Erlösmodelle für digitale Geschäftsmodelle. Kostenlose Dienstleistungen im Internet

Inhaltsverzeichnis

Abstract

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Anhangsverzeichnis

1. Thematische Einführung

2. Theoretische Herleitung der Fragestellung
2.1. Geschäftsmodell
2.1.1. Begriffsdefinition
2.1.2. Geschäftsmodell-Dimensionen
2.1.3. Finanzdimension
2.2. Erlösmodelle
2.2.1. Entscheidungsbereiche von Erlösmodelle
2.2.2. Begriffsdefinition
2.3. Herleitung der Forschungsfrage

3. Methodik
3.1. Die Literaturanalyse als eigenständige, wissenschaftliche Arbeit
3.2. Systematische Literaturanalyse als methodologisches Werkzeug

4. Ablauf und Durchführung der systematischen Literaturanalyse
4.1. Schritt 1: Problemstellung formulieren
4.2. Schritt 2: Literatur suchen
4.3. Schritt 3: Prüfung der Literatur nach Auswahlkriterien
4.4. Schritt 4: Datenentnahme
4.5. Schritt 5: Daten-Analyse und -Zusammenfassung

5. Ergebnis
5.1. Deskriptive Analyse
5.2. Thematische Analyse
5.2.1. Verteilung der Erlöskonzepte
5.2.2. Freemium und Free-to-Play
5.2.3. Freemium Modell
5.2.4. Free-to-Play Modell
5.2.5. Mehrseitige Plattform
5.2.6. Advertising Modell
5.2.7. Brokerage Modell
5.2.8. Brokerage Modell vs. Advertising Modell
5.2.9. Open Source Model

6. Fazit

7. Ausblick

Literaturverzeichnis:

Anhang

Abstract

Die Zahl der Unternehmen, vornehmlich solche, mit einem digitalen Geschäftsmodell, die ihren Nutzern ihre Dienstleistungen kostenlos zur Verfügung stellen, nimmt stetig zu. Diese Entwicklung stellt das Verständnis des traditionellen Geschäftsmodells mit dem Ziel der Wertmaximierung von erstellten Leistungen in Frage.

Da die Kernleistungen der Unternehmen nun keinen Ertrag mehr bringen müssen Unternehmen in der Findung von alternativen Erlösströmen kreativ und innovativ sein.

Die kostenlose Bereitstellung des Angebots hat einen fundamentalen Einfluss auf bestehende Geschäftsmodelle und die damit im Zusammenhang stehenden Erlösmodelle. Somit ist es von hoher Wichtigkeit Erlösmodelle im Kontext der kostenlosen Bereitstellung näher zu untersuchen.

Der Autor führt eine systematische Literaturanalyse durch, mit dem Ziel Erlösmodelle für digitale Geschäftsmodelle zu identifizieren, welche das Konzept der kostenlosen Bereitstellung ermöglichen. Der Autor bricht die identifizierten Erlösmodelle in einem Modell herunter und diskutiert die Modelle im Zusammenhang mit den Erkenntnissen des aktuellen Forschungsstandes ausführlich.

In der Durchführung der Literaturanalyse werden mehrere Erlösmodelle identifiziert: Das mehrseitige Plattform-Modell, welches in Advertising- und Brokerage-Modelle gegliedert werden kann, das Freemium-Modell, welches in Free-to-Play und in Funktions-, Mengen- und Distributions-Differenzierungen heruntergebrochen werden kann sowie das Open­Source Modell.

Abstract (English)

The number of companies, mainly those with a digital business model, which provide their services to users free of charge is constantly increasing. This development calls into question the understanding of the traditional business model with the aim of maximizing the value of services provided.

Since the core services of companies no longer generate revenues, companies must be creative and innovative in finding alternative revenue streams.

The free offering of services has a fundamental impact on existing business models and the related revenue models. It is therefore of high importance to investigate revenue models in the context of free offerings.

The author conducts a systematic literature review with the aim to identify revenue models for digital business models that allow the concept of free offerings. The author breaks down the identified revenue models in a model and discusses the models in detail in the context of the current state of research.

In the course of the literature review, several revenue models are identified: The multi-sided platform, which can be broken down into advertising and brokerage models, the freemium model, which can be broken down into free-to-play and functional, volume and distribution differentiations, and the open-source model.

Abbildungsverzeichnis

Abbildung 1: Theoretische Herleitung der Forschungsfrage

Abbildung 2: Bestandteile von Geschäftsmodell-Definitionen. (Schallmo 2012, S. 22)

Abbildung 3: Ablauf und Durchführung der systematischen Literaturanalyse

Abbildung 4: Auswahlprozess für die Identifizierung der relevanten Literatur

Abbildung 5: Zeitliche Verteilung der Veröffentlichungen

Abbildung 6: Verteilung der Erlöskonzepte - Hauptkategorien

Abbildung 7: Verteilung der Erlöskonzepte - Haupt- und Unter-Kategorien

Abbildung 8: Indirektes Erlösmodell in zweiseitigen Märkten (Bieger, 2011, S. 173)

Abbildung 9: Online-Werbeeinnahmen generiert durch Werbemodelle von 2005 bis 2018 (iab & pwc, 2019)

Abbildung 10: Erlösmodelle

Tabellenverzeichnis

Tabelle 1: Auswertung des Auswahlprozesses für die Identifizierung der relevanten Literatur

Tabelle 2: Verteilung der Zeitschriften

Tabelle 3: Übersicht der identifizierten Erlöskonzepte

Tabelle 4: Virtuelle Güter Übersicht

Tabelle 5: Netzeffekte

Tabelle 6: Motivationen für den Kauf von virtuellen Gütern

Tabelle 7: Spielerprofile nach Lovell (2011) und Lovell (2012)

Tabelle 8: Open Source Erlösmodelle nach Hecker (1999)

Anhangsverzeichnis

Anhang 1: Zeitliche Verteilung der Veröffentlichungen

Anhang 2: Verteilung der Zeitschriften

Anhang 3: Systematische Literaturanalyse Ergebnisse

1. Thematische Einführung

Der Aufstieg des Internets führt sowohl zu vielen neuen Möglichkeiten für digitale Geschäftsmodelle als auch zu steigendem Wettkampf und beschleunigtem technologischem Wandel (Veit et al. 2014). Des Weiteren zeigen Konsumenten im Internet immer weniger Bereitschaft für digitale Dienstleistungen Geld auszugeben (Pauwels & Weiss, 2008). Um diesen Anforderungen gerecht zu werden, bieten mehr und mehr Unternehmen ihre digitalen Dienstleistungen und Produkte für die Nutzer umsonst an. Google und Facebook, zwei der weltweit am höchsten bewerteten Unternehmen (Brand Finance, 2020), setzen diese Strategie durch das kostenlose Bereitstellen ihrer Dienstleistungen bereits erfolgreich um. Über 96 Prozent aller heruntergeladenen Applikationen im Google Play Store sind für die Nutzer kostenlos (42matters, 2020). Des Weiteren sind die zehn Applikationen mit den meisten Downloads über den Verlauf der letzten zehn Jahre ebenso kostenlos (Rayome, 2019). Die erbrachten Leistungen eines Unternehmens den Nutzern kostenlos zugänglich zu machen hat einen fundamentalen Einfluss auf bestehende Geschäfts- und Erlösmodelle. Unternehmen müssen nun kreativ sein und neue Erlösmodelle für ihre Geschäftsmodelle entdecken. Somit ist es von hoher Wichtigkeit Erlösmodelle im Kontext der kostenlosen Bereitstellung näher zu untersuchen.

Das Thema dieser Forschungsarbeit ist aufgrund von mehreren Aspekten von gesellschaftlicher Relevanz: Diese Arbeit trägt zur akademischen Debatte über Geschäftsmodelle im digitalen Kontext bei. Des Weiteren stellt sie einen wissenschaftlichen Beitrag in Form einer systematischen Analyse, Aufbereitung und Erfassung aller relevanten Literatur und der damit einhergehenden Forschungsergebnisse über kostenlose Erlösmodelle dar. Dieses Wissen bietet einen hohen Mehrwert für Unternehmen, die ihre Geschäftsmodelle und die damit einhergehenden Erlösmodelle erfolgreich ins digitale Zeitalter transferieren möchten.

Um diesen Anforderungen gerecht zu werden ist das Forschungsinteresse dieser Arbeit die Erforschung von Erlösmodellen als Teilbereich von Geschäftsmodellen im Zusammenhang mit für den Nutzer kostenlosen Angeboten. Die für Nutzer kostenlosen Angebote stellen hierbei das Differenzierungsmerkmal zu anderen Forschungsarbeiten im Bereich Geschäftsmodelle und Erlösmodelle dar. Hierbei muss betont werden, dass im Kontext dieser Forschungsarbeit die für Nutzer „kostenlose Angebote“ als kostenlos im Sinne von monetären Kosten verstanden werden. Investitionen von Nutzern in Form von Zeit oder Daten fallen in dieser Forschungsarbeit nicht unter den Begriff von „Kosten“.

Die Zielsetzung dieser Arbeit ist die Durchführung einer Literaturanalyse. Das Ergebnis ist die Identifizierung und Analyse von Erlösmodellen für digitale Geschäftsmodelle, welche das Konzept der kostenlosen Bereitstellung der Dienstleistung ermöglichen. Die identifizierten Erlösmodelle und die damit im Zusammenhang stehenden Forschungsergebnisse werden aufbereitet und dargestellt, um einen möglichst umfangreichen Überblick über den aktuellen Stand in diesem Forschungsgebiet zu gewähren.

Um die Forschungsfrage dieser Thesis erfolgreich zu beantworten und eine zuverlässige, replizierbare Analyse, Auswertung und Interpretation der Literatur zu gewährleisten entscheidet sich der Autor für die Benutzung der Systematischen Literaturanalyse als methodologisches Werkzeug.

Die Forschungsarbeit setzt sich aus sechs Kapiteln zusammen. Das erste Kapitel stellt die thematische Einführung dar. Das zweite Kapitel setzt sich mit der theoretischen Herleitung der Forschungsfrage auseinander. Es werden die drei Kern-Komponenten der Forschungsfrage identifiziert: Geschäftsmodelle, Erlösmodelle und das kostenlose Bereitstellen der Dienstleistungen. Auf dieser Basis wird die Forschungsfrage ausführlich aus der Theorie hergeleitet.

Im dritten Kapitel wird die Methodik erläutert. Es wird die Literaturanalyse als eigenständige Forschungsarbeit diskutiert und die systematische Literaturanalyse als methodologisches Werkzeug für diese Arbeit vorgestellt. Abschließend findet die transparente und replizierbare Dokumentation der Durchführung der Literaturanalyse statt.

Das dritte Kapitel stellt die kollektiven Ergebnisse der Literaturanalyse dar. Dabei werden die Ergebnisse in einer deskriptiven und einer thematischen Analyse aufbereitet. Das fünfte Kapitel bildet den Abschluss der Arbeit in Form eines Fazits. Der Autor fasst alle wesentlichen Erkenntnisse zusammen, reflektiert die Arbeit und gibt einen Ausblick über die mögliche, zukünftige Forschung auf diesem Gebiet.

2. Theoretische Herleitung der Fragestellung

Wie in der Einführung bereits erläutert, setzt sich diese Thesis mit folgender Forschungsfrage auseinander:

Welche Erlösmodelle können digitale Geschäftsmodelle nutzen um Ihre Dienstleistungen im Internet den Nutzern kostenlos zur Verfügung zu stellen?

In der Forschungsfrage können drei wesentliche Komponenten identifiziert werden, auf denen diese Forschungsfrage aufgebaut ist.

- Geschäftsmodelle
- Erlösmodelle
- Kostenlose Bereitstellung

Dieses Kapitel hat die Zielsetzung den theoretischen Hintergrund dieser Konzepte ausführlich aufzubereiten. Hierbei arbeitet sich der Autor hierarchisch über mehrere Ebenen vor. Die Konzepte werden voneinander abgeleitet und miteinander in Kontext gesetzt. Abbildung 1 stellt diesen Prozess visuell dar. Im letzten Schritt lässt sich schlussendlich die Fragestellung dieser Thesis herleiten.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Theoretische Herleitung der Forschungsfrage

2.1. Geschäftsmodell

In diesem Abschnitt soll das Konzept der Geschäftsmodelle verständlich dargestellt werden. Hierfür wird in 2.1.1. sowohl der Begriff näher definiert als auch eine Übersicht über die fünf verschiedenen Dimensionen von Geschäftsmodellen vermittelt. In 2.1.2. wird die Finanzdimension von Geschäftsmodelle näher betrachtet um eine Überleitung zu der zweiten Komponente der Forschungsfrage, den Erlösmodellen, zu ermöglichen.

2.1.1. Begriffsdefinition

Forscher sind sich nicht über die genaue Definition des Begriffs Geschäftsmodell einig. Deswegen existiert eine Vielzahl an verschiedenen Definitionen des Begriffs in der Literatur (Schallmo, 2012). Der Autor beginnt mit der Betrachtung der einzelnen Begriffskomponenten Geschäft und Modell. Anschließend gibt er einen repräsentativen Einblick in bereits existierende Definitionen und stellt deren Gemeinsamkeiten dar. Zum Schluss präsentiert er die Definition, die im Zuge dieser Forschungsarbeit Anwendung finden wird.

Der Begriff Geschäftsmodel kann in die Komponenten Geschäft und Modell unterteilt werden. Eine nähere Betrachtung dieser Komponenten gibt einen ersten Einblick in die spätere Begriffsdefinition. Ein Geschäft kann als eine „auf Gewinn abzielende (...) Unternehmung“ („Geschäft“, o. J.) verstanden werden und ein Modell als „Gebilde, das die inneren Beziehungen und Funktionen von etwas abbildet, (...) und vereinfacht“ („Modell“, o. J.). Kombiniert man diese zwei Definitionen miteinander, kann der Begriff Geschäftsmodell als ein „vereinfachtes Gebilde einer auf Gewinn abzielenden Unternehmung“ verstanden werden, dass die „inneren Beziehungen und Funktionen abbildet“.

Im Folgenden werden exemplarisch zwei weitere Definitionen vorgestellt. Amit und Zott (2001, S. 493) verstehen ein Geschäftsmodell als die Gestaltung des Inhalts von Transaktionen, der Struktur und der Steuerung, um Wert durch die Nutzung von Geschäftsmöglichkeiten zu erschließen. Bieger versteht ein Geschäftsmodell als „Grundlogik, wie eine Organisation Werte schafft“ (Bieger, Knyphausen-Aufseß, Krys, & zu Knyphausen-Aufseß, 2011a, S. 32). Wenn man weitere Definitionen aus der Literatur näher betrachtet, werden zwei Dinge deutlich: 1) Es gibt keine einheitliche Definition des Begriffs. 2) Viele Definitionen sind durch gemeinsame Bestandteile vereint (Schallmo, 2013).

Abbildung 2 visualisiert die Bestandteile der Geschäftsmodell-Definitionen, die durch Schallmo identifiziert werden konnten.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Bestandteile von Geschäftsmodell-Definitionen. (Schallmo 2012, S. 22)

Schallmo (2012) baut auf diesen gemeinsamen Bestandteilen auf und kommt zu einer eigenen Definition eines Geschäftsmodells:

„Ein Geschäftsmodell ist die Grundlogik eines Unternehmens, die beschreibt, welcher Nutzen auf welche Weise für Kunden und Partner gestiftet wird. Ein Geschäftsmodell beantwortet die Frage, wie der gestiftete Nutzen in Form von Umsätzen an das Unternehmen zurückfließt. Der gestiftete Nutzen ermöglicht eine Differenzierung gegenüber Wettbewerbern, die Festigung von Kundenbeziehungen und die Erzielung eines Wettbewerbsvorteils.“ (Schallmo, 2012, S. 22f)

2.1.2. Geschäftsmodell-Dimensionen

Des Weiteren können Geschäftsmodelle nach Schallmo (2013, S. 51) in fünf verschiedene Dimensionen gegliedert werden. Diese werden im Folgenden kurz dargestellt.

Kundendimension

Welche Kundengruppen sollen durch welche Maßnahmen erreicht werden?

Nutzendimension

Welche Leistungen sollen angeboten werden und welcher Nutzen soll dadurch generiert werden?

Wertschöpfungsdimension

Welche Ressourcen, Fähigkeiten und Prozesse werden für das Geschäftsmodell benötigt?

Partnerdimension

Auswahl der Partner des Geschäftsmodelles und Definition der Kommunikationspolitik für das Partnernetzwerk.

Finanzdimension

Welche Umsätze können generiert werden und welche Kosten fallen an?

Wenn das Unternehmen erfolgreich darin ist die beschriebenen Dimensionen des Geschäftsmodells miteinander zu verknüpfen, können die einzelnen Elemente des Geschäftsmodells verstärkt werden. Dadurch wird es für Wettbewerber schwieriger das Geschäftsmodell zu imitieren (Schallmo, 2013).

Die Unterkapitel 2.1.1. und 2.1.2. haben sich nun tief gehend mit dem theoretischen Hintergrund von Geschäftsmodellen auseinandergesetzt. Ihre Bedeutung für Unternehmen wurde erläutert. Es wurde eine Definition ausgewählt, die für vorliegende Arbeit eine einheitliche Terminologie des Begriffs Geschäftsmodell bietet. Es wurden die fünf Dimensionen erklärt, aus denen Geschäftsmodelle bestehen.

Da sich diese Thesis mit den Erlöskonzepten von Geschäftsmodellen auseinandersetzt, wird folgendes Unterkapitel 2.1.3. näher auf die Finanzdimension von Geschäftsmodellen eingehen. Finanzdimensionen können in die zwei Geschäftsmodell-Elemente Umsätze und Kosten untergliedert werden. Diese Elemente werden nun in 2.1.3. erläutert, um einen Transfer zu der Begriffsdefinition von Erlöskonzepten in Kapitel 2.2. zu ermöglichen.

2.1.3. Finanzdimension

Die Finanzdimension des Geschäftsmodells beschreibt die zwei Attribute Umsätze und Kosten. Die Dimension setzt sich damit auseinander, wie Kosten im Geschäftsmodell entstehen und wie das Geschäftsmodell Umsätze generieren kann (Schallmo, 2013).

