Eine Flatrate kauft den schlechtesten Monat Ihres Kunden

Die Frage im Raum ist, ob man von der Platzlizenz weggeht. Jemand hat eine Folie, nach der Unternehmen mit nutzungsbasierten Preisen ihren Umsatz besser halten. Jemand anderes weist darauf hin, dass sich eine Nutzungslinie nicht planen lässt. Und unter beidem liegt eine Annahme, die niemand ausspricht: dass es eine richtige Antwort darauf gibt, welcher Zähler besser abschneidet, und dass sie erreichbar ist.

Für Software ist sie nicht beantwortet. Gemessen ist etwas Nützlicheres, über das kaum gesprochen wird: Ein Preiszähler entscheidet, wer das Risiko trägt, dass die Nutzung schwankt – und die Partei, der Sie es übergeben, ist dabei nicht gleichgültig.

Das ist eine andere Entscheidung als die beiden daneben. Wo die Zahl liegt, bestimmt das Vergleichsset, das Ihr Käufer ohnehin im Kopf hat; diese Zahl anzuheben wird beurteilt, bevor sie bezahlt wird; und was Ihre Preisseite veröffentlicht signalisiert, ob Käufer in feste Tiers sortiert oder auf nutzungsbasierte Abrechnung gesetzt werden. Hier geht es um die Einheit darunter: um das, wofür Sie abrechnen.

Warum täuschen Pitch-Deck-NDR-Zahlen für nutzungsbasierte Preise die Käufer?

Zwei Größen leisten die meiste Überzeugungsarbeit. Bessemers State of the Cloud 2021 berichtet, Unternehmen mit nutzungsbasierten Preisen erreichten „im Schnitt rund zehn Prozentpunkte“ mehr Netto-Umsatzbindung als ihre Vergleichsgruppe mit klassischen Preismodellen. Bains Technologiereport 2022 schreibt, verbrauchsbepreiste Unternehmen hätten ihren Umsatz „um etwa 8 Prozentpunkte“ stärker gesteigert als Unternehmen, die überwiegend lizenzieren oder Abonnements verkaufen.

Keine der beiden Seiten nennt eine Stichprobengröße oder eine Methode. Und lesen Sie die zweite genau: Die Unternehmen, um die es geht, stehen im Satz – Snowflake, JFrog, Elastic NV, Datadog, Confluent. Bains Bindungszahl ist noch enger gefasst; sie gilt „unter den Softwareunternehmen mit den höchsten Bewertungsmultiplikatoren“, also nach einem Merkmal ausgewählt, mit dem das Ergebnis ohnehin korreliert.

Das sind Vergleiche zwischen Unternehmen, die sich für verschiedene Zähler entschieden haben. Was ein Unternehmen, das auf Verbrauchspreise umgestellt hat, von einem unterscheidet, das es nicht getan hat – Produkt, Markt, Käufer, Gründungsjahrzehnt –, steckt in diesen Abständen mit drin. Das ist kein Vorwurf, sondern eine Beschreibung dessen, was die Größe ist: Beide Häuser beschreiben ihr Portfolio, sie führen kein Experiment durch.

Und soweit eine Suche im August 2026 reicht, gibt es keinen begutachteten Vergleich realisierter Ergebnisse zwischen Preiszählern in der Software, den man danebenlegen könnte. Zwei Nachbarfelder haben einen – pharmazeutische Risk-Sharing-Verträge und nutzungsbasierte Kfz-Versicherung sind gegen Ergebnisse untersucht worden –, und keines davon kommt in dieser Debatte vor.

Das Rennen ist also offen. Das Brauchbare liegt woanders.

Welche Bedingungen gingen in der Praxisversion des Tarifwahl-Theorems verloren?

Das Argument, auf Software eine Flatrate anzubieten, ist keine Folklore. Arun Sundararajan hat es 2004 in Management Science bewiesen, und der Satz ist genau:

Wenn die Transaktionskosten von null verschieden sind – das heißt, wenn C(q) > 0 für q > 0 –, dann ist es für den Verkäufer eines Informationsguts immer gewinnsteigernd, einen Festpreisvertrag anzubieten.

Zu den Zitaten: Alle Zitate aus englischsprachigen Quellen sind in diesem Text eigene Übersetzungen; der Originalwortlaut steht in der verlinkten Quelle. Die Proposition im Original: “If transaction costs are nonzero – that is, if C(q) > 0 for q > 0 – then it is always profit improving for the seller of an information good to offer a fixed-fee contract.”

