Konsumentenverhalten ist die Basis der Marketingstrategie, nicht der Nachgedanke

Drei Gründer, drei Geschichten über den Kunden

Werkbank ist ein fiktives Rails SaaS für Handwerksbetriebe: Tischler, Elektriker, Fliesenleger, die Firma mit einem Bus und zwei Lehrlingen. Es macht Terminplanung, Angebote und Rechnungen, und seine drei Gründer sind sich in allem einig, ausser in der einen Sache, die zählt. Frag sie, warum Kunden sich anmelden, und du bekommst drei selbstsichere Antworten. Lena, die das Produkt gebaut hat, sagt, die Leute kommen wegen der gebrandeten Angebote, weil sie so professionell wirken wollen wie die grossen Firmen. Tobias, der den Vertrieb macht, sagt, die Leute kommen, weil Doppelbuchungen sie Aufträge kosten und ihr Kalender ein Whiteboard im Bus ist. Nadia, die das Marketing verantwortet, sagt, die Leute kommen, weil der Steuerberater ihnen gesagt hat, sie sollen aufhören, Rechnungen aus einer Tabelle zu schreiben.

Alle drei Geschichten sind plausibel. Alle drei haben Landingpages, Preispläne und Anzeigentexte geprägt. Keine wurde je daran geprüft, was Kunden im Produkt wirklich tun. Der Geschenkkorbshop hat dasselbe Problem in einem anderen Mantel: Die Inhaberin sieht eine Menge von "Leuten, die gutes Essen mögen", während die Bestellungen laut rufen, dass eine Geschenkkäuferin im Dezember und ein Selbstkäufer im März zwei verschiedene Tiere sind, die zwei verschiedene Shops brauchen.

Strategie soll darauf aufbauen, wie Menschen entscheiden. Analytics soll der Weg sein, herauszufinden, wie Menschen entscheiden. Wenn die Strategie auf Gründerfolklore steht und die Analytics die Klicks der letzten Woche berichtet, macht keine von beiden ihren Job.

Wo das in der Serie steht

Das ist Kapitel 2 von 21 und gehört zu Teil eins, wie Analytics hilft. Das vorige Kapitel, Die Statistik, die jeder Marketer wirklich braucht, hat dir das Vokabular gegeben: Mittelwert, Varianz, Korrelation, Signifikanz, und warum eine Zahl ohne Fehlermarge eine Vermutung mit guter Haltung ist. Dieses Kapitel liefert die Fragen, die diese Werkzeuge beantworten. Das nächste, Was ist ein Insight, und warum die meisten Reports keinen enthalten, nimmt die Antwort auf eine Verhaltensfrage und prüft, ob sie eine Entscheidung ändert, der einzige Test für einen Insight, den ich akzeptiere.

Was Konsumentenverhalten wirklich umfasst

Konsumentenverhalten ist die Lehre davon, wie Menschen ein Bedürfnis erkennen, suchen, Optionen abwägen, kaufen, nutzen und das Gekaufte beurteilen. Jedes Modell später in dieser Serie ist eine formale Art, eine seiner Fragen zu stellen, und in jedem Baustein steckt eine messbare Variable.

Bedürfnisse und Motivation. Ein Bedürfnis ist die Lücke zwischen dem, wo jemand ist, und dem, wo er sein will; Motivation ist der Druck, den diese Lücke erzeugt. Ein Fliesenleger mit drei Aufträgen am selben Dienstag hat ein Bedürfnis, das dringend und hässlich ist. Ein Fliesenleger, der vage "professioneller wirken" will, hat ein Bedürfnis, das echt, aber langsam ist. Dringlichkeit zeigt sich in den Daten als Zeit bis zur ersten Aktion: Der erste legt zehn Minuten nach der Anmeldung einen Auftrag im Kalender an, der zweite blättert eine Woche in Angebotsvorlagen.

