Customer Lifetime Value (CLV) – Wie erhöht man den Kundenwert?

Die Frage für erfolgreiches Marketing lautet immer: Wenn ich einen Euro für einen Kunden ausgebe, wie viel bezahlt der Kunde langfristig zurück? Genau diese Frage kann man mithilfe des Customer Lifetime Value beantworten.

Mit der digitalen Transformation entstehen nicht nur neue technische Möglichkeiten der Kundenansprache. Kunden selbst verändern ihre Ansprüche und Verhaltensweisen gegenüber den Unternehmen. Die Analyse und das Management von Kundenbeziehungen wird daher ein noch stärkeres Element in der nahen Zukunft werden, um als Unternehmen im Markt bestehen zu können. Die langfristige Kundenbindung erfordert ein durchgängig aktives Customer-Relationship-Management (CRM) , um auf Veränderungen der Kundschaft und deren Präferenzen reagieren zu können. Die wichtigste Größe in diesem Zusammenhang ist der Customer Lifetime Value (CLV). Er gibt Auskunft über den Teil der Kunden, der wesentlich zum Erfolg des Unternehmens beiträgt. Nachfolgend wird ein genauer Blick auf den CLV geworfen.

Der Customer Lifetime Value, üblicherweise als CLV abgekürzt, beschreibt den monetären Wert eines Kunden für das Unternehmen. Er gibt an, wie profitabel die einzelnen Kunden im Laufe ihres Kundenlebens sind. Der CLV ist somit eine steuerungsrelevante Kennzahl, die vor allem für das Marketing genutzt wird. Je nach Vorgehensweise werden neben historischen Daten auch zukünftige Schätzungen in die Größe eingebracht und auf den Betrachtungszeitpunkt diskontiert. Betriebswirtschaftlich ist der CLV wie ein Kapitalwert zu einem bestimmten Betrachtungszeitpunkt zu verstehen, bei dem die Wertigkeit des einzelnen Kunden für das Unternehmen errechnet wird.

Nachfolgend werden wir einen genauen Blick auf den CLV werfen, seine Komponenten verstehen sowie Modelle und Einsatzbereiche kennenlernen.

Begriffliche Abgrenzung
Synonym zum CLV wird oft der Begriff Kundenwert verwendet. Dieser ist aber etwas weiter gefasst und beinhaltet neben der monetären Betrachtung, welche den CLV beschreibt, auch qualitative Bewertungen wie Image- oder Multiplikator-Effekte.

Neben der Abkürzung CLV sind auch andere Abkürzungen üblich – beispielsweise LTV für Lifetime Value oder CLTV für Customer Lifetime Value.

Um profitabel zu wachsen, ist es wichtig, den Blick in die Zukunft zu richten und eine Erhöhung des CLV anzustreben. In diesem Kontext ist eine Fokussierung auf den sogenannten PCLV, den Predictive Customer Lifetime Value, wichtig.

Zusammenfassung

Der CLV…

• …spielt eine zentrale Rolle im CRM und Marketing.
• …bestimmt den monetären Wert eines Kunden.
• …bildet eine Rangfolge der Wertigkeit von Kunden ab.

Die erste wesentliche Komponente des CLV ist der Customer Value. Dieser beschreibt den direkten Wert eines Kunden für das Unternehmen. In der einfachsten Variante ist das der Umsatz pro Kunde. Werden die Kosten mit einbezogen, kann der Customer Value auch als Deckungsbeitrag pro Kunde errechnet werden. Hier werden die Einnahmen durch den Kunden den Ausgaben gegenübergestellt. Die Kosten sind dabei kundenabhängig, je nachdem wie sich ein Kunde verhält. Es empfiehlt sich hierfür statt des Umsatzes den Netto-Umsatz heranzuziehen. Dieser verrechnet beispielsweise Retouren, sodass nur tatsächlich vom Kunden behaltene Waren abgebildet werden. Wenn ein Kunde Ware retourniert, reduziert dies automatisch seinen CLV.

Der Customer Value kann nicht nur als absolute Größe verstanden, sondern auch als Durchschnittsgröße bestimmt werden. In dem Fall wird der durchschnittliche Umsatz (oder durchschnittliche Deckungsbeitrag) pro Kunde als Customer Value ausgewiesen. Der Zeitraum, über den der Durchschnitt gebildet wird, kann je nach Anwendungsfall definiert werden. Typisch sind Werte pro Monat, Quartal oder Jahr. In Branchen mit Vertragslaufzeiten für Kunden, beispielsweise der Mobilfunkbranche oder im Pay-TV-Bereich, ist dieser Wert auch als ARPU bekannt. ARPU steht für Average Revenue per User, zu Deutsch durchschnittliche Umsatzerlöse pro Kunde. Durch ihn lässt sich die Wirtschaftlichkeit beispielsweise von Premium- und Basic-Modellen abbilden. Neben historischen Zahlen können auch zukünftige Erwartungen berücksichtigt werden. Der Wert wird auf den Betrachtungszeitpunkt auf- oder abdiskontiert.

Die zweite wesentliche Komponente des CLV ist die Customer Lifetime. Diese „Lebenszeit“ eines Kunden beschreibt den Zeitraum, indem ein Kunde eine intakte Beziehung zu einem Unternehmen führt.

