9 Product-Led Growth Kennzahlen + Wie man sie nutzt
Produktorientiertes Wachstum hat sich als eine der effektivsten Strategien zur Entwicklung und zum Ausbau digitaler Produkte erwiesen. Einer der Hauptgründe für ihren Erfolg ist die starke Abhängigkeit von Datenanalysen, um kluge Entscheidungen zu treffen.
Wenn Sie also aktuell bessere Wege suchen, um im produktorientierten Wachstum erfolgreich zu sein, soll Ihnen dieser Artikel dabei helfen, die datengetriebenen Qualitäten durch das Verfolgen und Überwachen der richtigen Kennzahlen für sich zu nutzen.
Die Bedeutung von PLG für SaaS-Unternehmen
Es gibt einen Grund, warum produktorientiertes Wachstum vor allem im Bereich von SaaS-Produkten an Bedeutung gewonnen hat. Mit einer PLG-Strategie können Sie neue Kunden gewinnen und Ihren Umsatz auf nachhaltige und kostengünstige Weise steigern.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
Have an account? Log In
PLG ist nachhaltig, weil Menschen Ihr Produkt nicht nur aufgrund Ihrer Marketingkampagnen mögen und kaufen. Stattdessen lässt die Strategie die Nutzer Ihr Produkt in der Praxis ausprobieren (oft sogar kostenlos, abhängig von Ihrer Produkt-Preisstrategie), die überzeugendsten Funktionen testen und (idealerweise) damit ihre Probleme lösen.
Sobald ihnen klar wird, dass Ihr Produkt ihre Probleme lösen kann, neigt sich die Waage zu Ihren Gunsten und der Nutzer beginnt, für Ihr Produkt zu bezahlen.
PLG ist kostengünstig, weil Ihr Produkt als Self-Service-Marketingkanal fungiert. Indem Sie außergewöhnliche Nutzererlebnisse schaffen, können Sie Ihre Nutzer davon überzeugen, dass Ihr Produkt exakt das ist, wonach sie suchen, und sie zu produktqualifizierten Leads (PQLs) machen.
Da Ihr Produkt den größten Teil des Marketings selbst übernimmt, geben Sie kaum noch so viel für Ihr Vertriebsteam und Marketingmaßnahmen zur Kundengewinnung aus. Das führt zu einer deutlichen Senkung der durchschnittlichen Kosten für die Gewinnung neuer Nutzer.
Nachdem wir nun die Vorteile von PLG in Erinnerung gerufen haben, schauen wir uns die wichtigsten SaaS-Kennzahlen an, die Sie messen sollten, um sicherzustellen, dass Sie mit Ihrer produktorientierten Wachstumsstrategie auf dem richtigen Weg sind.
PLG-Kennzahlen: Aktivierung messen
Jede Reise eines Nutzers in Ihrem PLG-Produkt beginnt mit der Aktivierung. Das ist der Prozess, in dem Menschen Ihr Produkt einrichten, verstehen, wie es funktioniert (dank Ihres Onboarding-Prozesses!), Ihre Kernfunktionen ausprobieren und den Wert Ihres Produkts erleben.
Ich empfehle Ihnen, die folgenden Kennzahlen zu verfolgen, um Ihren Aktivierungsprozess zu optimieren.
Hinweis: Um Ihnen zu zeigen, wie Sie das Tracking spezifischer Kennzahlen einrichten können, werde ich Beispiele mit Mixpanel bringen, aber Sie können selbstverständlich auch andere Produktanalyse-Tools verwenden.
Kennzahl Nr. 1: Time to Value
Beginnen wir mit einem der wichtigsten Frühindikatoren für eine gelungene Aktivierung—der Time to Value (TTV). Ich spreche hier bewusst von einem „Frühindikator“, denn eine Verbesserung dieser Kennzahl verbessert die Aktivierung insgesamt.
TTV beschreibt die Zeit, die Ihre Nutzer benötigen, um den Kernwert Ihres Produkts zu erleben. Je schneller Nutzer zum entscheidenden Wert kommen, desto geringer ist die Wahrscheinlichkeit, dass sie sich langweilen und Ihr Produkt wieder verlassen.
Um Ihre TTV zu berechnen, müssen Sie zwei Schlüsselmomente in der Nutzerreise erfassen:
- Wenn sich Nutzer anmelden und Ihr Produkt erstmalig nutzen.
