Skip to content

So identifizieren Sie gefährdete Accounts vor der Verlängerung mit quellenübergreifender Analyse

Verlassen Sie sich bei der Abwanderungsprognose nicht länger auf Ihr Bauchgefühl. Verbinden Sie Ihre Daten aus CRM, Produktnutzung, Support und Engagement. Querri bringt die Accounts ans Licht, die vor der Verlängerung Aufmerksamkeit brauchen — mit den Daten, die erklären, warum.

Querri öffnen

Was Sie brauchen

Querri (Kostenlose Testversion) um Ihre Datenquellen zu verbinden, die Risikoanalyse auszuführen und Accounts zu bewerten

CRM-Daten — HubSpot oder Salesforce mit Account-Datensätzen, Verlängerungsdaten, Vertragswerten und Health-Score-Feldern, sofern verfügbar

Produktnutzungsdaten — CSV oder Datenbank mit Login-Häufigkeit, Funktionsnutzung, Sitzungsdauer oder Aktivitätskennzahlen pro Account

Verlauf der Support-Tickets — CSV aus Zendesk, Intercom oder Freshdesk mit Ticketanzahl, Kategorien, Stimmung und Bearbeitungszeiten

Optional: NPS-/CSAT-Umfragedaten — CSV mit Bewertungen und Antwortdaten pro Account

Kostenlose Ressourcen

Starten Sie hier Ihre kostenlose Testversion →

Beispieldatensätze

CRM- und Verlängerungsdaten Produktnutzungskennzahlen Support-Tickets Engagement-Protokolle

Brauchen Sie Hilfe?

Bei Fragen können Sie eine Demo anfordern oder unserem Team eine E-Mail schreiben.

Bevor wir beginnen

Die meisten CSMs und Verlängerungsverantwortlichen verlassen sich bei der Abwanderungsprognose auf nachlaufende Indikatoren oder einen einzigen Health Score. Das Problem: Diese Scores übersehen kumulierende Risiken, die sich über mehrere Systeme verteilen. Ein Account kann eine stabile Nutzung aufweisen, aber gleichzeitig steigende Support-Tickets und einen einbrechenden NPS. Jedes Signal weist auf ein anderes Problem hin, und nichts davon taucht im CRM auf.

Dieses Playbook zeigt Schritt für Schritt, wie Sie Signale aus CRM, Nutzung, Support und Engagement zu einer kombinierten Risikoansicht verbinden, damit Sie gefährdete Accounts vor der Verlängerung erkennen, verstehen, was das Risiko antreibt, und gezielte Maßnahmen ergreifen, statt zu raten.

So funktioniert es:

  • • Verbinden oder laden Sie CRM-, Nutzungs-, Support- und Engagement-Daten in Querri
  • • Filtern Sie auf Accounts, die in den nächsten 60–90 Tagen verlängern
  • • Markieren Sie Risikosignale — sinkende Logins, steigende Tickets, veraltete CSM-Kontaktpunkte — über alle Quellen hinweg
  • • Ordnen Sie Accounts nach kombiniertem Risiko, damit Ihr Team weiß, worauf es sich konzentrieren soll
  • • Exportieren Sie die Risikoliste als CSV oder erstellen Sie ein Dashboard für die wöchentliche Überwachung

Folgen Sie den Schritten

Querri öffnen →
1 Schritt 1:

Verbinden Sie Ihre Kundendatenquellen

Beginnen Sie damit, Ihre CRM-Daten mit Verlängerungsdaten und Vertragswerten, Produktnutzungskennzahlen, den Verlauf der Support-Tickets und optional NPS-/Umfragedaten in die Querri Library zu verbinden oder hochzuladen. Jede Quelle erhält ihren eigenen Datensatz; Querri profiliert und bereitet die Daten automatisch auf.