„Transaktionskosten“ meint hier, was es den Verkäufer kostet, nutzungsbasierte Preise überhaupt zu betreiben – Sundararajans Aufzählung: Nutzung je Kunde überwachen und erfassen, abrechnen, Zahlung und Ausgleich abwickeln, Einzelnachweise erstellen, Streitfälle klären, die daraus entstehenden Servicekontakte tragen und die Infrastruktur revisionssicher halten. Das Ergebnis gilt unter schwachen Annahmen – jede positive Kostenfunktion, jede absolut stetige Verteilung der Kundentypen –, und deshalb ist es gewandert. Es ist ein Screening-Modell im Monopol unter unvollständiger Information, keine Beschreibung eines Wettbewerbsmarkts, und es sagt, man solle eine Flatrate anbieten, nicht ausschließlich sie.

Gewandert ist die Schlussfolgerung. Nicht gewandert ist die zweite Bedingung, die im Modellaufbau steht statt im Satz. Im Original: “Variable costs of production to the firm – creating copies or providing access to the product – are zero.” Übersetzt: Die variablen Produktionskosten der Firma – Kopien erstellen oder Zugang zum Produkt bereitstellen – sind null.

Null. Nicht niedrig, nicht fallend – weggenommen, weil das 2004 für die modellierten Güter die richtige Vereinfachung war.

Das ist keine Formalie. Der Gewinn aus einer zusätzlichen Flatrate hat zwei Teile, und Sundararajan benennt beide: Sie sparen die Messkosten bei den Kunden, die sie nehmen, und Sie kassieren den Überschuss aus der Mehrnutzung, die diese Kunden dann erzeugen – weil „der Firma aus dieser gestiegenen Nutzung des Informationsguts keine zusätzlichen variablen Produktionskosten entstehen“. Der erste Teil überlebt jede Kostenstruktur. Der zweite besteht vollständig aus der Null.

Was hat sich beim Consumption-Pricing empirisch präzise verändert?

Sundararajan hat die Grenze selbst markiert, in einer Fußnote: Wenn die variablen Kosten hoch sind im Verhältnis zu den Kosten der nutzungsbasierten Abrechnung, beeinflussen diese Transaktionskosten die Preissetzung „nur minimal“. Er dachte an physische Güter. Inzwischen beschreibt der Satz eine Klasse von Software.

Beachten Sie die Form dieses Tests. Er ist ein Verhältnis, keine Schwelle: Grenzkosten je Nutzungseinheit gegen das, was Sie der Betrieb der Messung kostet. Der größte Teil der B2B-Software liegt weiter bequem auf der alten Seite: Wenn Ihre Bruttomarge vorne eine Sieben oder eine Acht hat und Ihr Messen im Wesentlichen fixer Entwicklungsaufwand ist, sind Sie ungefähr in der Welt, die der Satz beschreibt, und dort gilt der alte Rat unverändert. Gewechselt haben die Produkte, bei denen jede Anfrage echtes Geld kostet: inferenzlastige Funktionen, Agenten mit Laufzeiten von Minuten, alles, wo die variable Zeile sich mit der Nutzung bewegt.

Wenn Sie gewechselt haben, hebt eine positive Grenzkostenlinie das Ergebnis nicht auf. Sie verkleinert die zweite Hälfte des Gewinns und kann sie ins Negative drehen. Die Flatrate spart weiterhin, was Messen kostet. Was sie nicht mehr tut: die Mehrnutzung gratis einkaufen.

Wie reagieren B2B-Käufer auf unvorhersehbare Abrechnungsspitzen?

Hier ist die Evidenz ungewöhnlich direkt, und fast die Hälfte der Teilnehmenden stammt aus Deutschland. Mario Kienzler, Christian Kowalkowski und Daniel Kindström haben vier Experimente mit 482 Einkäuferinnen und Einkäufern in Schweden und Deutschland durchgeführt – je nach Studie zehn bis sechzehn Jahre Einkaufserfahrung, im Auftrag ihrer Unternehmen entscheidend, wobei zwischen einem Drittel und zwei Dritteln aus Häusern mit mehr als 250 Beschäftigten kamen. 213 der Teilnehmenden waren deutsche Einkaufsprofis.

Bei einem Cloud-Analytics-Vertrag, bei dem Flatrate und Pay-per-Use exakt dasselbe kosteten, nahmen 68 Prozent die Flatrate. Als die Flatrate – gemessen an der eigenen angegebenen Nutzung – 20 Prozent teurer war, nahmen sie immer noch 23 Prozent. Bei 50 Prozent Aufpreis noch 15 Prozent. Das ist ein Experiment mit 124 Personen, verteilt auf drei Preisbedingungen – rund vierzig je Zelle. Die einzelnen Prozentwerte sind also grob, die Richtung ist belastbar. Die Autoren benennen den Maßstab klar: Ohne verzerrte Wahl wäre zu erwarten, dass in den beiden Aufpreis-Bedingungen niemand die Flatrate wählt.

