Message, Market und Model Fit: die drei Prüfungen, bevor ich einen Euro in Ads stecke

Gute Ads retten kein kaputtes Angebot

Die meisten Paid Kampagnen, die ich retten soll, sind gar nicht schlecht gebaut. Sie verlieren trotzdem Geld, weil unter den Ads etwas nie zusammengepasst hat. Die Worte versprechen den falschen Leuten das Falsche. Oder die richtigen Leute sind da, aber es sind zu wenige, um etwas zu bewegen. Oder alles stimmt, nur die Rechnung nicht: Jeder Kunde kostet in der Gewinnung mehr, als er je bei dir lässt.

Ein schwaches Angebot reparierst du nicht mit Targeting. Einen Preis, der sich nicht zurückverdient, reparierst du nicht mit einer knackigeren Headline. Bevor ich Budget hochfahre, mache ich deshalb drei Prüfungen, und zwar immer in derselben Reihenfolge.

• Message. Versteht die richtige Person schnell und richtig, was du verkaufst und warum es für sie ist?
• Market. Gibt es genug solcher Leute, und erreichst du sie zu einem Preis, den du tragen kannst?
• Model. Wenn du für einen Kunden bezahlt hast, kommt das Geld zurück, und wie schnell?

In diesem Artikel gehe ich jede Prüfung an einem erfundenen Unternehmen durch, mit jeder Zahl ausgeschrieben, damit du dasselbe Audit bei dir selbst machen kannst.

Woher die Idee vom "Fit" kommt

Das Wort "Fit" in diesem Sinn geht auf einen Essay des Investors Marc Andreessen vom 25. Juni 2007 zurück. Er definierte Product/Market Fit als "being in a good market with a product that can satisfy that market", also in einem guten Markt zu sein, mit einem Produkt, das diesen Markt zufriedenstellen kann, und er argumentierte, dass der Markt der wichtigste Faktor dafür ist, ob ein junges Unternehmen Erfolg hat.¹ Einen Punkt mag ich an ihm besonders, weil er so ehrlich ist: Product/Market Fit spürst du immer, wenn er da ist, und du spürst auch immer, wenn er fehlt.

Was das ist, sollte man festhalten. Es ist ein Argument aus Erfahrung, geschrieben für Gründer. Es ist keine Studie, und Andreessen hat das auch nie behauptet.

Im Direktmarketing gab es lange vorher eine eigene Fassung. Dan Kennedy beschreibt ein Dreieck aus Message, Market und Media: das Angebot und die Worte, die Menschen, die sie erreichen, und der Kanal, der sie transportiert. Bei ihm funktioniert keine der drei Seiten ohne die anderen, und das Ziel heißt "Right Message, Right Market, Right Media".²

Die brauchbarste moderne Fassung stammt von Brian Balfour, aus einer Reihe von Essays, die er 2017 nach seinen Jahren als VP of Growth bei HubSpot geschrieben hat. Er argumentiert, dass Product/Market Fit allein nicht reicht, um ein großes Unternehmen aufzubauen, und dass du vier Fits gleichzeitig brauchst: Market Product Fit, Product Channel Fit, Channel Model Fit und Model Market Fit.³ Später hat er das Framework auf einer Seite zusammengefasst. Dort nennt er die vier Fits "an ecosystem for growth", ein Ökosystem für Wachstum, und sagt, dass du sie immer wieder neu prüfen musst, "because they are continuously changing", weil sie sich ständig verändern.⁴

Meine drei Prüfungen sind eine kleinere Verwandte dieser Ideen, zugeschnitten auf ein Unternehmen, das eigenes Geld in Ads steckt, und nicht auf eines, das Risikokapital einsammelt. Message liegt dort, wo Kennedys Message auf Balfours Market Product Fit trifft. Der beginnt beim Problem, das dein Markt hat, und fragt, wie sich dein Kernnutzen in den einfachsten Worten sagen lässt, eine Zeile, die er den Hook nennt.⁵ Kurz gesagt: wie der Wert in Worte gefasst wird. Market ist die Zielgruppe und ihre Größe. Model ist, wie du abrechnest und was ein Kunde wert ist. Der Kanal sitzt dazwischen, dazu komme ich in einem eigenen Abschnitt.

