Abo-Winback & Pricing:
Der wertvollste Lead ist der Ex-Abonnent
Tausende ehemalige Abonnenten kennen Ihr Produkt bereits - und niemand spricht sie systematisch an. Uplift-Modelle zeigen, wer mit welchem Angebot zurückkommt und welche Preisanpassung der Bestand trägt, ohne dass die Kündigungen springen.
Dieses Modul ist Teil einer sechsteiligen Modellrechnung über ein fiktives regionales Medienhaus (55.000 Print- und 25.000 Digital-Abos). Alle Euro-Beträge sind aus den hinterlegten Annahmen des Muster-Verlags hergeleitet; die Hebel orientieren sich an veröffentlichten Branchen-Benchmarks und schöpfen deren Bestwerte bewusst nicht aus. Die gezeigten Werte sind keine Ergebnisse realer Kunden und kein Leistungsversprechen. Welche Werte auf Ihren realen Daten erreichbar sind, zeigt erst ein Pilotprojekt.
01 Das Problem - Der Ex-Abonnenten-Pool liegt brach, der Preis liegt fest
Zwischen Gießkannen-Rabatt und Preis-Tabu wird Umsatz verschenkt
Im Muster-Verlag sammeln sich binnen zwei Jahren rund 12.000 erreichbare Ex-Abonnenten an. Die übliche Reaktion ist die Gießkanne: dasselbe Rabattangebot an alle - teuer bei denen, die ohnehin zurückgekommen wären, wirkungslos bei denen, die ein anderes Produkt bräuchten. Amedia erreichte mit loyalitätssortierten Winback-Anrufen 12 Prozent Reaktivierung.
Am anderen Ende wird der Bestandspreis aus Angst vor der Kündigungswelle jahrelang nicht angefasst. Mather Economics zeigt das Gegenteil: segmentierte Preisanpassungen - wer bekommt wie viel, wer vorerst nichts - erzielten bei einer US-Verlagsgruppe 8 Prozent mehr Digital-Umsatz bei nur 0,4 Prozent Zusatz-Churn; bei Mediahuis Aachen liefen 6 bis 7 Prozent Preisplus nahezu churn-frei.
Beides ohne einen einzigen neuen Kontakt: Der Hebel liegt vollständig in Daten, die Sie schon haben.
02 Das Modell - Uplift statt Wahrscheinlichkeit
Uplift-Modeling trennt, wen das Angebot überzeugt, wer von allein käme und wen es gar nicht erreicht
Dezil 1-3 (Kampagne lohnt): 3.600 Ex-Abonnenten Erwartete Reaktivierung Kampagnen-Segment: 9.5% Bestand mit tragfähiger Preisanpassung: 62%
Ein klassisches Modell sagt, wer zurückkommt. Ein Uplift-Modell sagt, bei wem das Angebot den Unterschied macht - nur dort lohnt der Rabatt. Dieselbe Logik trägt die Preisseite: Preiselastizität je Segment entscheidet, welcher Teil des Bestands eine Anpassung trägt und welcher zuerst mehr Bindung braucht. Mather misst für segmentierte gegenüber pauschalen Erhöhungen 2,5 statt 5,7 Prozent Zusatz-Churn.
03 Business Impact - Zwei Hebel, eine Datenbasis
Der Hebel: 9,5 Prozent Reaktivierung im kontaktierten Top-Segment plus 3 Prozent Netto-Effekt aus segmentierter Preissteuerung
Jede Annahme stammt aus dem Muster-Verlag und ist zentral hinterlegt. Mit Ihren echten Zahlen ändert sich nur die Eingabe, nicht die Methode.
| Position | Wert |
|---|---|
| Kontaktiertes Top-Segment (Dezile 1-3 des 24-Monats-Pools) × Reaktivierung 9,5 % | 3.600 × 9,5 % = 342 |
| Reaktivierte Abos × 7 Monate × ARPU | €25.137 |
| Digital-Umsatz / Jahr × Netto-Preiseffekt 3 % | €94.500 |
| Hebel: Summe Winback- + Preisoptimierungs-Effekt | €25.137 + €94.500 |
| Ergebnis: Mehrumsatz / Jahr | €119.637 |
Annahmen eines Muster-Verlags - in einem realen Projekt ersetzen Ihre Daten diese Werte.
Die 9,5 Prozent Reaktivierung im Top-Segment liegen unter Amedias 12 Prozent (telefonisch, loyalitätssortiert), und gerechnet wird nur das tatsächlich kontaktierte Drittel des Pools; die 3 Prozent Preiseffekt unter Mathers dokumentierten 8 Prozent. Beide Hebel nutzen dieselbe Datenbasis - Abo-Historie, Nutzungsverhalten, Angebots-Reaktionen - und denselben Modell-Ansatz.
04 Nächste Schritte in Ihrem Verlag
Vom Kündiger-Archiv zur laufenden Bestandssteuerung
Wir strukturieren den Ex-Abonnenten-Bestand: Kündigungsgrund, Nutzungshistorie, Angebots-Reaktionen - die Basis beider Modelle.
Die propensity-sortierte Kampagne läuft gegen eine Zufallsauswahl. Der Uplift zeigt sich im direkten Vergleich - nach Segmenten getrennt.
Elastizitäts-Segmente und ein gestaffelter Anpassungsplan für den Bestand: wer, wann, wie viel - mit Frühwarnung aus Modul 01 als Sicherheitsnetz.