- Wenn sie die Aktion ausführen, die Ihre wichtigste Funktion repräsentiert.
Sehen wir uns nun an, wie Sie einen Bericht in Mixpanel erstellen können, um die TTV eines Integrations-SaaS-Produkts ähnlich wie Zapier zu messen. In diesem Fall ist die Aktion, die Nutzer ausführen, um den Kernwert Ihres Produkts zu erleben, das Erstellen und Integrieren.
Wir können also ein Trichter-Diagramm mit zwei Schritten erstellen: „Signup“ und „Integration erstellen“.
Als Nächstes stellen wir die Ansicht dieses Trichters auf „Time to Convert“ ein, wodurch die mittlere Zeit berechnet wird, die Nutzer benötigen, um von Schritt eins zu Schritt zwei zu gelangen.
Natürlich sind 24 Tage, wie in diesem Bericht dargestellt, viel zu lang und Sie werden Ihre Nutzer mit hoher Wahrscheinlichkeit verlieren, bevor sie Ihre Integrationen testen.
Es muss also etwas mit Ihrem Analytics-Setup (vielleicht lösen Sie nicht die richtigen Events aus) oder mit Ihrer Aktivierungsstrategie nicht stimmen.
Kennzahl Nr. 2: Feature- oder Produkt-Adoptionsrate
Eine weitere entscheidende Kennzahl für PLG-getriebene Produkte ist die Rate, mit der Nutzer Ihre Produktfunktionen übernehmen.
Im Rahmen von PLG sollte jede neue Funktion einem bestimmten Zweck dienen (z. B. Verbesserung einer Gewohnheitsbildung, Aktivierung usw.). Damit eine Funktion Wirkung entfalten kann, müssen die Nutzer sie zunächst übernehmen und aktiv einsetzen.
Daher müssen Sie die Feature-Adoptionsrate messen und Ihr Feature oder Ihre Benutzererfahrung überarbeiten, wenn sie zu niedrig ist.
Mein Ansatz zur Berechnung der Feature-Adoptionsrate ist etwas kontrovers und unterscheidet sich von anderen. Ich berechne den Prozentsatz der Nutzer, die das Feature einmal genutzt haben (was bedeutet, dass sie es entdeckt haben), und den Prozentsatz derjenigen, die es mehr als zweimal genutzt haben (was bedeutet, dass sie es übernommen haben).
In Mixpanel kann man dies erreichen, indem man zwei Kohorten erstellt.
Die erste hier erstellte Kohorte dient der Messung der Entdeckung. Hier habe ich das Startdatum der Messung auf das Veröffentlichungsdatum dieses Features festgelegt.
Für die zweite Kohorte hingegen gilt der Zeitraum „letzte 30 Tage“, da die Nutzung eines Features mehr als zweimal innerhalb einiger Monate kaum als Adoption betrachtet werden kann.
Danach können Sie einen Insights-Bericht mit benutzerdefinierten Formeln erstellen, der die oben genannten Prozentsätze berechnet, indem diese Kohorten durch die Anzahl der aktiven Nutzer geteilt werden.
Ein gesundes Adoptions- und Entdeckungsdiagramm hält die Anzahl der entdeckten Personen stabil, während die Adoptionsrate stetig steigt.
Metrik #3: AHA!-Moment
Zuletzt haben wir den heiligen Gral aller PLG-Aktivierungsmetriken – den AHA!-Moment. Er repräsentiert den Punkt der Nutzerreise, an dem Ihre Nutzer den größten Mehrwert aus Ihrem Produkt ziehen und erkennen, dass sich eine Integration des Produkts in ihren Alltag lohnt.
Klingt ein bisschen ähnlich wie TTV, oder? Tatsächlich geht es bei beiden um die Nutzung Ihres Kernfeatures. Doch während Time to Value zeigt, wie lange es von der Registrierung bis zur Nutzung dieses Features dauert, zeigt der AHA!-Moment die Anzahl oder den Prozentsatz aller Nutzer, die es genutzt haben (von denen, die sich angemeldet haben).
Um den AHA!-Moment-Bericht in Mixpanel zu erstellen, beginnen wir genauso wie beim TTV und erstellen einen Funnel mit „Sign Up“ und „Create Integration“ als unsere Schritte.
