"New York Times" setzt auf Big Data zur Leserbindung

Bei der "New York Times" hat man die Liebe zu Daten entdeckt: Erst kürzlich wurde dort Chris Wiggins vom Fachbereich Angewandte Mathematik der Columbia University zum "Chief Data Scientist" erklärt. Wiggins hatte zuvor unter anderem Vorhersagemodelle zur Bestimmung der Herkunft von Viren entwickelt. Nun leitet er eine kleine Gruppe, die versucht, dem mittlerweile 162 Jahre alten Printprodukt zu helfen, seine Leserschaft zu halten und zu erweitern, berichtet Technology Review in seiner Online-Ausgabe.

Wie viele US-Blätter lebt die "New York Times" verstärkt von Abos, da die Werbeerlöse zurückgehen. Die Printzeitung wurde teurer und man führte Digitalsubskription samt Bezahlschranke ein. Dieser Ansatz funktioniert offenbar bereits gut: Im Vergleich zu den ansonsten unschönen Jahreszahlen, die im Februar bekanntgegeben wurden, konnte man beim Onlineabo 2013 ein Plus von 19 Prozent verzeichnen.

Wiggins leitet nun ein Team aus einer Handvoll Personen, deren Aufgabe es ist, mit vorhandenen Informationen zu experimentieren – und dabei zu bestimmen, ob die geschäftlichen Probleme der "New York Times" vielleicht mit maschinellem Lernen behoben werden können. Statistische Methoden sollen Vorhersagen erlauben, wie sich die Abozahlen entwickeln.

Daten hat das Blatt eigentlich genug, jeden Tag schauen neun Millionen Besucher auf der Startseite vorbei. "Aber wir brauchen Werkzeuge, die uns zeigen, warum die Leute uns abonnieren und wie wir sie halten können", sagt "NYT"-CIO Marc Frons. Bevor jemand zum Telefon greife, um zu kündigen, müsse es doch möglich sein, ein Verhaltensmuster zu erkennen. "Das kann ja zum Beispiel sein, dass man sich nicht mehr häufig einloggt." Der Plan ist derzeit noch eher bescheiden angelegt. Andere Firmen im Web treiben viel mehr Aufwand. So hat Google gerade 400 Millionen Dollar für ein Start-up ausgegeben, das auf maschinelles Lernen spezialisiert ist.

Mehr zum Thema in Technology Review online:

• Mit Big Data gegen Aboverluste

(bsc)