Abonnementbindung + Compliance
Amazon zahlte 2,5 Milliarden Dollar für einen Kündigungsablauf, der 6 Klicks erforderte. Uber sieht sich 21 Generalstaatsanwälten gegenüber wegen 23 Bildschirmen bis zur Kündigung. Die FTC nimmt die Regelsetzung zu Negative-Option-Modellen wieder auf. Währenddessen optimiert Ihr Bindungsteam die Save-Rate, ohne zu wissen, welche Nutzer es zur Tür hinausdrängt.
Wir entwickeln Systeme zur Abonnementbindung, die den Unterschied zwischen einem Persuadable und einem Sleeping Dog kennen, jeden in das richtige Erlebnis leiten und prüffeste Compliance-Dokumentation für jede Rechtsordnung erstellen, in der Sie tätig sind.
2,5 Mrd. $
Amazons Vergleich wegen Dark Patterns
FTC, September 2025
75 %
der SaaS-Abwanderung ist freiwillig
Recurly Churn Report, 2025
21 Bundesstaaten
schlossen sich der FTC-Klage gegen Uber zum Abonnement an
Ergänzte FTC-Klageschrift, Dez. 2025
Jedes Abonnementunternehmen erfasst die „Save-Rate“. Den Prozentsatz der Nutzer, die den Kündigungsablauf starten und ihn nicht abschließen. Eine Save-Rate von 30 % klingt nach einem Erfolg. Doch die Save-Rate ist eine Vanity-Metrik, die vier völlig unterschiedliche Nutzerverhalten miteinander vermischt.
Werden kündigen, sofern sie nicht die richtige Intervention erhalten. Eine relevante Funktionsdemonstration oder Tarifanpassung lässt sie umdenken. Dies sind die einzigen Nutzer, bei denen ein Save-Flow echten Wert schafft.
Bleiben unabhängig davon. Sie haben auf Kündigen geklickt, um Optionen zu erkunden, oder aus Versehen. Ihnen 20 % Rabatt zu geben verschwendet Marge an einen Nutzer, der ohnehin nie weggehen wollte. Ihre Save-Rate zählt sie als „gerettet“.
Werden kündigen, egal was Sie anbieten. Sie haben die Entscheidung getroffen. Ein 4-seitiger Save-Flow macht sie nur wütend, erzeugt Support-Tickets und schafft genau jenes „labyrinthische“ Erlebnis, das die Aufmerksamkeit der FTC auf Amazon lenkte.
Verlängern derzeit und würden weiter verlängern. Doch Ihr Save-Flow kontaktiert sie mit einer „Schade, dass Sie gehen“-E-Mail oder einem Rabattangebot, und nun erinnern sie sich, dass sie 49 $/Monat für etwas zahlen, das sie seit drei Monaten nicht genutzt haben. Ihr Bindungssystem hat soeben eine Abwanderung erzeugt, die andernfalls nicht entstanden wäre.
Ein B2B-SaaS-Unternehmen mit 200.000 Abonnenten und 3 % monatlicher freiwilliger Abwanderung hat etwa 6.000 kündigungswillige Nutzer pro Monat. Branchenforschung legt nahe, dass ungefähr 10–20 % davon Sleeping Dogs sind – Nutzer, die weiter gezahlt hätten, wenn man sie in Ruhe gelassen hätte.
Wenn Ihr Save-Flow alle 6.000 Nutzer kontaktiert (was ProsperStack, Chargebee Retention und jedes Standardtool tun), drängen Sie 600–1.200 Nutzer pro Monat in Richtung einer Kündigung, die sie gar nicht vornehmen wollten. Bei 50 $ ARPU sind das 360.000–720.000 $ Jahresumsatz die durch Ihr eigenes Bindungssystem vernichtet werden.
Telenor, der norwegische Telekommunikationsanbieter, hat dies auf die harte Tour erfahren. Ihre Bindungskampagnen verursachten in der Behandlungsgruppe eine um 2 % höhere Abwanderung. Sie fanden es nur heraus, weil sie einen ordentlichen Holdout-Test durchführten. Die meisten SaaS-Unternehmen tun das nie.
