SOLUTION/Retention Decisioning
churn prevention, die gehaltenen Umsatz beweist.
churn prevention software für Enterprise B2C: Markin gleicht Kundenwert, churn Grund und Interventionskosten ab, um zu beweisen, welche Reaktion tatsächlich inkrementellen Umsatz hält.

Was retention decisioning sieht mit Markin so aus.
Eine Prognose ist ein Input
Risikobewertungen fließen zusammen mit dem Kundenwert, dem Kündigungsgrund und den Interventionskosten in die Entscheidung ein.
Retten, was es wert ist, gerettet zu werden
Einbehaltener Umsatz abzüglich Interventionskosten, nicht reine Ersparnisrate. Einige gefährdete Kunden sind wirtschaftlich nicht zu halten.
Interventionen, die auf die Begründung abgestimmt sind
Preis, Produktrubrik, Serviceversagen und Wettbewerbsverluste erfordern unterschiedliche Reaktionen. Ein einziges Save-Angebot beantwortet keine davon gut.
Umsatzchancen-Intelligenz
Die Segmente, auf die dein Team heute reagieren sollte.
Markin zeigt live Opportunities an, bewertet, dimensioniert und bepreist in ARR, sodass die Wachstumsarbeit bei den Konten beginnt, die die Zahl tatsächlich bewegen.
Servicefehler-Churn
Rabatt angeboten, wo der Treiber ein ungelöstes Serviceproblem war, sodass die Einsparung nicht Bestand hat.
Reichweite
11.4K Konten
Auf dem Spiel
€1.1M ARR
Geringwertige, gefährdete Basis
Interventionskosten übersteigen den Umsatz, den sie über die gesamte Bandbreite halten würden.
Reichweite
42.6K Konten
Auf dem Spiel
€680K margin
Spätzyklische Kontakte
Intervention kommt nach der Kündigungsentscheidung, Reaktion sinkt um den Faktor 4 im Vergleich zu T-30d.
Reichweite
19.2K Konten
Auf dem Spiel
€950K ARR
Desinteressiert, aber aktiv
Die Nutzungsabnahme geht einer Kündigung um ca. 90 Tage voraus und ist nicht im aktuellen Triggersatz enthalten.
Reichweite
26.7K Konten
Auf dem Spiel
€1.3M ARR
Wie es funktioniert
Daten. Intelligenz. Aktion.
Derselbe dreischichtige Loop, der jede Markin motion antreibt, abgestimmt auf retention decisioning.
01
Risiko von Vernunft trennen
Überlebens- und Sequenzmodelle schätzen das Wann, während die Diagnose das Warum zuschreibt: Preis, Reibung, Service, Wettbewerb oder natürliches Ende des Bedarfs.
02
Abgleich mit dem Interventionsbestand
Jede verfügbare Intervention ist mit Kosten, einem Kanal, einer Policy-Einschränkung und Nachweisen über ihren Erfolg verbunden. Die Matrix ist explizit.
03
Teste, dann skaliere, was Umsatz behält.
Interventionen werden gegen Kontrollgruppen nach Wertband und Grund getestet, und nur die wirtschaftlich positiven werden skaliert.
Der tatsächliche Unterschied
Markin ist keine weitere Decisioning Engine.
Markin ist keine decisioning Engine. Eine decisioning Engine ordnet Aktionen ein, die ein Mensch bereits definiert hat. Markin arbeitet wie ein data science und growth Team: Es bildet eigene Hypothesen darüber, warum der ARPU stagniert, sei es marketing-, produkt-, preis- oder technisch bedingt, dimensioniert sie, führt sie in den Systemen aus, die du bereits verwendest, und liest jede einzelne gegen einen holdout aus.
| Eine Decisioning Engine | Markin | |
|---|---|---|
| Woher die Hypothese kommt | Ein Mensch verfasst es. Die Engine wählt zwischen Optionen, die jemand bereits genehmigt hat. | Markin erstellt sie. Es liest die Basis, findet, wo Umsatz verloren geht oder ungenutzt bleibt, und schreibt die Hypothese selbst. |
| Was es hinterfragen darf | Nachricht, Angebot, Kanal, Zeitpunkt, innerhalb der vorgegebenen Kampagnenoberfläche. | Alles, was den ARPU beeinflusst: Onboarding-Reibung, Preise und Pakete, eine Funktion, die niemand annimmt, ein Zahlungsausfall-Spike, ein defekter Deeplink. |
| Wer führt die Analyse durch? | Deine Analysten, vorher und nachher. Die Engine optimiert; sie untersucht nicht. | Markin übernimmt die Analyse. Dimensionierung, Segmentdefinition, Experimentdesign und Auswertung werden End-to-End automatisiert. |
| Wo es aufhört | Bei der Empfehlung. Jemand muss es immer noch bauen und starten. | Es startet. Markin führt innerhalb deiner bestehenden Plattformen und Produktoberflächen aus und schließt dann den Kreislauf des Ergebnisses. |
| Throughput | So viele Hypothesen, wie Ihr Fahrplan zulässt, typischerweise eine Handvoll pro Quartal. | Hunderte parallel, jede mit einer control group. |
| Was passiert, wenn es falsch ist | Das Programm läuft weiter, bis es jemand überprüft. | Es wird automatisch zurückgezogen. Den Control nicht zu übertreffen ist ein normales, kostengünstiges Ergebnis. |
Eine decisioning-Engine wählt die beste Aktion aus einer von dir geschriebenen Liste. Markin schreibt die Liste und führt sie in deinem Stack aus.
