Das Hook Model und Habit Loops: wiederkehrendes Engagement ohne Dark Patterns

Worum es geht: Eine Gewohnheit ist ein Auslöser, der ohne Entscheidung zündet

Die meisten Unternehmen wünschen sich Kundschaft, die wiederkommt, ohne sich jedes Mal neu dafür entscheiden zu müssen. Genau das ist eine Gewohnheit, und es lohnt sich, den Begriff sauber zu fassen, bevor irgendwer eine Schleife ans Whiteboard malt.

In der Psychologie ist eine Gewohnheit eine Reaktion, die eine Situation automatisch auslöst, weil beide schon oft zusammen aufgetreten sind. Wendy Wood und David Neal beschreiben es nüchtern: Gewohnheiten entstehen aus dem langsamen Lernen von Verknüpfungen zwischen einer Handlung und den Merkmalen der Situation, in der sie meistens passiert. Steht die Verknüpfung einmal, genügt die Situation, und die Handlung folgt, ohne dass ein Ziel dazwischengeschaltet ist.¹ Benjamin Gardner, Phillippa Lally und Jane Wardle ergänzen den Teil, der für ein Geschäft zählt: Weil die Handlung nicht mehr über eine bewusste Entscheidung läuft, halten Gewohnheiten oft auch dann noch, wenn die Motivation, mit der alles angefangen hat, längst nachgelassen hat.²

Das Hook Model ist der Versuch von Nir Eyal, daraus eine Designmethode zu machen: eine Schleife aus vier Schritten, die ein Produkt so oft durchläuft, bis die Nutzung automatisch wird.³ Als Landkarte taugt es. Es stützt sich aber an manchen Stellen stärker auf Forschung, als diese Forschung tragen kann, und es kann Dinge hervorbringen, bei denen Menschen später bereuen, je damit angefangen zu haben. Deshalb gehe ich jeden Schritt mit einem Rechenbeispiel durch, prüfe, was die Studien dahinter tatsächlich gemessen haben, und ziehe die Linie zwischen einer Gewohnheit, die der Kundschaft dient, und einem Haken, der nur dem Dashboard dient.

Alle Beispiele drehen sich um ein erfundenes Unternehmen: die Südvorstadt Rösterei, eine kleine Kaffeerösterei in Leipzig, die ihre Bohnen über suedvorstadtroesterei.example verkauft, als Einzelbestellung und im Abo. Shop und Zahlen sind ausgedacht.

Das Hook Model in vier Schritten

Eyal nennt die vier Schritte Trigger, Action, Variable Reward und Investment, also Auslöser, Handlung, wechselnde Belohnung und Investition.⁴ Was einen Hook von einer gewöhnlichen Rückkopplung unterscheidet, ist nach seinen Worten, dass er ein Verlangen erzeugt und nicht bloß eine Reaktion.⁴

Der Auslöser startet die Schleife: zuerst von außen (eine Mail, ein Button), später, wenn die Schleife funktioniert, von innen (eine Situation, die einem das Produkt von selbst in den Sinn bringt). Die Handlung ist das Kleinste, was die Person tut, weil sie eine Belohnung erwartet. Die wechselnde Belohnung ist das, was sie bekommt, und das Wechselnde ist der Kern: Das Ergebnis fällt nicht jedes Mal gleich aus. Die Investition ist etwas, das die Person hineinsteckt, also Zeit, Daten, Mühe, soziales Kapital oder Geld, und das den nächsten Durchlauf besser macht.⁴

Das Diagramm liest sich von oben nach unten, und das letzte Kästchen führt zurück zum ersten. Jeder Schritt funktioniert nur, wenn der vorherige funktioniert hat. Ein Auslöser ohne einfache Handlung nervt bloß. Eine Handlung ohne Belohnung bringt der Person bei, den Auslöser zu übergehen.

Rechenbeispiel: die Nachbestellung der Rösterei kartieren

Zuerst lege ich das, was die Rösterei heute tut, neben die vier Schritte.

1. Auslöser. Wer eine 250 g Tüte gekauft hat, bekommt sieben Tage nach der Lieferung genau eine Mail: "Zeit für neuen Kaffee?". Sonst nichts.
2. Handlung. Zum Nachbestellen geht es über die Startseite, dann den Kaffee wiederfinden, den Mahlgrad wählen, in den Warenkorb legen, einloggen, Adresse bestätigen und bezahlen. Ich zähle sieben einzelne Schritte.
3. Belohnung. Der Kaffee kommt an. Er ist gut, und er ist exakt derselbe wie beim letzten Mal.
4. Investition. Keine. Der Shop merkt sich weder Mahlgrad noch Zubereitung noch, wie die letzte Tüte geschmeckt hat.

So aufgeschrieben liegen die Schwachstellen offen: ein Auslöser nach Kalender, eine lange Handlung, eine flache Belohnung und keine Investition. Der Rest des Artikels nimmt sie sich einzeln vor.

