Was sind die heutigen und künftigen Kunden eines Unternehmens wert?

Ein wachsendes Unternehmen weist oft einen Verlust aus: Sein Gewinn sagt wenig über seinen Wert, und ein Gewinnmultiplikator wird unbrauchbar ^[C10]. Gupta, Lehmann und Stuart schlagen vor, seine Kunden zu bewerten, die heutigen und die, die es noch gewinnen wird, und zwar aus vier Größen: Marge pro Kunde, Bindungsrate, Akquisitionskosten und Tempo der Neukundengewinnung ^{[C02, C03, C15]}. Das ist der Wert des Kundenstamms (Customer Equity); er nähert den Unternehmenswert an, soweit die Kunden dessen wesentlichen Teil ausmachen ^{[C01, C77]}.

Das Programm der Seite reproduziert zuerst den veröffentlichten Fall: Allein aus den Eingaben der Autoren, mit einer Kalenderkonvention, die gewählt werden musste, findet es den Kundenwert von Amazon, Ameritrade, eBay und E∗Trade im März 2002 wieder sowie seine Empfindlichkeit gegenüber Bindungsrate, Marge und Akquisitionskosten; Capital One findet es nicht wieder. Dann bewertet die Methode bei einem synthetischen Onlinehändler, dessen Daten aus dem Modell selbst gezogen sind, mit der wahren Bindungsrate und ohne Abwanderung vor dem ersten Quartal, den Kundenstamm mit 223,73 Mio. €, gegenüber 214,33 Mio. €, berechnet mit der wahren Kurve: +4,4 %, eine Abweichung in der Größenordnung des Zufalls. Nur die heutigen Kunden zu zählen, unterschätzt ihn um 27,7 %; die Abkürzung über die „durchschnittliche Lebensdauer“ überschätzt ihn um 34,3 %; eine zu früh, vor ihrem Gipfel geschätzte Kurve der Neukundengewinnung bleibt nur in 30 von 100 Ziehungen innerhalb von 20 % der Referenz. Die Bindungsrate von 80 % auf 80,8 % zu heben, also relativ um 1 % zu verbessern, erhöht hier den Wert des Kundenstamms um 3,75 %; die Akquisitionskosten um 1 % zu senken, erhöht ihn um 0,12 % — ohne die Kosten der jeweiligen Verbesserung.

Ein Onlineshop für Wanderausrüstung veröffentlicht jedes Quartal die Zahl seiner aktiven Kunden. Er gewinnt schnell Kunden: 35.972 zu Beginn, 1.070.589 sechzehn Quartale später. Jeder aktive Kunde bringt ihm eine Marge von 12 € pro Quartal; einen Kunden zu gewinnen, kostet ihn 40 € Marketing; 80 % der Kunden eines Jahres sind im folgenden Jahr noch da. Dennoch weist der Shop einen Verlust aus: Seine Fixkosten übersteigen zusammen mit den als Aufwand verbuchten Ausgaben für die Neukundengewinnung noch seine Marge.

Die Geschäftsleitung bereitet eine Finanzierungsrunde vor und muss zwei Fragen beantworten: Was ist ihr Kundenstamm wert, die noch nicht gewonnenen Kunden eingerechnet? Und lohnt es sich, um ihn wachsen zu lassen, eher die Akquisitionskosten zu senken, die Marge zu verbessern oder die Kunden besser zu halten?

Die Daten der Seite sind synthetisch. Die kumulierte Zahl der Kunden, die mindestens einmal gekauft haben, folgt einer S-Kurve mit der Obergrenze 2.000.000, deren Neukundengewinnung im Quartal 13,33 ihren Gipfel erreicht; die Neukunden jedes Quartals werden mit einem Rauschen von etwa 10 % beobachtet.

Was ist heute die Summe der künftigen Margen aller Kunden wert, der heutigen und der künftigen, abzüglich der Akquisitionskosten der künftigen ^{[C15, C21]}? Die Akquisitionskosten der heutigen Kunden sind bereits ausgegeben: Sie zählen nicht mehr ^[C30]. Die Schwierigkeit ist doppelt. Die Zahl der künftigen Kunden wird nicht beobachtet: Die Kurve der Neukundengewinnung muss fortgeschrieben werden. Und die Bindungsrate, die Größe mit dem stärksten Gewicht, wird selten veröffentlicht ^[C31]: Die Autoren beziehen sie von Analysten, von einem Experten oder aus einem Branchendurchschnitt ^{[C32, C33, C34, C35]}.

