Im Fall von Netflix ist es eine gigantische. In wenigen Jahren wurde aus der kleinen Versandvideothek der marktbestimmende Player der Film- und Fernsehwelt.
Wie konnte das gelingen? Netflix ist unschlagbar darin, die persönlichen Daten seiner Nutzer zu sammeln und auszuwerten. Die Ergebnisse dieser Datenanalyse werden direkt umgesetzt: In personalisierte Nutzeroberflächen, in datengetriebene Film- und Serienproduktionen und natürlich im Marketing. Dabei geht Netflix immer transparent mit der eigenen Datengetriebenheit um.
> Für den Algorithmus zahlte Netflix 1 Mio. US-Dollar Preisgeld. > Produktionen sind maßgeschneidert: Meistgesehene Darsteller + beliebter Regisseur + erfolgreiche Story = Serien-Hit. > 125 Mio. Kunden sehen personalisierte Nutzeroberflächen und geclusterte Trailer-Versionen für Filme und Serien.
Googeln, Tindern, facebooken,...
Wie digital denkende CEOs ihre Unternehmen steuern. Beispiel: Netflix
Mehr als 125 Mio. Menschen auf der Welt „netflixen“. Lange bevor der Markenname des US-Unternehmens in den Sprachgebrauch überging, war die Firma eine kleine Versandvideothek mit einem Angebot von gerade mal knapp 1.000 DVDs. Heute gehört Netflix zu den wertvollsten Internetfirmen der Welt. Jedes Jahr fließen Hunderte Millionen US-Dollar in Eigenproduktionen und Netflix hat die Film- und Fernsehlandschaft umgekrempelt.
Das alles ist möglich, weil Netflix seine Kunden kennt: „Wir wissen, wann die Nutzer welche Inhalte sehen, wann sie Pause machen, wann sie eine Serie aufgeben“, sagte kürzlich der für Innovationen zuständige Netflix-Manager Todd Yellin zur Deutschen Presse-Agentur. Das Geschäftsmodell von Netflix funktioniert, weil Daten gesammelt und ausgewertet werden, um die bestmögliche Personalisierung zu erreichen.
Schon Jahre vor dem Durchbruch als Streaming-Dienst führten die Gründer für ihren DVD-Verleih eine Software ein. Diese machte ihren Kunden auf Basis der ausgeliehenen Filme Vorschläge. Das Unternehmen schrieb 2009 sogar ein Preisgeld von einer Million US-Dollar für den besten Algorithmus aus. Ein solcher Algorithmus, also die logische Grundlage einer Programmierung, macht auch heute Netflix-Zuschauern Vorschläge. Laut dem Magazin „Forbes“ hatte Netflix allerdings damals bei seinem DVD-Service gerade mal vier Datenpunkte, um daraus etwas zu machen: die Kundennummer, eine Identifikationsnummer des Filmes, die Bewertung des Filmes und das Datum, an dem der Kunde den Film geliehen hatte.
Heute verfügt das Unternehmen außerdem über die Suchhistorie seiner Nutzer, weiß, wann sie von welchem Gerät wie lange schauen und vieles mehr. Die erfassten Informationen bestimmen ganz simpel erst einmal, welche Empfehlungen und Trends dem Nutzer angezeigt werden.
Doch der Algorithmus kann mehr:
Er lernt, ob man ein bestimmtes Genre oder einen Schauspieler bevorzugt – und da er das bei 125 Millionen Kunden tut, kann das Unternehmen daraus auch ablesen, für welche Inhalte es sich lohnt, Geld auszugeben.
Daten, die Netflix auswertet
Wenn Zuschauer pausieren, zurück- oder vorspulen An welchem Wochentag die Inhalte angeschaut werden An welchem Datum der Service genutzt wird Von wo aus geschaut wird Welche Geräte genutzt werden Wann Inhalte verlassen werden Ob die Opening Credits übersprungen werden Abgegebene Bewertung Suchanfragen Verhalten auf der Website, z.B. scrollen
Und welche Daten könnten Banken auswerten, um das Erleben für die Kunden zu verbessern?
„House of Cards“ zum Beispiel, 2013 Netflix’ erster großer Hit, wurde quasi maßgeschneidert: Dank der ausgewerteten Daten wusste man, dass das britische Original gleichen Namens Regisseur David Fincher Hauptdarsteller Kevin Spacey bei der Nutzerschaft gut ankommen.
Also wurde eine US-Version mit genau diesen Komponenten entwickelt. Der Erfolg war minutiös geplant, einschließlich zahlreicher unterschiedlicher Trailer, die den Nutzern je nach ihren sonstigen Vorlieben ausgespielt wurden. Besser als jeder Fernsehsender mit seinem Nielsen-Rating kann Netflix’ Algorithmus solche Sehgewohnheiten erfassen und hilft dem Unternehmen bei der Entscheidung, was eingekauft, produziert, eingestellt oder weitergeführt wird. Noch besteht das Angebot auf der Plattform zwar zu rund 80 Prozent aus lizenzierten Filmen und Serien. Doch der Anteil der Eigenproduktionen steigt kontinuierlich: 700 „Netflix Originals“ sollen dieses Jahr für insgesamt bis zu acht Milliarden US-Dollar produziert werden. Für Netflix dürfte es ein enormer Marktvorteil sein, auf der Wertschöpfungskette eine Stufe tiefer gegangen zu sein.
