KI-Austrittsinterviews: der neue Weg, Abwanderung zu verstehen

Ein KI-Exit-Interview ist eine kurze gesprochene Frage, die in dem Moment gestellt wird, in dem ein Kunde kündigt. Diese wird automatisch transkribiert und klassifiziert, anstatt von einem Menschen gelesen zu werden. Der Kunde erklärt in seinen eigenen Worten, warum er geht, und die Software verwandelt diese Aufnahme in ein Transkript, einen Kündigungsgrund, eine Stimmung und eine einzeilige Zusammenfassung, schnell genug, dass ein Rückhalteangebot erscheinen kann, bevor die Kündigung abgeschlossen ist.

Unternehmen führen seit Jahrzehnten Exit-Interviews durch, normalerweise indem jemand aus der Führungsebene den scheidenden Kunden anruft. Was sich geändert hat, ist, dass Transkription und Klassifizierung keine Person mehr erfordern, sodass das Format bei Self-Service-Volumen funktioniert, bei Kunden, die 29 $ im Monat zahlen, wo niemand einen Anruf geplant hätte.

Was ein Interview von einer Umfrage unterscheidet

Eine Umfrage bittet den Kunden, sich selbst zu klassifizieren. Sie geben ihm fünf Kategorien vor und er wählt diejenige, die am wenigsten schlecht passt. Das ist für Ihr Reporting optimiert, da Radiobuttons trivial zu zählen sind.

Ein Interview bittet den Kunden stattdessen, seine Situation zu beschreiben, sodass nichts abgerundet wird. Hier ist eine echte gesprochene Antwort aus einem Testlauf des unten beschriebenen Ablaufs.

"Der Preis ist ehrlich gesagt das ganze Problem für uns, wir sind ein Team von drei Personen und die nächste Stufe kostet mehr als unser gesamtes Tooling-Budget für das Quartal."

Ein Dropdown erfasst das als "Too expensive" und Sie ordnen es unter Preissensibilität ein. Der Satz sagt etwas Nützlicheres aus, nämlich dass der Sprung zwischen zwei Ihrer Stufen für ein Dreierteam zu steil ist. Das ist kein Rabattproblem. Es ist ein Problem mit der Preisgestaltung und kostet Sie wahrscheinlich Kunden, die nie den Abbrechen-Button erreicht haben. Das Dropdown hätte Ihnen das nicht sagen können, weil diese Option nicht auf der Liste stand.

Warum speziell Sprache

Textfelder existieren bereits auf den meisten Kündigungsseiten und sie sind meistens leer. Der Grund ist der Aufwand. Ein Kunde, der sich entschieden hat zu gehen, verbraucht seinen verbleibenden guten Willen, und drei Sätze zu formulieren ist mehr Arbeit, als er für ein Unternehmen aufwenden möchte, das er verlässt.

Sprechen ist ein format mit geringerem Aufwand für denselben Inhalt. Die meisten Menschen sprechen freier als sie schreiben, bearbeiten sich selbst weniger und fügen die beiläufigen Details hinzu, die eine Antwort umsetzbar machen, wie zum Beispiel Teamgröße, Budgetzyklus oder zu welchem Konkurrenten sie gewechselt sind. Ein Freitextfeld bekommt "too_expensive" eingetippt. Ein Mikrofon bekommt den Absatz.

Einige Kunden werden überhaupt nicht in ein Mikrofon sprechen, weshalb das Format nur funktioniert, wenn das Überspringen wirklich kostenlos ist.

Die Mechanik, Schritt für Schritt

Hier ist der Ablauf, wie er tatsächlich abläuft, wobei Outro als Referenzimplementierung dient, da die Screenshots davon stammen.