Im Gegensatz zu TTV wählen wir hier jedoch nicht die „Time to Convert“-Visualisierung aus. Stattdessen nehmen wir die Option „Funnel Trends“.
Diese Option zeigt die Veränderung der Konversionsrate von Schritt 1 zu Schritt 2 im Zeitverlauf an.
Wie wir aus diesem Diagramm sehen können, erreichen etwa 30 % der angemeldeten Nutzer den AHA!-Moment, indem sie eine Integration erstellen.
Zudem scheint diese Rate weder zu steigen noch zu sinken, da die Trendlinie in diesem Liniendiagramm horizontal verläuft.
Engagement-Metriken
Eine gesunde Aktivierungsrate ist nur ein Teil des Erfolgs. Wenn Ihr Produkt nachhaltig wachsen soll, müssen Sie zudem sicherstellen, dass die Nutzer Ihr Produkterlebnis lieben und sowohl die Nutzerbindung als auch die Produktnutzung ebenfalls gesund sind.
Hier ist mein Vorschlag, wie Sie Ihre Nutzungsgesundheit im Auge behalten können.
Metrik #4: Gewohnheits-Moment
Das nächste entscheidende Etappenziel, das Ihre Nutzer nach ihrem AHA!-Moment erreichen sollen, ist, wenn sie eine Gewohnheit rund um Ihr Produkt entwickelt haben und ihre Aufgaben ohne Ihr Produkt kaum noch erledigen können.
In der PLG-Welt nennen wir diesen Moment in der Nutzerreise den Gewohnheits-Moment.
Genau wie beim AHA!-Moment und beim TTV interessiert uns bei der Analyse die Nutzung der Kernfeatures Ihres Produkts. Entscheidend ist, wie oft diese genutzt werden.
Man würde davon sprechen, dass ein Nutzer eine Gewohnheit entwickelt hat, wenn die Nutzungsfrequenz der Kernfunktion(en) Ihres Produkts der natürlichen Häufigkeit des Auftretens des Problems beim Nutzer entspricht (oder ihr zumindest nahekommt).
Beispielsweise führen Remote-Arbeitende in der Regel mindestens einen Konferenzanruf unter der Woche. Die natürliche Frequenz, ein Zoom-ähnliches Tool zu benötigen, wäre also täglich/werktags oder 5d7 (5 Tage innerhalb eines 7-Tage-Zeitraums).
Im wirklichen Leben haben Menschen jedoch oft Tage ohne Meetings oder gestalten ihren Zeitplan so, dass nicht jeder Wochentag Termine enthält. Das bedeutet, Sie haben Nutzer, die sich angewöhnt haben, Ihr Videokonferenz-Tool immer dann zu verwenden, wenn sie einen beruflichen Anruf tätigen müssen, und zwar mit einer 4d7-Häufigkeit.
Für Ihren Habit-Moment-Meilenstein würden Sie daher im Allgemeinen eine Nutzungsfrequenz wählen, die etwas niedriger ist als die natürliche Häufigkeit, mit der das Problem auftritt.
Was die Tools betrifft, mit denen Sie diese Messung und Visualisierung vornehmen können, empfehle ich, Ihr Data-Analytics-Team um einen individuellen Bericht in Tableau oder PowerBI zu bitten, da eventbasierte Analytics-Tools (z. B. Amplitude oder Mixpanel) Schwierigkeiten haben, Habit-Moment-Diagramme zu erstellen.
Metrik #5: Retentionsrate
Retention ist eigentlich der Hauptgrund, warum Sie Gewohnheiten unter Ihren Nutzern etablieren möchten. Gewohnheiten sind schwer zu durchbrechen. Eine Person, die sich angewöhnt hat, ihre Probleme mit Ihrem Produkt zu lösen, wird dies über einen sehr langen Zeitraum tun (bis das Problem verschwindet oder ein 5-fach besseres Produkt auf dem Markt erscheint).
Um zu verstehen, ob Menschen langfristig bei Ihnen bleiben, müssen Sie ihre Retention messen.
Die Retention zeigt den Prozentsatz der Personen an, die Ihre App über einen längeren Zeitraum hinweg kontinuierlich nutzen. Eine 50% 7-Tage Kunden-Retention bedeutet zum Beispiel, dass die Hälfte der Nutzer Ihre App bereits nach 7 Tagen nicht mehr verwendet.