Die Click-to-Cancel-Regel der FTC wurde im Juli 2025 aufgehoben, doch die Durchsetzung hat sich beschleunigt, nicht verlangsamt. ROSCA, Section 5 des FTC Act und die bundesstaatlichen Gesetze zur automatischen Verlängerung bieten den Regulierungsbehörden alle Befugnisse, die sie benötigen. Die FTC nahm im Januar 2026 die Regelsetzung zu Negative-Option-Modellen mit einer ANPRM wieder auf (Kommentarfrist April 2026). Die Durchsetzung auf Bundesstaatsebene weitet sich durch Koalitionen wie Kaliforniens Automatic Renewal Task Force (CART) aus.
| Unternehmen | Jahr | Strafe | Was sie taten | Rechtsgrundlage |
|---|---|---|---|---|
| Amazon Prime | Sept. 2025 | 2,5 Mrd. $ | „Iliad Flow“: 4-seitiger, 6-klickiger Kündigungsprozess mit 15 Optionen. 35 Mio. Verbraucher ohne klare Einwilligung angemeldet. | ROSCA + FTC Act Section 5 |
| Epic Games | Dez. 2023 | 245 Mio. $ | Ein-Klick-Käufe ohne Bestätigung. Konten gesperrt, wenn Nutzer Rückbuchungen einreichten. | FTC Act Section 5 + ROSCA |
| Vonage | Nov. 2022 | 100 Mio. $ | Versteckter Kündigungsmechanismus. Fortgesetzte Abbuchung, nachdem Nutzer die Kündigung beantragt hatten. | ROSCA + FTC Act |
| Uber | 2025 (laufend) | Offen | Uber One: bis zu 23 Bildschirme und 32 Aktionen zum Kündigen. Nutzer vor Ende der kostenlosen Testphase automatisch angemeldet. | ROSCA + FTC Act (21 Bundesstaaten beigetreten) |
| Chegg | Sept. 2025 | 7,5 Mio. $ | Mehrklick-Kündigungspfad, nicht intuitiv. Fortgesetzte Abbuchung nach abgeschlossener Kündigung. | ROSCA |
| HelloFresh | Aug. 2025 | 7,5 Mio. $ | Unterlassene Offenlegung der Abonnementbedingungen. Kein einfacher Kündigungsmechanismus für kalifornische Verbraucher. | California ARL |
| JustAnswer | Jan. 2026 | Offen | KI-Chatbot „Pearl“ wurde eingesetzt, um Verbraucher in wiederkehrende Abbuchungen zu zwingen. Erste größere Durchsetzungsmaßnahme gegen einen KI-Agenten. | FTC Act (irreführende Praktiken) |
ROSCA verlangt nicht den Nachweis eines bestimmten Dark Patterns. Die FTC muss lediglich zeigen, dass die Kündigung „nicht einfach“ war. Das ist eine niedrigere rechtliche Hürde, als die meisten Unternehmen annehmen. Wenn Ihr Kündigungsablauf mehr Schritte hat als Ihr Anmeldeablauf, sind Sie exponiert. Wenn Ihr KI-Agent vor der Zulassung der Kündigung gesprächige Reibung hinzufügt, sind Sie exponiert.
Kaliforniens „One Save“-Regel begrenzt Bindungsangebote auf eines pro Kündigung. New York verlangt bei Online-Anmeldungen eine reine Online-Kündigung. Maryland hat spezifische Fristen für Offenlegungen. Connecticut verlangt Benachrichtigungen vor der Verlängerung. Wenn Sie Kunden in mehreren Bundesstaaten bedienen, ist das strengste Gesetz in Ihrem Abonnentenstamm Ihre Compliance-Untergrenze.
Vier Fähigkeiten, integriert. Jede schließt eine spezifische Lücke, die Standard-Bindungstools nicht füllen können.
Wir entwickeln Uplift-Modelle, die sich an den Event-Stream Ihres Abrechnungssystems anbinden und jeden kündigungswilligen Nutzer in eines von vier Segmenten einordnen: Persuadable, Sure Thing, Lost Cause oder Sleeping Dog.
Der technische Ansatz: Wir schätzen für jeden Nutzer den Conditional Average Treatment Effect (CATE). Das Modell beantwortet die Frage „Wird genau dieser Nutzer wegen unserer Intervention bleiben oder unabhängig davon?“ Standard-Abwanderungsprognosen können diese Frage nicht beantworten. Sie sagen vorher, wer gehen wird, nicht, wer wegen dessen, was Sie tun, gehen wird.
