Knappheit, Dringlichkeit und Verlustaversion: die Psychologie von jetzt oder nie
Kurz gesagt
Niveau: Fortgeschritten
- Knappheit und Dringlichkeit wirken: Echte Bestandszahlen und echte Fristen können die Conversion heben und Menschen helfen, eine gute Entscheidung nicht länger aufzuschieben.
- Erfundene Grenzen gehen nach hinten los. Eine unrichtige Behauptung über eine zeitliche Begrenzung ist nach Z 7 des Anhangs zum UWG unter allen Umständen unlauter, falsche Bestandszahlen sind nach § 2 UWG irreführend, und Klagen auf Unterlassung kommen von Mitbewerbern, Arbeiterkammer, WKO und VKI.
- Besitztumseffekt und IKEA Effekt sind echt, aber schwankend, und das meiste in deinen eigenen Daten ist Korrelation, also teile per Zufall zu, bevor du es glaubst.
- Beurteile jeden Test nach Retouren, Beschwerden und Bindung, nicht nur nach der Conversion.
Freie Zimmer, Countdown Uhren und kostenlose Tests drängen alle zu einer Entscheidung jetzt. Dieser Artikel erklärt die Psychologie hinter Knappheit, Dringlichkeit, der Angst, etwas zu verpassen, dem Besitztumseffekt und dem IKEA Effekt, zeigt, wo das österreichische Recht die Grenze zieht, und misst jeden Effekt an erfundenen Firmen in Graz, Wien, Salzburg und Linz, mit Python, das du ausführen kannst.
Jetzt oder nie ist eine Designentscheidung
Hotelportale zeigen dir, wie viele andere gerade dasselbe Hotel ansehen und wie viele Zimmer noch frei sind. Onlineshops sagen dir, dass du in den nächsten drei Stunden bestellen musst, damit das Paket morgen da ist. Ein kostenloser Test fühlt sich am 14. Tag viel schwerer zu kündigen an, als er sich am ersten Tag zu starten anfühlte. Nichts davon ist Zufall. Es ist Verhaltenspsychologie, eingesetzt, damit eine Entscheidung jetzt fällt.
Ehrlich eingesetzt helfen diese Techniken Menschen, eine Entscheidung nicht länger aufzuschieben, die gut für sie ist. Zum Täuschen eingesetzt zerstören sie Vertrauen, und in Österreich sind manche davon schlicht verboten. Dieser Artikel nimmt sich jeden Effekt einzeln vor (Knappheit, Dringlichkeit, die Angst, etwas zu verpassen, den Besitztumseffekt und den IKEA Effekt), sagt, was die Forschung gefunden hat, wo der Effekt hilft, wo er nach hinten losgeht und wie du ihn sauber misst. Jede Zahl in den Beispielen ist erfunden, damit ich jeden Schritt zeigen kann.
Knappheit lässt Dinge wertvoller wirken
Was knapp ist, wollen Menschen mehr. Robert Cialdini zählt Knappheit in seiner Arbeit über Einfluss zu den Prinzipien der Überzeugung ("people want more of those things they can have less of"). Seine Liste hat inzwischen sieben Prinzipien, seit er Verbundenheit (unity) ergänzt hat, nicht die sechs, mit denen sie oft zitiert wird.1
Die Alltagsformen kennst du: die limitierte Auflage, "nur noch drei auf Lager", Zugang nur auf Einladung, eine Mitgliedschaft, die bald schließt. Sie alle ziehen an denselben wenigen Mechanismen.
Drei Gründe, warum Knappheit wirkt
Reaktanz. Wird die Freiheit bedroht, zu wählen, spüren Menschen einen Drang, sie wiederherzustellen. Die Psychologie nennt das Reaktanz, seit Jack Brehm die Theorie 1966 vorgeschlagen hat.2 Wenn etwas bald nicht mehr zu haben ist, ist genau das so eine Bedrohung, und die Option, die du gleich verlierst, wirkt attraktiver.
Ein Schluss auf andere Menschen. Wenn etwas ausgeht, müssen es andere gewollt haben. Knappheit wird zu einem indirekten Signal für Qualität.
Verlustaversion. Knappheit rahmt die Entscheidung als Verlust. Nicht jetzt zu kaufen heißt, die Gelegenheit zu verlieren. Verluste wiegen ungefähr doppelt so schwer wie gleich große Gewinne: Eine Metaanalyse von 2024 über 607 Schätzungen kam im Mittel auf einen Koeffizienten der Verlustaversion von rund 1,96.3 Wie belastbar diese Zahl ist, zeigt der Artikel zur Preispsychologie.
Die britische Wettbewerbsbehörde Competition and Markets Authority (CMA) fasst die Forschung genauso zusammen: Es gibt viele Belege, dass Verbraucher auf Knappheit reagieren, und zahlreiche Studien finden Effekte von Knappheitsangaben auf Klickraten, Käufe und den wahrgenommenen Wert.4
Echte Knappheit und erfundene Knappheit
Hier kommt es darauf an, was stimmt.
Echte Knappheit ist eine ehrliche Angabe über eine echte Grenze. Das Hotel hat wirklich nur noch zwei Zimmer. Die Auflage umfasst wirklich 500 Stück. Der Frühbucherpreis endet wirklich am Freitag.
Erfundene Knappheit ist eine Grenze, die nur existiert, um Druck zu machen. Die "limitierte Auflage", die immer wieder nachproduziert wird. Das "nur noch zwei", das seit sechs Monaten "nur noch zwei" sagt.