Eine Warnung, bevor es losgeht. All das sind Frameworks aus der Praxis. Es sind Denkwerkzeuge von Leuten, die Unternehmen aufgebaut haben, keine gemessenen Ergebnisse. Sie helfen dir, schärfere Fragen zu stellen. Beweisen tun sie allein nichts, und deshalb endet jede Prüfung unten in einer Zahl, die du selbst erhebst.

Das Unternehmen, das ich prüfe

Jede Zahl in diesem Artikel ist ausgedacht, und das Unternehmen gibt es nicht. Das Röstwerk Ehrenfeld ist eine kleine Rösterei in Köln, geführt von Anja. Sie verkauft über roestwerkehrenfeld.example ein Kaffee Abo: jeden Monat eine Tüte frisch gerösteten Kaffee in den Briefkasten, für 16 €.

Nach Bohnen, Rösten, Verpackung, Porto und Zahlungsgebühren bleiben ihr 45 % jeder Zahlung. Das ist ihr Deckungsbeitrag, das Geld, das übrig bleibt, um Marketing, Miete und sich selbst zu bezahlen.

$$m = P \times g$$

Dabei ist $m$ der monatliche Deckungsbeitrag pro Abonnent in Euro, $P$ der Monatspreis und $g$ der Anteil des Preises, der nach den direkten Kosten übrig bleibt, als Bruch geschrieben (45 % sind also $0{,}45$). Die Grundlagen zu Prozenten und Brüchen findest du unter Grundlagen: Prozente.

Für Anja gilt $m = 16 \times 0{,}45 = 7{,}20$, jeder aktive Abonnent lässt ihr also 7,20 € im Monat.

Anja schaltet seit zwei Monaten Meta Ads. Es kommen Abonnenten rein, und trotzdem wird ihr Kontostand immer kleiner. Vor Weihnachten will sie das Budget verdoppeln. Ich prüfe vorher alle drei Fits.

Message Fit: versteht die richtige Person es in fünf Sekunden

Beim Message Fit geht es darum, ob die Leute, die du willst, dein Angebot richtig verstehen, und zwar ohne Mühe. Könnten sie einer Freundin erzählen, was du verkaufst, für wen es ist und was nach dem Bezahlen passiert?

Probleme mit der Message verstecken sich gut. Eine clevere Headline holt viele Klicks von Leuten, die sie falsch verstanden haben. Das Missverständnis zeigt sich erst Wochen später als Kündigung, und dann bringt es niemand mehr mit der Headline in Verbindung.

Bei einer Ad oder einer Landingpage schaue ich auf vier Dinge:

• die Headline gibt ein konkretes Versprechen, kein Kategorieetikett
• die Zeile darunter sagt, für wen es ist
• das Bild zeigt das Ergebnis, nicht nur eine Stimmung
• der Button sagt in den Worten der Leserin, was als Nächstes passiert

Wenn du eine tiefere Methode suchst, um die Message selbst zu bauen, habe ich getrennt über das StoryBrand Framework und über Jobs To Be Done (JTBD) geschrieben. Hier ist die Frage enger: Wird die Message, die du schon hast, verstanden?

So teste ich es: der Fünf Sekunden Test

Als Erstes greife ich zum Fünf Sekunden Test. Du zeigst einer Person das Design fünf Sekunden lang, blendest es aus und stellst ein paar Fragen dazu, was sie gesehen hat. Die Methode wird meist der UX Forscherin Christine Perfetti zugeschrieben, die ihr Mitte der 2000er Jahre den Namen gab.⁶ Sie misst den ersten Eindruck, nicht, ob die Seite in der Benutzung funktioniert, und genau den ersten Eindruck kauft eine Ad.

Ich stelle eine Frage mit einer richtigen Antwort, etwa "Was verkauft diese Firma, und wie oft würdest du zahlen?". Dann zähle ich die richtigen Antworten.

$$\hat{p} = \frac{k}{n}$$

Dabei ist $\hat{p}$ die Verständnisquote, also der Anteil der Leute, die das Angebot richtig verstanden haben, $k$ die Zahl der richtigen Antworten und $n$ die Zahl der Befragten. Es ist eine ganz normale Quote, erklärt unter Grundlagen: Verhältnisse und Raten.

