Retention-Angebot (max 200€ Rabatt)",
        "successProbability": 0.45,
        "estimatedCost": 150,
        "potentialRevenueSaved": 7250,
        "roi": 48.3,
        "urgency": "CRITICAL - Contract ends in 67 days"
      }
    }
  ],
  "summary": {
    "totalAtRisk": 10,
    "potentialRevenueLoss": 72500,
    "estimatedRetentionCost": 1500,
    "expectedSaveRate": 0.40,
    "expectedRevenueSaved": 29000,
    "roi": 19.3
  }
}

ROI & Business Value

💰 ROI-Berechnung: Prosumer Retention

Szenario: 100 High-Risk Prosumer identifiziert (Churn Score ≥80)

Potentieller Umsatzverlust (ohne Intervention): 725.000€ (100 × 7.250€ LTV)
Retention-Kosten (150€/Kunde): 15.000€
Save Rate (bei Early Intervention): 40-45%
Umsatz gesichert: 290.000-326.000€
Netto-Gewinn (nach Retention-Kosten): 275.000-311.000€

ROI: 19:1 (Für jeden investierten Euro werden 19€ Umsatz gesichert)

📊 Weitere Benefits

  • Früherkennung: 3-6 Monate Vorwarnzeit (statt reaktiv bei Kündigung)
  • Priorisierung: Fokus auf high-value Kunden (Prosumer, Commercial)
  • Automatisierung: Monatliche Churn-Reports ohne manuellen Aufwand
  • Segmentierung: Maßgeschneiderte Retention-Strategien je Segment
  • ROI-Transparenz: Jede Empfehlung mit Cost/Benefit-Analyse

📈 Vergleich: Mit vs. Ohne Churn Prediction

Metrik Ohne Mit Cernion
Erkennungszeit Bei Kündigung 3-6 Monate vorher
Save Rate 10-15% 40-45%
Churn-Rate 5-8% 3-5%
LTV-Verlust/Jahr 5 Mio€ 3 Mio€

Use Cases

🎯 Quartalsweise Retention-Kampagne

Ziel: Prosumer-Churn reduzieren von 8% auf 5%

  • Frequenz: Quartalsweise Churn-Analyse
  • Target: Top 50 High-Risk Prosumer (Score ≥80)
  • Maßnahme: Persönlicher Anruf + individuelles Angebot
  • Budget: 150€/Kunde (7.500€ gesamt)
  • Erwartete Save Rate: 45%
  • Umsatz gesichert: ~163k€/Quartal

🤖 Automatisierte Monitoring-Pipeline

Ziel: Kontinuierliches Churn-Monitoring für alle Segmente

  • Frequenz: Monatlich automatisiert (Cronjob)
  • Target: Alle Kunden mit Score ≥60
  • Maßnahme: Automatisierter E-Mail-Workflow (Residential), Personal Call (Prosumer/Commercial)
  • Alerting: E-Mail an Vertriebsleiter bei Score ≥85
  • Dashboard: Live-Update von Churn-Risiko-KPIs

🏢 Commercial Account Defense

Ziel: Null-Toleranz für Commercial-Churn

  • Frequenz: Wöchentliches Monitoring aller Commercial-Kunden
  • Threshold: Score ≥70 triggert sofortiges C-Level-Gespräch
  • Budget: Unbegrenzt (ROI-getrieben, LTV 50k€)
  • Eskalation: Geschäftsführer/Vorstand bei Score ≥85
  • Erfolgsquote: 60-70% (bei sofortiger Intervention)

📊 Data-Driven Service Improvement

Ziel: Root-Cause-Analyse für Churn

  • Analyse: Welche Faktoren korrelieren am stärksten mit Churn?
  • Insights: Preis? Service? App-Usability? Vertragskonditionen?
  • Maßnahmen: Strukturelle Verbesserungen statt individueller Retention
  • Langfrist-Effekt: Baseline-Churn-Rate reduzieren (z.B. von 8% auf 5%)

Bereit für weniger Churn & mehr Umsatz?

300k€ Umsatz gesichert/Quartal. 40-45% Save Rate. 19:1 ROI.

Tool anfragen 2-Wochen-PoC