Auslöser: erst von außen, das Ziel ist innen

Ein äußerer Auslöser bringt seine Anweisung gleich mit: eine Mail mit "Nachbestellen", ein Button mit "Nochmal kaufen". Ein innerer Auslöser ist eine Situation oder ein Gefühl, das die Person gelernt hat, mit dem Produkt zu verbinden. Eyals Punkt: Es gewinnt die Lösung, die einem zuerst einfällt. Steht die Gewohnheit, fällt einem das Produkt ein, sobald die Situation eintritt, ohne dass jemand daran erinnern muss.⁴

Das deckt sich mit der Forschung: Eine Gewohnheit löst der Kontext aus, nicht die Erinnerung.¹ Ein äußerer Auslöser sollte also genau dann kommen, wenn der echte Kontext eintritt, und das verlässlich genug, damit sich die Verknüpfung bildet. Eine Erinnerung zu einem beliebigen Zeitpunkt hat nichts, woran sie sich koppeln könnte.

Bei Kaffee liegt der Kontext auf der Hand: Die Tüte ist fast leer.

Rechenbeispiel: die Erinnerung nach der Tüte timen, nicht nach dem Kalender

Die Rösterei stellt an der Kasse eine freiwillige Frage: "Wie viele Tassen trinkst du ungefähr am Tag?". Eine Kundin antwortet zwei. Das Rezept der Rösterei rechnet mit 18 g Kaffee pro Tasse.

1. Verbrauch am Tag: zwei Tassen mal 18 g sind 36 g.
2. So lange reicht eine 250 g Tüte: 250 geteilt durch 36 sind 6,9 Tage.
3. Die Erinnerung soll kommen, wenn noch etwa zwei Tage Kaffee übrig sind, damit die Nachbestellung ankommt, bevor die Tüte leer ist. Zwei Tage zu je 36 g sind 72 g. Noch 72 g in der Tüte sind es, wenn 178 g verbraucht sind, und das ist an Tag 5 (178 geteilt durch 36 sind 4,9).
4. Die Erinnerung geht also an Tag 5 nach der Lieferung raus, nicht an Tag 7, und sie sagt, was stimmt: "In ein, zwei Tagen bist du bei den letzten Tassen."

Wer eine Tasse am Tag trinkt, bekommt sie an Tag 12. Nach ein paar Runden kommt die Mail genau dann, wenn der Kundin auffällt, dass die Tüte leicht geworden ist, und irgendwann übernimmt dieses Auffallen die Arbeit allein. So übergibt der äußere Auslöser an den inneren.

Handlung: der nächste Schritt muss kleiner sein als die Motivation, die er braucht

Eyal beschreibt diesen Schritt als zwei Hebel: wie leicht die Handlung ist und wie motiviert die Person ist, sie auszuführen.⁵ Das Verhaltensmodell von BJ Fogg sagt dasselbe. Fogg fasst es als B = MAP: Ein Verhalten passiert, wenn Motivation, Fähigkeit und ein Anstoß im selben Moment zusammenkommen, und wenn es nicht passiert, fehlt mindestens eines der drei.⁶ Fogg schreibt das nicht als Multiplikation, also tue ich es auch nicht. Rechnen muss man dafür ohnehin nicht: Je kleiner der Aufwand, desto weniger Motivation braucht die Person in dem Moment, in dem der Anstoß kommt.

Motivation zu steigern ist schwer und heißt meistens lautere Botschaften. Den Aufwand zu senken ist Technik und liegt komplett in deiner Hand. Nach meiner Erfahrung steckt dort der größte Gewinn, und es ärgert niemanden.

Ein Beispiel: Die Erinnerungsmail der Rösterei verlinkte früher auf die Startseite. Die Kundin musste ihre Bestellung aus dem Gedächtnis neu zusammenbauen. Die neue Fassung verlinkt auf eine Seite, auf der die letzte Bestellung schon liegt.

1. Vorher: Mail öffnen, durchklicken, den Kaffee finden, den Mahlgrad wählen, in den Warenkorb legen, einloggen, Adresse bestätigen und bezahlen. Sieben Schritte.
2. Nachher: Mail öffnen, auf "Nochmal dasselbe" tippen, auf einer Seite bestätigen, die Kaffee, Mahlgrad, Adresse und die gespeicherte Karte zeigt. Zwei Schritte nach dem Öffnen der Mail.
3. Nichts ist versteckt. Die Bestätigungsseite zeigt den Preis und einen deutlichen Link "Etwas ändern", und abgebucht wird erst, wenn die Kundin auf Bestätigen drückt.

Das ist kein Trick, sondern ein Shop, der sich merkt, was ihm die Kundin schon gesagt hat. Die allgemeine Methode, Reibung zu entfernen, geht der Artikel zum Clarity Framework Bildschirm für Bildschirm durch.