Erfundene Knappheit ist nicht selten. Eine automatische Auswertung von rund 11.000 Shopping Websites fand 632 Hinweise auf niedrigen Lagerbestand und 17 Websites, deren Bestandszahlen täuschten: 16 zählten nach festem Zeitplan herunter, und eine erzeugte bei jedem Seitenaufruf eine Zufallszahl.5 Manche nutzten dafür fertige Plugins.
Eine Angabe kann wörtlich stimmen und trotzdem in die Irre führen. Der Leitfaden der CMA nennt als Beispiel ein Pop up mit "Schnell sein, wir haben in den letzten 5 Minuten 10 Stück verkauft", das zwar stimmt, obwohl der Lagerbestand hoch ist und niemand sich beeilen muss.6 Der Gesamteindruck ist falsch, also kann die Angabe irreführend sein. Das österreichische Recht sieht das genauso, dazu gleich mehr.
Der Druckstapel der Hotelportale
Bei Reiseportalen wurde das Stapeln dieser Signale zum Fall für die Behörden. Ein einzelnes Angebot zeigt vielleicht die freien Zimmer, wie viele Menschen gerade schauen, wie oft es heute gebucht wurde und dass es "sehr gefragt" ist. 2019 sagten Expedia, Booking.com, Agoda, Hotels.com, ebookers und trivago nach einer Untersuchung der CMA in Großbritannien zu, keinen falschen Eindruck mehr von der Verfügbarkeit oder Beliebtheit eines Hotels zu erwecken. Heißt es etwa, dass andere dasselbe Hotel ansehen, machen die Portale seitdem dort klar, dass diese Menschen vielleicht andere Daten suchen.7
Ein späteres Diskussionspapier der CMA erklärt, was die Behörde gestört hat: Angaben über andere Betrachter, die auch Menschen mit anderen Reisedaten oder Zimmerarten mitzählten, vage Formulierungen wie "gerade jetzt" und Zimmerzahlen, die auf unvollständigen Informationen beruhten.4 Gestapelter Druck wirkt auf die Conversion Rate. Ob er Vertrauen aufbaut, ist eine andere Frage.
Wann Knappheit hilft und wann sie nach hinten losgeht
Sie hilft, wenn die Grenze echt ist und es der Leserin nützt, davon zu wissen: Handgemachtes, kleine Produktionsläufe, Plätze in einem Saal, Reisetermine, Saisonware und Einführungspreise, die wirklich enden.
Sie geht nach hinten los bei Produkten, die offensichtlich überall zu haben sind, denn wer Knappheit bei etwas Reichlichem behauptet, wirkt unehrlich. Sie geht nach hinten los bei Stammkunden, die merken, dass die Mail mit der letzten Chance jede Woche kommt. Und sie geht nach hinten los bei sorgfältigen Käufern, in Gesundheit, Finanzen, Bildung und im B2B, die Druck als Grund lesen, woanders zu schauen.
Beispiel: eine echte Bestandszahl bei einer Grazer Töpferei
Göstinger Keramik (goestingerkeramik.example) ist eine erfundene Töpferei in Graz, die ihre Häferl in Bränden zu je 40 Stück brennt. Sie testet die echte Zahl, die aus dem aktuellen Brand noch übrig ist ("noch 4 aus diesem Brand"), gegen eine Seite ohne Bestandshinweis. Jede Fassung bekommt 5.000 Sitzungen.
Die Kontrollgruppe bringt 160 Bestellungen, eine Conversion Rate von 3,2 %. Die Variante bringt 205, also 4,1 %. Der relative Zuwachs (Lift) ist die prozentuale Veränderung von der Kontrolle zur Variante:
Dabei ist die Conversion Rate der Kontrolle und die der Variante, jeweils die Zahl der Bestellungen geteilt durch die Zahl der Sitzungen. Grundlagen: Prozente erklärt die prozentuale Veränderung, und Grundlagen: Verhältnisse und Raten die Raten selbst.
Die Variante konvertiert also um 28,1 % besser, absolut sind das Prozentpunkte. Ist das mehr als Rauschen? Das beantwortet der z Test für zwei Anteile:
Dabei ist die gepoolte Conversion Rate beider Gruppen zusammen, und und sind die Sitzungen in jeder Gruppe. Schritt für Schritt erklärt den Test Grundlagen: Hypothesentests.
Die gepoolte Rate ist . Der Standardfehler ist . Also:
Ein von ergibt einen zweiseitigen p Wert von rund , unter der üblichen Schwelle von 5 %. Der Zuwachs ist sehr wahrscheinlich echt.
Jetzt der Teil, den die meisten Tests weglassen. Druck kann Käufe erzeugen, die Menschen bereuen. Nimm als Annahme dieses Beispiels an, dass 8 % der Bestellungen aus der Kontrolle und 11 % aus der Variante zurückkommen. Behalten werden und Bestellungen. Der Nettozuwachs ist , also 23,9 % statt 28,1 %. Hier immer noch ein Gewinn, weil die Zahl stimmte und nützlich war. Miss aber immer, was nach dem Klick passiert.
import numpy as np
from statsmodels.stats.proportion import proportions_ztest
# Göstinger Keramik, erfundene Zahlen: Variante zuerst, Kontrolle danach
orders = np.array([205, 160])
sessions = np.array([5000, 5000])
return_rate = np.array([0.11, 0.08]) # eine Annahme des Beispiels
rates = orders / sessions
z, p = proportions_ztest(orders, sessions) # zweiseitig, gepoolt
kept = orders * (1 - return_rate)
print(f"Conversion: variant {rates[0]:.2%}, control {rates[1]:.2%}")
print(f"Gross lift {rates[0] / rates[1] - 1:.1%}, z = {z:.2f}, p = {p:.3f}")
print(f"Orders kept after returns: {kept[0]:.1f} against {kept[1]:.1f}")
print(f"Net lift {kept[0] / kept[1] - 1:.1%}")
Dringlichkeit ist Knappheit an der Uhr
Dringlichkeit ist dieselbe Idee mit einer Uhr. Das Angebot endet. Der Countdown läuft. Der Sale schließt um Mitternacht.