Finanzdimensionen setzen sich primär mit der Beantwortung folgender drei Fragen auseinander (Schallmo, 2013):

- Welche Umsätze können durch die Leistungen generiert werden?
- Welche Kosten verursacht das Geschäftsmodell?
- Welche Mechanismen finden für Umsätze und Kosten Anwendung?

Im Folgenden werden die Geschäftsmodell-Elemente der Finanzdimension näher erläutert.

2.1.3.1. Kosten

Durch den Betrieb des Geschäftsmodells fallen Kosten an. Diese Kosten entstehen durch „Partnerschaften, den Einsatz von Ressourcen, den Aufbau von Fähigkeiten und der Ausführung von Prozessen.“ (Schallmo, 2012, S. 135)

Schallmo (2013) identifiziert in Anlehnung an der bereits existierenden Literatur eine Reihe von Leitfragen, mit denen sich das Geschäftsmodell-Element Kosten auseinandersetzt.

Sie beantworten die Frage, welche Kosten in den einzelnen Elementen des Geschäftsmodells entstehen und welche davon wesentlich sind. Es wird sowohl determiniert, welche Ressourcen, Fähigkeiten und Prozesse welche Kosten herbeiführen, als auch, wie Faktoren, wie zum Beispiel Preis und Menge, auf die Kostenstruktur einwirken. Zuletzt wird entschieden wie Kostenmechanismen mit den Partnern konstruiert werden können. (Schallmo, 2013)

2.1.3.2. Umsatz

Das Geschäftsmodell generiert eine Form von Leistung. Durch deren Verkauf oder Bereitstellung können Umsätze generiert werden. Die Umsatzstruktur macht zwei Dinge deutlich: (1) Durch welche Kunden oder Partner des Geschäftsmodells werden Umsätze generiert? (2) Durch welche erstellten Leistungen des Geschäftsmodells werden Umsätze generiert? Das Geschäftsmodell entwickelt somit eine Leistung, welche mit Hilfe von Mechanismen Umsätze für das Unternehmen generiert. (Schallmo, 2012, S. 134f)

Auch bei dem Geschäftsmodell-Element Umsatz identifiziert Schallmo (2013) Leitfragen in Anlehnung an bereits existierender Literatur. Das Element setzt sich mit der Frage auseinander, für welchen Nutzen und in welcher Höhe die Kunden eine Zahlungsbereitschaft haben, auf welche Weise der durch das Geschäftsmodell entwickelte Nutzen zur Umsatzgenerierung monetisiert werden kann und zu guter Letzt, wie der Umsatzmechanismus konkret gestaltet werden kann. (Schallmo, 2013)

Eine der drei beschriebenen Leitfragen des Geschäftsmodellelements Umsatz hat für die Forschungsfrage dieser Thesis eine besonders hohe Bedeutung:

Wie kann der Nutzen, der durch das Geschäftsmodell entwickelt wurde zur Umsatzgenerierung monetarisiert werden?

Mit dieser Frage setzt sich auch die Forschungsfrage dieser Thesis auseinander.

Der geschaffene Nutzen von Geschäftsmodellen kann mithilfe von Erlösmodellen monetarisiert werden. Bei Erlösmodellen handelt es sich um die zweite Komponente, die in der Forschungsfrage identifiziert werden konnte. Das nächste Kapitel 2.2. wird sich ausführlicher mit dieser Komponente auseinandersetzen.

1.2. Erlösmodelle

Das Erlösmodell ist ein wesentlicher Bestandteil von Geschäftsmodellen. Seine Aufgabe ist die Wertsicherung des Unternehmens. Die Konzeption eines zuverlässigen Erlösmodells kann als eine wesentliche, strategische Entscheidung verstanden werden. Ähnlich wie bei den Geschäftsmodellen offenbart sich die Problematik, dass noch keine einheitliche Begriffsdefinition von Erlösmodell existiert. (Bieger, zu Knyphausen-Aufseß, & Krys, 2011) Das Ziel dieses Unterkapitels ist somit das Erarbeiten einer geeigneten Definition. Hierfür werden in 2.2.1. die unterschiedlichen Entscheidungsbereiche innerhalb eines Erlösmodells erläutert. Auf Basis der gewonnen Erkenntnisse findet anschließend in 2.2.2. die Begriffsdefinition von Erlösmodellen nach Bieger et al. (2011) statt.

1.2.1. Entscheidungsbereiche von Erlösmodelle

Bieger et al. (2011) stellen fest, dass in der Literatur noch keine Determinierung der verschiedenen Entscheidungsbereiche von Erlösmodellen durchgeführt wurde. Um diese Lücke zu schließen, analysiert er Erlösmodellansätze aus der Literatur. Dies zeigt welche Teilkomponenten in der Literatur diskutiert werden. Bieger et al. (2011) fassen diese in mehreren verschiedenen Entscheidungsbereichen zusammen, die im Folgenden näher erläutert werden sollen.

1.2.1.1. Erlösformen

Erlösformen sind alle Formen von Umsätzen, die durch die Nutzung von Erlösquellen generiert werden können. Es wird dabei zwischen transaktionsabhängigen Erlösen und transaktionsunabhängigen Erlösen unterschieden. Bei dem Modell der transaktionsabhängigen Erlöse hängen die Erlöse von der erbrachten Leistung des Unternehmens ab. Somit wird der Erlös beispielsweise über Nutzungsgebühren in Form von Telefongebühren erzielt. Bei dem Modell der transaktionsunabhängigen Erlöse wird der

Erlös über Pauschalgebühren wie zum Beispiel Mitgliedsbeiträge, Nutzungs- oder Einrichtungsgebühren erzielt. Somit ist der Erlös unabhängig vom Umfang der Leistung. (Bieger et al., 2011)

1.2.1.2. Erlösquellen und Erlösströme

Der zweite Entscheidungsbereich von Erlösmodellen ist die Festlegung und Gewichtung von Erlösquellen und Erlösströmen. Osterwalder identifiziert insgesamt fünf unterschiedliche Erlösströme (Osterwalder, 2004, S. 95-100):

- Verkauf von Produkten und Dienstleistungen
- Verleihen von Objekten
- Lizenzierung
- Transaktionsgebühren und Kommissionen
- Werbeeinnahmen

1.2.1.3. Preissetzung

Der dritte Entscheidungsbereich von Erlösmodellen ist die Preissetzung. Osterwalder identifiziert insgesamt drei verschiedene Preissetzungs-Mechanismen (Osterwalder, 2004, S. 95-100):

- Feste Preissetzung
- Preisdifferenzierung
- Preis wird am Markt ausgerichtet, aktuelle Marktbedingungen werden berücksichtigt

1.2.1.4. Erlösverteilung

Chesbrough und Rosenbloom (2002) heben in ihrer Forschungsarbeit die Notwendigkeit hervor, dass Unternehmen die Verteilung des Erlöses zwischen Kunden, Zulieferern und dem eigenen Unternehmen genauestens definieren.

1.2.2. Begriffsdefinition

Die Erklärungen von 2.2.2.1. bis 2.2.2.4. zeigen, dass die Entscheidungsbereiche von Erlösmodellen den ganzen Umfang der Preispolitik abbilden. Zusammengefasst befassen sich Erlösformen mit transaktionsabhängigen Erlösen und transaktionsunabhängigen Erlösen, Erlösquellen mit der Preiskoordination von Unternehmen mit mehreren Produkten, Entscheidungen der Preissetzung mit den Methoden zur Preisdeterminierung der angebotenen Produkte, und zu guter Letzt die Erlösverteilung mit den Preisverhandlungen zwischen Kunden, Lieferanten und dem Unternehmen selbst. (Bieger et al., 2011)

In einer Synthese dieser Entscheidungsbereiche erarbeiten Bieger et al. (2011) eine neue Definition des Begriffes Erlösmodell:

„Das Erlösmodell gibt Auskunft darüber, welche Preise für die einzelnen Leistungsangebote des Unternehmens erhoben werden und welche Mechanismen zu der Preissetzung führen.“ (Bieger et al., 2011, S. 169)

1.3. Herleitung der Forschungsfrage

Das zweite Kapitel hat sich soweit ausführlich mit dem theoretischen Hintergrund der Forschungsfrage auseinandergesetzt. Primäres Ziel des zweiten Kapitels ist es, die Forschungsfrage aus dem theoretischen Hintergrund herzuleiten. Zu Beginn des Kapitels wurden Geschäftsmodelle, Erlösmodelle und die kostenlose Bereitstellung als die drei wesentlichen Komponenten der Forschungsfrage identifiziert. In 2.1. wurde die erste Komponente der Forschungsfrage, Geschäftsmodelle, bearbeitet. Die Begriffsdefinition von Geschäftsmodellen fand statt und ihre einzelnen Dimensionen wurden näher erläutert. Es wurde die hohe Bedeutung der Finanzdimension und deren untergeordnetes Geschäftsmodell-Element Umsatz für die Forschungsfrage identifiziert. Daraus konnten schließlich die zweite Komponente der Forschungsfrage, die Erlösmodelle, hergeleitet werden. In 2.2. fand die Begriffsdefinition von Erlösmodellen statt und deren Entscheidungsbereiche wurden aufbereitet. Im Folgenden, in 2.3., wird die Begriffsdefinition von Erlösmodell nach Bieger näher betrachtet, um daraus schlussendlich die Forschungsfrage dieser Thesis abzuleiten.

Die in 2.2.2. erarbeitete Begriffsdefinition durch Bieger et al. (2011) stellt die Frage „welche Preise für die einzelnen Leistungsangebote des Unternehmens erhoben werden“ (Bieger et al., 2011, S. 169).

Das Unternehmen bietet seine Leistung im Austausch für eine monetäre Vergütung. Der Nutzen, den der Käufer durch die Leistung erfährt, hängt somit maßgeblich von den zu zahlenden Kosten ab. Was passiert jedoch, wenn das Unternehmen keine monetäre Vergütung für das Anbieten der Kernleistung einfordert?

Aufgrund des Zero-Price-Effects steigt der Nutzen, den der Käufer durch die kostenlose Leistung erfährt, erheblich. Denn nach dem Zero-Price-Effect subtrahieren Nutzer nicht einfach nur die Kosten von dem Nutzen, sondern nehmen den Nutzen von kostenlosen Angeboten als deutlich höher wahr (Ariely, Bracha, & Meier, 2009). Durch die ausbleibenden Kosten für den Kunden bietet ein kostenloses Angebot von Natur aus einen hohen Wert für den Nutzer (Shampanier, Mazar, & Ariely, 2007).

Viele Unternehmen versuchen sich diesen Effekt zu Nutzen zu machen. So sind viele alltägliche Dienstleistungen wie das soziale Netzwerk Facebook oder die Suchmaschine Google umsonst für den Konsumenten zugänglich. Bei diesen Dienstleistungen kann der Nutzer kostenlos auf das Angebot des Dienstleisters zugreifen. Hier kommt die dritte Komponente, welche zu Beginn des zweiten Kapitels neben den Komponenten Geschäftsmodelle und Erlöskonzepte in der Forschungsfrage identifiziert werden konnte, zum Tragen: Das kostenlose Bereitstellen der Dienstleistung.

Aus diesen drei Komponenten setzt sich die Forschungsfrage dieser Thesis schlussendlich zusammen:

Welche Erlösmodelle können digitale Geschäftsmodelle nutzen um Ihre Dienstleistungen im Internet den Nutzern kostenlos zur Verfügung zu stellen?

Es stellt sich die Frage, wie profitorientierte Unternehmen durch die kostenlose Bereitstellung von Dienstleistungen überlebensfähig sein können. Damit setzt sich diese Thesis auseinander. In einer systematischen Literaturanalyse werden verschiedene Erlösmodelle identifiziert, welche in Unternehmen Anwendung finden, um kostenlose Angebote monetarisieren zu können.

3. Methodik

Dieses Kapitel wird sich tief gehend mit der im Zuge dieser Thesis angewandten Methodik auseinandersetzen. In 3.1. wird die Relevanz von Literaturanalysen als eigenständige wissenschaftliche Arbeit dargestellt. In 3.2. wird die systematische Literaturanalyse als methodologisches Werkzeug näher erläutert.

3.1. Die Literaturanalyse als eigenständige, wissenschaftliche Arbeit

Literaturanalysen sind aus vielen Gründen hochrelevant in der heutigen Wissenschaft. Beispielsweise lösen Literaturanalysen eine der wesentlichen Hürden des wissenschaftlichen Fortschritts: Wissenschaftler sind in ihrer Fähigkeit eingeschränkt, bereits bekanntes Wissen zu behalten, zu organisieren und aufzubereiten, während sie zeitgleich auf dem aktuellen Stand von neuen wissenschaftlichen Beiträgen bleiben müssen (Card, 2012). Aufgrund dieser Beschränkung ist es für Wissenschaftler kaum möglich auf dem aktuellen Stand ihrer Primärforschung zu bleiben, mit Ausnahme von ausgewählten Themenbereichen, die für sie von besonderem Interesse sind (Cooper, 2016). Die Aufgabe einer Literaturanalyse ist es, die Forscher dabei zu unterstützen, ein besseres Verständnis für ein bestimmtes Thema zu bekommen, herauszufinden was die Kernprobleme sind und inwiefern es bisher erforscht wurde (Hart, 1998). Hart (1998, S. 13) definiert die Literaturanalyse wie folgt:

„Die Auswahl aller verfügbaren Dokumente (veröffentlicht und unveröffentlicht) über eine Thematik, welche Informationen enthalten bezüglich, Ideen, Daten und Beweise, von dem Standpunkt aus geschrieben, bestimmte Ziele zu erreichen oder bestimmte Ansichten über die Art des Themas auszudrücken, wie es untersucht werden sollte, und die effektive Bewertung dieser Dokumente in Bezug auf die vorgeschlagene Forschung.“ (Hart, 1998, S. 13)

Eine Literaturanalyse kann sowohl als Hintergrund für eine empirische Studie fungieren als auch als eine eigene, unabhängige wissenschaftliche Arbeit. Als eigenständige Arbeit stellt eine Literaturanalyse einen wertvollen, wissenschaftlichen Beitrag dar und verdient sich somit ihren eigenen wissenschaftlichen Geltungsanspruch (Jesson, Matheson, & Lacey, 2011; Okoli & Schabram, 2010). Literaturanalysen als eigenständige Arbeiten werden aus vielen verschiedenen Gründen durchgeführt. Zum Beispiel, um bestehendes Wissen in einem Gebiet verständlicher und übersichtlicher aufzubereiten, die Entwicklung neuer Theorien zu erleichtern, oder um wissenschaftliche Felder zu identifizieren, in denen mehr Forschung notwendig ist (Webster & Watson, 2002; King & He, 2005; Okoli & Schabram, 2010).

Auf Basis dieser Gedankengänge entwickelten sich Literaturanalysen in der Vergangenheit häufig zu wesentlichen, zentralen Arbeiten innerhalb eines wissenschaftlichen Gebietes (Garfield, 1982; Paré, Trudel, Jaana, & Kitsiou, 2015; Rowe, 2014). Zahlreiche Forscher (Atkins & Louw, 2000; Oatis, 2011; Templier & Paré, 2015) rufen dazu auf, mehr Literaturanalysen zu verwenden.

3.2. Systematische Literaturanalyse als methodologisches Werkzeug

Um die Forschungsfrage dieser Thesis erfolgreich zu beantworten und eine zuverlässige, replizierbare Analyse, Auswertung und Interpretation der Literatur zu gewährleisten, entscheidet sich der Autor für die Benutzung der Systematischen Literaturanalyse als methodologisches Werkzeug. Zu diesem Schluss kam der Autor auf Basis einer Gegenüberstellung der verschiedenen Analysemethoden und nach Absprache mit dem Betreuer der Forschungsarbeit.

Systematische Literaturanalysen sind anderen Formen der Literaturanalysen in einigen Punkten überlegen und bieten dem Forscher dadurch Vorteile. Alternative Analysemethoden wie beispielsweise die Narrative Literaturanalyse eignet sich gut als Ausgangspunkt für zukünftige Forschungsentwicklungen und unterstützt bei der Determinierung einer Forschungsfrage (Cronin, Ryan, & Coughlan, 2008), jedoch wird der Narrativen Literaturanalyse vorgeworfen, nicht die notwendige wissenschaftliche Präzision zu besitzen und durch den ausübenden Forscher verzerrt werden zu können (Mulrow, 1987). Diese Problematik wird durch die systematische Literaturanalyse gelöst, da sie einen reproduzierbaren und transparenten Arbeitsprozess verwendet. Systematische Literaturanalysen ermöglichen somit die Minimierung von potenziellen Verzerrungen durch gründliche Literaturrecherche und durch eine nachprüfbare Dokumentation aller Entscheidungen, Prozesse und Schlussfolgerungen des Forschers (Cook, Mulrow & Haynes, 1997). Für Akademiker liegt ein weiterer Vorteil darin, dass der Prüfungsprozess der Literatur die methodologische Genauigkeit erhöht und kollektive Einblicke in bestimmte Teilbereiche ermöglicht.

Somit werden Systematische Literaturanalysen nicht nur als fundamentale, wissenschaftliche Aktivität verstanden (Mulrow, 1994, p.597), sie gelten auch als zentrale Bestandteile der Forschung im Managementbereich und unterstützen somit im akademischen und im praktizierenden Anwendungsfeld (Tranfield, Denyer, & Smart, 2003).

4. Ablauf und Durchführung der systematischen Literaturanalyse

Die Durchführung der Systematischen Literaturanalyse innerhalb dieser Forschungsarbeit wird sich in ihren Grundzügen an dem Modell nach Templier und Paré (2015) orientieren. Ein wesentlicher Vorteil dieses Modells ist ihr iteratives Element. Viele der notwendigen Aktivitäten können in der Planungsphase angestoßen und später nach und nach ergänzt werden (Kitchenham & Charters, 2007). Durch den vordefinierten Ablauf des Modells soll eine potenzielle Verzerrung durch die Subjektivität des Forschers minimiert werden. Die Durchführung wird vollständig dokumentiert, um jeden einzelnen Schritt möglichst transparent zu gestalten und die Replikation der Literaturanalyse zu ermöglichen. Im Folgenden soll der genaue Arbeitsprozess schrittweise näher dargestellt werden.