Zwei Dinge, bevor daraus ein Freibrief wird. Erstens: Der Preis wirkt. 68 auf 23 auf 15 ist ein Einbruch, kein Plateau – und genau das macht die Präferenz zu etwas, das man bepreisen kann, statt zu etwas, das man beliebig ausnutzen könnte. Zweitens ist all das szenariobasiert: hypothetische Käufe, selbstberichtete Entscheidungen, kein Geld im Spiel, und die Autoren bitten ausdrücklich um Validierung im Feld. Ein Reihenfolgeeffekt verschob den Anteil in einer der Studien zwischen 45 und 73 Prozent, je nachdem, welche Option zuerst gezeigt wurde – ungefähr so genau sollte man hier jeden einzelnen Prozentwert lesen.

Entscheidend für eine Preisentscheidung ist das zweite Experiment. Alle Teilnehmenden sahen dieselbe durchschnittliche Vornutzung: 500 Stunden im Monat. Variiert wurde nur die Form darum herum – eine Gruppe sah eine Spanne von 100 bis 600 Stunden, die andere 400 bis 900. Gleicher Mittelwert, größerer Ausschlag. Mit dem größeren Ausschlag wählten 89 Prozent die Flatrate zum gleichen Preis – 37 Personen in dieser Zelle. Ohne ihn 56 Prozent, statistisch nicht von einem Münzwurf zu unterscheiden. Der Unterschied ist über die gesamte Stichprobe von 145 getestet, nicht zwischen zwei Zellen abgelesen, und er hält in der Regression.

Dasselbe Experiment maß auch drei Erklärungskandidaten für die Präferenz – Versicherung, Bequemlichkeit und den Verdruss über den tickenden Zähler. Nur einer war über alle vier Bedingungen hinweg signifikant mit der Wahl der Flatrate verbunden: der Versicherungseffekt.

Die Kunden, die nach einer Flatrate greifen, sind also nicht zwangsläufig Ihre Vielnutzer. Es sind die, deren Nutzung den größten Ausschlag nach oben hat – gemessen an ihrem eigenen Durchschnitt. Und was sie kaufen, ist nicht Einfachheit. Es ist Deckung.

Welchen systematischen Fehler erzeugt ein Zähler in der Umsatzprognose?

Die naheliegende Sorge bei Kunden, die zu viel zahlen, ist, dass sie es irgendwann merken und gehen. Anja Lambrecht und Bernd Skiera haben das in den echten Transaktionsdaten eines Internetanbieters geprüft, und die Antwort ist das Gegenteil der Intuition.

Mehr als die Hälfte der Verbraucher mit Flatrate-Bias zahlte mindestens 100 Prozent mehr, als sie im günstigsten für sie verfügbaren Tarif gezahlt hätten. Sie kündigten nicht häufiger als andere. Ihr Kundenwert lag 87 bis 135 Prozent höher als bei Kunden, die den günstigsten Tarif wählten. Der Schaden lag vollständig auf der anderen Seite des Fehlers: Verbraucher, die fälschlich Pay-per-Use gewählt hatten – die also mit einer Flatrate gespart hätten –, kündigten mit monatlichen Raten, die 340 bis 1.040 Prozent höher lagen, und ihr Kundenwert fiel leicht negativ aus. Ein genestetes Logit verortet die beiden Reaktionen unterschiedlich: Der falsch bepreiste Flatrate-Kunde wechselt, wenn er überhaupt reagiert, den Tarif beim selben Anbieter – der falsch bepreiste Nutzungskunde geht.

Zwei Einschränkungen, weil diese Zahl am leichtesten falsch gelesen wird. „Pay-per-Use-Bias“ heißt: Pay-per-Use wählen, obwohl eine Flatrate günstiger gewesen wäre. Das ist ein Wahlfehler des Kunden, keine Eigenschaft nutzungsbasierter Preise – der Befund lautet nicht, dass Messen Kündigungen verursacht. Und der Kundenwertschaden ist die am wenigsten robuste Zahl der Studie: In der Sensitivitätsrechnung der Autoren schließt die Spanne bei beiden Kriterien die Null ein – −13 bis +5 Prozent beim einen, −8 bis +14 beim anderen –, während der Flatrate-Gewinn durchgehend groß bleibt. Es geht um Verbraucher-Internetzugang aus den frühen 2000ern, bei einem Anbieter.

Was daraus feststeht, ist genau das, worin der Flatrate-Rat immer still recht hatte: Bei einem Produkt ohne Grenzkosten ist ein Kunde, der auf einer Flatrate zu viel zahlt, kein Leck. Er ist der wertvollste Kunde, den Sie haben, und er bleibt.

Warum weisen Flatrate-Bias und Risikoaversion auf denselben Kundentyp hin?

Zusammengenommen ist der Mechanismus nicht kompliziert.

