Teil 2 der Blogserie:
Lesen Sie hier die anderen Beiträge dieser Blogserie:
Das eigene Portal hat sich bei Zeitungsverlagen und auch bei vielen Fachverlagen zum wichtigsten Berührungspunkt mit dem Kunden entwickelt. Daher ist es wichtig, zwischen kostenlosen Einblicken, die Kunden anziehen, und bezahlten Inhalten eine Balance zu finden. Gerade in diesem Zusammenhang birgt die Analyse der Daten zur Portalnutzung die Chance, Wünsche und Bedürfnisse der Kunden genauer zu verstehen, um mit diesem Wissen die optimale Balance herzustellen.
In diesem Beitrag zeigen wir am Beispiel unterschiedlicher Optionen für eine Bezahlschranke, welche Rolle Daten und Künstliche Intelligenz (KI) bei der Monetarisierung von Verlagsinhalten spielen können.
Bezahlschranken – Vom Fluch zum erhofften Segen
Eine Bezahlschranke oder auch Paywall ist ein System, das Onlinenutzer daran hindert, auf bestimmte Inhalte einer Website zuzugreifen, bis sie eine Gebühr zahlen. Dabei kann diese Schranke in einem beliebigen Maß auf eine bestimmte Website, Publikation oder Publikationsteil gelegt werden und für einzelne Nutzer oder Nutzergruppen definiert sein.
Vor einigen Jahren waren viele Verlage noch davon überzeugt, dass Verbraucher grundsätzlich nicht bereit seien, für Online-Inhalte zu bezahlen. Die Wahrnehmung und Verbreitung von Bezahlschranken hat sich aber in den letzten Jahren deutlich gewandelt. Mittlerweile zeichnet sich ab, dass das Geschäft mit Abo-Modellen für Wachstum sorgen kann, während der Umsatz mit Werbeeinnahmen oder Print stagniert oder sinkt.
Zu diesem Wandel haben unterschiedliche Entwicklungen beigetragen. Abo-Modelle für Medien sind durch Streaming-Plattformen populär geworden. Die Diskussion um Fake-News hat außerdem die Glaubwürdigkeit großer Social-Media-Plattformen in Frage gestellt und zu einem neuen Bewusstsein bei der Suche nach verlässlichen und glaubwürdigen Inhalten geführt. Nicht zuletzt hat die überwältigende Dominanz der Tech-Giganten auf dem Werbemarkt viele Verlage dazu bewegt, ihr Geschäftsmodell anzupassen.
Die Kernfrage beim Einführen einer Paywall ist dennoch gleich geblieben: wie gestalte ich eine Bezahlschranke optimal, sodass ich mit den digitalen Inhalten weiterhin Kunden anziehe und doch keine Chancen der Monetarisierung verpasse?
Paywall-Strategien
Im Laufe der Zeit haben sich unterschiedliche Modelle für Bezahlschranken gebildet, die jeweils eigene Vor- und Nachteile haben.
Im Freemium-Modell wird ein Teil der Inhalte als Premium-Artikel hinter eine Paywall gestellt, während andere kostenlos verfügbar bleiben und ohne Einschränkungen angesehen werden können. Den unbeschränkten Zugriff auf alle Inhalte erhält ein Kunde erst durch den Kauf eines Abos.
Vorteile: Werbeeinahmen können auf Basis des frei verfügbaren Contents weiter generiert werden, während gleichzeitig ein zusätzliches Abo-Geschäft aufgebaut wird.
Nachteile: Nutzer können dazu verleitet werden, zu alternativen Quellen zu wechseln oder nach Schlupflöchern zu suchen. Außerdem soll die Kundenbindung durch pauschale Vorteile für Abonnenten – weniger Werbung, Zugriff zur Print-Version und so weiter – erreicht werden, die nicht unbedingt für alle potenziellen Kunden relevant sind. Das Modell liefert im Prinzip keine Erkenntnisse darüber, welche Besucher besonders empfänglich für ein Angebot wären oder wie der Verlag Inhalte attraktiver machen könnte.
Bei harten Paywalls kann ein Nutzer ohne Bezahlung nur einen kleinen Ausschnitt des Inhalts sehen, beispielsweise Titel und Einleitung aller Beiträge, wobei verschiedene Abo-Optionen gleich eingeblendet werden. Dieses Modell wird vor allem von Fachverlagen und von spezialisierter Presse eingesetzt, die bereits ein genaueres Bild über den Bedarf ihrer Kunden haben und an die Kundenbeziehung anschließen wollen, die schon im Printbereich bestanden hat.
Ein Nachteil von harten Paywalls kann der plötzliche Abfall von Besuchern unmittelbar nach der Einführung sein. Längerfristig lässt sich jedoch mit dieser Strategie die Nutzer-Basis schrittweise stärken. Der Verlag kann sich auf spezialisierte Kunden, die sich gut informieren wollen, konzentrieren und so potenziell ein höheres Einkommen pro Nutzer als mit Freemium erreichen.
