Der Artikel mit dem Titel „Will they stay or will they go? Application of machine learning classifiers of purchase and churn prediction to a digital journalistic platform“ wurde kürzlich im Bereich des Medienmanagements renommierten Journal of Media Business Studies veröffentlicht. Er ist frei zugänglich (open access):
O’Brien, D., & Kunz, R.E. (2024): Will they stay or will they go? Application of machine learning classifiers of purchase and churn prediction to a digital journalistic platform, in: Journal of Media Business Studies. Online: https://doi.org/10.1080/16522354.2024.2444075

In ihrer Studie untersuchten Dr. Daniel O’Brien und Prof. Dr. Reinhard E. Kunz die Anwendung von Machine Learning-basierten Verfahren, um den Kauf und die Abonnement-Abwanderung von Nutzern digital-journalistischer Produkte vorherzusagen. Dazu analysierten die Forscher vom Lehrstuhl für Innovationsmanagement und Medien an der Bauhaus-Universität Weimar Daten von über 2.700 individuellen Nutzern eines deutschen Online-News-Start-ups. Dabei verglichen sie verschiedene Vorhersagemodelle, darunter Random Forest, Gradient Boosting und logistische Regression.

Die Ergebnisse zeigen, dass Faktoren wie Aktualität der Nutzung, Häufigkeit der Nutzung und bisheriger monetärer Wert von Nutzern zentrale Prädiktoren für Kaufentscheidungen sind. Für die Vorhersage der Abwanderung von Nutzern spielen hingegen Verhaltensvariablen wie die Anzahl der Aktionen pro Besuch der digital-journalistischen Website eine entscheidende Rolle. Besonders hervorzuheben ist, dass die Vorhersage mittels Gradient Boosting über alle Anwendungsbereiche hinweg die besten Ergebnisse liefert, während logistische Regression bei der Abwanderungsvorhersage unterdurchschnittlich performt. Generell ist hervorzuheben, dass aus relativ wenigen und anonymen Kundendaten bereits sehr gute Ergebnisse für die Vorhersage erzielt werden können.

Mit dieser Arbeit leisten die Autoren einen wichtigen Beitrag zur datengetriebenen Entscheidungsfindung im digitalen Journalismus – einem Bereich, der bislang von kleinen oder mittelständischen Unternehmen oft nur eingeschränkt genutzt wurde. Die Forschungsergebnisse unterstreichen das Potenzial von Predictive Analytics, selbst in kleinen und unausgewogenen Datensätzen wertvolle Einblicke zu generieren und so die strategische Ausrichtung journalistischer Plattformen zu optimieren. Publisher können durch solche Systeme potenzielle Käufer und/oder „Churner“ gezielt ansprechen sowie langfristig planerisch berücksichtigen. Die Studie trägt somit nicht nur zum wissenschaftlichen Diskurs über Predictive Analytics bei, sondern bietet auch praxisrelevante Erkenntnisse für Start-ups und kleinere Medienunternehmen in einer zunehmend datengetriebenen Branche.