Abbildung 3: Ablauf und Durchführung der systematischen Literaturanalyse

Abbildung in dieser Leseprobe nicht enthalten

4.1. Schritt 1: Problemstellung formulieren

Das Formulieren der Problemstellung behandelt unter anderem Richtlinien zur Identifizierung des Zwecks und der zentralen Elemente der Forschungsarbeit. Der in diesem Schritt definierte Zweck der Forschungsarbeit hat direkten Einfluss auf alle anderen Qualitätsfaktoren der Literaturanalyse. Da eine Forschungsarbeit neben der methodologischen Qualität auch nach der Relevanz ihrer Forschungsfrage beurteilt wird, kann auch eine methodologisch perfekt durchgeführte Literaturanalyse wertlos sein, wenn die Forschungsfrage keine Wichtigkeit innehat. Es ist daher wesentlich, dass der Forscher die zeitnahe Bearbeitung der gewählten Forschungsfrage nachvollziehbar als gesellschaftlich relevant begründet. (Templier & Paré, 2015)

Für die Formulierung der Forschungsfrage hat sich der Autor an dem SPICE Framework orientiert, welches fünf Bedingungen nennt, welche für eine klar und übersichtlich formulierte Forschungsfrage erfüllt sein müssen (Booth & Brice, 2004). Auf Basis des SPICE Frameworks kam der Autor zu der Formulierung der folgenden Forschungsfrage:

Welche Erlösmodelle können digitale Geschäftsmodelle nutzen um Ihre Dienstleistungen im Internet den Nutzern kostenlos zur Verfügung zu stellen?

Das Thema dieser Forschungsarbeit ist aus verschiedenen Gründen von gesellschaftlicher Relevanz: Sie trägt zur akademischen Debatte über Geschäftsmodelle im digitalen Kontext bei und sie stellt einen wissenschaftlichen Beitrag in Form einer systematischen Analyse, Aufbereitung und Erfassung aller relevanten Literatur und der damit einhergehenden Forschungsergebnisse dar. Dieses Wissen kann für Unternehmen, die ihre Geschäftsmodelle und die damit einhergehenden Erlösmodelle erfolgreich ins digitale Zeitalter transferieren möchten, von hohem Wert sein.

Ziele der Literaturanalyse aufführen

Die Definition des Forschungsziels stellt eines der wesentlichsten Elemente einer Forschungsarbeit dar. Die Ziele müssen möglichst präzise formuliert werden da diese eng mit der Auswahl der Analyseform im Zusammenhang stehen (Templier & Paré, 2015). Das Ziel ist die Durchführung einer zuverlässigen und reproduzierbaren Analyse, Auswertung und Interpretation der Literatur zu Erlösmodellen von Geschäftsmodellen. Das Forschungsergebnis ist die Literaturanalyse und die damit verbundene Aufbereitung der für die Forschungsfrage relevanten Literatur, als auch eine umfassende Übersicht über die verschiedenen Erlösmodelle. Alle Forschungsergebnisse, die in der Literaturanalyse erkannt werden, sollen in dieser Thesis systematisch aufgearbeitet werden.

Definition der Konzepte und Abgrenzungen der Literaturanalyse

Forscher müssen die zentralen Konzepte der Literaturanalyse definieren, um auf Basis davon Literatur ausschließen zu können (Arksey & O’Malley, 2005; Cooper, 2016; Webster & Watson, 2002). Es müssen Richtlinien formuliert werden, um relevante von irrelevanter Literatur unterscheiden zu können (Cooper, 2009). Die zentralen Konzepte, welche durch den Autor in der Forschungsfrage identifiziert werden konnten, sind:

- Konzepte 1 : Erlösmodelle
- Konzept 2: (digitale) Geschäftsmodelle
- Konzept 3: Dienstleistungen
- Konzept 4: Internet
- Konzept 5: kostenlose Bereitstellung

Darauf aufbauend wurde Literatur akzeptiert oder ausgeschlossen. Schwerpunkt wurde hierbei auf die kostenlose Bereitstellung gelegt. Damit Literatur in die Literaturanalyse aufgenommen wird, ist es wesentlich, dass sie sich mit Erlösmodellen beschäftigt, welche das Produkt oder die Dienstleistung zumindest zu einem bestimmten Grad kostenlos für den Kunden machen. Wenn der Autor in diesem Kontext von „kostenlos“ spricht, werden ausschließlich monetären Kosten gemeint und keine Kosten im Sinne von Zeit oder Nutzerdaten.

4.2. Schritt 2: Literatur suchen

Um den Ansprüchen der externen Validität gerecht zu werden, werden in diesem Schritt unter anderem Richtlinien definiert wie relevante Literatur im Suchprozess identifiziert werden kann. Damit der Suchprozess reproduzierbar ist, muss die gesamte Durchführung der Literatursuche gründlich dokumentiert werden (Templier & Paré, 2015).

Um eine gründliche Durchführung der Literaturanalyse zu gewährleisten, empfiehlt sich die Nutzung einer Suchstrategie (Kitchenham & Charters, 2007). In der Suchstrategie muss spezifiziert werden wo die Literatur gesucht wird, welche Begriffe als Sucheingabe verwendet werden, welche Quellen genutzt werden, in welchem Zeitraum die Suche stattfindet und in welcher Sprache die Literatur verfasst sein darf (Levac, Colquhoun, & O’Brien, 2010).

In 4.1., bei der Formulierung der Problemstellung, wurden fünf zentrale Konzepte der Forschungsfrage identifiziert. Jedes der Konzepte wurde in mehrere Suchbegriffe heruntergebrochen. Alle Suchbegriffe innerhalb eines Konzepts wurden mit dem Boolean Operator OR verknüpft und alle Konzepte wurden mit dem Boolean Operator AND verknüpft. Bei ersten Testversuchen der Sucheingabe konnte festgestellt werden, dass die Sucheingabe auf Basis von fünf verschiedenen Konzepten zu eng gefasst war und zu viel Literatur ausschloss. Die fünf Konzepte wurden somit auf drei Konzepte heruntergebrochen:

- Konzepte 1 : Erlösmodelle
- Konzept 2: Geschäftsmodelle
- Konzept 3: Kostenlose Bereitstellung

Die Suche erfolgte mit englischen und mit deutschen Suchbegriffen in einem Zeitraum vom 01.04.2020 bis zum 22.04.2020. Folgende Sucheingaben wurde für die Suchstrategie verwendet:

- ("Revenue model" OR "Revenue strategy" OR "Monetization") AND ("Business model*" OR "Business strategy" OR "Web based platform*" OR "platform*") AND (Free OR "Free of charge" OR "Free of cost" OR "For free" or Gratis OR "No charge")
- (Gewinnkonzept* OR Gewinnstrategie* OR Gewinnmodell* OR Erlösmodell* OR Erlöskonzept* OR Erlösstrategie*) AND ("Digitale Geschäftsmodelle" OR "Digitales Geschäftsmodell" OR "Online Geschäftsmodell*" OR "Internet Geschäftsmodell*" OR "Digitale Plattform*") AND (Kostenlos OR kostenfrei OR Umsonst OR Free OR Gratis OR Unentgeltlich OR Entgeltfrei OR Geschenkt OR Gebührenfrei OR Gebührenlos)

Datenbanken

Um einen hohen Qualitätsstandard zu gewährleisten sollte nicht nur eine Datenbank für die Literatursuche verwendet werden (Kitchenham & Charters, 2007; Liberati et al., 2009), sondern mehrere Datenbanken in Kombination miteinander (Templier & Paré, 2015). Der Autor hat insgesamt fünf Datenbanken verwendet: Ebsco Business Source Premier, Scopus, Jstor, Wiso und Springer (Artikel). Der Autor war in der Auswahl der Datenbanken limitiert, da nur Zugriff auf die Anzahl der lizenzierten Datenbanken der Zeppelin Universität Friedrichshafen möglich war. Aus dieser Auswahl hat der Autor Datenbanken gewählt, welche Literatur aus den Bereichen Management und Betriebswirtschaftslehre beinhalten.

Minimierung des Publikationsbias

Der Publikationsbias beschreibt die statistisch verzerrte Darstellung von Daten in Forschungsarbeiten, da signifikante Ergebnisse eher publiziert werden als nicht-signifikante Ergebnisse. Forscher sollten den Publikationsbias minimieren, indem auch graue und nicht­veröffentlichte Literatur in die Literaturanalyse mit aufgenommen wird (Templier & Paré, 2015). Der Autor kam dieser Handlungsempfehlung nach, indem nicht-veröffentlichte Literatur bei der Durchsuchung der Datenbanken nicht ausgeschlossen wurde.

4.3. Schritt 3: Prüfung der Literatur nach Auswahlkriterien

Eine umfangreiche Literaturanalyse wird zwangsläufig auch Literatur enthalten, die nicht für die Forschungsarbeit relevant ist. Aus diesem Grund muss die relevante Literatur durch den Forscher unter den gesamten Suchergebnissen ausgewählt werden. (Oxman & Guyatt, 1988)

Um die für die Forschungsfrage relevante Literatur zu identifizieren, verwendete der Autor einen vordefinierten Auswahlprozess in Anlehnung an Siebels und Knyphausen-Aufseß (2011) und Padilla-Meléndez et al. (2015). Die Durchführung kann in fünf Unterschritte gegliedert werden. Der Autor ergänzt jedoch einen Schritt um die Eliminierung der Inhalte, auf welche der Autor im Zuge der Literaturanalyse keinen Zugriff hatte mit in den Auswahlprozess einzubeziehen. Somit hat die Durchführung des Auswahlprozesses für die Identifizierung der relevanten Literatur insgesamt sechs Schritte.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Auswahlprozess für die Identifizierung der relevanten Literatur

Wie Tabelle 1 visuell darstellt, wird über den Verlauf des Auswahlprozesses ein Umfang von insgesamt 1217 Quellen auf 45 Quellen heruntergebrochen. Über 1055 Quellen, ein Umfang von 86,69 Prozent der Ausgangsmenge, werden dabei bereits im ersten Schritt des Auswahlprozesses herausgefiltert. In den darauffolgenden Schritten werden weitere 123 Quellen entfernt und auf Basis von Querverweisen und Empfehlungen sechs Quellen hinzugefügt. Somit entspricht die Zahl der für die Literaturanalyse relevanten Quellen einem Umfang von 45, was 3,70 Prozent der ursprünglichen Suchergebnissen entspricht.

Auswahlprozess für die Identifizierung der relevanten Literatur

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Auswertung des Auswahlprozesses für die Identifizierung der relevanten Literatur

4.4. Schritt 4: Datenentnahme

Die in 4.3. als relevant identifizierte Literatur wird tief gehend analysiert. Ziel ist sowohl die Identifizierung von Erlösmodellen als auch eine Dokumentation und Aufbereitung der Forschungsergebnisse, welche in der Literatur im Zusammenhang mit den jeweiligen Erlösmodellen gefunden werden. Im Zuge der Datenentnahme werden für die gesamte Literatur folgende Informationen gesammelt:

- Metainformationen wie Datenbank, Autor, Jahr, Journal.
- Forschungsziel der Literatur
- Identifizierung und Kategorisierung der in der Literatur behandelten Erlösmodelle
- Dokumentation der wesentlichen Information, welche in der Literatur im Zusammenhang mit dem jeweiligen Erlösmodell gefunden werden.

Alle Daten werden während der Durchführung der Literaturanalyse tabellarisch dokumentiert.

4.5. Schritt 5: Daten-Analyse und -Zusammenfassung

Nachdem die Literatur systematisch durchgearbeitet wurde und alle Informationen erhoben werden konnten, begann der Autor mit der Analyse. Der Autor führte eine zwei-stufige Analyse durch, welche (1) in eine deskriptive Analyse und (2) eine thematische Analyse heruntergebrochen werden kann (Tranfield et al., 2003).

Für die Darstellung der Literatur in der deskriptiven Analyse nutzt der Autor das Jahr der Veröffentlichung und das Journal. Die thematische Analyse findet in zwei Schritten statt: Zuerst wird dargestellt zu welchen Teilen sich die Literatur mit welchen Erlösmodellen auseinandergesetzt hat. Anschließend findet eine umfassende Aufbereitung der Forschungsergebnisse statt, welche in der Literatur im Zusammenhang mit dem jeweiligen Erlösmodell identifiziert werden konnten. Durch diese thematische Aufbereitung soll ein tiefer Einblick in den aktuellen Stand der Forschung bezüglich Erlösmodellen ermöglicht werden.

5. Ergebnis

In diesem Kapitel wird der Autor die über den Verlauf der Literaturanalyse erhobenen Daten deskriptiv (5.1.) und thematisch (5.2.) analysieren.

5.1. Deskriptive Analyse

Abbildung 6 visualisiert die zeitliche Verteilung der Veröffentlichungen. Die 45 Quellen wurden in einem Zeitraum von über zwei Jahrzehnten, 1999 bis heute, veröffentlicht.

Obwohl bereits im Jahr 1999 ein Artikel über das Open-Source Business Model veröffentlicht wurde, wurden 98 Prozent der Artikel zwischen 2007 und 2020 veröffentlicht. Hierbei ist ein klarer, positiver Trend sichtbar, was ein Indikator für ein wachsendes Interesse an dem Forschungsgebiet ist. Dies lässt darauf rückschließen, dass dieses Thema in Zukunft weiterhin erforscht werden wird.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Zeitliche Verteilung der Veröffentlichungen

Tabelle 2 zeigt die Verteilung der Zeitschriften, in der die Artikel veröffentlicht wurden. Es wird deutlich, dass die Artikel in einem breiten Spektrum an Zeitschriften veröffentlicht wurden. In 32 der insgesamt 45 Zeitschriften wurde nur ein Artikel publiziert. Dies entspricht 71 Prozent aller Quellen. Drei der Zeitschriften haben mit jeweils zwei Artikeln, das MIS Quarterly mit drei Artikeln und das International Journal of Information Management mit vier Artikeln zu der Literatur beigetragen. Die Zeitschriften stellen eine Bandbreite an wissenschaftlichen Disziplinen dar. Der Managementbereich ist dabei am meisten vertreten (International Journal of Information Management, MIS Quarterly, Journal of Management Information Systems).

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2: Verteilung der Zeitschriften

5.2. Thematische Analyse

In diesem Abschnitt der Analyse werden die Inhalte der identifizierten Literatur betrachtet. Der Abschnitt 5.2.1. visualisiert in Tabelle 3 und den Abbildungen 6 und 7 die Verteilung der in der Literatur diskutierten Erlösmodelle. In 5.2.2. bis 5.2.9. werden die Erlösmodelle ausführlich im Zusammenhang mit den in der Literatur identifizierten Forschungsergebnissen diskutiert.

5.2.1. Verteilung der Erlöskonzepte

Die Daten in Tabelle 3 und den Abbildern 6 und 7 stellen die Verteilung der Erlösmodelle dar. Die Verteilung verdeutlicht, dass insgesamt drei übergeordnete Erlösmodelle identifiziert werden können. Diese können in weitere Unterkategorien differenziert werden. Das Freemium-Modell kann zum Beispiel in die verschiedenen Differenzierungsstrategien heruntergebrochen werden: Menge-Differenzierung, Funktions-Differenzierung und Distributions-Differenzierung. In diesen verschiedenen Differenzierungsstrategien existieren verschiedene Monetarisierungsmöglichkeiten wie das Anbieten von In-App­Käufen, Sample-Modelle, Subscription-Modelle, Free-Trials oder Beta-Zugänge (Mehr Informationen zu den einzelnen Differenzierungsstrategien in 5.2.3). In der thematischen Analyse werden die Ausprägungen der verschiedenen Differenzierungsstrategien des Freemium-Modells in einer Kategorie zusammengefasst. Der Grund dafür ist, dass die Literatur das Freemium-Modell in den meisten Fällen als Ganzes betrachtet und nicht zwischen den einzelnen Ausprägungen differenziert. Der Autor macht für das Free-to-Play- Modell eine Ausnahme. Bei dem Free-to-Play Modell handelt es sich um das Freemium- Modell im Kontext von Video-Spielen. In der Analyse der Literatur wurde schnell deutlich, dass in der Forschung ein außerordentlich großer Schwerpunkt auf der Untersuchung des Free-to-Play Modells liegt. Wie Tabelle 3 zeigt, behandeln 30 der 45 Artikel in der Freemium- Kategorie das Free-to-Play Modell. Somit stellt das Free-to-Play Modell insgesamt 67 Prozent der Literatur in der Freemium-Kategorie und 44 Prozent der gesamten, identifizierten Literatur dar. Da in der Forschung ein Schwerpunkt auf dem Free-to-Play Model zu liegen scheint, wird das Freemium-Modell in die verschiedenen Differenzierungsstrategien und das Free-to-Play Modell unterteilt. Mit dem zweiten Erlösmodell, den mehrseitigen Plattformen, haben sich 26,09 Prozent der Literatur auseinandergesetzt. Mehrseitige Plattformen können in das Advertising-Modell und das Brokerage-Modell unterteilt werden, welche jeweils 17,39 Prozent und 8,70 Prozent der Literatur ausmachen. Das dritte Erlösmodell, Open Source, muss nicht weiter differenziert werden. Das Open Source Modell macht mit 5,80 Prozent den kleinsten Teil der Literatur aus.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 3: Übersicht der identifizierten Erlöskonzepte

Erlöskonzepte Verteilung

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Verteilung der Erlöskonzepte - Hauptkategorien

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 7: Verteilung der Erlöskonzepte - Haupt- und Unter-Kategorien

5.2.2. Freemium und Free-to-Play

Im Zuge der in dieser Thesis durchgeführten Literaturanalyse konnte die Forschung bezüglich Freemium-Modelle in zwei Kategorien unterteilt werden:

1: Die Untersuchung des Freemium-Modells als ganzheitliches Erlösmodell. Hier wurde meistens nicht zwischen den verschiedenen Differenzierungs-Strategien des Freemium- Modells unterschieden. Die verschiedenen Differenzierungsstrategien (beispielsweise Sample-Angebote, Free-Trials, Beta-Zugänge, oder dem Subscription-Modell) wurden somit immer als Ganzes und nicht individuell behandelt.

