Churn-Frühwarnung:
Die Kündigung sehen, bevor sie geschrieben wird
Kaum ein Abonnent kündigt spontan - erst wird seltener gelesen, dann gar nicht mehr, dann kommt die Kündigung. Ein Engagement-Score aus Recency, Frequency und Volume erkennt dieses Muster Wochen vorher und macht die Rettung planbar.
01 Das Problem - Der Churn kommt mit Ansage, aber niemand hört hin
Warum die Kündigungs-Mail der falsche Zeitpunkt für die Rettung ist
Wenn die Kündigung eingeht, ist die Entscheidung längst gefallen - Rabattangebote wirken dann schwach und trainieren den Bestand aufs Feilschen. Der wirksame Zeitpunkt liegt Wochen früher: dort, wo das Leseverhalten kippt.
Genau dieses Kippen steht in Ihren Daten: Besuchsabstände werden länger, Sitzungen kürzer, der Newsletter bleibt ungeöffnet. Die Financial Times hat dafür den RFV-Score etabliert - Recency, Frequency, Volume - und steuert damit ihre gesamte Retention. Kein Mensch beobachtet 25.000 Abonnenten einzeln. Ein Modell schon.
Und die Rettung kostet einen Bruchteil dessen, was die Neugewinnung desselben Abonnenten kosten würde.
02 Das Modell - Ein Risiko-Score je Abonnent, jede Woche neu
Gradient Boosting auf Engagement-Verläufen, kalibriert an den echten Kündigungen der Vergangenheit
Abonnenten mit Risiko > Schwelle: 1.480 von 25.000 AUC (zeitliche Validierung): 0.84
Das Modell liefert je Abonnent eine Kündigungswahrscheinlichkeit für die nächsten 90 Tage - und per SHAP-Werten den Grund: eingeschlafene Nutzung, ausgereizter Rabatt, totes Ressort. Daraus wird eine wöchentliche Risiko-Liste mit passender Aktion: Content-Empfehlung für die einen, Vorteilskommunikation für die anderen. Die FT senkt allein über die Engagement-Steuerung entlang ihres RFV-Scores die Kündigungsraten um 10 Prozent.
03 Business Impact - Gerettete Abos statt Kündigungs-Statistik
Der Hebel: 15 Prozent weniger Bestandskündigungen durch frühes, gezieltes Eingreifen
Keine Hausnummer: Jede Annahme stammt aus dem Muster-Verlag und ist zentral hinterlegt. Mit Ihren echten Zahlen ändert sich nur die Eingabe, nicht die Methode.
| Position | Wert |
|---|---|
| Digital-Kündigungen / Jahr (4,5 % × 12) | 13.500 |
| davon Bestand ab Monat 4 (60 %) | 8.100 |
| Basis: Adressierbare Bestandskündigungen / Jahr | 8.100 |
| Hebel: Reduktion durch Frühwarnung (15 %) × 8 Monate × ARPU | 1.215 × 8 × 10,50 € |
| Ergebnis: Mehrumsatz / Jahr | €102.060 |
Annahmen eines Muster-Verlags - in einem realen Projekt ersetzen Ihre Daten diese Werte.
Die 15 Prozent liegen bewusst zwischen den veröffentlichten Benchmarks: Die FT dokumentiert −10 Prozent über Engagement-Steuerung, Mather Economics in einem A/B-Test gezielter Interventionen −17 Prozent. Gerechnet wird nur der Spätchurn ab Monat 4 - der Frühchurn gehört zu Modul 05, damit nichts doppelt gezählt wird.
04 Nächste Schritte in Ihrem Verlag
Vom Score zur wöchentlichen Retention-Routine
Wir verbinden Abo-System, Web-Analytics und Newsletter-Daten - read-only, ohne Eingriff in Ihre Systeme.
Das Modell wird an den echten Kündigungen der letzten 24 Monate validiert. Sie sehen, wie treffsicher es rückwirkend gewarnt hätte.
Wöchentliche Risiko-Liste ins CRM: „Diese 150 Abonnenten kippen gerade - empfohlene Ansprache je Segment liegt bei."
Was das für Ihr Medienhaus bedeutet, klären wir in der KI-Beratung für Verlage.