Rechenbeispiel: die zwei Headlines vom Röstwerk

Anjas aktuelle Ad sagt "Das perfekte Geschenk für Kaffeeliebhaber". Eine zweite Fassung liegt bereit: "Frisch gerösteter Kaffee, jeden Monat in deinem Briefkasten". Über ein Testpanel im Netz holt sie für jede Fassung 40 Menschen, die zu Hause Kaffee trinken, zeigt jeder Person eine Fassung fünf Sekunden lang und fragt, was die Firma verkauft und wie oft man zahlen würde.

• Fassung A, die Geschenk Headline: 12 von 40 sagen "ein Monatsabo". Der Rest sagt "eine Geschenkbox", "eine einzelne Tüte" oder "weiß nicht". Also $\hat{p}_A = 12 / 40 = 0{,}30$, das sind 30 %.
• Fassung B, die Briefkasten Headline: 28 von 40 liegen richtig. Also $\hat{p}_B = 28 / 40 = 0{,}70$, das sind 70 %.

Siebzig gegen 30 sieht eindeutig aus. Aber 40 Personen sind eine kleine Stichprobe, also prüfe ich, bevor ich es glaube, wie stark das Ergebnis allein durch Zufall schwanken könnte. Das sagt mir der Standardfehler eines Anteils.

$$SE = \sqrt{\frac{\hat{p}\,(1 - \hat{p})}{n}}$$

Dabei ist $SE$ der Standardfehler, also das typische Maß, um das sich die Quote verschieben würde, wenn ich eine neue Gruppe derselben Größe fragen würde, $\hat{p}$ die gemessene Verständnisquote und $n$ die Zahl der Befragten. Ein 95 % Konfidenzintervall ist ungefähr $\hat{p} \pm 1{,}96 \times SE$. Beides erkläre ich von Grund auf unter Grundlagen: Stichproben und Grundlagen: Konfidenzintervalle, und OpenStax beschreibt dasselbe Intervall für einen Anteil.⁷

Für Fassung A: $SE = \sqrt{0{,}30 \times 0{,}70 / 40} = \sqrt{0{,}00525} = 0{,}0725$. Dann ist $1{,}96 \times 0{,}0725 = 0{,}142$, das Intervall reicht also von etwa 16 % bis 44 %.

Für Fassung B ist die Rechnung dieselbe, denn $0{,}70 \times 0{,}30$ ist ebenfalls $0{,}21$. Das Intervall reicht von etwa 56 % bis 84 %.

Die beiden Intervalle überschneiden sich nicht. Auch mit Zufall eingerechnet wird die Briefkasten Headline deutlich besser verstanden. Die grobe Intervallmethode ist allerdings nur fair, wenn es sowohl mehr als fünf richtige als auch mehr als fünf falsche Antworten gibt, was hier der Fall ist (12 und 28 richtig, 28 und 12 falsch).⁷ Mit 20 Personen pro Fassung wären die Intervalle um die 50 % ineinandergelaufen, und dem Abstand hätte ich nicht getraut. Deshalb frage ich 40.

Der Befund ist größer als "B gewinnt". Fassung A hat Leute angezogen, die dachten, sie kaufen ein Geschenk. Merk dir das, es taucht in der Rechnung wieder auf.

Market Fit: gibt es genug richtige Leute in Reichweite

Message Fit sagt dir, dass die richtigen Leute dich verstehen. Market Fit fragt, ob es genug von ihnen gibt und ob du sie zu einem vernünftigen Preis erreichst. Eine perfekte Message an ein Publikum von 300 Leuten ist ein Hobby.

Andreessens ganzer Essay ist ein Plädoyer dafür, dass der Markt am meisten zählt.¹ Balfour macht denselben Punkt schärfer, mit einer einfachen Rechnung, die er Model Market Fit Threshold nennt, die Schwelle für den Model Market Fit. Für ein Softwareunternehmen mit Risikokapital schreibt er sie als durchschnittlichen Umsatz pro Nutzer, mal die Kunden im Markt, mal den Anteil, den du realistisch gewinnen kannst, und das Ergebnis muss mindestens 100 Millionen Dollar erreichen.⁸ Als Faustregel für den Anteil, den ein Softwareunternehmen ohne starke Netzwerkeffekte gewinnen kann, schlägt er 10 % vor, und wenn deine Rechnung 50 % oder mehr braucht, solltest du dir Sorgen machen.⁸