Die Integration erfolgt über Ihre bestehende Abrechnungs-API. Bei Stripe lauschen wir auf customer.subscription.updated und customer.subscription.deleted Webhook-Events. Bei Chargebee und Recurly entsprechende Event-Streams. Keine Abrechnungsmigration erforderlich.
Warum nicht A/B-Tests allein? ProsperStacks AI Autopilot und Chargebee Retention optimieren, welches Angebot im Durchschnitt am besten funktioniert. Uplift-Modellierung sagt Ihnen, welches Angebot für welchen Nutzer funktioniert. Der Unterschied: A/B-Tests können Sleeping Dogs nicht identifizieren. Nur ein kausales Modell mit einem ordentlichen Holdout kann das.
Verschiedene Segmente erhalten verschiedene Erlebnisse. Persuadables sehen eine personalisierte Werterinnerung oder Tarifanpassung, begrenzt auf ein Angebot gemäß Kaliforniens „One Save“-Regel. Lost Causes und Sleeping Dogs erhalten einen Ein-Klick-Ausgang ohne Reibung. Sure Things sehen eine kurze Umfrage (kein Angebot, kein Rabatt).
Wir gestalten diese Abläufe so, dass sie der strengsten anwendbaren Vorschrift in Ihrem Abonnentenstamm genügen. Der ROSCA-Standard („einfache Kündigung“) ist die bundesweite Untergrenze. Kaliforniens ARL fügt die One-Save-Begrenzung und die Anforderungen zur Benachrichtigung vor der Verlängerung hinzu. New York fügt die Vorgabe einer reinen Online-Kündigung hinzu. Wir bauen eine Ablaufarchitektur, die alle Rechtsordnungen über ein auf dem Abonnentenstandort basierendes Routing abdeckt.
Warum nicht eine größere Firma? Accenture und Deloitte bauen Abonnementplattformen. Sie implementieren Zuora oder SAP Billing. Sie bauen keine kausalen Segmentierungs-Engines und prüfen keine Kündigungsabläufe auf Dark Patterns. Ihre Projekte kosten 500.000–5 Mio. $ und liefern eine Plattformmigration, keine Bindungsintelligenz. Wir bauen die 20 % des Systems, die 80 % des Bindungsergebnisses bewirken.
Integriert in Ihre CI/CD-Pipeline. Jede Änderung an Ihrem Kündigungsablauf wird gescannt, bevor sie in die Produktion gelangt. Die DOM-Analyse prüft strukturelle Muster: versteckte Kündigungsbuttons, vorausgewählte Anmelde-Kontrollkästchen, unverhältnismäßige Buttongrößen. Die NLP-Klassifizierung prüft Texte auf Confirmshaming, falsche Dringlichkeit, Fangfragen und irreführende Darstellung.
Befunde werden bestimmten regulatorischen Anforderungen zugeordnet. „Diese Button-Beschriftung verwendet Confirmshaming-Sprache, die nach der ROSCA-Rechtsprechung verboten ist (vgl. Beschwerde zum Amazon Iliad Flow, Abs. 47)“ ist ein umsetzbarer Befund. „Dieser Ablauf hat potenzielle Compliance-Probleme“ ist es nicht. Wir liefern Ersteres.
Die Governance-Lücke: Derzeit testet Ihr Marketingteam Änderungen am Kündigungsablauf per A/B-Test. Ihr Rechtsteam prüft vierteljährlich (wenn überhaupt). Die Lücke zwischen diesen beiden Taktungen ist der Ort, an dem das Durchsetzungsrisiko lebt. Amazons Iliad Flow bestand jahrelang, weil kein automatisiertes System ihn als regulatorisches Problem kennzeichnete. Automatisierte Prüfung schließt diese Lücke.
Wenn Sie konversationelle KI in Ihrem Bindungsablauf einsetzen (oder dies planen), bauen wir die Constraint-Schicht, die sie rechtskonform hält. Die JustAnswer-Klage (Januar 2026) hat bewiesen, dass KI-Chatbots derselben Dark-Pattern-Haftung unterliegen wie manuelle UI-Designs.
