Klickrate, Kosten pro Klick, Scroll-Aktivität, Absprungrate, Eye-Tracking und vieles mehr – datengetriebenes Marketing liegt bereits seit einigen Jahren voll im Trend.
Zahlen, Daten und Fakten mit Hinblick auf das Kundenverhalten sind nützliche Parameter für Unternehmen, die ihre Zielgruppe gewinnbringend ansprechen und möglichst lange behalten möchten, um aus Neukunden zukünftige Wiederholungstäter zu machen.
Der Customer Lifetime Value (CVL) wird dabei für viele Unternehmen zur Richtschnur für zukünftige Entscheidungen, die das Marketing- und Werbebudget betreffen.
Customer Lifetime Value – Welchen ökonomischen Wert hat Ihr Kunde?
Der Customer Lifetime Value misst den Kundenertragswert. Konkret ermittelt der CLV, wie viel ein Konsument über die gesamte Laufzeit seines “Kundenlebens” wert ist. Dabei werden die Einnahmen des Kunden durch den Erwerb von bestimmten Produkten und Dienstleistungen den Ausgaben des Unternehmens gegenübergestellt, die für Akquise und Werbekosten aufgekommen sind. [1]
Bei der Erhebung des Wertes handelt es sich um einen Durchschnittswert. Vereinfacht ausgedrückt ergibt sich dieser durch die Summe der Netto-Einnahmen (Gewinn) durch einen Kunden abzüglich der Summe aller Beträge, welche als Investition in und für diesen Kunden aufgebracht wurden, über die Laufzeit der Geschäftsbeziehung diskontiert auf den Gegenwartswert.
Unterschieden werden dabei der aktuelle sowie der zukünftige Kundenwert, der zumindest im theoretischen Sinne ermittelt werden kann.
Die einfachste Formel zur Berechnung des Customer Lifetime Value lautet:

T = erwartete Dauer der Geschäftsbeziehung mit einem Kunden
t = Zeitraum, für den der CLV ermittelt werden soll (z.B. 1 Jahr, 5 Jahre, 10 Jahre…)
et = erwarteter Umsatz der Geschäftsbeziehung in Zeitraum t
at = erwartete Investition in die Geschäftsbeziehung im Zeitraum t
i = Abzinsungsfaktor, der für die Dauer der Geschäftsbeziehung angenommen wird
Der CLV wird dabei mithilfe der Kapitalwertmethode ermittelt. [2] [3]
Ein Beispiel aus der Praxis:
Die durchschnittliche Geschäftsbeziehung eines Kunden zu einem Angel-Verleihshop beträgt 20 Jahre. Die Akquisekosten für einen Neukunden, verursacht durch verschiedene Marketingmaßnahmen, werden mit 200 € veranschlagt. Das Unternehmen möchte den Customer Lifetime Value pro Jahr berechnen. Für die Kalkulation wird ein Diskontierungsfaktor von 5 % angenommen.
Durchschnittlich alle vier Jahren kauft sich der Kunde für 2.000 € neues Equipment zum Angeln, die Gewinnspanne liegt dabei bei 40 %. Bezogen auf die Dauer der Geschäftsbeziehung beträgt der erwartete Umsatz (et) 10.000 € und der Gewinn 4.000 €. Für Service und Pflege der Kundenbeziehung gibt der Besitzer des Angelshops pro Jahr 80 € aus. Daraus ergibt sich für die Dauer der Geschäftsbeziehung eine erwartete Investition (at) von 1.600 €.
Für dieses Beispiel gilt folgende Berechnung:
CLV pro Jahr = (-200 € + 10.000 €*0,4 - 1.600 €) / (1 + 0,05)20 = 2.200 €/2,65 = 830,20 €
Verändert man die Zahlen und geht von einem Umsatz von 2.500 € alle 4 Jahre bei einer 7 Jahre andauernden Kundenbeziehung aus, ergebe sich folgende Rechnung:
CLV pro Jahr (-200 € + 5.000 €*0,4 - 560 €) / (1+0,05)7= 1.040/1,41 =737,58 €
Durch dieses vereinfachte Beispiel lässt sich erkennen, dass ein höherer Umsatz bei einer kürzer anhaltenden Kundenbeziehung für den Angelshop auf ein Jahr gerechnet weniger rentabel ist. Eine mögliche Schlussfolgerung wäre, einerseits mehr in Langfristigkeit von Kundenbeziehungen zu investieren und andererseits zu analysieren, in welchen Kundensegmenten sich Akquisekosten rechnen und die Aktivitäten zur Neukundengewinnung entsprechend anzupassen.Kritisch zu betrachten ist dabei, dass die Dauer der Geschäftsbeziehung zwischen Kunde und Unternehmen nicht mit absoluter Sicherheit vorausgesagt werden kann. Darüber hinaus sind die Ein- und Auszahlungsströme schwer zu ermitteln, wenn nicht genug Daten aus vergangenen Käufen eines Kunden vorliegen. [4][5]
Der Customer Lifetime Value kann unter Berücksichtigung verschiedener Ziele analysiert werden. Dabei muss es nicht immer um Geld gehen, obwohl es dem Großteil der Unternehmen natürlich um die Einschätzung geht, wie hoch der finanzielle Aufwand aus eigener Tasche im Vergleich zu den Einnahmen ist, die ein Kunde dem Unternehmen bringt. Für die Aufgaben im „Marketingcontrolling“ ist der CLV demnach essentiell, um den Return-on-Invest des Unternehmens überwachen zu können.