1. Der Kunde klickt in Ihrer App auf Abbrechen und landet auf einer gebrandeten Seite unter outro.so/c/<slug>, oder auf einem Inline-Embed in Ihrer eigenen Benutzeroberfläche.
2. Sie nehmen eine Sprachantwort auf, tippen stattdessen oder überspringen es ganz.
3. ElevenLabs transkribiert das Audio. OpenAI übersetzt es bei Bedarf und klassifiziert es.
4. Ein auf den erkannten Grund abgestimmtes Rückhalteangebot erscheint vor dem endgültigen Abbruchschritt.
5. Wenn sie es annehmen, wird das Angebot automatisch auf ihr Abonnement angewendet, mit einem unten genannten Vorbehalt eines Anbieters.
6. In jedem Fall kehren sie zu Ihrer return_url mit angehängten outro_response_id, user_id und outro_offer zurück, damit Ihre App weiß, was passiert ist.

Zwei Details sind wichtiger als das Layout. Die strukturierten Radiobuttons sind immer noch da, weil aggregierte Berichterstattung mit ihnen einfacher ist und einige Kunden es vorziehen, zu klicken statt zu sprechen. Und die Zeile, die besagt, dass die Stimme von KI transkribiert wird, befindet sich direkt über dem Aufnahme-Button, nicht in einer Fußzeile oder einem Tooltip.

Ein drittes Detail ist, wo die meisten Abläufe schiefgehen.

Überspringen hat sich nicht bewegt. Es ist vor, während und nach Beginn der Aufnahme vorhanden. Es gibt einen sichtbaren abgelaufenen Timer und eine explizite Stopp-Steuerung, sodass der Kunde immer weiß, dass das Mikrofon eingeschaltet ist und wie lange. Ein Ablauf, der seinen Ausgang verbirgt, sobald die Aufnahme beginnt, hat ein Forschungstool in ein dunkles Muster verwandelt.

Seien Sie präzise darüber, was beibehalten wird, denn dies ist der Teil, den die Leute falsch verstehen. Die Aufnahme wird in Echtzeit transkribiert und nicht als abspielbare Audiodatei gespeichert, sodass es keine Bibliothek von Sprachclips zu verwalten gibt. Was gespeichert wird, ist alles, was daraus abgeleitet wird, also das Transkript, die Übersetzung, die Sentiment-Bewertungen und die Klassifizierung. Dieser abgeleitete Text ist persönliche Daten und bleibt bestehen, daher gehört er in Ihre Datenschutzerklärung und Ihre Überlegungen zur Datenaufbewahrung genau wie jeder andere Kundenaufzeichnung.

Der praktische Unterschied ist, dass Sie keine Aufnahme haben, die Sie erneut anhören können, sodass das Transkript der Datensatz ist. Wenn ein Kunde Sie bittet, das zu löschen, was er gesagt hat, löschen Sie das Transkript.

Wie das Ergebnis aussieht

Die Klassifizierung erzeugt zwei separate Dinge, die leicht zu verwechseln sind.

Der Kündigungsgrund stammt aus einer festen Taxonomie, die es ermöglicht, ihn über Monate hinweg zu zählen. Sieben Werte, gespeichert als diese genauen Bezeichner, die Sie in einem CSV-Export sehen werden, anstatt der Anzeigeetiketten:

too_expensive     price, cost or budget is the driver
missing_features  they need a capability the product lacks
not_using         low usage, no longer needed, forgot about it
too_complex       hard to use, confusing, steep learning curve
technical_issues  bugs, errors, performance, reliability
switching         moving to a competitor or alternative
other             no clear product reason, or one outside these

Absichtlich festgelegt, da eine driftende Taxonomie nicht trendfähig ist. Der other-Bucket ist wichtiger, als er aussieht: Ohne ihn wird ein Klassifikator, der gezwungen ist, zwischen den sechs echten Gründen zu wählen, unverständliche oder nicht zutreffende Antworten unter dem am wenigsten schlecht passenden Grund ablegen, und Sie werden das als Signal lesen.

Die Feedback-Klassifizierung beschreibt, welche Art von Nachricht die Antwort ist, unabhängig davon, warum der Kunde gegangen ist. Antworten werden als Bug report, Feature request, Praise, Question oder Other zurückgegeben, jeweils mit einem Sentiment von Positive, Neutral oder Negative. Ein Kunde kann wegen des Preises gehen und trotzdem auf dem Weg einen Bug report einreichen.