Vier harte Grenzen: ein maximales Interaktionsbudget (2–3 Runden vor obligatorischer Ein-Klick-Kündigung), ein Klassifikator für verbotene Sprache, der Confirmshaming und emotionale Manipulation in Echtzeit blockiert, eine segmentgesteuerte Aktivierung (der Agent engagiert nur Persuadables) und eine vollständige Gesprächsprotokollierung mit Compliance-Kennzeichnung für die rechtliche Prüfung.
Das Reward-Hacking-Problem: Ein für Bindung feinabgestimmtes LLM wird lernen, hinzuhalten, Schuldgefühle zu erzeugen und zu manipulieren, weil diese Taktiken das kurzfristige Belohnungssignal maximieren. Ohne explizite Constraints wird Ihr KI-Agent eigenständig jedes Dark Pattern neu erfinden, wegen dem Amazon verklagt wurde. Wir bauen die Guardrails, die das verhindern.
Drei Phasen. Die erste liefert unabhängig von den anderen Wert. Jede Phase baut auf Ihrer bestehenden Abrechnungsinfrastruktur auf.
Wir prüfen Ihr bestehendes Kündigungserlebnis gegen ROSCA, California ARL und jedes bundesstaatliche ARL, in dem Sie Abonnenten haben. Sie erhalten einen Compliance-Risikobericht mit konkreten Befunden, die bestimmten Vorschriften zugeordnet sind – keine vagen „potenziellen Probleme“.
Gleichzeitig entwerfen und implementieren wir einen Holdout-Test. 10–15 % der kündigungswilligen Nutzer werden zu einem reibungslosen Ausgang ohne Save-Versuch geleitet. So entstehen die kontrafaktischen Daten, die für Phase 2 benötigt werden. Ohne sie sind Ihre Save-Rate-Kennzahlen nicht messbar. Die meisten Unternehmen haben diesen Test nie durchgeführt, weil ihr Bindungsteam anhand der Save-Rate incentiviert wird und ein Holdout diese Zahl senkt.
Mithilfe der Holdout-Daten aus Phase 1 trainieren wir das Uplift-Modell. Eingaben: Abonnementdauer, Tariftyp, Nutzungsmuster, Supporthistorie und Kündigungsabsichts-Signale. Ausgabe: Segmentklassifizierung pro Nutzer mit Konfidenzwerten.
Anschließend bauen wir den segmentbewussten Kündigungsablauf. Dieser integriert sich über eine Middleware-Schicht, die Nutzer anhand ihres Segments leitet, in Ihre bestehende Abrechnungsplattform (Stripe Customer Portal API, Chargebee Retention oder Recurly-Events). Die Abläufe werden pro Rechtsordnung auf regulatorische Compliance ausgelegt.
Automatisiertes Dark-Pattern-Scanning, integriert in CI/CD. Jede Änderung des Kündigungsablaufs wird vor dem Produktions-Deployment geprüft. Die Regulierungsmatrix wird aktualisiert, wenn sich bundesstaatliche Gesetze ändern (der EU Digital Fairness Act, erwartet 2027, wird verpflichtende Anforderungen an Kündigungsbuttons hinzufügen).
Das Uplift-Modell wird vierteljährlich neu trainiert, sobald sich das Verhalten Ihrer Abonnenten verschiebt. Segmentverteilungen ändern sich, wenn sich Ihr Produkt weiterentwickelt, Preise sich ändern oder Marktbedingungen sich verschieben. Ein auf Q1-Daten trainiertes Modell kann Nutzer bis Q4 falsch klassifizieren. Laufendes Monitoring fängt diesen Drift ab.
Ehrlicher Vorbehalt: Kausale Segmentierung erfordert ein ausreichendes Kündigungsvolumen, um verlässliche Modelle zu trainieren. Wenn Ihr Produkt weniger als 500 freiwillige Kündigungen pro Monat hat, konvergiert das Uplift-Modell nicht mit brauchbarer Genauigkeit. Bei volumenschwächeren Produkten konzentrieren wir uns auf Phase 1 (Compliance-Audit) und Phase 3 (Monitoring) und verwenden regelbasierte Segmentierungsheuristiken statt kausaler Modelle. Wir verkaufen Ihnen kein statistisches Modell, das Ihre Daten nicht stützen können.
Beantworten Sie sieben Fragen zu Ihrem aktuellen Kündigungsablauf. Erhalten Sie einen Risiko-Score, konkrete Risikobereiche und umsetzbare nächste Schritte, die Sie unternehmen können, bevor Sie irgendjemanden anrufen.