Wahrnehmung. Menschen reagieren nicht auf dein Produkt, sondern auf das, was sie dafür halten. Wenn die Startseite von Werkbank mit Rechnungen aufmacht, sieht ein Besucher mit einem Terminproblem ein Buchhaltungstool und geht. Wahrnehmung ist messbar über das, was Leute zuerst klicken, und wo sie abspringen.

Lernen. Kunden lernen aus Erfahrung, von anderen Menschen und aus deinem Onboarding. Es zeigt sich als Gewohnheit: der Wochentag, an dem ein Hotelgast bucht, die zweite Geschenkkorbbestellung, die genau ein Jahr nach der ersten kommt, weil es der Oma geschmeckt hat.

Einstellungen. Eine Einstellung ist eine gespeicherte Bewertung, "Buchungsplattformen sind Abzocke" oder "Abos sind für grosse Firmen". Einstellungen sind hartnäckig und in Transaktionsdaten unsichtbar, weshalb es Umfragen gibt, und weshalb Umfragen in die Irre führen, wie wir sehen werden.

Der Entscheidungsprozess. Die Lehrbuchversion läuft von der Problemerkennung über Suche, Bewertung und Kauf zur Beurteilung nach dem Kauf. Hier ist sie als Fluss, mit den Schleifen, die die aufgeräumte Version weglässt.

Der Entscheidungsprozess mit seinen Schleifen: Die meisten echten Reisen bleiben beim Aufschieben stehen und starten neu, wenn ein Auslöser zurückkommt.

Jeder Pfeil ist ein Ort, an dem Daten anfallen und an dem der Kunde verloren gehen kann. Die gepunkteten Linien zählen am meisten: In der Aufschiebeschleife wohnen die "nach dem Sommer" Trials von Werkbank, und in der Wechselschleife verliert ein Hotel einen zufriedenen Gast an einen niedrigeren Plattformpreis.

Bezugsgruppen und Kultur. Niemand entscheidet allein. Ein Tischler fragt die anderen Tischler in der WhatsApp Gruppe, was sie verwenden. Eine österreichische Einkäuferin, die Weihnachtskörbe für eine britische Tochterfirma bestellt, hat Vorstellungen davon, wie ein Geschenk aussieht, die ein britischer Käufer nicht teilt. Bezugsgruppen zeigen sich als Empfehlungsquellen, gehäufte Adoption nach Region oder Gewerbe, und als die Sätze, die Leute in den Supportchat kopieren ("mein Kumpel hat gesagt, ihr könnt...").

Die Jobs to be Done Brille

Die nützlichste Umdeutung, die ich für all das kenne, ist Jobs to be Done: Menschen kaufen keine Produkte, sie heuern sie an, um in einer Situation voranzukommen. Der Tischler will keine Terminsoftware, er will aufhören, Dienstage zu verlieren. Ich habe das ausführlich in Jobs to be Done in der Growth Strategie beschrieben, darum hier nur der analytische Punkt.

Ein Job ist eine Verhaltenshypothese mit eingebautem Test. "Der Job ist, den Auftrag zu gewinnen und ihn in einem Zug in den Kalender zu bekommen" sagt voraus, dass Nutzer, die in derselben Sitzung ein Angebot anlegen und den Auftrag terminieren, häufiger zu Bezahlkunden werden als Nutzer, die nur eines von beiden tun. Diese Vorhersage kann falsch sein. Gründerfolklore ist nicht falsifizierbar: "Die Leute wollen professionell wirken" überlebt jede Auswertung, weil "professionell" alles heissen kann.

Geäusserte versus offenbarte Präferenz

Diese Unterscheidung leistet mehr als jede andere Idee in diesem Kapitel. Geäusserte Präferenz ist, was Menschen sagen, dass sie wollen, in Umfragen, Interviews und im Dropdown "Warum hast du dich angemeldet". Offenbarte Präferenz ist, was sie mit ihrer Zeit und ihrem Geld tun. Die beiden widersprechen sich ständig, nicht weil Menschen lügen, sondern weil sie schlechte Zeugen ihrer eigenen Motive und sehr gut darin sind, die Antwort zu geben, die vernünftig klingt.