Anja baut kein Unternehmen für Risikokapital. Die Rechnung funktioniert aber genauso gut, wenn du statt 100 Millionen Dollar dein eigenes Ziel einsetzt.

$$c = \frac{T}{A \times N}$$

Dabei ist $c$ der Anteil des erreichbaren Markts, den du gewinnen müsstest, $T$ der Jahresumsatz, den du anpeilst, $A$ der durchschnittliche Umsatz pro Kunde und Jahr und $N$ die Zahl der Menschen, die du realistisch erreichen kannst. Es ist Balfours Schwelle, umgedreht zu der Frage "Welchen Anteil bräuchte ich?". Die Rechnung besteht aus Anteilen und Brüchen, siehe Grundlagen: Prozente.

Rechenbeispiel: ist der Markt groß genug

Anja will 300.000 € Umsatz im Jahr. Ein Abonnent zahlt 16 € im Monat, ein Abonnent, der das ganze Jahr bleibt, ist also $A = 16 \times 12 = 192$ Euro wert.

Sie braucht $300.000 / 192 = 1.562{,}5$, also rund 1.563 Abonnenten, die gleichzeitig aktiv sind.

Wie viele Menschen erreicht sie? Ihr Werbetool schlägt eine Zielgruppe aus Erwachsenen in Deutschland vor, die sich für Spezialitätenkaffee und Zubehör zum Kaffeekochen zu Hause interessieren. Sie zieht kräftig ab, weil die Schätzungen der Plattformen großzügig ausfallen, und landet bei 60.000 Menschen, die sie mit ihrem Budget realistisch erreichen kann. Das ist ihre eigene Schätzung, und eine erfundene.

Also $c = 300.000 / (192 \times 60.000) = 300.000 / 11.520.000 = 0{,}026$. Sie braucht rund 2,6 % der Menschen, die sie erreichen kann. Nach Balfours Maßstab ist das ein entspannter Anteil, weit unter den 10 %, die er für Software ansetzt. Der Markt ist groß genug.

Achte aber darauf, was sich mit der neuen Headline verändert hat. Die Geschenkzielgruppe, die sie bisher angesprochen hat, ist größer, aber für ein Abo ist sie der falsche Markt. Wer ein Geschenk kauft, kauft einmal. Die Leute, die zu Hause selbst Kaffee zubereiten, sind eine kleinere Zielgruppe, und jede Person kostet in der Ansprache etwas mehr. Market Fit heißt nicht "die größte Zielgruppe". Es heißt die Zielgruppe, die zur Message und zum Model passt.

Zwei weitere Fragen zum Markt stelle ich immer, ganz ohne Formel:

• Wissen sie schon, dass sie das Problem haben? Leuten, die bereits nach einem Kaffee Abo suchen, ein Abo zu verkaufen, ist leicht. Leuten beizubringen, dass Supermarktkaffee abgestanden ist, dauert lange und kostet viel.
• Wer schreit sie sonst noch an? Ein voller Markt ist kein Todesurteil, aber er verteuert jeden Klick.

Allgemeingültige "gesunde" Werte für Suchvolumen oder Anzeigenpreise nenne ich hier bewusst nicht. Die richtige Schwelle hängt von deinem Preis und deiner Marge ab, und genau das ist die nächste Prüfung.

Model Fit: kommt das Geld zurück, und wie schnell

Beim Model Fit geht es darum, ob sich dein Geschäftsmodell den Einkauf von Kunden leisten kann. Wie gut die Ads laufen, ist egal, wenn jeder Kunde in der Gewinnung mehr kostet, als er dir je bringt.

Zwei Zahlen entscheiden das. Die erste sind die Customer Acquisition Costs (CAC), also deine Marketingausgaben geteilt durch die Kunden, die sie bringen. Die zweite ist die Zeit, bis der Deckungsbeitrag eines Kunden diese Kosten wieder eingespielt hat.

Die schnelle Fassung der Amortisationszeit teilt das eine durch das andere.

$$t_{\text{simple}} = \frac{\text{CAC}}{m}$$

Dabei ist $t_{\text{simple}}$ die einfache Amortisationszeit in Monaten, $\text{CAC}$ das, was die Gewinnung eines Kunden kostet, und $m$ der monatliche Deckungsbeitrag pro Kunde von oben. Es ist ein Verhältnis, siehe Grundlagen: Verhältnisse und Raten.