Kaliforniens Automatic Renewal Law (Bus. & Prof. Code Section 17600-17606) und ROSCA überschneiden sich, sind aber nicht identisch. Kalifornien verlangt einen „unmittelbar zugänglichen“ Online-Kündigungsmechanismus, Benachrichtigungen vor der Verlängerung 15–45 Tage vor der Abbuchung und seit Juli 2025 eine „One Save“-Begrenzung für Bindungsangebote während der Kündigung. ROSCA verlangt, dass die Kündigung „einfach“ ist und dass Verbraucher ihre „ausdrückliche informierte Einwilligung“ zu wiederkehrenden Abbuchungen geben.
Die praktische Designbeschränkung: Ihr Kündigungsablauf kann ein Bindungsangebot einblenden (was die kalifornische One-Save-Regel erfüllt), muss dann aber einen Abschluss der Kündigung in einer einzigen Aktion bieten (was den Einfachheitsstandard von ROSCA erfüllt). Wir bauen Abläufe, bei denen der Angebotsbildschirm einen prominent platzierten Button „Nein danke, jetzt kündigen“ enthält, der die Kündigung mit einem Klick abschließt. Das Bindungsangebot selbst darf keine Confirmshaming-Sprache, keine Countdown-Timer und keine irreführende Darstellung verwenden.
Bei mehrstaatlichen Operationen ordnen wir Ihren Abonnentenstamm nach Rechnungsadresse zu und wenden pro Rechtsordnung den strengsten anwendbaren Standard an. New Yorks GBL 527-a verlangt ähnliche reine Online-Kündigungsmechanismen, während Maryland und Connecticut eigene Fristen für Offenlegungen haben. Wir pflegen eine Regulierungsmatrix, die jedes Element des Kündigungsablaufs spezifischen bundesstaatlichen und bundesweiten Anforderungen zuordnet, damit Ihr Rechtsteam prüffeste Dokumentation für jede Rechtsordnung hat.
Uplift-Modellierung schätzt den kausalen Effekt einer Bindungsintervention auf jeden einzelnen Nutzer. Der Goldstandard sind Daten aus einer randomisierten kontrollierten Studie (RCT), bei der einige kündigende Nutzer ein Save-Angebot sehen und anderen erlaubt wird, ohne Intervention zu kündigen. Wenn Sie nie Holdout-Tests durchgeführt haben, beginnen wir dort.
Phase 1 jedes Projekts umfasst die Gestaltung und Implementierung eines ordentlichen Holdouts: 10–15 % der kündigungswilligen Nutzer werden zu einem sauberen, reibungslosen Ausgang ohne Save-Versuch geleitet. Dies läuft je nach Kündigungsvolumen 4–8 Wochen. Der Holdout liefert uns die Gegenrechnung, die wir benötigen, um Persuadables von Sleeping Dogs zu unterscheiden. Ohne ihn ist jede Save-Rate-Kennzahl, die Ihr Team meldet, bedeutungslos, weil Sie nicht sagen können, ob der Nutzer wegen Ihres Angebots oder trotz dessen geblieben ist.
Für Unternehmen mit historischen Kündigungsdaten, aber ohne Holdout können wir quasi-experimentelle Methoden wie Propensity-Score-Matching oder Instrumentalvariablen einsetzen, doch diese liefern schwächere Schätzungen. Wir gehen mit dieser Einschränkung transparent um.
Die Dateneingaben, die wir aus Ihrem Abrechnungssystem benötigen: Abonnement-Startdatum, Tariftyp, Abrechnungszyklus, Nutzungsereignisse (Logins, Funktionsnutzung, Support-Tickets), Zeitstempel der Kündigungsinitiierung, gezeigtes Save-Angebot (falls vorhanden) und das endgültige Ergebnis. Das meiste davon ist über Stripes API verfügbar (customer.subscription.updated Webhook-Events) oder über Chargebees Event-Exporte.
ProsperStack ist ein solides Kündigungsablauf-Tool. Sein AI Autopilot optimiert per A/B-Test, welches Angebot gezeigt wird, und es integriert sich sauber mit Stripe, Chargebee und Recurly. Wenn Ihr einziges Ziel die Angebotsoptimierung ist, könnte ProsperStack ausreichen.