Beginn der Customer Lifetime

Die Customer Lifetime beginnt mit der ersten (zahlungspflichtigen) Transaktion eines Kunden…

• Erstkauf bei einem Unternehmen
• Beginn eines ersten Vertrages oder Abonnements

Ende der Customer Lifetime

… und endet mit dem Ende der Kundenbeziehung:

• Kündigung des letzten verbleibenden Vertrages eines Kunden
• längere Phase der Inaktivität eines Kunden (z.B. 2 Jahre ohne Kauf)
• Tod oder dauerhafte Sperrung eines Kunden

Der Zeitraum kann in seiner Länge je nach Kunde sehr stark schwanken. Die Länge hängt hierbei von verschiedenen Faktoren ab, beispielsweise vom Produktlebenszyklus. Wird ein Produkt vom Markt genommen, besteht eine hohe Wahrscheinlichkeit, auch die Kunden dieses Produktes zu verlieren. Es sei denn, es gelingt einem, sie für ein Nachfolgeprodukt oder eine Alternative zu gewinnen. Umso früher ein Kunde ein neues Produkt adaptiert und diesem treu bleibt, desto länger ist auch sein potenzielles Kundenleben. Aus Sicht des Marketings lassen sich die Phasen des Produktlebenszyklus den Phasen im Kundenleben zuordnen und mit den entsprechenden Marketingstrategien ansprechen.
Unterschiedliche Produkte besitzen zudem verschiedene Frequenzen, in denen sie gekauft oder abgeschlossen werden. Dieser Kaufrhythmus beeinflusst ebenfalls das Kundenleben und dadurch auch den Kundenwert.

Beim Kostenblock eines Kunden, empfiehlt es sich, nur diejenigen variablen Kosten zu betrachten, die der Kunde auch selbst verursacht hat. Es gibt auch Kostenblöcke, auf die der Kunde keinen Einfluss hat, wie z.B. die Mietkosten eines Unternehmens. Diese Kosten sind nicht direkt einem Kunden zuzuordnen und fließen somit nicht in die Betrachtung des Kundenwertes mit ein.

Durch die individuellen Kosten kann in Kombination mit den anderen Bestandteilen die Wertigkeit des einzelnen Kunden bestimmt und sortiert werden. So wird für Unternehmen auch ersichtlich, wo sich die Investition in die Kundenansprache lohnt und wo eher nicht.

Die 4 wesentlichen Kostenblöcke eines Kunden sind:

• Was kostet mich die Entstehung eines Kunden – bis zur Conversion?
• Was kostet mich die Bewerbung des Kunden – nach der Conversion?
• Welchen Wareneinsatz verursacht ein Kunde?
• Welche Handling-Kosten und verursacht ein Kunde?

Die Akquisition eines Kunden kostet immer Geld – allerdings können sich diese Kosten von Kunde zu Kunde stark unterscheiden. Einige Neukunden sind sehr leicht zu erreichen, während andere potenzielle Kunden größerer Werbeanstrengungen bedürfen. So benötigen manche Kunden einen besonderen Neukunden-Gutschein oder Bonus, der besondere Kaufanreize weckt, gleichzeitig aber auch Gutscheinkosten verursacht. Ähnlich verhält es mit Artikeln, die besonders auf Neukunden ausgerichtet sind. Diese zeichnen sich meist durch eine gute Verkaufsfähigkeit (Gängigkeit) aus und haben eine geringe kalkulierte Marge, damit der Kostenvorteil direkt an die Neukunden weitergegeben werden kann. Ziel beider Maßnahmen ist es, die Response-Quoten in der Neukunden-Akquise zu erhöhen, um günstig an Neukunden zu kommen.

Die zentrale Steuerungsgröße ist dabei die Cost of Acquisition (CAC). Sie beschreibt, wie viel Geld ein Neukunde im Durchschnitt kostet. Wichtig dabei ist, dass alle anfallenden Kosten der Akquisitionskampagne durch die daraus resultierenden Neukunden abgedeckt werden. Also auch die verursachten Kosten derjenigen, die zwar beworben wurden, aber nicht als Neukunden gewonnen werden konnten.

Hier einmal ein Rechen-Beispiel zur Verdeutlichung:

Neukunden-Kampagne:

• Facebook Kampagne zur Neukunden-Gewinnung.
• Durchschnittlicher Click-Preis 0,52€.
• Gesamtausgaben für die Kampagne 5.400€.
• Hieraus sind 80 Neukunden entstanden.
• 60 Kunden haben einen 10€ Neukunden-Gutschein eingelöst.

Falsch wäre:

• Jeder-Neukunden-Click hat 0,52€ gekostet. Daher beträgt die Cost of Aquisition 52 Cent.

Richtig ist:

• Insgesamt wurden 5.400€ ausgegeben und 80 Neukunden sind aus der Kampagne entstanden.
• Zusätzlich sind 600€ Gutscheinkosten für die Aquisition der Neukunden angefallen.
• Die Cost of Aquisition beträgt (5.400€+600€)/80=75€

Die CAC wird dem CLV oftmals direkt gegenübergestellt. Die grundsätzliche Überlegung dabei ist, die Einmalkosten und die (erwarteten) Erträge eines Kunden zu vergleichen. Wenn die Akquisitionskosten eines Kunden höher als seine Erträge sind, so ist der Return on Invest negativ und das Business ist langfristig nicht profitabel.

Nach der Akquisition eines Kunden fallen weitere Kosten für die Bindung des Kunden an. Diese sollen die Kunden zu Folgekäufen animieren, um eine langfristige Kundenbeziehung aufzubauen. Im Vergleich zu den Akquisitionskosten fallen sie niedriger aus, da die Kunden bereits eine Beziehung zum Unternehmen und dem Sortiment aufgebaut haben. Verstärkend kommt der Effekt der positiven adversen Selektion hinzu: Nur die Kunden, die bereits im Vorfeld eine Kaufabsicht (durch den Erstkauf) signalisiert haben, werden beworben.

Die Marketing- und Werbekosten sind kundenabhängig. Vor allem in der modernen, individualisierten Werbung mit Personalisierung werden die unterschiedlichen Kaufschwellen der potenziellen Kunden deutlich.