Drei verbreitete Abkürzungen:

• Nur die heutigen Kunden zählen. Die Kundenzahl mit dem Wert eines Kunden zu multiplizieren, vergisst die Kunden, die das Unternehmen noch gewinnen wird, und was ihre Gewinnung kosten wird. Die Autoren bewerten stattdessen den heutigen und künftigen Kundenstamm ^[C15].
• Die „durchschnittliche Lebensdauer“. Bei einer jährlichen Bindungsrate von 80 % bleibt ein Kunde im Mittel fünf Jahre: Man zinst dann fünf volle Jahre Marge ab. Die Autoren zeigen, dass diese Methode den Wert überschätzt ^[C18]: Bei einer Jahresmarge von 100 $, 80 % Bindungsrate und 12 % Diskontsatz ergibt sie 360 $ statt 250 $, etwa 44 % zu viel ^{[C19, C20]}. Ein großer Teil dieser Abweichung ist eine Frage des Kalenders: Die 250 $ zählen die erste Marge erst nach einem Jahr Verbleib, während die Abkürzung sie als sicher zählt. Bei gleichem Kalender beträgt der richtige Wert 312,50 $, und der Überschuss sinkt auf 15,4 %: Das kostet es allein, jeden Kunden so zu behandeln, als bliebe er genau die mittlere Dauer.
• Eine Kurve der Neukundengewinnung zu früh fortschreiben. Um eine S-Kurve zu schätzen, muss ihr Wendepunkt beobachtet sein, der Zeitpunkt, an dem die Neukundengewinnung ihren Gipfel erreicht ^[C41]; davor werden die Parameter instabil ^[C42].

Die bloße Kundenzahl reicht ebenso wenig. In den Jahren 1999 und 2000 diente die Zahl der Kunden oder Besucher zur Bewertung von Internetunternehmen ^[C11]; ein Kunde ist jedoch nur so viel wert wie die Marge, die er hinterlässt, die Dauer, die er bleibt, und das, was er gekostet hat.

Der Wert eines Kunden ist die abgezinste Summe seiner künftigen Margen, solange er bleibt ^[C02]. Der Wert des Kundenstamms ist die Summe zweier Blöcke ^[C15]:

1. die heutigen Kunden: Jeder ist seine künftigen Margen wert; seine Akquisitionskosten sind bereits bezahlt ^[C30];
2. die künftigen Kunden: Eine S-Kurve schreibt die Neukundengewinnung fort; sie ähnelt im Grundgedanken dem Bass-Diffusionsmodell, ist aber bequemer zu berechnen ^[C24], und ihre Schätzungen sind nach Bass, Jain und Krishnan, die die Autoren zitieren, denen des Bass-Modells sehr ähnlich ^{[C25, C84]}. Jeder gewonnene Kunde bringt seine künftigen Margen abzüglich seiner Akquisitionskosten ^[C21], und der Wert jeder Kohorte wird auf heute abgezinst.

Die Bindungsrate wirkt doppelt: Sie bestimmt, wie lange die Kunden bleiben, und sie dient dazu, die Neukundengewinnung zu rekonstruieren. Ein Unternehmen veröffentlicht nur seine aktiven Kunden, also gewonnene minus abgewanderte: Mit 100.000 Kunden, dann 130.000, und 80 % Bindungsrate hat es 50.000 Kunden gewonnen, nicht 30.000 ^[C38]. Die Autoren modellieren daher die kumulierte Zahl der Kunden, die mindestens einmal gekauft haben, nicht den Nettozuwachs ^[C88]. Eine andere Bindungsrate anzunehmen heißt auch, eine andere Neukundengewinnung anzunehmen.

Die Autoren verwenden nur öffentliche Informationen, Geschäftsberichte und Börsenunterlagen, mit Ausnahme der Bindungsrate ^[C12]; ihre Methode dient daher auch Investoren, Analysten und Käufern, die keine internen Daten haben ^[C13]. Für jedes Quartal braucht man:

• die Zahl der aktiven Kunden;
• die Marge pro Kunde, einschließlich direkter Kosten, die das Unternehmen nicht immer abzieht, etwa für die Logistik ^[C26]; die Autoren nehmen den Durchschnitt der letzten vier Quartale ^[C27];
• die Akquisitionskosten: die Marketingkosten des Quartals geteilt durch die Zahl der gewonnenen Kunden ^[C28]. Ein Teil dieser Kosten dient dazu, Kunden zu halten, ohne dass er sich abtrennen ließe ^[C29];
• eine jährliche Bindungsrate, angegeben und begründet ^[C31], und einen jährlichen Diskontsatz: Die Autoren verwenden 12 %, die Mitte der Spanne von 8 % bis 16 % aus Finanzlehrbüchern ^{[C36, C37]}.

Außerdem braucht man genug Historie, um den Gipfel der Neukundengewinnung überschritten zu haben ^[C41].

Dieser Abschnitt richtet sich an Praktiker. Wer entscheidet, kann ihn überspringen und bei „Die offengelegte Berechnung“ weiterlesen: Der Satz „Kurz gesagt“ an seinem Ende genügt.

