Propensity Score: Definition, Modellklassen, Abgrenzung

Ein Propensity Score ist eine berechnete Wahrscheinlichkeit zwischen 0 und 1 dafür, dass ein einzelner Kunde in einem bestimmten Zeitraum etwas Bestimmtes tut, zum Beispiel kauft, kündigt oder auf eine Kampagne reagiert. Die Zahl kommt aus einem statistischen Modell, das aus historischen Kundendaten (Bestellungen, Klicks, Vertragsverläufe) gelernt hat, welche Merkmale in der Vergangenheit zu diesem Ereignis geführt haben.

Was ist ein Propensity Score?

„Propensity" (englisch für Neigung) meint hier die Wahrscheinlichkeit, mit der ein Kunde ein bestimmtes Verhalten zeigt. Der Score drückt diese Neigung als Zahl zwischen 0 und 1 aus: 0 heißt praktisch ausgeschlossen, 1 heißt so gut wie sicher. Die Einheit, auf die sich der Score bezieht, ist meistens ein Kunde, kann aber auch ein Lead (Interessent im Vertriebsprozess), ein Haushalt oder ein einzelner Website-Besuch sein. Vier Ausprägungen sind im Marketing- und CRM-Alltag verbreitet: Kauf-Propensity (Wahrscheinlichkeit für einen Kauf im nächsten Zeitraum), Churn-Propensity (Wahrscheinlichkeit, dass ein bestehender Kunde kündigt oder inaktiv wird), Response-Propensity (Reaktion auf eine Marketing-Maßnahme, etwa Newsletter-Klick oder Kampagnen-Anfrage) und Cross-Sell-Propensity (Kauf in einer bisher nicht bezogenen Produktkategorie).

Der Score entsteht als Ausgabe eines überwachten Klassifikators. Als Trainingslabel dient das historisch beobachtete Zielereignis (Kauf ja/nein, Kündigung ja/nein, Response ja/nein), als Features die verfügbaren Merkmale je Einheit: Bestellhistorie, Vertrags- und Tarifdaten, Verhaltenssignale aus Web- und App-Sessions, Firmografie im B2B-Kontext, externe Anreicherungen. Gängige Modellklassen sind Logistische Regression (interpretierbar, gut kalibriert), Gradient Boosting (XGBoost, LightGBM, hohe Vorhersagegüte), Random Forest und neuronale Netze für sehr große Feature-Räume. Die Modellwahl richtet sich nach Datenmenge, Interpretierbarkeitsanforderung und Kalibrierungsverhalten.

Kalibrierung ist die stille Voraussetzung, an der die Steuerungslogik hängt. Ein Score von 0,7 muss über alle Score-Buckets hinweg auch tatsächlich einer Ereignisrate von rund 70 Prozent entsprechen. Ohne diese Prüfung (Reliability-Diagramm, Brier Score, Platt Scaling, Isotonic Regression) sind Schwellenwert-Entscheidungen willkürlich und Kampagnen-Erwartungswerte falsch. Gradient-Boosting-Modelle liefern typischerweise gute Rangfolgen, aber schlechte Kalibrierung; eine nachgelagerte Rekalibrierung ist Standard.

Historisch geht die formale Definition auf das Rosenbaum-Rubin-Framework (1983) zurück: Der Propensity Score wurde ursprünglich als bedingte Wahrscheinlichkeit einer Behandlungszuordnung eingeführt, um Beobachtungsstudien für Kausalinferenz auszubalancieren (Propensity Score Matching). Im heutigen CRM- und Marketing-Sprachgebrauch bezeichnet der Begriff meist die reine Vorhersage-Wahrscheinlichkeit für ein Ziel-Ereignis. Die methodische Wurzel bleibt trotzdem relevant, weil dieselbe Kalibrierungs- und Balanceprüfung greift.

Verwendung findet der Score entlang mehrerer Achsen: Segmentierung nach Score-Klassen (Hoch-, Mittel-, Niedrig-Propensity), Priorisierung knapper Ressourcen (Vertriebszeit, Kampagnenbudget, Retention-Aufwand), Schwellenwert-Entscheidungen (MQL-zu-SQL-Übergabe, Retention-Trigger, Do-not-contact-Grenze) und als Eingangsgröße in Uplift-Modelle, die den zusätzlichen Behandlungseffekt separat schätzen.

Abgrenzung: CLV, Uplift Score, Scoring-Modell, RFM

Propensity Score wird häufig mit anderen kundenbezogenen Kennzahlen und Modellklassen vermischt. Vier Abgrenzungen sind zentral.