Ökonomen formalisieren offenbarte Präferenz einfach: Wer A gewählt hat, als B verfügbar und leistbar war, dem war A mindestens so viel wert wie B. In einem Random Utility Modell ist der Nutzen, den Person $i$ aus Option $j$ zieht,

$U_{ij} = V_{ij} + \varepsilon_{ij} = \sum_{k=1}^{K} \beta_k x_{ijk} + \varepsilon_{ij}$

wobei $U_{ij}$ der Gesamtnutzen ist, $V_{ij}$ der Teil, den wir erklären können, $x_{ijk}$ die $K$ beobachtbaren Eigenschaften der Option $j$ für Person $i$ (Preis, Lieferzeit, ob es eine Angebotsvorlage gibt), $\beta_k$ das Gewicht, das die Population auf Eigenschaft $k$ legt, und $\varepsilon_{ij}$ alles, was wir nicht gemessen haben, als Zufall behandelt. Die Person wählt die Option mit dem höchsten $U$. Wir sehen $U$ nie; wir sehen die Wahl und schliessen aus Tausenden Entscheidungen auf die Gewichte $\beta$. Das ist offenbarte Präferenz, in Rechnen übersetzt.

Unter der üblichen Annahme über den Zufallsteil nimmt die Wahrscheinlichkeit, dass jemand kauft statt wartet, die logistische Form an

$P(\text{kaufen}) = \frac{e^{V_{\text{kaufen}}}}{e^{V_{\text{kaufen}}} + e^{V_{\text{warten}}}}$

wobei $V_{\text{kaufen}}$ und $V_{\text{warten}}$ die erklärbaren Nutzen des sofortigen Kaufs und des Aufschiebens sind. Beachte, dass auch das Aufschieben einen Nutzen hat. Das meiste Marketing behandelt "nicht gekauft" als Abwesenheit. Es ist eine Wahl, meist eine vernünftige, und das Modell gibt ihr einen Platz am Tisch. Kapitel 7 baut daraus eine vollständige logistische Regression; hier sollst du nur sehen, dass das Flussdiagramm und diese Formel dasselbe Objekt sind.

Für einen einzelnen Kauf unter Unsicherheit lohnt sich auch die ältere Sicht des Erwartungsnutzens:

$EU(\text{kaufen}) = p \cdot u(\text{es funktioniert}) + (1 - p) \cdot u(\text{es enttäuscht}) - c$

wobei $p$ der Glaube des Käufers ist, dass das Produkt den Job erledigt, $u(\cdot)$ der Wert jedes Ausgangs und $c$ die Kosten in Geld und Aufwand. Jeder Marketinghebel gehört zu einem Term: Testimonials und ein kostenloser Test heben $p$, ein klareres Versprechen hebt $u(\text{es funktioniert})$, eine Garantie hebt $u(\text{es enttäuscht})$, eine einfachere Anmeldung senkt $c$. Wenn ein Gründer sagt "wir brauchen mehr Bekanntheit", frage ich, welchen Term er für das Problem hält. Meistens ist es nicht die Bekanntheit.

Was Marketingstrategie wirklich umfasst

Strategie, ohne die Folienrhetorik, beantwortet vier Fragen: Wem dienen wir, was bieten wir ihnen, das andere nicht bieten, wie machen wir das sichtbar, und wie verdienen wir damit Geld. Das Vokabular ist Segmentierung, Targeting, Positionierung, Marketingmix und Wettbewerbsvorteil.

