Customer Churn bzw. Kundenabwanderung stellt in jüngerer Zeit eine zunehmende Herausforderung für Unternehmen dar. Selbst kundenorientierte Unternehmen stehen vor dem Problem, dass ihre End- und Geschäftskunden abwandern bzw. als abwanderungsgefährdet anzusehen sind.

Tim Tecklenburg untersucht, ob das Churn- bzw. das Abwanderungsverhalten von Geschäftskunden anhand eines Data Mining-Ansatzes auf Basis von im Unternehmen vorhandenen Nutzungs- und Transaktionsdaten erklärt werden kann. Es zeigt sich, dass das Churn-Management im B2B-Kontext mit spezifischen Anforderungen verbunden ist. Insbesondere sollte die hierarchische Struktur aus Geschäftskunden- und Nutzerebene innerhalb des Churn-Managements im B2B-Kontext Berücksichtigung finden. Mit der Anwendung der neueren Methoden der Latent Class Regression und der Multilevel Latent Class Regression belegt der Autor die Bedeutung der simultanen Integration der unbeobachteten Heterogenität im Kundenverhalten für die Erklärung des Churn-Verhaltens von Geschäftskunden.

Autorentext
Dr. Tim Tecklenburg promovierte bei Prof. Dr. Manfred Krafft am Institut für Marketing der Westfälischen Wilhelms-Universität Münster. Er ist in der Unternehmensentwicklung eines internationalen Konzerns als Projektleiter Strategie tätig.

Zusammenfassung
Tim Tecklenburg untersucht, ob das Churn- bzw. das Abwanderungsverhalten von Geschäftskunden anhand eines Data Mining-Ansatzes auf Basis von im Unternehmen vorhandenen Nutzungs- und Transaktionsdaten erklärt werden kann. Es zeigt sich, dass das Churn-Management im B2B-Kontext mit spezifischen Anforderungen verbunden ist.

Inhalt
Konzeptionelle Grundlagen des Churn-Managements im B2B-Kontext.- Methodische Grundlagen zur Erklärung des Churn-Verhaltens im B2B-Kontext.- Empirische Untersuchung des Churn-Verhaltens im B2B-Kontext.- Schlussbetrachtung und Ausblick.