Leistungen Case Studies Referenzen Über uns Insights Kontakt
Startseite Erfolge Preiselastizität Energie
Preiselastizität mit ML Energievertrieb · Gas & Strom · Deutschland

Preise erhöhen, ohne den Kundenstamm zu verlieren

Eine Preiserhöhung, an alle verschickt, behandelt einen treuen Kunden und einen Wechsler als dieselbe Person. Nur einer von beiden ist im nächsten Monat noch da.

1,2 Mio. €
Umsatz pro Jahr
68 %
Weniger Abwanderung

Ausgangslage

Deutsche Energiekunden kommen über Vergleichsportale, auf denen allein der Tarif in der ersten Zeile den Abschluss entscheidet. Versorger gewinnen sie bewusst mit Verlust und hängen eine Preisgarantie daran, um den Klick zu bekommen.

Dieser Verlust wird nach Ablauf der Garantie zurückgeholt. Damit ist die erste Preiserhöhung der Moment, in dem sich die Akquise entweder rechnet oder abgeschrieben wird.

Die Herausforderung

Eine Preiserhöhung in der deutschen Energieversorgung löst ein Sonderkündigungsrecht aus: Der Kunde kann sofort gehen. Sie ist keine Rechnungsänderung, sondern eine Einladung zu gehen - an den gesamten Kundenstamm auf einmal.

Die übliche Antwort ist ein Prozentsatz für alle, so lange nach unten korrigiert, bis er erträglich wirkt. Für die Preissensiblen ist er zu hoch - sie gehen zurück zu dem Portal, aus dem sie kamen. Für die, die ohnehin geblieben wären, ist er zu niedrig.

Eine Abwanderungsprognose allein hilft nicht. Zu wissen, wer gehen könnte, sagt nichts darüber, was zu tun ist - denn was die Kunden gehen lässt, ist genau die Zahl, die Sie gleich verschicken.

Unser Vorgehen

01

Die Kurve modellieren, nicht das Ereignis

Das Modell sagt je Kunde eine Preiselastizitätskurve voraus: wie sich die Wahrscheinlichkeit zu gehen verändert, wenn die Erhöhung wächst. Ein Abwanderungsscore beschreibt eine Person. Eine Kurve beschreibt das Verhältnis zwischen einer Entscheidung, die Sie treffen, und einem Verhalten, das Sie nicht steuern.

02

Risiko und Höhe der Erhöhung kombinieren

Das prognostizierte Abwanderungsrisiko wird mit der Erhöhung kombiniert, die der Kunde tatsächlich bekommen würde. Daraus entsteht ein Raster aus Zellen. Jede Zelle trägt ihre eigene Kündigungsquote, ihren Anteil am Bestand und ihre Kundenzahl - der Vertrieb sieht also vor dem Versand, was eine bestimmte Erhöhung mit einer bestimmten Gruppe macht, und nicht erst danach.

Das Raster existiert, weil das Preissystem keinen individuellen Preis an einen einzelnen Haushalt senden konnte. Die Elastizität wurde je Kunde geschätzt; ausgeführt werden musste sie je Zelle, damit der Rollout etwas war, das Abrechnung und Pricing auch wirklich bedienen konnten. In dieser Lücke zwischen dem, was das Modell weiß, und dem, was das System umsetzen kann, steckt der größte Teil der Arbeit.

03

Die Erhöhung differenzieren, die Summe halten

Die Gruppen bestimmen, wie hoch die jeweilige Erhöhung ausfällt, nicht ob es eine gibt. Preisunempfindliche Kunden tragen mehr davon; die, deren Kurve steil abknickt, bekommen weniger oder nichts. Das Unternehmen holt den geplanten Umsatz - von den Leuten, die bleiben, um ihn zu zahlen.

04

Gas und Strom getrennt bepreist

Die beiden Kundenbestände verhalten sich unterschiedlich. Rechnungshöhen und Saisonalität unterscheiden sich, und Haushalte mit beiden Verträgen wägen das eine gegen das andere ab, bevor sie entscheiden, ob der Wechsel den Nachmittag wert ist.

Ergebnisse

1,2 Mio. €
Zusätzlicher Umsatz pro Jahr
68 %
Weniger Abwanderung bei Preiserhöhung

Die beiden Zahlen sind derselbe Mechanismus von zwei Seiten: Die Kunden, die gegangen wären, behielten ihre Versorgung - und die, die ohnehin geblieben wären, wurden nicht länger dafür zu günstig bepreist.

Das Raster entschied auch eine Diskussion. Die Gruppe mit dem geringsten Risiko bewegte sich über die gesamte Spanne der Erhöhungen kaum; die Gruppe mit dem höchsten Risiko stieg oberhalb der obersten Stufe deutlich an.

Diese Asymmetrie ist der Business Case. Bei der einen Gruppe ist Luft, bei der anderen eine Kante - ein einziger Prozentsatz sieht keines von beidem.

Bevor Sie anfangen

Dafür braucht es eine Historie echter Preisänderungen und dessen, was die Kunden danach getan haben. War jede Erhöhung für alle gleich, gibt es nichts zu lernen - dann ist der ehrliche erste Schritt eine bewusst variierte Erhöhung in einem Segment, kein Modell.

Und klären Sie, was Ihr Preissystem überhaupt ausführen kann, bevor jemand eine Kurve schätzt. Unseres konnte nicht je Haushalt bepreisen, und das bestimmte die Form der gesamten Lösung. Das Modell ist der einfache Teil.

Umgesetzt von unserem Gründungsteam in leitender Rolle bei einer führenden Unternehmensberatung. Dies ist die Erfahrung, die wir in ProDataAI-Projekte einbringen.

Ähnliche Ergebnisse für Ihr Unternehmen?

Sprechen wir darüber, was in Ihrem konkreten Umfeld möglich ist.

Termin vereinbaren →