Hypothesenraum
Alles, was ein menschlicher Wachstumswissenschaftler betrachten würde.
Die meisten Wachstumsprobleme sind keine Kommunikationsprobleme. Markin ist nicht auf die Kampagnenoberfläche beschränkt: Wenn etwas ARPU zurückhält, ist es im Umfang und wird auf die gleiche Weise getestet.
Marketing
Die klassische Oberfläche, aber kundenspezifisch statt segmentbasiert gewählt und immer gegen einen holdout.
- Welches Angebot dieser spezifische Kunde wert ist
- Kanal und Zeitpunkt pro Person, nicht pro Kampagne gewählt
- Kontaktdruck und Ermüdung, die über jedes Programm hinweg ausgeglichen werden
- Win-back-Ökonomie: Wer einen Rabatt wert ist und wer nicht
Produkt
Wo der Kunde tatsächlich den Wert erlebt und wo der größte stille Umsatzverlust auftritt.
- Onboarding-Schritte, die Kunden vor dem ersten Wert verlieren
- Ein Feature mit hoher Retentionskorrelation, das die Hälfte der Basis nie entdeckt.
- Platzierung von Paywall und Upgrade-Prompt
- In-Produkt-Oberflächen als Behandlungsarm verwendet, nicht nur E-Mail und Push
Kommerziell
Preisgestaltung, Paketierung und die Form des Angebots selbst, getestet statt diskutiert.
- Plan- und Bündelstruktur nach Kohorte
- Rabatt-Tiefe gegenüber Marge, nicht nur gegenüber Konversion
- Jährliche versus monatliche Rahmengebung pro Kunde
- Mahn- und unfreiwillige Churn-Recovery-Sequenzen
Technische Gesundheit
Anomalien, nach denen niemand suchen sollte. Dies ist die Kategorie, die keine Entscheidungsengine abdeckt.
- Eine gestiegene Fehlerquote beim Checkout auf einem Gerät und in einer Region.
- Zahlungsausfälle konzentriert auf einen einzigen Emittenten oder eine einzelne Methode
- Ein defekter Deeplink, der unbemerkt eine hochwertige Customer Journey beeinträchtigt
- Latenz- oder Zustellungsbeeinträchtigung, die die Konversion vor jeder Nachricht beeinträchtigt
Stell dir Markin als ein data science und growth team vor, das niemals schläft: Es untersucht, bildet Hypothesen, implementiert sie in deinem eigenen Stack und beweist jede einzelne gegen eine Kontrollgruppe, in einem Umfang, den kein menschliches Team erreichen kann.
1:1 Ausführung
Eine Entscheidung pro Kunde. Eine Botschaft. Ein Moment.
Jede Zeile ist eine Live-Entscheidung, die Markin in dein CRM, deine App oder dein Contact Center liefert, ohne Segment-Builder, ohne Regelbäume.
Marta L.
Telco · Hoher Wert, preisgetrieben
“Behalte deine Nummer, fixiere einen 12-Monats-Preis”
Pflege
T-30d
Value-matched
Hugo D.
Streaming · Reibungsgetrieben
“Wiedergabeproblem vor jedem Retention-Angebot gelöst”
Support
Bei der Erkennung
Keine
Rita N.
Fintech · Geringer Wert
“holdout: Kostenersparnis übersteigt den beibehaltenen Umsatz”
,
,
Keine
Andreu C.
Retail · Abwandernde Loyalität
“Deine Größe liegt wieder in dem Bereich, den du tatsächlich kaufst”
Post-decay
Kein Rabatt
Gemessene Auswirkung
Die Zahlen retention decisioning Teams sehen mit Markin.
+13%
Inkrementeller gebundener Umsatz abzüglich der Einsparungskosten
-29%
Budget sparen, das für nicht haltbare Konten ausgegeben wird
100%
der Interventionen, die gegen eine Kontrollgruppe durchgeführt wurden
Wir waren sehr gut darin, Abwanderung vorherzusagen, und sehr schlecht darin, zu entscheiden, was wir mit der Vorhersage tun sollten. Das sind unterschiedliche Probleme.
