Wie RTL+ mit BrazeAI Agent Console™ Streaming-Empfehlungen in großem Umfang personalisierte

RTL+ ist einer der beliebtesten Streaming-Dienste Deutschlands und bietet Inhalte aus den Bereichen Reality-TV und Live-Sport – darunter die UEFA Europa League, die Premier League und die NFL – sowie eigene Unterhaltungsinhalte aus den Genres Krimi, Comedy und Action. Mit rund 7 Millionen Abonnent:innen auf TV-Geräten, im Web und auf Mobilgeräten ist RTL+ in einem hart umkämpften Streaming-Markt tätig, in dem Engagement und Kundenbindung entscheidende Kennzahlen sind. Die Plattform bietet drei Abonnementstufen und nutzt ein Cancel-to-keep-Modell, bei dem Abonnent:innen innerhalb von 3 Tagen nach dem Kauf aktiv kündigen müssen.

Ziel ist es, Zuschauer:innen auf der Plattform zu halten und sie dazu zu bringen, neue Inhalte zu entdecken. Manchmal ist das ganz einfach. Eine präzise Segmentierung macht es beispielsweise leicht, Zuschauer:innen der beliebten Formate Bachelor oder Bachelor in Paradise ähnliche Inhalte aus demselben Genre auszuspielen. Andere Zuschauer:innen melden sich hingegen gezielt an, um ein einzelnes Spiel zu verfolgen, und sind danach wieder weg. „Deshalb ist das Onboarding für uns sehr wichtig“, sagt Lea Engelmann, die bei RTL+ das Lebenszyklus-Marketing leitet.

Starke Segmentierung mit begrenzter Personalisierung

RTL+ hatte zuvor eine ausgefeilte Segmentierung innerhalb von Braze aufgebaut. Das Team für Lebenszyklus-Marketing nutzte angepasste Attribute und Verhaltensereignisse, um sicherzustellen, dass Kampagnen die richtigen Zielgruppen erreichten. So triggerten sie beispielsweise In-App-Nachrichten, wenn Abonnent:innen auf „Kündigen“ klickten, oder spielten genrespezifische Inhalte an Abonnent:innen mit passenden Attributen aus. Die Segmentierung trug dazu bei, das Engagement zu steigern und Abwanderung zu verhindern, doch das Team wusste, dass noch Verbesserungspotenzial bestand.

Das Team wusste außerdem, dass klar definierte Zielgruppen nicht automatisch bedeuteten, dass die Nachrichten Anklang fanden. Die eigentlichen Inhalte der einzelnen Kampagnen blieben weitgehend einheitlich und richteten sich jeweils an ein breites Segment. So konnten ein treuer Fan von Krimiserien und jemand, der nur gelegentlich Reality-Shows ansieht, nahezu identisch aussehende E-Mails erhalten. „Wir erreichen die richtigen Nutzer:innen mit dem richtigen Trigger zum richtigen Zeitpunkt, doch innerhalb der Nachricht bleibt das Messaging generisch“, so Engelmann. Eine produktgestützte Empfehlungslogik konnte zwar „Weiterschauen“-Module anzeigen, doch Text, Tonalität und Aufmachung der Nachricht wurden nicht an die jeweilige Person angepasst. Genau das wollte RTL+ ändern, indem das Unternehmen einen Agenten in der BrazeAI Agent Console™ entwickelte.

Personalisierung mit KI-Agenten in 3 zentralen Journeys einsetzen

Engelmann priorisierte drei Journeys für die KI-gestützte Personalisierung: Onboarding, Abwanderungsprävention und Rückgewinnungskampagnen. Jede davon stellt einen entscheidenden Moment für das Unternehmen dar, in dem die richtige Nachricht den Unterschied dafür machen kann, ob Zuschauer:innen einen Mehrwert im Streaming-Dienst und seinen Inhalten erkennen.

Um die Personalisierung zu ermöglichen, erstellte Engelmann einen Agenten in der BrazeAI Agent Console™, der auf etwa 20 Kundendatenpunkte pro Person zurückgreift. Zu diesen Signalen gehören die Affinität zu bevorzugten Genres (sowohl zum stärksten einzelnen Genre als auch zu den fünf stärksten Genres), die Intensität der jüngsten Nutzung (Nutzungsumfang, erfasst über Zeiträume von 7 und 30 Tagen), die Formatvielfalt (die Anzahl der Inhaltstypen, die Abonnent:innen parallel streamen), das Genre des zuerst angesehenen Videos sowie von Abonnent:innen angegebene Interessendaten, die während des Onboardings erfasst wurden. Sportspezifische Affinitätssignale – etwa eine Präferenz für Fußball oder die NFL – werden für relevante Zielgruppen ebenfalls an den Agenten übermittelt.

