Kundenindividuelle Preise – Market-Based Pricing für Abonnements

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.

Wachstum – aber richtig! Wie Regionale Briefdienste erfolgreich sind

Bauer Postal Network stellt das Geschäft ein – es war nicht mehr wirtschaftlich. Postcon wird an Quantum Capital Partners verkauft – einen Finanzinvestor mit Fokus auf Restrukturierungsfälle. Der alternative Briefmarkt wird aktuell schwer durchgeschüttelt. Welche Perspektive haben Regionale Briefdienste in diesem stürmischen Markt?

Die Antwort liegt in regionalen werthaltigen Briefmengen. Doch dieses Kundensegment wurden bei vielen Briefdiensten lange Zeit vernachlässigt. Zu viel Fokus wurde auf Menge, Menge, Menge gelegt – und diese Menge kam über Einspeiser und über große Ausschreibungskunden. Doch damit kann kein Geld verdient werden, da die Stückerlöse zu gering sind. Diese Mengen sind notwendig, um die Infrastruktur aus Sortierung und Zustellung auszulasten und diese „zu finanzieren“. Doch auf dieser finanzierten Infrastruktur müssen zusätzlichwerthaltige regionale Mengen akquiriert, abgeholt, sortiert und zugestellt werden, um Deckungsbeiträge zu erwirtschaften. „Menge aus der Region für die Region“ lautet die Devise. Doch wie können Regionale Briefdienste diese Mengen akquirieren?

Deutschland ist im Vergleich zu anderen Ländern ein guter Markt für Briefdienste. Die Briefmenge je Einwohner ist mit 390 Briefe pro Jahr (davon 230 Briefen pro Jahr aus dem lizenzpflichtigen Bereich) deutlich höher als in anderen Ländern. Auch der Gesamtmarkt entwickelt sich mit -1% pro Jahr bei den Mengen und -0,5% pro Jahr bei den Umsätzen nur leicht negativ. In diesem geringfügig rückläufigen Markt konnten alternative Briefdienste kontinuierlich wachsen und haben bereits einen Marktanteil von stolzen 16% erreicht. In Summe gute Voraussetzungen, um ein profitables Geschäft zu betreiben. Doch die meisten Briefdienste hängen den Erwartungen hinterher.

Der Schlüssel zum Erfolg: das regionale Geschäft. Um dieses zu entwickeln, müssen Briefdienste vier Schritte durchführen:

1. Marktanteile kennen und Potentialkunden identifizieren
Wie hoch ist der Marktanteil eines Regionalen Briefdienstes? Die häufig verwendete Definition des Marktanteils als Anteil der durch den Briefdienst zugestellten Menge im Gebiet in Relation zur Gesamtmenge im Gebiet führt nicht zum Ziel. Relevant ist vielmehr die „Sales-Sicht“. Welcher Anteil der werthaltigen regionalen Mengen wird durch den Regionalen Briefdienst akquiriert und abgeholt? Um diese Frage zu beantworten, muss die Größe des regionalen Markts der werthaltigen Mengen „aus der Region für die Region“ bestimmt werden. Schickler hat eine Methodik entwickelt, um diese Frage zu beantworten und Transparenz über die Größe des werthaltigen regionalen Markts und der möglichen Wachstumsperspektiven zu schaffen.

2. Deckungsbeiträge nach Segmenten im Blick haben
Die Deckungsbeiträge je Brief sind zwischen den Kundensegmenten stark unterschiedlich. Das Verständnis über diese segment-spezifischen Deckungsbeiträge und die Kundenstruktur legt die Grundlage für die Verkaufsstrategie – sie nicht zu kennen gleicht einem Blindflug. Um belastbare Werte zu erhalten, müssen eine Vielzahl an Faktoren einbezogen werden: neben Kosten und Erlösen/Pauschalen für Abholung müssen Kundenbesonderheiten in der Sortierung, DPAG-Quoten und natürlich die Stückerlöse einbezogen werden.