Head of Retention
Abonnement-Betreiber, EU
Im Produkt
Retention decisioning, im Verhältnis 1:1 laufend.
Drei konkrete Entscheidungen, die Markin für liefert retention decisioning, auf den Oberflächen, die du bereits nutzt.
Churn risk · 30d
0.80
Diagnose
Abwanderungsgrund zuordnen
Preis, Reibung, Service und Wettbewerb getrennt, bevor eine Intervention gewählt wird.
Planabgleich · pro Benutzer
Basic
Für diesen Nutzer empfohlen
€9
Premium
€14
Jährlich
€119
Wirtschaftlichkeit
Größe der Einsparung bestimmen
Einbehaltener Umsatz abzüglich Interventionskosten, pro Wertband.
Ranking abgleichen · pro Benutzer
Inventar
Die Interventionen kartieren
Jede verfügbare Sparaktion mit ihren Kosten, ihrem Kanal und ihrer Evidenzbasis.
Der Loop
Ausführung ist ein Schritt in der Schleife, keine Übergabe.
- 01
Beobachten
Markin liest die Verhaltens-, Transaktions- und Produktsignale, die du bereits kontinuierlich sammelst.
- 02
Hypothese aufstellen
Es schreibt die Hypothese selbst, ob marketing, Produkt, kommerziell oder technisch, und gibt die erwartete Richtung an.
- 03
Größe
Jede Opportunity wird nach dem erwarteten Wert geordnet, sodass die Warteschlange nach Geld statt nach Meinung sortiert ist.
- 04
Design
Segment, Treatment, Guardrails und ein randomisierter holdout werden festgelegt, bevor etwas ausgeliefert wird.
- 05
Ausführen
Es startet innerhalb der Systeme, die du bereits nutzt, deiner Engagement-Plattform, deinen Produktoberflächen, deinen APIs. Nichts wartet in einer Build-Warteschlange.
- 06
Lesen
Die Ergebnisse werden über ein vollständiges Zeitfenster hinweg gegen den holdout gemessen, sodass Neuheit nicht mit Wirkung verwechselt wird.
- 07
Skalieren oder einstellen
Was Control schlägt, wird auf die gesamte Basis skaliert. Was nicht, wird automatisch abgeschaltet.
Im Vergleich zu
Wie sich dies von dem unterscheidet, was du bereits ausführst.
- Churn prediction vs. Retention decisioningEin churn-Modell sagt dir, wer gefährdet ist. Retention decisioning wählt aus, wen man retten soll, womit und zu welchen Kosten. Warum eine Vorhersage allein selten die retention bewegt.
- Bindungsanalysen vs. Retention decisioningBindungsanalysen erklären Kohorten und Abwanderungstreiber. Retention decisioning wählt Interventionen aus und weist die beibehaltene Marge nach. Wo die Übergabe stattfindet.
- Markin + Optimove: entscheiden, was überhaupt eine Kampagne verdientOptimove orchestriert und priorisiert retention-Kampagnen. Markin entscheidet, welche Umsatzchance eine solche verdient, bemisst sie und beweist sie gegen einen holdout.
- Markin vs. Optimizely: Tests durchführen vs. entscheiden, was getestet werden sollOptimizely führt die Experimente aus, die du entwirfst. Markin entscheidet, welche Experimente es wert sind, durchgeführt zu werden, bemisst sie in Umsatz und liest jede einzelne gegen ein holdout.
- Markin vs. Eigenentwicklung: Was ein Team realistischerweise liefern kannEine decision layer intern aufzubauen ist möglich und manchmal richtig. Ein ehrlicher Vergleich von Durchsatz, Kosten, Besitz und Zeit bis zu einer verifizierten Zahl.
- Next-Best Action vs. Next-Best OpportunityNext-Best Opportunity bemisst, was für einen Kunden auf dem Spiel steht. Next-Best Action wählt die Behandlung. Warum die Reihenfolge wichtig ist und wie die beiden verbunden sind.
FAQ
Was ist churn prevention software?
churn prevention software identifiziert Kunden, die Gefahr laufen, abzuwandern, und entscheidet, was dagegen zu tun ist. Die nützliche Version leistet mehr als nur die Bewertung des Risikos: Sie schreibt den churn Grund zu, bepreist jede verfügbare Intervention im Verhältnis zu dem Umsatz, den sie halten würde, und misst jede Einsparung gegen eine Kontrollgruppe, sodass der gehaltene Umsatz beweisbar statt angenommen ist.
