ARPU Benchmarks in acht B2C-Branchen im Jahr 2026. Das oberste Quintil zieht mit der 2- bis 4-fachen historischen Rate davon. Was die führenden Unternehmen anders machen.
Jedes Quartal ziehen wir ARPU-Trajektorien über acht B2C-Kategorien, die wir genau beobachten, von Streaming und Telekommunikation bis hin zu Fintech, Reisen und Marktplätzen. Vier Jahre lang war das Bild rauschhaft, aber weitgehend symmetrisch: Leader und Nachzügler bewegten sich zusammen, plus oder minus einen Zyklus. In den letzten sechs Quartalen stimmte das nicht mehr. In jeder einzelnen Kategorie, die wir verfolgen, weitet sich die Spanne zwischen dem oberen Quintil und dem Median, und die Spanne zwischen dem oberen Quintil und dem unteren Quintil weitet sich noch schneller.
Dies ist keine Geschichte darüber, wer das beste Produkt hat. Es ist eine Geschichte darüber, wer das Decisioning zu einem sich verstärkenden Asset gemacht hat und wer immer noch denselben Kampagnenkalender wie 2022 betreibt.
Nimm eine beliebige B2C-Branche mit einem reifen Kundenstamm von mindestens ein paar Millionen Nutzern. Ordne die Unternehmen nach dem ARPU growth der letzten zwölf Monate. Das obere Quintil ist nicht 20 oder 30 Prozent besser als der Median; es ist 2- bis 5-mal besser bei der Kennzahl, die tatsächlich zählt, nämlich dem inkrementellen ARPU pro aktivem Kunden pro Quartal. Die absoluten Niveaus unterscheiden sich je nach Branche, die Verhältnisse jedoch nicht.
Analysten nennen dies eine „post-pandemische Normalisierung“. Diese Einordnung ist falsch. Normalisierung würde bedeuten, dass der Fächer sich schließt. Was wir sehen, ist, dass der Fächer sich monoton öffnet, Quartal für Quartal, über Kategorien hinweg, die sonst fast nichts gemeinsam haben. Wenn ein Muster gleichzeitig in acht nicht verwandten Branchen auftaucht, ist die Ursache nicht sektorspezifisch. Sie ist infrastrukturell.
Zur Klarstellung: Die ARPU-Streuung ist das Verhältnis des ARPU growth des oberen Quintils zum ARPU growth des unteren Quintils über denselben Vierundzwanzig-Monats-Zeitraum, kontrolliert nach Basisgröße. Wir ignorieren Firmen unterhalb einer Größenschwelle, da die ARPU-Mathematik unterhalb eines bestimmten Nenners versagt, und wir ignorieren Firmen, die aktiv Kunden unterhalb der Kosten akquirieren, da das growth ARPU Signal durch Verwässerung kontaminiert ist.
Das Ergebnis ist ein klarer Vergleich: Betreiber von annähernd vergleichbarer Größe, in derselben Branche, unter denselben Makrobedingungen, mit unterschiedlichen internen Betriebssystemen. Was auch immer die Streuung erklärt, muss sich im Betreiber befinden, nicht um ihn herum.
Es gibt keine einzelne Ursache, aber drei Kräfte wirken zusammen. Jede von ihnen existiert seit Jahren. Neu im Jahr 2026 ist, dass sie sich jetzt schneller gegenseitig verstärken, als etablierte Unternehmen absorbieren können.
Bis 2024 war „1:1-Personalisierung“ ein Konzept für Präsentationen. In der Praxis betrieben die meisten Unternehmen eine kleine Anzahl großer Segmente mit einigen hundert Varianten pro Jahr. Im Jahr 2026 führen eine Handvoll Betreiber Hunderttausende von Entscheidungen pro Tag und pro Kunde aus, wobei das Modell wöchentlich anhand der Ergebnisse neu trainiert wird. Das ist keine geringfügige Verbesserung gegenüber Segmenten. Es ist ein anderes Regime.
Der uplift liegt nicht primär in der Klickrate oder Öffnungsrate, das sind vanity Signals. Der uplift liegt im „Tail“ (Ende der Verteilung): Eine kleine Anzahl sehr werthaltiger Kunden wird zu einem ganz anderen Angebot geleitet, als sie es unter einer Segmentstrategie erhalten hätten, und der erwartete Wert dieser Routenänderung ist überproportional groß. Verpasst du diesen „Tail“, siehst du auf jedem Dashboard identisch zu deinen Wettbewerbern aus, während du leise die Kunden verlierst, die sich vermehren.