Wenn Ihre Systeme eine direkte Datenverbindung unterstützen, sehen Sie sich die Integrationsseite von Querri an. Verbundene Quellen halten die Risikosignale ohne manuelle Exporte aktuell, sodass die Überwachung Ihrer gefährdeten Accounts stets auf dem neuesten Stand bleibt, sobald neue Daten eintreffen.

Minimal erforderliche Quellen: CRM mit Verlängerungsdaten plus mindestens ein Verhaltenssignal (Nutzung oder Support). NPS- und Abrechnungsdaten machen das Risikomodell stärker.

2 Schritt 2:

Filtern Sie auf Accounts, die in den nächsten 60–90 Tagen verlängern

Ziehen Sie zuerst Ihre Verlängerungs-Pipeline. Filtern Sie auf die Accounts, die tatsächlich kurz vor der Verlängerung stehen, damit Sie die Risikoanalyse nicht auf Accounts ausführen, deren Verlängerung erst in einem Jahr ansteht. Dies ist die Arbeitsliste, auf der die restliche Analyse aufbaut.

Prompt

"Zeig mir alle Accounts mit Verlängerungsdaten in den nächsten 90 Tagen. Schließe Account-Name, Verlängerungsdatum, Vertragswert, zuständigen CSM und aktuelle Plan-Stufe ein."

Warum 60–90 Tage? Wenn Sie die Risikoprüfung ein volles Quartal vor der Verlängerung beginnen, haben Sie genug Vorlauf, um einzugreifen. Kürzere Zeitfenster lassen zu wenig Zeit, damit Rettungsmaßnahmen wirken. Passen Sie das Zeitfenster an die Länge Ihres Vertriebszyklus an.

3 Schritt 3:

Markieren Sie Risikosignale über alle Quellen hinweg

Ziehen Sie nun die Verhaltenssignale: sinkende Logins, steigendes Support-Ticket-Volumen, veraltetes Engagement. Hier zahlt sich die quellenübergreifende Analyse aus. Kein einzelnes System hat das vollständige Bild, und keine einzelne Kennzahl sagt Ihnen, ob ein Account tatsächlich in Schwierigkeiten steckt.

Prompt

"Zeig mir für jeden verlängernden Account den 90-Tage-Trend bei Logins, geöffneten Support-Tickets und letztem CSM-Kontaktpunkt. Markiere alle Accounts, bei denen die Logins um mehr als 20% gesunken sind, die Tickets um mehr als 30% gestiegen sind oder in den letzten 45 Tagen kein CSM-Kontakt stattgefunden hat."

Warum quellenübergreifend? Ein Nutzungsrückgang allein könnte saisonal bedingt sein. Ein Nutzungsrückgang plus ein Anstieg der Support-Tickets plus kein kürzlicher CSM-Kontaktpunkt ist ein kumulierendes Risikomuster, das Sie aus einem einzelnen System niemals erkennen würden.

💡

Querri übernimmt die Verknüpfungen automatisch. Sie müssen keine Schemata definieren oder angeben, welche Felder übereinstimmen sollen — stellen Sie die Frage einfach in natürlicher Sprache. Querri findet selbst heraus, wie sich Ihre Daten aus CRM, Nutzung, Support und Engagement verbinden lassen.

4 Schritt 4:

Ordnen Sie Accounts nach kombiniertem Risiko

Einzelne Signale sind nützlich, aber im großen Maßstab schwer umsetzbar. Sortieren Sie Ihre Verlängerungsliste nach den Accounts mit dem größten kumulierenden Risiko, damit Ihr Team weiß, wo es seine Zeit zuerst einsetzen sollte.

Prompt

"Sortiere nach den Accounts mit dem stärksten Nutzungsrückgang und den meisten offenen Tickets. Zeig mir die Top-20-Accounts nach Gesamtrisiko, mit Spalten für: Nutzungstrend, Ticketanzahl, Tage seit dem letzten CSM-Kontakt, Vertragswert und Verlängerungsdatum."