Es gibt drei Elemente der Retention, die Sie herausfinden müssen, um die langfristigen Nutzungstrends Ihres Produkts zu verstehen:
- Kernaktion: Wie bei anderen Metriken handelt es sich hierbei um das Hauptfeature, das den wesentlichen Wert Ihres Produkts repräsentiert.
- Frequenz: Täglich/Wöchentlich/Monatlich usw. Mit dieser Festlegung teilen Sie dem Analytics-Tool mit, wie häufig die kontinuierliche Nutzung der Funktion gemessen werden soll (mindestens einmal am Tag/Woche/Monat usw.).
- Zeitraum: Das ist die Anzahl aufeinanderfolgender Tage/Wochen, an denen die Nutzer Ihr Produkt verwendet haben. Typischerweise verfolgt man die Retention für D7, D28 und D90, um zu wissen, wie viele Nutzer nach einer Woche, einem Monat oder einem Quartal dabeibleiben.
Nehmen wir nun an, Sie verantworten einen Online-Speicherdienst ähnlich wie Dropbox. Zur Berechnung Ihrer Retention wählen Sie „Medien hochladen“ als Kernaktion, „Täglich“ als Frequenz und D28 als Zeitraum.
Wenn Sie das Ganze in Mixpanel einrichten, sehen Sie Folgendes.
Wie wir sehen können, ist die Retentionskurve für unser Produkt nicht flach und nähert sich bei D28 der Null. Das bedeutet, dass wir innerhalb von 28 Tagen alle Nutzer verlieren und keinerlei Langzeitnutzer haben.
Unsere nächsten Schritte wären daher, herauszufinden, warum uns die Nutzer verlassen, und die identifizierten Probleme zu beheben.
Metrik #6: Churn-Rate
Wir haben über die Menschen gesprochen, die bei Ihnen bleiben (repräsentiert durch Retention). Nun ist es Zeit, über diejenigen zu sprechen, die es nicht tun (was sich im Absinken der Retentionsrate im Zeitverlauf zeigt).
Der Prozess, bei dem Nutzer Ihr Produkt verlassen, ist als Churn bekannt. Sie könnten Sie entweder durch einen direkten Wettbewerber ersetzen oder beginnen, ihr Problem mit indirekten Alternativen zu lösen.
In beiden Fällen ist Churn etwas, das Sie aktiv messen, überwachen und möglichst vermeiden sollten.
Die traditionelle Formel zur Berechnung des Churn sieht folgendermaßen aus.
Das klingt alles ganz einfach, oder? Wenn Sie den wöchentlichen Churn messen wollen, zählen Sie zunächst die Gesamtzahl der Endnutzer, die Sie in den letzten sieben Tagen verloren haben, und teilen diese durch die Anzahl an Nutzern, die Sie vor einer Woche hatten.
Diesen spezifischen Churn-Typ verwendet man, wenn es um Finanzen geht (z. B. zur Berechnung des LTV oder bei Betrachtung von verlorenem Umsatz) oder wenn Sie die Gesamtwachstumsrate Ihrer Nutzerbasis berechnen wollen (neue Nutzer minus Churn).
Allerdings zeigt Ihnen diese Kennzahl nur bedingt, wie effektiv Ihr Produkt bei der Lösung von Nutzerproblemen ist. Dafür können Sie einen anderen Churn-Typ berechnen, bei dem Sie betrachten, wie viele Nutzer seit Anmeldung und Nutzung abgesprungen sind.
Dieser Wert ist im Grunde das Gegenteil der Retentionsrate und zeigt, wie viele Nutzer Sie in den ersten Tagen verlieren (Diagnose: schlechte Aktivierung und Einrichtung) und wie viele im Verlauf der ersten Wochen (Diagnose: schlechte Habit-Bildung).
Zur Berechnung der churned users in Mixpanel können Sie eine Cohort anlegen, die folgendermaßen aussieht.
Hier habe ich einen großen Zeitraum von 60 Tagen gewählt, da ich davon ausgehe, dass wir mit einem Produkt arbeiten, das entweder wöchentlich oder alle zwei Wochen genutzt wird. Wenn Ihr Produkt täglich genutzt wird, können Sie auch einen 14-tägigen Zeitraum verwenden.
