Prädiktiver Kundenlebenszeitwert & Warum die meisten Marketingteams die falsche Beziehung messen
![[OPT 3] IMG CMO – Editorial – predictive lifetime value and what to measure_-18130](https://thecmo.com/wp-content/uploads/sites/8/2026/06/OPT-3-IMG-CMO-–-Editorial-–-predictive-lifetime-value-and-what-to-measure_-18130-792x446.jpg)
Missverständnis zum Kundenlebenszeitwert: Viele CMOs berechnen den Kundenlebenszeitwert falsch, was zu schlechten Marketing- und Budgetentscheidungen führt.
Bedeutung prädiktiver Modelle: Die Einführung eines prädiktiven LTV-Modells verändert das Verständnis von Kundenbeziehungen und Ausgabenpotenzial.
Wandel der Content-Strategie: Das Ausschöpfen des erweiterten Kundenwerts erfordert eine weiterentwickelte Content-Strategie mit Fokus auf Bindung statt nur auf Akquise.
Herausforderung Datennutzung: Der Aufbau eines prädiktiven LTV-Modells bringt Herausforderungen mit Altsystemen und die Notwendigkeit schrittweiser Datenintegration mit sich.
LTV-Diagnoseliste: Bewerten Sie Ihr aktuelles LTV-Modell anhand kritischer Fragen, um Lücken und Verbesserungsmöglichkeiten zu erkennen.
Fragen Sie die meisten CMOs nach ihrem Customer Lifetime Value, bekommen Sie eine Zahl. Fragen Sie, wie sie diesen berechnet haben, hört man meist eine Variante von durchschnittlichem Bestellwert multipliziert mit Kaufhäufigkeit. Das ist eine vernünftige Annäherung und leicht zu begründen.
Mike Birney, CMO von One Natural Way und Sposey, nutzte diese Herangehensweise ebenfalls.
Er baute darauf eine Marketingstrategie auf, führte Akquisekampagnen durch und traf damit Budgetentscheidungen. Erst als er begann, die echten Zahlen genauer zu analysieren, bemerkte er, dass der Wert, von dem er ausgegangen war, nie wirklich erfasst hatte, was seine Kunden eigentlich wert waren.
Want more from The CMO?
Sign up for a free membership to complete reading this article:
Have an account? Log In
"Wenn eine Mutter zur Tür hereinkommt und das Baby geboren ist, heißt es auf Wiedersehen – doch das stimmt eigentlich nicht, denn die Leute haben zwei Kinder, sie haben drei Kinder", sagt Birney.
Wir haben es wirklich schwer zu verstehen, wie unser LTV aussieht, weil wir das nicht wirklich gut nachverfolgen können.
-Mike Birney, CMO bei 1 Natural Way
Deine LTV-Zahl ist wahrscheinlich falsch
Bei Familien: eine zweite Schwangerschaft, eine dritte, das wachsende Produktsortiment, das inzwischen auch Rückenstützbänder, Milchauffangbeutel und Online-Kurse zur Stillberatung umfasst. Und Sposey blieb völlig außen vor, die Schwestermarke, die die Kundin erneut aufgreift, wenn die Kinder in die Töpfchentrainingsphase kommen.
One Natural Way liefert Milchpumpen und Schwangerschaftsbedarf, der von der Versicherung übernommen wird. Nach bisheriger Messweise kam die Kundin in der Schwangerschaft, erhielt was sie brauchte und verschwand wieder. Theoretisch ist das das Ende der Beziehung.
Nur wurde dadurch alles nachfolgende ausgeblendet. Jahre potenzieller Umsätze bleiben im für das Unternehmen maßgeblichen Messwert unsichtbar.
Wenn wir nicht wirklich verstehen, was das für unser Unternehmen bedeutet, wie können wir dann fundierte Entscheidungen für die Zukunft treffen?
