Proaktives Kundenbindungsmanagement im Werbeartikelhandel: Entwicklung eines Machine-Learning-Modells zur Prognose von Kundenabwanderungen

Proactive Customer Retention Management in Promotional Products Distribution: Implementation of a Machine Learning Model for Customer Churn Prediction

Jan Schemm (), Christian Schwarz () and Marc Stickrodt ()
Additional contact information
Jan Schemm: Department of Economics of the Duesseldorf University of Applied Sciences
Christian Schwarz: Department of Economics of the Duesseldorf University of Applied Sciences
Marc Stickrodt: WER GmbH

Duesseldorf Working Papers in Applied Management and Economics from Duesseldorf University of Applied Sciences

Abstract: Die Arbeit entwickelt systematisch ein Machine-Learning-Modell zur Prognose von Kundenabwanderungen im Werbeartikelhandel. Im Fokus steht die WER GmbH, ein mittelständischer Werbeartikelhändler, der jährlich signifikante Umsatzverluste durch Kundenabwanderung in der Streckenabwicklung verzeichnet und diese durch effektive Bindungsmaßnahmen reduzieren möchte. Die Ausgangsbasis für ein proaktives Kundenbindungsmanagement bildet ein Modell zur Identifikation abwanderungsgefährdeter Kunden. Das in einem Vergleich von insgesamt 15 Verfahren ausgewählte heterogene Machine-Learning-Ensemble nutzt eine Vielzahl transaktions-, leistungs-, kunden- und interaktionsbezogener Merkmale und liefert signifikant bessere Abwanderungsprognosen als einfachere Vergleichsverfahren. Zusätzlich zur inhaltlichen Interpretation des Modells und der relevantesten Merkmale beschreibt die Arbeit die praktische Integration in den Geschäftsablauf des Unternehmens. Sie liefert damit eine empirische Fallstudie zur Entwicklung eines Abwanderungsprognosemodells in nicht-vertraglichen B2B-Kundenbeziehungen und demonstriert die Leistungsfähigkeit datengetriebener Verfahren des maschinellen Lernens in der praktischen Anwendung.

Keywords: Maschinelles Lernen; Kundenforschung; Kundenbeziehungsmanagement; Abwanderungsprognose; Machine Learning; Business-to-Business; Churn Prediction (search for similar items in EconPapers)
JEL-codes: G20 M39 (search for similar items in EconPapers)
Pages: 62 pages
New Economics Papers: this item is included in nep-big and nep-ger
References: View references in EconPapers View complete reference list from CitEc
Citations:

Published in Forschungsberichte des Fachbereichs Wirtschaftswissenschaften der Hochschule Duesseldorf, 2024,60 ISSN 2365-3361

Downloads: (external link)
https://nbn-resolving.org/urn:nbn:de:hbz:due62-opus-46335 (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:ddf:wpaper:60

Access Statistics for this paper

More papers in Duesseldorf Working Papers in Applied Management and Economics from Duesseldorf University of Applied Sciences
Bibliographic data for series maintained by Stefanie Soehnitz ().