Customer Lifetime Value

CLV: Wie viel ist der Kunde wert?

Wie rentabel ist ein Kunde für das Unternehmen? Der Customer Lifetime Value drückt dies mit einem konkreten Geldbetrag aus. Diese Zahl kann auf verschiedene Arten berechnet werden. Eine sehr einfache Formel lautet:

• Kundenlebenszeit * Kundenumsatz * Deckungsbeitrag – Kundenakquisations- und pflegekosten

Im Einzelnen bedeuten die Werte:

• Kundenlebenszeit: Dauer der Kundenbeziehung (zum Beispiel in Jahren)
• Kundenumsatz: vom Kunden generierter Umsatz
• Deckungsbeitrag: Bruttogewinn
• Kundenakquisitions- und Kundenpflegekosten: Kosten, die für das Gewinnen und das Halten von Kunden entstehen

Ein Beispiel: Kunde K bleibt drei Jahre mit einem Unternehmen in Beziehung. Er tätigt jährlich Käufe von insgesamt 1.000 Euro. Der Bruttogewinn liegt bei 20 %. Die Kosten für Werbung (Akquisition und Kundenpflege) liegen insgesamt bei etwa 100 Euro. Die Berechnung sieht dann wie folgt aus:

• (3 Jahre * 1.000 € * 0,2) – 100 € = 600 € – 100 € = 500 €

In der gesamten Zeit der Beziehung zwischen Kunden und Unternehmen hat der Kunde also einen voraussichtlichen Wert von 500 Euro.

Der CUSTOMER LIFETIME VALUE im Kundenlebenszyklus

Der CLV ermöglicht es, den aktuellen wie den zukünftigen Kundenwert relativ genau festzustellen und in einer konkreten Zahl auszudrücken. Er eignet sich per definitionem aber nur für längerfristige Kundenbeziehungen. Dieser Ansatz ermöglicht es, in dem betreffenden Zeitraum unterschiedliche Marketing-Instrumente einzusetzen.

• Bei einem sehr hohen Customer Lifetime Value kann für das Customer-Relationship-Management auch auf höhere Beträge zurückgegriffen werden.
• Bei geringeren CLVs ist ein niedriger Aufwand für die Kundenbetreuung effizienter.

So dient die Berechnung des CLV dazu, die Ressourcen im Kundenmanagement rationell aufzuteilen. Im Kundenlebenszyklus werden meist zwischen sechs Phasen unterschieden:

1. Anbahnungsphase: Marketing-Maßnahmen zielen in dieser Phase darauf ab, den Kunden zu überzeugen oder zu stimulieren.
2. Sozialisationsphase: Hier wird der Kunde an die Beziehung zum Unternehmen gewöhnt.
3. In der sogenannten Penetrationsphase spielen Aspekte wie Cross-Selling und Individualisierung eine Rolle.
4. In der Reifephase ist es möglich, die Effizienz der Beziehung zum Kunden weiter zu steigern.
5. In eventuellen Krisenphasen gilt es, Fehler zu korrigieren oder eventuelle Schäden wiedergutzumachen.
6. Die Trennungsphase kann genutzt werden, den Kunden doch noch zu überzeugen, an der Beziehung zum Unternehmen festzuhalten oder diese nach einer Abstinenzphase zu reaktivieren.

Jede dieser Phasen lässt Raum für unterschiedliche Marketingstrategien. Für jeden Zeitabschnitt gibt der Customer Lifetime Value Aufschluss darüber, welche Maßnahmen sich lohnen.

Customer Lifetime Value und Künstliche Intelligenz

Mithilfe komplexer Formeln lässt sich der Kundenwert immer genauer berechnen. Doch in der Praxis stößt man damit schnell an Grenzen. Denn entscheidend für die Prognosen sind letztlich eher die Zuverlässigkeit und Menge von Daten als die Art der Berechnung. Und hier kommt künstliche Intelligenz ins Spiel. Gerade in Bezug auf die Prognose hat KI deutliche Vorteile.

So kann künstliche Intelligenz mit einer sehr hohen Genauigkeit vorhersagen, wie sich Kunden beispielsweise in einem Zeitraum von 12 Monaten verhalten. KI-Systeme lernen, welche Bedeutung und Effektivität die einzelnen Touchpoints auf der Customer Journey haben. Ein auf Maschinellem Lernen basierendes KI-System erkennt selbst, welche Merkmale dabei relevant sind und im Einzelfall positiv oder negativ wirken. Im Idealfall steuert KI das Auslösen bestimmter Aktionen vollautomatisch.

Weiterführender Artikel zum Thema Künstliche Intelligenz und Customer Experience im Horizont-Online-Magazin.

Big Data und Deep Learning: jede Menge Daten für den Customer Lifetime Value

Die Nutzung von Daten aus der eigenen Kundenkartei stößt schnell an ihre Grenzen. Ein Beispiel: Für einen Kunden mit zwei Merkmalen (Familienvater, 35 Jahre) lassen sich vielleicht 100 entsprechende Datensätze finden. Wird die Klassifizierung des Kunden noch genauer (Einkommen, Anzahl der Kinder, bevorzugte Automarke, Hobbys), finden sich in der eigenen Kartei vielleicht noch ein oder zwei entsprechende Datensätze. Auf dieser Basis lassen sich kaum valide Korrelationen errechnen. Aber:

• Mit Deep Learning und Big Data wird der CLV immer zuverlässiger, weil die Datengrundlage fast beliebig groß ist.

Deep Learning als Teilbereich der künstlichen Intelligenz ermöglicht eine immer feinere Abstufung verschiedener Kundenmerkmale.

Fazit

Der Customer Lifetime Value ist eine bewährte Kennzahl in der Betriebswirtschaft. Das Potenzial dieser genauen Berechnung liegt vor allem darin, auf den jeweiligen Stufen des Verhältnisses zum Kunden effiziente Maßnahmen einzusetzen. Je nach Anspruch gibt es einfachere und kompliziertere Methoden, den CLV zu berechnen. Für den Wert der Prognose kommt es entscheidend darauf an, auf möglichst viele aktuelle und relevante Daten zugreifen zu können.