Balfours Faustregel lautet, dass die meisten Startups die Amortisationszeit unter einem Jahr halten müssen.⁹ Das ist ein Urteil aus der Praxis über Liquidität, kein Gesetz, aber ein vernünftiger Startpunkt. Ein Unternehmen, das vom Umsatz dieses Quartals lebt, braucht womöglich deutlich weniger.

Rechenbeispiel: die einfache Amortisation vom Röstwerk

In ihrem letzten Test hat Anja 1.200 € für Meta Ads ausgegeben und 30 Abonnenten gewonnen. Also $\text{CAC} = 1.200 / 30 = 40$ Euro.

Damit ist $t_{\text{simple}} = 40 / 7{,}20 = 5{,}6$ Monate. Fünfeinhalb. Locker unter einem Jahr. Nach dieser Zahl sollte sie das Budget verdoppeln.

Sollte sie nicht, und der Grund ist der häufigste Fehler, den ich bei der Prüfung des Models sehe.

Eine Amortisation ohne Churn ist ein Märchen

Die einfache Formel unterstellt stillschweigend, dass jeder Kunde bleibt, bis er dir die Kosten zurückgezahlt hat. Abonnenten tun das nicht. Manche kündigen nach der ersten Tüte. Der Anteil, der von einem Monat zum nächsten bleibt, ist die Retention Rate, und ihr Gegenstück, der Anteil, der geht, ist der Churn.

Um zu sehen, wann sich eine Gruppe von Kunden wirklich amortisiert, addierst du Monat für Monat, was die Gruppe dir bringt, und ziehst die ab, die gehen. Ist $r$ die monatliche Retention Rate, dann zahlt im ersten Monat jeder Kunde, im zweiten ist noch der Anteil $r$ da, im dritten $r^2$, und so weiter. Die laufende Summe nach $t$ Monaten ist eine geometrische Summe.

$$C(t) = m \times \frac{1 - r^{t}}{1 - r}$$

Dabei ist $C(t)$ der kumulierte Deckungsbeitrag pro gewonnenem Kunden nach $t$ Monaten, $m$ der monatliche Deckungsbeitrag, $r$ die monatliche Retention Rate als Bruch und $t$ die Zahl der Monate. Mit wachsendem $t$ nähert sich $C(t)$ dem Wert $m / (1 - r)$, dem Höchsten, was ein Kunde dir je wert sein wird. Diese Obergrenze ist eine einfache Form des Customer Lifetime Value, mit Diskontsatz erklärt unter Grundlagen: Lifetime Value. Der echte Amortisationsmonat ist das erste $t$, bei dem $C(t)$ die CAC erreicht. Um danach aufzulösen, brauchst du einen Logarithmus, $t = \ln\!\left(1 - \frac{\text{CAC}\,(1 - r)}{m}\right) / \ln r$, aufgerundet, und Logarithmen erkläre ich unter Grundlagen: Logarithmen.

Rechenbeispiel: die echte Amortisation vom Röstwerk

Anja schaut in ihre Abodaten. Von den Leuten, die über die Geschenk Ad abgeschlossen haben, verlängern jeden Monat 85 %, also kündigen 15 %. Das ist $r = 0{,}85$.

Zuerst die Obergrenze: $m / (1 - r) = 7{,}20 / 0{,}15 = 48$ Euro. Im Schnitt bringt ihr ein Abonnent aus dieser Ad insgesamt 48 €, und zwar für immer.

Dann Monat für Monat, $C(t) = 48 \times (1 - 0{,}85^{t})$:

• nach einem Monat: $48 \times 0{,}15 = 7{,}20$
• nach drei Monaten: $48 \times (1 - 0{,}614) = 18{,}52$
• nach sechs Monaten: $48 \times (1 - 0{,}377) = 29{,}90$
• nach 11 Monaten: $48 \times (1 - 0{,}167) = 39{,}97$
• nach 12 Monaten: $48 \times (1 - 0{,}142) = 41{,}17$

Die 40 € sind erst im Monat 12 wieder drin. Mit dem Logarithmus: $1 - 40 \times 0{,}15 / 7{,}20 = 1 - 0{,}833 = 0{,}167$, und $\ln 0{,}167 / \ln 0{,}85 = -1{,}792 / -0{,}163 = 11{,}0$. Auf einen ganzen Monat aufgerundet ist das Monat 12.

