Einen Account-Health-Score entwickeln, der Abwanderung vorhersagt

Ein Kunde warnt Sie selten, bevor er geht. Die Verlängerung verstreicht, die Nutzung lässt still und leise nach, der Sponsor auf Führungsebene meldet sich nicht mehr zurück, und bis die Abwanderung im Quartalsbericht auftaucht, ist die Beziehung schon seit Monaten vorbei. Die Signale waren die ganze Zeit da. Sie verteilten sich nur über Produkt-Logs, Support-Tickets, Umfrageantworten und Abrechnungsdaten, die niemand gemeinsam betrachtet hat.

Ein Account-Health-Score existiert, um diese Signale in einer einzigen Zahl zu bündeln, die klar sagt, ob ein Account engagiert ist, abdriftet oder gefährdet ist. Richtig gemacht, ist er das früheste Warnsystem, das ein Revenue-Team haben kann. Schlecht gemacht, ist er ein farbiger Punkt, den alle zu ignorieren lernen.

Setzen Sie beim Ergebnis an, nicht bei den Daten, die Sie zufällig haben

Der häufige Fehler besteht darin, den Score aus allem zu bauen, was leicht zu beschaffen ist. Logins, Ticket-Zahlen, ein NPS-Feld, ein Vertragsdatum, alles normalisiert und zu etwas verrechnet, das rigoros aussieht und nichts vorhersagt.

Ein nützlicher Score arbeitet von dem Ereignis aus rückwärts, das er verhindern soll. Sie definieren Abwanderung und Expansion präzise und fragen dann, welche Signale die Accounts, die gegangen sind, tatsächlich von denen unterscheiden, die geblieben sind. Nur die prädiktiven Signale schaffen es in den Score. Der Test ist unmissverständlich: Wandern Accounts mit niedrigem Score häufiger ab, und wachsen Accounts mit hohem Score stärker? Lautet die Antwort nein, haben Sie ein Dashboard, kein Modell.

Ein Health-Score verdient seinen Platz an dem Tag, an dem eine niedrige Zahl einen Verlust vorhersagt, den Sie noch verhindern können.

Der Grund, warum sich diese Disziplin lohnt, ist, dass die Kundenbindung dort liegt, wo das Geld ist.

Was in den Score gehört

Die Eingangsgrößen unterscheiden sich je nach Geschäft, die Struktur jedoch selten. Ein Score, der standhält, schöpft aus vier Signalfamilien, jede gewichtet danach, wie gut sie das Ergebnis vorhersagt, und nicht danach, wie leicht sie verfügbar ist.

1. Engagement. Produktnutzung, Feature-Adoption, Login-Häufigkeit und Nutzungstiefe über das gesamte Buying-Center hinweg. Stille Accounts sind abwandernde Accounts.
2. Stimmung. NPS, CSAT und das Freitext-Feedback, das eine sinkende Zahl erklärt. Ein Score bewegt sich; das wörtliche Feedback sagt Ihnen, warum.
3. Support und Risiko. Ticket-Volumen, Eskalationen, Lösungszeiten sowie Reibung bei Zahlung oder Abrechnung. Belastung zeigt sich hier zuerst.
4. Beziehung und Vertragsdauer. Vertragswert, Verlängerungsdatum, Sponsorship auf Führungsebene und Breite der Stakeholder. Ein einziger Fürsprecher ist ein einziger Ausfallpunkt.

Jedes Signal wird auf eine gemeinsame Skala von 0 bis 100 normalisiert, nach Vorhersagekraft gewichtet und zu einem Score zusammengeführt, der sich in regelmäßigem Rhythmus aktualisiert, sodass Teams sowohl das Niveau als auch den Trend sehen. Oft zählt der Trend mehr als das Niveau: Ein gesunder Account, der rasch abrutscht, ist Ihre Aufmerksamkeit eher wert als ein schwacher Account, der seit einem Jahr stabil ist.

Der Score ist nur so gut wie die Maßnahme, die er auslöst

Eine Zahl verändert nichts, solange sie kein Verhalten verändert. Die Vorreiter verknüpfen jede Stufe mit einer konkreten Maßnahme, sodass der Score zu einem täglichen Arbeitsinstrument wird statt zu einem monatlichen Artefakt. Rot löst eine sofortige, von der Führungsebene getragene Ansprache aus. Gelb stellt eine strukturierte Re-Engagement-Maßnahme in die Warteschlange. Grün gibt den Account für Expansion oder Empfehlungsanfragen frei. Entscheidend ist, dass niemand im Moment entscheiden muss, was eine Farbe bedeutet; die Maßnahme ist bereits formuliert.

Hier beweist prädiktives Account-Management seinen Wert. Als eine große Fluggesellschaft genau diese Art der Ansprache gefährdeter Kunden mit Machine Learning unterlegte, indem sie die hochwertigen Kunden priorisierte, deren Beziehung eine Verspätung gefährdet hatte, und ihnen maßgeschneiderte Entschädigungen zukommen ließ, fielen die Ergebnisse nicht marginal aus.

Dasselbe Programm steigerte die Kundenzufriedenheit für diese Accounts um das Achtfache. Die Lehre ist nicht, dass KI Zauberei ist. Sie lautet, dass ein Score nur dann Hebelwirkung entfaltet, wenn jemand rechtzeitig danach handelt.

Warum sich die Disziplin auszahlt

Health-Scoring ist kein einmaliger Aufbau. Die Gewichtungen verschieben sich, während sich Ihr Produkt, Ihr Markt und Ihre Kunden verändern, sodass das Modell regelmäßig gegen frische Ergebnisse neu validiert werden muss. Diese Pflege ist der Preis für einen Score, der weiterhin vorhersagt, und sie ist es, die ein lebendiges Frühwarnsystem von einer Vanity-Metrik unterscheidet, die langsam ihre Bedeutung verliert.

Der Lohn dafür, ihn ehrlich zu halten, ist von Dauer. Die Unternehmen, die bei der Loyalität führend sind, hören nicht einfach genauer hin; sie verknüpfen das, was sie sehen, mit dem, was sie als Nächstes tun. Über ein Jahrzehnt hinweg erzielten die Firmen mit den stärksten Net-Promoter-Werten eine mediane Gesamtrendite für Aktionäre von etwa dem Fünffachen des Marktmedians, das sich aufsummierende Ergebnis daraus, die richtigen Kunden zu halten und mit ihnen zu wachsen.

Ein guter Account-Health-Score ersetzt nicht das Urteilsvermögen. Er bringt die richtigen Accounts zur richtigen Zeit ans Licht, solange es noch eine Beziehung zu retten gibt. Das ist der Unterschied zwischen dem Zusehen, wie Kunden gehen, und dem Aufhalten.

Um zu sehen, wie wir diese Scores gemeinsam mit Kunden aufbauen und validieren, entdecken Sie unsere Arbeit zu Account Health und Churn Modeling oder stöbern Sie in den Fallstudien.