Wechselnde Belohnung: was die Forschung tatsächlich gemessen hat

Eyal unterscheidet drei Arten wechselnder Belohnung. Belohnungen des Stammes sind sozial: sich angenommen, wichtig und dazugehörig fühlen. Belohnungen der Jagd sind die Suche nach Ressourcen, heute also nach Angeboten und Informationen. Belohnungen des Selbst drehen sich um Können und um das Abschließen von Dingen.⁷ Er untermauert die Idee mit Hirnforschung, schreibt, dass der Dopaminspiegel steigt, wenn das Gehirn eine Belohnung erwartet, und vergleicht die Wirkung mit Spielautomaten und Lotterien.⁵

Die Forschung gibt es wirklich, nur ist sie enger als die Geschichte vom Spielautomaten. 1997 führten Wolfram Schultz, Peter Dayan und Read Montague Ableitungen von Dopaminneuronen bei Primaten zusammen. Diese Neuronen scheinen den Unterschied zwischen erwarteter und erhaltener Belohnung zu melden, einen Vorhersagefehler.⁸ 2003 maßen Christopher Fiorillo, Philippe Tobler und Schultz die Aktivität von Dopaminneuronen bei Makaken, während die Tiere Signale sahen, die eine Belohnung mit unterschiedlicher Wahrscheinlichkeit ankündigten. Der schnelle Ausschlag folgte der Wahrscheinlichkeit. Eine zweite, langsamere Antwort wuchs bis zu dem Moment, in dem die Belohnung kommen konnte, und war am stärksten, wenn der Ausgang am unsichersten war, bei einer Wahrscheinlichkeit von 0,5.⁹

Gemessen wurde also, dass Neuronen von Affen in einer Laboraufgabe am stärksten auf Unsicherheit reagieren. Das stützt die Idee, dass Unsicherheit Aufmerksamkeit bindet. Ein Beleg dafür, dass ein wechselnder Rabatt in einem Onlineshop bei Menschen eine dauerhafte Gewohnheit aufbaut, ist es nicht. Der Vergleich mit dem Spielautomaten ist eine Hochrechnung, und so behandle ich ihn.

Beide Ideen lassen sich aufschreiben. Erstens der Erwartungswert einer Belohnung:

$$E[X] = \sum_i p_i \, x_i$$

Dabei ist $E[X]$ der Erwartungswert der Belohnung, $p_i$ die Wahrscheinlichkeit des Ergebnisses $i$ und $x_i$ der Wert dieses Ergebnisses, aufsummiert über alle Ergebnisse $i$. Von Grund auf erklärt in Grundlagen: Erwartungswert.

Zweitens die Unsicherheit einer Belohnung, die entweder kommt oder nicht:

$$\text{Unsicherheit} = p\,(1 - p)$$

Dabei ist $p$ die Wahrscheinlichkeit, dass die Belohnung kommt, und $1 - p$ die Wahrscheinlichkeit, dass sie ausbleibt. Ihr Produkt, die $\text{Unsicherheit}$, ist die Varianz eines einzelnen Ereignisses mit Ja oder Nein als Ausgang, der Baustein der Binomialverteilung. Sie ist null, wenn die Belohnung sicher ist ($p = 1$) oder unmöglich ($p = 0$), und am größten, nämlich 0,25, bei $p = 0{,}5$. Genau diese Form fanden Fiorillo und Kollegen in der langsameren Dopaminantwort.⁹ Mehr dazu in Grundlagen: Verteilungen.

Rechenbeispiel: gleiche Kosten, ganz andere Unsicherheit

Das Marketingtool der Rösterei bietet einen "Überraschungsrabatt" an: Auf eine Tüte für 24 € bekommt zufällig jede vierte Bestellung 20 % Rabatt. Die Alternative ist ein fester Nachlass von 1,20 € auf jede Nachbestellung.

1. Der Rabatt, wenn er trifft: 20 % von 24 € sind 4,80 €.
2. Der erwartete Rabatt pro Bestellung:

$$E[X] = 0{,}25 \times 4{,}80 + 0{,}75 \times 0 = 1{,}20$$

3. Beide Varianten kosten den Shop also gleich viel, im Schnitt 1,20 € pro Bestellung.
4. Der feste Nachlass hat überhaupt keine Unsicherheit: $p = 1$, also $p(1 - p) = 0$.
5. Der Überraschungsrabatt hat $p = 0{,}25$, also $p(1 - p) = 0{,}25 \times 0{,}75 = 0{,}1875$, drei Viertel des Maximums von 0,25.

Gleiche Kosten, ganz anderes Gefühl. Die Überraschungsvariante lässt die Leute rätseln, deshalb wirkt sie auf die Aufmerksamkeit, und deshalb setze ich sie nicht ein. Sie belohnt das Bestellen statt den Kaffee und gewöhnt die Leute daran, auf Glück zu warten.

Stattdessen behalte ich die Abwechslung und lasse das Glücksspiel weg. Jeden Monat liegt einer Abotüte ein kleiner Gastkaffee einer anderen Rösterei bei, passend zum Geschmack der Kundin ausgesucht. Er ist immer gut. Was wechselt, ist die Entdeckung, nicht die Frage, ob man gewinnt. Einen schönen Kaffee bereut niemand.

Investition: gespeicherter Wert, den die Kundschaft mitnehmen kann

Im Investitionsschritt steckt die Person etwas hinein, das den nächsten Durchlauf verbessert. Eyals Liste reicht von Freunde einladen über Vorlieben angeben und virtuelle Werte ansammeln bis zum Erlernen neuer Funktionen. Er stellt klar, dass es nicht darum geht, Geld aus der Kundschaft zu holen, sondern um eine Handlung, die den Dienst für die nächste Runde besser macht.⁵

Hier rutscht Gewohnheitsdesign auch am häufigsten in den Lock in. Gespeicherter Wert macht das Gehen teurer. Das ist in Ordnung, wenn der Wert echt ist, und nicht in Ordnung, wenn die Kosten des Gehens der eigentliche Zweck sind. Meine Regel ist einfach: Die Investition soll die nächste Bestellung besser machen, und die Kundschaft soll sie sehen, ändern und mitnehmen können.

