GOGLE ANALYTICS STRATEGIE: ANALYTICS KPIS FÜR ABO- MODELLE

GOGLE ANALYTICS STRATEGIE: ANALYTICS KPIS FÜR ABO- MODELLE

GOGLE ANALYTICS STRATEGIE: ANALYTICS KPIS FÜR ABO- MODELLE

Abo-Modelle sind ein spezieller Fall für Digital Analytics. Anders als im E-Com- merce muss der Folgekauf eines Nutzers nicht mühsam erneut „eingeworben“ wer- den, sondern geschieht durch die Erneue- rung des Abonnements von ganz alleine. Typische Abo-Modell-Beispiele sind etwa Videostreaming-Angebote, Zeitschriften aber auch Dating-Services wie Parship.de oder edarling.de oder Software-as-a-Ser- vice-Angebote im B2B-Bereich.

WIE UNTERSCHEIDEN SICH ABO- KPIS VON E-COMMERCE KPIS?

Anders als in einem Online-Shop mit meh- reren tausend Produkten ist die Anzahl der Produkte bei Dating-, Zeitschriften-, Soft- ware- und Streaming-Angeboten deutlich überschaubarer. Bei Netfix bspw. kann der Kunde lediglich zwischen drei Angeboten wählen. Hier liegt die Unterscheidung bei- spielsweise bei der Anzahl der Geräte, auf denen das Angebot genutzt werden kann. Bei zeitlich limitierten Modellen – etwa der Mitgliedschaft auf einer Datingplattform, un- terscheidet sich die Produktvielfalt oft ledig- lich in der Form, dass der Kunde zwischen verschiedenen Zeitspannen seiner Mitglied- schaft wählen kann. Etwa einem, drei, sechs oder zwölf Monaten. Ferner wechselt das Sortiment bei Abo-Modellen im Gegensatz zum Sortiment eines Online-Shops so gut wie nie. Das bedeutet, dass – im Gegensatz zu einem „klassischen Online-Shop“ – der Preisgestaltung der einzelnen Produkte, den einzelnen Zielgruppen der Abo-Produkte und dem jeweiligen „Kauftrichter“ (Funnel) besondere Aufmerksamkeit zukommt.

TYPISCHE KENNZAHLEN FÜR ABO-MODELLE
  • kostenlose Trials
  • Erstkauf eines Produktes
  • Conversionrate kostenlos > kostenpflichtig
  • Renewal eines Produktes
  • Customer Lifetime Value
  • Churn-Rate
WAS SIND TYPISCHE LEARNINGS FÜR ABO-MODELL KPIS?

Viele Abo-Modelle werden über kostenlose Testversionen angeboten. Es ist wichtig, zu messen, wie viele der kostenlosen Trials auch in tatsächliche „Renewals“ münden, also das Abbuchen von Geld von der Kreditkarte oder dem Bankkonto des Kunden und diese auf die entsprechenden Marketingkanäle zurückzuführen. Da ein Renewal aber nicht auf dem Rechner des Kunden passiert, sondern einfach nach einer bestimmten Zeit (etwa monatlich) das Geld automatisch abgebucht wird, muss man diese Art des Trackings ebenfalls serverseitig durchführen.

Das Äquivalent zur Retoure im Abo-Modell ist der „Refund“ oder der „Zahlungsausfall“. Gründe dafür sind etwa, dass der Bank- einzug fehlschlägt oder eine Kreditkarte abgelaufen ist. Deshalb ist es wichtig, wie im E-Commerce die Marketingproftabilität nach Retouren und im Abo-Bereich nach Refunds/Failed Payments zu berechnen.

KORREKTE ZUORDUNG DER WERBEKOSTEN

Es gibt sehr unterschiedliche Zeitverläufe in Freemium-Modellen, wie lange ein Nutzer in einem kostenlosen Account bleibt, bis er in einen Premium-Nutzer oder in ein zahlendes Abo konvertiert. Je länger dieser Zeitverzug ist, desto mehr muss man sich Gedanken um den Zeitverlauf im eigenen Tracking-Modell machen. Für einen Freemium-Nutzer einer Dating Site gibt es z. B. Events wie das Klickdatum auf ein Banner, das Signup-Date für die kostenlose Anmeldung, das Kaufdatum für das Abo oder das Renewal-Datum der ersten Wiederholungszahlung und später weiterer Abozahlungen.

Die Mediakosten fallen für dich aber am Klickdatum an. Dividierst du aber die Abo- Käufe eines beliebigen Tages durch deine Mediakosten, so betrachtest du eine falsche Proftabilität. Denn die Gratis-Nutzer, die an diesem Tag in Premium-Nutzer konvertiert sind und nun das Signup gebracht haben, haben vielleicht bereits vor zwei Wochen auf deine Werbung geklickt, die nun den Abokauf gebracht haben. Eine zutreffendere Proftabilitätsbetrachtung für solche Abo-Modelle ist es also, die Umsätze und Werbekosten auf das Signup-Datum zu legen und so die Proftabilität der Nutzer zu ermitteln, die sich an einem bestimmten Datum für den Service angemeldet haben.

2018-09-14T13:47:26+00:00