Sie wirkt unter anderem, weil Menschen die Zukunft abwerten: Eine Belohnung jetzt zählt mehr als dieselbe Belohnung später, und wie stark Menschen abwerten, schwankt zwischen Studien und Situationen enorm.8 Eine Frist holt die Entscheidung in die Gegenwart. Die CMA ergänzt, dass Zeitdruck Menschen dazu bringt, sich auf gedankliche Abkürzungen zu verlassen, weniger Eigenschaften anzusehen und aus Gewohnheit zu entscheiden.4 Genau das ist das Problem. In einem Experiment, das die CMA zitiert, standen Menschen, die befristete Angebote annahmen, statt auf eine größere Auswahl zu warten, am Ende schlechter da, und ihr Verhalten wurde mit Erfahrung nicht besser.4
Wie Dringlichkeit aussieht
Countdown Timer. Eine sichtbare Frist. Wirksam, und genau deshalb schauen Behörden und Gerichte hin. Dieselbe Auswertung der Shopping Websites fand 393 Countdown Timer, davon 157 täuschende auf 140 Websites, Timer, die neu starteten oder abliefen, während das Angebot weiterlief.5
Flash Sales. Ein kurzer Sale als Ereignis: "24 Stunden Sale", "nur am Wochenende".
Ablaufende Angebote. Eine persönliche Frist: "dein Code läuft heute Nacht ab".
Bestellschluss für die Lieferung. "Bestell in den nächsten drei Stunden, dann kommt es morgen." Echte Dringlichkeit, die auf echter Logistik beruht.
Den stärksten Druck macht Dringlichkeit zusammen mit Knappheit: "Nur noch drei zu diesem Preis, und der Sale endet in zwei Stunden." Das ist ein möglicher Verlust an zwei Fronten und, wenn eine Hälfte erfunden ist, das doppelte Risiko.
Beispiel: fünf Fassungen von Dringlichkeit bei einem Wiener Blumengeschäft
Margaretner Blüten (margaretnerblueten.example) ist ein erfundenes Blumengeschäft in Wien. Über eine Saison zeigt es fünf Fassungen, jede in 10.000 Sitzungen, bei einer durchschnittlichen Bestellung von € 50. Die Raten für Conversion, Retouren und Beschwerden unten sind Annahmen des Beispiels.
| Fassung | Conversion | Retouren | Beschwerden pro Sitzung |
|---|---|---|---|
| Ohne Dringlichkeit | 2,8 % | 7 % | 0,2 % |
| "Nur für kurze Zeit" | 3,3 % | 8 % | 0,3 % |
| Timer über 24 Stunden | 3,9 % | 9 % | 0,5 % |
| Timer über zwei Stunden | 4,6 % | 12 % | 1,2 % |
| Timer plus Bestandszahl | 5,2 % | 14 % | 1,8 % |
Der faire Vergleich ist der Nettoumsatz pro Sitzung nach Retouren:
Dabei ist der Umsatz pro Sitzung (revenue per session), die Zahl der Bestellungen, die Retourenquote, der durchschnittliche Bestellwert und die Zahl der Sitzungen. Es ist eine Rate wie jede andere, siehe Grundlagen: Verhältnisse und Raten.
Ohne Dringlichkeit: 280 Bestellungen, davon behalten, mal € 50 sind € 13.020, also Euro pro Sitzung. Mit Timer plus Bestandszahl: 520 Bestellungen, behalten, € 22.360, also € 2,24 pro Sitzung.
Nach dem Umsatz allein gewinnt die aggressivste Fassung. Jetzt schau auf die Beschwerden pro 100 behaltene Bestellungen: Ohne Dringlichkeit sind es 20 Beschwerden auf 260,4 behaltene Bestellungen, 7,7 pro 100. Mit Timer plus Bestandszahl sind es 180 auf 447,2, also 40,3 pro 100.
Die waagrechte Achse zeigt die fünf Fassungen, von keiner Dringlichkeit bis zur aggressivsten. Die senkrechte Achse zeigt die Beschwerden auf je 100 Bestellungen, die behalten wurden. Der Umsatz pro Sitzung steigt über die Reihe um rund 70 %, die Beschwerden pro behaltene Bestellung aber auf mehr als das Fünffache. Aus Beschwerden werden künftige Kunden, die wegbleiben, Rückbuchungen und Klagen auf Unterlassung.
Und es gibt eine härtere Grenze. Der Timer über zwei Stunden ist nur zulässig, wenn das Angebot wirklich in zwei Stunden endet. Startet der Timer des Blumengeschäfts jeden Morgen neu, ist der Umsatz egal, denn die Praxis ist verboten.