• t: die Zeit in Quartalen; t = 1 für das erste beobachtete Quartal, t = 0 für den Kundenbestand davor; T: das Bewertungsquartal, hier 16.
• N(t) = α / (1 + exp(−β − γt)): die kumulierte Zahl der Kunden, die mindestens einmal gekauft haben ^[C24]. α ist die Obergrenze dieser Kurve, die Gesamtzahl der Kunden, die das Unternehmen jemals gewinnen wird; β legt sie zeitlich fest; γ bestimmt ihre Steigung.
• n(t) = αγ exp(−β − γt) / (1 + exp(−β − γt))²: die Zahl der pro Quartal gewonnenen Kunden zum Zeitpunkt t, also die Steigung von N(t); sie erreicht bei t = −β / γ ihren Gipfel.
• A_t: die aktiven Kunden am Ende des Quartals t. r: die jährliche Bindungsrate; r_q = r^(1/4): die vierteljährliche Bindungsrate, die, viermal hintereinander angewandt, r ergibt. i: der jährliche Diskontsatz; i_q = (1 + i)^(1/4) − 1: der vierteljährliche Satz, der, viermal aufgezinst, i ergibt. Dieser Übergang zu Quartalsraten ist eine Konvention der Seite; die Autoren geben ihn nicht an.
• Rekonstruierte Neukunden: n_t = A_t − r_q × A_(t−1); kumuliert N_t = N_(t−1) + n_t, mit N_0 = A_0, also ohne Abwanderung vor dem ersten Quartal ^{[C38, C88]}. α, β und γ werden mit nichtlinearen kleinsten Quadraten auf N_0, …, N_T geschätzt ^[C39].
• m: die Marge pro aktivem Kunden und Quartal; c: die Akquisitionskosten pro gewonnenem Kunden.
• Der Horizont ist unendlich: Bindungsrate und Abzinsung lassen ferne Margen viel weniger wiegen ^[C17].
• Wert eines Kunden ab dem nächsten Quartal: LV = m × r_q / (1 + i_q − r_q), die Summe der m × r_q^k / (1 + i_q)^k für k ≥ 1: jede künftige Marge, gewichtet mit der Wahrscheinlichkeit, dass der Kunde noch da ist, dann abgezinst. Das ist die Formel aus dem Beispiel der Autoren: 100 × 0,8 / (1,12 − 0,8) = 250 ^[C19]. Ihre Gleichung (2), ab t = 0 geschrieben, ergäbe 350; die Seite folgt ihrem Beispiel und der Konvention, die ihre Werte reproduziert.
• Wert des Kundenstamms im Quartal T: V = A_T × LV + ∫ n(s) × (LV − c) × (1 + i_q)^−(s − T) ds, das Integral über den Gewinnungszeitpunkt s von T bis unendlich. Der erste Term gilt für die heutigen Kunden, der zweite für die künftigen ^{[C15, C21, C30]}. Die Autoren schreiben den Term der heutigen Kunden nicht in dieser Form: Er ist eine Rekonstruktion, die durch die Reproduktion ihrer Werte bestätigt wird. Anschließend wenden sie 38 % Steuern an, um den Unternehmenswert anzunähern ^[C23]; die Seite gibt Werte vor Steuern an, außer bei der Reproduktion ihres Falls.
• Abkürzung über die Lebensdauer: Jeder Kunde ist die Jahresmarge 4m wert, abgezinst über 1 / (1 − r) volle Jahre, wobei die erste Marge am Ende des ersten Jahres gezählt wird ^{[C18, C20]}.
• Elastizität: relative Veränderung von V, wenn sich eine Eingabe um 1 % ihres Werts verbessert, bei festgehaltener Kurve — Bindungsrate mal 1,01, Marge mal 1,01, Akquisitionskosten und Diskontsatz mal 0,99. In diesem Modell ist die Elastizität bezüglich der Marge stets 1 plus die Elastizität bezüglich der Akquisitionskosten.

Kurz gesagt: Der Wert des Kundenstamms ist der Wert der heutigen Kunden plus der Wert der künftigen Kunden abzüglich dessen, was ihre Gewinnung kosten wird; die Bindungsrate bestimmt zugleich, wie lange sie bleiben und wie viele Kunden das Unternehmen gewonnen hat.

