Abo-Zahlen, die sich herleiten lassen
Ausgangspunkt ist ein regionales Medienhaus: 42 Mio. € Umsatz, 55.000 Print- und 25.000 Digital-Abos, 900.000 Unique User im Monat. Alle Beträge sind aus den hinterlegten Annahmen abgeleitet. Die Hebel stammen aus veröffentlichten Branchen-Benchmarks.
Jedes Modul löst ein konkretes Abo-Problem
Klicken Sie auf ein Modul für den vollständigen Anwendungsfall mit Visualisierungen, transparenter Modellrechnung und der Wirkung in Euro.
Der Abo-Wachstums-Simulator
Stellen Sie die Regler auf Ihre Größenordnung: Der Simulator projiziert den Digital-Abo-Bestand über 24 Monate, einmal mit Ihren heutigen Werten, einmal mit den Hebeln der sechs Module.
Modellrechnung, keine Prognose: Neuabos je Monat = Paywall-Kontakte × Conversion; die Paywall-Kontakte sind mit dem 6-fachen des Abo-Bestands angesetzt. Neuabos außerhalb des Paywall-Kanals (Print-Bundle, Kampagnen) sind mit 200 je Monat angesetzt und skalieren mit dem Bestand. Die Modul-Hebel entsprechen den in den Modulen hergeleiteten Annahmen: Kündigungsquote −19 % relativ (gewichtet aus Modul 01 und 05), Paywall-Conversion +30 % (Modul 02).
Keine Theorie - Ergebnisse in Wochen
Wir arbeiten mit den Daten, die Sie bereits haben. Kein Vendor-Lock-in, keine Cloud-Pflicht, keine versteckten Kosten.
Die folgenden sechs Module zeigen anhand eines fiktiven regionalen Medienhauses (55.000 Print- und 25.000 Digital-Abos, 42 Mio. € Umsatz), wie Data Science entlang des Abo-Geschäfts eingesetzt werden kann, von der dynamischen Paywall bis zum Winback.
Alle EUR-Beträge sind Modellrechnungen. Sie werden transparent aus klar benannten Annahmen hergeleitet (Annahme-Baseline → Hebel → Ergebnis). Die Hebel orientieren sich an veröffentlichten Branchen-Benchmarks (u. a. Mather Economics, INMA, FT Strategies, Piano) und sind bewusst vorsichtig angesetzt. Ein Versprechen ist damit nicht verbunden.
In einem realen Projekt ist die Kenntnis Ihres Hauses der entscheidende Faktor: Wie ist Ihre Paywall heute eingestellt? Welche Daten liegen in Abo-System, CRM und Web-Analytics? Wo verlieren Sie Abonnenten, am Anfang, im Bestand oder am Preis? Auf dieser Grundlage entwickeln wir Modelle, die zu Ihrer Realität passen.
Dieses Portfolio zeigt, welche Fragen Data Science im Verlag beantworten kann. Die konkreten Antworten entstehen erst mit Ihren Daten.
Woher die Branchen-Werte stammen
Die Hebel der Modellrechnung orientieren sich an veröffentlichten Fallstudien anderer Häuser. Jede im Text genannte Fremd-Kennzahl ist hier mit ihrer Originalquelle belegt, zum Nachlesen und Nachprüfen.
- Financial Times: Ein Nutzer gilt ab dem RFV-Score 18,2 (Recency, Frequency, Volume) als „engaged", was die Kündigungsrate um rund 10 % senkt. WAN-IFRA, 2023 · FT Strategies
- NZZ: Propensity-Paywall aus 100 bis 150 Regeln; Abschlussquote in drei Jahren verfünffacht. Digiday, 2018
- Schibsted: +75 % Abo-Verkäufe aus ML-ausgewählten Startseiten-Artikeln (A/B-Test gegenüber dem Vormodell). WAN-IFRA, 2025
- INMA: Propensity-gesteuerte Paywalls erzielten in A/B-Tests +77 % (Meter) bis +166 % (Freemium) Conversion gegenüber der bestehenden Lösung. INMA / Piechota, 2020
- Piano / dmgMedia: Faktor 174 in der Abschlusswahrscheinlichkeit zwischen dem höchsten und dem niedrigsten Propensity-Segment. Piano, 2022 (PDF, Archivlink)
- Piano: Kündigungen im ersten Monat rund dreimal so hoch wie im dritten (Benchmark-Daten). Piano Subscriber-Journey-Guidebook, 2022 (PDF)
- Piano: stärkste Aktionszeiträume mit den Weihnachtsangeboten zwischen November und Januar. Piano Benchmark
- Mather Economics: Gezielte Retention-Intervention senkte den Churn im A/B-Test um 17 % (1,44 % vs. 1,73 %). Mather Economics
- Mather Economics: segmentierte Preisanpassung mit +8 % Digital-Umsatz bei nur +0,4 % Zusatz-Churn; segmentiert 2,5 % vs. pauschal 5,7 % Zusatz-Churn. Mather Economics, 2025
- Mediahuis Aachen: Preisplus (6 % Digital / 7 % Print) mit nahezu churn-freier Wirkung. Mather Economics
- Amedia: meistproduziertes Ressort (Kultur) von nur 2,6 % der Abonnenten gelesen; +5,6 % Abo-Wachstum nach Neuausrichtung (samt Live-Sport-Angebot). INMA, 2018
- Amedia: Systematisches Onboarding senkte die Erstwochen-Kündigungen im Test von 25 % auf 18 %; loyalitätssortierte Winback-Anrufe mit 12 % Reaktivierung. INMA, 2020
- Newsday: begleitete Neukunden mit 4,5 % vs. 8,1 % Churn, also rund 44 % weniger Abwanderung. INMA, 2024
- Wall Street Journal: 100-Tage-Onboarding mit 18 % höherer Retention der eingebundenen Neukunden. INMA, 2020
- ZEIT Online: überarbeitete Trial-Strecke mit +12 % Übergängen ins bezahlte Abo und über 7.000 zusätzlichen Abonnenten pro Jahr. INMA, 2022
Die Kennzahlen anderer Häuser stammen aus deren veröffentlichten Fallstudien und dienen als Plausibilitätsanker für die Hebel. Sie sind nicht auf den Muster-Verlag übertragen. Alle EUR-Beträge dieser Seite sind Modellrechnungen auf die oben genannten Annahmen des Muster-Verlags. Abrufdatum der Quellen: 13.07.2026.