Vertriebs- und E-Commerce-Teams steuern nach Umsatz oder Rohertrag je Periode. Das ist bequem, weil die Zahl monatlich vorliegt – und es führt regelmäßig zu Entscheidungen, die sich später als teuer erweisen.

Zwei Beispiele, die das Problem zeigen

Ein Anbieter vergleicht zwei Kundengruppen: Privatkunden und kleine Unternehmen. Beide kaufen im ersten Monat ein Gerät für 100 Euro. Nach Periodenlogik sind sie gleich wertvoll. Nach 90 Tagen hat die eine Gruppe drei Geräte gekauft, nach einem Jahr zwölf – die andere kaum mehr als das erste.

Der zweite Fall ist die Black Week: Sie sieht in der Periode großartig aus. Ein erheblicher Teil davon sind aber Käufe, die ohnehin stattgefunden hätten, nur ein paar Wochen später und zum vollen Preis. Wer nur die Woche betrachtet, feiert eine Umsatzverschiebung als Erfolg.

Wer besser rechnet, gewinnt im Wettbewerb – weil er weiß, welcher Kunde was wert ist, und entsprechend bieten kann.

CRM ist CLV-Management

Der Zusammenhang ist enger, als es zunächst wirkt: Die drei Hebel des Kundenwerts sind genau die drei Aufgaben des CRM.

Die drei Hebel – und wer sie bedient
Ø Bestellwert
Cross- und Upselling
Kauffrequenz
Kampagnen, Automations
Kundenlebensdauer
Club, Retention
Customer Lifetime Value

Als Rechenmodell ist diese Formel meist zu grob – als Landkarte der Stellhebel ist sie exakt richtig.

Die zentrale Fehlvorstellung

Genau diese Multiplikation wird gern als Berechnungsformel verwendet. Dabei setzt sie eine Lebensdauer voraus, die niemand kennt, und unterstellt, dass Bestellwert und Frequenz über Jahre konstant bleiben. Tatsächlich nimmt die Kaufintensität in der Regel ab – ein Halbwertszeit-Modell beschreibt das treffender.

Für die Praxis gibt es zwei brauchbare Wege.

Modell 1: der 80-20-Ansatz

Der Ansatz verzichtet auf jede Prognose und schaut nur in die Vergangenheit: Je Segment wird gemessen, wie viel Umsatz im ersten Monat, in den ersten 90 Tagen, im ersten Jahr und in zwei Jahren entstanden ist.

Das genügt, um zu erkennen, wo sich Kundenwert schnell und wo er sich langsam aufbaut – ohne abwarten zu müssen, bis eine Kohorte ihre Lebensdauer hinter sich hat. Kein Modellrisiko, keine Annahmen, in einem Nachmittag auswertbar.

Modell 2: die ewige Rente

Wo sich die Abwanderungsquote sauber ermitteln lässt – bei Abo-Geschäften, Verträgen, Software, schnelldrehenden Konsumgütern – genügt eine Division.

CLV über die Abwanderungsquote
Ø Rohmarge je Quartal
200 €
Churn Rate im Quartal
20 %
Customer Lifetime Value
1.000 €

Vier Vereinfachungen: kein Abzinsen künftiger Zahlungen, konstanter Bestellwert, konstante Frequenz, konstante Abwanderung. Die Herleitung ist die der ewigen Rente aus der Finanzmathematik.

Dieselbe Rechnung funktioniert für die Newsletter-Basis: E-Mail-Umsatz einer Periode geteilt durch die Abgänge derselben Periode – wobei zu den Abgängen nicht nur Abmeldungen zählen, sondern auch Bounces und dauerhaft Inaktive. Das Ergebnis ist der Restwert eines Segments und damit eine belastbare Antwort auf die Frage, was ein Abonnent wert ist.

Welches Modell wofür

Die Wahl hängt am Geschäftsmodell

80-20-Ansatz Empfehlung

  • Für Handel und Sortimente mit unregelmäßigem Kauf
  • Keine Prognose, keine Annahmen
  • Vergleicht Segmente und Kohorten sofort
  • Reicht für die meisten Entscheidungen aus

Ewige Rente

  • Für Abos, Verträge, schnelldrehende Konsumgüter
  • Setzt eine ermittelbare Abwanderungsquote voraus
  • Liefert einen echten Wert je Kunde
  • Vier Vereinfachungen, die man kennen muss

Ein drittes Modell – die Vorhersage je Einzelkunde über ein neuronales Netz – ist das genaueste und lohnt sich, wenn die Datenlage stimmt. Für den Einstieg ist es der falsche Startpunkt: Verzettelung in der Berechnung ist der häufigste Fehler. Achtzig Prozent der Erkenntnis stecken in zwanzig Prozent des Aufwands.

Der zweite Schritt

Den Kundenwert zu kennen ist die halbe Strecke. Die andere Hälfte ist die Frage, welchen Beitrag eine einzelne Maßnahme dazu leistet – und genau hier fällt die Black-Week-Entscheidung anders aus als nach Periodenlogik. Wer das messen will, braucht die Werte je Kunde am Datensatz: Recency, Frequency und Monetary sind dafür die Grundlage.