1. Prüfung des Codes am veröffentlichten Fall. Beide Programme berechnen den Kundenwert der fünf Unternehmen der Autoren, ermittelt aus öffentlichen Daten ^[C04], zum 31. März 2002 neu, aus deren Eingaben: Kunden, Quartalsmarge, Akquisitionskosten und Bindungsrate aus ihrer Tabelle 1 ^{[C60, C65, C66, C67, C68]}, Kurvenparameter aus ihrer Tabelle 2 ^{[C61, C81, C82]}, 12 % Abzinsung und 38 % Steuern ^{[C23, C36]}. Die Autoren sagen nicht, wie sie von jährlichen zu vierteljährlichen Raten übergehen; die verwendete Konvention, die vierte Wurzel der Bindungsrate und von 1,12, mit t = 1 für das erste Datenquartal, wurde gewählt, weil sie ihre Werte reproduziert. Ein unabhängiger Beleg stützt sie: Mit ihr werden die Kalenderdaten des Gipfels der Neukundengewinnung aus ihrer Tabelle 2 für alle fünf Unternehmen wiedergefunden, mit t = 0 keines ^[C83]. Die Programme brechen mit einem Fehler ab, wenn die Konvention nicht mehr vier von fünf Unternehmen reproduziert. Sie berechnen auch Tabelle 5 neu ^{[C85, C86, C87]}.
2. Synthetischer Händler, gezogen mit einem vollständig ausgeschriebenen Pseudozufallszahlengenerator (Startwert 20261006; x ← 1103515245 · x + 12345 mod 2³¹), damit Python und R dieselben Zahlen ziehen: sechzehn Quartale aktiver Kunden, wobei die Neukunden jedes Quartals mit einem zufälligen Rauschen mit Standardabweichung 0,10 auf der Log-Skala multipliziert werden. Der Versuchsplan begünstigt die Methode: Der Analyst kennt die wahre Bindungsrate, und niemand ist vor dem ersten Quartal abgewandert.
3. Schätzung wie durch einen externen Analysten: Neukunden mit der angenommenen Bindungsrate rekonstruiert, Kurve mit kleinsten Quadraten angepasst (Nelder-Mead-Simplex, ein Algorithmus, der Schritt für Schritt die beste Anpassung sucht, bis zur Stabilität neu gestartet). Zwei Schranken gelten: Die Obergrenze α übersteigt nicht das Tausendfache der bereits gezählten Kunden, die Steigung γ nicht exp(3) pro Quartal, also etwa 20.
4. Wert der heutigen und künftigen Kunden, Integral mit der Simpson-Regel bei einer Schrittweite von 0,05 Quartalen über 400 Quartale berechnet. Referenz: derselbe Wert, berechnet mit der wahren Kurve und den beobachteten aktiven Kunden.
5. Drei Abkürzungen: nur die heutigen Kunden; durchschnittliche Lebensdauer; Kurve, geschätzt auf den ersten acht Quartalen, vor dem Gipfel.
6. Elastizitäten, definiert wie in Tabelle 4 der Autoren für Bindungsrate, Marge und Akquisitionskosten ^[C63], und ein Raster der Bindungsrate bei 70 %, 80 % und 90 % und der Abzinsung bei 8 %, 10 % und 12 %, nach dem Vorbild ihrer Tabelle 5, bei festgehaltener und dann neu geschätzter Kurve.
7. Unsicherheit: parametrischer Bootstrap, der 1.000 Händler aus der geschätzten Kurve und dem geschätzten Rauschen simuliert und jeden neu schätzt; das Rauschen wird unter Berücksichtigung der drei Kurvenparameter geschätzt; Intervall vom 25. bis zum 975. sortierten Wert, nominal 95 %.
8. Wiederholung an 100 unabhängigen Händlern, gezogen aus der wahren Kurve, jeweils mit einem Bootstrap von 200 Ziehungen, um die tatsächliche Überdeckung des Intervalls zu messen.
9. Invarianten: sieben Identitäten, darunter das Zahlenbeispiel der Autoren (250 und 360) ^{[C19, C20]}, ihr Beispiel rekonstruierter Neukunden ^[C38] und das Integral der Neukundengewinnung gleich dem verbleibenden Markt; die Programme brechen ab, wenn eine verletzt ist.

Der veröffentlichte Fall, neu berechnet. Kundenwert nach Steuern in Milliarden Dollar zum 31. März 2002:

Für die ersten vier Unternehmen werden auch die Elastizitäten bezüglich Marge und Akquisitionskosten wiedergefunden, bis auf die Rundung der Veröffentlichung; da die eine stets 1 plus die andere ist, ergibt das eine Prüfung mehr, nicht zwei. Drei Abweichungen bleiben, mit verschiedenen Ursachen.

• Die Spalte des Diskontsatzes. Ein Satz mal 0,99 ergibt +0,28 % für Amazon, während die Autoren 0,46 % veröffentlichen. Ihre Spalte wird, bis auf 0,01 Punkte genau, für dieselben vier Unternehmen wiedergefunden, wenn der Satz von 12 % auf 11,80 % sinkt: +0,47 % gegenüber 0,46, +1,17 % gegenüber 1,17, +0,64 % gegenüber 0,63, +1,14 % gegenüber 1,14. Es ist, als nennten die Autoren eine Senkung des Satzes um mehr als 1 % „1 %“, ohne es zu sagen.
• Capital One. Seine ganze Zeile wird wiedergefunden, wenn der Wert seiner künftigen Neukunden 1,25-mal größer ist: 11,00; +5,12 %; +0,32 %; +1,32 %. Die Ursache liegt vermutlich in seiner Kurve oder seinem Zeitursprung — ein Druckfehler in Tabelle 2 oder ein anderes Datenfenster — und lässt sich ohne die Reihen nicht bestimmen.
• Tabelle 5 und die Werte bei 100 % Bindungsrate. Bei festgehaltener Kurve neu berechnet, weichen diese Werte von den veröffentlichten ab, und 36 von 39 Zellen der Tabelle 5 weichen in die Richtung ab, die eine mit jeder Bindungsrate neu geschätzte Kurve hätte: Die veröffentlichten Werte sind niedriger als unsere, wenn die angenommene Bindungsrate über der des Unternehmens liegt, sonst höher. Außerhalb dieser 39 Zellen werden bei der eigenen Bindungsrate jedes Unternehmens 4 von 6 Zellen wiedergefunden; die beiden übrigen, die von eBay bei zwei Diskontsätzen, entziehen sich dieser Erklärung, da sich die Bindungsrate dort nicht ändert. Bei 100 % Bindungsrate findet die Seite 3,72 für Amazon gegenüber „etwa 3“ ^[C78], 6,05 für eBay gegenüber 5,3 ^[C79] und 3,95 für E∗Trade gegenüber 3,89 ^[C47]: Alle drei veröffentlichten Werte sind niedriger. Für Capital One bei 90 %: 13,35 gegenüber 14,1 ^[C64]. Wenn die Autoren ihre Kurve in Tabelle 5 neu geschätzt haben, dann nicht in Tabelle 4, die bei festgehaltener Kurve wiedergefunden wird: Beim synthetischen Händler senkt eine Neuschätzung der Kurve die Wirkung einer Bindungsrate mal 1,01 von +3,75 % auf +3,18 %, eine Abweichung, die in Tabelle 4 sichtbar wäre. Diese Erklärung setzt also einen Verfahrenswechsel zwischen den beiden Tabellen voraus; ihre Quartalsreihen sind nicht veröffentlicht, und wir können sie nicht prüfen.