3. Schlagkräftige Verkaufsorganisation und Sales-Funnel etablieren
Das Marktpotential und die Deckungsbeiträge nach Kundensegmenten sind die Grundlage für die Verkaufsorganisation. In welchen Segmenten wird ein Hunter-Verkauf benötigt? In welchen Segmenten ein Tandem aus Verkauf und Terminierer? In welchen Segmenten sollte der Verkauf auch der langfristige Ansprechpartner für den Kunden sein, in welchen besser nicht? Die Struktur der Verkaufsorganisation ist eine der Kernfragen für die erfolgreiche Akquise von Kunden im Briefgeschäft. Auf Basis der Segmente und Verkaufslogiken kann die notwendige Stärke der Verkaufsorganisation berechnet werden. Ein klar definierter Sales-Funnel beschreibt den kompletten Akquise Zyklus mit klar definierten Zielvorgaben für Conversions von einer Stufe zur nächsten des Funnels.

4. Verkaufsprozesse, KPIs und CRM professionalisieren
Die letzten Schritte sind die Etablierung strukturierter Verkaufsprozesse, die Implementierung notwendiger Kennzahlen und Zielvorgaben sowie die Einführung eines praktikablen CRM-Systems, welches den Sales-Funnel abbildet. Die Aktivitäten im Verkaufsprozess müssen durch ein CRM-System strukturiert und messbar gemacht werden. Nur auf Basis der messbaren KPIs kann der Prozess kontinuierlich optimiert werden. Dabei ist für eine Verkaufsorganisation im Briefgeschäft kein ausgeklügeltes high-end CRM-System notwendig. Pragmatische Lösungen, die schnell umgesetzt werden können, sind zielführend.

Die Chancen für regionale Briefdienste sind groß und erfolgreiche Briefdienste machen es vor: Profitabilität liegt in der bestmöglichen Ausschöpfung des regionalen Marktes. Weg von „Menge, Menge, Menge“ und großen Wachstumszahlen hin zu werthaltiger Menge mit hohen Deckungsbeiträgen.

Wenn wir Ihr Interesse geweckt haben senden wir Ihnen gerne unseren Schickler Einblick „Wachstum – aber richtig!“, in dem wir detailliert die Methoden zur Optimierung der Verkaufsorganisationen bei regionalen Briefdiensten darstellen. Melden Sie sich gerne bei Dr. Christoph Mayer unter c.mayer@schickler.de

Qualität Rauf, Kosten runter. Auslagerung von IT-Prozessen in Medienunternehmen

Das Geschäft von Medienunternehmen wird immer komplexer und weitreichender. Neue Geschäftsmodelle, strenge Rahmenbedingungen und ein hoher interner Anspruch führen zwangsläufig auch zu einer höheren Komplexität aller IT-Prozesse. Gerade kleinere und mittelgroße Unternehmen können diese nur schwer abbilden. Als wäre dies nicht genug, ist der IT-Fachkräftemarkt extrem umkämpft. Eine Auslagerung der IT-Prozesse kann hier die Lösung sein.

Wie verhalten sich IT-Organisationen von Medienunternehmen heute? Welche Kosten haben ihre IT-Prozesse? Wie veränderungswillig sind sie? Bei der Beantwortung dieser Fragen konnten wir vier Handlungstypen identifizieren:

  • Konsolidierer
  • Innovatoren
  • Sparer
  • Bewahrer
Ausprägung und Typen von IT-Organisationen in Medienunternehmen

Beispielsweise haben die Bewahrer einerseits eine kostenintensive IT-Infrastruktur, die in der Vergangenheit passgenau an ihren Vorstellungen ausgerichtet wurde. Andererseits sind sie Veränderungen gegenüber wenig aufgeschlossen, da sie wissen, dass die Umsetzung ihrer Wünsche in moderneren Architekturen extrem hohe Umsetzungskosten mit sich bringt.

