Ausgangslage
Bei einem Telko-Internet-Konzern stieg die Wechselbereitschaft im DSL-Bestand spürbar. Retention-Angebote wurden zu unscharf ausgesteuert, die Kampagnenarchitektur war ineffizient, die WinBack-Performance stagnierte. Es fehlte ein steuerbares, datengetriebenes Modell, um Kündiger früh zu erkennen und gezielt zurückzugewinnen.
Hebel
Ein Partner unseres Teams entwickelte ein Retention-Framework mit KI-gestützter Kündiger-Prognose: Machine Learning auf Bestandskundendaten erkennt Abwanderung früh. Darauf aufgesetzt: Multichannel-WinBack über TeleSales und Online-Retention mit dynamischer Angebotslogik, eine KPI-getriebene Test- und Reporting-Struktur zur laufenden Conversion-Optimierung sowie das Alignment von Sales, CRM, Produktentwicklung, BI und externen Partnern.
Ergebnis
Die Rückgewinnungsquote stieg um 15 % gegenüber dem Vorjahreszeitraum, die Abwanderung im DSL-Bestand sank um über 10 %. Darüber hinaus entstand ein skalierbares Retention- und Kampagnenmodell mit starkem C-Level-Buy-in. Zeitraum: 6 Monate · Rolle: Senior Consultant (Product Management & CRM)