Doch nicht nur die Neukundengewinnung ist ein individueller Kostenfaktor, sondern auch die Generierung von Wiederkäufen oder die Aktivierung inaktiver Kunden. Diese individuellen Kostenkomponenten sind zu den kundenunabhängigen Kosten hinzuzählen und so als gesamte Kosten in den CLV einzubeziehen. Wie auch bei der Akquisition sind die Gutscheinkosten der Stammkunden im CLV zu berücksichtigen.

Das gekaufte Produkt hat ebenfalls einen Einfluss auf den Customer Lifetime Value. Dies hängt vor allem von den Margen der Produkte ab. Nehmen wir als Beispiel einmal an, dass es zwei verschiedene Kunden gibt, die jeweils 150€ Netto-Umsatz gemacht haben, allerdings mit unterschiedlichen Artikeln.

Wichtig für dieses Beispiel ist der Deckungsbeitrag der Produkte, welcher sich wie folgt berechnet:

Deckungsbeitrag = Menge * Verkaufspreis – (Menge * Einkaufspreis)

Kunde A:

• 150 € Nettoumsatz aus 3 Artikeln, mit Verkaufspreis (VK) je 50 €
• Einkaufswert des Artikels (EK) 25 €
• Deckungsbeitrag = 3*50 € – (3*25 €) = 75 €

Kunde B:

• 150 € Nettoumsatz aus 2 Artikeln, mit Verkaufspreis (VK) je 75 €
• Einkaufswert des Artikels (EK) 50 €
• Deckungsbeitrag = 2*75 € – (2*50 €) = 50 €

Wir sehen, dass Kunde A einen 50% höheren DB erzielt als Kunde B. Ob der Kunde deshalb auch automatisch einen höheren Kundenwert haben sollte ist umstritten. Wenn man als Marketingverantwortlicher eine reine Profitabilitätsausrichtung wählt, sollten die Einkaufskosten dem Kunden zugeordnet (attributiert) werden. Insbesondere dann, wenn bei den Produkten starke Unterschiede in den Margen bestehen und es Kunden gibt, die ausschließlich knapp kalkulierte Angebote und Produkte kaufen.

Andererseits kann man ebenfalls argumentieren, dass der Kunde für die teure Einkaufspreise des Unternehmens nicht verantwortlich gemacht werden sollte. Der Konsument kennt die Einkaufspreise eines Artikels nicht. Es sind also Kennziffern, die der Kunde nicht beeinflussen kann, beispielsweise wenn die hohen Einkaufspreise auf zu geringe Einkaufsmengen zurückzuführen sind.

Ob und wie stark der Wareneinsatz in der Berechnung des Customer Lifetime Values Berücksichtigung findet, hängt insbesondere von der Branche und letzten Endes auch von der strategischen Ausrichtung des einzelnen Unternehmens ab.

Betreffend die direkt zurechenbaren Kosten eines Kunden herrscht dafür weitestgehend Einigkeit – diese finden in der Berechnung des CLVs Anwendung. Dies gilt auch für die Handling-Kosten eines Kunden. Damit gemeint sind die Kosten, die Kunden durch ihre Transaktionen verursachen. Also die Kosten sämtlicher Vorgänge des Unternehmens, welche einem Kunden zugeordnet werden können.

Beispiele für Handling-Kosten sind:

• Kunde ruft 5-mal im Call Center an (durchschnittliche Anrufkosten 4 €)
• Kunde schreibt 2 Emails an den Customer Support (durchschnittliche Emailbeantwortung 2 €)
• Die Aufbereitung der retournierten Schuhe kostet 8 €.

In den meisten Unternehmen gibt es kalkulatorische Kostensätze, was ein Anruf im Callcenter durchschnittlich kostet. Hier wird oftmals mit Kostenpauschalen gerechnet. Es wird also nicht gemessen, wie lange ein Anruf je Kunde im Call-Center gedauert hat, sondern was ein Anruf im Durchschnitt kostet. Diese werden dann mit der Anzahl der Vorgänge multipliziert, um näherungsweise die verursachten Kosten des Kunden abzubilden. Es gibt einzelne Kunden, die einen sehr hohen Betreuungsaufwand verursachen, der oftmals in keinem Verhältnis zu den erzielten Einnahmen steht. Der CLV dieser Kunden kann schnell negativ werden. Das Unternehmen sollte sich dann die Frage stellen, ob diese Kunden in Zukunft noch beworben werden sollten.

Zusammenfassung der Kostenblöcke

• Die durchschnittliche Cost of Acquisition ist der wichtigste Kostenblock für die Profitabilitätsberechnung des Customer Lifetime Values bei Neukunden.
• Die fortlaufenden Werbekosten stellen bei den Stammkunden den wichtigsten Kostenblock dar und wirken ebenfalls auf den CLV.
• Den Wareneinsatz kann man für den CLV berücksichtigen, muss man jedoch nicht – ganz nach Branche und Bedeutung der reinen Profitabilität in der Kundensteuerung.
• Handling-Kosten sind ebenfalls relevant und werden oftmals mit festen Kostensätzen berechnet.

Betriebswirtschaftliche Kennzahlen haben typischerweise eine Vergangenheitsbetrachtung, da sich diese erst aus bereits realisierten Werten ergeben. Das gilt auch für die sogenannten Key Performance Indicators (KPI‘s). Business KPI‘s sind Effizienzgrößen, welche jedes Unternehmen als spezifisch relevant für das eigene Geschäftsmodell sieht. Diese lassen sich oft in einem Soll-Ist-Vergleich darstellen. Beispielsweise wird der tatsächliche Gesamtumsatz ins Verhältnis zum theoretisch möglichen Gesamtumsatz gesetzt, um abzuleiten, ob die Zielvorgabe erreicht worden ist.
Der historische CLV wird aus den tatsächlichen Einnahmen und Ausgaben, bezogen auf die Kunden, gebildet. Im einfachsten Fall ist das der Durchschnittsertrag pro Kunde, bei dem der Gesamtumsatz einfach durch die Kundenzahl für einen Betrachtungszeitraum geteilt wird (siehe ARPU in 2.1.) Durch eine feinere Herangehensweise ist der historische CLV auch runtergebrochen auf den einzelnen Kunden ermittelbar. Daraus kann dann beispielsweise eine Rangfolge nach dem Wert der Kunden erstellt werden.
Die Vergangenheitsbetrachtung erlaubt eine sehr tiefe Analyse der Kundenwerte.