Rechenbeispiel: ein Geschmacksprofil, das sich auszahlt

Nach der zweiten Tüte stellt die Rösterei in der Bestellbestätigung zwei freiwillige Fragen: "Wie bereitest du deinen Kaffee zu?" und "Wie hat dir die letzte Tüte geschmeckt?", mit fünf einfachen Antworten von "zu hell" bis "zu dunkel".

1. Eine Kundin antwortet "Stempelkanne" und "etwas zu hell".
2. Die nächste Erinnerung schlägt denselben Kaffee gröber gemahlen vor oder eine dunklere Röstung aus dem Sortiment, mit einem Satz zur Begründung.
3. Die Seite "Nochmal dasselbe" merkt sich jetzt den Mahlgrad, die Handlung aus dem letzten Abschnitt bleibt also bei zwei Schritten.
4. Die Kontoseite zeigt das Profil in klaren Worten, lässt es bearbeiten oder löschen und hat einen Link "Pausieren oder kündigen", der in einem Schritt funktioniert.

Jede Antwort verbessert Auslöser, Handlung und Belohnung. Weil das Profil sichtbar und löschbar ist, bleibt die Kundin, weil der Kaffee besser geworden ist, nicht weil das Gehen schwerer geworden ist.

Wie lange eine Gewohnheit braucht, und was Lally wirklich gemessen hat

Die meistzitierte Zahl im Gewohnheitsdesign ist 66 Tage. Die Studie dahinter ist interessanter als die Zahl.

Phillippa Lally und ihr Team baten 96 Freiwillige, sich ein Verhalten beim Essen, Trinken oder bei der Bewegung auszusuchen und es zwölf Wochen lang jeden Tag im selben Kontext auszuführen, etwa nach dem Frühstück. Jeden Tag füllten die Teilnehmenden den Self Report Habit Index aus, einen Fragebogen, und notierten, ob sie das Verhalten gezeigt hatten. Die Automatizität, also wie automatisch sich das Verhalten anfühlte, wurde aus einem Teil der Fragen berechnet. 82 Personen lieferten genug Daten für die Auswertung. Das Team passte jeder Person eine Kurve an, die erst steigt und dann abflacht, über die 84 Tage. Bei 62 Personen passte sie, bei 39 passte sie gut.¹⁰

Die Zeit bis zu 95 % des jeweiligen Plateaus lag zwischen 18 und 254 Tagen. Eine einzelne verpasste Gelegenheit beeinträchtigte die Gewohnheitsbildung nicht wesentlich, und regelmäßigere Wiederholung ging mit einer besser passenden Kurve einher.¹⁰

Die 66 Tage sind die typische Zeit bis zum Plateau. Gardner, Lally und Wardle schreiben, dass die Automatizität "slowed to a plateau after an average of 66 days", also im Schnitt nach 66 Tagen in ein Plateau überging, mit großen Unterschieden zwischen Menschen und Verhaltensweisen.² Eine systematische Übersichtsarbeit von Singh und Kollegen aus dem Jahr 2024 trug 20 Studien mit 2.601 Teilnehmenden zusammen. Nur vier davon berichteten, wie lange die Gewohnheitsbildung dauerte. Diese vier nannten Mediane von 59 bis 66 Tagen, Mittelwerte von 106 bis 154 Tagen und Einzelwerte von 4 bis 335 Tagen. Elf der 20 Studien stuften die Autorinnen und Autoren mit hohem Verzerrungsrisiko ein, und sie fanden, dass selbst gewählte Gewohnheiten und Routinen am Morgen tendenziell stärker waren.¹¹

Zwei Einschränkungen für einen Shop. Erstens geht es um tägliche Gesundheitsgewohnheiten, die sich die Leute selbst ausgesucht haben, etwa Wasser trinken, Zahnseide benutzen oder spazieren gehen. Ein Kauf, eine App oder eine Benachrichtigung wurde nirgends gemessen. Zweitens kommt ein tägliches Verhalten in zwölf Wochen auf 84 Wiederholungen, eine wöchentliche Kaffeebestellung auf 12. Meine Schlussfolgerung, kein Befund: Eine Kaufgewohnheit braucht in Kalenderzeit deutlich länger als 66 Tage.

Brauchbar ist die Form der Kurve. Eine Kurve, die schnell steigt und dann abflacht, lässt sich so schreiben:

$$A(t) = a \left(1 - e^{-k t}\right)$$

Dabei ist $A(t)$ der Automatizitätswert nach $t$ Tagen, $a$ das Niveau, auf dem sich die Person schließlich einpendelt, $e$ die Basis des natürlichen Logarithmus (etwa 2,7183) und $k$, wie schnell diese Person dort ankommt. Das ist meine Schreibweise für die allgemeine asymptotische Form, die Lallys Team beschreibt, nicht ihre exakte veröffentlichte Gleichung. Siehe Grundlagen: Logarithmen und Exponentialfunktionen.