Weiche Bezahlschranken basieren auf der Messung des Verbrauchs einzelner Besucher, die eine Reihe Inhalte sehen können, bevor sie aufgefordert werden, beispielsweise einen Account anzulegen oder ein Abo abzuschließen. Der Nutzer kann dadurch die Art der angebotenen Inhalte kennenlernen und sich ein Urteil über die persönliche Relevanz bilden.
Ein möglicher Nachteil dabei ist, dass Besucher dadurch abgeschreckt werden könnten, da im Prinzip viele andere Medienquellen zur Verfügung stehen. Außerdem belohnt dieses Modell durch den zunächst kostenlosen Zugang indirekt zukünftige, neue Besucher, sodass es eventuell schwer sein kann, zwischen ihnen und bestehenden Abonnenten zu unterscheiden und sie an sich zu binden.
Für die Verlage besteht dennoch ein Vorteil des Modells darin, dass sie detailliertere Informationen über ihre Besucher sammeln und Kundenprofile entwickeln können. Grundlage dafür sind sogenannte Signals, Spuren die selbst nicht registrierte Besucher bei der Nutzung des Portals hinterlassen und sie charakterisieren können; neben den gesichteten Inhalten etwa auch verwendetes Endgerät und Browser, geographische Angaben, Besuchsfrequenz und so weiter. Dadurch werden Analysen ermöglicht, die eine wichtige Grundlage für die Produkt-Weiterentwicklung darstellen, insbesondere dann, wenn es darum geht, Schwerpunkte in einer breiten Palette an Themen zu setzen, oder angestrebt wird, sich als Referenz zu etablieren.
Optimierung mit KI: Intelligente Paywalls
Das Prinzip einer weichen Bezahlschranke kann durch den Einsatz von Data Analytics und KI ein Stück weiter dynamisch gestaltet werden, um eine intelligente Paywall zu realisieren, die auf die Situation des einzelnen Besuchers entsprechend reagiert.
Zum einen kann die Analyse von Portalnutzungsdaten Einblicke in Verhalten und Interessen der Nutzer und in die Bedingungen liefern, unter denen sie bereit sind, einen Inhalt oder ein Abo zu kaufen. Dies zu verstehen ist eine wichtige Voraussetzung, um zu entscheiden, welche Arten von Inhalten hinter eine Bezahlschranke wandern sollen.
Zum anderen lassen sich durch die Datenanalyse Kundenprofile gewinnen und mit einer bestimmten Wahrscheinlichkeit verknüpfen, beispielsweise ein Abo zu bestellen. So können mit Hilfe von Clustering und anderen Methoden der KI Besucher-Segmente mit ihren typischen Merkmalen ermittelt werden. Die Definition von sinnvollen Aktionen für die einzelnen Segmente und die automatische Klassifizierung des Besuchers zum Beispiel durch den Einsatz von maschinellen Lernen ermöglichen der Paywall, situationsbedingt und optimal zu reagieren.
So können beispielsweise typische Merkmale für Besucher-Kategorien wie „fly-bys“, „occasionals“, „regulars“ und „fans“ ermittelt werden, die es ermöglichen, Besucher automatisch einzuteilen, um die Nicht-Abonnenten je nach Segment spezifisch anzusprechen:
- Für frische „Fly-by“-Besucher, die das Portalangebot noch nicht kennen, kann ein weicher Verbrauchszähler Sinn machen, damit sie durch den kostenlosen Zugriff auf weitere Inhalte zu regulären Besuchern gemacht werden können.
- „Occasionals“, die das Angebot kennen, aber nicht regelmäßig Inhalte konsumieren, könnten durch die Aufforderung, sich zu einem kostenlosen Account anzumelden um den Zugriff weiterhin zu behalten, stärker an den Verlag gebunden werden.
- Die Nutzung der Daten von „Regulars“, d.h. regelmäßige und treue Besucher, die oft schon einen Account haben, hilft herauszufinden, wofür sie sich besonders interessieren und wie sie Inhalte konsumieren. Auf dieser Basis können beispielsweise personalisierte Abo-Angebote entwickelt werden.
Ein Pionier in der Entwicklung einer dynamischen Bezahlschranke ist das Wall Street Journal. 2018 hat der Verlag damit angefangen, über 60 Merkmale von Besuchern zu erfassen, um darauf basierend eine Wahrscheinlichkeit für einen Abo-Abschluss zu modellieren, die als Grundlage für eine intelligente Paywall dient. In einer weiteren Entwicklungsstufe kam später Maschinelles Lernen zum Einsatz, um auf den Nutzer abgestimmte Inhalte und Abonnement-Optionen anzubieten.
Fazit
Eine Bezahlschranke im Verlagsportal kann mit Hilfe von Datenanalyse und KI ein Stück weit flexibel gestaltet werden, um so gezielt sowohl auf die Bedürfnisse der Kunden einzugehen als auch das Geschäftsmodell des Verlags effektiv zu unterstützen.