import pandas as pd
# Margaretner Blüten, erfundene Raten: 10.000 Sitzungen pro Fassung, € 50 durchschnittliche Bestellung
df = pd.DataFrame({
'treatment': ['No urgency', 'Limited time', '24 hour timer',
'Two hour timer', 'Timer plus stock count'],
'conversion': [0.028, 0.033, 0.039, 0.046, 0.052],
'returns': [0.07, 0.08, 0.09, 0.12, 0.14],
'complaints': [0.002, 0.003, 0.005, 0.012, 0.018],
})
sessions, aov = 10_000, 50
df['kept_orders'] = sessions * df['conversion'] * (1 - df['returns'])
df['net_rps'] = df['kept_orders'] * aov / sessions
df['complaints_per_100'] = sessions * df['complaints'] / df['kept_orders'] * 100
print(df[['treatment', 'kept_orders', 'net_rps', 'complaints_per_100']].round(2).to_string(index=False))
Das österreichische Recht verbietet die falsche Frist
In Österreich regelt das Bundesgesetz gegen den unlauteren Wettbewerb (UWG), welche Geschäftspraktiken unlauter sind. Sein Anhang listet Praktiken, die unter allen Umständen als unlauter gelten, ohne dass es auf den Einzelfall ankommt. Z 7 ist die unrichtige Behauptung, dass das Produkt nur eine sehr begrenzte Zeit oder nur eine sehr begrenzte Zeit zu bestimmten Bedingungen verfügbar sein werde, um den Verbraucher zu einer sofortigen Entscheidung zu verleiten, sodass er weder Zeit noch Gelegenheit hat, eine informierte Entscheidung zu treffen.9
Wie das in der Praxis aussieht, zeigt ein deutscher Fall, der hier als Vergleich dient. Der deutsche Verbraucherzentrale Bundesverband klagte gegen einen Mobilfunkanbieter, der mit einem Sondertarif "nur bis 14.02. 11 Uhr" warb, mit Countdown auf Tage, Stunden, Minuten und Sekunden. Nach Ablauf gab es dieselben Konditionen "nur bis 18.02. 11 Uhr", wieder mit Countdown, und danach noch einmal unter neuem Namen. Das Landgericht Hanau gab der Klage am 5. November 2025 nach deutschem Recht statt: Wer eine zeitliche Grenze für eine Aktion setzt, muss sich grundsätzlich daran halten, und dass der Tarif einen anderen Namen bekam, änderte nichts, weil die Konditionen identisch blieben. Das Urteil ist noch nicht rechtskräftig, die Berufung läuft.10 Ein österreichisches Gericht bindet es nicht. Die Leitlinien der Europäischen Kommission zur Richtlinie über unlautere Geschäftspraktiken, auf der auch das österreichische UWG beruht,11 nennen aber gefälschte Timer und Angaben über begrenzte Lagerbestände ausdrücklich als Beispiele für falsche Dringlichkeit.12 Endet das Angebot wirklich, wenn der Countdown es sagt, ist der Countdown eine wahre Angabe. Taucht danach dasselbe Angebot wieder auf, ist er es nicht.
Falsche Bestandszahlen und Angaben wie "gerade sehen sich das 12 Personen an" stehen nicht als eigene Ziffer im Anhang, sie werden aber nach § 2 UWG als Irreführung beurteilt: Irreführend ist eine Geschäftspraktik, die unrichtige Angaben enthält oder sonst geeignet ist, jemanden über das Vorhandensein des Produkts, seine wesentlichen Merkmale oder das Vorhandensein eines besonderen Preisvorteils so zu täuschen, dass er eine Entscheidung trifft, die er sonst nicht getroffen hätte.13 Das Pop up aus dem Beispiel der CMA, wörtlich wahr und trotzdem täuschend, fällt in genau diese Kategorie.
Durchgesetzt wird das UWG in Österreich vor allem über den Anspruch auf Unterlassung. Geltend machen können ihn Mitbewerber, Vereinigungen zur Förderung wirtschaftlicher Interessen von Unternehmern, die Bundesarbeitskammer (die Arbeiterkammer), die Wirtschaftskammer Österreich (WKO), der Österreichische Gewerkschaftsbund, die Bundeswettbewerbsbehörde und bei irreführenden Praktiken auch der Verein für Konsumenteninformation (VKI).14 Zur Sicherung dieses Anspruchs kann das Gericht eine einstweilige Verfügung erlassen, auch wenn die sonst dafür nötigen Voraussetzungen der Exekutionsordnung nicht vorliegen, ein falscher Countdown kann also sehr schnell abgedreht werden müssen.15 Eine Geldstrafe von bis zu 4 % des Jahresumsatzes sieht das UWG nur für wissentliche, weitverbreitete Verstöße vor, im Rahmen einer koordinierten Durchsetzungsmaßnahme der europäischen Verbraucherschutzbehörden.16 Und eine Frist auf einen Preis funktioniert nur, wenn der Preis selbst ehrlich ist: Nach dem Preisauszeichnungsgesetz (PrAG) sind Preise einschließlich der Umsatzsteuer und aller sonstigen Abgaben und Zuschläge auszuzeichnen, als Bruttopreise,17 und wer bei Waren eine Preisermäßigung bekannt gibt, muss den niedrigsten Preis angeben, der in den 30 Tagen vor der Ermäßigung zumindest einmal im selben Vertriebskanal verlangt wurde.18
Die wirtschaftlichen Kosten kommen vor jeder Klage. Die CMA weist darauf hin, dass falsche Knappheit Menschen beibringt, Knappheitsangaben zu ignorieren, sodass ein Händler, dessen Produkt wirklich knapp ist, das nicht mehr glaubwürdig sagen kann.4 Jeder falsche Timer entwertet jeden echten.
Bevor eine Angabe über Knappheit oder Dringlichkeit live geht, sollte sie eine einfache Prüfung bestehen:
Der Ablauf geht vom Entwurf oben bis zur Veröffentlichung unten. Jede Frage ist ein Tor, und jeder Pfeil ist ein "ja". Ein "nein" an irgendeinem Tor heißt, dass die Angabe korrigiert oder entfernt wird, bevor sie irgendwohin geht. Nur eine Angabe, die stimmt, auf Live Daten beruht, eingehalten wird und den vollständigen Preis zeigt, kommt unten an.