IT-Dienstleister im Mediensektor

Professionelle Service Provider im Mediensektor sind entweder aus Mediengruppen ausgegliedert worden, um eine erweiterte Kundenbasis zu bedienen. Oder bestehende IT-Dienstleister haben sich aufgrund ihrer Kundenstruktur und Erfahrungen auf den Mediensektor spezialisiert. Typische Beispiele aus dem Leistungsangebot eines IT-Dienstleisters reichen von einfachen Infrastruktur-Diensten – dazu können der Betrieb des Service Desk oder des Rechenzentrums gehören – bis hin zur Übernahme gesamter Geschäftsprozesse und dem Betrieb von Service-Plattformen zur Umsatzgenerierung.

Neues Niveau an Qualität in IT-Prozessen

Zu den wichtigsten Treibern bei der Auslagerung von IT-Prozessen an einen externen Service Provider zählten heutzutage nicht mehr die Kosten. Die Entscheider erwarten in erster Linie die Steigerung der Qualität, Erhöhung der Professionalität und Sicherung der Zukunftsfähigkeit.

Qualitative Effekte bei Auslagerung von IT-Prozessen

Kosteneffekte bei der Auslagerung

Trotzdem bleiben mögliche Kosteneffekte weiterhin ein wichtiges Entscheidungskriterium einer IT-Auslagerung. Insbesondere folgende Kosteneffekte treten bei Verlagen und Medienhäusern ein:

  • Reduktion der Personal- und Gemeinkosten
  • Deutlich reduzierter Investitionsbedarf
  • Niedrigere Servicekosten durch Skaleneffekte
  • Kostengünstige Umsetzung geänderter Rahmenbedingungen

Case Study: Wie ein Medienunternehmen es geschafft hat, seine gesamte IT strukturiert an einen IT Service Provider zu übertragen.

Ein regionaler Zeitungsverlag mit einer Auflage von rund 60.000 Exemplaren hat es geschafft, die vollen Potenziale einer IT-Auslagerung auszunutzen. Dabei hat er seine gesamten IT-Prozesse an einen Service Provider übertragen. Bereits zuvor wurde das Rechenzentrum und der Service Desk von einem externen Dienstleister betrieben. Nun wurden die restliche Infrastruktur und alle Anwendungen in die Hände eines zentralen Service Providers gegeben. Nach einer Initialisierungsphase wurde der Übergang in drei Phasen vollzogen:

  1. Arbeitsplätze und Infrastruktur (Desktop Management,
    Netzwerke etc.)
  2. Anwendungen I (administrative Anwendungen, z.B. Finanzsysteme, Personalsystem, Entgeltabrechnung für Zusteller etc.)
  3. Anwendungen II (produktive Anwendungen, z.B. Redaktionssystem, Produktionssysteme, Anzeigensystem etc.)

Der Regionalverlag konnte die Umstellung nach insgesamt 3 Jahren als Erfolg verbuchen. Zu diesem Zeitpunkt waren auch die langjährigen Dienstleistungsverträge gekündigt. Die IT-Kosten pendelten sich auf dem halben Niveau der ursprünglichen Kosten ein.

Case Study: Kostenverlauf bei der IT-Auslagerung

Mehr Details in unserem Einblick für Entscheider!

Sie möchten mehr erfahren? Laden Sie sich den SCHICKLER Einblick kostenlos herunter, um detailliertere Informationen zum Markt, den Potenzialen und zur Case Study zu erhalten.


UKW vs. DAB+: Die Zukunft des Digitalradios in Deutschland

Ist DAB+ die Zukunft des Radios? Oder haben 5G, Smartspeaker & Co. die Übertragungstechnologie längst überholt? Und welchen wirtschaftlichen Effekt haben DAB+ und die immer wieder diskutierte UKW-Abschaltung für Radiosender?

