Kundensegmentierung nach Verbrauchsprofil und Wechselwahrscheinlichkeit
Ein Stadtwerk mit 100.000 Kunden hat nicht 100.000 individuelle Beziehungen – aber es hat auch nicht einen homogenen Kundenstamm. Die analytische Segmentierung identifiziert Gruppen mit ähnlichen Eigenschaften und Bedürfnissen: Der preissensitive Vergleichsportal-Wechsler, der treue Bestandskunde mit emotionaler Bindung ans Stadtwerk, der technikaffine Prosumer mit PV und Wallbox, der Gewerbetreibende mit spezifischen Lastanforderungen.
Die Segmentierung basiert auf einer Kombination von Vertragsdaten (Tarif, Laufzeit, Produktkombination), Verbrauchsdaten (Jahresverbrauch, Lastprofil, saisonale Muster), Verhaltensdaten (Portal-Nutzung, Zahlungsverhalten, Service-Anfragen) und externen Daten (Wohnlage, Gebäudealter als Proxy für Modernisierungspotenzial). Jedes Segment erhält eine spezifische Vertriebs- und Bindungsstrategie.
Churn Prediction: Abwanderung vorhersagen und verhindern
Die Kündigung eines Kunden ist fast immer das Ende eines längeren Prozesses: Unzufriedenheit mit dem Preis, schlechte Erfahrung mit dem Kundenservice, attraktives Angebot eines Wettbewerbers oder schlicht Desinteresse am bisherigen Anbieter. Ein Churn-Prediction-Modell erkennt die Signale dieses Prozesses frühzeitig und ermöglicht proaktive Gegenmassnahmen.
Typische Churn-Signale bei Stadtwerken: Kündigung des Gas- bei Beibehaltung des Stromvertrags (Hinweis auf Wärmepumpen-Installation und möglicherweise bevorstehenden Komplettwechsel), häufige Preisanfragen im Kundenportal, Rückgang der Portal-Nutzung nach vorheriger Aktivität, Umzugsmeldung (hohe Wechselwahrscheinlichkeit am neuen Standort), und Beschwerden über die Jahresabrechnung.
Ein ML-Modell (typischerweise Gradient Boosting oder Random Forest) kombiniert diese Signale zu einem Churn-Score pro Kunde. Kunden mit hohem Score werden automatisch dem Retention-Team zugewiesen, das gezielt Bindungsmassnahmen ergreift: ein persönlicher Anruf, ein Sondertarif, ein Angebot für Mehrwertdienste oder einfach die proaktive Lösung eines bekannten Problems.
Analyse von Produktbündelung: Strom + Gas + PV + Wallbox
Kunden, die mehrere Produkte beim selben Anbieter beziehen, haben eine deutlich geringere Wechselwahrscheinlichkeit. Für Stadtwerke ist Produktbündelung daher ein zentrales Bindungsinstrument: Wer Strom und Gas beim Stadtwerk bezieht, bekommt die PV-Anlage günstiger. Wer eine Wallbox installieren lässt, erhält einen Spezialtarif für Autostrom.
Die analytische Aufgabe: Welche Kunden haben das höchste Bündelungspotenzial? Welche Produktkombinationen werden am häufigsten nachgefragt? Und welche Bündel sind wirtschaftlich attraktiv – sowohl für den Kunden als auch für das Stadtwerk? Eine Bündelungs-Analyse auf Basis von Kundendaten, Verbrauchsmustern und lokalen Gegebenheiten (Dachfläche, Parkplatz, Heizsystem) liefert die Antworten.
Optimierung von Marketingkampagnen durch A/B-Testing
Stadtwerke investieren zunehmend in Marketingkampagnen – Online-Werbung, E-Mail-Marketing, Social Media, lokale Aktionen. Aber welche Kampagnen wirken tatsächlich? Welche Betreffzeile führt zu mehr Öffnungen? Welches Angebot erzeugt die meisten Abschlüsse? Und welcher Kanal liefert die besten Leads?
A/B-Testing ist die systematische Antwort auf diese Fragen: Zwei Varianten einer Kampagne werden parallel an zufällig ausgewählte Kundengruppen ausgespielt, und die Ergebnisse (Öffnungsrate, Klickrate, Conversion) werden statistisch verglichen. Was trivial klingt, wird in der Praxis selten konsequent umgesetzt – die meisten Stadtwerke optimieren ihre Kampagnen nach Bauchgefühl statt nach Daten.
Auswertung dynamischer Tarife: Kundenverhalten auf Preissignale
Mit der Einführung zeitvariabler Tarife stellt sich eine neue analytische Frage: Wie reagieren Kunden tatsächlich auf Preissignale? Verschieben sie ihren Verbrauch in günstige Stunden? Oder ignorieren sie die Preisunterschiede und verbrauchen wie gewohnt?
Die Analyse von iMS-Daten für Kunden mit dynamischen Tarifen zeigt: Die Reaktion ist stark segmentabhängig. Technikaffine Kunden mit Smart-Home-Systemen und Batteriespeichern optimieren aktiv. Die meisten Haushaltskunden ändern ihr Verhalten nur geringfügig – es sei denn, die Preisunterschiede sind sehr gross oder die Automatisierung (z.B. intelligente Wallbox, die bei niedrigen Preisen lädt) übernimmt die Optimierung. Diese Erkenntnisse sind essenziell für die Weiterentwicklung der Tarifstrategie.
Technologien und Methoden
Fazit: Daten als Kundenbindungsinstrument
Für Stadtwerke im Wettbewerb ist datengetriebener Vertrieb kein Nice-to-have, sondern ein Muss. Wer seine Kunden analytisch versteht – ihre Bedürfnisse, ihr Wechselrisiko, ihr Bündelungspotenzial – kann gezielter agieren, Marketingbudgets effizienter einsetzen und die Kundenbeziehung stärken. Die Alternative – pauschale Preiskampagnen und reaktiver Kundenservice – führt in einen Preiswettbewerb, den Stadtwerke gegenüber grossen Discountern nicht gewinnen können.