Der synthetische Händler. Bei 80 % jährlicher Bindungsrate beträgt die vierteljährliche Bindungsrate 0,9457; bei 10 % Abzinsung beträgt der vierteljährliche Satz 2,411 %; ein aktiver Kunde ist dann 144,81 € künftiger Margen wert. Die rekonstruierten Neukunden ergeben 1.382.156 Kunden, die mindestens einmal gekauft haben; der wahre Wert ist 1.379.949. Die geschätzte Kurve hat eine Obergrenze von 2.099.582 Kunden statt der wahren 2.000.000 und erreicht ihren Gipfel im Quartal 13,78 statt 13,33.

Die Abweichung, +4,4 %, stammt vollständig von den künftigen Kunden: Die Obergrenze der Kurve ist überschätzt. Die künftigen Kunden machen 30,7 % des geschätzten Werts aus.

Die Abkürzungen.

Nur die heutigen Kunden zu zählen, heißt, die künftigen Kunden wegzulassen: Die Abweichung ist per Konstruktion ihr Anteil an der Referenz; sie wäre umgekehrt, wenn die Gewinnung eines Kunden mehr kostete, als er einbringt. Die durchschnittliche Lebensdauer schreibt jedem Kunden 181,96 € statt 144,81 € zu, 25,7 % zu viel, und der Fehler überträgt sich auf die künftigen Kunden. Diese Abweichung vermischt zwei Effekte. Gegenüber einem Jahreswert, der wie die Abkürzung die erste Marge am Ende des ersten Jahres zählt, 160,00 €, ist die Abkürzung um 13,7 % zu hoch; das ist die Wirkung der mittleren Dauer selbst. Der Rest kommt aus dem ersten Jahr: Der Jahreswert von 160,00 € zählt die Marge dieses Jahres als gesichert, während der Quartalswert Kunden schon ab dem ersten Quartal abwandern lässt; die vierteljährliche Zahlung der Margen, die in die Gegenrichtung wirkt, gleicht diese Abweichung nicht aus — ein Jahreswert, der die Bindungsrate schon im ersten Jahr anwendet, beträgt nur 128,00 €. Auf den ersten acht Quartalen geschätzt, vor dem Gipfel, hat die Kurve eine Obergrenze von 1.677.096 Kunden; der Wert im Quartal 8 fällt auf 161,43 Mio. € gegenüber 188,30 Mio. € Referenz, −14,3 % — bei dieser Ziehung.

Welcher Hebel? Wirkung einer Verbesserung jeder Eingabe um 1 % ihres Werts bei festgehaltener Kurve:

Die Bindungsrate übertrifft die Marge deutlich, wie bei den Autoren ^{[C07, C08]}. Die Reihenfolge zwischen Marge und Akquisition beweist dagegen nichts: Die Elastizität bezüglich der Marge ist hier genau 1 plus die Elastizität bezüglich der Akquisitionskosten, eine Identität des Modells. Bei gleichen Definitionen ist die Wirkung der Bindungsrate 10,4-mal so groß wie die des Diskontsatzes; das Verhältnis „fast fünf“ der Autoren ^{[C09, C55]} vergleicht 1 % Bindungsrate mit einer stärkeren Senkung des Satzes.

Die Bindungsrate, die Annahme mit dem größten Gewicht. Wert des Kundenstamms in Mio. €; links bei festgehaltener Kurve, rechts mit rekonstruierten Neukunden und mit der angenommenen Bindungsrate neu geschätzter Kurve:

Die beiden Spalten beantworten zwei Fragen. Die festgehaltene Kurve misst einen Hebel: Hält der Shop seine Kunden künftig besser, ändert sich seine vergangene Neukundengewinnung nicht, und der Wert steigt bei 90 % Bindungsrate von 223,73 auf 376,39 Mio. €. Die neu geschätzte Kurve misst eine Unsicherheit: Lag die vergangene Bindungsrate in Wirklichkeit bei 90 % statt bei 80 %, hat der Shop auch weniger Kunden gewonnen als angenommen, und der Kundenstamm ist 350,08 Mio. € wert. 70 % statt 80 % anzunehmen, rekonstruiert 1.560.456 Kunden, die gekauft haben, statt 1.382.156, und eine Obergrenze von 2.449.181 statt 2.099.582: Mehr angenommene Abwanderung bedeutet mehr angenommene Neukunden. Zwischen 70 % und 90 % steigt der Wert auf mehr als das Doppelte.