Die ehrliche Amortisationszeit sind also 12 Monate, nicht 5,6. Und der Sicherheitspuffer ist dünn: Das ganze Kundenleben ist 48 € wert, bei 40 € Kosten. Ein kleiner Anstieg der Anzeigenpreise vor Weihnachten, und jeder neue Abonnent würde Geld verlieren.

Hier greifen die drei Prüfungen ineinander. Warum ist der Churn so hoch? Weil die Geschenk Headline Geschenkkäufer gebracht hat. Sie haben "Geschenk" verstanden, eines gekauft und gekündigt. Das Problem im Model war die ganze Zeit ein Problem in der Message.

Rechenbeispiel: dieselbe Rechnung nach der neuen Message

Anja wechselt zur Briefkasten Headline und spricht die Leute an, die zu Hause selbst Kaffee zubereiten. Zwei Dinge ändern sich, und sie misst beide über einen Monat mit kleinerem Budget.

• Die engere Zielgruppe zu erreichen kostet mehr. Sie gibt 1.350 € aus und gewinnt 30 Abonnenten, die CAC steigen also auf $1.350 / 30 = 45$ Euro.
• Wer jetzt kommt, wollte ein Abo. Die monatliche Retention steigt auf 92 %, also $r = 0{,}92$.

Die Obergrenze liegt jetzt bei $7{,}20 / 0{,}08 = 90$ Euro, fast doppelt so hoch. Monat für Monat, $C(t) = 90 \times (1 - 0{,}92^{t})$:

• nach sechs Monaten: $90 \times (1 - 0{,}606) = 35{,}43$
• nach acht Monaten: $90 \times (1 - 0{,}513) = 43{,}81$
• nach neun Monaten: $90 \times (1 - 0{,}472) = 47{,}51$

Die 45 € sind im neunten Monat wieder drin. Gegenprobe mit dem Logarithmus: $1 - 45 \times 0{,}08 / 7{,}20 = 0{,}5$, und $\ln 0{,}5 / \ln 0{,}92 = -0{,}693 / -0{,}083 = 8{,}3$, aufgerundet neun.

Die CAC sind um 5 € gestiegen, und das Geschäft ist besser geworden. Die Amortisation ist von 12 auf neun Monate gefallen, und jeder Kunde ist über sein Kundenleben doppelt so viel wert. Wer nur auf die Kosten pro Abonnent im Ads Dashboard schaut, hätte diese Änderung für einen Fehlschlag gehalten.

Auf der waagrechten Achse laufen die Monate seit Abschluss, von eins bis 12. Die senkrechte Achse zeigt in Euro, was dir der durchschnittliche Abonnent, für dessen Gewinnung du bezahlt hast, bis zu diesem Monat insgesamt gebracht hat, mit den Kündigungen schon eingerechnet. Beide Linien starten bei 7,20 €, weil jeder die erste Tüte bezahlt. Die Geschenklinie flacht früh ab, weil so viele gehen, und schiebt sich erst ganz am Ende des Jahres an ihren 40 € Kosten vorbei. Die Briefkastenlinie steigt weiter und überholt ihre höheren Kosten von 45 € drei Monate früher. Die Lehre daraus: Bei einem Abo entscheidet die Retention, nicht der Preis pro Klick, ob sich bezahlte Kundengewinnung lohnt.

Auch der Kanal muss zum Model passen

Zwischen Market und Model sitzt der Kanal, also der Weg, auf dem du Menschen erreichst. Balfour nennt das Channel Model Fit, und seine zentrale These lautet "products are built to fit with channels, channels are not built to fit with products": Produkte werden passend zu Kanälen gebaut, nicht Kanäle passend zu Produkten.⁹ Er ordnet Unternehmen auf einer Skala nach durchschnittlichem Umsatz pro Nutzer an. Am einen Ende zwingt niedriger Umsatz pro Nutzer zu Kanälen mit niedrigen Kosten, und die brauchen wiederum Produkte, die man schnell versteht und schnell kauft. Am anderen Ende kann hoher Umsatz pro Nutzer teure Kanäle wie aktiven Vertrieb bezahlen.⁹ Die Mitte nennt er eine Gefahrenzone: Dort ist der Umsatz pro Nutzer zu hoch für das, was die günstigen Kanäle liefern können, und zu niedrig, um Vertriebsleute zu bezahlen, und er argumentiert, dass Unternehmen dort häufiger scheitern.⁹

Dafür brauchst du keine Formel. Du brauchst die Obergrenze für die CAC aus der Prüfung des Models und eine ehrliche Schätzung, was jeder Kanal pro Kunde kostet.

