[30.5.2018] Um steigenden Wechselquoten den Kampf anzusagen, setzen immer mehr Energieversorger auf die Möglichkeiten der Datenanalyse. Denn wer weiß, bei wem sich ein Anbieterwechsel anbahnt, kann mit gezielten Maßnahmen reagieren, bevor der Kunde weg ist.

Energieversorger sehen sich mit einer zunehmenden Bereitschaft zum Anbieterwechsel konfrontiert. Gerade für regionale Anbieter stellt dies eine besondere Herausforderung dar, ist doch die Bewahrung des Kundenstamms oft eines ihrer zentralen Ziele. Immer mehr Energieversorger nutzen dafür neue Möglichkeiten der Datenanalyse. Das Unternehmen BEN Energy, ein Lösungsanbieter für Analytics-Software im Energiemarkt, bietet zum Beispiel mit dem Lösungspaket BEN Loyalty die Möglichkeit, Kundenwechsel vorherzusagen sowie die Motivatoren und Treiber hinter den individuellen Entscheidungen aufzudecken.

Kundenverhalten erkennen

So kam etwa ein etablierter regionaler Energieanbieter mit 160.000 Privatkunden auf BEN Energy zu, um die Bedürfnisse seiner Kunden besser zu verstehen. Bisher fehlten ihm hierfür die Ressourcen und die Kompetenz, was sich in ineffektiven Kundenbindungsmaßnahmen, steigenden Wechselquoten von jährlich über elf Prozent sowie unrentablen Kampagnen niederschlug. Ziele der Zusammenarbeit mit BEN Energy sind das Vorhersagen kundenindividueller Wechselwahrscheinlichkeiten, das Aufdecken von Risikofaktoren für den Kundenwechsel und das Aufzeigen von Kundenentwicklungspfaden. Letzteres enthält entscheidende Informationen rund um die Bedürfnisse einzelner Kunden, wie beispielsweise deren Interesse an bestimmten Produkten oder Dienstleistungen, die im Rahmen von Vertriebs- und Marketing-Maßnahmen genutzt werden können.
BEN Energy unterstützt den regionalen Energieversorger hierbei mit themenübergreifendem und branchenspezifischem Fach- und Umsetzungswissen. Bei der Zusammenarbeit mit bislang über 40 Energieanbietern in der D-A-CH-Region setzt BEN Energy auf die Kombination von Advanced Analytics und Psychologie, um das Kundenverhalten zu verstehen und vorherzusagen. Dabei wendet das Unternehmen Methoden aus den Bereichen der künstlichen Intelligenz und des maschinellen Lernens an, um die riesigen Datenmengen gezielt analysieren zu können. Dank der datengestützten Entscheidungen können bereits nach zwei Monaten messbare Erfolge erzielt werden.

Kündigungsrisiko berechnen

In einem ersten Schritt klärte BEN Energy die datenschutzrechtlichen Anforderungen und identifizierte die relevanten Daten des regionalen Energieanbieters. Diese umfassen unter anderem Informationen zu Stammdaten, Verträgen und Produkten, Verbräuchen und Wechselbelegen. Im konkreten Fall konnten zusätzlich Kontaktanfragen im Kundenzentrum hinzugezogen werden. Die ausgewählten Daten wurden exportiert und bei BEN Energy automatisiert auf Konsistenz und Vollständigkeit geprüft sowie bereinigt. Anschließend wurden kundenindividuelle Profile generiert und über Geocodes mit mehr als 100 Merkmalen aus der BEN-Energy-Datenbank angereichert. Diese beinhaltet unter anderem Informationen zu Eigenschaften der Immobilie, Infrastruktur der Umgebung, Nachbarschaft und Wetter. Die Kundenprofile zeichnen so ein realistisches und für den Anwendungsfall „Kundenwechsel“ relevantes Bild.
Die Analyse der Kundendaten erfolgt mittels speziell für den Energiemarkt entwickelter Algorithmen von BEN Energy, wobei unterschiedliche Methoden Anwendung finden. Zur Berechnung der individuellen Wechselgefahr für jedes Kundenprofil wird ein künstliches neuronales Netz genutzt. Dabei findet für jeden Tariftyp eine separate Analyse statt, da die Verhaltensmuster der Kunden sich je nach Tariftyp grundlegend unterscheiden. Zusätzlich werden mittels einer Ereigniszeitanalyse die relevanten Faktoren identifiziert, die das Wechselrisiko der Kunden des regionalen Energieanbieters erklären. So wird direkt sichtbar, welche Faktoren das Wechselrisiko der Kunden in welchem Ausmaß beeinflussen. Schließlich werden Kundenentwicklungspfade mittels Process Mining analysiert und somit einzelne Schritte in der Kundeninteraktion visualisiert und quantifiziert. So werden Muster im Verhalten von Kunden mit Wechselabsicht erkannt. Ergänzend zu den prädiktiven Analysen werden in allen Bereichen auch deskriptive Auswertungen eingesetzt, um ein genaues Verständnis über das Kundenwechselverhalten zu erhalten.

