Pocket FM: die unauffällige KI-App mit 500 Mio. $ Umsatz

Die von @RohanNayak2 veröffentlichte Grafik veranschaulicht diese Entwicklung: eine annualisierte Umsatzrate, die im August 2022 bei nahezu null beginnt und im August 2026 506 Mio. $ erreicht. Der letzte Abschnitt der Kurve oberhalb von etwa 200 Mio. $ wird hervorgehoben, da er die Wiederaufnahme des Wachstums nach der KI-Wette zeigt.

Die Zahl von 500 Mio. $ ist beeindruckend, aber kein verbuchter Jahresumsatz

Die erste Klarstellung ergab sich aus einer sehr einfachen Frage von @davefontenot:

„ARR oder Annual Revenue Run Rate?“ @davefontenot

Rohan Nayaks Antwort ist eindeutig:

„Annual Revenue Run Rate“ @RohanNayak2

Diese Unterscheidung ist wichtig. Eine Annual Revenue Run Rate nimmt das aktuelle, in der Regel monatliche Umsatzniveau und rechnet es auf zwölf Monate hoch. Sie gibt das Geschäftstempo zu einem bestimmten Zeitpunkt an. Sie bedeutet nicht automatisch, dass Pocket Entertainment in den vergangenen zwölf Monaten bereits 500 Mio. $ Umsatz verbucht hat oder dass all diese Umsätze vertraglich wiederkehrend sind.

Das schmälert nicht die operative Größenordnung des Ergebnisses. Im Gegenteil: Für eine Audio-Fiction-App, die durch Käufe einzelner Episoden und Werbung finanziert wird, setzt das Erreichen einer Run Rate von rund 500 Mio. $ eine sehr konkrete Fähigkeit voraus, ein Publikum zu gewinnen, zu binden und dessen Aufmerksamkeit anschließend in Umsatz umzuwandeln.

Der Beitrag vergleicht Pocket Entertainment zudem mit Konzernen wie Netflix, Spotify und Disney. Die veröffentlichte Tabelle weist für Pocket Entertainment 500 Mio. $ Umsatz, eine Bruttomarge von 70 % und ein jährliches Wachstum von 100 % aus, unter der Bezeichnung „Content & IP + Consumption + AI“. Diese Werte stammen aus der Darstellung des Unternehmens. Sie sollten daher als von Pocket präsentierte Kennzahlen und nicht als unabhängige Finanzanalyse verstanden werden.

Der eigentliche Wachstumsmotor: 0,25 Prozentpunkte mehr CTR können eine Wachstumsschleife auslösen

Der wichtigste Aspekt dieser Geschichte ist nicht die KI-gestützte Produktion an sich. Es ist der Mechanismus, durch den bessere Werbemittel zu einer rentableren Nutzerakquisition führen.

Rohan Nayak erklärt, dass Pocket FM mehr als 100 Mio. $ für Akquisition ausgegeben habe, bevor das Unternehmen seine zentrale Erkenntnis gewann: Ein Anstieg der CTR von 2 % auf 2,25 % würde den CAC um etwa 30 % senken.

„Wenn die Klickrate (CTR) einer Anzeige von 2 % auf 2,25 % steigt, sinken unsere Kundenakquisitionskosten (CAC) um etwa 30 %.“ @RohanNayak2

Rein rechnerisch entsprechen 2,25 % statt 2 % CTR bei gleicher Anzahl von Impressionen 12,5 % mehr Klicks. Die Rechnung ist einfach: 0,25 geteilt durch 2 ergibt 12,5 %. Der CAC verhält sich gegenüber diesem Zuwachs jedoch nicht zwangsläufig linear.

In den Werbeauktionen von Meta oder TikTok kann ein Werbemittel, das mehr Klicks anzieht und bessere Qualitätssignale erzeugt, häufiger ausgespielt werden, mehr Auktionen gewinnen oder bei gleichen Medienausgaben zu mehr Installationen führen. Dieser Hebeleffekt kann erklären, warum 12,5 % mehr Klicks laut Pocket FM zu einer Senkung des CAC um fast 30 % führen.