FOMO ist Knappheit mit Publikum
Die Angst, etwas zu verpassen (Fear of Missing Out, FOMO), ist Knappheit, angewendet auf Zugehörigkeit. Es geht nicht nur darum, dass das Produkt ausgehen könnte. Es geht darum, dass alle anderen es bekommen und du zurückbleibst. "Schließ dich 10.000 Kunden an, die diesen Monat gewechselt haben." "Deine Mitbewerber nutzen das schon."
Wie FOMO wirkt
FOMO verbindet Knappheit mit Social Proof: Etwas ist begrenzt, und andere greifen zu, was seinen Wert zu bestätigen scheint. Dazu kommen Status (hinter die eigenen Leute zurückzufallen, deshalb erwähnen Botschaften an Unternehmen so gern die Konkurrenz) und Erlebnisse (andere haben sie gerade, deshalb setzen Veranstaltungen und Reisen so stark darauf).
Das Alter, und was die Belege wirklich sagen
Eine verbreitete Behauptung lautet, FOMO Marketing wirke bei Menschen unter 35 viel besser und könne Menschen über 40 abschrecken. Die Forschung stützt etwas Engeres. In der Studie, die eine Standardskala für FOMO eingeführt hat, war die Angst, etwas zu verpassen, als persönliche Eigenschaft bei jungen Menschen am höchsten, und bei jungen Männern besonders.19 Das ist ein Befund über ein Gefühl, gemessen in Befragungen. Er sagt dir nicht, um wie viel eine Buchungszahl auf deiner Seite den Umsatz in jeder Altersgruppe hebt. Das musst du testen, und der Test ist schwieriger, als er aussieht.
Wann FOMO hilft und wann es nach hinten losgeht
Es hilft, wenn der Wert wirklich mit der Zahl der Nutzer wächst (ein Netzwerk, eine Fachcommunity), wenn das Verpassen wirklich endgültig ist (eine Veranstaltung an einem Datum) und in Kategorien, in denen es darum geht, aktuell zu sein, etwa Mode und Unterhaltung.
Es geht nach hinten los bei überlegten Käufen, im B2B, wo nach dem Return on Investment entschieden wird und nicht aus Angst, und vor allem, wenn der Social Proof erfunden ist. "Schließ dich Tausenden Kunden an" klingt hohl bei einem Produkt, das letzte Woche gestartet ist.
Beispiel: ein Salzburger Supper Club testet Buchungszahlen nach Alter
Salzachtafel (salzachtafel.example) ist ein erfundener Supper Club in Salzburg. Er testet eine wahre Angabe ("212 Menschen haben diesen Monat gebucht") gegen keine, in fünf Altersgruppen mit je 2.000 Besuchern pro Gruppe und Fassung.
| Altersgruppe | Buchungen Kontrolle | Buchungen mit Angabe | Lift | p Wert |
|---|---|---|---|---|
| 18 bis 24 | 90 | 122 | 35,6 % | |
| 25 bis 34 | 84 | 105 | 25,0 % | |
| 35 bis 44 | 76 | 85 | 11,8 % | |
| 45 bis 54 | 64 | 67 | 4,7 % | |
| 55 und älter | 56 | 55 | minus 1,8 % |
Jeder p Wert kommt aus demselben z Test wie bei der Grazer Töpferei. Nur die jüngste Gruppe liegt unter 0,05. Ein Lift von 25 % bei den 25 bis 34 Jährigen ist nicht signifikant, weil 2.000 Besucher pro Fassung zu wenige sind, um ihn zu erkennen.
Es gibt eine zweite Falle. Fünf unabhängige Tests auf dem Niveau von 5 % ergeben eine Wahrscheinlichkeit von mehr als eins zu fünf (), dass mindestens einer allein durch Zufall "signifikant" wird. Eine Holm Korrektur für die fünf Tests multipliziert den kleinsten p Wert mit fünf: . Nach der Korrektur ist keine Gruppe signifikant. Die ehrliche Schlussfolgerung: Das Muster ist ein Hinweis, die Belege fehlen noch, und der nächste Test braucht weit mehr Besucher pro Gruppe. Wie viele, zeigt Grundlagen: Stichprobengröße.
from statsmodels.stats.proportion import proportions_ztest
from statsmodels.stats.multitest import multipletests
# Salzachtafel, erfunden: 2.000 Besucher pro Fassung in jeder Altersgruppe
groups = {
'18 to 24': (90, 122), '25 to 34': (84, 105), '35 to 44': (76, 85),
'45 to 54': (64, 67), '55 and over': (56, 55),
}
n = 2000
p_values = []
for name, (control, message) in groups.items():
z, p = proportions_ztest([message, control], [n, n])
p_values.append(p)
print(f"{name:12} lift {message / control - 1:+.1%} p = {p:.3f}")
reject, p_holm, _, _ = multipletests(p_values, alpha=0.05, method='holm')
print("Significant after Holm correction:", dict(zip(groups, map(bool, reject))))
Der Besitztumseffekt: Besitz verändert den Preis
Sobald Menschen etwas besitzen, schätzen sie es meist höher. Das ist der Besitztumseffekt (Endowment Effect), und seine bekannteste Demonstration sind die Kaffeebecher Experimente von Daniel Kahneman, Jack Knetsch und Richard Thaler: Die Hälfte der Teilnehmer bekam per Zufall einen Becher, der Preis, den die Besitzer verlangten, lag weit über dem, was die anderen zahlen wollten, und viel weniger Becher wechselten den Besitzer, als die ökonomische Theorie vorhersagte.20
Wie groß und wie allgemein diese Lücke ist, bleibt umstritten. Charles Plott und Kathryn Zeiler argumentierten, dass ein großer Teil der berichteten Lücke zwischen Zahlungsbereitschaft und Verkaufsbereitschaft daher kommt, wie die Experimente die Frage stellen, und dass es keinen Konsens gibt, wie robust die Lücke ist.21 Sieh den Besitztumseffekt also als echt, aber schwankend, und miss ihn in deinem eigenen Umfeld.