Setzt man $A(t)$ auf 95 % von $a$ und löst nach $t$ auf, erhält man die Zeit bis zum Plateau:

$$t_{95} = \frac{\ln 20}{k}$$

Dabei ist $t_{95}$ die Zahl der Tage bis 95 % des Plateaus, $\ln 20$ der natürliche Logarithmus von 20 (etwa 3,0, denn $1 - 0{,}95 = 0{,}05 = 1/20$) und $k$ die Rate aus der Formel darüber. Siehe Grundlagen: Logarithmen und Exponentialfunktionen.

Rechenbeispiel: zwei Kundinnen, eine Kurve

Nimm zwei erfundene Kundinnen, die dieselbe tägliche Gewohnheit aufbauen, eine Tasse am Morgen, zu Hause gebrüht. Die eine lernt schnell, die andere langsam.

1. Schnell: $k = 0{,}045$ pro Tag.

$$t_{95} = \frac{2{,}996}{0{,}045} = 66{,}6$$

2. Also rund 67 Tage bis zum Plateau.
3. Langsam: $k = 0{,}012$ pro Tag.

$$t_{95} = \frac{2{,}996}{0{,}012} = 249{,}6$$

4. Also rund 250 Tage, nah an den Langsamsten in Lallys Studie.
5. An Tag 28 steht die Schnelle bei $1 - e^{-0{,}045 \times 28} = 1 - e^{-1{,}26} = 0{,}72$, also bei 72 % ihres Plateaus. Die Langsame steht bei $1 - e^{-0{,}012 \times 28} = 1 - e^{-0{,}336} = 0{,}29$, also bei 29 %.

Die waagerechte Achse zeigt die Tage seit dem Start, über die 84 Tage von Lallys Studie. Die senkrechte Achse zeigt, wie weit jede Person auf dem Weg zu ihrem eigenen Plateau ist. Die Erkenntnis: Nach denselben zwölf Wochen hat die eine die Gewohnheit, die andere ist noch nicht einmal bei zwei Dritteln. Ein Plan, der davon ausgeht, dass alle nach drei Wochen drin sind, schreibt die langsame Hälfte ab oder nervt sie, bis sie geht.

Eine Gewohnheit in deinen eigenen Zahlen messen

Automatizität sieht niemand in der Datenbank eines Shops. Sehen kannst du, ob Leute wiederkommen und ob sich das geändert hat, als sich die Schleife geändert hat.

Die erste Zahl ist die Wiederkaufrate einer Kohorte, also aller Kundinnen und Kunden, deren erste Bestellung in denselben Monat fiel:

$$\text{Wiederkaufrate} = \frac{\text{Kunden mit Nachbestellung binnen 60 Tagen}}{\text{Kunden der Kohorte}}$$

Dabei zählt der Zähler die Kundschaft der Kohorte, die innerhalb von 60 Tagen nach der ersten Bestellung eine zweite aufgibt, und der Nenner alle, deren erste Bestellung in diesen Monat fiel. Das ist eine Rate wie jede andere, Ereignisse durch Gelegenheiten, die $\text{Wiederkaufrate}$ liegt also zwischen 0 und 1. Siehe Grundlagen: Verhältnisse und Raten.

Die zweite ist die Frage, ob der Unterschied zwischen zwei Kohorten mehr ist als Rauschen, beantwortet mit dem z Test für zwei Anteile:

$$z = \frac{p_2 - p_1}{\sqrt{p(1-p)\left(\frac{1}{n_1} + \frac{1}{n_2}\right)}}$$

Dabei sind $p_1$ und $p_2$ die Wiederkaufraten der früheren und der späteren Kohorte, $n_1$ und $n_2$ die Zahl der Kundinnen und Kunden in jeder, und $p$ die gemeinsame Rate über beide. Ein $z$ über etwa 1,96 heißt, dass ein so großer Unterschied durch Zufall allein seltener als in 5 % der Fälle aufträte. Siehe Grundlagen: Hypothesentests.

Rechenbeispiel: Hat die neue Schleife etwas verändert?

Die Rösterei ändert im April Auslöser, Handlung und Investitionsschritt und vergleicht danach die Kohorten.

1. Kohorte März, alte Strecke: 400 Erstkundinnen und Erstkunden, 132 bestellen innerhalb von 60 Tagen nach. Wiederkaufrate 132 geteilt durch 400 sind 33 %.
2. Kohorte Mai, neue Strecke: 380 Erstkundinnen und Erstkunden, 152 bestellen innerhalb von 60 Tagen nach. Wiederkaufrate 152 geteilt durch 380 sind 40 %.
3. Der Unterschied beträgt 7 Prozentpunkte, ein relativer Anstieg von 21 % (0,40 geteilt durch 0,33 sind 1,21).
4. Gemeinsame Rate: 284 Nachbestellungen bei 780 Kundinnen und Kunden sind rund 0,3641.
5. Standardfehler: $\sqrt{0{,}364 \times 0{,}636 \times (1/400 + 1/380)} = 0{,}0345$.
6. Dann ist $z = 0{,}07 / 0{,}0345 = 2{,}03$, ein zweiseitiger p Wert von etwa 0,04, knapp unter der üblichen Grenze von 5 %.

