Präventive Kündiger-Vermeidung (Predictive Churn Prevention)

Executive Summary

Kündigungen sind teuer, weil sie zu spät erkannt werden. Liegt die Kündigungsabsicht auf dem Tisch, sind Retentionsoptionen begrenzt und teuer. Ein prädiktiv-proaktiver Ansatz verschiebt den Zeitpunkt: Ein Modell bewertet laufend das Risiko mit begründenden Reason Codes (Abrechnungsfriktion, Servicequalität, Preissensitivität, Vertragsphase). Überschreitet das Risiko einen Schwellwert – oder tritt ein Kündiger-Trigger auf – ruft ein konversationeller Sprachassistent proaktiv an, prüft Zufriedenheit, bestätigt die Ursache und unterbreitet regelkonforme Angebote in Echtzeit. Sensible Fälle und hochpreisige Angebote bleiben menschlich freizugeben; jeder Schritt ist nachvollziehbar.

Problem heute

Retention arbeitet reaktiv auf Tickets und Kündigungsmitteilungen. Agent:innen rekonstruieren Kontext aus CRM, Billing und Netztelemetrie – Informationen, die bereits vorliegen. Outreach passiert spät; selbst großzügige Angebote wirken dann schlechter. Führungskräfte haben keine konsistente Sicht, welche Segmente gefährdet sind und warum – Budget- und Kapazitätsplanung bleibt Schätzung.

Der KI-gestützte Ablauf

1. Risikoscoring mit Begründungen: Überwachtes Lernen auf historischen Kündigungen, Nutzung, Störungen/Tickets, NPS/CSAT, Tarifwechseln, Preisanpassungen, Zugehörigkeitsdauer und lokaler Netzqualität. Ausgabe: Risikowert plus Top-Reason-Codes und Konfidenz.
2. Auslöser: Schwellwert überschritten, Vertragsende in Sicht, wiederholte QoS-Alarme, Billing-Konflikte oder explizite Kündigungsabsicht.
3. Proaktiver Anruf (Sprachassistent): Regelkonformer, gebrandeter Assistent ruft zu passenden Zeiten an, stellt sich vor und führt ein 60–120 Sekunden-Diagnostikgespräch: Service, Billing, Preis/Tarif, Umzug. Der Assistent kann Technikertermine planen, Tarife optimieren, Gutschriften im Rahmen vorsehen oder warm an Spezialist:innen übergeben.
4. Human-in-the-loop: Hochwertige Accounts, vulnerable Gruppen und Gespräche mit niedriger Sicherheit gehen an Retention-Spezialist:innen. Angebote folgen einem Regelwerk mit Limits, Eligibility und Freigabestufen.
5. Echtzeitmaßnahmen & Follow-up: Workflow schreibt Ergebnisse ins CRM, öffnet/aktualisiert Tickets, versendet Bestätigungen per SMS/E-Mail und terminiert Follow-ups. Resultate fließen in den Feature Store für besseres Scoring.
6. Transparenz & Governance: Dashboards für Risk-Base, Kontaktquote, Save-Rate, Angebotsmix und geretteten Nettoumsatz. Alle Anrufe, Entscheidungen und Modellversionen sind auditierbar.

Privacy-by-design, compliance-aligned: Einhaltung von Sperrlisten und Ruhezeiten, Einwilligungen, Datenminimierung und rollenbasierte Zugriffe; auf Wunsch regionsgebundene Verarbeitung (z. B. EU). Aufzeichnungen/Transkripte nach Richtlinie. Es handelt sich um Entscheidungsunterstützung, nicht um Rechts- oder Finanzberatung; die Verantwortung bleibt bei Menschen.

Pilotumfang (30–60 Tage)

• Scope: Eine Region, Breitbandsegment, Top-3 Kündigertreiber.
• Kanäle: Outbound Voice zuerst; SMS/E-Mail-Follow-up bei Nicht-Erreichbarkeit.
• Schnittstellen: Read-only CRM/Billing/OSS, Write-back für Outcomes; Telefonie via SIP/PSTN.
• Erfolgskriterien: Kontaktquote, qualifizierte Risiko-Bestätigung, Save-Rate innerhalb 7 Tagen, Nettoumsatz je 1.000 Anrufe, Kundenzufriedenheit (CSAT nach Call).

Hypothesen-Metriken (illustrativ, nicht garantiert):

• Kontaktquote 45–65 %; davon Risiko-Bestätigung 60–75 %.
• Save-Rate bei erreichten, gefährdeten Kund:innen 15–30 % je nach Treiber.
• NPS/CSAT-Anstieg +5–10 Punkte bei proaktiv Kontaktierten.

Schnelles ROI-Beispiel (Szenario):
1.000.000 Kund:innen, monatliche Abwanderung 2 % → 20.000 potenzielle Kündiger/Monat.
Erreicht das System 50 % davon und rettet 20 %, sind das 2.000 Saves/Monat.
Bei ARPU 30 €, Bruttomarge 60 % und durchschnittlich 6 Monaten zusätzlicher Bindung:
2.000 × 30 € × 0,6 × 6 = 216.000 €/Monat (~2,6 Mio. €/Jahr).
Betriebskosten (Telefonie, Compute, Tuning) liegen in diesem Szenario deutlich darunter.

Risiken & Gegenmaßnahmen

• Modellbias/Drift: Reason Codes, Fairness-Checks, Rolling Retrains; Kalibrations-Monitoring.
• Compliance & Einwilligung: Sperrlisten, Ruhezeiten, Consent-Flags strikt umsetzen; sofortige Opt-out-Option.
• Überrabattierung: Harte Richtlinien-Limits, Freigaben für hochpreisige Anreize; A/B-Guardrails.
• CX-Risiko: Natürliche, kurze Skripte; Eskalation zu Menschen bei Frustrationssignalen.

Vom Pilot zum Rollout

Erweiterung auf Mobilsegmente und Geschäftskunden; Ausbau um In-App-Outreach und Retail-Handover. Dynamische Incentives auf Basis LTV und Netz-Cost-to-Serve. Ergebnisse fließen in Pricing und Netzinvestitionen ein. Langfristig wird Retention kontinuierlich, datengetrieben und weniger abhängig von großen reaktiven Callcentern.

Erwartete Wirkung (illustrativ):

• Höhere Kundenbindung und weniger churnbedingter Umsatzverlust.
• Niedrigere Akquisekosten durch längere Bestandskundendauer.
• Bessere Kundenzufriedenheit durch proaktiven Kontakt.
• Automatisierte Retention reduziert manuelle Callcenter-Last.
• ROI messbar als zusätzlicher Umsatz innerhalb weniger Monate.