In einer betriebswirtschaftlichen Rückschau ist der kundenspezifische historische CLV die wichtigste Steuerungsgröße, da er einen hohen Informationswert für Zielanalysen liefert.

Der Unternehmenswert und die Attraktivität für Investoren hängen typischerweise nicht von vergangenen Größen ab, sondern von den Ertragsmöglichkeiten in der Zukunft. Zudem ist es für die Aussteuerung einer CRM-Kampagne entscheidend, ob der Kunde auch in Zukunft eine Kaufbereitschaft signalisiert. Daher werden immer mehr Business KPI‘s auf eine Zukunftsbetrachtung umgestellt. Beispielsweise ist so nicht mehr der tatsächliche Umsatz relevant, sondern ein zukünftig zu erwartender Einnahmestrom je Kunde.
Um dieser Betrachtung gerecht zu werden, sollte demnach der CLV ebenfalls eine Zukunftsbetrachtung abbilden können. Der Ansatzpunkt ist hier also der Predictive Customer Lifetime Value (PCLV). Dabei werden mithilfe von Machine Learning-Modellen das Kundenverhalten in der Vergangenheit analysiert und Prognosen für die Zukunft berechnet.

Eine tiefergehende Analyse des PCLV ist möglich und auch notwendig, wenn es um die effiziente Aussteuerung von Marketingmaßnahmen auf kundenindividueller Ebene geht. Dank den Entwicklungen im Bereich Machine Learning, neuester KI-Algorithmen und Software sind tiefgehende Prognosen zum Kundenverhalten und der Kundenansprache heute problemlos möglich.

Die reine Betrachtung der Vergangenheitsdaten kann irreführend sein und zu einer Fehlsteuerung im operativen CRM führen.

Das liegt vor allem daran, dass Kunden ihr Konsumverhalten im Zeitablauf ändern und die vergangene Performance sich nicht eins zu eins auf die Zukunft übertragen lässt. Hierfür betrachten wir ein extremes Beispiel, das veranschaulichen soll, dass eine rein historische Betrachtung zu einer ineffizienten Marketing-Budget Allokation führen kann.

Beispiel Kunde A:

• Kunde A hat historisch insgesamt 10 Käufe im Bereich Motorrad-Bedarf getätigt.
• Sein historischer CLV beträgt 450€.
• Der Kunde A heiratet und bekommt ein Kind, woraufhin er nicht mehr Motorrad fährt.

Der Kunde hat sein vergangenes Verhalten gravierend geändert und das Unternehmen sollte schnellstmöglich auf dieses Verhalten reagieren. Kunde A wird dem Motorrad-Bedarf Hersteller schätzungsweise nicht selbst mitteilen, dass er kein Motorrad mehr fährt. Daher wird der historische CLV kein guter Ratgeber für die zukünftige Performance des Kunden sein. Über ein prädiktives Customer Lifetime Value (PCLV) Modell lassen sich jedoch das veränderte Verhalten in Signale überführen, die wiederum auf die Prognose des Kundenwertes positiv oder negativ einwirken.

Je schneller Unternehmen auf Verhaltensänderungen reagieren und diese im Customer Lifetime Value berücksichtigen, umso effizienter erfolgt die Marketing-Aussteuerung.

Zusammenfassung zeitlicher Komponenten

• Der historische CLV basiert auf den Beobachtungen der Vergangenheit und dient daher eher zu Controlling-Zwecken.
• Der prädiktive CLV richtet den Blick in die Zukunft und hilft bei effizienter Allokation von CRM- und Marketingmaßnahmen.
• Durch Machine Learning lässt sich der zukünftige auf Kundenebene sehr genau prognostizieren und zeigt damit rasch verändertes Kundenverhalten auf.

Um den Kundenwert zu ermitteln beziehungsweise die Kunden zu kategorisieren, stehen verschiedene Methoden zur Verfügung. Es gibt nicht den einen richtigen Ansatz, oder Formel, sondern verschiedene Näherungsverfahren, um den Wert eines Kunden zu bestimmen.

Mithilfe des CLV kann ein Kundenportfolio erstellt werden. Neben der Unterteilung in einen hohen und niedrigen CLV wird hier zusätzlich der Nutzen des angebotenen Produktes für den Kunden betrachtet, ebenfalls unterteilt in hoch und niedrig. Hieraus lässt sich eine Vier-Felder-Matrix aufbauen, angelehnt an die im Finanzwesen häufig Anwendung findende BCG-Matrix. Für jedes der Felder wird nach der Klassifizierung eine Strategie festgelegt.

Folgende vier Felder lassen sich identifizieren:

• Stars: weisen einen hohen Ertrag für das Unternehmen aus und haben gleichzeitig einen hohen Nutzen aus den Produkten des Unternehmens. Die Beziehung zwischen Kunde und Unternehmen hat also Vorteile für beide Seiten und sollte auf jeden Fall gehalten werden. Hier ist eine Strategie zur Kundenbindung wichtig.
• Fragezeichen: diese Gruppe hat ebenfalls einen hohen Customer Value, trägt also maßgeblich zum Unternehmenswert bei. Allerdings ziehen sie selbst keinen großen Nutzen aus den Produkten. Das Unternehmen sollte also nach Möglichkeit in die Produktentwicklung investieren, um die Abwanderung der Kunden zur Konkurrenz zu vermeiden.
• Trittbrettfahrer: sie haben wie die Stars einen großen Nutzen durch die erworbenen Produkte, generieren aber geringeren Umsatz für das Unternehmen. Daher sollte für diese Gruppe das Preisniveau angehoben oder das Serviceniveau gesenkt werden, um ein besseres Gleichgewicht zwischen dem Nutzen der Produkte und den dafür folgenden Erlösstrom zu schaffen
• Arme Hunde: haben geringen Nutzen der Produkte, bieten aber auch keinen Mehrwert für das Unternehmen. In diese Gruppe sollten keine weiteren Investitionen getätigt werden.