Rechenbeispiel: soll Anja jemanden für den Vertrieb einstellen

Ein Freund schlägt Anja vor, Büroabos per Telefon zu verkaufen. Angenommen, eine Stunde Vertriebszeit kostet sie 30 €, die Anrufe ohne Ergebnis eingerechnet, und jeder zehnte Anruf wird zu einem Abonnenten.

Die Kosten pro Abonnent liegen bei $30 \times 10 = 300$ Euro. Selbst nach der neuen Message ist ein Abonnent zu Hause über sein Kundenleben 90 € wert. Telefonvertrieb für ein Abo zu 16 € würde also rund 210 € pro Kunde verlieren.

Büroabos könnten sich zu einem viel höheren Preis lohnen, etwa der Kaffee für ein ganzes Team für 150 € im Monat. Das ist dann aber ein anderes Produkt mit einer anderen Message, verkauft an einen anderen Markt. Genau das ist Balfours Punkt: Wechselst du den Kanal, hast du auch die anderen Fits verändert. Wenn du eine strukturierte Methode suchst, um den Kanal selbst auszuwählen, habe ich getrennt das Bullseye Framework für die Channel Auswahl durchgespielt.

Ändert sich ein Fit, prüfst du die anderen neu

Der für mich nützlichste Satz in Balfours Reihe ist, dass sich die Fits ständig verändern, und wenn einer bricht, kannst du nicht einfach ein Element ändern, sondern musst sie alle neu prüfen und womöglich alle ändern.³ Jedes Rechenbeispiel oben hat es gezeigt. Die Message hat entschieden, wer kommt. Wer kommt, hat den Churn entschieden. Der Churn hat das Model entschieden.

Es funktioniert auch umgekehrt. Eine Preisänderung ist eine Änderung am Model, aber sie verändert auch die Message und den Markt.

Rechenbeispiel: eine Preiserhöhung schlägt zurück

Angenommen, Anja überlegt, den Preis von 16 € auf 19 € anzuheben, um die Marge aufzupolstern. Lass die Gebühren kurz beiseite und nimm an, die zusätzlichen 3 € sind komplett Deckungsbeitrag, $m$ steigt also von 7,20 € auf 10,20 €.

Bliebe die Retention bei 92 %, läge die Obergrenze bei $10{,}20 / 0{,}08 = 127{,}50$ Euro. Auf dem Papier wunderbar.

Aber bleibt die Retention bei 92 %? Ein teureres Abo braucht ein anderes Versprechen ("Single Estate, auf Bestellung geröstet") und spricht eine kleinere Gruppe an. Rutscht die Retention auf 88 %, liegt die Obergrenze bei $10{,}20 / 0{,}12 = 85$ Euro, unter den 90 €, die sie heute hat. Außerdem würden weniger Leute auf die Ad hin zusagen, die CAC würden also wahrscheinlich steigen.

Also beginnt das Audit von vorn: ein Fünf Sekunden Test der Premium Headline, eine neue Schätzung der Zielgruppe und ein kleines Budget, um CAC und Retention zu messen, bevor sie sich festlegt.

So mache ich das Audit, Schritt für Schritt

Ich mache die drei Prüfungen in einer festen Reihenfolge, weil jede die nächste speist. Eine Prüfung des Models mit Traffic, der das Angebot missverstanden hat, misst die falschen Kunden.

Das Diagramm liest sich von oben nach unten, und an den beiden Entscheidungen führt ein Nein zurück zu dem Schritt, der das Problem verursacht. Der bezahlte Test ist der langsame Teil des Audits, weil die Retention mindestens ein paar Verlängerungen braucht, bevor die Zahlen etwas bedeuten, und ein Monat Daten ist immer noch dünn. Wenn du wissen willst, wie viele Daten ein solcher Test wirklich braucht, habe ich einen ganzen Artikel über Stichprobengrößen für Kampagnen und Tests geschrieben.