Billiges Kapital verbarg zwischen 2020 und 2023 viele schlechte Entscheidungen. Im Jahr 2026 prüfen Vorstände den Deckungsbeitrag, nicht das Umsatzwachstum. Das hat eine spezifische Konsequenz: retention-Aktionen, die aus dem Bauch heraus gerechtfertigt waren, werden gestrichen, und nur die mit nachweislich inkrementeller Marge überleben. Betreiber ohne kausalen Mess-Stack können diese Prüfung nicht bestehen. Sie stellen die Aktionen, die still und leise funktionierten, heimlich ein, und ihr ARPU stagniert.
Die am meisten unterschätzte Verschiebung der letzten achtzehn Monate ist, dass die Kosten für die Durchführung eines kausalen Experiments, von der Hypothese über die ausgelieferte Variante bis zum holdout und der lift-Auslesung, um etwa eine Größenordnung gesunken sind. Das bedeutet, dass das obere Ende der Verteilung jetzt zehnmal mehr Experimente pro Quartal ausliefert als der Median. Zehnmal mehr Experimente erzeugen nicht den zehnfachen uplift. In unseren Daten erzeugen sie etwa den drei- bis vierfachen uplift, weil die meisten Experimente immer noch scheitern. Aber ein drei- bis vierfacher, sich steigernder uplift, Quartal für Quartal, ist genau die Form der Verbreitung, die wir messen.
Der Mechanismus sieht in allen Kategorien gleich aus. Die Oberfläche unterscheidet sich. Ein kurzer Überblick darüber, was wir in jeder der acht von uns beobachteten Branchen sehen.
Die Streuung ist hier die breiteste, die wir messen. Betreiber im oberen Quintil haben sich von einer linearen Ebenenleiter zu einer kontinuierlichen Angebotsgestaltung entwickelt: Bundle, werbefinanzierte Umstellung, Kadenz und Verlängerungspreis werden pro Kunde und pro Moment entschieden. Median-Betreiber liefern immer noch eine Preisänderung pro Quartal und eine Bundle-Änderung pro Jahr.
Die ARPU Expansion bei Postpaid-Kunden wird von Anbietern gewonnen, die frühzeitig den Over-And-Add-On-Flywheel nutzten: Vorhersage, welche Kunden kurz vor dem Überschreiten ihres Datenlimits stehen, und proaktives Anbieten einer Höherstufung zu einer Marge, die der CFO unterschreibt. Das sieht aus wie retention. Es ist tatsächlich expansion.
Cross-sell im Fintech-Bereich war jahrelang ein Durcheinander von Pop-ups. Die führenden Unternehmen behandeln jede Produktoberfläche heute als eine Eligibility Engine: Welcher Kunde an welchem Tag am besten welches zweite Produkt angeboten bekommt, und wie wirkt sich das Routing dieses Angebots heute auf die Wahrscheinlichkeit eines dritten Produkts in sechs Monaten aus. Diese letzte Klausel wurde 2023 von niemandem modelliert.
Die Streuung ist hier am lautesten, weil die Nachfrage exogen ist. Aber selbst unter Berücksichtigung der Belegungsrate erzielen die Betreiber des oberen Quintils durch die nachfolgende Buchungssequenzierung erheblich mehr pro gebuchtem Kunden: welcher upsell, auf welchem Kanal, zu welchem Zeitpunkt im Zeitraum vor der Reise. Der Medianbetreiber schickt immer noch jedem die gleiche Lounge-Pass-E-Mail zwölf Tage vorher.
Die interessante Spanne liegt nicht zwischen marketplaces. Sie liegt innerhalb jedes marketplace, zwischen der Art und Weise, wie das obere Zehntel der Verkäufer der demand zugeordnet wird und wie die Mitte zugeordnet wird. Leaders haben das matching von einem statischen ranker zu einem kontinuierlich personalisierten objective verschoben. Durchschnittliche Betreiber stimmen immer noch vierteljährlich ein einziges ranking model ab.
Live-Services kennen dieses Spiel schon immer, und es zeigt sich. Die Marktführer haben 2025 damit verbracht, ihre Angebotsmaschinen auf einem kausalen Substrat neu aufzubauen; die Nachzügler arbeiten immer noch mit LiveOps-Kalendern. Die Kluft vergrößert sich hier besonders schnell, da Monetarisierungszyklen Tage, nicht Monate, betragen.
Paywall-Optimierung war früher ein vierteljährlicher A/B-Test. Im oberen Quintil ist es jetzt eine Pro-Artikel-, Pro-Leser-Entscheidung, und der Abo-Trichter ist ein Nebenprodukt eines viel reichhaltigeren Engagement-Modells. Der Long Tail ist hier noch wichtiger, denn ein kleiner Anteil loyaler Leser macht den Großteil des LTV aus.