Akquisitionsmetriken
Wir haben bisher über das Produktonboarding und das Produkt-Engagement gesprochen. Aber eine starke PLG-Strategie besteht nicht nur aus diesen beiden Bereichen.
Sie müssen auch die Akquisition innerhalb Ihrer App mit Hilfe von Growth-Loops implementieren und messen.
Dafür können Sie folgende Kennzahlen in Betracht ziehen.
Metrik #7: Viralität
Ein wesentliches Unterscheidungsmerkmal einer produktzentrierten Wachstumsstrategie gegenüber klassischen sales- oder marketinggesteuerten Ansätzen ist ihr aktiver Einsatz von Growth-Loops.
Ein Loop, im Unterschied zu einem Trichter (etwa bei Pirate Metrics), verstärkt sich selbst. Das heißt, die durch die erste Iteration Ihres Loops gewonnenen Nutzer helfen Ihnen dabei, die nächste Iteration auszulösen und noch mehr Nutzer zu gewinnen. Die durch die zweite Iteration gewonnenen Nutzer helfen wiederum bei der dritten Runde und so weiter.
Eine der häufigsten Arten von Growth-Loops ist der virale Loop, der entsteht, wenn Nutzer Inhalte mit Freunden oder Kollegen über Ihr Produkt teilen (z. B. ein Dokument bei Google Docs) und diese Freunde sich wiederum bei Ihrem Produkt anmelden, um es anzusehen oder gemeinsam daran zu arbeiten.
Die neu angemeldeten Nutzer teilen wiederum ihre eigenen Inhalte mit weiteren Freunden, wodurch der Loop in Gang bleibt.
Um die Effektivität dieses Referral-Loops zu messen, müssen Sie die K-Kennzahl berechnen, besser bekannt als den viralen Koeffizienten.
K gibt an, wie viele neue Nutzer Ihre bestehenden Nutzer mithilfe von Teilen-Funktionen (oder ähnlichen Features) gewinnen können.
Wenn beispielsweise ein durchschnittlicher Google-Doc-Nutzer seine Dokumente mit fünf Personen teilt und 60 % davon melden sich für das Produkt an, liegt das K für die Sharing-Funktion bei Google Docs bei 5 x 60 % = 3.
Diese Zahl zeigt, dass jeder Google-Docs-Nutzer durch die Produktnutzung drei weitere Nutzer gewinnen kann.
Mit einem eventbasierten Analyse-Tool lässt sich dies schwer messen; bitten Sie daher Ihr Data-Team um einen individuellen BI-Report.
Metrik #8: Wachstums-Multiplikator
Viralität ist eine wichtige Kennzahl, sie gibt aber nicht die tatsächliche Konversionsrate Ihres SaaS-Wachstumsmodells und Ihrer Loops wieder. Denn Viralität misst nur das Ergebnis einer einzelnen Loop-Iteration.
Aber wir wissen: Die neu gewonnenen Nutzer der ersten Iteration sind diejenigen, die mit ihren Freunden und Kollegen die zweite Iteration auslösen. Der Viralitätswert gilt für alle – so ist die tatsächliche Anzahl neuer Nutzer, die ein bestehender Nutzer gewinnt, die Summe aller Neukunden aus allen darauf folgenden Loops.
Um dies zu messen, führen wir eine Metrik namens Wachstums-Multiplikator ein.
In der oben stehenden Formel ist V der virale Koeffizient für einen Loop. Haben Sie ein Produkt mit einem V von 0,8 (ein viraler Koeffizient über 1 kommt in der Praxis selten vor), beträgt Ihr Wachstums-Multiplikator 5. Das bedeutet: Jeder Ihrer Nutzer bringt fünf weitere Nutzer, sofern die neu gewonnenen Nutzer das Sharing-Feature nutzen und der Loop weiterläuft, bis er zum Erliegen kommt.
Auch dies lässt sich mit einer BI-Lösung messen.
Metrik #9: Net Promoter Score
Dies ist streng genommen keine reine Akquisitionsmetrik. Ich möchte sie trotzdem anführen, da sie die Kundenzufriedenheit widerspiegelt und ein Frühindikator für einen der wichtigsten Growth-Loops im PLG ist – den Mund-zu-Mund-Propaganda-Loop (WOM). Der Name dieses Loops spricht für sich: Menschen nutzen Ihr Produkt, sind begeistert, empfehlen es Freunden, diese melden sich an und machen das Gleiche, usw.
