Up-Selling Optimierung für eine Subscription App

Wie lassen sich Kunden die eine bisher kostenfreie-Version verwenden zu dem Abschließen eines kostenpflichtigen Abos überreden? Durch die richtige Kommunikation zum richtigen Zeitpunkt! 

In folgendem Anwendungsbeispiel demonstrieren wir Ihnen, wie wir die Conversion Rate eines Fitness-App-Anbieters signifikant erhöht haben. 

Random Up-Selling: Wenn Marketing-Strategien Verlust bringen, fehlt die KI 

Das Geschäft des App-Anbieters beruht auf einem Freemium-Modell. Nutzer der kostenlosen App-Version sollen dabei frühzeitig von einem Abonnement der kostenpflichtigen Premium-Version überzeugt werden. Die Marketing-Abteilung wollte zu diesem Zweck Push- und E-Mail-Upselling-Kampagnen ausspielen. 

Der erste Monat ist der Entscheidende: denn hier überzeugen die Marketingmanager den Kunden, oder der Kunde deinstalliert die App. Denn die Fitness-App unseres Partners ist für einen Monat kostenfrei, anschließend wartet ein kostenpflichtiges Abonnement.  

Eine enorme Schach-Matt-Situation, wenn die falschen Marketing-Strategien gewählt werden.  

  • 1. Strategie: “Der Neukunde”; ihn erwartet eine Flut an E-Mails mit Informationen, um diesen vom Upsell (-Abonnement) zu überzeugen. 
  • 2. Strategie: “Die Ad hoc Kampagne”; eine randomisierte Auswahl an Usern, die eine E-Mail erhalten (wenn sie per Mail registriert sind). 
  • 3. Strategie: “Die Benachrichtigungen in der App selbst”; eine hohe Anzahl an User-Aktivitäten in der App triggert automatisierte Upsell-push-Nachrichten.

Welche von den aufgezählten Strategien sprechen die Nutzer am besten an und überzeugen sie vom Abo? 

Da viele Nutzer bereits zu Beginn abspringen und die Neukundenakquisition sehr kostspielig ist, ist es umso wichtiger, Abonnenten zu konvertieren. Das heißt die User sollen bereits frühzeitig von dem kostenpflichtigen Abonnement überzeugt werden. Aber das Marketing-Budget ist begrenzt und Neukunden sollten nicht bereits zu Beginn von Werbemaßnahmen überflutet werden. 

Welcher Kunde zeigt genug Potential, und ist für die Upselling-Kampagnen geeignet? 

Wie wird deutlich, welcher Kunde welche Art von Push- und E-Mail-Upselling-Kampagnen erhalten soll? 

Hier ein kurzer Überblick über die Wünsche des Unternehmens und die Herausforderung bei der Umsetzung dieser Wünsche: 

Wunsch (Up-Selling-Optimierung)Herausforderung (Wer und Wann?)
Effektive MarketingstrategienGeringes Marketing-Budget
Hohe Conversion-RateHoher, zeitlich intensiver Aufwand
UmsatzsteigerungKeine Konvertierung durch ineffektives Marketing
(kein Abo=kein Umsatz)
Wunsch vs. Herausforderung bei der Umsetzung

Upselling durch KI basiertes Vorhersagen 

Unser Ziel ist es, herauszufinden, welcher Kunde eine hohe Affinität ausweist, ein Abonnement abzuschließen. Und für diese Erkenntnis bleibt nicht viel Zeit: bereits in den ersten Tagen, nachdem die App installiert wurde, zeigt sich, ob der User bleibt, oder ob er die App deinstalliert.  

Die Marketing-Strategien müssen deshalb möglichst schnell den richtigen Nutzer erreichen und ihn vom Produkt überzeugen.  

Durch KI haben wir die Möglichkeit ein Scoring-Modell – basierend auf maschinellem Lernen – zu entwickeln. Dieses ermöglicht eine Vorhersage der Abonnement-Affinitäten für einen bestimmten Zeitraum: in dem Fall für zehn Tage.  

Um das Affinitätsmodell zu bilden, implementieren wir zunächst die Daten aus vergangenen Interaktionen zwischen Nutzer und Produkt (die Fitness-App). Hier lagen Daten etwa hundert verschiedene In-App-Aktivitäten vor von Millionen von Usern vor. Das sind genug Daten, um starke Modelle zu bilden.  

Hier achten wir besonders auf die Features: 

  • Biometrische Daten (Alter, Geschlecht, …) 
  • Stammdaten  
  • Nutzungsdaten (Gewichtszunahme, -abnahme, regelmäßige Verwendung, …) 

Die dadurch entstehenden Modelle werden im Anschluss mit Trainingsdaten gespeist. Nur so liegt am Ende das stärkste Affinitätsmodell vor. 

Wie funktioniert die von datasolut entwickelte KI?
Wie funktioniert die von datasolut entwickelte KI?

Der Marketingmanager interpretiert nun die User-Profile und deren Affinitäten in der Vergangenheit und nutzt diese, um das Nutzungsverhalten neuer User einschätzen zu können.  

So kann er gezielte Marketing-Kampagnen planen, die besonders die User anpeilen, die ein hohes Potential aufweisen, ein Abonnement abzuschließen. 

Ein individueller Prognose-Score zeigt den Mitarbeitern pro User an, wie wahrscheinlich dieser einen kostenpflichtigen Vertrag abschließt.

Gezieltes Marketing steigert das Up-Selling! 

Das Ergebnis unseres Anwendungsfalls, ist den Erwartungen entsprechend sehr gelungen: 

  • Die Conversion Rates stiegen im ersten Monat stark an: von free2pay 
  • Neue freemium-User mit hoher Wahrscheinlichkeit ein Abo abzuschließen, bekamen passende (E-Mail) Kampagnen gesendet 
  • Der Bestand neuer Kunden wurde nicht mit Werbemaßnahmen überflutet 

Insgesamt lässt sich also sagen, dass durch die Implementierung des smarten NBO-Affinitätsmodels ein signifikanter Anstieg sowohl im Bereich Conversion als auch im Bereich Umsatz zu notieren ist.  

Somit schließt sich der Use Case mit der Erkenntnis: Die KI-Prognose-Ergebnisse ermöglichen das gezielte Einsetzen von Marketing-Maßnahmem, sowie Marketing-Budget. So verbessert sich die Upsell-Quote signifikant und nachhaltig. 

Auch Sie möchten Ihr Up-Selling optimieren? Das unterstützen wir! Kontaktieren Sie uns doch gerne.   

Ihr Kontakt: Vinzent Wuttke

Unternehmen sitzen auf einem ungenutzten Berg von Kundendaten. Wir von datasolut entwickeln KI, die Ihr Marketing optimiert. Damit Sie dem richtigen Kunden zur richtigen Zeit das richtige Angebot machen können.

Weitere KI Use Cases

Interessante Blogbeiträge