DAB+ – „Digital Audio Broadcast“ – steht für die digitale statt der analogen UKW-Übertragungstechnologie. Das „+“ steht dabei für einen weiterentwickelten Standard – denn digitales Radio gibt es tatsächlich schon seit einiger Zeit. Entwickelt wurde die erste Version des Digitalradios bereits in den 90er Jahren. 2011 wurde die weiterentwickelte Version DAB+ vorgestellt. Mit einer nochmals verbesserten Audioqualität und geringeren Sendekosten soll sie UKW den Kampf ansagen. Die Vorteile, die digitales Radio mit sich bringt sind vielfältig: verbesserte Audioqualität, geringere Übertragungskosten und mehr Sender. Anders als bei UKW gibt es für DAB+-Sender fast unbegrenzt Übertragungskapazitäten. Sie bietet den Hörern eine größere Auswahl an Programmen. Zudem eröffnet DAB+ den Hörern weitere Mehrwertdienste, beispielsweise blendet es Album-Cover der jeweiligen Songs ein.

Deutschlandweit wurden bis heute fast 12 Millionen DAB+-fähige Geräte verkauft. Alleine im Jahr 2017 waren es 1,3 Millionen (Quellen: Arbeitsgemeinschaft der Landesmedienanstalten, HEMIX). Damit ist der Verkauf von DAB+-Radios im Vergleich zum Vorjahr um 11 Prozent gewachsen. Demnach haben inzwischen knapp 16 Prozent aller Deutschen Zugang zu einem DAB+-fähigen Gerät – Tendenz steigend. Die Mehrheit setzt allerdings nach wie vor auf analoges Radio – was die Reichweite von UKW mit 95 Prozent zeigt. Zudem laufen bisher lediglich 7 Prozent der Autoradios über DAB+ (Quelle: Die Medienanstalten, Digitalisierungsbericht 2017). Um die Vielfalt der verschiedenen Sender zu fördern und Kosten zu sparen, kommt immer wieder die Diskussion einer UKW-Abschaltung auf. Private Radiosender fürchten, dass sie damit in naher Zukunft deutlich an Hörern verlieren würden und so auch weniger Erlöse aus Werbung erzielen könnten. Möglicherweise könnten Hörer ohne DAB+-Gerät eher auf ein Radio verzichten, statt ein Gerät mit der neuen Technologie zu kaufen.

Die Schickler Unternehmensberatung hat in einer eigenen Studie untersucht, wie eine UKW-Abschaltung sich auf die wirtschaftlichen Effekte von privaten Radiosendern auswirkt. Die Ergebnisse präsentierte Schickler-Berater Dr. Christoph Mayer auf den Medientagen München. Aus der Studie geht hervor, dass eine Abschaltung von UKW für private Radiosender erst dann tragbar sein wird, wenn DAB+ eine Reichweite von ca. 90 Prozent erreicht. Basis der Berechnungen sind die Kosten und Einnahmen realer Radiosender in Deutschland, die stündlich zwischen 20.000 und 1 Million Hörer haben und so eine Bandbreite an privaten Radiosendern repräsentieren. Um zu prognostizieren, wann DAB+ eine Reichweite von 90 Prozent erreicht, nutzt die Studie verschiedene mathematische Modelle, die zu unterschiedlichen Verlaufsszenarien für die DAB+-Reichweite in Deutschland führen (Abbildung 1).

Abbildung 1: Szenarien für die Entwicklung der DAB+-Reichweite in Deutschland

  • Ländermodelle Norwegen und Großbritannien: Das Ländermodell überträgt die Entwicklung von DAB+ in den vergangenen zehn Jahren in Großbritannien und Norwegen auf Deutschland (Abbildung 2).

    Abbildung 2: DAB+-Reichweite Deutschland, Norwegen und Großbritannien

    Basis für das Modell lieferte die Beobachtung, dass der Stand von DAB+ in Deutschland momentan etwa dem Stand in Norwegen und Großbritannien vor zehn Jahren entspricht. Bei näherer Betrachtung allerdings erscheint ein Vergleich mit Norwegen unrealistisch: politische Abläufe in Deutschland und Norwegen unterscheiden sich grundlegend. Einen weitaus tragbareren Vergleich liefert Großbritannien: politisch und technologisch ähnliche Rahmenbedingungen ermöglichen einen direkten Vergleich. Demnach hat Deutschland im Jahr 2039 eine DAB+-Reichweite von 90 Prozent entwickelt.