An 100 unabhängigen Händlern weicht die vollständige Methode im Mittel um −0,3 % von der Referenz ab (Standardabweichung 3,4 %, höchstens 10,6 %), eine Verzerrung, die der Simulationsfehler, also die Unschärfe aufgrund der endlichen Zahl von Ziehungen, von 0,3 % nicht von null unterscheidet; nur die heutigen Kunden um −27,8 % (Standardabweichung 0,6 %), eine Stabilität, die aus der Konstruktion des Versuchsplans folgt. Vor dem Gipfel geschätzt, ergibt die Kurve eine mediane Abweichung von −8,8 %, und nur 30 von 100 Ziehungen bleiben innerhalb von 20 % der Referenz. In 6 Ziehungen läuft die Obergrenze bis an ihre Schranke vom Tausendfachen der gezählten Kunden, und die Abweichung misst dort nur noch diese Schranke; die übrigen Ziehungen reichen von −53,7 % bis +2.616,9 %.

• Eine konstante Bindungsrate ^[C16]. Die Autoren nehmen sie der Einfachheit halber an; sie bedeutet, dass ein reifes Unternehmen, das kaum noch Kunden gewinnt, am Ende alle seine Kunden verlieren würde ^[C57]. Wandern Ihre langjährigen Kunden seltener ab als neue?
• Eine bekannte Bindungsrate. Sie wird fast nie veröffentlicht ^[C31]; die Autoren übernehmen sie für Ameritrade aus einem Analystenbericht, übertragen sie wegen der Ähnlichkeit auf E∗Trade ^[C32], erfragen sie für Capital One bei einem Experten ^[C33] und nehmen für eBay den Durchschnitt US-amerikanischer Unternehmen ^[C34]. Woher stammt Ihre Bindungsrate, und mit welcher Definition eines aktiven Kunden?
• Dasselbe Margenprofil für alle Kohorten ^[C22] und eine stabile Marge: Die Autoren nehmen den Durchschnitt der letzten vier Quartale ^[C27]. Geben Ihre zuletzt gewonnenen Kunden so viel aus wie die ersten?
• Eine Neukundengewinnung, die einer S-Kurve folgt, gespeist von allen Kunden, aktiven wie abgewanderten ^[C40]. Bei eBay, einem Marktplatz, werden Netzwerkeffekte zwischen Käufern und Verkäufern nicht erfasst ^[C48]. Bringen Ihre Kunden weitere Kunden?
• Eine Historie über den Gipfel der Neukundengewinnung hinaus ^{[C41, C42]}. Ist Ihre vierteljährliche Neukundengewinnung bereits rückläufig?
• Unabhängige Hebel. Die Methode ignoriert die Zusammenhänge zwischen Akquisition, Bindungsrate und Marge ^[C53]: Eine Preisaktion kann Kunden gewinnen, die nur kurz bleiben ^[C54]. Bleiben über Preisaktionen gewonnene Kunden so lange wie die anderen?
• Kunden als wesentlicher Teil des Werts. Die Methode sieht weder Wachstumsoptionen, also den Wert künftiger, noch ungewisser Aktivitäten ^[C06], noch Vermögenswerte außerhalb der Kunden; sie ersetzt die Finanzmethoden nicht, sie führt eine von ihnen fort ^[C59]. Hängt ein Teil Ihres Werts an Produkten oder Märkten, die Sie noch nicht eingeführt haben?
• Was die Daten nicht entscheiden können: die Obergrenze der Neukundengewinnung eines jungen Unternehmens ^[C58] und die künftige Bindungsrate, die die Historie nicht zeigt. Worauf stützen Sie die Bindungsrate der kommenden Jahre? Der Rest lässt sich prüfen: die Kurve an den folgenden Quartalen, die Marge an den Abschlüssen.