Die Veränderung ist also wahrscheinlich echt, aber nur knapp, und März und Mai sind verschiedene Monate. Ich würde die neue Strecke behalten und die Kohorten Juni und Juli abwarten, bevor ich es für entschieden erkläre. Wie viele Kundinnen und Kunden ein solcher Vergleich braucht, bevor er etwas aussagt, rechnet Wie viele Daten brauchst du wirklich? durch.

Warum zählen ein paar Punkte Wiederkaufrate so viel? Weil sie direkt in den Wert einfließen, den eine Kundin über die Zeit hat:

$$CLV = M \times \frac{r}{1 + d - r}$$

Dabei ist $CLV$ der Customer Lifetime Value, $M$ die Marge, die eine Kundin pro Jahr bringt (Marge, nicht Umsatz), $r$ der Anteil der Kundschaft, der ein Jahr später noch kauft, und $d$ der Diskontsatz, der künftiges Geld in heutiges umrechnet. Siehe Grundlagen: Customer Lifetime Value.

Ein Beispiel: Eine Abonnentin der Rösterei bringt 90 € Marge im Jahr, und der Shop rechnet mit einem Diskontsatz von 10 %. Sind nach einem Jahr noch 55 % der Abonnentinnen und Abonnenten dabei, ergibt sich $90 \times 0{,}55 / (1{,}10 - 0{,}55) = 90$, also 90 €. Bei 65 % sind es $90 \times 0{,}65 / (1{,}10 - 0{,}65) = 130$, also 130 €. Zehn Punkte Bindung sind 40 € pro Abo wert, rund 44 % mehr.

Die waagerechte Achse zeigt den Anteil der Abonnentinnen und Abonnenten, die nach einem Jahr noch kaufen. Die senkrechte Achse zeigt, was ein Abo heute wert ist. Die Erkenntnis steckt in der Steigung: Jede weiteren zehn Punkte Bindung sind mehr wert als die vorigen, und deshalb zahlt sich eine Gewohnheit, die wirklich hält, so gut aus. Das größere Bild zur Bindung zeichnen Survival Analyse, Churn und Customer Lifetime Value und Loyalität: die drei R und Earn und Burn.

Wo aus einer Gewohnheit ein Haken im schlechten Sinn wird

Dieselben vier Schritte, die guten Kaffee im Haus halten, können jemanden um zwei Uhr nachts weiterscrollen lassen. Dem Modell ist das egal, also muss es dem Menschen, der es einsetzt, wichtig sein.

Eyal hat das selbst gesehen. 2012 schlug er vor, was er die Manipulation Matrix nennt: zwei Fragen, die sich jeder stellen sollte, der ein Produkt baut. Würde ich das Produkt selbst nutzen? Und hilft es den Nutzerinnen und Nutzern, ihr Leben spürbar zu verbessern?¹² Wer beides mit Ja beantwortet, ist bei ihm ein Facilitator. Ja beim Helfen, aber Nein bei der eigenen Nutzung, ist ein Peddler. Selbst nutzen, ohne Leben zu verbessern, ist ein Entertainer. Zweimal Nein nennt er Dealer, und das nennt er Ausbeutung.¹²

Die Fragen lassen sich in einem Meeting leicht mit Ja beantworten, deshalb ergänze ich eine eigene: Würde die Kundschaft das auch dann noch wollen, wenn sie es erlebt hat? Wenn sie es am nächsten Morgen bereut, war es nicht für sie gemacht.

Wo Kinder betroffen sind, hat auch das Recht eine Meinung, und in Deutschland kommt sie vor allem aus Brüssel. Die DSGVO hält in Erwägungsgrund 38 fest, dass Kinder bei ihren personenbezogenen Daten besonderen Schutz verdienen, weil sie Risiken und Folgen weniger gut einschätzen können, und nennt ausdrücklich die Verwendung ihrer Daten für Werbung und für Profile über Persönlichkeit oder Nutzung. Artikel 8 macht daraus eine feste Regel für einen Fall: Richtet sich ein Dienst direkt an Kinder und stützt sich auf eine Einwilligung, zählt diese erst ab 16 Jahren, darunter braucht es die Eltern, und die Mitgliedstaaten dürfen die Grenze bis auf 13 senken. Für jede Verarbeitung, auch bei Erwachsenen, verlangt Artikel 5 Absatz 1 Buchstabe a außerdem Treu und Glauben.¹³

Konkreter wird der Digital Services Act (DSA). Artikel 28 verpflichtet Online Plattformen, die Minderjährigen zugänglich sind, zu geeigneten und verhältnismäßigen Maßnahmen für ein hohes Maß an Privatsphäre, Sicherheit und Schutz.¹⁴ Was das heißt, steht in den Leitlinien der Kommission, die sie am 14. Juli 2025 vorgestellt hat¹⁵ und die im Oktober 2025 im Amtsblatt erschienen sind. Funktionen, die zu übermäßiger Nutzung beitragen können, etwa das Zählen von Likes, Reaktionen oder "Streaks", sollen für Minderjährige standardmäßig aus sein, Push Benachrichtigungen ebenfalls, und in den Kernschlafstunden immer. Minderjährige sollen keinen Designelementen ausgesetzt sein, die vor allem auf Engagement zielen. Als Beispiele nennt die Kommission endloses Scrollen, Autoplay, künstlich getaktete Benachrichtigungen, die die Aufmerksamkeit zurückholen sollen, und virtuelle Belohnungen für das (wiederholte) Ausführen von Aktionen auf der Plattform.¹⁶ Das ist die Belohnungsschleife, beim Namen genannt. Verbindlich sind die Leitlinien nicht, die Kommission bezeichnet sie aber selbst als wichtigen und aussagekräftigen Maßstab, wenn sie Artikel 28 anwendet.¹⁶