Zusätzlich erhalten Sie eine einzeilige Zusammenfassung. Diese drei sind echt, aus Live-Durchläufen.

• Zusammenfassung eins : "Der Benutzer äußert Bedenken, dass der Preis ein erhebliches Problem für ihr kleines Team darstellt."
• Zusammenfassung zwei : "Der Benutzer erlebte einen Fehler, bei dem das Dashboard nicht geladen wurde, und eine langsame Support-Reaktion, was sein Vertrauen beeinträchtigte."
• Zusammenfassung drei : "Der Benutzer erlebte Verwirrung während der Einrichtung und hatte Schwierigkeiten mit dem Einbetten von Widgets und der Konfiguration von Angeboten."

Diese sind Verdichtungen dessen, was der Kunde gesagt hat, keine Diagnosen. Zusammenfassung drei zeigt, dass es Verwirrung bei der Einrichtung in Bezug auf das Einbetten und die Angebotskonfiguration gibt, aber nicht, welches von beiden das Hindernis war. Sie müssen immer noch nachdenken.

Im Dashboard werden die Antworten, die menschliche Aufmerksamkeit benötigen, hervorgehoben.

Dieses Panel erfüllt seinen Zweck. Es filtert nach negativem Sentiment und Bug reports, dem Teil, bei dem eine menschliche Antwort das Ergebnis noch ändern könnte oder zumindest verhindert, dass derselbe Fehler den nächsten Kunden verliert.

Über die Antworten hinweg werden wiederkehrende Wörter gezählt.

Diese Zählungen stammen aus sechzehn Antworten auf einem Testkonto, neun gesprochen und sieben getippt, verteilt über einige wenige Daten. Das ist der ehrliche Vorbehalt für einen Screenshot wie diesen. Sechzehn Antworten sind kein Trend, egal wie ein Liniendiagramm, das durch sie gezeichnet wird, aussieht. Das Panel zeigt die Form des Ergebnisses, keine Beweise über ein echtes Geschäft. Mit einem Viertel echter Kündigungen dahinter sind die interessanten Zeilen die mittleren, da "team size" und "budget" zusammen ein spezifischeres Signal sind als "pricing", das häufig erscheint.

Auch die Feedback-Klassifizierungen werden aggregiert.

Dies beantwortet eine andere Frage als die Kündigungs-Taxonomie. Es sagt Ihnen, ob Ihre Kündigungsseite als Bug-Report-Kanal, als Feature-Request-Kanal oder als keines von beiden fungiert. Wenn Bug reports dominieren, ist Ihr Kündigungsproblem ein Qualitätsproblem und kein Angebot wird es lösen.

Im Moment darauf reagieren

Das Interview findet statt, bevor die Kündigung abgeschlossen ist, sodass die Antwort ändern kann, was der Kunde als Nächstes sieht.

Dieses Angebot wurde als Reaktion auf die zuvor zitierte Preisantwort gemacht. Ein Kunde, der sagte, der Sprung in der Tarifstufe sprenge sein Budget, erhält einen Rabatt. Ein Kunde, der sagte, er nutze es nicht, erhält eine Pause, da ein Rabatt auf ein Produkt, das man nie öffnet, kein Argument ist. Ein Kunde, der einen Fehler meldet, erhält keines von beiden.

Das Abrechnungsverhalten unterscheidet sich je nach Anbieter, und dies ist eine echte Einschränkung und kein Nebensatz. Mit Stripe verbunden, wird ein angenommenes Angebot automatisch auf das Abonnement angewendet. Mit Lemon Squeezy werden Pause und Herabstufung automatisch angewendet, Rabatte jedoch nicht, da die Lemon Squeezy API diese Operation nicht bereitstellt. Wenn Ihre Rückhaltestrategie rabattorientiert ist, planen Sie, diese manuell anzuwenden.

