M365Con 2027 – die kostenlose Online-Konferenz · 11–22 Jan 2027 · 120 sessions m365con.net

Churn prediction

Konzept

Churn-Prognose nutzt KI-Modelle, um abzuschätzen, wie wahrscheinlich es ist, dass ein Kunde aufhört zu kaufen, kündigt oder sich zurückzieht, als Signal dafür, wo ein Team zuerst hinschauen sollte.

✦ KONZEPTChurn predictionM365.FM
Titelbild: Churn prediction (Konzept)

Ebenfalls besprochen

In der Folge zu Churn prediction geht es auch um Semantic link (Microsoft Fabric), Semantic Link Labs, Copilot in Power BI, Prep data for AI, Power BI Premium und Object-level security (OLS).

Beschreibung

Churn-Prognose ist eine Technik der prädiktiven Analytik, bei der KI-Modelle abschätzen, wie wahrscheinlich es ist, dass ein Kunde aufhört zu kaufen, kündigt oder sich zurückzieht. Das Ergebnis ist ein Signal und kein Urteil: Es zeigt an, wo ein Vertriebs-, Service- oder Marketingteam zuerst hinschauen sollte, damit jemand handeln kann, bevor ein Kunde tatsächlich verloren geht. Im Microsoft-Ökosystem taucht das Konzept in Dynamics 365, Azure und der Power Platform auf.

Die M365.FM-Episoden erwähnen Churn-Prognose meist als einen Anwendungsfall innerhalb einer größeren Reihe von KI-Funktionen. In "The Human Side of CRM with Thomas Sandsør [MVP]" wird sie neben Lead-Scoring, Kundensegmentierung, Produktempfehlungen, dynamischer Preisgestaltung und Bedarfsprognosen als Funktion der prädiktiven Analytik in Dynamics 365 aufgeführt. Die Episode sagt, dass Churn-Prognose einem Team erlaubt, zu handeln, bevor es einen Kunden verliert, und dass prädiktive Analytik allgemein hilft, die richtigen Personen gezielt anzusprechen und Kunden zu erkennen, die abwandern könnten.

In "Azure AI Infrastructure Architecture for C-Level Leaders" wird Churn-Prognose in der Zeile zu Azure Machine Learning einer Übersicht über Azure-KI-Dienste eingeordnet. Dort wird Azure Machine Learning als Dienst für das Training und die Entwicklung von ML-Modellen beschrieben, wobei die Kundenabwanderungsprognose neben vorausschauender Wartung, Betrugserkennung und Bedarfsprognosen als Anwendungsfall genannt wird. Damit erscheint Churn-Prognose als Aufgabe des Modellaufbaus: Historische Kundendaten werden genutzt, um ein Modell zu trainieren, das Kunden künftig bewertet.

Die Episode "Segment Customers with Dynamics 365 Customer Insights" verbindet Churn-Prognose mit Segmentierung und Aktivierung. Sie nennt Churn-Prognose unter den Schlagwörtern für den Aufbau dynamischer Segmente aus Verhaltens- und Transaktionsdaten, zusammen mit Engagement-Scoring und Upselling-Signalen. Ziel ist es, diese Segmente über Marketing, Vertrieb und Power Automate zu aktivieren und generische Listen durch echtzeitnahes, absichtsbasiertes Targeting zu ersetzen. In diesem Zusammenhang ist ein Abwanderungssignal nicht nur eine Zahl auf einem Dashboard; es kann ein Segment speisen, das eine Folgeaktion auslöst.

In "Build Intelligent Power Apps with AI Builder" wird Churn-Prognose unter Sales/RevOps-Szenarien genannt, zusammen mit Lead-Scoring und Next-Best-Action in modellgetriebenen Apps. Dieselbe Episode listet typische Stolperfallen für KI-Modelle auf, die direkt für Churn-Modelle gelten: unübersichtliche Trainingsdaten, für die sie einen Labeling-Leitfaden, Deduplizierung, ausgewogene Klassen und eine Validierungsaufteilung empfiehlt, sowie Einmal-und-fertig-Modelle, für die sie einen regelmäßigen Neutrainingsrhythmus und die Beobachtung von Drift vorschlägt.

Zusammengenommen beschreiben die Episoden ein typisches Entscheidungsmuster. Ein Team legt fest, wo das Modell lebt (etwa Azure Machine Learning für individuelles Training oder KI-Funktionen innerhalb von Dynamics 365 und AI Builder), bestimmt, welche Daten das Kundenverhalten und die Transaktionen beschreiben, und definiert, was passiert, wenn ein Kunde markiert wird, etwa ein Segment, ein Workflow in Power Automate oder ein Hinweis für einen Verkäufer. Datenqualität und laufendes Neutraining sind die wiederkehrenden Warnungen, denn ein Churn-Score ist nur so nützlich wie die Daten und die Pflege dahinter.

Überblick, mit KI aus M365.FM-Folgen und den Fakten dieser Seite zusammengestellt. Du kannst ihn unten über „Bearbeiten“ verbessern.

TypKonzept

Häufige Fragen

Mit KI markierte Fragen wurden mit KI aus den Fakten dieser Seite geschrieben.

Was macht Churn-Prognose? (KI)

Sie nutzt KI-Modelle, um abzuschätzen, wie wahrscheinlich es ist, dass ein Kunde aufhört zu kaufen, kündigt oder sich zurückzieht. Die Schätzung zeigt einem Team, wo es zuerst hinschauen sollte, damit es handeln kann, bevor der Kunde verloren geht.

Wo taucht Churn-Prognose laut den Episoden im Microsoft-Ökosystem auf? (KI)

Die Episoden erwähnen sie in der prädiktiven Analytik von Dynamics 365, in Azure Machine Learning als Anwendungsfall für das Modelltraining, in der Segmentierung mit Dynamics 365 Customer Insights und in AI-Builder-Szenarien für Sales/RevOps.

Welche Stolperfallen nennen die Episoden für KI-Modelle wie die Churn-Prognose? (KI)

Die AI-Builder-Episode nennt unübersichtliche Trainingsdaten und Einmal-und-fertig-Modelle und empfiehlt einen Labeling-Leitfaden, Deduplizierung, ausgewogene Klassen, eine Validierungsaufteilung und einen regelmäßigen Neutrainingsrhythmus.

Glossar

Community-Wiki

Oben die Kurzinfo, unten das Wissen der Community: ergänze praktische Tipps, Beispiele oder Korrekturen. Neue Beiträge werden zuerst geprüft, bewährte Mitglieder veröffentlichen direkt.

Experten und Firmen zu diesem Thema

Dieses Thema hat noch niemand im Profil angegeben. Trag es in deinem Profil ein.

Gepflegt von Mirko Peters (Microsoft MVP) · Zuletzt aktualisiert: