Ermittlung des Kundenwerts von Bestandskunden

Während die Schätzung des Kundenwertes bei Neukunden stark spekulativ ist, lässt sie sich bei einer bereits bestehenden Beziehung recht präzise vornehmen. Voraussetzung ist allerdings, dass die Kunden auch namentlich bekannt sind. Vor allem im Versandhandel werden Bewertungsverfahren eingesetzt, mit deren Hilfe regelmäßig festgestellt werden kann, ob ein Kunde noch profitträchtig ist oder nicht.

Basis dieser Bewertungen ist das Verhalten in der Vergangenheit. Dies betrifft sowohl die getätigten Umsätze als auch die entstandenen Aufwendungen zur Förderung des Kunden. Da in den meisten Fällen noch keine ausreichend detaillierten Daten zur Verfügung stehen, die eine exakte Zurechnung entstandener Kosten auf den Kunden ermöglichen, wird unterstützend mit Punktbewertungen gearbeitet. Der Kunde erhält dann Bonuspunkte für alle Aktivitäten, die den Deckungsbeitrag steigern, Maluspunkte für alle Aktivitäten, die Kosten verursachen. Die erreichte Punktzahl ist dann Entscheidungsgrundlage für die Art und Intensität der Kundenbetreuung.

Ein beliebtes Verfahren ist die Recency-Frequency-Monetary-Ratio-Methode (auch: Recency-Freequency-Money). Die Beurteilungskriterien eines Kunden sind:

Recency – Zeit, die der letzte Kauf zurück liegt. Kunden, die kürzlich kauften, werden höher bewertet als Kunden, bei denen der Kauf länger zurückliegt,

Frequency – Kunden mit höherer Bestellfrequenz werden höher bewertet als Gelegenheitskunden,

Monetary Ratio – Kunden mit einem höheren Deckungsbeitrag/Umsatz werden höher bewertet als solche mit einem niedrigeren.

Damit ergibt sich beispielsweise das unten gezeigte Schema. Bei diesem System verliert ein Kunde sukzessiv Punkte, wenn er über einen längeren Zeitraum nicht aktiv ist. Nach einer festzusetzenden Zeit wird sein Punktestand so niedrig sein, dass für ihn kein Betreuungsaufwand mehr erfolgt.

RFM-Methode der Kundenwertermittlung
RFM-Methode der Kundenwertermittlung

Während dieses Beispiel aus dem Versandhandel stammt, kann die Methode auch für viele andere Branchen angewandt werden. Dabei sind ggf. andere Bewertungskriterien aufzustellen. Wie diese gewichtet werden, hängt wiederum von individuellen Gegebenheiten eines jeden Anwenders ab. Hier spielen beispielsweise die erzielten Spannen pro Auftrag und die Kosten für Werbemaßnahmen eine Rolle. Die Kunden müssen allerdings bekannt sein und es sollten nicht nur zwei Variablen zur Verfügung stehen, weil man sich dann den Aufwand auch sparen könnte. Dies beträfe etwa Energieversorger.

Auf der Basis der Recency-Frequency-Money-Analyse lassen sich auch differenzierte Kategorien von Kunden bilden, für die jeweils geeignete Maßnahmen entwickelt werden können. Es ergibt sich ein Würfel mit in der Regel 5 x 5 x 5 = 125 Segmenten, so dass sich beispielsweise die Kunden identifizieren lassen, die sich durch hohe/niedrige Umsätze, hohe/niedrige Frequenz oder kürzer/länger zurückliegende Käufe auszeichnen (vgl. Berry/Linoff Mastering Data Mining, New York 2000, S. 272).

RFM-Würfel (nach Berry/Linoff)
RFM-Würfel (nach Berry/Linoff)

 

Das Kundensegment 555 beispielsweise befindet sich in der jeweils höchsten Klasse, ist daher am attraktivsten. Ein Kunde im Segment 135 hat schon lange nicht mehr bestellt, eine mittlere Bestellfrequenz und einen hohen Bestellwert. So lassen sich z. B. Adressaten herausfiltern, die aufgrund ihres Potenzials reaktiviert werden sollen.

Die Kenntnis einzelner Deckungsbeiträge aus Bestellungen sowie der Kosten kundenspezifischer Tätigkeiten (in erster Linie: Prozesskosten) ermöglicht es, diese Berechnungen zu verfeinern. Bei der Betrachtung von Kundenumsätzen ist beispielsweise noch nicht berücksichtigt, in welchem Maße profitable Produkte oder Schnäppchen gekauft werden. Erforderlich sind die folgenden Daten:

Stück-Deckungsbeiträge aller gekauften Produkte oder Dienstleistungen,

  • Zeitpunkte von Käufen und Akquisitionsaktivitäten,
  • Kosten von Werbe- und Betreuungsmaßnahmen,
  • Kosten der Auftragsabwicklung, des Transports,
  • Kosten für Reklamationsbearbeitung und Kulanzleistungen.

Folgende Tabelle zeigt ein Beispiel einer RFM-Statistik eines Unternehmens mit 20.000 Kunden.

Beispiel einer RFM-Statistik
Beispiel einer RFM-Statistik

Bei der Berechnung des derzeitigen Kundenwertes kann der Zeitfaktor über eine Abzinsung der Werte berücksichtigt werden. Im Folgenden ein Beispiel für eine solche Rechnung.

Beispiel aktueller Kundenwert
Beispiel aktueller Kundenwert

In diesem Beispiel wurden fünf Jahre betrachtet inklusive dem aktuellen. Zu den jeweiligen Daten werden der Durchschnitt und der Prognosewert für das nächste Jahr berechnet. Hier wurde die lineare Regression als Prognose-verfahren eingesetzt. Die Prognosewerte liegen deutlich positiver als die Durchschnitte. Dies ist charakteristisch für eine Kundenbeziehung, die erst aufgebaut werden musste und nun ertragsstark wird. Für das kommende Jahr kann mit einem Deckungsbeitrag von 13.056 EUR gerechnet werden. Sollte der Kunde verloren gehen, hieße dies, dass ein entsprechender Deckungsbeitrag verloren ginge. Insofern könnten Anstrengungen zum Erhalt des Kunden die Ausgabe dieses Betrags rechtfertigen.

Der aktuelle Kundenwert ist in diesem Beispiel 44.988 EUR. Er wurde errechnet aus den mit acht Prozent aufgezinsten Kundendeckungsbeiträgen der letzten fünf Jahre. Dieser Kunde hat demnach dem Unternehmen auf den aktuellen Zeitpunkt bezogen rund 45.000 EUR Deckungsbeitrag erbracht.