Der CTR-Zuwachs schafft nur deshalb einen Mehrwert, weil er mit dem gesamten übrigen System verbunden ist.

Die von Nayak beschriebene Kette funktioniert folgendermaßen:

1. Die LLMs identifizieren die spannendsten Passagen einer Fiktion.
2. Diese Auszüge werden zu einem längeren Werbeskript kombiniert.
3. Pocket FM spielt einen etwa 90 Sekunden langen Video-Trailer aus, um eine Audiogeschichte zu vermarkten.
4. In den ersten Sekunden muss etwa alle fünf Sekunden ein Hook vorkommen.
5. Das Werbemittel muss mit einem ausreichend starken Cliffhanger enden, um mitten beim Scrollen einen Download auszulösen.
6. Übertrifft die Anzeige die Zielwerte nicht, insbesondere eine CTR von 2,5 % und eine Wiedergaberate von 55 % nach drei Sekunden, greift ein Creative Director ein.
7. Erfolgreiche Werbemittel ermöglichen es, das Akquisitionsbudget zu erhöhen, ohne den CAC wesentlich zu verschlechtern.

Pocket FM gibt an, etwa 1.000 Werbeanzeigen pro Serie zu produzieren, insgesamt also rund 17.500 Werbeanzeigen pro Monat. Dem Post zufolge hat diese Kreativfabrik es ermöglicht, das Akquisitionsbudget um den Faktor sieben bis acht zu erhöhen, ohne dass der CAC wesentlich gestiegen ist.

Genau darin liegt das Playbook. Mehr Werbemittel bedeuten mehr Tests. Mehr Tests ermöglichen es, mehr wirksame Hooks zu identifizieren. Diese erfolgreichen Hooks verbessern die Performance in den Auktionen. Ein besser kontrollierter CAC erlaubt anschließend höhere Ausgaben, die wiederum neue Tests finanzieren.

Die Reaktion von @Freyabuilds bringt sowohl die Bewunderung für diesen Mechanismus als auch seine größte potenzielle Schwäche auf den Punkt:

„Der Anstieg der CTR um 0,25 Prozentpunkte, der den CAC um etwa 30 % senkt, ist die unspektakuläre Mathematik, deren Effekt sich tatsächlich potenziert. Ich frage mich allerdings, wie lange die Schwelle von 2,25 % Bestand hat, sobald alle anderen ebenfalls alle fünf Sekunden einen Cliffhanger einbauen.“ @Freyabuilds

Die Frage blieb von Rohan Nayak unbeantwortet. Dabei ist sie grundlegend: Der Cliffhanger ist eine leicht zu kopierende Erzählkonvention. Wenn alle Wettbewerber dieselben Rezepte anwenden, kann ihre Fähigkeit, den Scrollvorgang zu unterbrechen, nachlassen. Auch das Publikum könnte dieser Überbietungsspirale überdrüssig werden.

Der Vorteil von Pocket FM könnte daher weniger im Cliffhanger selbst liegen als in der Fähigkeit, Tausende davon schneller als die Konkurrenz zu testen, zu produzieren und zu iterieren. Dieser Umsetzungsvorsprung muss jedoch kontinuierlich erneuert werden.

Pocket FM monetarisiert keinen Katalog, sondern den Wunsch zu erfahren, wie es weitergeht

Das Modell von Pocket FM unterscheidet sich deutlich von einem klassischen Abonnement nach dem Vorbild von Netflix. Das Unternehmen versucht nicht in erster Linie, unbegrenzten Zugang zu einem Katalog zu verkaufen. Es gestaltet sein Produkt so, dass der Verkauf in dem Moment erfolgt, in dem das Bedürfnis zu erfahren, wie die Geschichte weitergeht, am stärksten ist.

