Die Erwartungshaltung steigt: User, Leser, Kunden wollen zunehmend personalisierte, individuell auf sie zugeschnittene Inhalte und Angebote, möchten schnell und zugleich relevant zu den ihnen wichtigen Themen informiert werden. Es geht also bei Audience Building (siehe auch Beiträge 04 und 05/2019) nicht nur darum, Antworten auf die Frage „Für wen publizieren wir eigentlich?“ zu finden, gewünscht werden personalisierte Reaktionen innerhalb der Zielgruppe, also Lösungen für die Frage „Welchem Kunden empfehle ich zu welchem Zeitpunkt was?

Der Begriff Content Recommendation beschreibt zunächst ganz schlicht eine Lese-Empfehlung für den User, mehr oder weniger basierend auf seinem bisherigen Leseverhalten auf der Seite. Und das „Mehr oder Weniger“ ist durchaus entscheidend! Große Native Ad Networks wie taboola oder Outbrain bieten Publishern an, eine eher zufällige Zusammenstellung von „empfohlenem“ Content meist am Ende des redaktionellen Beitrags zu schalten und für Engagement zu zahlen. Das kommt bei den Lesern nicht sehr gut an, wie einige Umfragen zu diesem Thema bestätigen (unter anderem von arkadium.com). Und wer einmal selbst die Erfahrung gemacht hat, nach einem Artikel über den Klimawandel die Leseempfehlung „Diese Autos fahren Top-Sportler“ erhalten zu haben, kann sich vorstellen, warum.

„Real“ Content Recommendation – die wirkliche Empfehlung

Worüber wir hier aber schreiben möchten, ist die real Recommendation und es ist bezeichnend, dass man das Adjektiv voranstellen muss, um sich abzugrenzen. Es geht um die eingangs erwähnte Forderung nach personalisierten, tailor-made Inhalten mit dem Ziel, das Lese-Erlebnis des Kunden (Customer Journey) zu verbessern und damit letztlich Kunden- und Markenbindung zu vertiefen. In den allermeisten Fällen wird dabei auf Inhouse-Content verwiesen, dem Leser soll eine durchgängige „Reise“ ermöglicht werden.

Die Ansätze, die Publisher dabei verfolgen sind durchaus unterschiedlich: Was wird gemessen? Welche Daten werten wir aus, um Einsichten zum Leserverhalten zu gewinnen? Welche Technik setzen wir ein, um Content mit Meta-Daten zu versehen, zu verknüpfen oder algorithmus-gesteuert intelligent auszuspielen? Mithilfe welcher KPIs messen wir den Erfolg unserer Bemühungen?

Mit knk 365 Audience Building unterstützt knk Sie bei der Selektion der Erhebungsdaten (Was wird gemessen?) und setzt klar auf Algorithmus- bzw. KI-gestützte Methodik bei der Content-Ausspielung. Bei der Entscheidung über Zielvorgaben und gewünschte Effekte der Content-Recommendation-Strategie können wir beraten, treffen können wir sie nicht.

Content Recommendation und Paywall

Im Zusammenspiel mit einer – im besten Fall dynamischen – Paywall entwickeln sich für Content Recommendation neue Szenarien und Geschäftsmodelle: Mit der Auswertung des Leseverhaltens und dem Angebot von weiterem relevanten Content im richtigen Moment, kann ein fließender, dynamischer Verlauf der Bezahlt-Grenze erreicht werden, der User wird nicht vorab oder zur Unzeit zur Registrierung aufgefordert, sondern dann, wenn er das Angebot benötigt und die Customer-Journey fortsetzen möchte.

Experimentierfreude ist dabei gut, keinesfalls darf die Technik aber die Kunden zur „Testumgebung“ ihrer Algorithmen machen! Re-inforced learning macht heute Software immer zielgenauer und liefert immer bessere Ergebnisse, auf Kosten der User-Experience darf das nicht geschehen. Wenn Content für den Kunden nicht nachvollziehbar einmal vor der Paywall und das nächste Mal als Bezahlt-Inhalt auftaucht, fühlt sich der Kunde zu Recht nicht Ernst genommen! Solange die Angebote jedoch klar sind und dem Nutzungsverhalten des einzelnen Kunden entsprechen, wird auch die Akzeptanz hoch sein!

Den verfügbaren Platz optimal nutzen – für Content und Ads

Mit personalisierten Content-Empfehlungen und der Ausspielung relevanter Werbung lässt sich der vorhandene Platz auf der Site zu jeder Zeit optimal gestalten, monetär für den Publisher, inhaltlich für den Kunden. Dass dies kein Widerspruch wird, sondern im Gegenteil, die Steigerung der KPIs mit der Akzeptanz des Angebots einhergeht, sollte ein Ziel erfolgreicher Content-Strategie sein. Gute Software kann diesen Prozess unterstützen und im Hintergrund sekündlich die richtigen Mikro-Entscheidungen treffen. Die „großen“ Entscheidungen müssen davor gefallen sein.

Photo by Roman Kraft on Unsplash