In Deutschland greift § 24a des Jugendschutzgesetzes. Er macht die Bundeszentrale für Kinder und Jugendmedienschutz zur zuständigen Behörde für Artikel 28 Absatz 1 DSA und zählt beispielhafte Vorsorgemaßnahmen auf: kindgerechte Meldeverfahren und Abhilfeverfahren, eine Kennzeichnung nutzergenerierter Inhalte ab 18, Altersprüfung dafür, Hinweise auf unabhängige Beratung, Werkzeuge zur elterlichen Begleitung und sichere Voreinstellungen, etwa nicht auffindbare Profile und Kommunikation nur mit selbst gewähltem Kreis. Belohnungsschleifen und Streaks kommen in dieser Liste nicht vor.¹⁷

Und was davon gilt für einen kleinen Shop? Ehrlich gesagt wenig direkt. Eine Online Plattform im Sinne des DSA ist ein Hostingdienst, der Informationen im Auftrag von Nutzern speichert und öffentlich verbreitet, und eine Verbreitung, die nur eine untergeordnete Nebenfunktion ist, zählt nicht.¹⁴ Ein Shop, der seinen eigenen Kaffee verkauft, ist so etwas nicht. Selbst eine echte Plattform ist nach Artikel 19 von diesem ganzen Abschnitt des DSA, Artikel 28 eingeschlossen, ausgenommen, solange sie ein Kleinstunternehmen oder Kleinunternehmen ist und die Kommission sie nicht als sehr große Online Plattform benannt hat.¹⁴ Was für jeden Shop gilt, ist die DSGVO: Treu und Glauben bei jeder Verarbeitung und Artikel 8, sobald sich ein Angebot an Kinder richtet.¹³ Eine Rösterei für Erwachsene fällt also nicht unter Artikel 28, aber die Begründung der Kommission lässt sich gut übertragen.

Die manipulativen Techniken selbst, falsche Dringlichkeit, beschämende Ablehnungsbuttons, Kündigungslabyrinthe und vorangekreuzte Kästchen, behandelt DSGVO Dark Patterns: wie UX eine rechtliche Haftung werden kann ausführlich, mit dem Recht, gegen das jede davon verstößt. Kurz gesagt: Eine Gewohnheitsschleife, die eine davon braucht, ist keine Gewohnheitsschleife, sondern eine Falle mit gutem Branding.

Rechenbeispiel: drei Ideen, drei Urteile

Das Marketingtool der Rösterei schlägt drei weitere Funktionen vor. Ich lege jede neben Eyals zwei Fragen und meinen Test vom nächsten Morgen.

1. Ein Abzeichen für die "Brühserie", das zurückgesetzt wird, wenn die Kundin eine Bestellung auslässt. Der Inhaber würde es selbst nicht nutzen, es bestraft eine Woche Urlaub, und es drängt zu Käufen, die niemand gebraucht hat. Urteil: nein.
2. Eine Benachrichtigung "Deine nächste Tüte ist bereit zum Rösten", verschickt um 21 Uhr, wenn jemand die App eine Woche nicht geöffnet hat. Sie richtet sich nach Inaktivität, nicht danach, dass die Tüte leer wird. Urteil: nein.
3. Ein Button "Diese Lieferung aussetzen" mit einem Tipp in jeder Erinnerung. Wahrscheinlich senkt er die Bestellungen in diesem Monat. Er zeigt der Kundschaft aber auch, dass sie die Kontrolle hat, und wer weiß, dass er ohne Kampf aussetzen kann, kündigt deutlich seltener ganz. Dieser letzte Teil ist meine Erfahrung, keine Studie. Urteil: ja.

Die gute Funktion bewegt sich mit dem echten Bedarf der Kundschaft. Die schlechten bewegen sich mit der Kennzahl des Shops und tun so, als wäre es anders.

Ein Audit der Gewohnheitsschleife, Schritt für Schritt

In dieser Reihenfolge gehe ich vor, wenn ein Shop oder ein Softwareprodukt fragt, warum die Leute nicht wiederkommen.

Ein Beispiel: Auf die ursprüngliche Strecke der Rösterei angewandt, verschiebt das Audit den Auslöser von Tag 7 auf Tag 5, kürzt die Handlung von sieben Schritten auf zwei, setzt einen Gastkaffee an die Stelle des Überraschungsrabatts und ergänzt ein sichtbares Geschmacksprofil mit Pause in einem Schritt. Das Serienabzeichen und die Inaktivitätsbenachrichtigung gehen nie live. Der Kohortenvergleich sagt "wahrscheinlich besser, weiter beobachten", und das ist meistens die ehrliche Antwort.

