Kundenabwanderung beginnt im Support selten mit der Nachricht „Ich kündige“. Vorher zeigen Tickets oft eine Rückkehr zum selben Anliegen, eine halb abgebrochene Aufgabe, einen Kanalwechsel oder eine Frage zu Vertragsbedingungen. Keines dieser Signale entscheidet, dass ein Kunde geht. Zusammen mit seinem Verlauf können sie aber auf Fälle hinweisen, die du prüfen solltest, bevor die Entscheidung still fällt.
Dieser Leitfaden beschreibt eine manuelle Analyse: Du beginnst mit den Kunden, die wirklich gegangen sind, vergleichst ihren Verlauf mit denen, die geblieben sind, und sprichst dann mit Kunden, bei denen ein ähnliches Muster auftaucht. Ein Modell zur Abwanderungsprognose oder eine Emotionsbewertung aus dem Nachrichtentext findest du hier nicht. Solche Abkürzungen hält man leicht für Wissen, während eine an eigenen Daten geprüfte Hypothese dem Team etwas gibt, mit dem es arbeiten kann.
Welche Ticketsignale eine Prüfung verdienen
Achte auf Verhalten, das sich über die Zeit wiederholt, nicht auf ein einzelnes scharfes Wort. Ein verärgerter Kunde, dessen Problem gelöst wurde, bleibt oft. Ein höflicher Kunde, der zum dritten Mal nach demselben Schritt fragt und keinen Fortschritt sieht, steht dem Abschied womöglich näher, als sein Ton vermuten lässt. Die folgenden Signale sind ein Ausgangspunkt für die Prüfung, kein Anlass für Alarm.
- Rückkehr ohne FortschrittDer Kunde meldet sich mit demselben Bedarf, und die vorige Antwort hat nichts verändert: Der Workaround half nicht oder das versprochene Update kam nie.
- Abgebrochene AufgabeEinrichtung, Import oder erste Nutzung bleiben am selben Schritt hängen, und alle weiteren Fragen drehen sich um genau diese Stelle.
- KanalwechselEin Anliegen aus dem Chat kommt per E-Mail oder Telefon zurück, weil der Kunde dem ersten Kanal keine Lösung mehr zutraut.
- Fragen zum AusstiegKündigungsfrist, Datenexport, Wechsel in einen kleineren Tarif. Das kann reine Neugier sein, aber auch die Vorbereitung einer Kündigung.
- Stille bei offenem FallDer Kunde antwortet nicht mehr, obwohl niemand das Anliegen als gelöst bestätigt hat. Ausbleibender Kontakt beweist nicht, dass das Problem verschwunden ist.
Gruppiere Rückfragen nach Ursache statt nach ähnlichem Wortlaut; die Methode beschreibt unser Leitfaden zu wiederkehrenden Kundenanfragen. Kommt dasselbe Anliegen gleichzeitig über mehrere Kanäle, führe es nach den Hinweisen zu einem Anliegen in mehreren Kanälen zusammen. Erst ein geordneter Verlauf zeigt, ob ein Signal überhaupt aufgetreten ist.
Ein Signal ist eine Hypothese, keine Prognose
Forschung zum Kundenaufwand liefert einen guten Grund, wiederholte Kontakte und Kanalwechsel zu beobachten. Sie sagt dir aber nicht, welcher deiner Kunden nächsten Monat kündigt. Dein Angebot, deine Verträge und saisonale Effekte können sich ganz anders verhalten als die untersuchte Stichprobe. Behandle jedes Signal deshalb als Frage, die du an deinen eigenen Daten prüfst.
Ein Artikel der Harvard Business Review von 2010 beschreibt eine Studie mit mehr als 75.000 Personen, die den Kundenservice kontaktierten, und empfiehlt unter anderem, wiederholte Kontakte und erzwungene Kanalwechsel zu reduzieren. Er belegt nicht, dass diese Verhaltensweisen die Kündigung eines bestimmten Kunden vorhersagen. Harvard Business Review.