  • Durchdringungsmodell: Das zweite Szenario beruht auf dem Bass-Diffusionsmodell. Das mathematische Modell untersucht den Verlauf der Durchdringung neuer Technologien am Markt und wendet es auf DAB+ an. Demnach ist die Reichweite von DAB+ in Deutschland frühestens ab 2033 groß genug, um UKW abzuschalten, ohne dass es die Überlebensfähigkeit privater Radiosender bedroht.
  • Erneuerungsmodell: Diesem Szenario liegt die Erneuerungsrate von Radiogeräten in Haushalten und Autos in Deutschland zu Grunde. Sie steigt deutlich, wenn UKW abgeschaltet ist. Das wiederum beeinflusst den Verkauf von DAB+ stark. Das Erneuerungsmodell sagt für 2036 eine Entwicklung der Reichweite auf 90 Prozent voraus.

Die Modelle vereint, dass die Reichweite von DAB+ erst in ferner Zukunft hoch genug sein wird, um für private Radiosender eine tatsächliche Alternative zu UKW darzustellen. Um die Konsequenzen einer zeitnahen UKW-Abschaltung abschätzen zu können, berechnet die Studie zusätzlich die Umsatzverluste der Radiosender bei einer Abschaltung im Jahr 2030, 2025 und zum jetzigen Zeitpunkt (Abbildung 3).

Abbildung 3: Umsatzverluste durch UKW-Abschaltung in Abhängigkeit vom Zeitpunkt der Abschaltung

Bei einer Abschaltung von UKW im Jahr 2018 müssen die untersuchten Sender mit einem Umsatzverlust von durchschnittlich über 60 Prozent rechnen.  Auch 2025 kostet eine Abschaltung noch mehr als 25 Prozent des Umsatzes.

Die Studie zeigt deutlich, dass eine vorschnelle Abschaltung von UKW die Existenz vieler Radiosender bedroht. Dem politischen Ziel von DAB+, nämlich eine größere Vielfalt an Sendern zu schaffen, könnte also schnell ein Sterben von Radiosendern folgen. Auch die eng gefasste Gegenüberstellung UKW vs. DAB+ hat sich in der Realität bereits überholt. Neue Technologien wie Smartspeaker, 5G Broadcast Mode und Co. führen zu einer Vielzahl neuer Übertragungswege. Radiosender müssen sich darauf einstellen, sämtliche Übertragungswege zu bespielen – denn am Ende entscheidet der Hörer.

Die vollständige Studie kann beim VBRA heruntergeladen werden, der auch einen Bericht zur Veranstaltung auf den Medientage München bereitstellt.

“Andere Kunden kauften auch…” – wie Recommender-Systeme zu mehr Umsatz führen

Amazon generiert 35% seines Umsatzes und Netflix 75% der Reichweite seiner Inhalte ausschließlich durch die Nutzung von Recommender-Systemen! Lernen Sie im folgenden Artikel, was Recommender-Systeme sind, was für Einsatzmöglichkeiten sich für Recommender-Systeme in Medienunternehmen bieten und welche Chancen durch ihre Nutzung realisiert werden können.

Was sind Recommender-Systeme?

Kunden oder Nutzer stehen häufig vor einer großen Auswahl an Produkten oder Inhalten. Ihre Kauf- oder Nutzungsentscheidung hängt dann maßgeblich davon ab, dass sie die für sie interessanten Produkte und Inhalte möglichst schnell und mit geringem Aufwand herausfiltern können.  Dabei helfen Recommender-Systeme (dt. Empfehlungsdienste oder Vorschlagssysteme). Das sind algorithmenbasierte Systeme, die für jeden Kunden automatisiert die Produkte auswählen können, die ihn mit hoher Wahrscheinlichkeit interessieren. Die Systeme lernen aus historischen Verkaufsdaten, Kunden- und Produktinformationen, für welche Kunden welche Produkte oder Inhalte besonders interessant sind. Sie erstellen automatisiert für jeden Kunden Rankings und können so den Prozess der optimalen Zuordnung von Kunde und Produkt bzw. Inhalt unterstützen.