Priorisieren Sie nach Auswirkung, nicht nur nach Schweregrad. Ein Hochrisiko-Account mit 5.000 USD ist weniger wichtig als ein Account mit moderatem Risiko und 200.000 USD. Gewichten Sie den Vertragswert in der Rangfolge, damit sich Ihr Team auf die Verlängerungen konzentriert, die wirklich zählen.

5 Schritt 5:

Exportieren Sie die Risikoliste oder erstellen Sie ein Überwachungs-Dashboard

Bringen Sie die priorisierte Risikoliste aus Querri in den Arbeitsablauf Ihres Teams. Exportieren Sie sie als CSV oder erstellen Sie ein Querri-Dashboard, das das CS-Team jede Woche aufrufen kann. So oder so ist das Ziel dasselbe: gefährdete Accounts sichtbar machen, bevor die Verlängerungsgespräche beginnen.

Der beste Schutz für eine Verlängerung ist kein Last-Minute-Rabatt. Es ist ein frühes, datengestütztes Gespräch mit dem Kunden darüber, was nicht funktioniert, und ein konkreter Plan, um es zu beheben.

Automatisieren Sie den Rhythmus. Stellen Sie diesen Arbeitsablauf so ein, dass er wöchentlich oder zweiwöchentlich läuft, damit neue Risikosignale automatisch auftauchen. Accounts werden nicht über Nacht gefährdet. Die Warnzeichen bauen sich allmählich auf, und sie früh zu erkennen, ist der eigentliche Sinn der quellenübergreifenden Überwachung.

💡

Machen Sie es zur Team-Gewohnheit. Teilen Sie den Dashboard-Link mit Ihrem CS-Team und besprechen Sie die Liste der gefährdeten Accounts in Ihrem wöchentlichen Standup. Wenn die Risikoüberwachung zu einem wiederkehrenden Ritual statt einer einmaligen Analyse wird, erkennen Sie Probleme Wochen früher.

Tiefer einsteigen

Fügen Sie prädiktive Signale hinzu und automatisieren Sie die Überwachung

Die fünf Schritte oben liefern Ihnen eine zeitpunktbezogene Risikobewertung aus strukturierten Daten. Wenn Sie prädiktive Tiefe hinzufügen möchten (Support-Stimmung, Erkennung von Abwanderungsmustern oder automatisierte Warnungen), eröffnen die Tools Researcher und Categorize drei zusätzliche Ebenen.

Researcher

Klassifizieren Sie Support-Tickets nach Stimmung und Eskalationsrisiko

Fügen Sie den Support-Daten eine Stimmungsebene hinzu, damit das Risikomodell nicht nur das Ticketvolumen, sondern auch den Frustrationsgrad des Kunden erfasst.

Prompt

"Füge jedem Support-Ticket der Accounts, die in den nächsten 90 Tagen verlängern, eine Spalte 'Stimmung' und 'Eskalationsrisiko' hinzu und klassifiziere anhand des Ticket-Texts und des Bearbeitungsverlaufs."

Researcher

Erkennen Sie frühe Abwanderungsmuster aus den Nutzungsdaten

Suchen Sie nach Nutzungsmustern, die historisch der Abwanderung vorausgehen: sinkende Login-Häufigkeit, schrumpfende Zahl aktiver Nutzer, aufgegebene Funktionen oder geringere Sitzungstiefe.

Prompt

"Analysiere die Nutzungsdaten der Accounts, die in Q3 verlängern. Identifiziere Accounts mit abwanderungskorrelierten Mustern: 3+ aufeinanderfolgende Monate sinkender MAU, Funktionsnutzung unter 40% oder kein Admin-Login in den letzten 30 Tagen."

Categorize

Versehen Sie gefährdete Accounts automatisch mit dem Risikotreiber

Versehen Sie jeden gefährdeten Account statt nur mit einem kombinierten Score mit seinem primären Risikotreiber, damit das Team weiß, welche Art von Rettungsmaßnahme angebracht ist.