Eine Flatrate ist ein Kauf. Sie kaufen Ihrem Kunden seine Nutzungsschwankung ab, und er ist messbar bereit, für diese Übergabe zu zahlen. Am zahlungsbereitesten sind die Kunden mit dem größten Ausschlag relativ zu ihrem Durchschnitt. Und diesen Ausschlag zu tragen kostete Sie überhaupt nichts – exakt so lange, wie eine Nutzungseinheit gratis war.

Das war der ganze Handel. Er war gut. Er ist weiter gut, wo die zweite Bedingung hält.

Wo sie nicht mehr hält, sortiert derselbe gemessene Sog Ihre Kunden in eine Richtung, die Sie nicht gewählt hätten: In Ihre Flatrate-Stufe wählen sich überproportional die Accounts, deren schlechtesten Monat Sie jetzt in bar bezahlen. Das ist kein Argument gegen eine Flatrate-Stufe – Sundararajans Ergebnis sagt weiterhin, dass Sie eine anbieten sollten, und Lambrecht und Skiera sagen, dass diese Kunden treu sind. Es ist ein Argument dafür, dass die Flatrate-Komponente Ihres Menüs gegen den Ausschlag bepreist werden muss und nicht gegen den Durchschnitt – und dass der Preis ein echter sein muss, denn 15 Prozent zahlen 50 Prozent Aufpreis und 68 Prozent nicht.

Es gibt eine Variante, die schiefgeht, und sie verdient einen Namen: ein hybrides Menü, dessen Flatrate-Stufe am Durchschnittsverbrauch bepreist ist, verkauft an genau die Kunden, die sie ihres Versicherungswerts wegen gewählt haben. Das ist kein Preismodell. Das ist eine unbepreiste Option, von Ihnen geschrieben und von dem Kunden mit der volatilsten Nachfrage ausgeübt.

Welche zwei Kennzahlen sollten Pricing-Teams aus historischen Abrechnungsdaten ziehen?

Keine der beiden Zahlen, um die dieses Argument kreist, müssen Sie erst beschaffen.

Spitze zu Durchschnitt, je Account. Nehmen Sie den stärksten Monat jedes Kunden gegen seinen eigenen Durchschnitt – genau das Verhältnis, das Kienzlers Experiment manipuliert hat, 600 zu 500 in der einen und 900 zu 500 in der anderen Bedingung. Sortieren Sie Ihre Accounts danach. Diese Spalte sagt Ihnen, welche Kunden Ihre Flatrate-Stufe anzieht – und von allem, was an einem Kunden die Präferenz treiben könnte, ist es die eine Eigenschaft, für die jemand eine Bewegung nachgewiesen hat. Der andere Hebel, der sie bewegt, ist der Aufpreis, den Sie verlangen, und der gehört Ihnen.

Grenzkosten je Nutzungseinheit gegen die Betriebskosten Ihrer Messung. Nicht die Bruttomarge – die Kosten einer weiteren Einheit, gegen die jährlichen Kosten der Mess-, Bewertungs-, Abrechnungs- und Streitmaschinerie, die Sie bräuchten, um sie zu berechnen. Ist dieses Verhältnis klein, sind Sie in der Welt, die der Satz beschreibt, und dieser Text handelt von jemand anderem. Ist es das nicht, wissen Sie bereits, welche Ihrer Kunden Sie zum Durchschnittspreis nicht versichern können.

Die Eingangsgrößen haben nie gefehlt. Gefehlt hat die Bedingung, die es sicher machte, sie zu ignorieren.

Grenze

Grenze. Die Studie misst eine Präferenz für Flatrates, nicht den korrekten Abrechnungszähler. Berechne beide Verhältnisse und teste den Randmonat.

Evidenzbasis. Der analytische Rahmen stützt sich außerdem auf diese zusätzlichen Quellen: Sundararajan 2004. Die Links identifizieren die konkreten Werke; sie stützen die hier diskutierten Mechanismen und Geltungsgrenzen, nicht jede einzelne Aussage isoliert.

Quellen

1. Kienzler, M., Kowalkowski, C., & Kindström, D. (2021). Purchasing professionals and the flat-rate bias: Effects of price premiums, past usage, and relational ties on price plan choice. Journal of Business Research, 132, 403–415. https://doi.org/10.1016/j.jbusres.2021.04.024
2. Lambrecht, A., & Skiera, B. (2006). Paying too much and being happy about it: Existence, causes, and consequences of tariff-choice biases. Journal of Marketing Research, 43(2), 212–223. https://doi.org/10.1509/jmkr.43.2.212
3. Sundararajan, A. (2004). Nonlinear pricing of information goods. Management Science, 50(12), 1660–1673. https://doi.org/10.1287/mnsc.1040.0291