Nicht alle Nutzer zahlen, aber diejenigen, die zahlen, bestimmen den Umsatz der App. ARPPU (Average Revenue Per Paying User) zeigt den durchschnittlichen Betrag, den ein zahlender Nutzer in einem Zeitraum einbringt. Laut RevenueCat (2025) ist der ARPPU in den Top-100-Apps 6–8 Mal höher als der ARPU — die Lücke zeigt, wie gering der Anteil der zahlenden Nutzer ist. Diese Metrik ist entscheidend für die Bewertung der Monetarisierungseffizienz und die Arbeit mit Premium-Nutzern.
Wichtige Punkte
ARPPU (Average Revenue Per Paying User) ist eine Monetarisierungskennzahl, die nur zahlende Nutzer berücksichtigt. Der Indikator beantwortet die Frage: Wie viel gibt ein Nutzer, der sich zu einem Kauf entschließt, im Durchschnitt aus? ARPPU schließt alle, die nicht zahlen, von der Berechnung aus — und das sind 90–97% der Nutzer in den meisten mobilen Apps.
Die Metrik ist für die Analyse des Premium-Segments unverzichtbar. Wenn der ARPU fällt, kann dies sowohl durch einen Rückgang der Einnahmen von Zahlenden als auch durch einen Zustrom vieler kostenloser Nutzer verursacht werden. ARPPU isoliert den Effekt: Wenn der ARPPU stabil ist, zahlen die Premium-Nutzer wie gewohnt, und das Problem liegt in der Quantität oder Qualität des Traffics.
Laut Sensor Tower (2025) beträgt der durchschnittliche ARPPU in mobilen Spielen 12,50 $ über 90 Tage. In der Kategorie Strategy erreicht der Wert 28 $, in Hypercasual — 1,50 $. Je komplexer das Spiel, desto höher das Engagement und die durchschnittlichen Ausgaben der zahlenden Nutzer. In Utilities ist der ARPPU aufgrund einmaliger Käufe ohne Abonnements niedriger.
Die ARPPU-Formel unterscheidet sich nur im Nenner von ARPU. Statt aller Nutzer werden nur zahlende Nutzer berücksichtigt — diejenigen, die im Zeitraum mindestens eine Transaktion getätigt haben. Ein zahlender Nutzer wird auf Identifikatorebene (User ID, Advertising ID) in Verbindung mit der Plattform (iOS / Android) identifiziert.
data class PayingUserMetrics(
val totalRevenue: Double,
val payingUsersCount: Int
) {
val arppu: Double
get() = roundToTwoDecimals(
totalRevenue / payingUsersCount
)
}
data class PurchaseEvent(
val userId: String,
val productId: String,
val priceUSD: Double
)
Die Klasse PayingUserMetrics kapselt die ARPPU-Logik. Die Eigenschaft arppu wird beim Zugriff berechnet — dies garantiert die Aktualität der Daten. PurchaseEvent zeichnet jeden Kauf auf. Für die korrekte Berechnung müssen Nutzer dedupliziert werden: Selbst wenn eine Person 10 Käufe getätigt hat, wird sie im Nenner nur einmal gezählt.
ARPPU kann sowohl durch eine Erhöhung des durchschnittlichen Warenkorbs als auch durch eine Steigerung der Kaufhäufigkeit wachsen. Die Bestimmung des Treibers ist eine zentrale Aufgabe des Analysten. Wenn der durchschnittliche Warenkorb gestiegen ist — liegt die Ursache in einer Preisänderung oder dem Erscheinen eines teuren Produkts. Wenn die Häufigkeit gestiegen ist — haben sich die Mechaniken für Wiederholungskäufe verbessert.
Der Hauptunterschied ist der Nenner. ARPU teilt den Umsatz durch alle Nutzer, ARPPU — nur durch die Zahlenden. Die Lücke zwischen den Metriken spiegelt die Conversion-Rate von kostenlos zu zahlend (F2P) wider. Je größer die Lücke, desto weniger zahlende Nutzer gibt es, aber desto höher ist ihr Wert für das Unternehmen.
Betrachten wir eine hypothetische App. Umsatz 50.000 $, 500.000 Nutzer, Zahlende — 10.000. ARPU = 0,10 $, ARPPU = 5 $. Eine 50-fache Lücke deutet auf eine Conversion-Rate von 2% hin. Wenn der ARPPU bei stabilem ARPU zu sinken beginnt — geben die Zahlenden weniger aus. Wenn der ARPU schneller fällt als der ARPPU — zieht die App viele nicht zahlende Nutzer an.
Laut Adjust (2025) liegt ein gesundes Verhältnis von ARPU zu ARPPU für mobile Spiele bei 1:5 bis 1:15. Für Abonnement-Apps ist das Verhältnis enger — von 1:3 bis 1:6, da das Abonnementmodell eine höhere Conversion von kostenlosen zu zahlenden Nutzern impliziert.
| Metrik | Nenner | Zeigt |
|---|---|---|
| ARPU | Alle Nutzer | Durchschnittlicher Umsatz pro Nutzer |
| ARPPU | Nur Zahlende | Durchschnittlicher Umsatz pro zahlendem Nutzer |
| Differenz | — | F2P-Conversion und Wert der zahlenden Zielgruppe |
Die Wahl der Metrik hängt von der Aufgabe ab. Zur Bewertung der allgemeinen Monetarisierungseffizienz verwenden Sie ARPU. Zur Analyse von Premium-Produkten und Preisgestaltung — ARPPU. Bei A/B-Tests neuer Käufe zeigt ARPPU, ob sich der Wert der Zahlenden geändert hat, während ARPU zeigt, wie sich dies auf den Gesamtumsatz ausgewirkt hat.