Das nach mehreren Experimenten gewählte Format ist das mobile Audio-Drama: 8 bis 12 Minuten lange, stark serialisierte Episoden mit wirkungsvollen Hooks und einem Cliffhanger am Ende. Nayak zufolge stieg die durchschnittliche tägliche Hördauer nach der Entwicklung dieser Struktur von etwa 25 Minuten auf mehr als 150 Minuten.

Die Monetarisierung folgt genau diesem Rhythmus:

• Nutzer erhalten jeden Tag kostenlose Hörminuten;
• die nächste Episode kann täglich freigeschaltet werden, um eine Gewohnheit zu schaffen;
• sind die kostenlosen Minuten aufgebraucht, können Nutzer pro Episode bezahlen;
• alternativ können sie sich eine Werbeanzeige ansehen, um die Fortsetzung freizuschalten.

Diese Pay-per-Episode-Monetarisierung setzt also nicht zu Beginn des Erlebnisses ein, sondern erst, wenn die narrative Spannung bereits aufgebaut ist. Der Cliffhanger erfüllt eine doppelte Funktion: In der Werbeanzeige regt er zum Download an, im Produkt fördert er anschließend den Kauf oder das Ansehen einer Rewarded Ad.

Pocket FM gibt an, dass die Werbeeinnahmen innerhalb von zwölf Monaten von null auf eine Run Rate von rund 90 Mio. US-Dollar gestiegen sind. Werbung ist somit keine zweitrangige Lösung für nicht zahlende Nutzer. Sie ist ein integraler Bestandteil der Umsatzarchitektur und hält die Nutzer zugleich in der Fiktion, anstatt sie auszuschließen, wenn sie nicht zahlen möchten.

Auch die Content-Entdeckung ist an das Audio-Nutzungsverhalten angepasst. Nutzer können ein Programm starten, ihren Bildschirm sperren und anschließend nicht mehr weiter navigieren. Pocket FM erklärt, Episoden-Playlists einzusetzen und eine neue Serie vorzuschlagen, sobald die kostenlosen Minuten eines Programms aufgebraucht sind. Das Ziel besteht nicht nur darin, Inhalte zu empfehlen, sondern den Hörfluss aufrechtzuerhalten und die Aufmerksamkeit auf eine noch monetarisierbare Geschichte umzulenken.

KI hat die Kapazität freigesetzt, das Problem aber auf die Qualität verlagert

Der spektakulärste Teil des Posts betrifft den Übergang zu einer vollständig KI-gestützten Produktion Mitte 2024. Nayak zufolge nahm Pocket FM etwa sechs Monate mit stagnierendem Wachstum bei einem ARR von rund 200 Mio. US-Dollar in Kauf, um seine Produktionskette umzustellen, bevor eine Beschleunigung einsetzte, die zur heutigen Run Rate führte.

Der KI-Pivot wird nicht als bloße Kostensenkung dargestellt, sondern als Wette auf eine radikal höhere Produktionskapazität.

Diese Entscheidung erregte die Aufmerksamkeit von @soy_adnan3:

„Nach dem Pivot auf ausschließlich KI bei 200 Mio. $ zu stagnieren ... und dann im nächsten Jahr 250 Mio. $ hinzuzugewinnen, ist einer der seltenen Fälle, in denen sich die sechs hässlichen Monate tatsächlich ausgezahlt haben!!“ @soy_adnan3

Rohan Nayak antwortete nicht direkt auf diese Nachricht, bestätigte aber in seiner Antwort an @kirbyman01 die Logik hinter dieser Entscheidung:

„Ich habe es mehrmals gelesen. Sehr aufschlussreich + mutig, diesen massiven Einbruch mit anschließender Stagnation in Kauf zu nehmen, um die Produktion zu 100 % auf KI umzustellen. Respekt 🫡🫡“ @kirbyman01

„Danke, @kirbyman01. Damals war es eine schwierige Entscheidung, kurzfristiger Schmerz, aber die Wette bestand darin, dadurch langfristig ein deutlich schnelleres Wachstum zu ermöglichen. Ich bin wirklich froh, dass es funktioniert hat.“ @RohanNayak2

Der Thread stützt somit die These von bewusst in Kauf genommenen Übergangskosten. Er liefert jedoch weder detaillierte Geschäftszahlen noch eine unabhängige Methode, mit der sich isolieren ließe, welcher Anteil tatsächlich auf den Umstieg auf KI, die geografische Expansion, die Entwicklung der Marketingausgaben oder eine Veränderung des Produktmixes zurückzuführen ist.