Wie Angebote strukturiert und sequenziert werden sollten, wird in Beispiele für Kündigungsabläufe ausführlicher behandelt, als hier Platz ist.

Ein Speichern ehrlich zählen

Ein Speichern ist leicht zu fälschen. Zähle den Moment, in dem jemand auf "mein Abonnement behalten" klickt, und dein Dashboard sieht hervorragend aus, während sich der Umsatz nicht bewegt, weil ein Teil dieser Kunden drei Wochen später doch wieder kündigt.

Die vertretbare Definition hat zwei Bedingungen. Ein Speichern zählt nur, nachdem ein 14-tägiges Kulanzfenster verstrichen ist, und nur, wenn das Abonnement am Ende noch aktiv ist. Jeder, der ein Angebot annimmt und innerhalb dieser zwei Wochen trotzdem geht, wurde nie gespeichert.

Die Zusammenfassung kommt nach einem Zeitplan. Ein Digest landet jeden Montag und deckt ab, wer gegangen ist und warum, MRR in Gefahr, gerettetes MRR, Hauptgründe und wie die Angebote abgeschnitten haben. Um herauszufinden, was ein paar Punkte des zurückgehaltenen Churns wert sind, bevor man in all dies investiert, erledigt der Churn-Rechner diese Arithmetik.

Was es kostet

Die Preisgestaltung erfolgt monatlich, wobei Sprachminuten die gemessene Ressource sind.

Plan	Monatlich	Jährlich	Sprachminuten pro Monat
Free	$0		10
Starter	$29	$290	100
Pro	$79	$790	300
Scale	$199	$1,990	1,000

Sprachminuten sind die Größe, an der man sich orientieren sollte, nicht Sitze oder Abonnenten. Exit-Interviews dauern deutlich unter einer Minute, sodass ein Kontingent mehr Kündigungen abdeckt, als die Rohzahl vermuten lässt. Arbeiten Sie rückwärts von Ihrer monatlichen Kündigungsanzahl, wobei Sie davon ausgehen, dass ein Bruchteil überspringt oder tippt, anstatt zu sprechen.

Sprachen

Hier werden zwei Zahlen vermischt. Gesprochene Eingaben werden aus 30 oder mehr Sprachen transkribiert und übersetzt, sodass ein Kunde in São Paulo auf Portugiesisch antworten kann und Sie es auf Englisch lesen. Unabhängig davon ist die Benutzeroberfläche in sieben Lesesprachen verfügbar, nämlich Englisch, Französisch, Spanisch, Deutsch, Portugiesisch, Japanisch und Chinesisch. Ein Kunde kann eine Sprache sprechen, die die Benutzeroberfläche nicht anzeigt.

Wo KI-Austrittsinterviews nicht helfen

Ein KI-Austrittsinterview erzeugt keine Nachfrage. Wenn das Projekt eines Kunden beendet ist, ihr Unternehmen übernommen wurde oder sich ihre Rolle geändert hat, verlassen sie das Unternehmen, und ein gut getimter 50% Rabatt ist Geld, das jemandem gegeben wird, der sowieso abwandern würde. Keine Klassifizierung ändert das. Abwanderung teilt sich in den Teil, den Sie beeinflussen können, und den Teil, den Sie nicht beeinflussen können. Austrittsinterviews verbessern, was Sie über den ersten lernen, während sie nichts am zweiten ändern. Für die meisten Self-Service-SaaS ist der beeinflussbare Anteil groß, weshalb sich das Format bezahlt macht, aber es ist ein Anteil und nicht das Ganze.

Ein paar weitere Grenzen, klar formuliert.

• Es behebt nicht das Produkt : zu wissen, dass die Einrichtung verwirrend ist, ist nicht dasselbe wie die Einrichtung zu beheben. Das Interview verkürzt die Diagnose, nicht die Arbeit.
• Es ist kein Ersatz für Gespräche mit aktiven Kunden : die Kündigung ist der schlechteste Moment, um etwas zu lernen, das man im zweiten Monat hätte lernen können.
• Kleine Zahlen bleiben klein : bei elf Kündigungen im Monat macht keine Analyseschicht daraus einen interessanten Datensatz. Lesen Sie die Transkripte und verwenden Sie die Klassifizierung zur Ablage, nicht zur Ableitung.
• Überspringen sind Daten : eine hohe Übersprungrate sagt Ihnen, wie die Seite gelesen wird, nicht dass Kunden nichts zu sagen hatten.