• Validierung der Kurve: bei echten Daten die letzten Quartale zurückhalten und prognostizierte mit beobachteten Neukunden vergleichen. Der geschätzte Gipfel, 13,78 Quartale, muss in den Daten liegen; liegt er außerhalb, ist die Obergrenze nicht identifiziert ^[C41]. Die Seite führt diese Validierung am Beispiel nicht durch: Die Wiederholung an 100 Händlern tritt an ihre Stelle.
• Was die Daten nicht prüfen: Der Wert der künftigen Kunden, 30,7 % des Gesamtwerts, beruht vollständig auf der Fortschreibung der Kurve über das Quartal 16 hinaus; der Wert der heutigen Kunden auf einer für immer konstant angenommenen Bindungsrate ^[C16].
• Schätzunsicherheit per parametrischem Bootstrap: Das Rauschen der Neukunden wird auf 0,0865 geschätzt, bei einem wahren Wert von 0,10; das Intervall der Obergrenze reicht von 1.902 bis 2.346 Tausend Kunden, das des Werts des Kundenstamms von 208,10 bis 244,16 Mio. €. Diese Intervalle sind nominal 95 %; an 100 Händlern enthält das Intervall des Werts die Referenz 92-mal (Simulationsfehler 2,7 %): etwas weniger als die angegebenen 95 %, ohne dass 100 Ziehungen das belegen könnten; eine mögliche, teilweise Ursache ist ein aus sechzehn Quartalen unterschätztes Rauschen (0,0865 gegenüber 0,10 in der ausführlichen Ziehung). Die Abweichung von +4,4 % der ausführlichen Ziehung liegt in der Größenordnung des Zufalls, bei einer Standardabweichung von 3,4 % über 100 Ziehungen. Diese Intervalle setzen eine richtige S-Kurve und eine bekannte Bindungsrate voraus; sie decken weder den Fehler bei der Bindungsrate noch den bei der Marge noch die Wahl des Diskontsatzes ab.
• Die Annahme zur Bindungsrate wiegt weit mehr als die Schätzunsicherheit: Von 70 % bis 90 % steigt der Wert bei einem Diskontsatz von 10 % von 156,33 auf 350,08 Mio. €. Sie ist in Szenarien darzustellen.
• Der Vergleich mit dem Marktwert ist keine Validierung. Die Autoren finden einen Kundenwert nahe am Börsenwert für Capital One, Ameritrade und E∗Trade ^{[C05, C43, C45, C47]}, aber weit darunter für Amazon, 0,82 Milliarden gegenüber 5,36 ^[C44], und für eBay, 1,89 gegenüber 15,85 ^[C46]. Über die fünf Unternehmen und vier Quartale erklärt der Kundenwert nur 14 % der Schwankungen des Börsenwerts, ein R² von 0,139 ^[C80], wobei das R² der Anteil der Schwankungen ist, den ein Modell erklärt; ohne Amazon und eBay, also zwölf Beobachtungen, erklärt er 93 %, ein R² von 0,927 ^[C49]; bei drei sehr unterschiedlich großen Unternehmen beruht dieses R² vermutlich vor allem auf dem Abstand zwischen Capital One und den beiden Online-Brokern. Und der Wert von Capital One, auf dem diese Regression beruht, wird hier nicht wiedergefunden. Eine Abweichung sagt, dass der Markt irrt oder dass dem Modell etwas fehlt ^[C06]: Sie sagt nicht, welches von beiden.
• Was die Simulation nicht beweist: Die Daten sind aus dem Modell gezogen, das per Konstruktion stimmt, mit der wahren Bindungsrate; die gemessenen Abweichungen stammen nur aus der Anpassung der Kurve. Die Simulation misst die Kosten der Abkürzungen, wenn dieses Modell wahr ist; sie zeigt nicht, dass das Modell zu Ihrem Unternehmen passt.

Drei Lehren. Erstens wird ein Kundenstamm mit seinen künftigen Kunden bewertet: Ohne sie wird der Wert des Kundenstamms hier um mehr als ein Viertel unterschätzt, also um den Anteil der künftigen Kunden, die mehr einbringen, als ihre Gewinnung kostet. Zweitens bläht die durchschnittliche Lebensdauer den Wert eines Kunden auf: Sie tut so, als bliebe jeder fünf Jahre, während die Abwanderung schon in der ersten Periode beginnt ^[C18]; bei gleichem Kalender beträgt der Überschuss hier 13,7 % und im Beispiel der Autoren 15,4 %.

Schließlich ist die Bindungsrate der stärkste Hebel: Sie von 80 % auf 80,8 % zu heben, erhöht den Wert um 3,75 %, eine um 1 % bessere Marge um 1,12 %. Die Autoren finden eine Elastizität — den Prozentsatz an Wert, der durch eine Verbesserung um 1 % gewonnen wird — von 3 bis 7 für die Bindungsrate in ihrer Zusammenfassung, von 2,45 bis 6,75 in ihrer Tabelle 4, von etwa 1 für die Marge und von 0,02 bis 0,3 für die Akquisition ^{[C07, C08]}, und eine Wirkung der Bindungsrate, die umso stärker ist, je niedriger der Diskontsatz ist ^[C56]. Diese Elastizitäten messen einen Hebel: Sie setzen die vergangene Neukundengewinnung als bekannt voraus. Ist die vergangene Bindungsrate selbst unsicher, ist das neu geschätzte Raster zu lesen.

• Zulässig: „Wenn die jährliche Bindungsrate 80 % beträgt und die S-Kurve stimmt, ist der Kundenstamm etwa 224 Mio. € an mit 10 % abgezinster Marge wert, vor Steuern, Fixkosten und Ausgaben für die Kundenbindung, mit einem nominalen 95-%-Intervall von 208,10 bis 244,16 Mio. €, dessen gemessene tatsächliche Überdeckung etwa 92 % beträgt; zwischen 70 % und 90 % Bindungsrate von 156,33 bis 350,08 Mio. €.“
• Zulässig: „In dieser Simulation unterschätzt das Zählen nur der heutigen Kunden den Wert des Kundenstamms um etwas mehr als ein Viertel, den Anteil der künftigen Kunden.“
• Zulässig: „Kosteten beide Verbesserungen gleich viel, wäre es hier weit mehr wert, die Bindungsrate von 80 % auf 80,8 % zu heben, als die Akquisitionskosten um 1 % zu senken.“
• Unzulässig: zu folgern, man müsse in Kundenbindung statt in Akquisition investieren. Die Elastizitäten berücksichtigen nicht, was jede Verbesserung kostet ^{[C50, C51]}; jede Abwanderung zu beseitigen, ist nach Shaffer und Zhang, die die Autoren zitieren, nicht wünschenswert ^[C52].
• Unzulässig: den Wert des Kundenstamms als Unternehmenswert oder als Wert der Aktien darzustellen, ohne zu sagen, was er auslässt — Steuern, Fixkosten, der Akquisition zugerechnete Ausgaben für die Kundenbindung ^[C29], Schulden, Wachstumsoptionen, Vermögenswerte außerhalb der Kunden, Netzwerkeffekte ^{[C06, C48]}.
• Unzulässig: diese Zahlen als Marktergebnis darzustellen; die Daten sind synthetisch.

