Zu den größten Problemen, denen wir alle gegenüberstehen, gehört der Umgang mit einem „Leaky Bucket“. Es ist wichtig, die Abwanderung von Kunden zu verstehen, aber weißt du auch, wie du sie verringern kannst? In diesem Video führe ich dich durch die Berechnung der Kundenabwanderung mithilfe von Amplitude und zeige dir, wie du sie anhand deiner Daten weiter analysieren kannst.
N-Day-Retention
Zu Beginn führen wir eine Retentionsanalyse innerhalb von Amplitude durch. Im nachstehenden Diagramm sehen wir, wie viele neue Nutzer sich unserer Plattform angeschlossen haben und dann innerhalb von 30 Tagen wieder zurückgekehrt sind.
Dieses Diagramm konzentriert sich standardmäßig auf die N-Day-Retention. N-Day-Retention bedeutet, dass ein Benutzer, der an Tag 0 neu war und an Tag 5 zurückkehrt, als an Tag 5 gebunden gilt.
Beachte jedoch, dass unsere Retention-Rate an Tag 7 höher ist. Das bedeutet, dass mehr Nutzer am siebten Tag nach ihrer Neuanmeldung zurückkamen als am fünften Tag. Aber das ist nur eine Möglichkeit, die Retention zu messen.
Ungebundene Retention
Du kannst die Retention auch berechnen, indem du die ungebundene Retention betrachtest (siehe unten). Dies berechnet deine Kundenretention, indem es die Nutzer berücksichtigt, die an oder nach einem bestimmten Datum zurückgekehrt sind.
Stelle dir das folgendermaßen vor: Wenn jemand am 5. Tag zurückkommt, würde er auch als an Tag 1 bis Tag 4 gebunden gezählt werden.
Kundenabwanderung über ein 30-Tage-Fenster
Das Diagramm der unbegrenzten Retention ist zwar ein hilfreiches Anschauungsmaterial, aber in diesem Beispiel sind wir mehr an den Gesamtzahlen interessiert. Ich werde das Diagramm wieder auf die N-Day-Retention umstellen und eine Balkendiagrammansicht verwenden.
Jetzt kann ich leicht nachvollziehen, wie sich die Kundenabwanderung über das 30-Tage-Fenster verteilt. Und an Tag 30 kann ich feststellen, dass meine Retention-Rate knapp unter 10 % liegt. Der schattierte Balken stellt die Abwanderung dar, und ich kann sehen, dass etwa 90 % meiner neuen Benutzer innerhalb von 30 Tagen nach der Anmeldung abgewandert sind. Dies ist die berechnete Kundenabwanderungsrate.
Kundenabwanderung nach Plattform
Da wir nun wissen, wie hoch unsere Abwanderungsrate ist, können wir tiefer eintauchen und herausfinden, ob sich bestimmte Faktoren auf diese Kundenabwanderung auswirken. Ich gehe also nach oben zu „Gruppenkauf“ und wähle „Plattform“ aus.
Hier kann ich sehen, wie sich die Kundenabwanderung auf die einzelnen Plattformen verteilt, auf denen meine Nutzer waren, und welche Plattform die niedrigste 30-Tage-Abwanderung aufweist. Die unterschiedlichen User Experiences auf den verschiedenen Plattformen könnten vielleicht dazu beitragen, dass die Benutzer mehr oder weniger häufig abwandern.
B2B-Kundenabwanderung
Wir könnten dies also jederzeit ausweiten und Kohorten dieser Nutzer erstellen, um weitere Nachforschungen anzustellen. Aber für die Zwecke dieses Videos sollten wir einen anderen Gang einlegen und dieses Beispiel aus der Perspektive eines B2B-Anwendungsfalls betrachten.
Im B2B-Bereich geht es uns also mehr um die Retention von Konten als um einzelne Benutzer in diesen Konten. Ich kann also zum Benutzer-Panel gehen und den Berechnungsmodus von „Benutzer“ auf „Konten“ ändern.
In diesem B2B-Diagramm ist die Abwanderungsrate für Kundenkonten viel niedriger. Sie ist zwar immer noch nicht so niedrig, wie wir es gerne hätten, aber eine Kundenabwanderungsrate von 58 % ist immer noch besser als eine Abwanderungsrate von 90 %.
B2B-Kundenabwanderung nach Vertriebsregion
Gut, als Nächstes werden wir dies nach kontospezifischen Metriken aufschlüsseln. Ich kann diese Daten nach der Vertriebsregion gruppieren, in der diese Konten verzeichnet waren, um ein Gefühl dafür zu bekommen, welche Regionen gut abschneiden und in welchen Unterstützung benötigt wird.
Diese Aufschlüsselung zeigt interessante Trends auf. Ich erkenne eine Region, in der die Abwanderungsrate bis zum Tag 14 einigermaßen in Ordnung ist, sich aber bis zum Tag 30 sogar verdoppelt. Dies ist für mich eine wichtige Erkenntnis. Zwischen Tag 14 und Tag 30 passiert in dieser Region etwas, das zur Abwanderung so vieler Kundenkonten führt.
Verbessern der B2B-Kundenabwanderungsrate
Daraus ergeben sich Ideen, die wir als Team umsetzen können. Wir können unsere Kunden befragen oder stärkere Verkaufs- und Marketingtaktiken einsetzen, um unsere Kunden zu binden, insbesondere zwischen Tag 14 und Tag 30 in dieser Region.
B2B-Kundenabwanderungsrate nach Quartal
Und schließlich ist es im B2B-Vertrieb manchmal sinnvoller, eine Analyse über einen längeren Zeitraum durchzuführen. Das bedeutet: vierteljährlich, statt täglich.
In Amplitude kann ich einfach an den Anfang des Diagramms gehen und unsere Zeitrahmen auf vierteljährlich ändern.
Und jetzt kann ich die Kundenabwanderung nach Region pro Quartal sehen.
Berechne die Kundenabwanderungsrate in Amplitude
So, das war’s dann auch schon. Mit sechs Klicks und in nur wenigen Minuten konnte ich die Kundenabwanderungsrate berechnen und sie nach Benutzern und Konten aufschlüsseln. Dieses Video kratzt nur an der Oberfläche. Amplitude verfügt über mehrere Arbeitsbereiche, in denen du das Was, Wie und Warum hinter deinen Kundendaten erfragen und beantworten kannst.
Weitere Tipps findest du unter de.de.amplitude.com/6-klicks. Du kannst diese Analyse auch selbst in der Demo von Amplitude ausprobieren.
![]()
4 -minute Read,
Posted on October 26, 2021