Begriff	Achse	Kernunterschied zum Propensity Score
Customer Lifetime Value (CLV)	Wert vs. Wahrscheinlichkeit	CLV prognostiziert den erwarteten kumulierten Deckungsbeitrag über die Beziehungsdauer, Propensity Score die Wahrscheinlichkeit für ein diskretes Ereignis. Beide werden multipliziert zu Erwartungswerten (Response-Wahrscheinlichkeit × Kundenwert).
Uplift Score / Uplift Modeling	Kausal-Effekt vs. Basiswahrscheinlichkeit	Ein Uplift Score misst die zusätzliche Wahrscheinlichkeit durch eine Behandlung (P(Ereignis	behandelt) − P(Ereignis	nicht behandelt)). Propensity Score misst die Wahrscheinlichkeit unabhängig von der Behandlung; die Priorisierung nur nach Propensity trifft häufig die „ohnehin Kaufenden".
Scoring-Modell (Oberbegriff)	Familie vs. Instanz	Scoring-Modell ist der Oberbegriff für Modelle, die Einheiten in eine numerische Rangfolge bringen. Kreditscore, Bonitätsscore und RFM-Score fallen darunter, sind aber keine kalibrierten Ereigniswahrscheinlichkeiten im Sinne der überwachten Klassifikation.
RFM-Score / RFM-Analyse	regelbasiert vs. modelliert	RFM bildet drei Quantil-Achsen (Recency, Frequency, Monetary) und ordnet Kunden in Rangklassen. Propensity Score ist die Ausgabe eines statistischen Modells auf einem beobachteten Zielereignis und liefert eine kalibrierte Wahrscheinlichkeit, keine Rangklasse.

Am häufigsten überschneidet sich Propensity Score mit dem Uplift Score. Beide sind Wahrscheinlichkeiten, beide steuern Kampagnen, beide entstehen aus überwachten Modellen. Der Unterschied liegt im Ziel-Ereignis: Propensity misst das Ereignis selbst, Uplift den kausalen Zusatzeffekt einer Behandlung auf das Ereignis. Für Response-orientierte Kampagnen (Newsletter-Öffnung) reicht meist der Propensity Score; für kostenintensive Interventionen (Rabatt, Vertriebskontakt) verschiebt der Uplift Score die Priorität weg von den „Sicheren Käufern" hin zu den tatsächlich beeinflussbaren Segmenten.

Die Abgrenzung zu Lead Scoring verläuft anders: Lead Scoring ist eine spezifische Anwendung eines Propensity-Modells auf noch nicht abgeschlossene Leads mit dem Ziel-Ereignis Abschluss. Die Modellklasse ist dieselbe, die Grundmenge und der Prozess-Kontext sind spezifisch.

Beispiel: Vier parallele Propensity-Modelle in einem Multichannel-Handel

Ein Multichannel-Händler mit rund zwei Millionen aktiven Kundenkonten trainiert monatlich vier separate Gradient-Boosting-Modelle je Zielereignis:

Modell	Zielereignis	Zeitfenster
Kauf-Propensity	Bestellung in einer beliebigen Kategorie	nächste 30 Tage
Churn-Propensity	keine Bestellung und Newsletter-Abmeldung	nächste 90 Tage
Response-Propensity	Klick auf Rabatt-Kampagne	Kampagnenfenster (7 Tage)
Cross-Sell-Propensity	Erstkauf in einer bisher nicht bezogenen Kategorie	nächste 60 Tage

Das Feature-Set kombiniert Bestellhistorie (Recency, Frequency, Monetary auf Kategorie-Ebene), Session-Verhalten (Produktseiten, Wunschlisten, Warenkorb-Abbrüche), Retouren-Quote und Preissensitivität. Jeder Kundendatensatz trägt nach dem Training vier Propensity Scores, jeweils zwischen 0 und 1. Die Scores werden gegen ein Hold-out-Set aus dem Vormonat kalibriert (Isotonic Regression), sodass die Ereignisrate pro Score-Bucket verlässlich der Score-Klasse entspricht.

Die Kampagnen-Steuerung nutzt die Scores unterschiedlich. Für die wöchentliche Newsletter-Segmentierung reicht die reine Response-Propensity: Kunden mit Score unter 0,05 landen in einer Suppression-Liste, um Zustellrate und Absender-Reputation zu schützen. Für die vierteljährliche Retention-Kampagne mit personalisierten Gutscheinen wird der Churn-Propensity-Score mit einem separat trainierten Uplift-Modell kombiniert: Adressiert werden nur Kunden mit hoher Churn-Wahrscheinlichkeit und gleichzeitig positivem Uplift-Effekt, um Streuverluste an ohnehin bleibende Kunden zu vermeiden. Für den Cross-Sell im Kategorie-Newsletter wird der Cross-Sell-Score mit dem Deckungsbeitrag der Zielkategorie multipliziert, sodass die Priorisierung erwartete Deckungsbeiträge abbildet statt reiner Wahrscheinlichkeiten.

Vergleichbare Architekturen finden sich in Telko-Bestandsführung, Banken- und Versicherungs-CRM, Subscription-Geschäften mit langer Kundenlaufzeit und im E-Commerce mit hoher Wiederkaufsfrequenz.