Das ist keine rhetorische Frage, und das Problem ist nicht auf den Bereich der Müttergesundheit beschränkt. Eine im Decision Analytics Journal (2025) veröffentlichte Studie wendete prädiktive CLV-Modellierung auf ein Portfolio von Gesundheitsdienstleistungen an und stellte fest, dass 50 % der Kunden einen vorhergesagten Wert von 363 $ oder weniger über zwölf Monate aufwiesen, während die Top-Gruppe 10.375 $ erreichte.
Das ist eine Bandbreite von fast dem 30-Fachen innerhalb derselben Kundengruppe. Wenn Sie eine derart große Spannweite auf einen einzigen Durchschnitt zusammenfassen und diesen für Ihr Akquise-Budget veranschlagen, nutzen Sie Ihre Daten nicht sinnvoll, um Entscheidungen zu treffen.
Wie der Marketingforscher Peter Fader und Kolleg:innen argumentieren, unterschätzen Unternehmen regelmäßig den Wert ihrer Kunden, weil sie sich an kurzfristige Kennzahlen wie die Kundengewinnungskosten (Customer Acquisition Cost) klammern – diese optimieren die Kostenreduktion statt die Investition in wertvolle Beziehungen.
Ihre LTV-Zahl ist nicht falsch, weil Ihre Berechnung schlecht ist. Sie ist falsch, weil sie entwickelt wurde, um etwas Einfacheres zu messen als die tatsächliche Kundenbeziehung.
Was ein prädiktives Modell verändert
Birney entwickelt derzeit ein prädiktives LTV-Tool mit Künstlicher Intelligenz, das abbilden soll, wie eine vollständige Kundenreise bei One Natural Way aussieht – über mehrere Schwangerschaften, beide Marken hinweg und über die Jahre verteilt. Als Eingabefaktoren dienen historisches Kaufverhalten, durchschnittliche Familiengröße und die aktuelle wie wachsende Produktpalette.
Der Unterschied zwischen historischem und prädiktivem LTV ist bedeutender, als er scheint. Der historische LTV zeigt, was Kunden bisher wert waren. Der prädiktive LTV zeigt, wie viel ein heute gewonnener Kunde voraussichtlich wert sein wird – und das verändert, wie viel man bereit sein sollte, für die Akquise auszugeben.
Beträgt der durchschnittliche Bestellwert 200 $, ist aber eine Kundin, die bei der ersten Schwangerschaft gewonnen wird, über vier Jahre und zwei Kinder hinweg 1.400 $ wert, dann rechtfertigen einst als grenzwertig bewertete Kanäle plötzlich ihre Ausgaben. Auch die Ökonomie der Kundenbindung verschiebt sich. Die Zeit zwischen den Käufen gilt jetzt als zu pflegende Beziehung – nicht als zu ignorierende Pause.
Content als Bindungsinstrument
Hier hört Content-Strategie auf, nur unterstützende Funktion zu sein, und beginnt, eigenständig zu wirken. Sobald Sie verstanden haben, dass der Wert Ihrer Kund:innen weit über die Ersttransaktion hinausgeht, werden Veröffentlichungen zu gezielten Bindungsentscheidungen – was man veröffentlicht und wann.
Birney beschreibt den Nordstern von One Natural Way als „moms first always“ – während der gesamten Elternschaft präsent und nützlich sein, nicht nur im Bedarfsfall. Dieses Versprechen hält nur, wenn Sie auch zwischen den Einkäufen wirklich präsent sind.
Eine frischgebackene Mutter, die eine Milchpumpe bestellt, hat eine Vielzahl von Produkten, die für sie wertvoll sein könnten. Sie benötigt vielleicht Stillberatung, Schlafunterstützung oder den Hinweis, dass es Lendenwirbelstützbänder gibt, um die Rückenschmerzen zu lindern, die sie seit der Entbindung plagen.
Und später wird sie an den Produkten interessiert sein, die Sposey anbietet. Die Frage ist, ob sie in diesem Moment an dich denkt – und das hängt ganz davon ab, ob du in ihrem Blickfeld bleibst.
