← Back to blogRevenue-Driven Marketing

Mitgliederkündigungen im Fitnessstudio vorhersagen: die Signale, die deine Software schon erfasst und die niemand liest

Mitgliederkündigungen im Fitnessstudio vorhersagen: die Signale, die deine Software schon erfasst und die niemand liest

Eine Kündigung kommt fast nie aus dem Nichts. Es ist das Ende eines 2-3 Monate langen Prozesses, den deine Verwaltungssoftware Schritt für Schritt dokumentiert: das Mitglied kommt seltener, bucht keine Kurse mehr, zahlt eine Rate nicht. Es fehlen keine Daten; es fehlt jemand, der sie liest. Ein Mitglied, das von 8 Besuchen im Monat auf 2 fällt, kündigt mit hoher Wahrscheinlichkeit innerhalb von 60-90 Tagen, und in diesem Zeitfenster kannst du noch handeln. Wenn die Kündigungsmail eintrifft, nicht mehr.

Dieser Artikel behandelt die Signale nach Verlässlichkeit geordnet, wie du die Warnung noch diese Woche mit deiner bestehenden Software oder einer Excel-Tabelle aufbaust, was mit der Risikoliste anzufangen ist (und was nicht, das ist fast noch wichtiger) und wo KI wirklich hilft und wo sie nur Schall und Rauch ist.

Warum Churn ein Marketing-Problem ist, nicht nur ein Operations-Problem

Fangen wir mit der Rechnung an, die Kündigungen mit deinem Werbebudget verbindet, denn sie rechtfertigt den Rest.

Angenommen, du gewinnst 20 neue Mitglieder pro Monat mit einem Einsatz von 1.000€. CAC 50€, vernünftig. Aber im selben Monat kündigen 15 Mitglieder. Dein Nettowachstum sind 5 Mitglieder, also sind die echten Kosten für ein zusätzliches Mitglied nicht 50€, sondern 200€. Drei Viertel deines Marketings sorgen nicht für Wachstum; sie stopfen das Leck im Eimer.

Hoher Churn (5%/Monat) Kontrollierter Churn (2,5%/Monat)
Mitglieder 300 300
Kündigungen/Monat 15 7-8
Neuzugänge für +5 Nettowachstum 20 12-13
Notwendiger Einsatz (CAC 50€) 1.000€ 625€
Effektive Kosten pro Netto-Mitglied 200€ 83€

Gleiches Studio, gleicher CAC, und das rechte Studio wächst genauso schnell und gibt dabei 40% weniger aus. Jeder Prozentpunkt Churn, den du reduzierst, macht dein gesamtes Marketing günstiger, ohne eine einzige Kampagne anzufassen. Deshalb gehört dieses Thema in denselben Cluster wie den echten ROI von Marketing: Bindung ist die versteckte Variable, die darüber entscheidet, ob deine Kampagnen profitabel sind. Und Vergleichswerte zählen: wenn du nicht weißt, ob dein Churn normal ist, findest du hier die Branchenkennzahlen zur Mitgliederbindung.

Es gibt noch eine zweite, subtilere Verbindung: Churn nach Kampagne. Mitglieder aus Lockvogelangeboten kündigen früher als jene, die auf eine Anzeige mit sichtbarem Preis geklickt haben. Wenn du Kündigungen nach Akquisitionsquelle misst, erkennst du, welche Kampagnen echte Mitglieder bringen und welche Leute nur für drei Monate mieten. Das setzt voraus, dass du den LTV pro Segment berechnest, aber für die einfache Version hier braucht es das nicht.

Die Signale nach Verlässlichkeit geordnet

Deine Verwaltungssoftware erfasst sie alle bereits. Von am stärksten bis am schwächsten prädiktiv.

1. Rückgang der Besuche: das wichtigste Signal

Nichts sagt eine Kündigung so zuverlässig voraus wie seltener werden. Das typische Muster: ein stabiles Mitglied mit 8-10 Besuchen/Monat fällt auf 4, dann auf 2, dann auf 0, zwischen dem ersten Rückgang und der Kündigungsmail liegen 60-90 Tage. Du musst nicht auf vollständige Abwesenheit warten (wenn jemand einen Monat nicht da war, ist es meist zu spät), sondern auf den Trendwechsel: dieser Monat im Vergleich zu seinem eigenen Durchschnitt der drei Vormonate.

Der entscheidende Punkt, der falsche Alarme verhindert: vergleiche das Mitglied mit sich selbst, nicht mit dem Studiodurchschnitt. Wer schon immer 3 Mal im Monat kam und das weiter tut, ist nicht gefährdet; wer 10 Mal kam und jetzt 4 Mal kommt, schon, auch wenn 4 mehr als 3 ist.

2. Keine Kursbuchungen mehr

In Studios mit Buchungssystem (Boxes, Boutique-Studios) ist das eine frühere Variante des ersten Signals: das Mitglied hört auf zu buchen, bevor es komplett ausbleibt, und bucht manchmal auch und kommt dann nicht, das ist ein doppeltes Signal. Beim Freizugangsmodell ohne Buchungen überspringst du diesen Punkt; das Drehkreuz erledigt die Arbeit.