Eine später viral gegangene Zusammenfassung von @VadimStrizheus führt den Fall für Gründer weiter aus. Darin ist unter anderem von einer Produktionsleistung die Rede, die von 25.000 auf 2,5 Millionen Stunden pro Jahr gestiegen sein soll, von Systemen nach dem Prinzip LLM-as-a-judge sowie von einem Anstieg der Zwölfmonats-Retention von 44 % auf 76 %. Diese Zahlen sind mit der These eines Skalensprungs vereinbar, erscheinen jedoch nicht in dem hier vorliegenden Beitrag von Rohan Nayak. Sie dürfen daher nicht mit den direkt dokumentierten Aussagen des CEO gleichgesetzt werden.

Das zentrale Risiko wurde von @svpino formuliert, ohne eine Antwort zu erhalten:

„Ich habe Pocket noch nicht verwendet, aber ich frage mich, ob ihr irgendeine Art manuellen Filter habt, um schlechten KI-generierten Schrott auszusortieren. Veröffentlicht ihr alles, was ihr generiert, oder kuratiert ihr es auf irgendeine Weise?“ @svpino

Dies ist wahrscheinlich der gravierendste blinde Fleck des Threads. Wenn KI den Engpass von der Produktion auf die Auswahl verlagert, muss Pocket FM die Fragen der redaktionellen Qualität, des Publikumsvertrauens und der Auffindbarkeit lösen. Zehnmal mehr Inhalte zu produzieren, ist wertlos, wenn Nutzer zunächst auf generische, repetitive oder schlecht abgestimmte Inhalte stoßen, bevor sie eine gute Serie finden.

Eine Geschichte zu lokalisieren bedeutet nicht, sie zu übersetzen

Rohan Nayak erklärt, dass weiterhin 78 % des Umsatzes von Pocket FM auf die Vereinigten Staaten entfallen. Diese Konzentration macht die Lokalisierung zu einem strategischen Faktor, auch wenn sich der Motor für die werbebasierte Nutzerakquise offenbar exportieren lässt.

In seinem Beitrag unterscheidet Nayak klar zwischen Übersetzung und Adaption: Eine für ein spanisches Publikum konzipierte Geschichte kann ihre Anspielungen, Witze, Folklore und Tonalität verlieren, wenn sie für ein norwegisches Publikum lediglich übersetzt wird. Pocket FM gibt daher an, das Grundgerüst einer Geschichte beizubehalten und sie zugleich an lokale Bezüge anzupassen.

Diese Idee relativiert eine weitere ambitionierte Aussage des Beitrags: Was es Pocket FM ermöglicht habe, in den Vereinigten Staaten von null auf 400 Mio. $ ARR zu wachsen, „funktioniert in jedem Land“. Der Thread erlaubt es, dieses Versprechen zu präzisieren.

Der Akquisemotor lässt sich möglicherweise exportieren, die Inhalte jedoch erst nach einer kulturellen Adaption.

Pocket FM nennt unter anderem ein Wachstum auf 25 Mio. $ in den Vereinigten Staaten innerhalb von 19 Monaten, 21 Mio. $ in Deutschland innerhalb von 11 Monaten und 10 Mio. $ in Frankreich innerhalb von drei Monaten. Die Zusammenfassung von @VadimStrizheus ergänzt, dass ein Lokalisierungsansatz die Retention in Deutschland um 50 % verbessert habe. Diese zusätzliche Zahl erscheint jedoch nicht im Beitrag von Rohan Nayak. Sie ist daher als eine in der Zusammenfassung wiedergegebene Angabe zu behandeln und nicht als eine im ursprünglichen Thread bestätigte Kennzahl.