Ein klassischer Ansatzpunkt zur Prioritätensetzung bei den eigenen Kunden ist die ABC-Analyse. Anhand einer Kennziffer, in diesem Fall des CLV, werden die Kunden in die drei Kategorien – A, B und C – eingeteilt. Kunden der Kategorie A sind sehr wichtig, da sie einen kleinen Teil der Kundenbasis einnehmen, dafür aber für einen hohen Anteil des Umsatzes verantwortlich sind. Kunden der Kategorie B sind wichtig, da sie die breite Masse der Kunden reflektieren und hieraus regelmäßig Kunden der Kategorie A entstehen. Die Kunden der Kategorie C sind weitestgehend inaktiv oder unprofitable und daher nicht die lukrative Basis der Kundenansprache im CRM. Hier liegt die Strategie in der Reaktivierung, um die Kunden in die Kategorie B zu überführen.

Stehen die Ressourcen zur Kundenansprache oder Kundenbetreuung nur begrenzt zur Verfügung, hilft diese Kategorisierung dabei, die Ressourcen optimaler auf die Kunden zu verteilen. Wenn die Kategorie A die Kunden mit dem höchsten Kundenwert beschreibt, sollte in diese Kategorie auch die meisten Ressourcen fließen etc.

Die genutzte Kennziffer für die ABC-Analyse bezieht sich immer auf die Vergangenheit, hier den historischen CLV. Diese Analysemethode hilft nur dann weiter, wenn der CLV zwischen den Kunden sehr unterschiedlich ausfällt. Ob die ABC-Analyse hilfreich sein kann, lässt sich aber schnell aus den Daten aussagen. Indem der Wertanteil ins Verhältnis zum Mengenanteil gesetzt wird, lässt sich die Gleichheit oder Ungleichheit der Kundenwerte einfach statistisch aufzeigen. Wenn beispielsweise ein Kundenwert 10 Prozent Anteil am Gesamtwert besitzt, er aber nur einer von hundert Kunden ist (ein Prozent Mengenanteil) wird dieser Kunde in der Verteilung recht weit oben liegen im Gegensatz zu einem Kunden, der 0,1 Prozent Wertanteil besitzt.

Diese Verteilung kann dann in die drei Kategorien A, B und C unterteilt werden. Wo genau die Grenzen liegen, muss jedes Unternehmen sinnvoll selbst bestimmen. Oft lässt sich die Pareto-Regel feststellen, bei der 80 Prozent des Umsatzes durch 20 Prozent der Kunden erwirtschaftet werden, was auch entsprechend durch den CLV abgebildet werden würde. Trifft dieser Fall zu, so würde man die oberen 20 Prozent der Kunden nach Wertigkeit als A-Kategorie festzulegen. Die C-Kategorie wird oft mit den unteren 50 Prozent der Kunden nach Wertigkeit festgesetzt. Das Finden der Grenzen hängt aber von der individuellen Situation des Unternehmens oder der Branche ab. Auch mehr als drei Kategorien können unter Umständen sinnvoll sein.

Mit der ABC-Analyse werden somit die einzelnen Kunden nach ihrem Rang sortiert und in die Kategorien einsortiert gemäß ihrem CLV. Damit lassen sich jetzt weitere Analysen betreiben. Beispielsweise können die Kundenwerte über ein ABC-Diagramm visualisiert werden. Wichtig ist, dass aus dem Ergebnis weitere Maßnahmen abgeleitet werden. Beispielsweise folgt die Ressourcenaufteilung oder Werbeaufwand den Kategorien.

Ein Schritt hin zu einem zukunftsbezogenen CLV bietet die Kohorten-Analyse. Hier werden die Kunden nach zeitbezogenen Gemeinsamkeiten zu einer Gruppe, einer Kohorte, zusammengefasst. Eine zeitbezogene Gemeinsamkeit könnte zum Beispiel der erste Einkauf innerhalb der letzten Woche sein. Nach dem Merkmal „erster Einkauf“ können nun weitere Kohorten gebildet werden.

Nun werden die Kohorten anhand eines weiteren Merkmals miteinander verglichen. Das könnte zum Beispiel der erste Wiederkauf sein. Stellen sich nun Unterschiede zwischen den Kohorten ein, beispielsweise die Kohorte mit einem Erstkauf vor einem halben Jahr hat deutlich weniger Wiederkäufe als die Kohorte mit einem Erstkauf von vor zwei Monaten, deutet das auf systematische Unterschiede hin. So lassen sich Erfolge oder Misserfolge von Marketingkampagnen feststellen oder auch der Zeitverzug, bis die Kunden auf die Marketingmaßnahme ansprechen.

In der folgenden Darstellung wird eine Kohorte nach Männern und Frauen unterteilt. Es lassen sich hier jedoch beliebig viele weitere Kundenmerkmale an die Kohorten anknüpfen. Dadurch können auch weitere Kunden-Dimensionen (Kunden-Eigenschaften) von Kohorten analysiert werden.

Beispiel:

• Eine Kohorte wird aufgeteilt in Frauen und Männer
• Auf der X-Achse sind die Wochen seit Kundenentstehung abgebildet
• Auf der Y-Achse werden die kumulierten, realisierten Erlös-Kennzahlen abgebildet
• Interpretation: Frauen sind wirtschaftlicher als Männer, da sie in vergleichbarer Zeit mehr Umsatz erzielen als Männer der gleichen Kohorte.