Wo es zu kurz greift: ProsperStack behandelt jeden kündigenden Nutzer als Kandidaten für die Bindung. Es kann einen Persuadable (bleibt mit dem richtigen Angebot) nicht von einem Sleeping Dog (wandert ab, weil der Save-Flow ihn daran erinnert hat, dass er zahlt) unterscheiden. A/B-Tests sagen Ihnen, welches Angebot im Durchschnitt über alle Kündigenden am besten funktioniert. Uplift-Modellierung sagt Ihnen, welches Angebot für jeden einzelnen Nutzer am besten funktioniert und, was entscheidend ist, welche Nutzer überhaupt kein Angebot sehen sollten.
Der Unterschied ist finanziell bedeutsam. Wenn 15 % Ihrer Kündigenden Sleeping Dogs sind und Ihr Save-Flow sie alle kontaktiert, erzeugen Sie Abwanderung, die andernfalls nicht passiert wäre. Bei 100.000 Abonnenten mit 3 % monatlicher freiwilliger Abwanderung sind das rund 450 Abonnenten pro Monat, die Sie zur Tür hinausdrängen. Bei 50 $ ARPU sind das 270.000 $ Jahresumsatz, die an Ihr eigenes Bindungssystem verloren gehen.
ProsperStack hat zudem keine Compliance-Prüfschicht. Es prüft nicht, ob die Sprache Ihres Kündigungsablaufs Confirmshaming nach ROSCA darstellt, ob Ihre Angebotstaktung Kaliforniens One-Save-Regel erfüllt oder ob Ihr KI-generierter Text FTC-Grenzen überschreitet. Wir bauen die kausale Intelligenz- und Compliance-Schichten, die unter Tools wie ProsperStack liegen, oder wir ersetzen den Ablauf vollständig, wenn das bestehende Tool kein segmentbewusstes Routing unterstützen kann.
Die FTC-Klage vom Januar 2026 gegen JustAnswer hat festgestellt, dass KI-Chatbots, die dazu eingesetzt werden, Verbraucher in Abonnements einzuschließen, derselben Prüfung unterliegen wie manipulatives UI-Design. Das Risiko ist real: Ein LLM-basierter Save-Agent, der auf Bindung optimiert ist, wird naturgemäß zu Confirmshaming, falscher Dringlichkeit und emotionaler Manipulation tendieren, weil diese Taktiken kurzfristig funktionieren.
Wir bauen Constraint-Schichten für KI-Bindungsagenten mit vier harten Grenzen. Erstens ein maximales Interaktionsbudget: Der Agent erhält N Runden (typischerweise 2–3), um wertbasierte Bindungsoptionen zu präsentieren. Nach N muss er einen Ein-Klick-Kündigungsbutton ohne zusätzliche Reibung einblenden. Zweitens ein Klassifikator für verbotene Sprache, trainiert auf FTC-Durchsetzungssprache und ROSCA-Rechtsprechung, der Confirmshaming-Formulierungen, künstliche Verknappungsbehauptungen und schuldbasierte Darstellung in Echtzeit blockiert. Drittens eine segmentgesteuerte Aktivierung: Der Agent engagiert nur Persuadables. Lost Causes erhalten einen sofortigen reibungslosen Ausgang. Sleeping Dogs werden nie kontaktiert. Viertens eine vollständige Gesprächsprotokollierung mit Compliance-Kennzeichnung. Jede Agenteninteraktion wird gespeichert, nach Compliance-Risikostufe klassifiziert und für die rechtliche Prüfung verfügbar gemacht.
Das ist nicht optional. Der Amazon-Vergleich enthält die Anforderung eines unabhängigen Monitors über 10 Jahre. Ubers ergänzte Klageschrift verweist ausdrücklich auf die Anzahl der Bildschirme und Aktionen, die zum Kündigen erforderlich sind. Die Regulierungsbehörden zählen Klicks. Wenn Ihr KI-Agent Schritte hinzufügt, fügt er Haftung hinzu.