Trotzdem kann der CLV neben dem Optimierungspotential für Werbemaßnahmen, einen erhöhten Unternehmensprofit oder die Gewinnung neuer Kunden auch Möglichkeiten zur Verstärkung der Kundenbindung oder die verbesserte Betreuung durch CRM-Systeme offenbaren.
Je nach Unternehmensziel kann die CLV-Analyse unterschiedlich wertvolle Erkenntnisse zum Vorschein bringen. Logisch ist: Je höher die potentielle Lebenszeit eines Kunden ist, desto mehr Aufwand und Aufmerksamkeit sollte ein Unternehmen für diesen Kunden aufbringen.
Vorteile und Chancen des Customer Lifetime Value
Kein Kunde und keine Kundengruppe ist identisch. Einer der offensichtlichsten Vorteile bei der Ermittlung des CLV ist die Möglichkeit, unternehmerische Entscheidungen durch Zahlen zu validieren und individuell auf Kundenbedürfnisse zugeschnittene Maßnahmen treffen zu können. Die Analyse dieser Kennzahl ermöglicht eine Klassifizierung der Kunden- und Zielgruppen, auf dessen Basis die Ausgaben, wie Werbemaßnahmen in verschiedenen On- und Offline-Kanälen, für die verschiedenen Segmente so arrangiert werden können, dass der ROI maximal hoch ausfällt. [6]
Auch eignet sich der CLV für die Bewertung des Kundenertrags bezogen auf Werbekampagnen - diese haben den Vorteil, auf zeitlicher Ebene oft deutlich begrenzter zu sein als die gesamte Lebenszeit eines einzelnen Kunden. Dies macht die Berechnung, Prognose und Steuerung genauer und einfacher:
- Investitionen (z.B. Erarbeitung der Kreatividee, Produktion, Print, Web-Entwicklung, online Werbemaßnahmen oder Media-Ausgaben) können detailliert aufgelistet werden
- generierte Einnahmen lassen sich genauer aufschlüsseln
- die Anzahl der Faktoren, die ebenfalls eine Auswirkung auf die Kaufentscheidung haben können, wird durch die zeitliche Begrenzung reduziert (Trends in bestimmten Produkt- und Dienstleistungssegmenten, politische oder soziale Faktoren)
Auf diese Weise kann eine Werbeagentur den Ertrag eines Kunden innerhalb der Laufzeit einer Kampagne messen und Prognosen ableiten, die mit höherer Wahrscheinlichkeit zutreffend für die gesamte „Lebenszeit“ sind.
Nicht vernachlässigen sollten Unternehmen dabei jedoch, dass Kampagnen auch immer “Investitionen” in die Zukunft und einen gewissen Branding-Effekt haben sollen, weshalb nicht alle Kosten in voller Höhe für den Kampagnen-CLV heranzuziehen wären.
Voraussetzung für eine valide Vorhersage auf Basis des CLV ist, dass ein Unternehmen bereits mehrere Kampagnen durchgeführt hat und sich im Besitz verwertbarer Kundendaten als Grundlage für zukünftige Maßnahmen einer Kampagne befindet. [7]
Je mehr Daten ein Unternehmen von einem Kunden besitzt, desto bessere Voraussagen lassen sich über zukünftige Käufe und andere Handlungen treffen. So können Unternehmen zum Beispiel Kundengruppen erstellen, die aus den Zusammenhängen zwischen den demografischen Daten sowie der Anzahl an Käufen klassifiziert werden.