2: Das Freemium-Model im Kontext der Video-Spiel-Industrie. Hier wird das Freemium­Model in der Regel als Free-to-Play Model bezeichnet (Hamari et al., 2017). In der Literaturanalyse konnte eine beträchtliche Menge an Literatur identifiziert werden, welche sich explizit mit dem Free-to-Play Modell als einem Teilbereich des Freemium-Modells auseinandergesetzt hat. Die Forschung in diesem Bereich setzt sich vor allem mit dem Kauf von virtuellen Gütern in Video-Spielen auseinander, erforscht, welcher Typ von Spieler solche Käufe vollzieht und welche Motive in der Entscheidungsfindung eine Rolle spielen. Aus diesem Grund wird in 5.2.3. die Forschung zum Freemium-Modell als ganzheitliches Erlösmodell untersucht und in 5.2.4. das Free-to-Play Modell als ein Teilbereich des Freemium-Modells näher betrachtet.

5.2.3. Freemium Modell

Über den Verlauf der letzten Jahre hat das Freemium-Erlösmodell deutlich an Popularität gewonnen; es konnte sich in zahlreichen Gebieten durchsetzen. So ist es häufig im Bereich Software, Gaming und digitale Dienstleistungen vorzufinden (Anderson, 2009). Freemium setzt sich aus den Worten „Free“ für kostenlos und „Premium“ im Sinne von Aufpreis zusammen und beschreibt das Geschäftsmodell, bei dem Kunden durch das Anbieten einer kostenlosen Kernleistung auf die Plattform gelockt werden. Erlösströme werden anschließend durch den Verkauf von attraktiven und nutzwertigen Zusatzleistungen in Form von Premium-Inhalten generiert, welche durch einen Teil der kostenlosen Nutzer zu einem positiven Preis erworben werden. Das Ziel ist somit das Heranziehen von kostenlosen Nutzern und das anschließende Transferieren von kostenlosen Nutzern zu zahlenden Nutzern (Pujol, 2010).

Obwohl das Konzept des Freemium-Modells schon sehr lange bekannt ist und von Unternehmen praktiziert wird, wurde der Begriff vor allem durch den Risikokapitalgeber Fred Wilson im Jahr 2006 geprägt (Pujol, 2010). Fred Wilson erklärt das Freemium-Modell wie folgt:

"Biete deinen Service gratis an, mit Werbeeinblendung oder auch nicht, akquiriere effizient viele Kunden durch Mund-zu-Mund-Propaganda, Werbepartner, Platzierung in Suchmaschinen usw., und dann biete Premiumdienste oder erweiterte Dienste zu einem Preis an“ (Teece, 2010).

Manchmal wird das Freemium-Modell mit zweiseitigen Plattformen verwechselt. Dieses Erlösmodell wird in einem späteren Kapitel näher erläutert. In dem Szenario einer zweiseitigen Plattform sieht sich das Unternehmen mit zwei separaten Nutzergruppen konfrontiert, welche in zwei verschiedenen Märkten operieren. Es findet keine Fluktuation von der einen Nutzergruppe zu der anderen Nutzergruppe statt (Bieger, 2011). Im Freemium-Modell ist dies anders: Ein kostenloser Nutzer kann zu einem zahlenden Nutzer werden und vice versa (Pujol, 2010).

In Freemium-Modellen existieren mehrere verschiedene Strategien zur Differenzierung zwischen dem kostenlosen Kernprodukt und den kostenpflichtigen Premium-Leistungen. Es kann durch Menge, durch Funktionen, oder durch Distribution differenziert werden (Pujol, 2010). Diese werden im Folgenden kurz vorgestellt.

Mengen-Differenzierung:

Produktproben werden schon seit langer Zeit als Verkaufswerkzeug verwendet. Hierbei stellt eine Produktprobe die kostenlose Version des eigentlichen Premium-Produktes dar. Produktproben können somit als eine Form des Freemium-Models mit Mengenlimitierung verstanden werden (Pujol, 2010). Dropbox bietet beispielsweise Produktproben in Form von einer geringen, limitierten Menge an kostenfreiem Online-Speicher an (Dropbox, o. J.). Digitalisierung ermöglicht nun auch die Differenzierung nach Zeit. Web-Services können einfach aktiviert und deaktiviert werden, um Zugang zu begrenzten Probezeiträumen zu ermöglichen (Pujol, 2010). Netflix bietet beispielsweise eine kostenlose Probezeit von 30 Tagen an (Netflix, o. J.). Die Bandbreite an möglichen Zeitdifferenzierungen ermöglicht auch eine Differenzierung nach dem Reife-Grad. Ausgewählten Nutzern kann somit Zugang zu einer unreifen Beta-Version des Produktes ermöglicht werden. Eine weitere Variation der Zeit-Differenzierung ist die Differenzierung nach Datenfreigabe. Dies findet vor allem bei der

Nutzung von zeitsensible Daten Anwendung (Beispielsweise ein früher Zugang zu Finanznachrichten). Zahlende Nutzer bekommen hierfür früher Zugriff auf die Daten, um sich einen Vorteil gegenüber den nichtzahlenden Nutzern zu verschaffen (Pujol, 2010). Über die Premium-Mitgliedschaft von Amazon wird den Premium-Mitgliedern beispielsweise 30 Minuten früher Zugang zu den Amazon-Blitzangeboten ermöglicht um sich die limitierten Angebote sichern zu können (Lucks, 2019).

Funktions-Differenzierung:

In dieser Differenzierungsform wird zwischen verschiedenen Produktfunktionalitäten und dem Umfang von Service-Leistungen unterschieden. Die kostenlose Version des Produkts beinhaltet eine Limitierung der Funktionen und die kostenpflichtige Version enthält zusätzliche, fortschrittlichere Funktionen (Pujol, 2010). Spotify bietet beispielsweise für das Abschließen des Premium-Abonnements Funktionen wie das Herunterladen oder das unbegrenzte Überspringen von Musik (Spotify, o. J.). Die Problematik bei der Durchführung einer Funktionsdifferenzierung ist die Austauschbeziehung zwischen dem Vergrößern der Nutzer-Zahl des kostenlosen Angebots und dem Vergrößern der Umsatzgenerierung durch die Nutzer der zahlungspflichtigen Zusatzangebote (Pujol, 2010).

Distributions-Differenzierung:

Hier stellen die unterschiedlichen Formen der Distribution die Differenzierung des Produktes dar. Distributionsdifferenzierung findet vor allem bei verpackter Software mit Nutzerlizenz statt. Die Nutzung der Software wäre beispielsweise kostenlos, aber die weitere Verteilung und Einbindung der Software wäre kostenpflichtig. Des Weiteren könnte die Software kostenlos für nicht-kommerzielle Projekte, aber kostenpflichtig für kommerzielle Projekte sein (Pujol, 2010). Beispielsweise bietet das Unternehmen Freepik tausende freie Ressourcen in Form von Bildern und Designs. Im kostenlosen Kernangebot besitzt der Nutzer jedoch nicht die Volllizenz der Inhalte und muss sowohl Freepik als auch den Künstler bei der Nutzung der Inhalte erkennbar machen (Freepik, o. J.).

Das wesentliche Element von Freemium ist das Generieren von Nachfrage. Im Gegensatz zu anderen Modellen wird im Freemium Modell die Nachfrage durch das Anbieten einer kostenlosen Kernleistung generiert. Der Nutzer zahlt für das Produkt nicht mit Geldeinheiten, sondern mit einer alternativen Währungseinheit welches Pujol als „ Mind Share “ bezeichnet (2010, S. 2). Mind Share beschreibt sowohl die Steigerung des Bekanntheitsgrades des Angebots als auch die Erwägung des Nutzers in Zukunft vom kostenlosen Produkt zum kostenpflichtigen Produkt zu wechseln. Verkaufszyklen im Freemium-Model unterscheiden sich somit vom herkömmlichen Model. Im Freemium-Model besteht der Verkaufszyklus aus zwei Schritten. Das Produkt spielt hier eine doppelte Rolle. 1) Die Rolle als kostenloses Produkt im Markt. 2) Die Rolle als Reklame für ein mit dem Produkt verwandtes, kommerzielles Angebot. (Pujol, 2010)

Die Nutzung des Freemium-Modells als Erlösmodell birgt viele Vorteile. Es ermöglicht, dass das Unternehmen neben dem kostenlosen Angebot eine Vielfalt an verschiedenen Preisoptionen anbieten kann, um verschiedene Kundengruppen individuell ansprechen zu können (Alha et al. 2014). Das Unternehmen hat somit deutlich besseren Zugriff auf verschiedene demografische Gruppen, als in herkömmlichen Erlösmodellen (Paavilainen et al., 2013). Des Weiteren ist Dank des Freemium-Modells eine vereinfachte Verteilung der Produkte bei großer Skalierung möglich (Nanda Kumar, 2016).

Das kostenlose Angebot macht das Produkt oder die Dienstleistung für eine sehr große Kundengruppe attraktiv. Denn Kunden werden nicht mit Fixkosten konfrontiert und können sich in Ruhe mit dem kostenlosen Kernprodukt auseinandersetzen. Ein sehr großer Teil der Nutzer, welche auf die Plattform gelockt wurden, werden ausschließlich das kostenlose Kernprodukt nutzen und somit keine Erlöse für das Unternehmen generieren. Ein kleiner Teil der Nutzer wird jedoch Funktionen, welche außerhalb des kostenlosen Angebots liegen, nachfragen und somit zahlungsbereit für den Kauf von Zusatzleistungen in Form von Premium-Inhalten sein. Diese Gruppe von Nutzern wird eine größere Summe in das Produkt investieren, als es sie in einem herkömmlichen Erlösmodell in Form von einmaligen Fixkosten gekostet hätte (Nanda Kumar, 2016). Deswegen hat die Skalierung der Plattform durch Netzeffekte so eine zentrale Bedeutung im Freemium-Modell. Shi, Zhang und Srinivasan, (2019) empfehlen Freemium-Modelle nur zu nutzen, wenn das Unternehmen durch die Netzeffekte profitieren kann. Wenn Nutzerzahlen ausreichend wachsen, reicht bereits ein kleiner Prozentsatz an zahlungswilligen Nutzern für die Finanzierung des Produkts (Anderson, 2009).

Die Herausforderung, kostenlose Nutzer erfolgreich zu zahlenden Nutzern zu transferieren liegt darin den Nutzern zu seiner ersten Zahlung zu motivieren. Sobald die erste Zahlung stattgefunden hat, ist es deutlich leichter weitere Zahlungen zu motivieren (Luton, 2013). Nur durchschnittlich fünf Prozent der Nutzer kaufen bei Freemium-Modellen Premium- Inhalte (Lehdonvirta and Castronova, 2014). Die Wahrscheinlichkeit für einen Kauf von virtuellen Gütern steigt um das Sechsfache, wenn der Nutzer bereits einen Einkauf vollzogen hat (Takahashi, 2016). Der Grund weshalb es im Freemium-Modell so schwierig ist, kostenlose Nutzer zu zahlende Nutzern umzuwandeln, kann nach Paavilainen et al. (2013) auf zwei wesentliche Aspekte heruntergebrochen werden: Die erste Investition von Geld stellt sich für Nutzer als herausfordernd dar, da sie zu diesem Zeitpunkt noch nicht genug Informationen und Erfahrungen mit dem Produkt gesammelt haben, um zu determinieren, ob es ihren Ansprüchen ausreichend genügt um Zeit und Geld in das Produkt zu investieren. Des Weiteren stellt sich der Bezahlvorgang häufig als sehr kompliziert heraus. Sobald der Nutzer den Bezahlprozess einmal erfolgreich durchlaufen hat und Vertrauen in den Dienstleister hat, sinkt die Hürde für den Kauf von Premium-Inhalten um ein Vielfaches. Als weitere Möglichkeit kostenlose Nutzer zu zahlenden Nutzern umzuwandeln, empfehlen Appel, Libai, Muller und Shachar (2019, S. 3) die kostenlose Kernfunktion des Freemium-Angebots immer als „ damaged good “ anzubieten, um die Premium-Angebote attraktiver wirken zu lassen. Dies kann beispielsweise durch das Schalten von Werbung in der kostenlosen Version umgesetzt werden (Appel, Libai, Muller, & Shachar, 2019).

Niemand, Mai und Kraus (2019) setzen sich mit den Intuitionen der Nutzer im Zusammenhang mit der Entscheidung über den Kauf von Premium-Inhalten auseinander. Die Autoren identifizieren zwei gegensätzliche Intuitionen. Zum einen existiert die „ Free- Mentality “ (Niamand et al., 2019, S.2). Sie beschreibt die intuitive Erwartungshaltung des Nutzers, dass digitale Dienstleistungen grundsätzlich kostenlos sein sollten. Auf der anderen Seite steht die „ Price-Quality Inference “ (Niemand et al., 2019, S. 2). Sie beschreibt die Intuition des Nutzers, dass ein positiver Zusammenhang zwischen dem Preis und der Qualität einer Dienstleistung herrscht. Im Umkehrschluss wird ein kostenloses Angebot mit niedriger Qualität assoziiert. Nach Niemand, Mai und Kraus (2019) existiert eine Wechselwirkung zwischen diesen beiden gegensätzlichen Intuitionen, was die Konsumentenentscheidung über die Nutzung der Freemium-Inhalte beeinflusst.

Sowohl Bapna, Ramaprasad und Umyarov (2018) als auch Oestreicher-Singer und Zalmanson (2013) untersuchen den Zusammenhang zwischen dem sozialen Engagement der Nutzer und deren Bereitschaft Premium-Inhalte zu kaufen. Bapna, Ramaprasad und Umyarov (2018) untersuchen, ob Nutzer von Premium-Angeboten in einem Freemium- Modell mehr soziales Engagement zeigen und entdecken einen positiven Zusammenhang.

Nutzer von Premium-Inhalten konsumieren mehr Inhalte und involvieren sich mehr in der Nutzer-Gemeinschaft, wodurch sie einen positiven Mehrwert für sich, für die anderen Nutzer und für das Unternehmen schaffen. Oestreicher-Singer und Zalmanson (2013) identifizieren einen positiven Zusammenhang zwischen dem Grad der Beteiligung der Nutzer und deren Bereitschaft Geld für Premium-Inhalte auszugeben. Diese Ergebnisse offenbaren die Wichtigkeit einer aktiven Community in einem Freemium-Modell. Unternehmen könnten diesen Effekt für sich nutzen und Nutzer durch verschiedene Anreize darin motivieren sich aktiv in der Community einzusetzen.

Tidhar und Eisenhardt (2020) betrachten in ihrer Forschung die Komplexität eines Produktes und den Erfolg des Produktes im Zusammenhang mit dem verwendeten Erlösmodell des Unternehmens. Sie kommen zu der Erkenntnis, dass das Freemium-Modell mit insgesamt 62 Prozent das am meisten verbreitete, kostenlose Erlösmodell bei erfolgreichen Produkten ist. Die Autoren empfehlen das Verwenden des Freemium-Modells, wenn das Unternehmen die notwendige Produktkomplexität erzeugen kann. Bei den nicht-erfolgreichen Produkten findet Freemium kaum Anwendung. Nur elf Prozent dieser Produkte verwendet das Erlösmodell. Tidhar und Eisenhardt (2020) kommen zu dem Schluss, dass die nicht­erfolgreichen Unternehmen sich gegen das Freemium-Modell entscheiden, da sie komplexe Erlösmodelle vermeiden wollen und deshalb lieber einfachere, traditionelle Erlösmodelle verwenden.

5.2.4. Free-to-Play Modell

Im vorherigen Abschnitt wurde ausführlich das Freemium-Modell als Erlösmodell erläutert. Nach Hamari et al. (2017) kann das Free-To-Play Model (F2P) als eine direkte Ableitung des Freemium-Modells verstanden werden. Bei dem Free-To-Play Modell handelt es sich um das Freemium-Modell im Bereich Video-Spiele. Bei der Durchführung der Literaturanalyse wurde sehr deutlich, dass sich mit über 43 Prozent der identifizierten Literatur ein großer Teil des aktuellen Forschungsstandes über kostenlose Erlösmodelle schwerpunktmäßig mit dem Free-To-Play Modell auseinandersetzt. Aufgrund des großen Schwerpunktes, welchen die Forschung auf das Free-To-Play legt, wird diese Thesis das Modell im Folgenden detailliert aufbereiten. Ziel ist es den Lesern ein ganzheitliches Verständnis des Free-To-Play Modells zu vermitteln und eine Übersicht über den aktuellen Forschungsstand im Zusammenhang mit Free-To-Play zu ermöglichen.

Im Jahr 2019 konnte die Video-Spiel-Industrie einen Umsatz von 109,4 Milliarden Dollar erwirtschaften (Superdata, 2019). Im Laufe der letzten Jahre hat diese Industrie viel Wachstum erfahren. Dieses Wachstum wird sich auch weiterhin fortsetzen: Bis 2025 wird ein jährlicher Umsatz von 300 Milliarden Dollar erwartet (GlobalData, 2019). Dies führte zu einer Weiterentwicklung der Erlösmodelle von Video-Spielen. In der Vergangenheit wurde der Großteil des Umsatzes primär durch den Verkauf oder das Abonnement von Video­Spielen generiert. Dieses Modell wird auch pay-to-play (P2P) genannt (Davidovici, 2013). Gegenwärtig wird die Industrie jedoch von sogenannten Free-to-Play (F2P) Video-Spielen dominiert, welche sich neuer innovativer Monetarisierungsmöglichkeiten in Form von variablen in-Game-Käufe bedienen (Davidovici, 2013). In diesem Modell werden Fixkosten für den Spieler vollständig eliminiert (Davidovici, 2013). Im Jahr 2019 wurden 87,1 Milliarden Doller durch den Umsatz von Free-to-Play Video-Spiele erwirtschaftet (Superdata, 2019). Damit ist der Umsatz um sechs Prozent zum Vorjahr gewachsen (Superdata, 2019). Mit diesen Summen konnte die Video-Spiel-Industrie die Hollywood-Film-Industrie bereits überholen (Marder et al., 2019). Dieses Erlösmodell ist vor allem in Asien sehr populär und findet dort seit dem Jahr 2000 viel Anwendung. Über den Verlauf der letzten zehn Jahre fand dieses Erlösmodell auch im Westen deutlich mehr Zuspruch (Hart, 2017). Dieses neue Free-to-Play Erlösmodell generiert mehr Umsatz als das konventionelle System, in dem Spiele zu einem einmaligen Fixpreis verkauft werden (Nojima, 2007; Oh & Ryu, 2007; Cao & Downing, 2008). Auf der mobilen Plattform hat sich das Spiel PokemonGo als die am schnellsten wachsenden App aller Zeiten etabliert (Swatman, 2016). Für Computer­Systeme konnte sich das Video-Spiel Fortnite als umsatzstärkstes Spiel durchsetzen. Fortnite erwirtschaftete im Jahr 2019 einen Umsatz von 1,9 Milliarden Dollar (Superdata, 2019). Das viert-umsatzstärkste Video-Spiel League of Legends (Superdata, 2019) veranstaltet Life-Events in Fußballstadien, wo Spieler vor Millionen von Zuschauern in Wettkämpfen gegeneinander antreten (Webb, 2019). Im Jahr 2019 zählte die League of Legends Weltmeisterschaft über 100 Millionen Zuschauer (Webb, 2019).