Datengestützt handeln

Die durchgeführten Analysen erlauben es, das gewünschte Kundenwissen aufzubauen: BEN Energy liefert dem regionalen Energieanbieter Angaben zu kundenindividuellen Wechselwahrscheinlichkeiten, Risikofaktoren für den Kundenwechsel und Kundenentwicklungspfade. Diese relevanten und wertvollen Kundendaten können vom Energieversorger jederzeit gezielt abgefragt werden.
Allein der verstärkte Aufbau von Kundenwissen macht aus einem Unternehmen jedoch noch keinen kundenzentrierten Akteur. Dafür sind konkrete Mechanismen zur Übersetzung der gewonnenen Erkenntnisse in datenbasierte Handlungsoptionen notwendig. Durch die Kombination der Fachkompetenz von BEN Energy und der Problemkenntnis des regionalen Energieanbieters werden diese in einer partnerschaftlichen Zusammenarbeit entwickelt. Die vorgeschlagenen Maßnahmen sollen primär die durch das fehlende Kundenwissen geschaffenen Probleme lösen: ineffektive Kundenbindungsmaßnahmen und unrentable Kampagnen.
Um die steigenden Wechselquoten von jährlich über elf Prozent zu senken, unterstützt BEN Energy den regionalen Energieversorger bei der Optimierung seiner Kundenbindungsmaßnahmen. Die kundenindividuellen Wechselwahrscheinlichkeiten ermöglichen das Aufdecken von Kunden mit erhöhtem Wechselrisiko. Der regionale Energieanbieter kann somit seine Kundenbindungsmaßnahmen fokussieren und seine gewünschte Zielgruppe gezielter ansprechen.

Zeitliches Muster beim Kundenwechsel

Doch das gewonnene Kundenwissen enthält noch mehr handlungsweisende Informationen. Durch die umfangreiche Aufarbeitung und Anreicherung der vorhandenen Daten können die Kundenbindungsmaßnahmen anhand von produktspezifischen, geografischen und zeitlichen Informationen angepasst werden. So hat BEN Energy beispielsweise ein starkes zeitliches Muster beim Kundenwechsel in der Grundversorgung entdeckt. Ein Viertel aller Wechsler verlässt den Energieanbieter demnach bereits innerhalb eines kurzen Zeitfensters, nämlich rund zwei Monate nach ihrer Anmeldung in der Grundversorgung. Nachdem diese Kundengruppe identifiziert wurde, konnte eine automatisierte Bindungsmaßnahme auf diese zeitliche Dynamik angepasst werden.
Das Aufdecken der Risikofaktoren für den Kundenwechsel erlaubt es zudem, in Zukunft frühzeitig zu reagieren. Eine fortlaufende Beobachtung dieser Faktoren dient als Warninstrument für Veränderungen im Wechselverhalten. Die gewonnenen Erkenntnisse werden auch zur Verbesserung der Kampagnen des regionalen Energieversorgers verwendet: Durch eine zielgruppenorientiertere Kommunikation konnte deren Effektivität um den Faktor acht gesteigert werden.

Dr. Felix Lossin ist Chief Marketing Officer (CMO) der BEN Energy AG, Tanja Rüegg ist bei BEN Energy verantwortlich für die Öffentlichkeitsarbeit.

http://www.ben-energy.com
Dieser Beitrag ist im April-Sonderheft 2018 von stadt+werk erschienen. Hier können Sie ein Exemplar bestellen oder die Zeitschrift abonnieren. (Deep Link)

Stichwörter: Informationstechnik, Advanced Analytics

Bildquelle: BEN Energy