Dafür werden die Trainingsdaten “Demografie” und “vergangene Käufe” aller Kunden in Relation gesetzt. Mittels eines Algorithmus werden die Kunden nun in verschiedene Cluster eingeteilt - zum Beispiel Gruppe A (Jahreseinkommen über 40.000 € und durchschnittlich ein Produktkauf pro Jahr) sowie Gruppe B (Jahreseinkommen unter 40.000 € und durchschnittlich ein Produktkauf alle drei Jahre).
Daraufhin kann der Customer Lifetime Value einzelner Kunden aus Gruppe A und Gruppe B berechnet werden. Anschließend weiß das Unternehmen, wie viel Umsatz verschiedene Kunden aus beiden Clustern erwirtschaften und wie viel Geld für die Akquise und Betreuung der Kunden ausgegeben wird.
Da Gruppe A die umsatzstärksten Kunden ausmacht, wäre es für das Unternehmen sinnvoll, den finanziellen Aufwand (sowie den Kundensupport) in Zukunft verstärkt auf Kunden in diesem Cluster zu fokussieren.
Ein starker Vorteil der CLV-Analyse ist demnach die bessere Voraussage unterschiedlicher Handlungen von Kunden, die auf Basis unterschiedlicher Kundengruppen realisiert werden kann.
Um möglichst viele Kundengruppen zu erstellen, bedarf es mehrerer Modelle, die auf unterschiedlichen Trainingsdaten und Algorithmen beruhen.
Die CLV-Analyse anhand von Daten wie Produktart, Höhe des Betrags, Zeitpunkt des Kaufs, Garantie des Produktes, Anzahl an Rücksendungen sowie durchschnittliche Länge eines “Kundenlebens” hilft Unternehmen dabei, einen Kunden für potentiell zukünftige Käufe zum richtigen Zeitpunkt zu kontaktieren, um ihm oder ihr passende Deals, Gutscheine, Rabatte oder Sonderaktionen bereitzustellen, die wiederum mehr Umsatz generieren. [8]
Nachteile und Herausforderungen bei der CLV-Analyse
Bei aller Liebe zum Detail kann die CLV-Analyse eines nicht: Durch die Glaskugel in die Zukunft blicken und mit 100%iger Sicherheit preisgeben, wie ein Kunde sich bei zukünftigen Kampagnen entscheiden wird oder ob er wiederholt kauft. Letztlich handelt es sich beim Ermitteln des Customer Lifetime Value um eine mathematische Größe, die als „Prognose-Werkzeug“ verstanden werden kann.
Was Prognosen und Vorhersagen gemeinsam haben, liegt auf der Hand – sie entsprechen nicht immer der Wahrheit. Auch wenn datengetriebenes Marketing sicherlich ratsamer ist als spezifische Entscheidungen im Sinne der Kunden intuitiv aus dem Bauch heraus zu treffen, gibt es dabei unvorhersehbare Faktoren.
Dazu zählen zum Beispiel die sich verändernden Bedürfnisse eines Kunden, die mit den wechselnden Lebensumständen eines Menschen zusammenhängen. Ein erfolgreicher Manager mit Sportwagen könnte durch den Zuwachs einer Tochter auf ein Familienauto umsteigen. Der übergewichtige Fastfood-Lover wird durch einen Bewusstseinswandel getriggert, plötzlich ausschließlich vegetarische und zuckerfreie Lebensmittel zu kaufen. Geschmäcker sind bekanntlich verschieden – so auch Bedürfnisse. Beides kann über die Jahre variieren.
Alternativ können Unternehmen für die CLV-Berechnung allerdings statistische Wahrscheinlichkeiten mit in die Analyse einfließen lassen, um diese “unvorhersehbaren Faktoren” zu berücksichtigen und daraus genauere Prognosen zu treffen.
Auch plötzlich eintretende Liquiditätsprobleme können unvorhersehbar eintreten, etwa wenn ein Kunde wegen der Kündigung seiner Arbeitsstelle nicht mehr im Stande ist, weiterhin Geld für ein Produkt zu zahlen.
Außerhalb der Produkte selbst besteht die Möglichkeit, dass ein Kunde zum Beispiel mit dem Kundenservice eines Unternehmens schlechte Erfahrungen gemacht hat und sich deshalb von weiteren Einkäufen distanziert.
Darüber hinaus schläft die Konkurrenz selten. Wer ein günstigeres oder wertvolleres Produkt entdeckt, wechselt gelegentlich den Anbieter. Diese Umstände können Vermarkter anhand des Customer Lifetime Value ebenfalls nicht ermitteln.Abseits der Unvorhersehbarkeit bestimmter Faktoren schreckt die Unübersichtlichkeit der Daten viele Unternehmen ab, von der CLV-Analyse Gebrauch zu nehmen. Nach einer Studie der Institution Econsultancy schaffen es gerade einmal 42 % aller Unternehmen, den Customer Lifetime Value ihrer Kunden zu messen.