ARPPU ist empfindlich gegenüber Änderungen im Produkt und Marketing. Betrachten wir die Schlüsselfaktoren, die den Wert der Metrik bestimmen. Das Verständnis dieser Faktoren hilft, die Reaktion des ARPPU auf Änderungen vorherzusagen und Interpretationsfehler zu vermeiden.
Die verfügbaren Produkte und ihre Preise sind der primäre Treiber des ARPPU. Das Vorhandensein teurer Pakete (50–100 $) verschiebt den durchschnittlichen Warenkorb nach oben, selbst wenn die Mehrheit billige Produkte kauft. Apple (2025) empfiehlt drei Stufen: Basic (1–5 $), Mittel (10–30 $) und Premium (50+ $) — dies deckt die Nachfrage verschiedener Segmente maximal ab.
In Abonnement-Apps wird der ARPPU durch den Abonnementpreis bestimmt. Jahresabonnements mit 30–50% Rabatt erhöhen den ARPPU um das 6–8-fache im Vergleich zu monatlichen Abonnements, obwohl die Conversion auf Jahresabonnements geringer ist. RevenueCat (2025) zeigt: Nutzer von Jahresabonnements haben einen ARPPU von 60–120 $ gegenüber 8–15 $ bei monatlichen Nutzern.
ARPPU variiert stark nach Land und Plattform. iOS-Nutzer geben im Durchschnitt 2–3 Mal mehr aus als Android-Nutzer. Der Grund liegt nicht nur im Einkommen, sondern auch in der Kaufpsychologie: iPhone-Besitzer sind es gewohnt, für Inhalte zu zahlen. Statista (2025) zeigt: Der ARPPU auf iOS in den USA beträgt 18 $, auf Android — 7 $ über einen Zeitraum von 90 Tagen.
Die geografische Segmentierung des ARPPU hilft bei der Preisanpassung. In Japan geben Nutzer 1,5 Mal mehr aus als in den USA, mit einem 30% höheren ARPPU in der Kategorie Games (Data.ai, 2025). Der Unterschied hängt mit der mobilen Gaming-Kultur und der hohen Verbreitung von Gacha-Mechaniken zusammen.
ARPPU variiert je nachdem, welche Art von Käufen Nutzer tätigen. Non-consumable (Werbeentfernung, Premium-Zugang) bieten einen einmalig hohen ARPPU. Consumable (Münzen, Leben, Booster) — regelmäßige kleine Ausgaben. Subscription — stabiler ARPPU mit allmählichem Wachstum bei steigendem Abonnementpreis.
Die automatische ARPPU-Berechnung wird in das Analysesystem der App integriert. Betrachten wir eine Implementierung in Kotlin mit täglicher Gruppierung. Die Serverseite sammelt Kaufereignisse aus dem In-App Purchase SDK und aggregiert sie in Berichten. Die lokale Berechnung hilft, Daten der Analyseplattform zu validieren.
class ARPPURepository(
private val purchaseDao: PurchaseDao
) {
fun getMonthlyARPPU(
year: Int,
month: Int
): Double {
val purchases = purchaseDao
.getPurchasesInPeriod(year, month)
val payingUsers = purchases
.map { it.userId }
.distinct()
.count()
val totalRevenue = purchases
.sumOf { it.priceUSD }
return roundToTwoDecimals(
totalRevenue / payingUsers
)
}
}
Die distinct-Methode stellt sicher, dass ein Nutzer im Nenner nur einmal gezählt wird, selbst wenn er 50 Käufe getätigt hat. sumOf summiert alle Einnahmen. Die Funktion gibt den monatlichen ARPPU zurück. Der wöchentliche und tägliche ARPPU werden ähnlich berechnet — ändern Sie einfach den Filterzeitraum.
Um die Berechnung bei großen Datenmengen zu beschleunigen, verwenden Sie aggregierende Datenbankabfragen. Eine SQL-Abfrage mit GROUP BY userId und SUM(revenue) arbeitet schneller als das Laden aller Datensätze in den Speicher. Firebase BigQuery ermöglicht die Ausführung solcher Abfragen auf Millionen-Datensätzen in Sekunden.
Die Steigerung des ARPPU ist eine Aufgabe für Produktmanager und Vermarkter. Die Metrik wird auf drei Hauptwegen erhöht: Preiserhöhung, Steigerung der Kaufhäufigkeit und Schaffung teurerer Produkte. Jede Methode hat Grenzen und erfordert Tests.