Der Agent generierte personalisierte Nachrichtenkomponenten, die mithilfe von Liquid, angepasstem HTML und Layouts mit angepasstem Code dynamisch in die bestehenden Braze-Templates von RTL+ integriert wurden.

Ziel des Agenten war es, eine breite Palette von Kundenattributen und Verhaltenssignalen auszuwerten und die Nachrichten anschließend für jede einzelne Person anzupassen. Zu den Ergebnissen gehörten personalisierte Betreffzeilen, Preheader, Überschriften, die Aufmachung von Empfehlungen, redaktionelle Texte und die Priorisierung von Inhalten innerhalb der E-Mail.

Dem Agenten wurden etwa 20 Kundensignale zur Verfügung gestellt, darunter Genre-Affinitäten, Sportinteressen, Nutzungsintensität, Inhaltsvielfalt, das zuerst angesehene Genre, Onboarding-Präferenzen, der Abonnementverlauf und weitere in Braze gespeicherte Verhaltensattribute.

Anstatt beispielsweise allen Abonnent:innen dieselbe Willkommensnachricht anzuzeigen, könnte der Agent erkennen, dass eine Person bereits zuvor ein Abonnement abgeschlossen hatte, und einen Text wie „Willkommen zurück, Lea – schön, dass du wieder bei uns bist.“ erstellen. Er könnte außerdem die stärksten Genre-Affinitäten der Abonnent:innen ermitteln und sowohl das Messaging als auch die Präsentation der Inhalte entsprechend anpassen. Ein Reality-Fan könnte eine auf Reality-Inhalte ausgerichtete Nachricht erhalten, während Empfehlungen für Romance und True Crime auf Grundlage weiterer Affinitäten weiter unten in der E-Mail priorisiert würden. Wenn ein Interesse an Sportinhalten anhand des Nutzungsverhaltens erkannt würde, könnten zudem sportbezogene Inhaltsmodule oder Banner angezeigt werden.

Der Agent passte außerdem seinen Ton und die inhaltliche Ausrichtung an das jeweilige Engagement-Level an. Bei Abonnent:innen mit geringerem Engagement lag der Schwerpunkt der Nachrichten stärker auf der Aktivierung, während besonders engagierte Abonnent:innen Texte erhielten, die ihre bestehenden Interessen aufgriffen (zum Beispiel: „Du bist eindeutig ein großer Reality-Fan …“).

Der Agent verwendet außerdem eine Signalhierarchie: Aussagekräftige, aktuelle Verhaltensdaten haben Vorrang. Wenn jedoch nur wenige Daten vorliegen, greift der Agent auf weniger aussagekräftige Signale oder markengerechte Standardwerte zurück. So wird sichergestellt, dass neue Abonnent:innen mit begrenzter Verhaltenshistorie dennoch eine herzliche, relevante Ansprache erhalten.

Kurz gesagt sollte der Agent Kundendaten in großem Umfang in individualisierte Nachrichten und eine priorisierte Ausspielung von Inhalten umwandeln. So wurde ein Grad an Personalisierung ermöglicht, der mit manuell erstellten Kampagnenvarianten nicht realisierbar gewesen wäre.

Die ursprüngliche Prompt-Architektur wurde mithilfe einer Enterprise-Instanz von ChatGPT entwickelt. Anschließend erfolgte der Wechsel zu BrazeAI Operator™ sowie die Ergänzung um Richtlinien für die Markenstimme und Tonalität und um Messaging-Frameworks, um die Ausgabequalität weiter zu verbessern und den manuellen Aufwand für die Prompt-Pflege zu reduzieren.

Liquid in Braze fügt die vom Agenten erstellten Texte zu vollständig gerenderten E-Mails und Nachrichten zusammen, während angepasstes HTML die Formate für In-App-Nachrichten abdeckt. So generiert jede Kampagne zum Versandzeitpunkt individuell zugeschnittene Inhalte und ersetzt damit Dutzende Varianten, die andernfalls manuell erstellt werden müssten. Für eine Plattform mit hohem Versandvolumen wie RTL+ ergeben sich dank der Personalisierung durch den Agenten sowohl Effizienzsteigerungen im operativen Betrieb als auch Qualitätsverbesserungen.