Abbildung 1: Prinzipielle Funktionsweise von Recommender-Systemen

Amazon und Co. – die Großen machen es vor

Prominente Unternehmen zeigen, was für ein enormes Potential Recommender-Systeme bieten: Amazon zum Beispiel generiert 35 Prozent seines Umsatzes über Käufe, die durch Produktvorschläge ausgelöst wurden. 75 Prozent der Filme und Serien bei Netflix werden gesehen, weil sie das hauseigene Recommender-System vorgeschlagen hat. Die Online-Werbeeinnahmen von Medienunternehmen skalieren hauptsächlich mit der Reichweite und Nutzungsdauer von Online-Inhalten. So zeigt insbesondere das Netflix-Beispiel, welche Chancen Recommender-Systeme Medienunternehmen bieten, ihre Umsätze zu steigern. Heutzutage nutzen die meisten Menschen täglich Suchmaschinen wie Google. Sie sind im Wesentlichen nichts anderes als riesige Recommender-Systeme, die zu Suchbegriffen passende Webseiten vorschlagen. Die meisten Kunden von Medienhäusern sind zudem mit Vorschlagssystemen aus dem Onlinehandel und von Unterhaltungsplattformen wie Netflix, Youtube und Spotify bestens vertraut – und schätzen deren Vorzüge. Folglich ist das Risiko, dass eigene Systeme wenig oder schlecht angenommen werden, verhältnismäßig gering.

Abbildung 2: Artikelvorschlagssystem von Amazon

Die Einsatzbereiche in Medienhäusern sind vielfältig

Gerade in Medienhäusern ist mit Recommender-Systemen viel möglich: So können zum Beispiel Cookies oder User-Accounts tracken, welche Nutzer welche Inhalte auf Online-Nachrichtenseiten lesen. Basierend auf diesen Informationen können dann automatisiert nutzerspezifische Inhalte vorgeschlagen werden – so dass für den Nutzer beispielsweise am Ende eines Artikels weitere für ihn interessante Artikel verlinkt sind oder individuelle Startseiten für ihn erstellt werden. Weiterhin können Recommender-Systeme dabei helfen, welche Nutzer welche Werbung über Pop-Ups oder Banner zu sehen bekommen. Werbung, die mit hoher Wahrscheinlichkeit für den Nutzer relevant ist, kann die Click-Through-Raten und damit auch die Werbeeinnahmen massiv erhöhen. Im Kundenservice können Recommender-Systeme automatisiert Lösungen für eingehende Anliegen vorschlagen. Sie können dann entweder direkt an den Kunden gesendet werden oder den Service-Mitarbeiter bei der Kundenberatung unterstützen. Weiterhin stehen Mitarbeiter in der Verkaufsorganisation von Medienhäusern täglich vor der Entscheidung, an welche Kunden sie mit welchen Produkten herantreten. Oft entscheiden sie dann basierend auf persönliche Erfahrungen. Ein Recommender-System kann die Erfahrungen aller Mitarbeiter für die gesamte Organisation zugänglich machen, den Mitarbeitern bei der Entscheidung helfen und neue Zusammenhänge aufdecken (Vgl. Christoph Mayer, Künstliche Intelligenz und Maschinelles Lernen: Hintergrund, Anwendungsfälle und Chancen für Medienunternehmen, erschienen in MedienWirtschaft 03/2018).

