Tageszeitungsverlage kämpfen mit einer Vielzahl von Herausforderungen – sinkende Printauflagen, sinkende Anzeigenerlöse und steigende Kosten. Um weiterhin wirtschaftlich zu arbeiten, haben viele Verlage deshalb in den letzten Jahren die Abo-Preise kontinuierlich erhöht. Steigende Abo-Preise führen allerdings dazu, dass es immer schwieriger wird, neue Kunden zu dem höheren Preisniveau zu gewinnen.

Quelle: SCHICKLER/BDZV Trendumfrage 2019

Verlage öffnen sich daher dem Market-Based Pricing (MBP). Mehr als 2/3 der Verlage sehen in einer Differenzierung von Preisen mehr Chancen als Risiken.

MBP bedeutet, dass unterschiedlichen Kunden unterschiedliche Preise für ein identisches Produkt (z.B. ein Print-Abo) angeboten werden. Zwei Kunden, die ein Abo mit identischem Leistungsumfang gebucht haben, zahlen entsprechend nicht zwangsläufig den gleichen Preis. In vielen anderen Branchen hat sich diese Praktik bereits breit etabliert. So werden Ihnen online bei Reiseportalen oder Airlines unterschiedliche Preise je nach Ihrer Browserhistorie anzeigt. Auch im Pay-TV-Bereich und bei Telefon-/Internetanbietern wird dies eingesetzt.

Ziel des Market-Based Pricings ist es Kunden mit hoher Zahlungsbereitschaft ein Abo zum Normalpreis zu verkaufen. Kunden mit einer niedrigeren Zahlungsbereitschaft werden gleichzeitig mit einem geringeren Preis gewandelt. In Summe werden dadurch mehr Neukunden gewonnen, ohne das Preisniveau strukturell zu senken.

Die Crux eines erfolgreichen MBP-Systems besteht darin herauszufinden, welche Kunden eine hohe Zahlungsbereitschaft besitzen und welche eher eine niedrige. Nur wenn dieses Wissen vorhanden ist, kann auch jedem Kunden der Preis angeboten werden, den er maximal zu zahlen bereit ist und bei dem der Verlag mit diesem Kunden die bestmögliche Marge verdient.

Entscheidend hierfür ist, Daten über Kunden zu sammeln, operativ verfügbar zu machen und datengestützt Vorhersagen zu treffen, was der optimale Preispunkt für jeden Kunden ist, den wir z.B. aus der Probe in das Abo wandeln möchten. Die Einführung und Umsetzung von MBP ist auch immer ein Daten-Thema.

Je mehr ich über Kunden weiß, desto besser kann seine Preisbereitschaft vorhergesagt werden. Relevante Daten sind z.B. Daten über das demographische Umfeld des Kunden und sämtliche bisherigen Interaktionen mit dem Verlag (vorherige (Probe-)Abos, Reklamationen, Anrufe im Service-Center, Online-Nutzungsdaten). Sind diese Daten für sämtliche Kunden gesammelt und in guter Qualität verfügbar, können Zusammenhänge zwischen diesen Merkmalen und der Preisbereitschaft durch Datenanalyse-Methoden gewonnen werden. Durch den Einsatz von K.I. (Künstliche Intelligenz) -Algorithmen, lässt sich für jeden Kunden ein optimaler Preis vorhersagen.

Preisbereitschaft ist ein wichtiges Kriterium, um ggf. Preise zu differenzieren. Die eigene Kostenbasis ist es jedoch auch. Die Margen je Abo unterscheiden sich teilweise extrem, wenn wir unterschiedliche variable Kosten berücksichtigen, insbesondere im Bereich der Logistikkosten. Für die Ermittlung der optimalen Preispunkte ist daher auch eine kontinuierliche Bereitstellung von Kostendaten sinnvoll. Mit Hilfe dieser Kostendaten wird verhindert, dass der optimale Preis für jeden Kunden kein Preis ist, mit dem der Verlag sich einen zu niedrigen Deckungsbeitrag oder sogar negativen Deckungsbeitrag je Monatsstück einkauft.

MBP ist eine weitere sinnvolle Methode, mit Hilfe von Daten und Methoden der datengestützten Vorhersagen das Kerngeschäft von Verlagen zu optimieren – und gleichzeitig eine Methode, die auch bei neuen digitalen Produkten zum Einsatz kommt oder kommen wird. Für die digitalen Paid-Content-Produkte steuern wir schließlich ebenfalls eine „Customer Journey“ – aus Leads, Conversion und Retention – und differenzierte Preise sind auch hierfür ein wichtiges Instrument.