3. Fehlgeschlagene Zahlung

Eine zurückgebuchte Lastschrift ist manchmal einfach ein Bankproblem. Zwei in Folge fast nie. Eine fehlgeschlagene Zahlung hat außerdem eine nützliche Eigenschaft: es ist das einzige Signal, über das deine Software dich aktiv benachrichtigt. Nutze es daher als Auslöser für persönlichen Kontakt, nicht nur für einen automatischen Wiederholungsversuch.

4. Guthaben nicht erneuern oder Tarif auslaufen lassen

Bei Modellen mit Paketen (8 Einheiten, 10 Kurse) ist ein Mitglied, das das Paket bis zur letzten Einheit aufbraucht und dann zwei Wochen braucht, um das nächste zu kaufen, dabei zu entscheiden, ob es wiederkommt. Diese Lücke zwischen zwei Paketen ist eines der wenigen Risikofen- ster mit einem genauen, in der Software sichtbaren Datum.

5. Keine App-Interaktion mehr

Wenn dein Studio eine App hat (Buchungen, Fortschritt, Community), trennt sich ein Mitglied, das sie nicht mehr öffnet, zuerst mental, bevor es physisch wegbleibt. Es ist das schwächste der fünf Signale mit vielen Fehlalarmen (es gibt treue Mitglieder, die Apps schlicht ablehnen), aber als Bestätigung eines anderen Signals verstärkt es das Bild.

Die Grundregel: ein einzelnes Signal ist Rauschen, zwei gleichzeitig sind eine Warnung, und ein Rückgang der Besuche plus ein weiteres Signal bedeutet, ein Mitglied hat einen Fuß schon draußen.

Wie du die Warnung ohne KI aufbaust, noch diese Woche

Du brauchst keine neue Software. Du brauchst eine Regel und eine 20-minütige Wochenroutine.

Die Regel in ihrer einfachsten Form: Besuche diesen Monat unter 4 und Durchschnitt der 3 Vormonate über 8 → Risikoliste. Passe die Schwellenwerte an dein Modell an (bei einem Box mit durchschnittlich 3 Kursen pro Woche wäre es "weniger als 6 gegenüber mehr als 10"), aber mach es am Anfang nicht komplizierter.

Wie du es umsetzt, abhängig davon, was du hast:

  • Deine Software bietet das bereits. Viele Systeme haben Berichte über "inaktive Mitglieder" oder "gefährdete Mitglieder", die noch nie jemand geöffnet hat. Schau zuerst dort; wenn du Verwaltungssoftware-Optionen vergleichst, ist die Fähigkeit zu Bindungsalarmen ein Kriterium, das fast niemand gewichtet, und das sollte er.
  • Deine Software bietet das nicht, aber exportiert. Exportiere die Besuche der letzten vier Monate nach Excel, Pivot-Tabelle mit Besuchen pro Mitglied und Monat, eine Spalte mit der Regelformel, Filter. Das erste Mal dauert eine Stunde; danach 15 Minuten jeden Montag.
  • Paket-Modell. Noch einfacher: Liste der Pakete, die in den nächsten 15 Tagen ablaufen oder aufgebraucht werden, abgeglichen mit wer das nächste noch nicht gekauft hat.

Das Ergebnis der Routine ist eine kurze Liste, 5 bis 15 Namen pro Woche in einem Studio mit 300 Mitgliedern. Und jetzt kommt der Teil, der entscheidet, ob das alles etwas bringt.

Was mit der Liste tun (und was nicht)

Was nicht funktioniert, klar gesagt: die generische "wir vermissen dich"-Mail mit 10% Rabatt. Lächerliche Rücklaufquote, und der Rabatt bringt deinen Mitgliedern bei, dass Wegbleiben belohnt wird. Newsletter oder App-Push-Benachrichtigungen funktionieren auch nicht: das sich entfernende Mitglied öffnet deine Massennachrichten nicht mehr.

Was funktioniert, ist persönlicher Kontakt von jemandem, den das Mitglied kennt, idealerweise sein Trainer oder der Coach seiner üblichen Kurse. WhatsApp oder Anruf, der Ton einer echten Person und nicht eines Unternehmens, ohne das Wort Kündigung zu erwähnen. Ein Skript, das funktioniert:

"Hey Marta! Hier ist Carlos aus dem Box. Wir vermissen dich bei den 19-Uhr-Kursen, alles okay? Diese Woche machen wir [etwas Konkretes: Clean-Technik, Mobilitätstraining]. Wenn die Zeit nicht mehr passt, sag mir Bescheid und ich finde einen anderen Platz für dich. Bis bald!"