Die erste Methode ist die dynamische Preisgestaltung. Verschiedene Segmente sind bereit, unterschiedlich zu zahlen. Personalisierte Angebote basierend auf dem Verhalten: Ein Nutzer, der 3+ Mal einen teuren Booster gekauft hat, kauft mit höherer Wahrscheinlichkeit einen billigen. A/B-Tests von Preisen sind der einzige zuverlässige Weg, um das Optimum zu bestimmen: Eine Preiserhöhung von 10% bei weniger als 10% Conversion-Rückgang erhöht den ARPPU.
Die zweite Methode sind Abonnements in Nicht-Abonnement-Apps. Das Hinzufügen eines wöchentlichen Abonnements für Premium-Inhalte erhöht den ARPPU um 20–40%, ohne die Preise für einmalige Käufe zu ändern. Auto-verlängernde Abonnements auf iOS generieren stabile Einnahmen und einen vorhersagbaren ARPPU für die Planung.
Die dritte Methode ist die Schaffung von Seltenheitsmechaniken. Limitierte Artikel, saisonale Sets und Battle Pässe erhöhen den durchschnittlichen Warenkorb. Laut GameAnalytics (2025) haben Apps mit Battle Pass einen um 45% höheren ARPPU als solche ohne. Die Mechanik funktioniert durch den Bindungseffekt: Der Nutzer hat den Battle Pass gekauft und ist gezwungen, aktiver zu spielen und zusätzliche Käufe zu tätigen.
ARPPU kann irreführend sein bei falscher Interpretation. Betrachten wir häufige Fallstricke. Die Hauptfalle — ARPPU-Wachstum aufgrund sinkender Conversion. Wenn mehrere große Zahler gegangen sind und der Rest gleich viel zahlt — sinkt der ARPPU. Wenn aber die Conversion gesunken ist, während die verbleibenden Zahler mehr zahlen — steigt der ARPPU, obwohl der Gesamtumsatz gesunken ist.
Die zweite Falle — der Vergleich des ARPPU verschiedener Produkte ohne Berücksichtigung ihrer Reife. Eine neue App mit 10 zahlenden Nutzern hat aufgrund von Zufälligkeit einen hohen ARPPU. Nach einem Jahr mit tausend Zahlenden sinkt der ARPPU — das ist normal. Vergleichen Sie ARPPU nur von Produkten im gleichen Lebenszyklusstadium.
Die dritte Falle — Saisonalität. Der ARPPU steigt im Dezember um 30–50% aufgrund von Feiertagsrabatten und Geschenken. Der Vergleich von November mit Dezember ist nicht aussagekräftig. Verwenden Sie den Vorjahresvergleich (YoY) für eine korrekte Bewertung. Saisonalitätsanomalien maskieren die Verschlechterung des Produkts, wenn der Zeitraum nicht berücksichtigt wird.
Die vierte Falle — Verwechslung von ARPPU mit dem durchschnittlichen Transaktionswert (Average Transaction Size). ARPPU berücksichtigt alle Käufe eines Nutzers in einem Zeitraum, der durchschnittliche Transaktionswert — nur eine Transaktion. Wenn ein Nutzer 5 Käufe zu je 1 $ getätigt hat, beträgt ARPPU = 5 $, der durchschnittliche Transaktionswert = 1 $. Dies sind unterschiedliche Metriken für unterschiedliche Analyseaufgaben.
Häufig gestellte Fragen
ARPPU ist der Umsatz eines zahlenden Nutzers in einem Zeitraum (kann viele Käufe umfassen). Der durchschnittliche Transaktionswert sind die Kosten einer Transaktion. ARPPU ist immer größer oder gleich dem durchschnittlichen Transaktionswert, wenn ein Nutzer mehr als einen Kauf im Zeitraum tätigt.
Überprüfen Sie, ob große Zahler gegangen sind, die Preise gesunken sind oder sich die Zusammensetzung der Premium-Produkte geändert hat. Analysieren Sie die Kohorte neuer Zahlender: Möglicherweise sind Nutzer mit geringerer Zahlungsfähigkeit gekommen.
Hängt von der Kategorie ab. Für Casual-Spiele ist ein monatlicher ARPPU von 5–10 $ normal. Für Strategy — 20–40 $. Für Abonnement-Apps — 8–15 $ pro Monat. Vergleichen Sie mit dem Median der Kategorie auf den Plattformen Data.ai oder Sensor Tower.
iOS-Nutzer geben 2–3 Mal mehr aus als Android-Nutzer. Bei der Analyse des ARPPU sollten Sie immer nach Plattform segmentieren — der Durchschnitt beider Plattformen spiegelt die Realität keiner von beiden wider.
Preiserhöhungen können die Conversion zu Zahlenden senken. Wenn der Umsatzanstieg von denen, die weiterhin kaufen, geringer ist als der Verlust durch Abgewanderte — steigt der ARPPU nicht, sondern fällt. A/B-Tests helfen, den optimalen Preispunkt zu finden.
Zusammenfassung
Wir entwickeln eine mobile Applikation schlüsselfertig
IT Sectr entwickelt seit 2017 iOS- und Android-Apps für Startups und Unternehmen. Wir beraten Sie und schlagen die beste Lösung vor.
Lesen Sie auch