Segmentierung teilt den Markt in Gruppen, die sich unterschiedlich verhalten und auf ein anderes Angebot reagieren würden. Das Schlüsselwort ist verhalten. Nach Firmengrösse oder Alter zu segmentieren ist nur nützlich, wenn Grösse oder Alter das Verhalten vorhersagt, und das tun sie oft nicht. Kapitel 13 und 14 gehen tief hinein; die Kurzfassung: Eine gute Segmentierung ist eine, bei der du gerne für jede Gruppe eine eigene Kampagne fahren würdest.

Targeting ist die Wahl, welche dieser Gruppen du bedienst und, schwieriger, welche du ignorierst. Werkbank kann nicht gleichzeitig das beste Werkzeug für einen Einzelinstallateur und für eine Baufirma mit vierzig Leuten sein.

Positionierung ist der Platz, den du im Kopf des Kunden gegenüber den Alternativen einnehmen willst. Eine Karte macht ihn sichtbar. Hier ist die von Werkbank, auf den zwei Dimensionen, die seine Käufer beim Vergleichen wirklich verwenden, die ich aus Supportchats und verlorenen Deals ziehen würde, nicht von den Gründern.

Eine Positionierungskarte auf den zwei Achsen, die Käufer verwenden. Das leere Feld oben rechts ist nur wertvoll, wenn genug Käufer es wollen.

Der Marketingmix ist die Menge der Hebel, die du ziehst, um diese Position zu besetzen: Produkt, Preis, Distribution und Kommunikation in der alten Formulierung. Für ein SaaS sind das Roadmap, Pläne, Kanäle und Botschaft; für den Geschenkkorbshop Sortiment, Preispunkte, Lieferversprechen und das Anzeigenbudget im Dezember. Der Mix folgt der Positionierung, die dem Verhalten folgt. Die meisten Firmen arbeiten vom Mix nach oben, und darum optimieren sie am Ende Anzeigentexte für ein Versprechen, das niemand wollte.

Wettbewerbsvorteil kommt in zwei Geschmacksrichtungen: anders sein auf eine Art, für die Leute zahlen, oder dasselbe zu niedrigeren Kosten liefern. Differenzierung ist das natürliche Zuhause einer kleinen Firma, weil Kostenführerschaft Skala braucht. Aber sie ist nur Geld wert, wenn sie auf einer Eigenschaft mit grossem $\beta$ im Nutzenmodell oben landet. Anders zu sein bei etwas, das niemand gewichtet, ist einfach nur seltsam.

Wie Analytics die beiden verbindet

Die Behauptung dieser ganzen Serie in einem Satz: Jede Analytics Technik beantwortet eine Frage über Konsumentenverhalten, und jede strategische Entscheidung hängt von der Antwort auf mindestens eine davon ab. Die Tabelle unten ist die Karte, die bei mir an der Wand hängt, mit dem Kapitel, in dem jede Frage ihre richtige Behandlung bekommt.

Verhaltensfrage	Technik	Kapitel
Wie viel weniger kaufen sie, wenn wir den Preis erhöhen?	Regression, Elastizität	4
Wie lange wirkt eine Kampagne nach, wenn sie endet?	Polynomial Distributed Lags	5
Wie oft im Jahr kommt ein Gast wieder?	Poisson Regression	6
Wer kauft wahrscheinlich, und was passt zu was?	Logistische Regression, Warenkorbanalyse	7
Wann geht diese Kundin, und was ist sie bis dahin wert?	Survival Analyse, CLV	8
Hat das neue Layout den Umsatz gehoben, oder war es die Saison?	Panel Regression	9
Wie viel verkaufen wir nächstes Quartal?	Prognose, Saisonalität	10
Treibt Marketing den Umsatz, oder der Umsatz das Marketingbudget?	Simultane Gleichungen	11
Welche dieser vierzig Umfragefragen messen dasselbe?	Faktorenanalyse, PCA	12
Wer sind unsere Kunden, in Gruppen, die sich unterschiedlich verhalten?	Segmentierung, k Means, Latent Class	13, 14
Wohin soll der nächste Euro?	Media Mix Modelling	15, 16
Warum bleiben sie, und was lässt sie gehen?	Loyalitätsmodelle, SEM	17 bis 19
Hat die Änderung gewirkt, oder hatten wir Glück?	Tests, faktorielle Designs	20