Ersetze diese Analyse nicht durch eine automatische Emotionsbewertung. Ironie, knappe Antworten oder eine andere Sprache verzerren das Ergebnis leicht, und ein Kunde, der ruhig fehlenden Fortschritt beschreibt, kann gefährdeter sein als einer, der scharf formuliert. Die Grenzen solcher Bewertungen erklärt unser Beitrag zur KI-Sentimentanalyse. Willst du Kunden direkt nach ihrem Aufwand fragen, beginne mit dem Leitfaden zum Customer Effort Score.
Beginne mit Kunden, die wirklich gegangen sind
Eine am Schreibtisch erstellte Signalliste bestätigt meist, was das Team ohnehin glaubt. Dreh die Reihenfolge um: Nimm die Kunden, die in einem festgelegten Zeitraum tatsächlich gekündigt haben, und lies ihren Kontaktverlauf rückwärts. Lege Abwanderung anhand von Unternehmensdaten fest, etwa als gekündigten Vertrag oder ausgebliebene Verlängerung, nicht anhand des Eindrucks aus dem letzten Gespräch.
- Definition und Zeitraum festlegen.Halte fest, was Abwanderung in deinem Unternehmen bedeutet, und den Datumsbereich. Sonst zählen zwei Personen unterschiedliche Kundengruppen.
- Gruppe der Abgänge bilden.Liste die Kunden, die in diesem Zeitraum gegangen sind, aus Vertriebs- oder Abrechnungsdaten auf, nicht aus dem Supporttool.
- Verlauf rückwärts lesen.Prüfe für jeden Kunden die Tickets aus einem festen Fenster vor dem Abgang und notiere, welche Signale auftraten und welche nicht.
- Fehlende Signale festhalten.Ein Kunde ohne jedes Ticket vor der Kündigung ist ebenfalls eine Information. Vielleicht sieht der Support einen Teil der Gründe gar nicht.
Halte das Ergebnis in einer einfachen Tabelle fest: Kunde, Kündigungsdatum, beobachtete Signale und genannter Grund, falls bekannt. Ergänze keine Ursachen, die niemand bestätigt hat. Gehen viele Kunden kurz nach dem Start der Zusammenarbeit, lies unseren Leitfaden zu den ersten Tagen nach der Unterschrift, denn dort tauchen Signale am frühesten auf.
Vergleiche mit Kunden, die geblieben sind
Ein Signal, das bei abgewanderten Kunden genauso oft vorkommt wie bei gebliebenen, sagt wenig aus. Bilde deshalb neben der Gruppe der Abgänge eine Vergleichsgruppe: Kunden, die zu einem ähnlichen Zeitpunkt mit einem ähnlichen Tarif oder Umfang begonnen haben und geblieben sind. Prüfe ihren Verlauf im selben Fenster und nach denselben Kriterien. Erst der Unterschied zwischen den Gruppen zeigt, welche Signale du beobachten solltest.
Scrolle die Tabelle seitlich, um alle Spalten zu sehen.
| Signal | Prüfung im Verlauf | Was den Schluss schwächt |
|---|---|---|
| Rückkehr ohne Fortschritt | Dieselbe Ursache taucht nach einer früheren Antwort in einem neuen Ticket auf | Gebliebene Kunden melden sich genauso oft erneut |
| Abgebrochene Aufgabe | Fragen enden immer wieder am selben Einrichtungsschritt | Der Schritt ist für alle schwierig, auch für zufriedene Kunden |
| Kanalwechsel | Dasselbe Anliegen erscheint ungelöst in einem neuen Kanal | Der Kunde telefoniert einfach lieber |
| Fragen zum Ausstieg | Fragen zu Kündigungsfrist, Datenexport oder kleinerem Tarif | Der Einkauf fragte bei einer Routineprüfung nach |
Fiktives Beispiel: Ein Schulungsanbieter stellt fest, dass mehrere abgewanderte Kunden beim Import der Teilnehmerlisten hängen geblieben sind. Bei gebliebenen Kunden führte derselbe Schritt ebenfalls zu Fragen, die Fälle wurden aber in einem einzigen Gespräch abgeschlossen. Der Schluss lautet also nicht „Importe verursachen Kündigungen“, sondern „ein ungelöster Import bei Neukunden braucht eine schnellere Prüfung“. Bei wenigen Fällen beschreibst du das Ergebnis als Hypothese und verzichtest auf Prozentwerte, die Sicherheit vortäuschen.