Wie unterscheidet sich Markin von churn prediction tools?
churn prediction Tools geben einen Risikowert aus und überlassen die decision einem Menschen oder einer festen Regel. Markin behandelt den Wert als einen Input, fügt Kundenwert, churn Grund und Interventionskosten hinzu, wählt die spezifische Reaktion, führt sie in deinem bestehenden CRM oder Care Flows aus und liest inkrementellen gehaltenen Umsatz gegen einen holdout ab.
Ist dies ein Abwanderungsvorhersagemodell?
Prediction ist ein Input. Retention decisioning ist der layer, der einen Risiko-Score in eine spezifische, kostenpflichtige Interventionswahl oder in eine bewusste Entscheidung, nicht zu intervenieren, umwandelt.
Warum ist die Sparquote die falsche Metrik?
Die Sparrate kann erhöht werden, indem Kunden diskontiert werden, die nie gegangen wären. Das ökonomisch aussagekräftigste Maß ist der einbehaltene Umsatz abzüglich der Interventionskosten, gemessen an einer Kontrollgruppe.
Wie entscheidest du den churn Grund?
Verhaltens-, Abrechnungs-, Service- und Produkt-Signale werden Grundklassen zugeordnet. Interventionen werden dann dem Grund und nicht nur dem Score zugeordnet.
Ersetzt du unsere retention-Kampagnen?
Nein. Bestehende Kampagnen und Betreuungsabläufe bleiben die Execution Surface. Markin entscheidet, welche Kunden daran teilnehmen, mit welcher Intervention, und misst das Ergebnis.
Was, wenn keine Intervention es wert ist?
Das ist ein gültiges Ergebnis. Wenn der erwartete gebundene Umsatz die Interventionskosten nicht deckt, ist das Beibehalten die protokollierte Entscheidung.
Wie wird der Impact gemessen?
Gegenüber der Kontrolle, als inkrementeller beibehaltener Umsatz über das Messfenster hinweg und nicht als sofortige Kündigungsvermeidung.
Forschung
Weiterführende Lektüre
The research behind how Markin picks, launches and measures each decision.
- Lies den Leitfaden
Playbooks
Machine learning churn prediction: labels, leakage und der falsche test
Die meisten churn-Modelle in der Produktion scheitern an der Definition der Labels, an feature leakage oder an einer Evaluierung, die AUC anstelle von Entscheidungen belohnt. Die drei Korrekturen, in dieser Reihenfolge.
- Lies den Leitfaden
Playbooks
customer winback strategies, die sich selbst tragen
Die meisten win-back-Programme schreiben die gesamte churned Basis an und zählen natürliche Rückkehrer als Gewinne. Wie man segmentiert, das Angebot bepreist und die Kausalität nachweist.
- Lies den Leitfaden
Forschung
Telekommunikations-churn rate benchmarks, 2026
Der mediane monatliche churn beträgt 1,1 Prozent für Postpaid, 4,4 Prozent für Prepaid und 1,6 Prozent für konvergente Bundles. Was das oberste Dezil vom Rest unterscheidet.
- Lies den Leitfaden
Playbooks
Churn deflection: Der Kündigungs-Flow als Entscheidung
Zwischen 30 und 45 Prozent der angenommenen Rückgewinnungsangebote gehen an Kunden, die ohnehin geblieben wären. Wie du Margen nur dort einsetzt, wo sie das Ergebnis ändern.
- Lies den Leitfaden
Playbooks
Kundenabwanderungsprognose: Modelle, Merkmale und Inkrementalität
Ein praktischer Leitfaden zur Kundenabwanderungsprognose: welche Modelle tatsächlich funktionieren, welche Features den Ausschlag geben und wie man die Prognose in eine inkrementelle Retention-Rate umwandelt.
- Lies den Leitfaden
Leitfäden
Freiwilliger vs. unfreiwilliger churn: zwei Probleme, zwei Lösungen
Zahlungsausfall-churn ist ein Mahnproblem. Intent churn ist ein decisioning-Problem. Wie man sie aufteilt, wem jeder Bereich gehört und wie man beide korrekt misst.
Vokabular
Die Bedingungen hinter dieser Seite.
The vocabulary this solution runs on, defined term by term.
- Net revenue retentionNet revenue retention measures revenue from an existing cohort at the end of a period against its revenue at the start…
- Brutto-UmsatzbindungGross revenue retention measures how much starting cohort revenue survives a period counting only losses: churn and downgrades…
- churn preventionChurn prevention is the practice of identifying customers likely to leave and choosing the intervention, if any, that retains…
- Voluntary vs involuntary churnVoluntary churn is a customer deciding to leave.
- Retention curveA retention curve plots the share of a cohort still active against time since acquisition.
- Win-backWin-back is the practice of returning a lapsed or cancelled customer to paying status.
Siehe retention decisioning auf deinen Daten laufen.
Eine 30-minütige Demo, dieselben Agenten, dieselben Entscheidungen, dieselbe 1:1-Ausführung.