ElevenLabs, Pocket Saga und der Versuch, die Erfolgsmaschine im Videobereich zu wiederholen

Der Beitrag und die Antworten zeigen, dass Pocket Entertainment nicht ausschließlich ein Audiounternehmen bleiben will. Auf die Frage von @shiri_shh nach einem Einstieg in kurze Videodramen antwortet Nayak:

„Plant ihr auch, in kurze Videodramen einzusteigen?“ @shiri_shh

„Ja, wir haben gerade unsere KI-Mikrodrama-App Pocket Saga veröffentlicht!“ @RohanNayak2

Pocket Saga ist somit ein Versuch, das Konzept von Pocket FM auf KI-generierte oder KI-gestützte Mikrodramen im Videoformat zu übertragen. In einer anderen Antwort bezeichnet Nayak Pocket Saga zudem als eine neue, auf Anime ausgerichtete App.

Auch die Partnerschaft mit ElevenLabs wird ausdrücklich bestätigt. Nach den Glückwünschen von @mati antwortet Nayak:

„Herzlichen Glückwunsch an das Team! Unglaublich!“ @mati

„Danke, @mati. Es war großartig, auf diesem Weg mit dir und dem Team von @ElevenLabs zusammenzuarbeiten.“ @RohanNayak2

Die Partnerschaft zwischen ElevenLabs und Pocket FM ist durch diese Antwort somit belegt. Die Zusammenfassung von @VadimStrizheus behauptet jedoch, die Audiokosten seien dank ElevenLabs um 90 % gesunken. Dieser Prozentsatz erscheint weder im Beitrag noch in der Antwort von Rohan Nayak. Er kann daher nicht als eine von Pocket FM in dieser Unterhaltung bestätigte Zahl dargestellt werden.

Ebenso schreibt @VadimStrizheus dem Fall Pocket FM Zahlen wie „von 0 auf 500 Mio. $ in vier Jahren“, „zehn Pivots in zwei Jahren“, „135 Minuten pro Tag“, mit mehr als 100 Millionen Stunden trainierte Modelle oder auch 300.000 Autoren, darunter 90 % Anfänger, und 33 Mio. $ an Auszahlungen zu. Einige davon ähneln Rohans Darstellung, der von zehn getesteten Formaten innerhalb von zwei bis drei Jahren und mehr als 150 Minuten täglicher Hörzeit spricht. Andere stammen nicht aus dem ursprünglichen Post und müssen klar davon getrennt bleiben.

Das LTV/CAC-Verhältnis macht die Akquisition glaubwürdig, räumt aber nicht alle Zweifel aus

Bezahlte Akquisition in sehr großem Maßstab ist nur dann sinnvoll, wenn die mit einem Kunden erzielten Einnahmen seine Akquisitionskosten dauerhaft übersteigen. @RatPoisonaut stellte die Frage, mit der sich diese Annahme überprüfen lässt:

„Beeindruckend! Wie hoch ist euer LTV:CAC-Verhältnis?“ @RatPoisonaut

Nayaks Antwort liefert die einzige direkte Kennzahl zur Unit Economics in der Diskussion:

„Aktuell bewegen wir uns bei einem LTV/CAC von etwa 3x“ @RohanNayak2

Ein Verhältnis von etwa 3x LTV/CAC macht die Darstellung glaubwürdiger: Für jeden Dollar, der für die Akquisition eines Nutzers ausgegeben wird, erwartet Pocket FM einen Customer Lifetime Value von rund drei Dollar. Dieses Niveau kann eine aggressive Akquisitionsstrategie rechtfertigen, insbesondere wenn die ausgewiesenen Bruttomargen hoch sind.