Der Name dieser Free-to-Play Video-Spiele lässt bereits erahnen, dass der Konsum der Spiele für die Spieler komplett kostenlos ist (Marder et al., 2019). Die Monetarisierung der Spiele erfolgt durch mögliche in-Game-Käufe von virtuellen Gütern (Numminen, Viljanen, Pahikkala; 2019).

Virtuelle Güter in Video-Spiele können als spielbezogene Dienstleistung verstanden werden, welche in verschiedenen Formen einen positiven Mehrwert für das Spielerlebnis ermöglicht (Davidovici, 2013). Dabei kann es sich um eine direkte Verbesserung der Fähigkeiten des Avatars handeln, bspw. in Form von Aufrüstungen der virtuellen Waffen, Fahrzeugen oder der Verstärkung des Lebens und der Ausdauer des Spielers (ebd.). In vielen Freemium Spielen werden auch virtuelle Güter angeboten, welche dem Spieler keinen direkten Vorteil verschaffen, sondern ausschließlich kosmetischer Natur sind und den Zweck erfüllen, das visuelle Aussehen des In-Game-Avatars zu individualisieren. Das individuelle Anpassen wird somit als Verbesserung des Spielgenusses verstanden. Diese kosmetischen Güter können beispielsweise Kleidung, Rüstung, neue Avatar-Animationen und Sound-Effects sein, oder Symbole, welche Gruppen von Spielern in Form von Gilden repräsentieren (Davidovici, 2013). Somit können virtuelle Güter nach Marder et al. (2019) in funktionelle- und nicht-funktionelle Güter oder nach Wu, Chen und Cho (2013) in Waffen und dekorative Objekte unterteilt werden. Obwohl in der Literatur unterschiedliche Begriffe verwendet werden, beschreiben sie dasselbe Konzept. Interessant ist, dass sich bei vielen Spielern von Free-to-Play Video-Spielen eine Geringschätzung von funktionellen Gütern in Form von Premium-Inhalten entwickelt hat, da diese für eine sogenannte Pay-to-Win Kultur sorgen (Davis, 2013). Aufgrund dieser funktionellen Güter hängt der Erfolg eines Spielers nicht mehr von seinen individuellen Fähigkeiten ab, sondern von seinen finanziellen Investitionen in Premium-Inhalte. Dies widerspricht der Idee eines kostenlosen Angebots in Form eines Free-to-play Video-Spiels. Aus diesem Grund beschränken sich viele der neuen Video-Spiel-Entwickler bei ihren Premium-Inhalten auf nicht-funktionelle Güter, welche ausschließlich das Aussehen des Avatars im Video-Spiel individualisieren und keinen Einfluss auf die Spielmechaniken haben. Das oben bereits erwähnte Spiel Fortnite ist nicht nur eines der erfolgreichsten Video-Spiele im Zusammenhang mit dem Verkauf von virtuellen-Gütern (Shaban, 2019) - sein Erfolg liegt im exklusiven Verkauf von nicht­funktionellen Gütern (Cai, Wohn, Freeman, 2019). Das heißt, dass ein zahlender Spieler in Fortnite niemals einen Vorteil gegenüber einem nicht-zahlenden Spieler erleben wird. Entwickler sollten immer auf eine angemessene Balance zwischen der Stärke des Spieleinflusses der Güter, welche nur gekauft werden können und der Güter auf welche nicht-zahlende Spieler zugreifen können, abzielen. In einem kompetitiven Video-Spiel kommt es sonst sehr schnell zu einem Gefühl von Ungerechtigkeit (Davidovici, 2013).

5.2.4.1. Forschungsstand von Free-to-Play Video-Spiele

Da sich mit 43 Prozent fast die Hälfte der identifizierten Literatur mit dem Free-to-Play Modell auseinandergesetzt haben wird deutlich, das hohes Interesse an diesem Modell besteht. Da die Video-Spiel Industrie viel Wachstum erfahren hat möchten viele Unternehmen mehr über das Free-to-Play Modell erfahren. Aus diesen Gründen wird der Forschungsstand über dieses Erlösmodell im Folgenden detailliert aufbereitet.

Es wurden mehrere Elemente von Free-to-Play Video-Spiele untersucht. Die Forschungsergebnisse der im Zuge der Literaturanalyse identifizierten Arbeiten werden im Folgenden dargestellt.

In 5.2.4.2. werden virtuelle Güter weiter differenziert, die Balance in der Preissetzung zwischen billigen und exklusiven Güterpreisen untersucht und die Netzwerkeffekte von virtuellen Gütern erforscht. In 5.2.4.3. werden die Motivationen erforscht, auf Basis welcher Spieler virtuelle Güter erwerben und in 5.2.4.4. wird der Forschungsstand bezüglich des zahlenden Teils der Spieler erläutert.

5.2.4.2. Virtuelle Güter

Virtuelle Güter sind wesentlicher Bestandteil von Free-to-Play Video-Spielen. Durch sie wird die Umsatzgenerierung des Erlösmodells möglich. In der Einleitung dieses Kapitels wurde die Differenzierung von virtuellen Gütern in funktionelle- und nicht-funktionelle Güter (Marder et al., 2019) oder in Waffen und dekorative Güter (Wu, Chen, & Cho, 2013) vorgestellt. Davidovici-Nora (2013) geht noch differenzierter vor und bricht virtuelle Güter weiter herunter. Es werden insgesamt sechs verschiedene Güter identifiziert. Diese werden im Folgenden in Tabelle 4 näher erläutert.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 4: Virtuelle Güter Übersicht

Mit der optimalen Preissetzung von virtuellen Gütern haben sich Geng und Chen (2019) auseinandergesetzt. Sie weisen darauf hin, dass Entwickler eine angemessene Balance zwischen den virtuellen Gütern im niedrigeren Preis-Segment und den Gütern im exklusiven Preis-Segment finden müssen. Niedrige Preise führen zu vielen Nutzern und somit zu positiven Netzwerkeffekten. Hohe Preise führen zu Exklusivität und erhöhter Zahlungsbereitschaft von Spielersegmenten mit snobistischen Eigenschaften (Geng & Chen, 2019).

Wu, Chen und Cho (2013) untersuchen die Netzwerkeffekte von virtuellen Gütern in Free- to-Play Video-Spiele. Es konnten mehrere Netzwerkeffekte identifiziert werden, welche in Tabelle 5 dargestellt werden.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 5: Netzeffekte

In der Analyse kommen Wu, Chen und Cho (2013) zum Ergebnis, dass das Free-to-Play Video-Spiel hohe Erlöse generiert, wenn die positiven Netzwerkeffekte maximiert werden können und die negativen Netzwerkeffekte minimiert werden können.

5.2.4.3. Motivationen für den Kauf von virtuellen Gütern

Die verschiedenen Motivationen für den Kauf von virtuellen Gütern wurden in der Literatur auf unterschiedliche Weise erforscht. So wurden beispielsweise durch Marder et al. (2019) die Kaufmotivationen für nicht-funktionelle virtuelle Güter untersucht. Des Weiteren gliedern sie die einzelnen Kaufmotivationen in hedonistische, soziale und utilitaristische Motive. Mäntymäki und Salo (2015) betrachten den jugendlichen Teil der Spieler als individuelle Spieler-Gruppe und erarbeiten deren Antriebe für den Kauf. Hamar, Alha et al. (2017) identifizieren sechs verschiedene Dimensionen, nach denen die Kaufmotivationen kategorisiert werden können: Das hindernisfreie Spielen, die soziale Interaktion, der Wettbewerb mit anderen Spielern, wirtschaftliche Begründung, das Verwöhnen der eigenen Kinder und das Freischalten bestimmter Spiele-Inhalte. Samarnggoon und Kunkhet (2019) erkennen den Individualisierungsdrang als einen der wesentlichsten Motive für den Kauf von virtuellen Gütern. Das Bedürfnis, sich von anderen Spielern abzuheben, ist noch größer als der Wunsch, sich einen kompetitiven Vorteil zu verschaffen. Belk (2013) identifiziert den Konsum von digitalen Inhalten als eine Form der Selbstdarstellung. Somit können Avatare in Video-Spielen als ein erweitertes Selbst verstanden werden.

Im Folgenden werden die verschiedenen Motivationen, welche in der Literatur identifiziert werden konnten, in einer Tabelle zusammengefasst:

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 6: Motivationen für den Kauf von virtuellen Gütern

5.2.4.4. Käufer von virtuellen Gütern

Die Motivationen, die hinter dem Kauf von virtuellen Gütern stehen, wurden nun ausführlich erläutert. Somit wurde das „Warum“ für den Kauf von virtuellen Gütern beantwortet. Im Folgenden wird das „Wer“, also dem Forschungsstand über die Spielergruppe, die für die virtuelle Güter zahlt, näher dargestellt.

In Free-to-Play Video-Spiele zahlt nur ein geringer Teil der Spieler für virtuelle Güter. Nach Lehdonvirta und Castronova (2014) führen fünf Prozent der Spieler Zahlungen durch.

Lovell (2011) und Lovell (2012) brechen den zahlenden Teil der Spieler weiter herunter und identifizieren drei verschiedene Spielerprofile: Walle, Delfine und Fische.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 7: Spielerprofile nach Lovell (2011) und Lovell (2012)

Es wird deutlich, dass ein sehr geringer Anteil der gesamten Spielerzahl für den Hauptteil der Umsatzgenerierung verantwortlich ist. Umso wichtiger ist es für Unternehmen Informationen über diese Spieler zu sammeln. Forscher haben sich mit diesem Thema auf verschiedener Weise auseinandergesetzt, um das Spielersegment der Käufer von virtuellen Gütern so detailliert wie möglich definieren zu können.

Cai, Wohn und Freeman (2019) untersuchten hierfür den Einfluss des Alters, die verbrachte Spielzeit und den finanziellen Hintergrund auf das Kaufverhalten. In ihrer Arbeit identifizieren sie eine negative Korrelation zwischen dem Alter der Spieler und der Wahrscheinlichkeit Geld für virtuelle Güter auszugeben. Dies offenbart, dass eher junge Leute Geld für Free- to-Play Video-Spiele ausgeben. Die totale Anzahl an Spielstunden (Spielstunden pro Woche) waren kein signifikanter Indikator für die Wahrscheinlichkeit von Einkäufen, jedoch konnte eine positive Korrelation identifiziert werden. Die Zeit, welche ein Spieler bereits mit dem Spiel verbracht hat (Monate des Video-Spiel-Konsums) war ein signifikanter Indikator für die Wahrscheinlichkeit von Einkäufen. Diese Erkenntnisse deuten an, dass eher die Bindung zum Video-Spiel als die Spielstunden an sich die Zahlungsbereitschaft beeinflussen (Cai, Wohn, Freeman, 2019). Weitere Untersuchungen zeigen, dass der finanzielle Hintergrund der Spieler überraschenderweise kein signifikanter Indikator für In­Game Käufe darstellt. Somit wird die Kaufbereitschaft nicht durch die finanziellen Ressourcen, sondern durch das Video-Spiel selbst entschieden (Cai, Wohn, Freeman, 2019). Da die meisten der Free-to-Play Online Video-Spiele zusammen mit echten Mitspielern gespielt werden könnte der Einfluss von Freunden und Mitspieler einen Einfluss auf das Kaufverhalten haben. Fang, Zheng, Ye und Goes (2019) untersuchen hierfür den Zusammenhang zwischen sozialen Bindungen und der Kaufwahrscheinlichkeit von Premium-Inhalten. Es konnte festgestellt werden, dass der Zusammenhalt von Spielern auf Basis von sozialen Verbindungen innerhalb eines sozialen Netzwerks zu einer höheren Zahlungsbereitschaft für Premium-Inhalte führt. Die Autoren (Zheng et al., 2019, S. 4) unterteilen die sozialen Bindungen in Verbindungen zwischen zwei Spieler, die keine gemeinsamen Freundschaften zu Dritten teilen („Pure Friends“) und Verbindungen zwischen zwei Spieler, die gemeinsame Freundschaften zu Dritten teilen („Simmelian-Tie Friends“). Das Forschungsergebnis war, dass der Effekt der sozialen Verbindung bei Pure Friends deutlich stärkeren Einfluss auf das Kaufverhalten hatte als bei Simmelian-Tie Friends. Hamari (2015) untersucht, inwieweit die Peergruppe des Spielers Einfluss auf das Kaufverhalten hat. Wird der Kauf von virtuellen Gütern in der Peergruppe des Spielers anerkannt, hat dies starken Einfluss auf die Kaufbereitschaft des Spielers.

Dinsmore, Swani und Dugan (2017) untersuchen den Zusammenhang verschiedener Persönlichkeitsmerkmale und der Tendenz virtuelle Güter zu kaufen. Es werden die drei Persönlichkeitsmerkmale Impulsivität, Sparsamkeit und die Neigung zum Verhandeln, auf ihren Effekt geprüft. Das Forschungsergebnis offenbart eine positive Kausalität zwischen dem Kaufverhalten und den Persönlichkeitsmerkmalen Impulsivität als auch der Neigung zum Verhandeln. Es wird eine negative Kausalität zwischen dem Kaufverhalten und dem Persönlichkeitsmerkmal Sparsamkeit entdeckt.

Banerjee, Mukherjee, Dutta und Ghosh (2019) erforschen eine weitere Möglichkeit der Spieler-Segmentierung. Ihr Ziel ist es vorauszusagen welche Spieler in Zukunft mit dem Spielen des jeweiligen Video-Spieles aufhören werden. Hierfür entwickeln sie ein Modell. Diese Informationen sind für eine effizientere Gestaltung der Bewerbung der virtuellen Güter sehr wertvoll.

Die Forschungsergebnisse zeigen, dass vor allem junge Spieler Käufe tätigen (Cai et al., 2019). Desto mehr der Spieler das Spiel konsumiert, desto höher ist die Kaufwahrscheinlichkeit, jedoch ist vor allem die persönliche Bindung, die der Spieler zum Video-Spiel aufgebaut hat von Wichtigkeit (ebd.). Der finanzielle Hintergrund hat keinen Einfluss auf die Kaufentscheidung (ebd.). Der Zusammenhalt der Spieler im sozialen Kontext führt zu einer erhöhten Kaufwahrscheinlichkeit (Fang et al., 2019). Dieser Effekt trifft vor allem bei Pure Friends zu, also Spieler, die keine gemeinsamen Freunde haben (ebd.). Impulsive Spieler oder Spieler die gerne Verhandeln tätigen mit höherer Wahrscheinlichkeit Käufe (Dinsmore et al., 2017). Diese Erkenntnisse könnten einen Mehrwert für Entwickler von Free-to-Play Video-Spielen darstellen, da sie ihre Bewerbung der virtuellen Güter individualisierter gestalten können.

5.2.5. Mehrseitige Plattform

Bei der mehrseitigen Plattform handelt es sich um ein indirektes Erlösmodell mit Quersubvention. Das heißt die Nutzung der Dienstleistung oder des Produktes ist für den Konsumenten komplett kostenlos. Die Kosten werden durch Dritte getragen. Diese Form von indirekten Erlösmodellen gewinnt immer mehr an Bedeutung. Für eine erfolgreiche Umsetzung des Modells müssen Unternehmen Konstellationen im Markt identifizieren, wo die Umsetzung solcher Quersubventionen umsetzbar sind. Die Funktionsweise des Modells kann über die Theorie von zweiseitigen Märkten näher erläutert werden. (Bieger, 2011)

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 8: Indirektes Erlösmodell in zweiseitigen Märkten (Bieger, 2011, S. 173)

In solch einem Szenario übernimmt das Unternehmen die Rolle einer Plattform. Mit dieser Plattform wird ermöglicht, dass die zwei Nutzergruppen der zwei Märkte miteinander in Interaktion treten können (Bieger, 2011). Beide Nutzergruppen ziehen Vorteile aus der Anzahl der Nutzer von der anderen Marktseite. Jedoch profitiert eine Nutzergruppe häufig mehr als die Andere. Vorteile, die auf Basis der Größe der Nutzergruppe der anderen Marktseite entstehen nennt man Netzeffekte (ebd.). Netzeffekte spielen bei mehrseitigen Plattformen eine zentrale Rolle. Sind Netzeffekte vorhanden, steigt der Nutzen des Netzwerks und des damit verbundenen Produktes oder der Dienstleistung bei steigender Zahl der Nutzer. In zweiseitigen Märkten bedeutet dies, dass eine steigende Nutzerzahl auf der einen Seite den Nutzen auf der anderen Marktseite erhöht. Somit ist es typisch für zweiseitige Märkte, dass die Preisstruktur maßgeblichen Einfluss auf die Anzahl der Transaktionen hat und somit auf den Erfolg der Plattform (ebd.). Die Plattformunternehmen werden hierbei mit dem sogenannten „Henne und Ei“ Problem konfrontiert. Die Unternehmen sehen sich der Herausforderung gegenüber Nutzer auf die eine Seite der Plattform zu bringen, ohne eine hohe Nutzerzahl auf der anderen Plattformseite vorweisen zu können (ebd.). Ein potenzieller Lösungsansatz dieses Problems ist die Subventionierung der Plattformseite, welche einen höheren Netzeffekt ausübt (Evans, 2003).

Bei zweiseitigen Plattformen werden häufig zwei bestimmte Kombinationen von Nutzergruppen vorgefunden (Bieger, 2011):

A) Advertising Modell: Endkonsumenten der angebotenen Dienstleistung und Werbebetreibende. Dieses Konzept findet beispielsweise bei Facebook Anwendung (Currier, 2020).