Kennzeichnungen, mit denen du die Analyse wiederholst
Die erste Prüfung machst du, indem du Verläufe liest. Spätere gehen schneller, wenn das Team Fälle einheitlich nach Thema und Ursache kennzeichnet. Solche Kategorien entwirfst du mit unserem Leitfaden zum Taggen von Gesprächen und Tickets. Verzichte auf einen Tag „Abwanderungsrisiko“, der nach Bauchgefühl vergeben wird, denn er macht aus einer Hypothese ein Etikett, das später niemand überprüft.
- Ein Ursachen-Tag, der beim Abschluss des Falls vergeben wird, nicht bei der ersten Nachricht.
- Eine Notiz, ob der Kunde das Anliegen als gelöst bestätigt hat.
- Ein Vermerk zu jedem Kanalwechsel innerhalb desselben Anliegens.
- Das Kündigungsdatum aus Vertriebsdaten, nicht aus dem Gedächtnis eingetragen.
- Ein festes Verlaufsfenster für beide verglichenen Gruppen.
In Meetlead Analytics springst du von Servicekennzahlen zu einzelnen Gesprächen und Tickets und exportierst die Daten als CSV oder XLSX. Der Posteingang filtert Gespräche nach mehreren Tags gleichzeitig, und das Kundenprofil zeigt den Kontaktverlauf. Meetlead sagt keine Abwanderung voraus und bewertet kein Risiko automatisch: Den Abgleich mit Kündigungsdaten machst du selbst, in deiner eigenen Tabelle.
Manuelle Prüfung und Gespräch mit dem Kunden
Zeigt ein aktiver Kunde ein ähnliches Muster wie die Gruppe der Abgänge, prüfe alle seine Fälle, bevor du schreibst. Kläre, ob die letzte Antwort das Problem gelöst oder nur eine Rückmeldung versprochen hat. Bestimme eine Person, die schreibt oder anruft und die beobachtete Situation konkret benennt, statt allgemein zu fragen, ob alles in Ordnung ist.
Hallo, ich sehe, dass der Import der Teilnehmerliste schon zum zweiten Mal bei uns gelandet ist und immer noch nicht so funktioniert, wie er soll. Ich möchte das zu Ende bringen. Können wir heute ein kurzes Gespräch vereinbaren und den Schritt gemeinsam durchgehen? Wenn dich noch etwas anderes ausbremst, schreib mir das bitte auch.
Der Kontakt soll das Anliegen lösen, nicht den Kunden um jeden Preis halten. Hat sich der Kunde für den Abschied entschieden, respektiere das und mach ihm die Kündigung leicht; wie das geht, beschreibt unser Leitfaden zur Kündigung eines Abonnements. Notiere den genannten Grund und trage ihn in die Tabelle ein. Bei der nächsten Prüfung vergleichst du ihn mit den Signalen, die du vorher im Verlauf gesehen hast.
Fragen zu Abwanderungssignalen
Wie viele Kündigungen brauche ich für belastbare Schlüsse? Eine feste Zahl gibt es nicht. Bei wenigen Fällen liefert die Analyse höchstens Hypothesen, die du im nächsten Zeitraum prüfst. Notiere die Zahl der Kunden in beiden Gruppen und das Zeitfenster, damit sich die nächste Prüfung mit dieser vergleichen lässt. Übertrage Schlüsse nicht ohne eigene Prüfung von einem Kundensegment auf ein anderes.
Bedeutet eine gute Bewertung nach dem Gespräch, dass der Kunde bleibt? Nicht unbedingt. Eine Bewertung nach dem Gespräch misst einen einzelnen Kontakt, und ein Kunde kann die freundliche Mitarbeiterin schätzen und trotzdem keinen Fortschritt bei seinem Anliegen sehen. Nutze die Umfrage als eine Quelle neben dem Ticketverlauf und den Daten zu echten Kündigungen. Gerade die Abweichungen zwischen diesen Quellen sind oft das nützlichste Material für die Prüfung.