Keine einzige Frage in der linken Spalte nennt eine Dashboardkennzahl. Niemandes Verhalten heisst "Sessions". Die Kennzahl ist ein Schatten des Verhaltens, und die Technik ist das Werkzeug, um den Schatten zu lesen.

Das Beispiel: drei Annahmen werden drei Fragen

Zurück zu Werkbank. Die Aufgabe ist, jede Gründergeschichte in etwas zu verwandeln, dem die Daten widersprechen können. Mein Rahmen dafür hat vier Schritte und passt auf eine Serviette.

1. Schreib die Überzeugung als Satz über eine Person in einer Situation. Nicht "Kunden wollen Professionalität", sondern "ein Tischler, der gerade ein Angebot an eine grössere Firma verloren hat, meldet sich an, um bessere Angebote zu verschicken".
2. Nenne das Verhalten, das anders wäre, wenn die Überzeugung stimmt. Dieser Tischler öffnet zuerst den Angebotsgenerator, nutzt eine Vorlage und schickt binnen Tagen ein Angebot.
3. Nenne die Daten, die dieses Verhalten festhalten, und was fehlt. Zeitpunkt der Anmeldung, erstes Feature Event, Event "Angebot verschickt", Quelle. Es fehlt: ob er wirklich gerade ein Angebot verloren hat, was nur eine Frage bei der Anmeldung erfassen kann.
4. Schreib die Entscheidung auf, die sich mit der Antwort ändert. Stimmt die Überzeugung, führt die Startseite mit Angeboten und das Onboarding geht eine Vorlage durch. Stimmt sie nicht, dann nicht.

Für die drei Gründer sieht die Serviette so aus.

Gründerüberzeugung	Verhalten, wenn wahr	Datenfrage	Was sie widerlegen würde
Leute melden sich an, um professioneller zu wirken (Lena)	Angebotsgenerator ist das erste Feature; gebrandete Vorlage früh angewendet	Anteil der Trials, deren erstes Event ein Angebot ist, und ihre Konversion gegenüber dem Rest	Angebot zuerst Nutzer konvertieren nicht besser als andere
Leute melden sich an, weil Doppelbuchungen Aufträge kosten (Tobias)	Kalender ist das erste Feature; mehrere Aufträge in der ersten Sitzung erfasst	Anteil der Trials mit drei oder mehr Aufträgen in den ersten 48 Stunden, und ihre Konversion	Starke Kalendernutzer kündigen wie schwache
Leute melden sich an, weil der Steuerberater es gesagt hat (Nadia)	Rechnungsexport oder Steuerberatereinladung früh; Anmeldungen häufen sich vor Steuerfristen	Anteil der Trials, die in Woche eins einen Steuerberater einladen; Saisonalität der Anmeldungen	Keine saisonale Spitze, keine Einladungen

Jetzt die Ergebnisse. Werkbank hat bei der Anmeldung ein Dropdown "Warum bist du hier", also stehen geäusserte und offenbarte Präferenz nebeneinander. Die Zahlen sind illustrativ; das Muster habe ich in echten Produkten mehr als einmal gesehen.