Warum kostenlose Tests angeblich konvertieren
Am ersten Tag eines Tests lautet die Frage "soll ich mir das holen?". Am 14. Tag kann daraus "soll ich das aufgeben?" werden, mit meinen Daten, meinen Einstellungen und meinen Abläufen darin. Die Theorie lautet, dass der Test nicht nur konvertiert, weil er den Wert gezeigt hat, sondern weil er ein Gefühl von Besitz übertragen hat, und etwas aufzugeben fühlt sich wie ein Verlust an. Der Artikel zur Verhaltensökonomie geht tiefer auf die Verlustaversion ein. Verluste wiegen ungefähr doppelt so schwer wie Gewinne,3 nicht genau die oft zitierten 2,25 mal.
Woher das Gefühl von Besitz kommt
Kostenlose Tests, Probefahrten und Testen zu Hause geben dir die Sache zuerst in die Hand. Ein Rückgaberecht von 30 oder 60 Tagen senkt das Risiko der Kundin und gibt, wenn die Theorie stimmt, dem Gefühl von Besitz Zeit zu wachsen, bevor sie über die Rückgabe entscheidet. Besitzanzeigende Formulierungen ("dein Warenkorb", "dein Tarif") helfen vielleicht ein wenig, das ist eine offene Frage und leicht zu testen. Und wer vor dem Kauf anpasst, macht daraus eine eigene Fassung, was zum IKEA Effekt weiter unten führt.
Am stärksten ist der Effekt, wo Menschen vor dem Bezahlen ausprobieren können, wo sich Daten und Verlauf über die Zeit ansammeln und wo Personalisierung das Produkt zu ihrem macht. Schwach ist er bei austauschbaren Produkten ohne etwas zum Personalisieren, bei einmaligen Käufen ohne Beziehung und wenn der Test selbst schlecht ist: Ein frustrierender Test erzeugt keine Bindung.
Beispiel: die Testdauer bei einer Linzer Software für Dienstpläne
Schichtfein (schichtfein.example) ist eine erfundene Firma aus Linz, die Kaffeehäusern eine Software für Dienstpläne um € 49 im Monat verkauft. Sie will wissen, ob ein längerer Test besser konvertiert. Ihre Daten zeigen diese Raten vom Test zum zahlenden Kunden, Annahmen des Beispiels:
| Nutzung während des Tests | 7 Tage | 14 Tage | 30 Tage |
|---|---|---|---|
| Niedrig | 6 % | 9 % | 11 % |
| Mittel | 12 % | 18 % | 22 % |
| Hoch | 21,6 % | 32,4 % | 39,6 % |
Der Umsatz des ersten Monats pro gestartetem Test ist die Conversion Rate mal den Monatspreis:
Dabei ist die Rate vom Test zum zahlenden Kunden und der Monatspreis in Euro. Wie die Raten oben steht das in Grundlagen: Verhältnisse und Raten.
Bei mittlerer Nutzung: für sieben Tage, für 14 Tage und für 30 Tage, jeweils in Euro. Länger sieht besser aus, aber der Test über 30 Tage schiebt die erste Zahlung gegenüber dem über 14 Tage um 16 Tage hinaus und kostet mehr Support.
Der größere Haken: Das sind beobachtete Daten, kein Experiment. Die Nutzung wurde nicht per Zufall zugeteilt, und die Testdauer wahrscheinlich auch nicht. Begeisterte Kunden wählen vielleicht längere Tests und nutzen mehr. Um zu lernen, ob die Testdauer selbst die Conversion verursacht, muss Schichtfein neuen Anmeldungen die Testdauer per Zufall zuteilen und die Gruppen vergleichen.
import pandas as pd
# Schichtfein, erfundene Raten vom Test zum zahlenden Kunden nach Testdauer und Nutzung
base = {7: 0.12, 14: 0.18, 30: 0.22} # mittlere Nutzung
multiplier = {'low': 0.5, 'medium': 1.0, 'high': 1.8}
monthly_price = 49
rows = [
{'trial_days': days, 'engagement': level,
'conversion': rate * multiplier[level],
'revenue_per_start': rate * multiplier[level] * monthly_price}
for days, rate in base.items() for level in multiplier
]
df = pd.DataFrame(rows)
print(df.pivot(index='engagement', columns='trial_days', values='conversion')
.reindex(['low', 'medium', 'high']).apply(lambda col: col.map('{:.1%}'.format)))
print(df[df['engagement'] == 'medium'][['trial_days', 'revenue_per_start']].round(2))
Der IKEA Effekt: Mühe lässt Dinge mehr wert wirken
Michael Norton, Daniel Mochon und Dan Ariely haben dem IKEA Effekt seinen Namen gegeben: Menschen schätzen Dinge höher, wenn sie sie selbst gebaut haben. In ihrer ersten Studie boten Teilnehmer, die eine schlichte IKEA Aufbewahrungsbox selbst zusammengebaut hatten, im Schnitt 78 US Cent dafür, gegen 48 Cent von Teilnehmern, die eine identische, fertig aufgebaute Box bekamen. Dasselbe Muster zeigte sich bei Origami und Lego. Entscheidend: Der Effekt verschwand, wenn die Teilnehmer etwas bauten und es dann wieder zerlegten oder es nicht fertig bekamen.22 Mühe hebt den Wert nur, wenn sie mit Erfolg endet.