B) Brokerage Modell: Auf der Plattform werden Käufer und Verkäufer eines Produktes oder einer Dienstleistung zusammengebracht. Die Plattform ermöglicht somit die Transaktionen zwischen den beiden Nutzergruppen (Bieger, 2011).

Beide Ausprägungen von zweiseitigen Plattformen werden im Folgenden näher erläutert.

5.2.6. Advertising Modell

Das Advertising-Model bietet sich in mehreren Situationen als Erlösmodell an. Zum Beispiel bei steigenden Werbekosten, da hoher Umsatz pro Werbung den gesamten Umsatz maximiert (Casadesus-Masanell & Zhu, 2010). Des Weiteren zeigt eine Analyse von Gabszewicz et al. (2005), dass sinkende Werbeaversion, zum Beispiel die Abneigung der Verbraucher gegenüber Werbebanner, gute Voraussetzungen für die Nutzung des Advertising-Models bietet. Die Arbeiten von Lin et al. (2012) und Chen et al. (2016) verdeutlichen, dass sich das Advertising-Model bei niedriger Qualität des Produktes anbietet, da es unwahrscheinlich ist, dass die Konsumenten für das Produkt bezahlen würden.

Ein Drittel aller erfolgreichen Produkte verwenden die mehrseitige Plattform in Kombination mit Werbung (Tidhar, Eisenhardt, 2020). Nach Tidhar und Eisenhardth (2020) ist dieses Erlösmodell besonders erfolgreich, wenn durch die Nutzung der Dienstleistung durch die Konsumenten wertvolle Daten generiert werden können. Diese Daten können dann an den dritten Akteur für die Erlösgenerierung weiterverkauft werden. Dabei kann es sich beispielsweise um Werbebetreibende, Investoren, oder Banken handeln. Somit findet das mehrseitige Plattform-Modell Anwendung, wenn der Konsument durch seine Daten zur Wertschöpfung beitragen kann (Tidhar & Eisenhardth, 2020). Ein Beispiel für eine erfolgreiche Umsetzung des mehrseitigen Plattform-Modells ist das Unternehmen WebMD. Bei diesem Unternehmen handelt es sich um ein Online Herausgeber von Informationen im Bereich Gesundheitswesen. Nutzer können durch WebMD auf ein breites Spektrum an wissenschaftlich geprüfte Informationen über Gesundheit zugreifen (ebd.). Des Weiteren wird eine Suchmaschine angeboten, welche auf Basis von Symptomen potenziellen Erkrankungen identifizieren kann. Die im Zuge dieses Suchprozesses gesammelten Daten sind für viele Unternehmen sehr wertvoll. Somit können pharmazeutische Unternehmen die spezifische Zielgruppe für ihre Produkte direkt mit ihrer Werbung ansprechen (ebd.). Da es sich bei dieser Werbung um Produkte für die Behandlung der Erkrankung der Nutzer handelt werden diese toleriert oder sogar begrüßt. (ebd.).

Lin, Ke und Whinston (2012) untersuchen im Zusammenhang mit dem Advertising-Model verschiedene Werbemodelle und deren Leistung in Monopol- und Duopol-Szenarien. Sie analysieren das Performance-based Model und das Cost-per-Thousend-Impressions Model (CPM). Zusammen sind diese zwei Modelle für 97 Prozent aller Online-Werbeeinnahmen verantwortlich (iab & pwc, 2019).

Abbildung wurde aus urheberrechtlichen Gründen vom Redaktionsteam entfernt.

Abbildung 9: Online-Werbeeinnahmen generiert durch Werbemodelle von 2005 bis 2018 (iab & pwc, 2019).

Im CPM-Modell zahlen Werbebetreibende in Abhängigkeit der Anzahl der Nutzer, die die Werbung sehen konnten. Die Effektivität der Werbung und die damit verbundene Klick-Rate spielt in diesem Modell somit keine Rolle. Das Performance-based Modell betrachtet auch die Abneigung der Nutzer gegenüber Werbung. Das heißt Werbebetreibende müssen für die Werbung nur zahlen, wenn der Nutzer mit der Werbung in irgendeiner Form interagiert (Lin, Ke, & Whinston, 2012). Bei dem Vergleich der beiden Modelle kommen die Autoren zum Schluss, dass sowohl in einer duopolistischen als auch in einer monopolistischen Marktsituation das Performance-based Modell besser geeignet ist. Des Weiteren untersuchen die Autoren, ob ein Unternehmen in einer monopolistischen oder duopolistischen Marktsituation ihre Dienstleistung mit Werbung, ohne Werbung, oder in einer Kombination aus beidem anbieten sollten (ebd.). Sie kommen zum Schluss, dass ein Unternehmen in Monopolstellung sowohl eine Version mit Werbung als auch eine Version ohne Werbung anbieten sollte. In einer duopolistischen Marktsituation sollte eines der Unternehmen die Kombinierte Version anbieten, während das andere Unternehmen die Version mit Werbung anbietet (ebd.)

Mhaidli, Zou und Schaub (2019) setzen sich mit den Sicherheitsrisiken von sogenannten Werbenetzwerken auseinander. Werbenetzwerke verbinden Entwickler von Applikation mit Werbebetreibenden zur Monetisierung von Apps. Die Nutzung solcher Werbenetzwerke ist jedoch mit einigen Sicherheitsrisiken verbunden. Um den Nutzern der App relevante Werbebanner zeigen zu können sammeln die Werbenetzwerke viele persönliche Nutzerdaten (zum Beispiel Online-Verhalten des Nutzers, persönliche Interessen, Aufenthaltsorte, Alter, Geschlecht, ...) (Son, Kim, & Shmatikov, 2016). Diese allgegenwärtige Datenerfassung ist im Zusammenhang mit Datenschutz als bedenklich zu bewerten. Diese Daten könnten genutzt werden, um Nutzer zu schädigen und zu manipulieren (Chester, 2012). Mhaidli, Zou und Schaub (2019) untersuchen die Entscheidungsfindung der Entwickler im Zusammenhang mit Werbenetzwerken. Es wird entdeckt, dass Entwickler Werbenetzwerke nutzen, da sie dies als die einzige Möglichkeit zur Monetisierung wahrnehmen, um ihre App kostenlos für den Konsumenten anbieten zu können. Ihre Entscheidung über die Auswahl des Werbenetzwerkes basiert nicht auf einer ganzheitlichen Recherche der einzelnen Netzwerke, sondern lediglich auf Basis der Netzwerk-Bekanntheit. Die meisten Entwickler führen keine Individualisierung der Einstellungsoptionen in den Werbenetzwerke durch, um die Sicherheitsrisiken für die

Konsumenten zu minimieren. Entwickler schätzen sich als nicht in der Lage und als nicht verantwortlich ein die Sicherheitsrisiken, welche für die Endkonsumenten durch die In-App Werbung entstehen persönlich zu adressieren (Mhaidli, Zou, & Schaub, 2019).

5.2.7. Brokerage Modell

Im Brokerage Modell, auch Transaktions Modell genannt, generiert das Unternehmen Erlöse durch Gebühren, welche von einer Seite der Plattform bei erfolgreichem Abschluss einer Transaktion gezahlt werden (Laudon & Traver, 2017). Die Nutzergruppe der anderen Plattform-Seite wird für die Nutzung der Plattform demnach mit keinen Kosten konfrontiert. Um im Brokerage Modell nachhaltig Umsatz generieren zu können ist eine große Nutzermenge (Zeng & Reinartz, 2003) und eine Zahlungswilligkeit des Nutzers erforderlich (Enders, Hungenberg, Denker, & Mauch, 2008). Diese zwei Faktoren sind voneinander abhängig. Das heißt, wenn auf der Plattform Transaktionen in einem hohen Wert durchgeführt werden, existieren hohe Transaktionsgebühren, was im Umkehrschluss eine hohe Zahlungswilligkeit erfordert. In diesem Fall würde bereits eine relativ kleine Nutzermenge für eine nachhaltige Umsatzgenerierung ausreichen. Im Fall von eBay, wo in der Regel Transaktionen in geringem Wert anfallen, muss die Nutzermenge und die damit verbundene Anzahl an Transaktionsmenge hoch sein (Enders et al., 2008). Da sich die zwei Nutzergruppen der Plattform, welche für die Durchführung von Transaktionen miteinander in Kontakt gebracht werden, nicht persönlich kennen, ist ein hoher Grad an Vertrauen in die Plattform notwendig (Van Baalen et al., 2005).

5.2.8. Brokerage Modell vs. Advertising Modell

Im Folgenden werden das Brokerage-Modell und das Advertising-Modell an Beispiel der zwei Unternehmen eBay.com und Taobao.com gegeneinander abgewogen.

Die zwei führenden Plattformen eBay.com und Taobao.com nutzen trotz sehr ähnlichem Geschäftsmodell zwei unterschiedliche Erlösmodelle (Chen, Fan & Li, 2016). eBay.com verwendet das Brokerage-Modell, in dem die Erlösgenerierung durch Verkäufer stattfindet. Taobao.com nutzt das Advertising-Modell, in dem die Plattformseite der Verkäufer die Plattform umsonst nutzen kann und die Monetisierung durch das Schalten von Werbung zur Vergrößerung der Reichweite erfolgt. Chen, Fan und Li (2016) untersuchen wie sich die jeweiligen Modelle auf die Umsatzgenerierung der Plattform und auf den Nutzen der Käufer- als auch der Verkäufer-Seite der Plattform auswirken. Die Autoren kommen zu dem Ergebnis, dass der für Werbung zugeordnete Platz auf dem Bildschirm und die „Übereinstimmungswahrscheinlichkeit“, der Wahrscheinlichkeit, dass der Käufer den idealen Verkäufer erfolgreich identifiziert, Schlüsselfaktoren für den Vergleich der beiden Modelle sind.

Wenn nur wenig Platz für das Anzeigen von Werbung vorhanden ist, kann das Brokerage- Modell mehr Umsatz generieren (ebd.). Wenn viel Platz für das Anzeigen von Werbung vorhanden ist, hängt die Determinierung von der Übereinstimmungswahrscheinlichkeit ab (ebd.). Bei einer hohen Übereinstimmungswahrscheinlichkeit generiert das Brokerage- Modell mehr Umsatz. Bei niedriger Übereinstimmungswahrscheinlichkeit ist das Advertising Model zu bevorzugen. Für die Käufer-Seite der Plattform birgt die Nutzung des Advertising- Modells mehr Nutzen, da die Verkäufer aufgrund der fehlenden Transaktionsgebühren aktiver agieren. Für die Verkäufer-Seite der Plattform birgt die Nutzung des Advertising- Modells mehr Nutzen, sofern keine niedrige Übereinstimmungswahrscheinlichkeit bei beträchtlichem Raum für Werbung existiert. In diesem Fall wäre das Brokerage-Modell zu bevorzugen (Chen, Fan, & Li, 2016).

5.2.9. Open Source Model

Open Source Software basiert auf der Free Software Bewegung, welche maßgeblich durch Richard M. Stallman geprägt wurde (Vainio & Vadén, 2007). Da Stallman in dem wachsenden Trend Software als Eigentum zu behandeln, schwerwiegende ethische Probleme sah, kündigte er 1984 in The GNU Manifesto an, Unix als ein frei erhältliches Betriebssystem auf den Markt zu bringen (Stallman, 2002). Aufbauend auf dem Unix System begann Linus Torvalds in 1991 mit der Entwicklung von Linux. Nach der sogenannten Goldenen Regel welche Stallman in seinem Beitrag in The GNU Manifesto (1984) präsentierte sollte ein Programm mit den Menschen, im Geiste von Kooperation und Solidarität kostenlose miteinander geteilt werden (Stallman, 2002). Nach Stallman sollten Software-Unternehmen und Software-Nutzer die Art und Weise wie sie mit Software umgehen anpassen. Anstatt sie wie ein Alltagsgegenstand zu verkaufen und zu kaufen, sollte sie in einer Zusammenarbeit zwischen Nutzer und Entwickler entwickelt werden. Die Software wäre somit umsonst, jedoch wären die Nutzer auf verschiedene Dienstleistungen wie Unterstützung in der Nutzung oder dem Erstellen von individuellen Software­Modifikationen angewiesen. Diese Dienstleistungen könnten durch die Unternehmen zur

Umsatzgenerierung verkauft werden. Dadurch könnte eine starke Produktivitätssteigerung erzielt werden, da keine Software eine geteilte Ressource aller Unternehmen wären und somit keine unnötige, doppelte Entwicklungsarbeit stattfinden würde. Dadurch wäre der Nutzer nicht mehr von den Eigentümern der Software abhängig, da jeder Entwickler ein Open Source Programm individualisieren kann (Stallman, 2002). Stallman definiert free Software indem er Bezug auf die Rechte der Nutzer nimmt. Er listet vier Voraussetzungen, welche eine Software erfüllen muss, um als free Software verstanden werden zu können (Stallman, 2002):

- Die Freiheit die Software zu nutzen
- Die Freiheit die Funktionsweise der Software zu untersuchen und auf Basis des Quellcodes individuell auf die eigenen Bedürfnisse anzupassen
- Die Freiheit Kopien der Software weiter zu verteilen
- Die Freiheit die Software weiterzuentwickeln und auf Basis der Veröffentlichung des Quellcodes die anderen Nutzer an diesen Verbesserungen teilhaben zu lassen

Da es sich bei Open Source Software (OSS) somit um komplett kostenlos zugängliche Software handelt und diese somit nicht in Form eines Produktes weiterverkauft werden kann, hat sich die in dieser Literaturanalyse identifizierte Literatur mit der Frage auseinandergesetzt, wie Unternehmen OSS erfolgreich monetisiert werden können. Im Folgenden wird näher erläutert zu was für Ergebnissen, die in der Literaturanalyse identifizierten Forschungsarbeiten gekommen sind und wie profitorientierte Unternehmen im Zusammenhang mit Open Source Software erfolgreich Erlösströme generieren können. Nach De Laat (2005) nutzen Unternehmen welche ihre eigene entwickelte Software als Open Source lizenzieren und Unternehmen, welche von bereits entwickelter Software profitieren wollen, dieselben Erlösmodelle. Die potentiellen Erlösmodelle umfassen den Verkauf von Dienstleistungen zur Unterhaltung von OSS Software, der Verkauf von Hardware, welche in Zusammenhang mit OSS Software genutzt werden kann, oder der Verkauf von kommerzieller Software, die OSS Software ergänzen kann. Hecker (1999) identifiziert acht verschiedene Erlösmodelle. Obwohl die durch Hecker identifizierten Erlösmodelle bereits über zwanzig Jahre alt sind, handelt es sich bis zum gegenwärtigen Zeitpunkt immer noch um eine der umfangreichsten Auflistung von OSS Erlösmodelle (Rajala, Nissilä & Westerlund, 2007).

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 8: Open Source Erlösmodelle nach Hecker (1999)

Rajala, Nissilä und Westerlund (2007) analysieren zwei profitorientierte Unternehmen, MySQL und Red Hat, welche OSS erfolgreich monetisieren. Das Ziel ist die Identifikation der durch die Unternehmen genutzten Erlösmodelle.

MySQL stellt Produkte und Dienstleistungen im Bereich Datenbanksysteme zur Verfügung. Neben dem kostenlosen Angebot der Kernsoftware unter der GPL Lizenz wird der Erlös durch den Verkauf von proprietären Lizenzen und dem Angebot von Dienstleistungen generiert. Der Hauptteil des Erlöses wird durch andere Unternehmen erbracht. Bei den Erlösmodellen handelt es sich nach Hecker (1999) um Teile aus Support Selling und Loss­Leader.

Red Hat vertreibt das weit verbreitete Linux Betriebssystem. Red Hat selbst entwickelt zum größten Teil nicht, sondern ist spezialisiert auf das Verpacken, das Branding und dem Vertrieb der Software. Somit machen sie die OSS für die Nutzer zugänglich, die sich nicht mit dem Betriebssystem auskennen. Des Weiteren bieten sie Support, Training und Beratung an. Bei dem Erlösmodell handelt es sich nach Hecker (1999) um Support Selling. Die in der Literatur identifizierten Erlösmodelle im Zusammenhang mit OSS zeigen, dass Unternehmen mehrere Möglichkeiten der Monetisierung von Open Source Software haben. Die Analyse von MySQL und Red Hat zeigt, dass die identifizierten Erlösmodelle auch in der Praxis erfolgreich anwendbar sind.

6. Fazit

Die Forschungsfrage dieser Thesis behandelt die Frage, mit welchen Erlösmodellen digitale Geschäftsmodelle ihre Produkte und Dienstleistungen für den Nutzer kostenfrei anbieten können. In der systematischen Literaturanalyse konnten erfolgreich drei Erlösmodelle identifiziert werden, welche in weitere, untergeordnete Modelle heruntergebrochen werden können (siehe Abbildung 10). Diese wurden ausführlich im Zusammenhang mit den Forschungsergebnissen der Literatur theoretisch aufbereitet und bestätigen die Wirksamkeit von kostenlosen Erlösmodellen. Somit konnte die Forschungsfrage erfolgreich beantwortet werden. Da sich kostenlose Geschäftsmodelle im digitalen Kontext immer mehr durchsetzen, wird deutlich, dass sie in vielerlei Hinsicht erfolgreicher als herkömmliche Erlösmodelle sein können. Unternehmen im digitalen Kontext, die noch keinen Gebrauch von kostenlosen Erlösmodelle machen, sollten ihre bestehenden Geschäftsmodelle kritisch hinterfragen um zu determinieren ob die in dieser Literaturanalyse identifizierten Erlösmodelle für sie sinnvoll sein könnten. Die Literatur zeigt, dass es sich bei kostenlosen Erlösmodellen im Gegensatz zu herkömmlichen Erlösmodellen um komplexere Preissysteme handelt, deren erfolgreiche Umsetzung durchaus herausfordernd sein kann. Jedoch können Im Zuge aktueller Trends, wie der Erwartungshaltung im Internet Inhalte kostenlos zur Verfügung gestellt zu bekommen, diese Erlösmodelle deutlich höhere Umsätze ermöglichen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 10: Erlösmodelle

Die in der Literaturanalyse benutzte Methodik stößt an einigen Stellen an ihre Grenzen. Die Limitationen dieser Forschungsarbeit sollen im Folgenden kurz näher erläutert werden. Die Auswahl und die Analyse der Literatur wurden nur von einem Gutachter, dem Autor, durchgeführt. Um die Durchführung weniger verzerrt zu gestalten, hätten weitere Gutachter an dem Auswahlprozess teilnehmen müssen. Obwohl für den Auswahlprozess der Literatur ein Modell entwickelt wurde um die Auswahl so objektiv wie möglich zu gestalten, ist die Auswahl zu einem bestimmten Grad durch die subjektive Meinung des Autors und Gutachters geprägt. Des Weiteren konnten manche der Artikel, welche durch den Autor als relevant eingestuft wurden nicht mit in die Analyse aufgenommen werden, da der Autor keinen Zugriff bzw. keine Lizenzen für die Artikel hatte. Die Abwesenheit dieser Artikel könnte das Ergebnis der Analyse verzerren und es kann nicht ausgeschlossen werden, dass Erlösmodelle deswegen nicht identifiziert wurden. Obwohl im Zuge der Literaturanalyse eine große Menge an Artikeln aus insgesamt 1217 Quellen analysiert wurde, hätten weitere Datenbanken hinzugezogen werden können um eine noch größere Stichprobe zu ermöglichen. Mit einer größeren Stichprobe wäre die Auswahl der identifizierten Erlösmodelle noch repräsentativer.