„All dies sind zusätzliche Umsatztreiber“, sagt Birney über das erweiterte Produktsortiment, „aber wir konnten das bisher noch nicht wirklich mit dem LTV verknüpfen.“
Das prädiktive Modell schließt diesen Kreis. Es verrät dir, welche Kundinnen und Kunden wahrscheinlich zurückkehren, wann und weshalb – und daraus ergibt sich ein Redaktionsplan, der auf echter kommerzieller Logik basiert.
Du veröffentlichst nicht, um einfach Inhalte zu produzieren. Du teilst Inhalte, um relevant für eine Kundin oder einen Kunden zu bleiben, deren nächsten Kauf du bereits vorhergesehen hast.
Für die meisten Marketing-Teams erfordert das einen grundsätzlichen Wandel im Denken. Inhalte, die in der Akquisitionsphase produziert werden, haben einen offensichtlichen Zweck. Inhalte, die zwischen den Käufen veröffentlicht werden, werden oft als Markenbekanntheit eingeordnet. Sie können vage, schwer zuzuordnen und leicht zu streichen sein.
Prädiktiver LTV stellt diese Inhalte als unverzichtbaren Bestandteil der Pipeline dar. Du pflegst eine zukünftige Transaktion mit bereits bestehenden Kundinnen und Kunden – und das ist fast immer günstiger, als neue zu gewinnen.
Das Datenproblem hinter all dem
Ein prädiktives Modell zu erstellen klingt einfacher, als es ist. Birney gibt offen zu, dass es schwieriger war, Analysen in die umfassendere KI-Strategie zu integrieren, als die Arbeit an Inhalten und Kampagnen. Altsysteme sind fest in die Arbeitsabläufe der Menschen eingebunden.
Teams entwickeln Gewohnheiten rund um vertraute Tools, und der Umstieg auf neue ist ein Projekt mit echten Kosten und Auswirkungen.
Statt auf den perfekten Moment der Infrastruktur zu warten, geht er Schritt für Schritt vor – beginnt mit den verfügbaren Daten und bindet weitere Quellen nach und nach ein, während die Arbeit voranschreitet. Dieser Ansatz spiegelt ein übergeordnetes Prinzip wider, das er generell bei der Einführung von KI anwendet: Finde einen konkreten Schmerzpunkt, löse diesen, und baue darauf auf.
Ein prädiktives LTV-Modell, das einsatzbereit und zu 70 % genau ist, ist mehr wert als ein perfektes, das noch in Arbeit ist.
Wahrscheinlichkeitsbasierte Modelle übertrafen komplexere Machine-Learning-Ansätze, hauptsächlich weil die zugrunde liegenden Dateneingaben zuverlässig waren. Es ist wichtiger, die Daten korrekt zu haben als die Methode besonders ausgeklügelt.
Prüfe deine eigene Zahl
Ziehe deine aktuelle LTV-Zahl heran und überprüfe sie anhand folgender Fragen: Berücksichtigt sie die Erweiterung des Produktsortiments seit der letzten Berechnung? Modelliert sie Wiederholungskäufe entsprechend der Lebensphase deiner Kundschaft und nicht nur dem durchschnittlichen Bestellrhythmus? Besteht irgendeine Verbindung zum Redaktionsplan, oder laufen Inhalte und Kennzahlen in separaten Sphären?
Wenn die Antworten überwiegend „Nein“ sind, bist du nicht allein. Die meisten LTV-Berechnungen wurden eher der Einfachheit als der Genauigkeit wegen aufgestellt. Dein Ziel muss nicht Perfektion sein. Es geht darum, ein Modell zu entwickeln, das ehrlicher und informativer ist als das, das du aktuell einsetzt. Und dieser Wert soll künftig Entscheidungen beeinflussen, bei denen er bisher keine Rolle spielte.
Starte mit einer bereits bestehenden Datenquelle, wende ein einfaches Modell an und sieh dir die Spannweite der Ergebnisse an. Wahrscheinlich ist sie größer als erwartet – und genau in dieser Lücke gibt es Arbeit zu tun.
Wie geht es weiter?
Für die neuesten Einblicke tritt dem CMO Club bei und erhalte Interviews mit Marketing-Führungskräften und Ressourcen, die dir helfen können, Wachstum in deinem Unternehmen zu erzielen.