Doch diese Information beantwortet nicht alle Fragen. Der Thread enthält keine Angaben zu:

• der genauen Definition des LTV;
• den betreffenden Kohorten;
• der Amortisationsdauer des CAC;
• dem Anteil der Werbeeinnahmen an diesem LTV;
• den Kosten für KI-Infrastruktur und Inhalte;
• der Nachhaltigkeit der EBITDA-Profitabilität bei der internationalen Expansion.

Die Zahl ist nützlich, bleibt jedoch eine selbst ausgewiesene und aggregierte Kennzahl.

Was Gründer daraus lernen können und was Pocket FM noch beweisen muss

Die Zusammenfassung von @VadimStrizheus formuliert vier Lehren, die mit der Darstellung von Pocket FM übereinstimmen, sofern seine zusätzlichen Zahlen nicht mit den Aussagen von Rohan Nayak vermischt werden:

1. Einen Pivot nicht zu früh aufgeben. Das Plateau bei rund 200 Mio. $ zeigt, dass eine Umstellung die kurzfristige Entwicklung beeinträchtigen kann, bevor sie neue Kapazitäten schafft.
2. Am Höhepunkt der Kaufbereitschaft abrechnen. Die Bezahlung pro Episode am Cliffhanger ist mehr als nur ein Preismodell: Sie ermöglicht es, auf dem Höhepunkt des narrativen Verlangens zu verkaufen.
3. KI am Engpass einsetzen. Bei Pocket FM dient KI dazu, genügend Inhalte und Werbemittel zu erstellen und zu testen, um den Lernprozess zu industrialisieren.
4. Die Nutzer zur Angebotsseite machen. Die These der individuellen Studios und eines erweiterten Inhaltsangebots zielt darauf ab, die Plattform zu einem Produktionssystem und nicht nur zu einem Vertriebskanal zu machen.

Die wichtigste Lehre ist jedoch präziser: KI wird erst dann zum Vorteil, wenn sie mit einem vollständigen wirtschaftlichen Kreislauf verknüpft ist. Pocket FM gewinnt nicht deshalb, weil das Unternehmen LLMs oder synthetische Stimmen einsetzt. Es versucht zu gewinnen, indem es die Geschichte, die den Klick auslöst, die Videoanzeige, die zur Installation führt, den Cliffhanger, der Nutzer bindet, und die Bezahlung pro Episode, die diese Nutzung monetarisiert, miteinander verbindet.

Dieser Kreislauf fasst die Wachstumsstrategie zusammen: Bessere Werbemittel verbessern die CTR, eine höhere CTR kann den CAC senken, ein besser kontrollierter CAC ermöglicht höhere Akquisitionsausgaben, und eine stärkere Bindung erhöht den Lifetime Value der Nutzer. Die Monetarisierung pro Episode und Rewarded Advertising verwandeln diese Aufmerksamkeit anschließend in Einnahmen.

Der Thread lässt jedoch mehrere Fragen offen:

• Welche menschlichen oder automatisierten Filter entfernen die von @svpino angesprochenen minderwertigen KI-Inhalte?
• Wird der Schwellenwert von 2,25 % CTR weiterhin zu verteidigen sein, wenn Wettbewerber dieselben Hooks und Cliffhanger kopieren?
• Wie berechnet Pocket FM sein LTV/CAC-Verhältnis von etwa 3x, und über welchen Zeitraum?
• Welcher Anteil der Beschleunigung nach dem Plateau ist tatsächlich auf KI zurückzuführen?
• Bleibt die EBITDA-Profitabilität robust, wenn die Kosten für Inhalte, Akquisition, Infrastruktur und Internationalisierung vollständig berücksichtigt werden?

Pocket FM hat gezeigt, dass ein Medienunternehmen zu einer Performance-Maschine werden kann. Noch muss das Unternehmen jedoch beweisen, dass diese Maschine echte redaktionelle Qualität und einen kreativen Vorteil bewahren kann, wenn der gesamten Branche dieselben KI-Werkzeuge zur Verfügung stehen.