Personalisierung
„There are 33 million different versions of Netflix“, sagte Joris Evers, Director of Global Communications bei Netflix einst der „New York Times“. Neben dem Algorithmus, der für passende Empfehlungen sorgt, werden die visuellen Darstellungen von einzelnen Inhalten aus auch auf Nutzergruppen angepasst. Die Bilder oben zeigen dies, das absolut identische Produkt wird mit mikrozielgruppenoptimierten Ansprachen ausgespielt. Netflix geht dabei transparent vor und macht die Personalisierung deutlich, um zum einen Vertrauen aufzubauen und zum anderen die Nutzer zu Bewertungen zu bewegen. Zudem versucht Netflix den Nutzern zu erklären, wie Empfehlungen zustande kommen. Eine weitere vertrauensbildende Maßnahme.
Zahlen & Fakten
Gründungsjahr: 1997 Abonnenten (Q1 2018): 125 Millionen Umsatz 2017: 11,69 Mrd. US $ Eigenproduktionen: Start in 2013 Angestellte: 5.500
Was heißt das für Banken?
In einer Finanzwelt nach Netflix-Vorbild dürfen alte Finanzdienstleistungen bestehen bleiben, aber es entstehen beispielsweise auf Datenbasis erste echte Robo Advisor, die ihrem Namen auch gerecht werden. Denn was heute auf dem Markt ist, ist mehr Advisor als Robo, jedenfalls nicht tatsächliche Künstliche Intelligen. Unternehmen wie der deutsche Marktprimus Scalable Capital mit einem verwalteten Volumen von 1 Milliarden Euro bieten eine automatisierte Anlageberatung. Sie greifen dabei jedoch auf vorgefertigte Portfolios zurück. Echte Robo Advisor haben selbstlernende Algorithmen, die die Kapitalmärkte analysieren und auf Basis ihres Verständnisses Investment-Entscheidungen treffen.
Sie können dank der Rechenleistung von Computern Muster erkennen, die dem menschlichen Berater bisher verborgen bleiben. Und das Ganze bieten die Banken am Besten für eine Art Flatrate- Gebühr an. So wie Netflix, wo die Nutzer einmal im Monat zwischen 7,99 und 13,99 Euro zahlen und vermutlich gar nicht mehr über den Preis nachdenken, sondern einfach nach Feierabend das maßgeschneiderte Entertainment genießen. Müssten sie für jeden Inhalt 50Cent einzeln zahlen, würde dies vermutlich das Vergnügen trüben. Selbstlernende Algorithmen wie in diesem (noch) fiktiven Beispiel machen ein Geschäftsmodell wirklich data driven. Aber nun wird auch das Unternehmen Netflix immer noch von Menschen geführt und nicht von Maschinen und so müssen es Sparkassen in ihrem sensiblen Geschäft erst recht handhaben. Eine wirklich personalisierte Finanzberatung braucht natürlich weiterhin eine menschliche Komponente.
Doch eine Finanzberatung ist dann fortschrittlich und effizient, wenn die Datengrundlage bestmöglich ausgeschöpft wird. Das sollten die Sparkassen tun, wenn sie verhindern wollen, genetflixt zu werden. Noch so ein Fall, wo der Markenname schon manches mal wie eine Redewendung verwendet wurde. Und diese bedeutet: von einem innovativen, neuen Anbieter aus dem Markt gedrängt werden.
Und das Unternehmen floriert, weil seine Produktentwicklung nicht linear und nach dem Wasserfallprinzip von der Chefetage entschieden wird. Wenn den Nutzern etwas nicht gefällt, ist die Wahrscheinlichkeit groß, dass die Strategie geändert wird. Kevin Spacey wurde nach dem Bekanntwerden von Missbrauchsvorwürfen übrigens aus „House of Cards“ gefeuert. Die Serie wird nun ohne ihn fortgesetzt. Wer weiß, welche Daten Netflix vorlagen, die neben der öffentlichen Wahrnehmung diese Entscheidung beeinflusst haben.
So gruselig manche die Vorstellung auch finden, für ein Datenunternehmen derart transparent zu sein: Es ist eine durch und durch nutzerzentrierte Art, Daten zu verwenden. Sie könnte auch Banken – und die Sparkassen – besser machen, wenn sie sich darauf einlassen. Im Geschäftsmodell von Netflix hat Big Data eine immer größere Rolle gespielt: anfangs bei der Distribution, dann beim Einkauf von Inhalten und schließlich bei der Produktion eigener Inhalte. In den USA werden auch noch DVDs per Post verschickt, aber dieser alte Teil des Geschäftsmodells spielt kaum eine Rolle mehr.
Lock-in-effekt
Unter Lock-in-Effekt (englisch lock in, „einschließen“) versteht man die enge Kundenbindung an Produkte oder einen Anbieter, die es dem Kunden wegen Wechselbarrieren erschwert, das Produkt oder den Anbieter zu wechseln.
Auf Netflix angewandt: Die Vorschläge sind für den Nutzer so wertvoll, dass sich ein Wechsel zu einem anderen Anbieter nicht lohnt. Eine gesetzlich vorgeschriebene Öffnung, um Lock-In-Effekte abzubauen – analog zu PSDII in der Finanzbranche –, scheint bei Streaming-Diensten aufgrund fehlender Standards noch weit entfernt.
Unser Buchtipp
The Automatic Customer. Creating a Subscription Business in Any Industry. Von John Warrilow.
Autoren: Clas Beese, Co-Founder von finletter und Carolin Neumann, Co-Founder von finletter