Immer niedriger: die technischen Hürden

Obwohl man den Einsatz hochentwickelter Machine-Learning-Methoden, wie sie bei Recommender-Systemen verwendet werden, hauptsächlich mit führenden Technologie-Unternehmen aus dem Silicon Valley verbindet, sind die Hürden für die Einführung von Recommender-Systemen überraschend niedrig. Als Datengrundlage reichen bereits einfache Aufzeichnungen darüber, welcher Kunde in der Vergangenheit welche Produkte gekauft bzw. welche Inhalte konsumiert hat. Die Einbeziehung weiterer Kunden- und Produktinformationen kann die Qualität von Recommender-Systemen zusätzlich verbessern. Schickler-interne Untersuchungen basierend auf realen Datensätzen haben aber gezeigt, dass bereits ausschließlich auf der Verkaufshistorie trainierte Systeme sehr gute Ergebnisse liefern können. Zudem können Systeme variabel aufgesetzt werden, so dass neu verfügbare Kunden- und Produktdaten später ergänzt werden können. Zusätzlich dazu, dass die benötigten Daten oft schon vorhanden sind, wird auch das Aufsetzen der Algorithmen immer einfacher. Zum einen gibt es mittlerweile eine sehr hohe Verfügbarkeit von Machine-Learning APIs, die viele vorgefertigte Programmbausteine beinhalten und somit die Entwicklung entsprechender Recommender-Systeme massiv beschleunigen können. Zum anderen stehen Cloud-Services wie Amazon Web Services für einen flexiblen und kostengünstigen Betrieb dieser Systeme zur Verfügung.

Fazit: Ergreifen Sie die Chancen

Medienhäusern bieten sich durch den Einsatz von Recommender-Systemen vielseitige Möglichkeiten um Umsätze zu erhöhen und Prozesse effizienter zu gestalten. Zusätzlich können dabei die Kundenzufriedenheit durch ein individuelleres und gezielteres Angebot gesteigert und Mitarbeiter in ihrer Arbeit entlastet und unterstützt werden. Die oben genannten Anwendungsbeispiele umfassen nur einen Ausschnitt potentieller Einsatzmöglichkeiten von Recommender-Systemen. Viele weitere Anwendungen insbesondere auch unter Einbeziehung weiterer Data-Science Methoden sind denkbar. Im Zeitalter der Daten sind, zumindest unter der Voraussetzung von entsprechender Datenverfügbarkeit und Integrierbarkeit von automatisierten Lösungen in bestehende Systeme, weiteren Anwendungen kaum Grenzen gesetzt.

Wenn Sie neugierig geworden sind, Fragen haben oder einfach mehr wissen möchten, steht Ihnen das Schickler Data-Science-Team gerne zur Verfügung: datascience@schickler.de

Das SCHICKLER Strategieforum 2018: Sind Künstliche Intelligenz und Machine Learning die Wunderwaffen der Zukunft für Medienunternehmen?

Teil 2: Neue KI-Geschäftsmodelle und maschinenerlerntes Sprachverständnis

 

Technologie führt zu neuen Geschäftsmodellen – ein erfolgreiches Beispiel

Rolf-Dieter Lafrenz und Tom Krause, CEO und CTO des innerhalb von SCHICKLER geborenen Start-ups cargonexx, gaben einen praxisbezogenen Einblick in das technologiebasierte Geschäftsmodell, die Entwicklung unter Unsicherheit und appellieren an den Mut der Unternehmer.

Cargonexx revolutioniert den LKW-Transport mit Künstlicher Intelligenz, wobei diese definiert wird als Kombination aus Automatisierung, Intelligenz und maschinellem Lernen. Das Geschäftsmodell reduziert die Transaktionskosten und erhöht die Auslastung der LKWs. Künstliche Intelligenz in Form von selbst-lernenden Algorithmen optimiert Touren, sagt Preise voraus und generiert auf Basis wachsender Daten ein intelligentes Transport-Netzwerk. Über die Plattform ergibt sich eine Win-Win-Situation für Verlader (bessere Preise, Zeitersparnis) und Frachtführer (mehr Umsatz, weniger Arbeit). Auch die Gesellschaft und die Umwelt profitiert: weniger Verkehr durch bessere Auslastung und eine Reduzierung des CO²-Ausstosses sind die Folge. Zukünftig ist gepaart mit autonom fahrenden LKWs sogar ein völlig autonomes Transport-Ökosystem möglich.