Ein typisches Projekt verläuft in drei Phasen über 14–20 Wochen. Phase 1 (Kündigungsablauf-Audit und Holdout-Design, 3–4 Wochen, 25.000–40.000 $): Wir prüfen Ihr bestehendes Kündigungserlebnis gegen ROSCA, California ARL und anwendbare bundesstaatliche Anforderungen. Wir entwerfen und implementieren einen Holdout-Test. Die Liefergegenstände umfassen einen Compliance-Risikobericht mit konkreten Maßnahmen zur Behebung sowie einen in der Produktion laufenden Holdout-Test.
Phase 2 (Kausale Segmentierung und Ablaufaufbau, 8–12 Wochen, 75.000–150.000 $): Wir bauen das Uplift-Modell mithilfe der Holdout-Daten, integrieren es per API in Ihr Abrechnungssystem und gestalten segmentbewusste Kündigungsabläufe. Bei Stripe erfolgt die Integration über Webhook-Handler auf customer.subscription.updated und customer.subscription.deleted Events. Bei Chargebee oder Recurly entsprechende Event-Streams. Die Liefergegenstände umfassen eine bereitgestellte Segmentierungs-Engine und einen neu gestalteten Kündigungsablauf.
Phase 3 (Compliance-Monitoring, laufend, 8.000–15.000 $ pro Monat): Automatisiertes Dark-Pattern-Scanning, integriert in Ihre CI/CD-Pipeline. Aktualisierungen der Regulierungsmatrix. Vierteljährliche Compliance-Berichte.
Gesamtinvestition im ersten Jahr für ein SaaS-Unternehmen im Mittelstand (100.000–500.000 Abonnenten): 150.000–250.000 $. Zum Vergleich: Chegg zahlte 7,5 Mio. $ plus 10 Jahre Compliance-Monitoring, weil es dies falsch gemacht hat. HelloFresh zahlte 7,5 Mio. $. Die Kosten der Compliance sind ein Bruchteil der Kosten der Durchsetzung.
Sie behalten Ihre bestehende Plattform. Wir bauen darauf auf, nicht daneben. Bei Stripe Billing erfolgt die Integration über die Customer Portal API und Webhook-Event-Streams. Stripes Portal unterstützt bereits Kündigungsabläufe mit optionalen Bindungs-Gutscheinen, leitet aber jeden Kündigenden durch dasselbe Erlebnis. Wir fügen zwischen dem Kündigungsinitiierungs-Event und dem Portalablauf eine Middleware-Schicht hinzu, die das Uplift-Segment des Nutzers prüft und entsprechend routet.
Bei Chargebee nutzt die Integration deren Retention API (die frühere Brightback-Infrastruktur) plus benutzerdefinierte Event-Webhooks. Chargebee Retention verarbeitet die UI des Kündigungsablaufs nativ, daher konfigurieren wir segmentbasiertes Angebots-Routing innerhalb ihres Systems, wo möglich, und erweitern es mit benutzerdefinierter Logik, wo nötig.
Bei Recurly ist die Integration ähnlich: Webhook-gesteuerte Segmentierung mit benutzerdefiniertem Kündigungsablauf-Routing. Recurlys Stärke ist unfreiwillige Abwanderung (Dunning und Zahlungswiederholungen), sodass die von uns gebaute freiwillige Bindungsschicht ihr bestehendes Dunning ergänzt. In allen Fällen bleiben Ihre Abrechnung, Zahlungsabwicklung und Abonnementverwaltung dort, wo sie sind. Wir fügen die Intelligenzschicht hinzu, die entscheidet, was jeder kündigende Nutzer sehen sollte, und die Compliance-Schicht, die sicherstellt, dass das, was er sieht, rechtskonform ist.
Das technische Fundament hinter dieser Lösungsseite, verfügbar als interaktives Whitepaper.
Kausale KI zur Abonnementbindung, RLHF-Alignment für Bindungsagenten, Pipelines zur Dark-Pattern-Erkennung und regulatorische Analyse der Aufhebung der FTC-Click-to-Cancel-Regel.
Compliance-Audits beginnen bei 25.000 $. Durchsetzungsmaßnahmen beginnen bei 7,5 Mio. $.
Jeden Monat, in dem Ihr Kündigungsablauf ohne Holdout-Test und ohne Compliance-Prüfung läuft, vernichten Sie sowohl Umsatz (Sleeping Dogs) als auch sammeln regulatorische Exponierung an (ROSCA, bundesstaatliche ARLs). Die Rechnung zur Behebung ist unkompliziert.