Aufgrund der verschiedenen Limitierungen der Forschungsarbeit wie der Subjektivität und der mangelnden Anzahl der Gutachter, dem Ausschließen von Artikel auf Grund fehlender Lizenzen oder dem Potential einer größeren Stichprobe besteht die Wahrscheinlichkeit, dass nicht alle kostenlosen Erlösmodelle vollständig durch den Autor identifiziert wurden.

7. Ausblick

Die in dieser Thesis durchgeführte Literaturanalyse ermöglicht eine Übersicht und ein tieferes Verständnis verschiedener Erlösmodelle, welche die kostenlose Bereitstellung von (im Wesentlichen digitalen) Gütern ermöglichen. Diese Erkenntnisse können Manager sowohl darin unterstützen neue Erlösmodelle für ihre Unternehmen zu finden als auch ihre bestehenden Erlösmodelle anzupassen um sowohl auf die neuen Herausforderungen als auch auf die Möglichkeiten des Internets zu reagieren. Trotzdem bleiben noch einige Fragen unbeantwortet, welche durch zukünftige Forschung beantwortet werden könnten. Die deskriptive Analyse macht deutlich, dass das Forschungsthema über die letzten Jahre deutlich an Popularität gewonnen hat. Fast ein Drittel der Literatur, welche in dem Zeitraum der letzten 21 Jahre veröffentlicht wurde, entstand im Jahr 2019. Man kann also davon ausgehen, dass dieses Gebiet auch in Zukunft weiterhin erforscht werden wird um die noch ungeklärten Fragen näher zu untersuchen.

Obwohl die in der Literaturanalyse identifizierten Erlösmodelle nachweislich für einige Unternehmen funktionieren ist immer noch ungeklärt zu welchem Grad diese Modelle generalisierbar sind. Beispielsweise ist unbekannt ob die zahlreichen Forschungserkenntnisse für das Free-to-Play Modell verallgemeinerbar sind und auch auf das Freemium-Modell übertragbar sind. Da sich 43,84 Prozent der Forschung mit dem Free- to-Play Modell auseinandersetzt wäre es hilfreich die Forschungsergebnisse aus diesem Bereich auch in Unternehmen zu nutzen, die sich eines anderen Freemium-Konzepts bedienen.

Eine weitere ungeklärte Frage ist, inwieweit die verschiedenen Erlösmodelle in verschiedene Branchen und Industrien anwendbar sind. Es gilt herauszufinden ob jedes der Erlösmodelle individuell im Kontext einer bestimmten Industrie näher untersucht werden muss oder ob die Forschungsergebnisse verallgemeinerbar sind. Da sich diese Literaturanalyse explizit mit Erlösmodellen für digitale Geschäftsmodelle auseinandersetzt ist ungeklärt ob und inwieweit Unternehmen, deren unternehmerische Tätigkeit in einem nicht-digitalen Kontext stattfindet, diese Erlösmodelle für sich nutzen können. Somit kann die Forschung nicht beantworten ob die kostenlosen Erlösmodelle beispielsweise im Einzelhandel umsetzbar wären.

Zukünftige Forschung könnte sich näher mit solchen Fragen auseinandersetzen. Obwohl Unternehmen mit nicht-digitalen Geschäftsmodellen in der Regel nicht von niedrigen Grenzkosten profitieren, könnten Manager versuchen zu einem bestimmten Ausmaß, das Freemium Modell in ihr Geschäftsmodell zu integrieren. Die strategische Implikation könnte beispielsweise sein, bestimmte Teile des Angebots zu identifizieren welche für das Unternehmen nicht mit hohen Kosten verbunden und gleichzeitig attraktiv sind. Diese Angebote könnten für die Kunden kostenlos zur Verfügung gestellt werden um Anreize zu schaffen und die Aufmerksamkeit auf sich zu ziehen. Diese Anreize sollten hoch genug sein um Nutzer zu motivieren die kostenlosen Angebote wahrzunehmen, aber niedrig genug um Nutzer anschließend zu zahlendem Nutzer transformieren zu können.

Folgendes repräsentatives Beispiel soll illustrieren wie durch die beschriebenen strategischen Implikationen ein Baumarkt als nicht nicht-digitales Geschäftsmodell das Freemium-Modell für sich nutzen könnte. Das kostenlose Angebot des Baumarkts könnte das kostenlose Sägen einer limitierten Zahl an Holzmaterialien beinhalten. In einer Premium-Mitgliedschaft könnten den Kunden für einen monatlichen Aufpreis mehrere Vorteile ermöglicht werden.

In Form einer Mengendifferenzierung könnte das Sägen in ihrem Ausmaß limitiert werden. Im Premium-Angebot könnte der Kunde somit unbegrenzt auf diese Dienstleistung zugreifen. In Form einer Funktionsdifferenzierung könnten im Premium-Angebot neben dem Sägen weitere Funktionen, wie dem Schleifen und Einlassen der Holzoberflächen angeboten werden. In Form einer Distributionsdifferenzierung könnte im Premium-Modell die kostenlose Lieferung des Holzmaterials oder das Ausleihen von Werkzeug ermöglicht werden.

Durch das kostenlose Anbieten einer Dienstleistung in Form von Sägen würde der Baumarkt somit potentielle Käufer anlocken. Ein bestimmter Teil dieser Nutzer wird die Funktionen der Premium-Mitgliedschaft nachfragen. Durch diese Premium-Mitgliedschaft könnte der Nutzer langfristig an das Unternehmen gebunden werden, wodurch der Kunde in Zukunft alle Materialien in diesem Baumarkt kaufen wird.

Dieses Beispiel soll veranschaulichen, dass auch in einem nicht-digitalen Kontext die Anwendung von kostenlosen Erlösmodellen umsetzbar sein könnte. Durch innovatives und kreatives Modifizieren der Geschäftsmodelle könnten eventuell auch nicht-digitale Unternehmen von den kostenlosen Erlösmodellen profitieren.

Inwieweit die in dieser Literaturanalyse identifizierten Erlösmodelle für nicht-digitale Unternehmensmodelle profitabel sein könnten, inwieweit sie miteinander kombiniert und in andere Industrien übernommen werden könnten, könnte Forschungsziel von kommenden Untersuchungen sein. Somit könnten die in dieser Literaturanalyse identifizierten Erlösmodelle für eine größere Gruppe an Unternehmen von Nutzen sein.

Literaturverzeichnis:

42matters. (2020). Distribution of free and paid Android apps in the Google Play Store as of March 2020 [Datensatz]. Abgerufen von https://www-statista- com.zu.idm.oclc.org/statistics/266211/distribution-of-free-and-paid-android-apps/

Alha, K., Kinnunen, J., Koskinen, E., Paavilainen, J., & Hamari, J. (2014). Free-to-Play Games: Professionals’ Perspectives. DiGRA Nordic ’14: Proceedings of the 2014 International DiGRA Nordic Conference. Abgerufen von https://www.academia.edu/14442382/Free-to- Play_Games_Professionals_Perspectives

Amit, R., & Zott, C. (2001). Value creation in E-business. Strategic Management Journal, 22(6-7), 493-520. https://doi.org/10.1002/smj.187

Anderson, C. (2009). Free: The Future Of A Radical Price: The Economics Of Abundance And Why Zero Pricing Is Changing The Face Of Business. New York, Vereinigte Staaten: Penguin Random House.

Appel, G., Libai, B., Muller, E., & Shachar, R. (2019). On the monetization of mobile apps. International Journal of Research in Marketing. https://doi.org/10.1016/j.ijresmar.2019.07.007

Ariely, D., Bracha, A., & Meier, S. (2009). Doing Good or Doing Well? Image Motivation and Monetary Incentives in Behaving Prosocially. American Economic Review, 99(1), 544-555. https://doi.org/10.1257/aer.99.1.544

Arksey, H., & O’Malley, L. (2005). Scoping studies: towards a methodological framework. International Journal of Social Research Methodology, 8(1), 19-32. https://doi.org/10.1080/1364557032000119616

Atkins, C. F., & Louw, G. (2000). Reclaiming Knowledge: A Case for Evidence-Based Information Systems. Proceedings of the 8th European Conference on Information Systems. Abgerufen von http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.459.1637&rep=rep1&typ e=pdf

Banerjee, T., Mukherjee, G., Dutta, S., & Ghosh, P. (2019). A Large-Scale Constrained Joint Modeling Approach for Predicting User Activity, Engagement, and Churn With Application to Freemium Mobile Games. Journal of the American Statistical Association, 1-29. https://doi.org/10.1080/01621459.2019.1611584

Bapna, R., Ramaprasad, J., & Umyarov, A. (2018). Monetizing Freemium Communities: Does Paying for Premium Increase Social Engagement? MIS Quarterly, 42(3), 719-735. https://doi.org/10.25300/misq/2018/13592

Battistella, C., Murgia, G., & Nonino, F. (2019). Free-driven web-based business models. Electronic Commerce Research, 1-42. https://doi.org/10.1007/s10660-019-09374- 3

Belk, R. W. (2013). Extended Self in a Digital World. Journal of Consumer Research, 40(3), 477-500. https://doi.org/10.1086/671052

Beltagui, A., Schmidt, T., Candi, M., & Roberts, D. L. (2019). Overcoming the monetization challenge in freemium online games. Industrial Management & Data Systems, 119(6), 1339-1356. https://doi.org/10.1108/imds-08-2018-0350

Bieger, T., Knyphausen-Aufseß, D., Krys, C., & zu Knyphausen-Aufseß, D. (2011). Das wertbasierte Geschäftsmodell - Ein aktualisierter Strukturierungsansatz. In Innovative Geschäftsmodelle (S. 11-70). https://doi.org/10.1007/978-3-642-18068- 2

Bieger, T., zu Knyphausen-Aufseß, D., & Krys, C. (2011). Innovative Geschäftsmodelle. https://doi.org/10.1007/978-3-642-18068-2

Booth, A., & Brice, A. (2004). Formulating answerable questions. In Evidence-based Practice for Information Professionals (S. 59-67). London, UK: Facet Publishing. https://doi.org/10.29085/9781856047852.022

Brand Finance. (2020). Brand value of the 25 most valuable brands in 2020 (in million U.S. dollars) [Datensatz]. Abgerufen von https://www-statista- com.zu.idm.oclc.org/statistics/264875/brand-value-of-the-25-most-valuable-brands/

Cai, J., Wohn, D. Y., & Freeman, G. (2019). Who Purchases and Why? Proceedings of the Annual Symposium on Computer-Human Interaction in Play. https://doi.org/10.1145/3311350.3347196

Card, N. A. (2012). Applied Meta-analysis for Social Science Research. New York, Vereinigte Staaten: Guilford Press.

Casadesus-Masanell, R., & Zhu, F. (2010). Strategies to Fight Ad-Sponsored Rivals.

Management Science, 56(9), 1484-1499. https://doi.org/10.1287/mnsc.1100.1199

Chen, J., Fan, M., & Li, M. (2016). Advertising versus Brokerage Model for Online Trading Platforms. MIS Quarterly, 40(3), 575-596. Abgerufen von https://personal.utdallas.edu/~chenjq/Doc/Taobao%20vs%20eBay.pdf

Chesbrough, H., & Rosenbloom, R. S. (2002). The role of the business model in capturing value from innovation: evidence from Xerox Corporation’s technology spin-off companies. Industrial and Corporate Change, 11(3), 529-555. https://doi.org/10.1093/icc/11.3.529

Chester, J. (2012). Cookie Wars: How New Data Profiling and Targeting Techniques Threaten Citizens and Consumers in the “Big Data” Era. European Data Protection: In Good Health?, 53-77. https://doi.org/10.1007/978-94-007-2903-2_4

Cook, D. J., Mulrow, C. D., & Haynes, R. B. (1997). Systematic Reviews: Synthesis of Best Evidence for Clinical Decisions. Annals of Internal Medicine, 126(5), 376-380. https://doi.org/10.7326/0003-4819-126-5-199703010-00006

Cooper, H. (2016). Research Synthesis and Meta-Analysis. Thousand Oaks, Kanada: SAGE Publications.

Cronin, P., Ryan, F., & Coughlan, M. (2008). Undertaking a literature review: a step-by- step approach. British Journal of Nursing, 17(1), 38-43. https://doi.org/10.12968/bjon.2008.17.1.28059

Currier, J. (2020, Februar 28). Network Effects Predict the Future of Facebook. Abgerufen 25. März 2020, von https://www.nfx.com/post/network-effects-facebook/

Davidovici-Nora, M. (2013). Innovation in business models in the video game industry: Free-To-Play or the gaming experience as a service. The Computer Games Journal, 2(3), 22-51. https://doi.org/10.1007/bf03392349

Davis, J. (2013, Juli 29). Why Core Gamers Hate Free-to-Play. Abgerufen 1. April 2020, von https://www.ign.com/articles/2013/07/29/why-core-gamers-hate-free-to-play de Laat, P. B. (2005). Copyright or copyleft? Research Policy, 34(10), 1511-1532. https://doi.org/10.1016/j.respol.2005.07.003

Dinsmore, J. B., Swani, K., & Dugan, R. G. (2017). To “Free” or Not to “Free”: Trait Predictors of Mobile App Purchasing Tendencies. Psychology & Marketing, 34(2), 227-244. https://doi.org/10.1002/mar.20985

Dropbox. (o. J.). Dropbox Basic (kostenloses Konto). Abgerufen 3. April 2020, von https://www.dropbox.com/de/basic

Enders, A., Hungenberg, H., Denker, H.-P., & Mauch, S. (2008). The long tail of social networking. European Management Journal, 26(3), 199-211. https://doi.org/10.1016/j.emj.2008.02.002

Evans, D. S. (2002). The Antitrust Economics of Two-Sided Markets. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.332022

Fang, B., Zheng, Z. (Eric), Ye, Q., & Goes, P. B. (2019). Social Influence and Monetization of Freemium Social Games. Journal of Management Information Systems, 36(3), 730-754. https://doi.org/10.1080/07421222.2019.1628878

Flunger, R., Mladenow, A., & Strauss, C. (2017). The free-to-play business model. Proceedings of the 19th International Conference on Information Integration and Web-based Applications & Services - iiWAS ’17. https://doi.org/10.1145/3151759.3151802

Forbes. (o. J.). The World’s Most Valuable Brands. Abgerufen 1. April 2020, von https://www.forbes.com/powerful-brands/list/

Freepik. (o. J.). Freepik Premium: Hol dir alle unsere Ressourcen und Premiumdateien ab 9,99 $/Monat. Abgerufen 3. April 2020, von https://de.freepik.com/profile/preagreement/getstarted/

Gabszewicz, J. J., Laussel, D., & Sonnac, N. (2005). Does advertising lower the price of newspapers to consumers? A theoretical appraisal. Economics Letters, 87(1), 127­134. https://doi.org/10.1016/j.econlet.2004.06.024

Garfield, E. (1982). ISI’s “new” index to scientific reviews: Applying Research front specialty searching to the retrieval of the review literature. Current Comments, 39, 5-12. Abgerufen von http://garfield.library.upenn.edu/essays/v5p695y1981-82.pdf

Geng, W., & Chen, Z. (2019). Optimal Pricing of Virtual Goods with Conspicuous Features in a Freemium Model. International Journal of Electronic Commerce, 23(3), 427­449. https://doi.org/10.1080/10864415.2019.1619911

Geschäft. (o. J.). In Duden. Abgerufen von https://www.duden.de/node/56545/revision/56581

GlobalData. (2019). Video Games - Thematic Research. Abgerufen von https://store.globaldata.com/report/gdtmt-tr-s212--video-games-thematic-research/

Gusmâo, P., Almeida, T., Lopes, F., Muryn, Y., Martins, J., & Au-Yong-Oliveira, M. (2019). Microtransactions in the Company’s and the Player’s Perspective: A Manual and Automatic Analysis. Advances in Intelligent Systems and Computing, 440-451. https://doi.org/10.1007/978-3-030-16187-3_43

Hamari, J. (2015). Why do people buy virtual goods? Attitude toward virtual good purchases versus game enjoyment. International Journal of Information Management, 35(3), 299-308. https://doi.org/10.1016/j.ijinfomgt.2015.01.007

Hamari, J., Alha, K., Järvelä, S., Kivikangas, J. M., Koivisto, J., & Paavilainen, J. (2017). Why do players buy in-game content? An empirical study on concrete purchase motivations. Computers in Human Behavior, 68, 538-546. https://doi.org/10.1016/j.chb.2016.11.045

Hamari, J., Hanner, N., & Koivisto, J. (2017). Service quality explains why people use freemium services but not if they go premium: An empirical study in free-to-play games. International Journal of Information Management, 37(1), 1449-1459. https://doi.org/10.1016/j.ijinfomgt.2016.09.004

Hamari, J., Hanner, N., & Koivisto, J. (2020). „Why pay premium in freemium services?“ A study on perceived value, continued use and purchase intentions in free-to-play games. International Journal of Information Management, 51, 102040. https://doi.org/10.1016/j.ijinfomgt.2019.102040

Hart, C. (1998). Doing a literature review. Thousand Oaks, Kanada: SAGE Publications.