Prompt

"Weise jedem Account in der Top-20-Risikoliste eine primäre Risikokategorie zu: Nutzungsrückgang, Support-Überlastung, Engagement-Abbruch, NPS-Einbruch oder Multi-Signal-Risiko. Zeig die Verteilung über die Kategorien."

Tipps für ein besseres Management des Verlängerungsrisikos

Beginnen Sie 90 Tage vor der Verlängerung mit der Überwachung, nicht erst 30

30 Tage vorher hat der Kunde seine Entscheidung in der Regel bereits getroffen. Ein 90-Tage-Fenster gibt Ihnen genug Zeit, um das Problem zu finden, einen Rettungsplan zu erstellen und Fortschritte zu zeigen, bevor jemand den Vertrag erwähnt. Dreißig Tage reichen, um einen Anruf zu vereinbaren. Sie reichen nicht, um etwas zu reparieren.

Gewichten Sie Ihr Risikomodell passend zu Ihren tatsächlichen Abwanderungsmustern

Generische Health Scores behandeln alle Signale gleich. Ihr Geschäft wandert nicht generisch ab. Wenn die Accounts, die Sie verlieren, in der Regel zuerst einen Nutzungsrückgang zeigen, gewichten Sie die Nutzung am höchsten. Wenn ein NPS-Einbruch in Ihrem Segment das stärkere Signal ist, stellen Sie ihn voran. Das Modell ist nur so nützlich, wie es abbildet, wie sich Ihre Accounts vor der Abwanderung tatsächlich verhalten.

Markieren Sie das Risiko nicht nur — erklären Sie, warum

Ein Risiko-Score ohne Kontext ist nichts, worauf ein CSM reagieren kann. Der Drill-down-Schritt ist wichtiger als der Score. Wenn Sie Risikoergebnisse mit dem Team teilen, nennen Sie den primären Treiber und die unterstützenden Daten, nicht nur einen roten Punkt auf einem Dashboard.

Automatisieren Sie den Überwachungsrhythmus

Manuelle Risikoprüfungen finden statt, wenn jemand daran denkt, sie durchzuführen. Stellen Sie den Arbeitsablauf auf einen wöchentlichen oder zweiwöchentlichen Rhythmus ein, damit neue Signale automatisch auftauchen und zwischen den QBRs nichts durchrutscht.

Trennen Sie Signal von Rauschen mit quellenübergreifender Validierung

Eine einzelne Kennzahl, die sich in die falsche Richtung bewegt, könnte saisonal sein. Wenn die Nutzung sinkt, während die Tickets in die Höhe schnellen und der letzte CSM-Kontaktpunkt sechs Wochen zurückliegt, ist das kein Rauschen. Die Übereinstimmung mehrerer Quellen trennt ein echtes Risikosignal von einem Ausreißer.

Schließen Sie den Kreis: verfolgen Sie die Ergebnisse der Rettungspläne

Das Modell wird besser, wenn Sie die Ergebnisse zurückführen. Verfolgen Sie, welche Maßnahmen funktioniert haben und welche nicht. Mit der Zeit zeigen Ihnen diese Daten, ob Produktschulungen die Akzeptanz tatsächlich steigern, ob ein Check-in auf Führungsebene das Engagement verschiebt und welche Account-Profile es wert sind, dafür zu kämpfen, und welche bereits verloren sind.

