Warum überleben nur wenige Social Networks am Markt?
Das sind die Themen:
Abo-Modell statt Werbefinanzierung sichert Überleben
Von den einst zahlreichen deutschen Social Networks der 2000er-Jahre hat nur ein einziger Anbieter überlebt. Während Wettbewerber wie StudiVZ rein werbefinanziert arbeiteten und mit Facebooks internationalem Netzwerkeffekt kaum mithalten konnten, setzte das Unternehmen früh auf ein Abo-Modell. Selbst zu Höchstzeiten aller deutschen Netzwerke reichte Werbung allein nicht, um Personalkosten zu decken.
E-Mail und Push-Notification je nach Zielgruppe
Die E-Mail-Strategie unterscheidet sich stark je nach Zielgruppe und Plattform. Bei älteren Nutzergruppen ist der Traffic zu rund 90 Prozent E-Mail-getrieben, mit rund 1,3 Milliarden versendeten Mails im Jahr und Klickraten von teils über 40 Prozent bei persönlichen Nachrichten. Bei jüngeren Zielgruppen dagegen spielt E-Mail praktisch keine Rolle mehr, dort zählen fast ausschließlich Push-Notifications und teils SMS.
Eigene Datenbank statt externem Tracking
Statt auf externe Tracking-Dienste wie Google Analytics zu setzen, schreibt das Unternehmen eigene Events direkt in eine selbst gepflegte Datenbank. So bleibt die Kontrolle über Conversion-Analysen und A/B-Tests unabhängig davon, ob eine Aktion in der App oder auf der Website stattfindet. Der Verzicht auf externe Dienstleister vermeidet zudem Datenverluste durch fehlende Cookie-Zustimmungen.
Out-of-Home-Erfolg über Städtevergleiche messen
Um den Erfolg von Out-of-Home-Werbung ohne klare digitale Customer Journey zu messen, wird auf Städtevergleiche gesetzt. Eine Stadt erhält testweise exklusive Kampagnen mit eigener URL-Erweiterung, während sich der Grundtraffic mit anderen Großstädten vergleichen lässt. Out-of-Home wirkt dabei vor allem als Vertrauensaufbau für die Marke, besonders bei jungen, noch unbekannten Angeboten.
KI zwischen Lifetime Value, Content und Scam-Erkennung
KI kommt im Marketing an drei zentralen Stellen zum Einsatz: bei der Berechnung des Kundenlebenswerts nach Kampagnenquelle und Zielgruppe, bei Formulierungsvorschlägen für Nachrichten auf einer Dating-Plattform und bei der Erkennung von Scam-Verhalten. Gleichzeitig bremst eine unternehmensweite KI-Rahmenumgebung mit älteren Modellen die Nutzung aktuellster Tools für sensible Daten spürbar.