Churn-Analyse nach Segmenten

Analysiere Churn-Daten und leite daraus Prioritäten ab.

Input:
- Churn-Liste letzte [ZEITRAUM]: Kunde, Segment, ACV, Kohorten-Start, Dauer bis Churn, Abgangsgrund (wenn dokumentiert), Ansprechpartner
- Gesamtbasis (aktive Kunden): [N]
- Churn-Definition: [LOGO CHURN / REVENUE CHURN / GROSS / NET]

Output:

1. RAW RATES
   - Gesamte Logo-Churn-Rate (monatlich, annualisiert)
   - Revenue-Churn-Rate
   - Net Revenue Retention
   - Nach Segment (SMB/Mid-Market/Enterprise oder nach anderem relevanten Schnitt)
   - Nach Kohorten-Monat/Quartal - wann verlieren wir Kunden am häufigsten (erste 90 Tage, nach 1 Jahr, etc.)

2. ABGANGSGRÜNDE KLASSIFIZIERT
   - No-Usage / Churn wegen Inaktivität
   - Competitor / Migration
   - Price / Value-Perception
   - Internal / Company-Changes (Key Person left, M&A)
   - Product-Problem
   - Anderes (klar benennen)
   Je Grund: % und Durchschnitts-ACV

3. PATTERNS
   - Welches Segment churnt überproportional?
   - Wann ist der gefährliche Punkt in der Kundenbeziehung?
   - Gibt es Charakteristika von "Low-Churn"-Kunden?

4. INTERVENTIONS-PRIORITÄTEN
   - 3-4 konkrete Maßnahmen
   - Jeweils: Ziel-Segment, erwartete Wirkung, Kosten
   - Ranking nach Impact-to-Effort

5. HEALTH-SCORE-IDEE (optional)
   - Welche Signale (Usage, Engagement, NPS, Support) sagen Churn voraus?
   - Wie könnte ein Frühwarn-System aussehen?

Regeln:
- Bei kleinen Zahlen (<20 Churns im Segment): als "indikativ, nicht belastbar" markieren
- Churn-Gründe aus CS-Notizen sind oft geschönt - das erwähnen
- Keine Generalempfehlung "mehr Customer Success" ohne Zielsegment

Daten:
[PASTE]

Wann nutzen

Churn ist nicht eine Zahl - es ist mehrere Probleme unter einem Namen. Die Segment-Zerlegung zeigt, wo Intervention sich wirklich lohnt.

Use-Cases

• Quartals-Review: wo verlieren wir?
• Retention-Projekt: Priorität setzen.
• Kundensegmentation: wer passt wirklich?

Getestet mit

• Claude Opus 4.7