Genannter Grund bei der Anmeldung	Anteil der Trials	Häufigstes erstes Feature	Trial zu Paid Rate
Professioneller wirken	41%	Angebotsvorlagen (52%)	18%
Doppelbuchungen stoppen	33%	Kalender (71%)	34%
Steuerberater oder Buchhaltung	26%	Rechnungsexport (64%)	27%
Alle Trials	100%		26%
Angebot angelegt UND in der ersten Woche terminiert, egal welcher Grund	22%		51%

Zeile für Zeile gelesen. Die erste Zeile ist Lenas Geschichte: das, was Leute am häufigsten sagen, und die Gruppe, die am schlechtesten konvertiert. Die Leute lügen nicht; "professioneller wirken" ist die sozial bequeme Antwort in einem Dropdown, und ein langsames Bedürfnis. Die zweite Zeile ist die von Tobias, ein Drittel der Anmeldungen und fast die doppelte Konversion, mit der engsten Verbindung zwischen genanntem Grund und erster Handlung. Die dritte ist Nadias, ein Viertel der Anmeldungen, ordentliche Konversion, und wert, die saisonale Spitze zu prüfen, die sie vorhergesagt hat. Die vierte ist die Basis, 26%.

Die letzte Zeile bezahlt die Analyse. Quer über alle drei genannten Gründe haben die 22% der Trials, die in derselben ersten Woche ein Angebot angelegt und den Auftrag in den Kalender gestellt haben, zu 51% konvertiert, fast das Doppelte der Basis. Kein Gründer hat diesen Job beschrieben. Der Job des Kunden ist nicht "professionell wirken" oder "Doppelbuchungen stoppen", sondern "den Auftrag gewinnen und ihn in den Kalender nageln, bevor ich ihn vergesse". Das ist eine Positionierung, ein Onboarding und eine Startseitenüberschrift, und es kam von einer Serviette plus einer SQL Abfrage.

Konversion nach genanntem Grund gegenüber der über Verhalten definierten Gruppe. Die Gruppe, die niemand genannt hat, konvertiert am besten.

Das zweite Beispiel: zwei Arten von Geschenkkorbkäufern

The Gift Bow, mein Solidus Demoshop, erzählt dieselbe Lektion im Handelsgewand. Die Inhaberin sieht eine Kundin; die Bestellungen beschreiben zwei. Auch hier sind die Zahlen illustrativ.

Merkmal	Geschenkkäufer	Selbstkäufer
Anteil der Bestellungen	63%	37%
Anteil am Umsatz	71%	29%
Durchschnittlicher Bestellwert	£68	£47
Lieferung an eine andere Adresse	94%	6%
Mit Grusskarte	81%	2%
Bestellungen im November und Dezember	58%	24%
Wiederkauf innerhalb von 12 Monaten	19%	44%
Häufigster Abstand zwischen Käufen	52 Wochen	9 Wochen

Eine Geschenkkäuferin gibt mehr aus, kauft vor allem in den letzten acht Wochen des Jahres und kommt höchstens einmal im Jahr wieder, fast genau ein Jahr später, was dir sagt, dass sie wieder für dasselbe Weihnachten derselben Person kauft. Ein Selbstkäufer gibt weniger aus, kauft das ganze Jahr und kommt alle paar Monate wieder. Das sind nicht zwei Segmente eines Shops; das sind zwei Shops. Die Geschenkkäuferin braucht eine Erinnerung Anfang November, einen Knopf "noch einmal schicken" und ein Lieferversprechen, dem sie vertrauen kann. Der Selbstkäufer braucht ein Abo oder ein Treueprogramm, das Gebiet von Kapitel 17. Das Verhalten hat mir die Strategie gesagt, nicht umgekehrt. Die verhaltensökonomische Lesart, warum Geschenkkäufer mehr zahlen, steht in einem früheren Artikel; die Kurzantwort ist, dass ein Geschenk ein Signal ist, und Signale werden anders bepreist als Lebensmittel.

Wie du das wirklich durchführst

Du brauchst drei Tabellen und zwei Wochen, kein Data Warehouse.