Drei Zutaten, keine davon verhandelbar: es schreibt eine Person mit Namen, die das Mitglied kennt, sie fragt, bevor sie etwas anbietet, und sie bietet etwas Konkretes und Einfaches an (ein anderer Kurs, eine andere Zeit), keinen Rabatt. Die Hälfte der Zeit legt die Antwort den echten Grund offen (Verletzung, Schichtwechsel bei der Arbeit, Umzug), und viele dieser Gründe haben eine Lösung, wenn man sie rechtzeitig kennt. Ein Monat Mitgliedschaft einzufrieren ist mehr wert als das Mitglied zu verlieren, und ein Horsechangewechsel kostet nichts.

Funktioniert es immer? Nein. Ein Teil der Liste wird trotzdem kündigen, weil manche Kündigungen unvermeidlich sind. Das realistische Ziel ist es, 20% bis 35% der rechtzeitig kontaktierten Risikokandidaten zurückzugewinnen. Im 300-Mitglieder-Studio aus dem Beispiel sind das 3-5 vermiedene Kündigungen pro Monat. Bei einem Monatsbeitrag von 45€ und einer durchschnittlichen Verlängerung von 8-10 Monaten ist jedes monatliche Paket vermiedener Kündigungen 1.200-2.000€ zukünftigen Umsatz wert. Für 20 Minuten Excel und vier WhatsApps des Trainers.

Vergleiche das mit der Neugewinnung: diese 3-5 Mitglieder durch Werbung zu ersetzen würde 150-400€ Werbeausgaben plus Verkaufsaufwand kosten, und das neue Mitglied hat den höchsten Kündigungsrisikoraum noch vor sich (die ersten 90 Tage), während das zurückgewonnene diesen bereits hinter sich hat. Bindung kostet 5 bis 10 Mal weniger als Akquise, und sie verbindet sich direkt mit deinen Umsatzdaten, wo echte Marketingentscheidungen getroffen werden.

Wo KI wirklich hilft und wo sie Nebel ist

Die Excel-Regel hat echte Einschränkungen. Sie betrachtet jeweils ein Signal, verwendet feste Schwellenwerte für alle und läuft einmal pro Woche. Kontinuierliches Multi-Signal-Scoring macht dasselbe, aber besser: es kombiniert Besuche, Buchungen, Zahlungen und Mitgliedsdauer zu einer Wahrscheinlichkeit pro Mitglied, lernt das normale Muster jedes Einzelnen (der stabile 3-Besuche-pro-Monat-Typ schlägt nicht an; der, der von 10 auf 5 fällt, schon) und berechnet täglich neu. Das ist KI mit Sinn eingesetzt, und der praktische Unterschied besteht darin, gefährdete Mitglieder 2-4 Wochen früher zu erkennen, mit weniger Fehlalarmen als die feste Regel.

Nebel gibt es auch reichlich. Drei Warnsignale, um ihn zu erkennen: dir wird "Churn-Prognose" verkauft ohne Zugriff auf deine Besuchsdaten (ohne dieses Signal gibt es keine gültige Vorhersage), man verspricht dir Trefferquoten ohne zu erklären, woran sie gemessen wurden, oder das Produkt endet in einem hübschen Dashboard, das niemand anschaut, statt in einer Namensliste mit zugewiesenen Aktionen. Vorhersage ohne das WhatsApp des Trainers dahinter ist nur ein weiterer Bericht. Der Flaschenhals im Anti-Churn ist fast nie der Algorithmus, es ist jemand, der den Kontakt tatsächlich herstellt.

Unser Ansatz bei Pilotium, wo wir an der anderen Hälfte dieser Gleichung arbeiten (dass das Mitglied, das über eine Kampagne kommt, eines ist, das bleibt), ist: eine einfache Regel gut ausgeführt bringt 70% des Wertes, und KI-Scoring macht Sinn, wenn die Kontaktroutine bereits läuft und du verfeinern möchtest. Erst die Gewohnheit, dann der Algorithmus.

Wo du am Montag anfängst

Exportiere die Besuche der letzten 4 Monate. Wende die Regel an (weniger als 4 Besuche diesen Monat, mehr als 8 im Durchschnitt davor). Erstelle die Liste, verteile sie mit dem Skript von oben auf die Trainer und notiere jede Antwort. In 4 Wochen kennst du deine echte Rückgewinnungsrate und hast die Zahl, die daraus eine Gewohnheit macht: wie viele Euro zukünftiger Beiträge du in diesem Monat gerettet hast.

Und wenn du zwei oder drei Monate Daten hast, mach die zweite Auswertung: Verbinde die Kündigungen mit der Akquisitionskampagne jedes Mitglieds. Wenn Mitglieder einer bestimmten Kampagne systematisch früher kündigen, löst das kein Trainer mit WhatsApps, das löst ein anderes Angebot. Churn gibt dir kostenlose Marketing-Erkenntnisse. Fast niemand wertet sie aus.

Immer einen Schritt voraus

Wöchentliche KI-Marketing-Insights. Kein Spam. Jederzeit abbestellbar.