• Den Wert des Kundenstamms in Szenarien der Bindungsrate darstellen, nicht als eine Zahl: etwa 224 Mio. € bei 80 % Bindungsrate, 156 bis 350 Mio. € zwischen 70 % und 90 %. Für eine Finanzierungsrunde danach vom Wert des Kundenstamms zum Wert der Aktien übergehen: Steuern, Fixkosten, Ausgaben für die Kundenbindung und Schulden abziehen. Der Diskontsatz bleibt eine Entscheidung der Finanzabteilung.
• Neukundengewinnung als Investition behandeln: Ein gewonnener Kunde ist seine künftigen Margen abzüglich seiner Akquisitionskosten wert, und die Autoren plädieren dafür, Akquisitionsausgaben als Investitionen und nicht als Aufwand zu verbuchen ^[C14].
• Beziffern, was eine höhere Bindungsrate kosten würde, bevor man sie einkauft. Der Wert zeigt, was es einbringt, die Bindungsrate von 80 % auf 80,8 % zu heben; ein Experiment mit einer Kontrollgruppe zeigt, ob ein Treueprogramm das erreicht. Beides zusammen erlaubt, die Hebel zu vergleichen.
• Beobachten: die Kurve der Neukundengewinnung jedes Quartal verfolgen und den Wert neu schätzen; die Bindungsrate nach Kohorten messen, statt sie anzunehmen.

Die Entscheidung bleibt menschlich und betrifft Geschäftsleitung, Marketing und Finanzabteilung.

• Einsetzen: um ein wachsendes Unternehmen mit negativem oder geringem Gewinn zu bewerten ^[C10], Marketinghebel nach ihrem Wert zu vergleichen oder den Kundenstamm eines Unternehmens von außen aus seinen veröffentlichten Unterlagen zu schätzen ^[C13].
• Mit Vorsicht einsetzen, wenn die Neukundengewinnung ihren Gipfel noch nicht erreicht hat: Dann braucht man eine externe Schätzung des Marktpotenzials oder einen bayesianischen Ansatz ^{[C42, C58]}.
• Nicht einsetzen für den Wert eines bestimmten Kunden: siehe die Seite zur Schätzung des nicht vertraglichen CLV, die zum Wert eines Abonnenten oder die zum Wert saisonaler Kunden.
• Nicht einsetzen, um die Bindungsrate selbst zu messen: siehe die Seite zur Analyse von Bindung und Überleben.
• Um die Unsicherheit eines Ergebnisses auszudrücken, siehe die Seite zum Ausdrücken von Unsicherheit; um die Kurve an zurückgehaltenen Quartalen zu beurteilen, die zur Validierung einer Marketingprognose; für wiederholte Ziehungen die zur Monte-Carlo-Simulation.

• Python 3.14.5, nur Standardbibliothek: msc-p045-reference.py, Aufruf mit python msc-p045-reference.py
• R 4.6.1, nur Basis: msc-p045-reference.R, Aufruf mit Rscript msc-p045-reference.R
• Beide Programme geben genau dieselben Zeilen aus; ihr sha256-Fingerabdruck nach Normalisierung der Zeilenenden ist im Manifest des Dossiers verzeichnet. Deklarierter Startwert 20261006. Keine Drittbibliothek: Die Software validiert die Methode nicht, sie reproduziert sie.

Die aktiven Kunden je Quartal, die angenommene Bindungsrate und ihre Quelle, die rekonstruierten Neukunden, die geschätzte Kurve mit Gipfel und Obergrenze, der Wert der heutigen und der Wert der künftigen Kunden mit Intervall, das Raster aus Bindungsrate und Abzinsung, die Elastizitäten, was der Wert auf dem Weg zum Unternehmenswert auslässt, und die vor der Entscheidung zu prüfenden Annahmen.

• Gupta, S., Lehmann, D. R. & Stuart, J. A. (2004). Valuing Customers. Journal of Marketing Research 41(1), 7–18. ↗ — akzeptiertes Manuskript der Autoren, überarbeitet im Februar 2003, verbreitet von der Columbia Business School, Volltext geprüft ^[C01–C88].
• Evidenzniveau: Demonstration an synthetischen, aus dem Modell selbst gezogenen Daten, eine ausführliche Ziehung, ein Bootstrap mit 1.000 Händlern und 100 wiederholte Ziehungen, reproduzierbar in Python und R; Code an den von den Autoren für vier von fünf Unternehmen veröffentlichten Werten geprüft, ausgehend von ihren veröffentlichten Eingaben und einer Kalenderkonvention, die gewählt wurde, um sie zu reproduzieren. Kein Marktergebnis.