Was das Audit dir nicht sagen kann

Ein paar ehrliche Grenzen, denn ein überverkauftes Framework ist schlimmer als gar keins.

Es sagt die Zukunft nicht voraus. Die Retention, die Anja in einem Monat gemessen hat, ist eine Schätzung, mit aller Unsicherheit einer kleinen Stichprobe. Außerdem verändert sich die Retention mit der Zeit, meist fällt sie in den ersten Monaten am stärksten und pendelt sich dann ein. Eine einzige monatliche Rate ist eine Vereinfachung. Wie man Churn über die Zeit sauber behandelt, steht in Survival Analyse, Churn und Customer Lifetime Value.

Es ist eine Reihe von Fragen, keine Punktzahl. Manche Fassungen dieses Frameworks im Netz bieten eine "Message Fit Formel" an, wahrgenommener Wert geteilt durch kognitive Last, oder einen einzigen Fit Score von 100 Punkten. Die alte Fassung dieses Artikels hatte auch so etwas. Ich habe es gestrichen, weil sich keine Seite dieses Bruchs messen lässt, und eine Formel, die du nicht ausfüllen kannst, ist Dekoration. Jede Prüfung oben endet in einer Zahl, die du tatsächlich erheben kannst.

Die Fits sind geliehene Ideen, keine bewiesenen Gesetze. Andreessen, Kennedy und Balfour schreiben aus Erfahrung. Keines ihrer Frameworks ist das Ergebnis einer kontrollierten Studie, und keines behauptet das.

Budget ist der letzte Schritt, kein Sprung ins Ungewisse

Wenn eine Kampagne auf dem Papier gut aussieht und trotzdem Geld verliert, ist die Ursache nach meiner Erfahrung eines von drei Dingen, meist ineinander verknotet: die falschen Worte, die die falschen Leute bringen, zu wenige richtige Leute in Reichweite, oder eine Rechnung, die nur aufgeht, wenn nie jemand kündigt. Deshalb prüfe ich sie der Reihe nach, und nach jeder Änderung an einem prüfe ich die anderen beiden noch einmal.

Erst dann geht das Budget hoch, denn dann weiß ich, was das zusätzliche Geld einkauft.

Footnotes

1. Marc Andreessen, Part 4: The only thing that matters, Pmarca Guide to Startups, 25. Juni 2007, https://pmarchive.com/guide_to_startups_part4.html

2. Dan S. Kennedy, The 3 Ms of Successful Direct Marketing Campaigns, Auszug aus No B.S. Direct Marketing, Entrepreneur, 17. Juli 2018, https://www.entrepreneur.com/growing-a-business/the-3-ms-of-successful-direct-marketing-campaigns-new/313518

3. Brian Balfour, Why Product Market Fit Isn't Enough, brianbalfour.com, 28. Juni 2017, https://brianbalfour.com/essays/product-market-fit-isnt-enough

4. Brian Balfour, Four Fits For $100M+ Growth, brianbalfour.com, https://brianbalfour.com/four-fits-growth-framework

5. Brian Balfour, The Road to a $100M Company Doesn't Start with Product (Market Product Fit), brianbalfour.com, 5. Juli 2017, https://brianbalfour.com/essays/market-product-fit

6. Eduard Kuric, Five Second Testing: Taking A Closer Look At First Impressions (Case Study), Smashing Magazine, 6. Dezember 2023, https://smashingmagazine.com/2023/12/five-second-testing-case-study

7. OpenStax, Introductory Statistics 2e, Abschnitt 8.3 A Population Proportion, Rice University, 2023, https://openstax.org/books/introductory-statistics-2e/pages/8-3-a-population-proportion

8. Brian Balfour, The Model Market Fit Threshold and What it Means for Your Growth Strategy, brianbalfour.com, 26. Juli 2017, https://brianbalfour.com/essays/model-market-fit-threshold-for-growth

9. Brian Balfour, Get Out of the ARPU CAC Danger Zone with Channel Model Fit, brianbalfour.com, 18. Juli 2017, https://brianbalfour.com/essays/channel-model-fit-for-user-acquisition