Die Kohorten-Analyse erlaubt also eine langfristige Betrachtung des Kundenverhaltens, aus dem sich auch Prognosen und Trends erschließen lassen. Wird ein Referenzwert festgelegt, können beispielsweise Aussagen getroffen werden, wie schnell eine Kohorte diesen Referenzwert erreicht. Andere mögliche Analysen wären die Entwicklung in der Differenz des CLV je nach Kohorte oder die typische Länge eines Kundenlebens je Kohorte.

Mithilfe der Kohorten-Analyse kann eine deutlich stärkere Kundensicht eingenommen werden und somit Rückschlüsse auf regelmäßiges Kundenverhalten gezogen werden. Die daraus geschlossenen Prognosen beruhen zwar aus den Daten der Vergangenheit, nehmen aber dennoch einen Blick in die Zukunft vor, um ein Bild der langfristigen Entwicklung des CLV malen zu können. In diesem Kontext kann und sollte auch wieder auf die Segmentierung der Kunden zurückgegriffen werden. Hier werden die zeitbezogenen Gemeinsamkeiten und die gleichen Verhaltensweisen als Segmentierungsschlüssel genutzt, um die entsprechenden Marketingmaßnahmen ableiten zu können.

Wird der CLV als diskontierter zukünftiger Kundenwert verstanden, liegt der Fokus auf der zukünftigen Entwicklung des Verhältnisses zwischen Kunden und Unternehmen. Der zukünftige Kundenwert wird mit dem Predictive Customer Lifetime Value (PCLV) beschrieben. Die große Schwierigkeit hierbei ist die Prognose der zukünftigen Umsätze pro Kunden, die Kostenseite kann dafür meist sehr gut abgeschätzt werden. Hier ist eine sorgfältige statistische Modellierung notwendig. Diese Modelle heißen Predictive Customer Models.

Für den CLV bietet es sich an, zwei Gattungen von Modellen zu erzeugen.

Wie wahrscheinlich ist der Kauf eines Kunden in den nächsten 12 Monaten?

Mit diesem Modell wird prognostiziert, wie hoch die Kaufwahrscheinlichkeit eines Kunden in einem gewissen Zeitraum ist. Es wird als Aktiv-Modell bezeichnet, da die Aktivität des Kunden hier im Mittelpunkt steht. Dafür werden binäre Algorithmen herangezogen, deren besondere Stärke es ist Ereignisse mit JA/NEIN oder 0/1 hervorzusagen.

Wie viel Umsatz/Erlös/DB wird ein Kunde in den nächsten Monaten machen, wenn er aktiv wird?

Das zweite Modell zielt darauf ab, den Erlös/Umsatz eines Kunden in einem gewissen Zeitraum genau zu prognostizieren. Hierfür werden Modelle eingesetzt, die metrische Kennzahlen genau prognostizieren können. Denn neben der Wahrscheinlichkeit, dass ein Kunde kauft, ist die Umsatzhöhe für den Kundenwert sehr relevant.

Kombiniert man diese beiden Prognose-Modelle beispielsweise über eine Multiplikation, so lässt sich ein erwarteter CLV in Form eines Erwartungswertes bilden:

PCLV= prog. Kaufwahrscheinlichkeit * prog. Erlös bei Aktivität

An einem einfachen Beispiel lässt sich am Besten erklären: Kunde A hat eine hohe Kaufwahrscheinlichkeit von 34%, aber in den kumulierten Käufen wird weniger Erlös erzielt (150€). Kunde B kauft mit einer geringeren Kaufwahrscheinlichkeit von 12%. Wenn dieser Kunde aber kauft, gibt er deutlich mehr Geld aus (650€) als Kunde A. Multipliziert man beide Wahrscheinlichkeiten, so hat Kunde B einen PCLV von 78€, welcher um 17€ höher ist als der prognostizierte CLV von Kunde A mit 51€.

In die Prognose-Modelle fließen eine Vielzahl von erklärenden Variablen (Features) ein, die in der Lage sind, das zukünftige Kaufverhalten der Kunden (sowohl Aktiv als auch Metric) vorherzusagen. Wie auch bei der RFM-Analyse fließen hier die Dimensionen Recency, Frequency und Monetary ein. Darüber hinaus finden aber auch eine Vielzahl von weiteren Metriken Anwendung, die das Kundenleben abbilden. Die Wiederkaufrate der Vergangenheit, Trends, Aktivitäten nach Warengruppen sind einige Beispiele dafür. In gute Prognosemodelle fließen oftmals tausende dieser Features ein, wobei der Algorithmus nur diejenigen auswählt, die das Modell auch verbessern. Mithilfe von AutoML lassen sich dabei die besten Ergebnisse erzielen.

Um die Aussagen und Lösungen des Modells zu prüfen, sollte eine Testphase und/oder Simulation durchgeführt werden. Überzeugen die Lösungen, kann der PCLV auf Wochen, Monate oder gar Jahre vorausgesagt werden.

Die statistischen Analysemöglichkeiten werden durch neue IT- und Softwarelösungen aber noch einmal schneller und vielfältiger. Vor allem bei großen Datenmengen sind gute softwaregestützte Verfahren ein wichtiger Faktor, um eine möglichst gute Prognose erstellen zu können.

Zusammenfassung des Predictive Customer Lifetime Values

• Um den Predicitive Customer Lifetime Value zu berechnen, gibt es verschiedene Modelle:
  • das Aktiv-Modell, was die Kaufwahrscheinlichkeit prognostiziert
  • das Metric-Modell, welches eine Umsatzhöhe bei Kauf vorhersagt
• Kombiniert man diese Modelle lässt sich ein erwarteter CLV berechnen

Fügt man weitere aussagekräftige Variablen in ein qualitativ hochwertiges Prognosemodell, ist es möglich, den PCLV für bis zu Jahre vorherzusagen

Im Bereich E-Commerce und Versandhandel ist der CLV besonders interessant. Hier werden oft hohe Kundenzahlen und hohe Kauffrequenzen erreicht. Zudem stehen weitergehende Daten zur Verfügung, wie Klickzahlen, Conversion Rate und weitere Online-Kennziffern, die in einer CLV-Analyse einbezogen werden können.