Die Ergebnisse: 21 % mehr Wiedergabe-Engagement und 40 % höhere Öffnungsraten in der Journey von RTL+ für Abonnent:innen mit geringem Engagement

RTL+ setzte den Agenten zunächst in seiner Journey für Abonnent:innen mit geringem Engagement ein, deren Streaming-Aktivität deutlich zurückgegangen war. Im Vergleich zu einer Kontrollgruppe, die keine Nachrichten erhielt, erzielten Abonnent:innen, die die Journey mit KI-Agenten durchliefen, im gemessenen Zeitraum ein um etwa 21 % höheres Wiedergabe-Engagement.

Die Kampagne führte außerdem zu einer Steigerung der Öffnungsraten um 40 % und zeigte damit, dass die Personalisierung mit KI-Agenten die wahrgenommene Relevanz der Nachrichten erhöhte und mehr Abonnent:innen dazu bewegte, sich mit den Inhalten von RTL+ zu beschäftigen.

Dennoch ist die Tendenz konsistent: Nachrichten, die mit KI-Agenten personalisiert werden, steigern den Konsum von Inhalten messbar. Und für ein Team, das bereits in die Qualität der Segmentierung investiert hat, bestätigt der Anstieg, dass es einen Unterschied macht, die Personalisierungslücke auf Nachrichtenebene zu schließen.

RTL+ testet und optimiert die Personalisierung entlang der Onboarding-Journeys kontinuierlich weiter. Erste Erkenntnisse deuten darauf hin, dass die Personalisierung mit zunehmender Verfügbarkeit von Verhaltenssignalen immer effektiver wird. Das hilft, die nächste Entwicklungsphase zu steuern.

Engelmanns Team bei RTL+ arbeitet nun an der zweiten Iteration der Personalisierung mit KI-Agenten und nutzt dabei Metadaten auf Inhaltsebene statt Signale auf Genre-Ebene. Der Agent erhält Informationen zu bestimmten Formaten und Episoden sowie die Ergebnisse des Empfehlungssystems der Plattform. So entstehen Nachrichten, die weniger wie „Wir sehen, dass du Reality-Shows magst. Entdecke unsere neuesten Shows“ und eher wie „Diese Woche erscheint eine neue Folge von The Bachelor mit Tim und Sebastian. Einer von ihnen verliebt sich bereits“ klingen. Das Team geht davon aus, dass dieser Wechsel von Genre-Empfehlungen hin zu Empfehlungen konkreter Inhalte das Engagement weiter steigern wird.

„Mit Personalisierung durch KI-Agenten machen wir unser Messaging für alle Abonnent:innen individuell deutlich relevanter. Der Braze-Agent hilft uns, die Lücke zwischen starker Zielgruppensegmentierung und wirklich personalisierter Kommunikation in großem Umfang zu schließen.“

Lea Engelmann

Topic Lead Engagement, RTL+

Die wichtigsten Erkenntnisse

1. Eine leistungsstarke Segmentierung und die Personalisierung von Nachrichten ergänzen sich: RTL+ verfügte bereits über eine erstklassige Segmentierung und konnte dennoch eine deutliche Steigerung des Engagements verzeichnen, nachdem das Unternehmen die Personalisierungslücke auf Nachrichtenebene geschlossen hatte.
2. Sowohl die Signalhierarchie als auch die Datenmenge sind entscheidend: Auf der Grundlage von rund 20 Kundendatenpunkten entwickelte RTL+ eine Fallback-Architektur, die sicherstellt, dass alle Abonnent:innen eine relevante Nachricht erhalten – unabhängig davon, wie viele Verhaltensdaten über sie vorliegen.
3. Eine Kampagne mit unendlich vielen Varianten: Durch die Kombination von BrazeAI Agent Console™ mit Liquid kann RTL+ jetzt mühelos individuell zugeschnittene Nachrichten innerhalb einer einzigen Kampagne erstellen – etwas, das bisher nie möglich war.
4. Die nächste Phase ist der Übergang zu konkreten Inhalten: Der Wechsel von der Personalisierung auf Genre-Ebene zur Personalisierung auf Inhaltsebene ist bahnbrechend und ermöglicht es RTL+, bestimmte Sendungen und kommende Episoden zu empfehlen, die die Aufmerksamkeit der Zuschauer:innen wirklich fesseln.

AUSGEWÄHLTE THEMEN