Geht es dir um die erste Sitzung statt um die hundertste, also um den Moment, in dem jemand zum ersten Mal einen Nutzen aus einem Produkt zieht, ist das ein eigenes Thema, und Onboarding und Habit Formation behandelt es. In diesem Artikel geht es um das, was danach kommt, wenn der Reiz des Neuen verflogen ist und nur noch die Gewohnheit übrig bleibt.

Footnotes

1. Wendy Wood und David T. Neal, A new look at habits and the habit goal interface, Psychological Review, Band 114, Heft 4, Seiten 843 bis 863, American Psychological Association, 2007, https://doi.org/10.1037/0033-295X.114.4.843

2. Benjamin Gardner, Phillippa Lally und Jane Wardle, Making health habitual: the psychology of habit formation and general practice, British Journal of General Practice, Band 62, Heft 605, Seiten 664 bis 666, 2012, https://pmc.ncbi.nlm.nih.gov/articles/PMC3505409/

3. Nir Eyal mit Ryan Hoover, Hooked: How to Build Habit Forming Products, Portfolio Penguin, aktualisierte Ausgabe 2019 (Erstausgabe 2014), https://www.penguin.co.uk/books/278201/hooked/9780241184837

4. Nir Eyal, The Hooked Model: How to Manufacture Desire in 4 Steps, nirandfar.com, https://www.nirandfar.com/how-to-manufacture-desire/

5. Nir Eyal, Hooked, Einleitung (Leseprobe des Verlags), Penguin Business, Ausgabe 2019, https://cdn.penguin.co.uk/dam-assets/books/9780241184837/9780241184837-sample.pdf

6. BJ Fogg, B=MAP, Startseite der Website zum Modell, behaviormodel.org, https://www.behaviormodel.org/

7. Nir Eyal, Variable Rewards: Want To Hook Users? Drive Them Crazy, nirandfar.com, https://www.nirandfar.com/want-to-hook-your-users-drive-them-crazy/

8. Wolfram Schultz, Peter Dayan und P. Read Montague, A neural substrate of prediction and reward, Science, Band 275, Heft 5306, Seiten 1593 bis 1599, 1997, https://doi.org/10.1126/science.275.5306.1593

9. Christopher D. Fiorillo, Philippe N. Tobler und Wolfram Schultz, Discrete coding of reward probability and uncertainty by dopamine neurons, Science, Band 299, Heft 5614, Seiten 1898 bis 1902, 2003, https://doi.org/10.1126/science.1077349

10. Phillippa Lally, Cornelia H. M. van Jaarsveld, Henry W. W. Potts und Jane Wardle, How are habits formed: Modelling habit formation in the real world, European Journal of Social Psychology, Band 40, Heft 6, Seiten 998 bis 1009, 2010, https://doi.org/10.1002/ejsp.674

11. Ben Singh, Andrew Murphy, Carol Maher und Ashleigh E. Smith, Time to Form a Habit: A Systematic Review and Meta Analysis of Health Behaviour Habit Formation and Its Determinants, Healthcare, Band 12, Heft 23, Artikel 2488, MDPI, 2024, https://pmc.ncbi.nlm.nih.gov/articles/PMC11641623/

12. Nir Eyal, The Art of Manipulation, TechCrunch, 1. Juli 2012, https://techcrunch.com/2012/07/01/the-art-of-manipulation/

13. Verordnung (EU) 2016/679 (Datenschutzgrundverordnung), Erwägungsgrund 38, Artikel 5 Absatz 1 Buchstabe a und Artikel 8, Amtsblatt der Europäischen Union L 119, 2016, EUR-Lex, https://eur-lex.europa.eu/legal-content/DE/TXT/HTML/?uri=CELEX:32016R0679

14. Verordnung (EU) 2022/2065 über einen Binnenmarkt für digitale Dienste (Gesetz über digitale Dienste), Artikel 3 Buchstaben g, i und k, Artikel 19 und Artikel 28, Amtsblatt der Europäischen Union L 277, 2022, EUR-Lex, https://eur-lex.europa.eu/legal-content/DE/TXT/HTML/?uri=CELEX:32022R2065

15. Europäische Kommission, Commission publishes guidelines on the protection of minors, Shaping Europe's digital future, 14. Juli 2025, https://digital-strategy.ec.europa.eu/en/library/commission-publishes-guidelines-protection-minors

16. Europäische Kommission, Leitlinien für Maßnahmen zur Gewährleistung eines hohen Maßes an Privatsphäre, Sicherheit und Schutz von Minderjährigen im Internet gemäß Artikel 28 Absatz 4 der Verordnung (EU) 2022/2065, Randnummern 12, 57 und 61 (Abschnitte 6.3.1 und 6.4), Amtsblatt der Europäischen Union C/2025/5519, 10. Oktober 2025, EUR-Lex, https://eur-lex.europa.eu/legal-content/DE/TXT/HTML/?uri=OJ:C_202505519

17. Jugendschutzgesetz (JuSchG), § 24a, Bundesministerium der Justiz, gesetze-im-internet.de, https://www.gesetze-im-internet.de/juschg/__24a.html