Der CLV hilft weiterhin dabei, die in Online-Handel oft anzutreffenden Einmalkäufer herauszufiltern oder zu prognostizieren. Allgemein sind rund die Hälfte der Online-Kunden in einem Shop Einmalkäufer. Mithilfe des CLV lassen sich auch Käufer mit höheren Retouren identifizieren sowie die Umsatzdifferenzen innerhalb der Kundschaft. Sind diese Verhältnisse bekannt oder prognostizierbar, kann ausgehend vom Einkaufspreis besser kalkuliert werden und individuelle Preise und Marketingaktionen an die Kunden gebracht werden.

Der CLV spielt auch eine besondere Rolle in Branchen, die mit (langen) Vertragslaufzeiten oder Abonnements arbeiten. Typische Beispiele sind Mobilfunkanbieter, der Energiesektor oder auch Streamingdienste. Das Kundenleben beginnt mit der Subskription, dem Einstieg in die Vertragslaufzeit. Das Kundenleben endet mit der Kündigung des Vertrags.

Der CLV gibt hierbei gute Hinweise an das Churn Management. Churn beschreibt die Kundenabwanderung. Mithilfe des CLV kann das Churn Management bestimmen, bei welchen Kunden verstärkte Maßnahmen sinnvoll sind, um ihn zu halten, und bei welchen Kunden eine Abwanderung vielleicht sogar betriebswirtschaftlich sinnvoll ist.

Umgekehrt sollen gerade die potenziellen Kunden zur Subskription gebracht werden, die einen hohen CLV, oder besser PCLV, aufweisen. So können auch unterschiedliche Vertragsangebote oder Marketingmaßnahmen in Abhängigkeit des CLV gestaltet werden.

Unter High-Frequency Business versteht man Geschäftsmodelle, die viele Kundenaktionen am Anfang einer Kundenbeziehung auslösen. Ein Beispiel hierfür ist eine App, die nur kurz gespielt wird und dann gelöscht wird, weil die Nutzer kein Interesse mehr daran haben. Im High Frequency Business findet der CLV ebenfalls eine besondere Verwendung. Hier ist oft das Problem, dass Kunden sehr schnell inaktiv werden. Im Bereich Apps und Gaming, insbesondere bei denjenigen, welche mit In-Game-Käufe arbeiten, und ähnliche Dienstleistungen, verteilt sich der Kundenwert oft sehr stark. Ein ähnlicher Fall liegt bei frontlastigen Käufen vor, wie es ebenfalls bei Games und anderen Unterhaltungsprodukten anzutreffen ist. Der Unterschied zwischen High Engagement und Low Engagement sind in diesem Bereich besonders groß.

Hier hilft die Analyse des CLV dabei, die Segmente der Kunden zu identifizieren und ebenfalls die Maßnahmen auf genau die Käuferschaft zu fokussieren, die einen hohen Kundenwert mitbringt. Weiterhin gilt es hier auch, die Potenziale der einzelnen Segmente herauszufinden und beispielsweise die Meinungsführer unter den Käufern anzusprechen.

Ein wichtiger Anwendungsbereich für den CLV ist das Marketing. Da das Marketingbudget begrenzt ist, hilft der CLV dabei, das begrenzte Budget optimal aufzuteilen. Marketingmaßnahmen richten sich somit nicht an die Allgemeinheit, sondern gezielt an die einzelnen Kundengruppen, die gemäß des CLV vorsortiert wurden. Dabei fließt mehr Budget in Maßnahmen für die Ansprache der Kunden mit dem höchsten Kundenwert. Hier ist schließlich auch der höchste Return für das Unternehmen zu erwarten.

Hierbei ist aber nicht nur zu beachten, dass die Kunden mit dem höchsten Kundenwert einfach mit einem höheren Budget angesprochen werden, sondern auch mit den richtigen Marketingmaßnahmen. Kunden mit den höchsten Kundenwerten sind auch deswegen interessant, weil diese meist auch eine geringe Kaufschwelle aufweisen. Der Aufwand pro Kunde, die richtige Ansprache vorausgesetzt, ist somit verhältnismäßig klein. Hier kann also das Marketingbudget besonders effizient eingesetzt werden.

Mit absteigendem Kundenwert wird dann irgendwann das Kundensegment erreicht, ab dem eine aktive Marketingmaßnahme nicht mehr lohnend ist. Hierfür ist es ratsam auch einen A/B-Test durchzuführen und die Kampagne entsprechend auszuwerten. Hier sollte das Unternehmen in Kauf nehmen, dass wenig engagierte Kunden keine gezielte Ansprache mehr enthalten und unter Umständen verloren gehen. Der Grund ist schlichtweg der, dass die Kosten für ein Marketing für diese Gruppe die Einnahmen durch diese Gruppe übersteigt und somit zu einem Verlust führen würde. Der Kundenwert wäre in dem Fall negativ.

Ein weiteres sehr nützliches Anwendungsgebiet für den CLV ist das Affiliate-Marketing als konkretes Beispiel im Marketing-Mix. Beim Affiliate-Marketing wird der Kunde über Seiten von Dritten auf einen Online-Shop weitergeleitet. Kauft der Kunde, so erhält der „Affiliate“, welcher den Link zum Shop auf seiner Seite veröffentlicht hat, eine Provisionsgebühr. Große Online-Dienstleister haben für dieses Modell sogar eigene Partnerprogramme aufgezogen.
Bislang ist die Gestaltung dieser Provisionsgebühr in den meisten Fällen vom Umsatz des Käufers abhängig sowie der Zahl der Neukunden. In vielen Fällen wird je nach Produktkategorie im Online-Shop ein unterschiedlich hoher prozentualer Anteil gewährt. Es wird somit meistens nicht auf den CLV abgestellt.

