Next Best Action

Next Best Action (NBA, deutsch: nächste beste Aktion) bezeichnet die auf Kundendaten gestützte Entscheidung, was mit einem konkreten Kunden als Nächstes geschehen soll. Kern-Bausteine sind ein Aktionskatalog (die zur Auswahl stehenden Maßnahmen: Angebot, Servicekontakt, Kündigungsprävention, Beratungstermin, bewusst nichts tun), ein Score je Aktion (rechnerischer Wert, wie sinnvoll die Maßnahme für diesen Kunden gerade ist) und eine Entscheidungsschicht, die daraus die beste nächste Aktion auswählt.

Was ist Next Best Action?

Next Best Action ist ein übergeordnetes Steuerungskonzept aus dem analytischen CRM (Customer Relationship Management, also der systematischen Steuerung von Kundenbeziehungen). Pro Kunde und Zeitpunkt wird aus einem definierten Aktionskatalog jene Aktion ausgewählt, die eine Zielgröße maximiert, meist den erwarteten Deckungsbeitrag (Umsatz abzüglich direkter Kosten), gelegentlich auch Kundenbindung, Servicequalität oder eine kombinierte Kennzahl aus mehreren dieser Größen. Der Begriff taucht ab den frühen 2000er-Jahren im Kontext von Retail-Banking, Telekommunikation und Versicherung auf und war lange regelbasiert (feste Wenn-Dann-Regeln); die aktuelle Ausprägung stützt sich auf Propensity-Modelle (schätzen, wie wahrscheinlich ein Kunde auf eine Aktion reagiert), Uplift-Modelle (schätzen, was die Aktion gegenüber Nichts-Tun zusätzlich bringt) und teilweise Reinforcement-Learning-Verfahren (Modelle, die durch Ausprobieren lernen), kombiniert mit einer Entscheidungsschicht, die diese Werte gegeneinander abwägt.

Der Aktionskatalog ist breiter als eine Verkaufsliste. Er kann Angebote (Cross-Sell, Upsell, Bundle), Preis- oder Vertragsanpassungen, Service-Interventionen, Onboarding-Schritte, Kündigungsprävention, Beratungstermine und die explizite Option „keine Aktion" umfassen. Genau darin unterscheidet sich NBA von reinen Empfehlungssystemen: die Entscheidung betrifft zunächst die Aktionsklasse (Verkauf, Retention, Service, Onboarding) und erst danach das konkrete Item innerhalb der Klasse.

Methodisch trägt eine NBA-Architektur mehrere Modellfamilien zusammen. Für jede Aktion existiert typischerweise ein Propensity-Modell (Wahrscheinlichkeit einer Reaktion) und ein Value-Modell (erwarteter Beitrag im Erfolgsfall). Eine Entscheidungsschicht kombiniert diese Werte zu einem Score, priorisiert kundenindividuell die besten Aktionen und löst Konflikte über Business-Regeln auf: Kontaktfrequenz, Kanal-Eignung, Eligibility, Compliance-Vorgaben und Vertriebskapazität. Voraussetzung für konsistente Empfehlungen über Vertrieb, Service, Web, App und Kampagne ist eine konsolidierte Kunden- und Kontaktbasis, in der Regel abgebildet in einem Customer-360-Datenmodell.

Abgrenzung: Next Best Offer, Recommender, Cross-Selling

Der Begriff wird regelmäßig mit engeren oder verwandten Konzepten vermischt. Die folgenden vier Abgrenzungen sind die häufigsten Verwechslungen.

Next Best Offer (NBO) fokussiert die beste nächste Kaufempfehlung pro Kunde, also Cross-Sell, Upsell oder Bundle. NBO ist definitorisch eine Teilmenge von NBA. Jedes NBO-Ergebnis lässt sich als Aktion in einem NBA-Aktionskatalog abbilden, aber NBA umfasst zusätzlich Retention, Service, Onboarding, Preis- und Beratungsangebote sowie die Option, in einer Situation bewusst nichts zu tun.

Recommendation Systems bezeichnen die technischen Verfahren, mit denen eine Item-Rangliste erzeugt wird: kollaboratives Filtern, Content-Based-Ansätze, Hybrid-Recommender, jüngst auch sequenzielle und LLM-basierte Verfahren. Ein Recommender liefert eine sortierte Liste möglicher Items. NBA verwendet solche Ranglisten als Input, entscheidet aber übergreifend zwischen unterschiedlichen Aktionstypen und berücksichtigt dabei Kosten, Kanäle, Frequenz und regulatorische Vorgaben.

Cross-Selling ist eine bestimmte Aktionsklasse, konkret der Verkauf ergänzender Produkte an einen Bestandskunden. Cross-Sell-Empfehlungen sind ein möglicher NBA-Output, decken aber nur einen Teilaspekt ab. Customer Segmentation liefert Kontext (Zielgruppen, Regeln, Priorisierungen), ersetzt aber keine kundenindividuelle Entscheidungslogik: eine Segmentierung sagt, welche Kunden ähnlich sind, NBA sagt, was mit einem konkreten Kunden im nächsten Kontakt geschehen soll. Marketing-Automation schließlich beschreibt die Ausspielungsplattform (Kampagnen, Trigger, Journeys) und dient damit als Kanal für NBA-Ergebnisse; die Entscheidungsschicht liegt davor.

Beispiel: Next Best Action im Retail-Banking

Eine Retailbank betreibt Next Best Action für rund 800.000 Privatkundinnen und -kunden. Der Aktionskatalog enthält rund 40 Aktionen: Baufinanzierungs-Termin, Ratenkredit-Angebot, Umschuldung, Kreditkarten-Upgrade, Kontowechsel-Prävention, Depot-Beratung, Vorsorge-Check, „keine Aktion". Für jede Aktion existiert ein Propensity-Modell (Reaktionswahrscheinlichkeit) und ein Value-Modell (erwarteter Deckungsbeitrag im Erfolgsfall). Beide Modellfamilien setzen auf einem Customer-360-Datenmodell auf, das Kontostände, Umsätze, Produktbestand, Verhaltenssignale aus Online-Banking und historische Kontakte konsolidiert.

Eine Entscheidungsschicht priorisiert je Kunde die drei besten Aktionen. Sie kombiniert Score-Werte mit Business-Regeln: Kontaktfrequenz-Grenzen, Kanal-Eignung, Compliance-Vorgaben (Suitability, MiFID II), interne Vertriebskapazitäten und Kampagnen-Freischaltungen. Die Ausspielung erfolgt in drei Kanälen. Die Filial-Beratungssoftware zeigt Vorschlag und Begründung zum Kundengespräch. Das Online-Banking blendet personalisierte Bausteine ein. Marketing-Automation ergänzt Outbound-Kampagnen für Kunden ohne Filialkontakt.

Die Erfolgsmessung läuft über randomisierte Kontrollgruppen je Aktion. Ein Anteil der eligiblen Kunden wird bewusst nicht bespielt; der inkrementelle Deckungsbeitrag pro Kontakt wird gegen diese Kontrollgruppe berichtet. Ergänzend gemessen wird die Nicht-Übernahme-Rate der Empfehlungen durch die Berater (Override-Quote). Der praktische Nutzen liegt weniger in der Modellqualität einer einzelnen Aktion als im konsistenten Umgang mit Konflikten: Retention wird vor Sales gespielt, Frequenzgrenzen werden eingehalten, Suitability wird geprüft, bevor eine Aktion überhaupt in Frage kommt.