Was das für digitale Produkte heißt
Einstellungen wählen, ein erstes Dashboard bauen oder die eigenen Daten importieren ist Mühe, die den Wert heben kann, den Menschen in einem Produkt sehen. Ein Onboarding, das Menschen etwas tun lässt, statt ihnen nur etwas zu zeigen, kann eine stärkere Bindung erzeugen als eine passive Tour. Eine Fassung, die du selbst eingerichtet hast, ist dir mehr wert als eine allgemeine.
Die Falle der versunkenen Kosten
Der IKEA Effekt liegt nah am Trugschluss der versunkenen Kosten (Sunk Cost Fallacy): weiterzumachen, weil man schon so viel hineingesteckt hat. Hal Arkes und Catherine Blumer zeigten das mit Theaterabos: Wer den vollen Preis bezahlt hatte, ging in der ersten Hälfte der Saison in mehr Stücke als jene, die per Zufall einen Rabatt bekommen hatten.23 Nutzer, die Mühe investiert haben, geben sie ungern auf, selbst wenn es etwas Besseres gibt.
Das ist gut für die Bindung und wirft eine faire Frage auf. Bleiben Kunden, weil das Produkt wertvoll ist, oder weil sie sich durch das gefangen fühlen, was sie hineingesteckt haben? Die nachhaltige Fassung schafft einen Wert, der die Mühe rechtfertigt. Die ausbeuterische Fassung schafft Wechselkosten und sonst nichts.
Er hilft bei komplexen Produkten, die von der Einrichtung profitieren, bei Kreativwerkzeugen und bei Fachsoftware, wo Einrichtung und Integrationen echte Arbeit sind. Er geht nach hinten los, wenn die Einrichtung frustriert (Menschen verbinden das Produkt dann mit dem Ärger, nicht mit dem Stolz), wenn die Mühe Beschäftigungstherapie ist, die nichts bringt, und wenn manche Nutzer die Einrichtung gar nicht abschließen können, denn genau das zeigt die Studie selbst: Etwas Unfertiges bringt keinen Wert.
Beispiel: Onboarding Schritte und Bindung bei Schichtfein
Das Onboarding von Schichtfein hat fünf Schritte: Profil, Einstellungen, erster Dienstplan, Team einladen, Registrierkasse verbinden. Die Daten, für dieses Beispiel erfunden, zeigen, dass die Bindung nach 90 Tagen mit der Zahl der abgeschlossenen Schritte steigt.
Die waagrechte Achse zeigt, wie viele der fünf Onboarding Schritte ein Kunde abgeschlossen hat. Die senkrechte Achse zeigt den Anteil, der nach 90 Tagen noch zahlt. Jeder Schritt geht mit 12 Punkten mehr Bindung einher. Bei € 49 im Monat ist ein Jahr Umsatz € 588 wert, ein gebundener Anteil von 42 % also rund € 247 pro Kunde und 90 % rund € 529.
Es ist verlockend, das als "jeder Onboarding Schritt bringt € 71 Wert" zu lesen. Das stimmt nicht. Kunden, die alle fünf Schritte abschließen, waren wahrscheinlich schon vorher entschlossener. Die Korrelation vermischt den IKEA Effekt mit dem, wer diese Kunden ohnehin waren (warum, zeigt Grundlagen: Korrelation). Der Test, der die Frage beantwortet: Gib der Hälfte der neuen Kunden einen fertig ausgefüllten Beispieldienstplan, lass die andere Hälfte ihren ersten Dienstplan selbst bauen, und vergleiche die Bindung.
import numpy as np
import pandas as pd
from scipy import stats
# Schichtfein, simuliert: 1.000 Kunden, die Bindung steigt mit den abgeschlossenen Schritten
rng = np.random.default_rng(42)
steps = rng.choice([1, 2, 3, 4, 5], size=1000, p=[0.2, 0.25, 0.25, 0.2, 0.1])
retention_prob = np.minimum(0.30 + 0.12 * steps, 0.95)
retained = rng.random(1000) < retention_prob
df = pd.DataFrame({'steps': steps, 'retained_90d': retained})
print(df.groupby('steps')['retained_90d'].mean().round(2))
rho, p = stats.spearmanr(df['steps'], df['retained_90d'])
print(f"Spearman rho {rho:.3f}, p {p:.2g} (an association, not proof of cause)")
Wer Effekte stapelt, stapelt auch das Risiko
Die stärksten Wege zur Conversion verbinden mehrere Effekte. Zwei Beispiele, so formuliert, dass jeder Teil stimmt:
"Dein Test über 14 Tage endet in drei Tagen. Deine Dienstpläne und deine Mitarbeiterliste bleiben gespeichert, wenn du weitermachst." Das verbindet den Besitztumseffekt (sie nutzen es schon), Dringlichkeit (der Test endet wirklich) und Verlustaversion (was sie aufgeben würden).
"Dein eigener Dienstplan ist fertig. 212 Kaffeehäuser in Linz nutzen Schichtfein. Schließ die Einrichtung ab und starte deine erste Woche." Das verbindet den IKEA Effekt (sie haben ihn gebaut), Social Proof (andere nutzen es) und besitzanzeigende Formulierungen ("dein" Dienstplan).
Eine verbreitete Fassung der ersten Nachricht ergänzt "nur noch zwei Plätze im Pro Tarif, bevor die Anmeldung schließt". Software geht nicht aus. Wenn es keine echte Obergrenze gibt, ist dieser Satz erfundene Knappheit, und eine unrichtige Behauptung über eine zeitliche Begrenzung ist verboten.