Doch mit einer guten Kundenanalyse kann das Affiliate-Programm auch in Abhängigkeit des PCLV der Neukunden gestaltet werden. So werden die Affiliates nicht pauschal nach Zahl und Umsatz der Neukunden belohnt, sondern nach der Kundenqualität. Ein Neukunde mit einem höheren PCLV führt auch zu einer höheren Provisionsgebühr. So wird sichergestellt, dass vor allem die Neukunden in den Online-Shop kommen, die das größte Ertragspotenzial für das Unternehmen mitbringen.

Viele Unternehmen versuchen mit Rabatt- und Treueaktionen Kunden anzulocken und an sich zu binden. Das passiert in vielen Fällen sehr pauschal und nicht gezielt. Solche Aktionen können mithilfe des CLV viel zielgerichteter gesteuert und effektiver eingesetzt werden. Da ein Unternehmen gerade an den Kunden mit den höchsten Kundenwerten interessiert ist, sind solche Kunden auch bevorzugt bei solchen Aktionen und Programmen miteinzubeziehen.

Eine gute Möglichkeit wäre ein VIP-Programm für die Top-Kunden nach Kundenwert. Je nach Unternehmen oder Verteilung der Kundenwerte lassen sich die Top-1-Prozent oder Top-5-Prozent als VIPs klassifizieren. Die VIPs erhalten dann exklusive Leistungen, einen speziellen Service oder besondere Angebote und Aktionen.

Da diese Kunden einen besonders hohen Kundenwert haben, ist ein solches VIP-Programm in vielen Fällen besonders lohnenswert, da es diese Kunden noch einmal enger an das Unternehmen bindet. So kann der PCLV weiter gesteigert werden.

Nicht nur das Marketingbudget ist begrenzt, sondern auch das Budget für den Kundenservice. Die Allokation des Servicebudgets kann auch nach dem CLV vorgenommen werden. So erhalten Kunden mit einem höheren Kundenwert bessere Serviceleistungen als Kunden mit einem niedrigeren Kundenwert, da im ersten Fall ein Absprung der Kunden höhere Umsatzeinbußen nach sich ziehen würde.

Der Servicegrad folgt also dem CLV. Beispielsweise bekommen Topkunden sofort eine E-Mail-Antwort, werden direkt an einen Kundenbetreuer weitergeleitet oder haben geringere Wartezeiten bei Rückfragen. Auch physische Wartezeiten lassen sich für Topkunden verkürzen und weitere Supportleistungen nach Kundenwert sortieren. Ein weiteres Beispiel könnte der persönliche Ansprechpartner für Topkunden sein oder eine erweiterte Kundenbetreuung.

Der historische CLV weist einige Nachteile auf, insbesondere dadurch, dass dynamisch änderndes Kundenverhalten nicht abgebildet wird. Der Vergangenheitsbezug der ABC- und RFM-Methode zum Beispiel erlaubt nur eine Analyse in der Rückschau. Kundenbeziehungen lassen sich damit zwar tief analysieren, aber nicht unbedingt gut auf die Zukunft übertragen.

Der vergangenheitsbezogene CLV ist damit als Größe zur Messung der Zielerreichung interessant, aber weniger als wirkliche Handlungsgrundlage für die eigentliche Kundenbeziehung oder gar die Neukundengewinnung. Die reine Ausrichtung am vergangenen CLV lässt Unternehmen Trends und aktuelle Kundenentwicklungen verpassen.

Ein großer Vorteil des CLV ist der hohe Informationsgehalt, der in einer Kennzahl enthalten ist. Aus dem CLV und der Rangfolge der Kundenwerte werden die Kundenstruktur und das Kundenverhältnis deutlich. Aus dem CLV, vor allem dem zukünftigen CLV, lässt sich zudem der Unternehmenswert herleiten. Denn die Einzelumsätze der Kunden über das Kundenleben ergeben den Einnahmestrom des gesamten Unternehmens.

Es wird somit deutlich, wie wichtig eine gute Beziehung zum Kunden ist, und mit welchen Maßnahmen ein Unternehmen Kunden gezielt ansprechen kann. Der Erfolg dieser Maßnahmen ist direkt in den Veränderungen im CLV ablesbar. Da ein Unternehmen hier immer den Blick nach vorn werfen sollte, hat vor allem der PCLV zur Bestimmung der Kundenwerte den Vorteil, genau diesen Zukunftsblick solide und durch gute Machine Learning-Verfahren auch robust einzubeziehen.

Wie man sehen kann, ist das Thema CLV sehr umfassend. Aber es lohnt sich definitiv, sich tiefer damit auseinanderzusetzen, da man dadurch Wettbewerbsvorteile sichern kann. Gerade durch Implementierung guter Machine Learning-Modelle bietet der errechenbare PCLV großen Mehrwert. Durch den richtigen Einsatz und als strategisches Tool für die betriebswirtschaftliche Ausrichtung im Marketing und CRM im Speziellen, verhilft die KI zu einem besseren Verständnis der Kunden. Individuelle Kundenansprache, bessere Produkte und Leistungen für den Kunden und höhere Markentreue sind nur einige Aspekte, die durch den Einsatz einer KI möglich sind.

Benötigen Sie Hilfe oder Unterstützung bei der Ermittlung des Kundenwert? Kontaktieren Sie uns und erfahren Sie, wie Sie alle Vorteile von KI für Sie in Ihrem Unternehmen am besten ausschöpfen können.