Grund dafür sei vor allem, dass die meisten Unternehmen in unabhängig voneinander operierenden Silos arbeiten, welche die Integration wichtiger Kundendaten für die CLV-Analyse erschweren.
[9]Des Weiteren fällt es vielen Unternehmen schwer, den exakten Nettogeldfluss eines Kunden zu bestimmen, den er im Laufe der Zeit für das Unternehmen einbringt. Zunächst bedarf die Sammlung aussagekräftiger Kundendaten ein gewisses Maß an Zeit – den tatsächlichen „Wert“ eines Kunden können Unternehmen nicht innerhalb weniger Tage oder Wochen benennen.
Zusätzlich müssen Vermarkter mehrere Fragen beantworten, die mit den Zielen des Unternehmens korrelieren. Laut einem Bericht des Marketing-Professors Paul D. Berger (Boston University) umfassen diese Fragen zum Beispiel:
„Wie viele Neukunden können Sie unter Berücksichtigung Ihrer aktuellen Ausgaben akquirieren bzw. wie viel Geld brauchen Sie dafür?“
„Wie hoch ist die durchschnittliche Summe des ersten verkauften Produktes?“
„Wie hoch ist die Wahrscheinlichkeit, dass ein Kunde in Zukunft zusätzliche Produkte oder Dienstleistungen von Ihrem Unternehmen kauft?"
„Inwieweit ändert sich diese Wahrscheinlichkeit hinsichtlich der Werbeausgaben?“
„Ab wann wird ein Kunde im Schnitt endgültig aufhören zu kaufen?“
…und andere mehr. [10]
Die Beantwortung dieser Fragen führt zu einem Bündel von Messwerten in Form von Zahlen, Daten und Fakten, die Verantwortliche im Marketing verarbeiten und kompetent nutzen dürfen, ohne dabei die spezifischen Unternehmensziele aus dem Auge zu verlieren.
Fazit und Schlussbemerkungen
Analysen zum Customer Lifetime Value können vor allem im Online- und Direktmarketing tragfähig sein, da dort das Verhalten der Kunden am leichtesten digitalisiert bzw. durch Zahlen belegt werden kann. Mithilfe moderner Tracking-Tools und CRM-Systemen können Unternehmen nützliche Daten gewinnen und für den Erfolg zukünftiger Maßnahmen im Marketing nutzen.
Abseits der digitalen Welt gibt es da draußen aber auch die „echte Welt“. Kiosk-Besucher oder langjährige Stammkunden der Lieblingsbäckerei aus der Nachbarschaft können nicht so einfach auf Grundlage von datengetriebenem Marketing „bei Laune“ gehalten werden. Hier spielen auch andere Faktoren wie etwa die geographische Nähe oder die emotionale Verbundenheit zum Ladenbesitzer eine Rolle bei zukünftigen Einkäufen.
Alles in allem birgt der Customer Lifetime Value wertvolle Erkenntnisse für Unternehmen, ihre Kunden und deren Entscheidungswege besser verstehen zu können. Bei der Prognose mit Hinblick auf zukünftige Kundenentscheidungen sollte dabei aber nicht in Vergessenheit geraten, dass individuelle Bedürfnisse sich mit der Zeit ändern können und wettbewerbsfähige Angebote von der Konkurrenz oft nicht lange auf sich warten lassen.
Quellen und wissenschaftliche Studien:
[1] https://www.wuv.de/digital/customer_centricity_die_7_wichtigsten_punkte
[2] http://www.wirtschafts-lehre.de/customer-lifetime-value.html[
3] https://www.researchgate.net/publication/262559745_Statistical_analysis_of_customer_lifetime_value_a_case_study_on_telecommunications_data_using_SAS
[4] https://www.saxoprint.de/b2bmanager/glossar/clv/
[5] https://smarter-ecommerce.com/blog/de/e-commerce/customer-lifetime-value-berechnung-in-drei-schritten/
[6] https://www.wuv.de/specials/w_v_marketing_convention_2017/schluss_mit_den_starren_customer_journeys_wie_modomoto_kontaktverlaeufe_erfasst[7] https://www.forbes.com/sites/theyec/2018/12/05/why-lifetime-value-is-the-most-important-metric-for-measuring-clients/#763991be50bb
[8] https://towardsdatascience.com/predictive-customer-analytics-part-iii-aeb996beafba
[9] https://econsultancy.com/just-42-of-companies-are-able-to-measure-customer-lifetime-value/
[10] http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.390.2785&rep=rep1&type=pdf