# Rabattverhalten von Kunden

## Zweck

Rabattverhalten soll bei der historischen Ticketklassifikation erkannt
werden, damit später auf Kundenebene wiederholte Rabattforderungen und
insbesondere eigenmächtige Kürzungen erkannt werden können.

Die Klassifikation eines einzelnen Tickets trifft KEINE Entscheidung
darüber, ob ein Kunde künftig beliefert werden soll.

Die Belieferungsentscheidung erfolgt erst in einer separaten,
kundenbezogenen Auswertung.

---

## 1. Rabattverhalten im einzelnen Ticket

Folgende Merkmale werden als Tags erfasst:

### RABATTANFRAGE

Der Kunde fragt aktiv, ob ein Rabatt bzw. Preisnachlass möglich ist.

Beispiele:

- "Können Sie mir noch Rabatt geben?"
- "Gibt es bei dieser Bestellung einen Nachlass?"
- "Können Sie beim Preis noch etwas machen?"

### RABATT_GEFORDERT

Der Kunde fordert einen Rabatt ausdrücklich oder macht den Rabatt
zur Bedingung bzw. Erwartung.

Beispiele:

- "Ich möchte 20 % Rabatt."
- "Bei dem Zustand erwarte ich mindestens 15 % Nachlass."
- "Ohne Rabatt nehme ich die Lieferung nicht."

### RABATT_SELBSSTAENDIG_ABGEZOGEN

Der Kunde zieht einen Rabatt/Nachlass eigenmächtig von einer Rechnung,
Forderung oder Zahlung ab, ohne dass dieser Rabatt vorher vom Unternehmen
gewährt wurde.

Beispiele:

- Rechnung 100 EUR, Kunde überweist nur 90 EUR.
- Kunde zieht selbst 10 % vom Rechnungsbetrag ab.
- Kunde zieht selbst Versandkosten oder einen behaupteten Rabatt ab.

Dieses Merkmal ist besonders relevant für die spätere Kundenbewertung.

---

## 2. Rabatt-Höhe

Die Höhe eines gewünschten oder eigenmächtig abgezogenen Rabatts soll
nicht als feste Taxonomie-Tags gespeichert werden.

Keine Tags wie:

- RABATT_5_PROZENT
- RABATT_10_PROZENT
- RABATT_20_PROZENT

Stattdessen werden strukturierte Werte erfasst:

discount:
- requested: boolean
- self_deducted: boolean
- amount: numeric|null
- percentage: numeric|null
- currency: string|null

Beispiele:

10 % Rabatt:

{
  "discount": {
    "requested": true,
    "self_deducted": false,
    "amount": null,
    "percentage": 10,
    "currency": null
  }
}

15 EUR eigenmächtig abgezogen:

{
  "discount": {
    "requested": false,
    "self_deducted": true,
    "amount": 15,
    "percentage": null,
    "currency": "EUR"
  }
}

---

## 3. Rabatt ist nicht zwingend der Primärintent

Rabatt kann Bestandteil eines anderen Anliegens sein.

Beispiel:

"Die Rose kam beschädigt an. Dafür erwarte ich 20 % Rabatt."

Klassifikation:

primary_intent:
REKLAMATION

secondary_intents:
[]

tags:
QUALITAETSPROBLEM
RABATT_GEFORDERT

discount:
requested = true
percentage = 20

---

## 4. Eigenmächtige Kürzung

Beispiel:

"Die Rechnung beträgt 100 Euro, ich habe aber nur 90 Euro überwiesen."

Klassifikation:

primary_intent:
ZAHLUNG

tags:
RABATT_SELBSSTAENDIG_ABGEZOGEN

discount:
self_deducted = true
amount = 10
currency = EUR

---

## 5. Wiederholtes Rabattverhalten

RABATT_WIEDERHOLT wird NICHT vom Ticketklassifikator vergeben.

Es ist ein kundenbezogenes Aggregat und wird später aus der
Ticket-Historie berechnet.

Beispiel:

Kunde:
- 1 Rabattanfrage → unauffällig
- 3 Rabattanfragen → wiederholtes Rabattverhalten
- 7 Rabattanfragen → stark rabattorientiert
- 2 eigenmächtige Kürzungen → besonders kritisch

---

## 6. Vorgeschlagenes Kunden-Scoring

Das Scoring ist eine spätere Auswertung und NICHT Bestandteil
der KI-Entscheidung im einzelnen Ticket.

Vorschlag:

RABATTANFRAGE:
+1 Punkt

RABATT_GEFORDERT:
+3 Punkte

RABATT_SELBSSTAENDIG_ABGEZOGEN:
+8 Punkte

mehrfache eigenmächtige Kürzung:
zusätzliche +15 Punkte ab dem zweiten Vorfall

---

## 7. Kundenbezogene Auswertung

Später soll aus allen klassifizierten Tickets beispielsweise entstehen:

discount_behavior:
- request_count
- demanded_count
- self_deducted_count
- total_requested_amount
- total_self_deducted_amount
- average_requested_percentage
- last_request_at
- last_self_deduction_at
- score
- status

Beispiel:

{
  "request_count": 7,
  "demanded_count": 4,
  "self_deducted_count": 2,
  "total_requested_amount": 0,
  "total_self_deducted_amount": 37.50,
  "average_requested_percentage": 12.5,
  "score": 39,
  "status": "MANUELL_PRUEFEN"
}

---

## 8. Keine automatische Sperrentscheidung

Das Scoring erzeugt lediglich einen Kandidaten für eine spätere
geschäftliche Entscheidung.

Mögliche spätere Statuswerte:

- NORMAL
- BEOBACHTEN
- RABATT_AUFFAELLIG
- MANUELL_PRUEFEN
- GESCHAEFTSENTSCHEIDUNG

Die KI darf NICHT selbstständig entscheiden, dass ein Kunde nicht
mehr beliefert wird.

---

## 9. Wichtig für die historische Klassifikation

Rabattmerkmale dürfen nur aus dem tatsächlichen Kundenbeitrag
abgeleitet werden.

Eine Rabattgewährung oder ein Rabattangebot des Kundenservice darf
NICHT als Kundenforderung klassifiziert werden.

Der Kundenservice-Kontext darf nur zur Interpretation bereits im
Kundenbeitrag vorhandener Informationen dienen.