Loyalty-Programme sind das sichtbare Artefakt; das unsichtbare ist die zugrundeliegende Entscheidungsebene, die festlegt, wer welche Belohnung sieht, mit welcher Ablaufzeit und zu welchem Einlösungspreis. Die führenden Unternehmen betrachten Loyalty überhaupt nicht mehr als Programm. Es ist eine Entscheidungsoberfläche.
Sobald man über die branchenspezifische Oberfläche hinausblickt, ist der Mechanismus derselbe. Jeder Betreiber steht vor einer Reihe von Momenten, in denen ein Kunde zu einer von vielen Aktionen geleitet werden könnte. Im alten Regime wurden die meisten dieser Momente durch Standardeinstellungen oder durch eine kleine Anzahl von manuell erstellten Regeln bedient. Im neuen Regime ist jeder Moment eine Entscheidung, und jede Entscheidung ist eine Wette mit einem messbaren Ergebnis.
In dem Moment, in dem du diesen Kreislauf industrialisierst, beginnen drei Dinge gleichzeitig zu wachsen. Die Datenqualität verbessert sich, weil jede Entscheidung eine Spur hinterlässt. Die Modellqualität verbessert sich, weil die Spuren zu Trainingsdaten werden. Die organisatorische Geschwindigkeit verbessert sich, weil jedes Team über Beweise statt über Meinungen streitet. Jedes der drei Dinge nährt die anderen beiden. Deshalb weitet sich die Spanne, anstatt sich zu schließen: Der zugrunde liegende Prozess ist exponentiell, und exponentielle Prozesse konvergieren nicht.
Wir interviewten Leiter von growth, analytics und Produkt bei siebzehn Betreibern in diesen Kategorien. Fünf Praktiken tauchen in fast jeder Antwort des oberen Quintils und in fast keiner der medianen Antworten auf.
Für den durchschnittlichen Betreiber ist die ehrliche Einschätzung unangenehm. Die Lücke wird sich nicht durch härtere Arbeit innerhalb des aktuellen Betriebsmodells schließen. Ein weiteres Quartal Kampagnenplanung, eine weitere Runde Segmentaktualisierungen, ein weiteres Beraterergebnis zum Thema „Kunde 360“ werden die ARPU-Kurve nicht bewegen. Der aktuelle Stack ist ein lokales Maximum, und es ist der falsche Hügel.
Die gute Nachricht ist, dass die Veränderung kleiner ist, als sie aussieht. Die meisten durchschnittlichen Betreiber verfügen bereits über die Rohdaten. Sie verfügen über die Produktoberflächen. Sie verfügen über die Kundenbeziehungen. Was ihnen fehlt, ist eine decisioning Ebene, die Umsatzchancen in Experimente und Experimente in ausgelieferte, gemessene Aktionen umwandelt, und das kontinuierlich in einem Tempo, das Menschen manuell nicht aufrechterhalten können.
Drei Signale werden uns sagen, ob sich dieser Trend in den nächsten vier Quartalen beschleunigt oder stabilisiert. Erstens, ob der Median-Betreiber in jeder Kategorie ein Opportunity-First-Betriebsmodell annimmt oder weiterhin die Planung gegen einen Kalender durchführt. Zweitens, ob die Vorstände anfangen, ARPU compounding anstatt headline growth in die Vorstandsvergütung aufzunehmen. Drittens, ob die Führungskräfte beginnen, ihre kausalen Auswertungen zu veröffentlichen, was den Informationsvorsprung komprimieren und die Grenze für alle vorantreiben würde.
Unser aktueller Basisfall ist, dass sich die Kluft bis 2027 weiter vergrößert und sich dann aufspaltet: eine Handvoll Kategorien, in denen es Followern gelingt aufzuholen, weil die Akquisitionsökonomie dies erzwingt, und eine Mehrheit, in der das oberste Quintil den Vorteil für den Rest des Jahrzehnts sichert. So oder so werden die Betreiber, die 2026 die decisioning layer aufbauen, 2027 Zinseszinsen daraus ziehen.
Eine längere Version dieser Analyse, mit den vollständigen Branchen-Benchmarks und der Methodik, ist verfügbar in Der ARPU-Bericht 2026 für B2C-Unternehmen.
Häufig gestellte Fragen
Verwandte Ressourcen
Lösungen
Im Produkt ansehen
Die gleichen Schleifen, die dieser Hinweis beschreibt, laufen 24/7 in deiner Kundenbasis. Beobachte, wie der Arbeitsbereich 1:1 entscheidet, Experimente durchführt und ausführt.
Vokabular
Definitions an answer engine can quote, each one a page of its own.
Vergleichen
Neutral reads on the categories buyers evaluate against a decision layer.
Alle Vergleiche