Wertvolle Hinweise, wie die Umsetzung von neuen Geschäftsmodellen mit Künstlicher Intelligenz kostenseitig nicht zu einem Fass ohne Boden werden, hatte Tom Krause für die Teilnehmer am Beispiel cargonexx parat.  Um Risiken einzuschränken sollten bewiesene Methoden und Ansätze aus dem Start-up-Umfeld wie z. B. die Lean-Methode zum Einsatz kommen. Mit dem Vorgehen „Build – Measure – Learn“ wird vorhandene Unsicherheit wissenschaftlich reduziert. Dazu entwickelt man definierte Hypothesen in kleinen Features (MVP = minimal viable product) um die Hypothese dann zu bestätigen. Entscheidend ist das Lernen und Adjustieren mit echten Kunden, denn der Erfolg hängt davon ab, ob der Kunde den gewünschten Mehrwert erzielt.

Die Strukturierung der Problemstellung und eine auf Automatisierung ausgerichtete Prozessanalyse waren die Grundlage für das Machine Learning bei cargonexx. Die Analyse der Probleme in der Prozesskette vom Verlader zum Frachtführer verknüpft mit den Anforderungen der Player liefert Informationen für die Automatisierungsansätze zur Problemlösung (z. B. zeitintensive Angebotserstellung, Preisvergleiche und Abwicklung). Über immer wieder automatisch neu strukturierte Entscheidungsbäume mit ständig wachsendem Dateninput lernt die Maschine z. B. Freikapazitäten und Preise vorherzusagen und trainiert bzw. verbessert sich mit jeder Entscheidung.

Rolf-Dieter Lafrenz stellte nach dem interessanten und tiefen Blick in die KI-Werkstatt auch fest, dass nicht jeder Entscheider dieses Wissenslevel erreichen muss – wichtig ist es, den Nutzen der Technologie zu verstehen. Denn nur die Technologie führt zu neuen Geschäftsmodellen und neuen Märkten. Er schloss mit dem Appell, mehr Mut zu zeigen, breiter zu denken und neue Geschäftsansätze auszuprobieren.

 

Know your Customer – das Verständnis der Sprache im Kontext

Prof. Dr. Heiko Beier, Geschäftsführer von der moresophy GmbH und Professor für Medienkommunikation setzt seinen Schwerpunkt auf Cognitive Computing und das echte Verstehen von Sprache und Kontext durch Künstliche Intelligenz.

Im Zuge der DSGVO wird deutlich, dass die Nutzung der persönlichen Daten des Kunden für Werbezwecke zunehmend schwierig wird. Die Alternative ist kontextbezogener Content, d.h. eine Nutzung der aktuellen Interessen des Users in Echtzeit. Ich treffe den User in einem Kontext mit dem er sich jetzt gerade beschäftigt – und es ist dafür keine Profilbildung oder Zustimmung notwendig.

Bedingung hierfür ist das Verständnis der Sprache und in welchem Kontext sie verwendet wird. SRA (Semantic Relevance Advertising) schafft es, anhand der Sprache und des Umfeldes dem User ein optimales Werbeangebot zu unterbreiten. Maschinen können heute dieses Verständnis zu lernen. Nicht nur das Wort, sondern die Bedeutung ist dabei entscheidend. Zusätzlich lernen die Algorithmen zu verstehen, was für die User wichtig ist und wie sie sich ausdrücken – hier liegt der Schlüssel. Dies stellt den feinen aber relevanten Unterschied zwischen einem einfachen Keyword und dem echten Verständnis der Sprache dar.

Einsatzbereiche sind z. B. in der automatisierten Dialogsteuerung im Service möglich. Das automatische Verstehen von Kundenkommunikation im richtigen Kontext ermöglicht zudem die Ausspielung von passenden Werbeangeboten in z. B. themenbezogenen Foren.

Fazit: KI kann durch das Verständnis von Sprache und Kontext perfekte Umfelder mit Echtzeit-User-Interesse identifizieren.

 

Historie, Perspektiven, Geschäftsmodelle, Methoden und Anwendungsmöglichkeiten – das SCHICKLER Strategieforum 2018 beleuchtete verschiedene Dimensionen des Themas Künstliche Intelligenz zum Thema. Vielen Dank an die Referenten und Teilnehmer – wir freuen uns auf das nächste Strategieforum 2019!