Häufig gestellte Fragen

Wie früh vor der Verlängerung sollten Sie damit beginnen, Accounts auf Risikosignale zu überwachen?
Mindestens 90 Tage vorher. Risikosignale bauen sich allmählich auf: sinkende Nutzung, zunehmende Reibung mit dem Support, Engagement-Rückgänge. Nichts davon passiert über Nacht. Nach 30 Tagen hat sich der Kunde in der Regel bereits entschieden. Ein 90-Tage-Fenster gibt Ihrem Team Zeit, das Problem zu finden, zu verstehen, was es antreibt, eine Maßnahme zu entwickeln und Fortschritte zu zeigen, bevor jemand den Vertrag erwähnt. Je früher Sie die Warnzeichen erkennen, desto mehr Optionen haben Sie.
Welche Datenquellen sind für die Erkennung gefährdeter Accounts am wichtigsten?
Beginnen Sie mit CRM-Daten (Verlängerungsdaten und Vertragswerte) plus mindestens einem Verhaltenssignal: Produktnutzungskennzahlen (Login-Häufigkeit, Trends aktiver Nutzer) oder Verlauf der Support-Tickets (Ticketvolumen und Bearbeitungszeiten). NPS- oder CSAT-Umfragedaten machen das Modell stärker. Jede Quelle zeigt eine andere Dimension — die Nutzung zeigt die Akzeptanz, der Support bringt Reibung ans Licht, der NPS erfasst, wie sich der Kunde tatsächlich fühlt. Je mehr Signale Sie kombinieren, desto klarer wird das Bild.
Worin unterscheidet sich die quellenübergreifende Analyse von einem einzelnen Health Score?
Ein einzelner Health Score verdeckt die Geschichte hinter der Zahl. Ein Account könnte bei einem generischen Score 'gelb' erscheinen, während er in Wirklichkeit drei separate Probleme zeigt: sinkende Nutzung (Akzeptanz), in die Höhe schnellende Support-Tickets (Qualität) und einen einbrechenden NPS (Zufriedenheit). Jedes weist auf eine andere Grundursache hin und erfordert eine andere Reaktion. Die quellenübergreifende Analyse sagt Ihnen, welche Signale sich bewegen und in welche Richtung. Das ist der Unterschied zwischen dem Wissen, dass ein Account gefährdet ist, und dem Wissen, warum — und das Warum ist der einzige Teil, der Ihnen tatsächlich hilft, ihn zu retten.
Kann dieser Arbeitsablauf so automatisiert werden, dass er wöchentlich oder zweiwöchentlich läuft?
Ja. Stellen Sie ihn auf einen wiederkehrenden Rhythmus ein, damit neue Risikosignale automatisch auftauchen, statt darauf zu warten, dass jemand daran denkt, die Analyse auszuführen. Querri kann die Daten aktualisieren, Accounts neu bewerten und Accounts markieren, deren Risikoprofil sich seit der letzten Woche verändert hat.
Was sollten Sie tun, sobald Sie einen gefährdeten Account identifiziert haben?
Beginnen Sie damit, zu verstehen, was das Risiko antreibt. Nutzungsrückgang, Support-Überlastung und Engagement-Abbruch erfordern jeweils eine andere Reaktion — und ein generischer Rabatt behebt selten eines davon. Sobald Sie die Grundursache kennen, erstellen Sie einen gezielten Rettungsplan: Produktschulung, wenn die Akzeptanz das Problem ist, eine Qualitätseskalation, wenn der Support das Signal ist, ein Check-in auf Führungsebene, wenn das Engagement verstummt ist. Teilen Sie die Analyse und den Plan mit dem gesamten Account-Team, damit alle vom selben Bild ausgehen. Verfolgen Sie dann, was passiert. Die Maßnahmen, die funktionieren (und die, die es nicht tun), sind der Weg, auf dem das Modell mit der Zeit besser wird.

Weitere beliebte Ressourcen

Playbook

Erstellen Sie ein QBR-Deck in Minuten

Stellen Sie aus Live-Kundendaten eine ausgefeilte QBR-Präsentation zusammen.

Playbook

Messen Sie die Zeit bis zur ersten Antwort

Berechnen Sie die FRT pro Ticket und ordnen Sie Agenten nach Verstoßquote.

Demo

Fordern Sie eine Vorführung an

Erleben Sie Querri in Aktion mit den Daten Ihrer eigenen Kunden.

Beispiele

Durchstöbern Sie alle Anwendungsfälle

Entdecken Sie, wie andere Teams Querri für die Datenanalyse nutzen.