Daten. Eine Kunden oder Accounttabelle mit dem Zeitpunkt der Anmeldung oder Erstbestellung und der Quelle. Eine Event oder Bestelltabelle mit Zeitstempel und Typ. Was immer du an geäusserter Präferenz sammelst: das Dropdown bei der Anmeldung, eine Umfrage, den Freitext im ersten Supportchat. Wenn du nichts davon hast, ergänze diese Woche eine Frage bei der Anmeldung. Eine Frage, kein Formular.

Die Abfrage. Für die Werkbank Frage ist ein erster Durchgang in SQL etwa ein Dutzend Zeilen.

WITH first_week AS (
  SELECT account_id,
         BOOL_OR(event = 'quote_created')   AS made_quote,
         BOOL_OR(event = 'job_scheduled')   AS scheduled_job
  FROM events e
  JOIN accounts a USING (account_id)
  WHERE e.created_at < a.signed_up_at + INTERVAL '7 days'
  GROUP BY account_id
)
SELECT made_quote, scheduled_job,
       COUNT(*)                          AS trials,
       AVG(CASE WHEN a.paid_at IS NOT NULL THEN 1.0 ELSE 0 END) AS trial_to_paid
FROM first_week f
JOIN accounts a USING (account_id)
WHERE a.signed_up_at < NOW() - INTERVAL '45 days'
GROUP BY 1, 2
ORDER BY trial_to_paid DESC;

Die letzte WHERE Klausel ist wichtig: Zähle nur Trials, die alt genug sind, um eine faire Chance auf Konversion gehabt zu haben, sonst ziehen frische Anmeldungen die Rate nach unten und du schliesst, dass dein neuestes Feature die Konversion killt.

Zeit. Die Überzeugungen zu formulieren dauert einen Nachmittag. Die Events zu putzen dauert fast eine Woche, weil es immer ein Event gibt, das im März umbenannt wurde. Die Analyse sind zwei Tage, das Aufschreiben noch einmal zwei.

Prüfungen, bevor du dem traust. Gruppengrössen: Eine Rate von 51% auf 14 Accounts ist ein Gerücht, auf 400 ein Befund, und Kapitel 1 hat dir gezeigt, wie du ein Intervall darum legst. Richtung: Verursacht das Anlegen eines Angebots die Konversion, oder legen Leute, die ohnehin konvertiert hätten, zufällig Angebote an? Verhaltensdaten allein können das nicht trennen; nur ein Test kann es, und das ist Kapitel 20. Zeitfenster: Probier 3 und 14 Tage neben den 7. Instrumentierung: Prüf, ob das Event auf dem Handy feuert, wo die Hälfte deiner Tischler lebt.

Fallen, die ich am häufigsten sehe

Leute nach dem Warum fragen und die Antwort glauben. Umfragen sind für Einstellungen und für Dinge, die keine Spur in den Daten hinterlassen. Bei Motiven sind sie miserabel. Leg die genannte Antwort neben das offenbarte Verhalten und behandle die Lücke als Befund. Der beliebteste genannte Grund bei Werkbank war die schlechteste Gruppe; diese Lücke war der ganze Insight.

Nach dem segmentieren, was leicht ist, statt nach dem, was sich unterscheidet. Firmengrösse, Region und Alter stehen in jedem CRM, also schneidet man dort. Verhalten ist, was sich zwischen Gruppen wirklich unterscheiden soll. Wenn zwei Segmente dieselbe Kampagne bekämen, sind sie ein Segment.

Den Job des Gründers mit dem Job des Kunden verwechseln. Lena hat Angebotsvorlagen gebaut, weil sie stolz darauf ist. Der Kunde hat Werkbank für einen anderen Job angeheuert. Die Roadmap soll dem Job des Kunden folgen, und die Daten sagen dir, welcher das ist, wenn du sie lässt.

Den Entscheidungsprozess als gerade Linie behandeln. Das Flussdiagramm ist eine Denkhilfe. Echte Reisen pausieren monatelang, starten von einem Auslöser neu oder überspringen die Suche, weil ein Kumpel dich empfohlen hat. Ein Funnelreport, der eine gerade Linie annimmt, nennt einen aufschiebenden Kunden verloren und einen zurückkehrenden neu.