Hart, C. B. (2017). Playing with and against Microtransactions: The Discourses of Microtransactions Acceptance and Rejection in Mainstream Video Games. In The Evolution and Social Impact of Video Game Economics (S. 101-120). Amsterdam, Niederlande: Adfo Books.

Harviainen, J. T., Ojasalo, J., & Nanda Kumar, S. (2018). Customer preferences in mobile game pricing: a service design based case study. Electronic Markets, 28(2), 191­203. https://doi.org/10.1007/s12525-018-0285-6

Hecker, F. (1999). Setting up shop: The business of open-source software. IEEE Software, 16(1), 45-51. https://doi.org/10.1109/52.744568

Higgins, J. P. T., & Green, S. (2008). Cochrane Handbook for Systematic Reviews of Interventions. Hoboken, NJ, Vereinigte Staaten: Wiley. iab, & pwc. (2019). IAB internet advertising revenue report 2018 full year results. Abgerufen von https://www.iab.com/wp-content/uploads/2019/05/Full-Year-2018- IAB-Internet-Advertising-Revenue-Report.pdf

Jesson, J., Matheson, L., & Lacey, F. M. (2011). Doing Your Literature Review. Thousand Oaks, Kanada: SAGE Publications.

Ji, Y., Wang, R., & Gou, Q. (2019). Monetization on Mobile Platforms: Balancing in-App Advertising and User Base Growth. Production and Operations Management, 28(9), 2202-2220. https://doi.org/10.1111/poms.13035

King, D. L., & Delfabbro, P. H. (2018). Video Game Monetization (e.g., ‘Loot Boxes’): a Blueprint for Practical Social Responsibility Measures. International Journal of Mental Health and Addiction, 17(1), 166-179. https://doi.org/10.1007/s11469-018- 0009-3

King, W. R., & He, J. (2005). Understanding the Role and Methods of Meta-Analysis in IS Research. Communications of the Association for Information Systems, 16. https://doi.org/10.17705/1cais.01632

Kitchenham, B., & Charters, S. (2007). Guidelines for performing systematic literature reviews in software engineering. Abgerufen von https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.117.471&rep=rep1&typ e=pdf

Laudon, K. C., & Traver, C. G. (2017). E-Commerce 2017: Business, Technology, Society. New Jersey, US: Pearson Higher Education & Professional Group.

Lehdonvirta, V., & Castronova, E. (2014). Virtual Economies. Amsterdam, Niederlande: Amsterdam University Press.

Lehdonvirta, Vili. (2009). Virtual item sales as a revenue model: identifying attributes that drive purchase decisions. Electronic Commerce Research, 9(1-2), 97-113. https://doi.org/10.1007/s10660-009-9028-2

Levac, D., Colquhoun, H., & O’Brien, K. K. (2010). Scoping studies: advancing the methodology. Implementation Science, 5(1). https://doi.org/10.1186/1748-5908-5- 69

Liberati, A., Altman, D. G., Tetzlaff, J., Mulrow, C., G0tzsche, P. C., loannidis, J. P. A., ... Moher, D. (2009). The PRISMA Statement for Reporting Systematic Reviews and Meta-Analyses of Studies That Evaluate Health Care Interventions: Explanation and Elaboration. PLoS Medicine, 6(7), e1000100. https://doi.org/10.1371/journal.pmed.1000100

Lin, M., Ke, X., & Whinston, A. B. (2012). Vertical Differentiation and a Comparison of Online Advertising Models. Journal of Management Information Systems, 29(1), 195-236. https://doi.org/10.2753/mis0742-1222290106

Lovell, N. (2011, November 16). Whales, Dolphins and Minnows – the beating heart of a free-to-play game. Abgerufen 24. März 2020, von https://www.gamesbrief.com/2011/11/whales-dolphins-and-minnows-the-beating- heart-of-a-free-to-play-game/

Lovell, N. (2012, November 19). How to define a whale? Abgerufen 24. März 2020, von https://www.gamesbrief.com/2012/11/how-to-define-a-whale/

Lucks, B. (2019, September 26). Amazon: Prime-Kosten und alle Vorteile im Überblick. Abgerufen 4. April 2020, von https://www.netzwelt.de/amazon-prime/index.html

Luton, W. (2013). Free-to-play: Making money from games you give away. San Francisco, USA: New Riders.

Mäntymäki, M., & Salo, J. (2015). Why do teens spend real money in virtual worlds? A consumption values and developmental psychology perspective on virtual consumption. International Journal of Information Management, 35(1), 124-134. https://doi.org/10.1016/j.ijinfomgt.2014.10.004

Marder, B., Gattig, D., Collins, E., Pitt, L., Kietzmann, J., & Erz, A. (2019). The Avatar’s new clothes: Understanding why players purchase non-functional items in free-to­play games. Computers in Human Behavior, 91, 72-83. https://doi.org/10.1016/j.chb.2018.09.006

Mhaidli, A. H., Zou, Y., & Schaub, F. (2019). "We Can’t Live Without Them!” App Developers’ Adoption of Ad Networks and Their Considerations of Consumer Risks. Abgerufen von https://www.usenix.org/system/files/soups2019-mhaidli.pdf

Modell. (o. J.). In Duden. Abgerufen von https://www.duden.de/node/98181/revision/98217

Mulrow, C. D. (1987). The Medical Review Article: State of the Science. Annals of Internal Medicine, 106(3), 485. https://doi.org/10.7326/0003-4819-106-3-485

Mulrow, C. D. (1994). Systematic Reviews: Rationale for systematic reviews. British

Medical Journal, 309(6954), 597-599. https://doi.org/10.1136/bmj.309.6954.597

Nanda Kumar, S. (2016). Developing an alternate pricing model for mobile games.

Abgerufen von https://www.theseus.fi/bitstream/handle/10024/112207/NandaKumar_Somasundar am.pdf?sequence=1&isAllowed=y

Netflix. (o. J.). Netflix - Watch TV Programmes Online, Watch Films Online. Abgerufen 3. April 2020, von https://www.netflix.com/signup?locale=de-DE

Ngonmang, B., Sean, S., & Kirche, R. (2013). Monetization and Services on a Real Online Social Network Using Social Network Analysis. 2013 IEEE 13th International Conference on Data Mining Workshops. https://doi.org/10.1109/icdmw.2013.78

Niemand, T., Mai, R., & Kraus, S. (2019). The zero-price effect in freemium business models: The moderating effects of free mentality and price-quality inference. Psychology & Marketing, 36(8), 773-790. https://doi.org/10.1002/mar.21211

Nojima, M. (2007). Pricing models and Motivations for MMO play. Proceedings of DiGRA 2007 Conference, 672(81). Abgerufen von http://www.digra.org/wp- content/uploads/digital-library/07311.40164.pdf

Numminen, R., Viljanen, M., & Pahikkala, T. (2019). Predicting the monetization percentage with survival analysis in free-to-play games. 2019 IEEE Conference on Games (CoG). https://doi.org/10.1109/cig.2019.8848045

Oates, B. J. (2011). Evidence-based information systems: a decade later. 19th European Conference on Information Systems. Abgerufen von https://aisel.aisnet.org/cgi/viewcontent.cgi?article=1221&context=ecis2011

Oestreicher-Singer, G., & Zalmanson, L. (2013). Content or Community? A Digital Business Strategy for Content Providers in the Social Age. MIS Quarterly, 37(2), 591-616. https://doi.org/10.25300/misq/2013/37.2.12

Oh, G., & Ryu, T. (2007). Game Design on Item-selling Based Payment Model in Korean Online Games. Proceedings of DiGRA 2007 Conference. Abgerufen von http://www.digra.org/wp-content/uploads/digital-library/07312.20080.pdf

Okoli, C., & Schabram, K. (2010). A Guide to Conducting a Systematic Literature Review of Information Systems Research. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.1954824

Osterwalder, A. (2004). The Business Model Ontology - a Proposition in a Design Science Approach (Dissertation, Management Information Technology). Abgerufen von http://www.hec.unil.ch/aosterwa/PhD/Osterwalder_PhD_BM_Ontology.pdf

Oxman, A. D. (1994). Systematic Reviews: Checklists for review articles. British Medical Journal, 309(6955), 648-651. https://doi.org/10.1136/bmj.309.6955.648

Oxman, A. D., & Guyatt, G. H. (1988). Guidelines for reading literature reviews. Canadian Medical Association Journal, 138(8), 697-703. Abgerufen von https://europepmc.org/backend/ptpmcrender.fcgi?accid=PMC1267776&blobtype=p df

Paavilainen, J., Hamari, J., Stenros, J., & Kinnunen, J. (2013). Social Network Games.

Simulation & Gaming, 44(6), 794-820. https://doi.org/10.1177/1046878113514808

Padilla-Meléndez, A., Dieguez-Soto, J., & Garrido-Moreno, A. (2015). Empirical research on Innovation in Family Business: literature review and proposal of an integrative framework. Review of Business Management, 1064-1089. https://doi.org/10.7819/rbgn.v17i56.1915

Paré, G., Trudel, M.-C., Jaana, M., & Kitsiou, S. (2015). Synthesizing information systems knowledge: A typology of literature reviews. Information & Management, 52(2), 183-199. https://doi.org/10.1016/j.im.2014.08.008

Parmentier, G., & Gandia, R. (2017). Redesigning the business model: from one-sided to multi-sided. Journal of Business Strategy, 38(2), 52-61. https://doi.org/10.1108/jbs- 09-2016-0097

Pauwels, K., & Weiss, A. (2008). Moving from Free to Fee: How Online Firms Market to Change Their Business Model Successfully. Journal of Marketing, 72(3), 14-31. https://doi.org/10.1509/jmkg.72.3.014

Petersen, K., Feldt, R., Mujtaba, S., & Mattsson, M. (2008). Systematic Mapping Studies in Software Engineering. Proceedings of the 12th international conference on Evaluation and Assessment in Software Engineering, 68-77. https://doi.org/10.14236/ewic/ease2008.8

Pujol, N. (2010). Freemium: Attributes of an Emerging Business Model. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.1718663

Rajala, R., Nissilä, J., & Westerlund, M. (2007). Revenue Models in the Open Source Software Business. Handbook of Research on Open Source Software, 541-554. https://doi.org/10.4018/978-1-59140-999-1.ch042

Rayome, A. D. (2019, Dezember 16). 10 most-downloaded apps of the 2010s: Facebook dominates the decade. Abgerufen 1. April 2020, von https://www.cnet.com/news/10-most-downloaded-apps-of-the-decade-facebook- dominated-2010-2019/

Riehle, D. (2012). The single-vendor commercial open course business model. Information Systems and e-Business Management, 10(1), 5-17. https://doi.org/10.1007/s10257-010-0149-x

Roma, P., & Ragaglia, D. (2016). Revenue models, in-app purchase, and the app performance: Evidence from Apple’s App Store and Google Play. Electronic Commerce Research and Applications, 17, 173-190. https://doi.org/10.1016/j.elerap.2016.04.007

Ross, N. (2018). Customer retention in freemium applications. Journal of Marketing Analytics, 6(4), 127-137. https://doi.org/10.1057/s41270-018-0042-x

Rowe, F. (2014). What literature review is not: diversity, boundaries and recommendations. European Journal of Information Systems, 23(3), 241-255. https://doi.org/10.1057/ejis.2014.7

Samarnggoon, K., & Kunkhet, A. (2019). An Investigation of Monetisation Models in Digital Games. 2019 Joint International Conference on Digital Arts, Media and Technology with ECTI Northern Section Conference on Electrical, Electronics, Computer and Telecommunications Engineering (ECTI DAMT-NCON). https://doi.org/10.1109/ecti-ncon.2019.8692277

Santos, C. P., van Gaans, N. C. M. F., Khan, V.-J., & Markopoulos, P. (2019). Effects of advertisements and questionnaire interruptions on the player experience. 2019 IEEE Conference on Games (CoG). https://doi.org/10.1109/cig.2019.8848023

Schallmo, D. (2012). Geschäftsmodell-Innovation. https://doi.org/10.1007/978-3-658- 00245-9

Schallmo, D. R. A. (2013). Geschäftsmodelle erfolgreich entwickeln und implementieren. New York, Vereinigte Staaten: Springer Publishing. https://doi.org/10.1007/978-3- 642-37994-9

Shaban, H. (2019, Februar 14). Fortnite’s free-to-play model threatens major game makers. The Washington Post. Abgerufen von https://www.washingtonpost.com

Shahrivar, S., Elahi, S., Hassanzadeh, A., & Montazer, G. (2018). A business model for commercial open source software: A systematic literature review. Information and Software Technology, 103, 202-214. https://doi.Org/10.1016/j.infsof.2018.06.018

Shampanier, K., Mazar, N., & Ariely, D. (2007). Zero as a Special Price: The True Value of Free Products. Marketing Science, 26(6), 742-757. https://doi.org/10.1287/mksc.1060.0254

Shi, Z. (June), Zhang, K., & Srinivasan, K. (2019). Freemium as an Optimal Strategy for Market Dominant Firms. Marketing Science, 38(1), 150-169. https://doi.org/10.1287/mksc.2018.1109

Siebels, J.-F., & zu Knyphausen-Aufseß, D. (2011). A Review of Theory in Family Business Research: The Implications for Corporate Governance. International Journal of Management Reviews, 14(3), 280-304. https://doi.org/10.1111/j.1468- 2370.2011.00317.x

Son, S., Kim, D., & Shmatikov, V. (2016). What Mobile Ads Know About Mobile Users. Proceedings 2016 Network and Distributed System Security Symposium. https://doi.org/10.14722/ndss.2016.23407

Spotify. (o. J.). Musik für alle. Abgerufen 3. April 2020, von https://www.spotify.com/de/premium/?checkout=false

Stallman, R. (2002). Free Software, Free Society. Boston , USA: Free Software Foundation.

Superdata, a Nielsen Company. (2019). 2019 Year in Review. Abgerufen von https://www.superdataresearch.com/reports/2019-year-in-review

Swatman, R. (2016, August 10). Pokémon Go catches five new world records. Abgerufen von https://www.guinnessworldrecords.com/news/2016/8/pokemon-go-catches- five-world-records-439327

Takahashi, D. (2016, Februar 15). Players who buy once are six times more likely to buy again in mobile games. Abgerufen 25. März 2020, von https://venturebeat.com/2016/02/15/players-who-buy-once-are-six-times-more- likely-to-buy-again-in-mobile-games/

Teece, D. J. (2010). Business Models, Business Strategy and Innovation. Long Range Planning, 43(2-3), 172-194. https://doi.Org/10.1016/j.lrp.2009.07.003

Templier, M., & Paré, G. (2015). A Framework for Guiding and Evaluating Literature Reviews. Communications of the Association for Information Systems, 37. https://doi.org/10.17705/1cais.03706

Tidhar, R., & Eisenhardt, K. M. (2020). Get rich or die trying... finding revenue model fit using machine learning and multiple cases. Strategic Management Journal. https://doi.org/10.1002/smj.3142

Tranfield, D., Denyer, D., & Smart, P. (2003). Towards a Methodology for Developing Evidence-Informed Management Knowledge by Means of Systematic Review. British Journal of Management, 14(3), 207-222. https://doi.org/10.1111/1467- 8551.00375

Vainio, N., & Vadén, T. (Hrsg.). (2007). Free Software Philosophy and Open Source. In Handbook of Research on Open Source Software: Technological, Economic, and Social Perspectives (S. 1-11). New York, United States: Information Science Reference. https://doi.org/10.4018/978-1-59140-999-1.ch042

van Baalen, P., Bloemhof-Ruwaard, J., & van Heck, E. (2005). Knowledge Sharing in an Emerging Network of Practice: European Management Journal, 23(3), 300-314. https://doi.org/10.1016/j.emj.2005.04.008

Veit, D., Clemons, E., Benlian, A., Buxmann, P., Hess, T., Kundisch, D., ... Spann, M. (2014). Business Models: An Information Systems Research Agenda. Business & Information Systems Engineering, 6(1), 45-53. https://doi.org/10.1007/s12599-013- 0308-y

Voigt, S., & Hinz, O. (2015). Making Digital Freemium Business Models a Success: Predicting Customers’ Lifetime Value via Initial Purchase Information. Business & Information Systems Engineering, 58(2), 107-118. https://doi.org/10.1007/s12599- 015-0395-z

Wagner, T. M., Benlian, A., & Hess, T. (2014). Converting freemium customers from free to premium—the role of the perceived premium fit in the case of music as a service. Electronic Markets, 24(4), 259-268. https://doi.org/10.1007/s12525-014- 0168-4

Wang, Y., Tang, J., Jin, Q., & Ma, J. (2014). On studying business models in mobile social networks based on two-sided market (TSM). The Journal of Supercomputing, 70(3), 1297-1317. https://doi.org/10.1007/s11227-014-1228-4

Webb, K. (2019, Dezember 18). More than 100 million people watched the „League of Legends“ World Championship, cementing its place as the most popular esport. Abgerufen 24. März 2020, von https://www.businessinsider.com/league-of-legends- world-championship-100-million-viewers-2019-12?r=DE&IR=T

Webster, J., & Watson, R. T. (2002). Analyzing the Past to Prepare for the Future: Writing a Literature Review. MIS Quarterly, 26(2). Abgerufen von https://www-jstor- org.zu.idm.oclc.org/stable/4132319

Wu, C.-C., Chen, Y.-J., & Cho, Y.-J. (2013). Nested Network Effects in Online Free Games with Accessory Selling. Journal of Interactive Marketing, 27(3), 158-171. https://doi.org/10.1016/j.intmar.2013.04.001

Yang, S.-C., Chang, R.-M., & Hsu, C.-J. (2019). Post-purchase Dissonance of Mobile Games Consumer. Communications in Computer and Information Science, 93­105. https://doi.org/10.1007/978-981-15-1758-7_8

Yong Cao, & Downing, J. D. H. (2008). The realities of virtual play: video games and their industry in China. Media, Culture & Society, 30(4), 515-529. https://doi.org/10.1177/0163443708091180

Zeng, M., & Reinartz, W. (2003). Beyond Online Search: The Road to Profitability. California Management Review, 45(2), 107-130. https://doi.org/10.2307/41166168

Anhang

Anhang 1: Zeitliche Verteilung der Veröffentlichungen

Abbildung in dieser Leseprobe nicht enthalten

[...]