Häufige Fehler

Das Interview obligatorisch machen. Die Kündigung zu blockieren, bis ein Kunde antwortet, führt zu Beschwerden, Rückbuchungen und Screenshots in sozialen Medien. Die Überspringen-Option muss immer sichtbar bleiben, einschließlich der Aufzeichnung.

Die Zustimmungslinie vergraben. Der Kunde muss wissen, dass seine Stimme von KI transkribiert wird, bevor er auf Aufnahme drückt, und zwar im selben visuellen Block wie der Button. Eine Datenschutzerklärung ist technisch konform, aber praktisch unehrlich.

Die Taxonomie als Antwort behandeln. too_expensive ist ein Sammelbegriff, keine Erkenntnis. Sechs Antworten, die mit too_expensive gekennzeichnet sind, können sechs verschiedene Probleme darstellen, und die Transkripte sind der Ort, an dem der Unterschied liegt.

Die beiden Klassifikationen vermischen. Kündigungsgrund und Feedback-Typ sind unterschiedliche Achsen. Eine Antwort kann gleichzeitig switching und Lob sein, und wenn man sie in ein Feld zusammenführt, verliert man die interessantere Hälfte.

Alles rabattieren. Der gleiche 50% Rabatt, der allen angeboten wird, zerstört die Marge und lehrt Ihre Basis, für einen Rabatt zu kündigen.

Eine nicht vorhandene API erwarten. Daten werden über den wöchentlichen Digest und den CSV-Export bereitgestellt. Es gibt keine öffentliche REST-API, keine Webhooks, kein npm-Paket und keine Zapier-, Make- oder Slack-Integration, also wenn Ihr Plan vorsieht, Antworten in ein Data Warehouse zu leiten, planen Sie den Export von CSVs ein.

Ob es sich lohnt

Der Fall ist eng gefasst und innerhalb seiner Grenzen stark. Im Moment der Kündigung ist ein Kunde maximal ehrlich, weil er keine Beziehung mehr zu pflegen hat, und technisch gesehen noch Ihr Kunde ist, da das Abonnement noch nicht beendet ist. Kein anderer Punkt im Lebenszyklus vereint beides. Diese Gelegenheit für ein Dropdown-Menü zu nutzen, das eine Kategorie zurückgibt, die Sie bereits vermutet haben, ist die eigentliche Verschwendung.

Was Sie im Austausch erhalten, ist ein Absatz anstelle eines Optionsfeldes, eine Klassifizierung, die Sie zählen können, und eine Chance, auf den spezifischen Grund zu reagieren, bevor der Kunde weg ist. Was Sie nicht erhalten, ist eine Lösung für die Abwanderung, die Sie nie beeinflussen konnten. Für die Gründe hinter den Gründen ist warum SaaS-Kunden kündigen das Begleitstück, und Vorlagen für Exit-Interview-Fragen behandelt, was zu fragen ist, sobald das Mikrofon funktioniert.

Outro hat alle obigen Screenshots erstellt. Es ersetzt Ihren Kündigungsbutton durch eine gesprochene Frage, klassifiziert den Grund und zeigt ein passendes Angebot, bevor die Kündigung auf Stripe oder Lemon Squeezy abgeschlossen wird. Der kostenlose Plan beinhaltet zehn Sprachminuten pro Monat, genug, um den Ablauf auf Ihrem eigenen Konto durchzuführen und die Ausgabe zu lesen, bevor Sie entscheiden, ob das Format zu Ihren Kunden passt. Wenn nicht, ist das eine günstige Erkenntnis, und Abwanderung reduzieren bietet andere lohnenswerte Wege.