Positionierung mit Text verwechseln. Positionierung ist der Platz, den du im Vergleich des Kunden einnimmst. Text ist, wie du ihn beschreibst. Den Text kannst du jede Woche umschreiben; die Position bewegt sich nur, wenn Produkt, Preis oder Beweis sich bewegen. Die Psychologie, warum Nutzer klicken oder abspringen, ist echt und lohnt sich, aber sie optimiert die Auslieferung eines Versprechens, nicht das Versprechen.

So mache ich das für Kunden

Das Ergebnis dieser Methode ist ein Verhaltensbriefing, und ich will es haben, bevor jemand ein Modell, eine Kampagne oder ein Redesign anfasst.

Es beginnt mit dem kostenlosen Workshop: ein halber Tag mit den Gründern oder der Inhaberin, an dem wir jede Überzeugung darüber, warum Kunden kaufen, in der Form "Person in einer Situation" von oben aufschreiben und danach reihen, wie viel der Strategie auf jeder ruht. Dann nehme ich mir zwei Wochen auf mein eigenes Risiko. Ich brauche Lesezugriff auf deine Bestellungen oder Events, dein CRM oder deine Accounttabelle, und was immer du an geäusserter Präferenz sammelst. Ich schreibe die Abfragen, lege geäussert neben offenbart und prüfe die Gruppengrössen, damit sich niemand über vierzehn Accounts freut.

Was du bekommst, ist ein kurzes Dokument: jede Überzeugung, das Verhalten, das sie bestätigen würde, die Zahl, die wir gefunden haben, das Intervall darum, und ein Urteil: bestätigt, widerlegt oder noch nicht prüfbar. Für die letzte Kategorie bekommst du die eine Frage, die du bei Anmeldung oder Checkout ergänzen solltest. Dazu kommt die Positionierungskarte auf den Achsen, die deine Käufer wirklich verwenden, aus den Daten gezeichnet statt aus dem Foliensatz, und die Verhaltensfragen aus der Tabelle oben, die für dich zählen, in Reihenfolge. Die Abfragen, das Dokument und die Karte gehören dir.

Wenn du danach die Modelle gebaut haben willst, läuft das unter Data Science. Wenn du die Befunde in Kanäle und Kampagnen übersetzt haben willst, ist das Growth Hacking Plus, und wo es passt, arbeite ich auf Provision gegen das Wachstum. Die Preisseite sagt in klaren Worten, was das jeweils kostet; der Workshop und die zwei Wochen kosten dich nichts ausser Zugang und Ehrlichkeit.

Fragen an dein eigenes Team oder deine Agentur

• Auf welchen drei Überzeugungen darüber, warum unsere Kunden kaufen, steht die aktuelle Strategie, und wann haben wir zuletzt eine davon am Verhalten geprüft?
• Was würden Kunden für jede Überzeugung anders tun, wenn sie stimmt, und erfassen wir dieses Verhalten irgendwo?
• Wo widersprechen sich unsere genannten Gründe und unser offenbartes Verhalten am stärksten, und was haben wir mit dieser Lücke gemacht?
• Auf welchen zwei Eigenschaften vergleichen uns unsere Käufer wirklich, und woher wissen wir, dass es diese zwei sind?
• Wenn wir Kunden nach dem teilen, was sie tun, statt nach dem, wer sie sind, wie viele Gruppen bekommen wir, und bekäme jede ein anderes Angebot?
• Welche Frage aus der Tabelle von Verhalten zu Technik würde unsere grösste Entscheidung dieses Jahr ändern, und wer beantwortet sie?

Diese Serie ist inspiriert von Mike Grigsbys Marketing Analytics (Kogan Page). Erklärungen, Beispiele und Zahlen hier sind meine eigenen.