Beispiel: ein Spielzeugmodell fürs Stapeln
Der Code unten modelliert das Stapeln von fünf Taktiken. Jeder Zuwachs und jede "Vertrauenskosten" darin sind Annahmen, keine Messungen. Jede Taktik hebt die Conversion, mit abnehmendem Ertrag (jede weitere Taktik wirkt annahmegemäß mit 80 % der vorigen), und jede zieht etwas von einem Vertrauensindex ab, der den langfristigen Wert skaliert.
from itertools import combinations
# Angenommene Zahlen nur zur Veranschaulichung, keine Messungen
tactics = {
'scarcity': {'lift': 0.25, 'trust_cost': 0.05},
'urgency': {'lift': 0.30, 'trust_cost': 0.08},
'social': {'lift': 0.15, 'trust_cost': 0.03},
'endowment': {'lift': 0.40, 'trust_cost': 0.01},
'ikea_effect': {'lift': 0.20, 'trust_cost': 0.02},
}
baseline_conversion = 0.03
baseline_trust = 0.85
def stack_impact(stack):
# Stärkste Taktik zuerst, jede weitere mit 80 % der Wirkung der vorigen
ordered = sorted(stack, key=lambda t: tactics[t]['lift'], reverse=True)
lift = sum(tactics[t]['lift'] * 0.8 ** i for i, t in enumerate(ordered))
trust = baseline_trust - sum(tactics[t]['trust_cost'] for t in stack)
conversion = baseline_conversion * (1 + lift)
return conversion, trust, conversion * trust / baseline_trust
rows = []
for r in range(1, len(tactics) + 1):
for combo in combinations(tactics, r):
conv, trust, adjusted = stack_impact(combo)
rows.append((' + '.join(combo), len(combo), conv, trust, adjusted))
rows.sort(key=lambda row: row[4], reverse=True)
print(f"{'Stack':45} | Conv | Trust | Adjusted")
for stack, n, conv, trust, adjusted in rows[:5]:
print(f"{stack:45} | {conv:.2%} | {trust:.2f} | {adjusted:.2%}")
everything = [row for row in rows if row[1] == len(tactics)][0]
print(f"\nAll five: {everything[2]:.2%} raw, {everything[4]:.2%} adjusted")
Mit diesen Annahmen bringen alle fünf zusammen die höchste rohe Conversion, 5,89 %, nach der Anpassung ans Vertrauen fällt sie aber auf 4,57 %. Der beste angepasste Stapel ist Knappheit, Social Proof, Besitztumseffekt und IKEA Effekt mit 4,71 %, und er lässt die Dringlichkeit weg, die Taktik mit den höchsten angenommenen Vertrauenskosten.
Die Lehre ist nicht dieser Stapel. Ein Modell wie dieses gibt nur die Annahmen zurück, die du hineingesteckt hast: Ändere die Vertrauenskosten, und der Gewinner ändert sich. Sein Nutzen ist, dass du aufschreiben musst, was jede Taktik deiner Meinung nach kostet, und es dann misst.
Überzeugen ist ehrlich, wenn die Angabe stimmt
Jede Technik hier lässt sich nutzen, um zu helfen oder um auszunutzen.
| Ehrliche Nutzung | Ausbeuterische Nutzung |
|---|---|
| Echte Knappheit, klar gesagt | Erfundene Grenzen, die Druck machen |
| Echte Fristen, die eingehalten werden | Timer, die neu starten, Sales, die nie enden |
| Wahre Kundenzahlen und echte Bewertungen | Aufgeblasene Zahlen und gefälschte Bewertungen |
| Tests, die beim Prüfen helfen, ob es passt | Tests, die Menschen festhalten sollen |
| Anpassung, die Wert schafft | Beschäftigung, die nur versunkene Kosten erzeugen soll |
Neben dem moralischen Argument ist das wirtschaftliche stark. Das Recht hat Zähne: Unterlassungsklagen von Mitbewerbern, Arbeiterkammer, Wirtschaftskammer und VKI, einstweilige Verfügungen und bei weitverbreiteten Verstößen Geldstrafen bis zu 4 % des Jahresumsatzes.141516 Falsche Angaben bringen Kunden bei, deine wahren zu ignorieren.4 Manipulative Taktiken zerstören Vertrauen, und zerstörtes Vertrauen zeigt sich in weniger Wiederholungskäufen, weniger Empfehlungen und einem niedrigeren Customer Lifetime Value. Und manipulative Praktiken werden öffentlich angeprangert, wo der Schaden jeden kurzfristigen Gewinn übersteigen kann.
Miss den ganzen Weg, nicht den Klick
Diese Effekte beschreiben, wie Menschen tatsächlich entscheiden. Sie zu ignorieren macht dich nicht ethisch. Es macht dich weniger wirksam. Die Manipulation kommt nicht daher, dass jemand Psychologie nutzt. Sie kommt daher, dass jemand über die Wirklichkeit lügt, um sie auszunutzen.
Setz sie also ehrlich ein, und miss über die Conversion hinaus: Retouren, Beschwerden, Bindung und Wiederholungskäufe. Die beste Conversion Rate bedeutet nichts, wenn sich Kunden hereingelegt fühlen und nie wiederkommen. Wie du einen echten Zuwachs von Rauschen unterscheidest, zeigt der Artikel über statistische Signifikanz.
Ich wende Verhaltenspsychologie seit über zehn Jahren auf die Conversion Optimierung an, im eCommerce, im SaaS und im B2B. Der Code in diesem Artikel läuft so, wie er dasteht, und beruht auf erfundenen Zahlen, also pass ihn an deine eigenen Daten an, bevor du einem Ergebnis traust.