Man kann den viralen Koeffizienten dieses WOM-Loops kaum direkt messen, da sich schlecht nachvollziehen lässt, wie viele neue Nutzer aufgrund einer einzigen Empfehlung gewonnen wurden. Daher muss man auf Frühindikatoren zurückgreifen, um den Loop zu optimieren und vorherzusagen. Einer der besten Indikatoren hierfür ist der Net Promoter Score (NPS).
Es handelt sich um einen einfachen Fragebogen, bei dem Nutzer angeben, wie wahrscheinlich es ist (auf einer Skala von 1 bis 10), dass sie Ihr Produkt Freunden oder Kollegen weiterempfehlen würden. Anschließend können Sie die Ergebnisse der Umfrage in diese Formel eingeben.
Hierbei sind Promotoren diejenigen, die auf der Skala eine 9 oder 10 gewählt haben, und Detraktoren sind diejenigen mit einer Bewertung von 6 oder weniger.
Bei der Umsetzung dieser Umfrage können Sie Ihr Customer Success Team bitten, allen Gesprächspartnern diese Frage zu stellen, Ihr Marketingteam kann sie in die E-Mail-Workflows für Nutzerfeedback einbauen oder Sie können eine UX-Lösung umsetzen und sie in die Customer Journey einbauen.
Bonus-Runde: Finanzielle PLG-Metriken
Bevor wir mit den KPIs des Product-Led-Growth-Teams abschließen, möchte ich Ihnen einen kurzen Überblick über die wichtigsten finanziellen Kennzahlen geben, die ein typisches PLG-Unternehmen betrachtet.
Nettoneuer Umsatz und Expansionsumsatz
Unabhängig davon, ob Sie monatlich (MRR) oder jährlich (ARR) messen, ist es sinnvoll, Ihren neuen Umsatz in zwei Komponenten zu unterteilen: Expansion und neuer Umsatz.
Neuer Umsatz stammt von neu gewonnenen Kunden, während Expansionsumsatz von bestehenden Kunden kommt, die sich entschieden haben, mehr Nutzerplätze zu kaufen oder ihr Paket upzugraden (Up- und Cross-Selling).
Diese Unterscheidung hilft Ihnen bei der besseren Planung und Umsetzung Ihres Umsatzwachststums, da Expansion in der Regel einfacher ist, aber Sie dennoch einen stetigen Zufluss an Neukunden brauchen, auf die Sie später expandieren können.
Netto-Umsatz-Churn
Das ist ziemlich selbsterklärend. Diese Kennzahl zeigt Ihnen, wie viel jährlicher oder monatlich wiederkehrender Umsatz Ihnen durch das Abwandern von Kunden in einem bestimmten Zeitraum verloren gegangen ist.
Durchschnittlicher Umsatz pro Nutzer (ARPU)
Diese Kennzahl ist im Grunde Ihr ARR geteilt durch die Zahl der zahlenden Nutzer. Product-Led-Unternehmen verwenden diese Kennzahl, um Nutzer anhand ihres finanziellen Nutzerverhaltens (z. B. Verbraucher, Prosumer und Unternehmenskunden) in Segmente einzuteilen und die Akquisitionsqualität zu überwachen (steigender ARPU bedeutet qualitativ bessere Nutzer).
Customer Lifetime Value (CLV)
ARPU dient auch als Grundlage zur Berechnung des Customer Lifetime Value. Sie berechnen ihn, indem Sie den ARPU durch Ihre Churn-Rate teilen. Er gibt an, welchen Gesamtumsatz Sie mit einem durchschnittlichen Kunden erzielen, bevor dieser abspringt.
Customer Acquisition Cost (CAC)
Abschließend bleibt noch die Kosten zur Akquise eines zahlenden Kunden. Diese berechnen sich aus dem Gesamtbetrag, den Sie für die Akquise ausgeben, geteilt durch die Anzahl der gewonnenen Kunden.
Sie benutzen CAC und CLV, um die Rentabilität Ihres Geschäftsmodells zu bewerten. Der CLV sollte dabei höher als der CAC sein (ein guter Benchmark ist 4x), damit Sie nicht unwirtschaftlich arbeiten.
Daten sind wichtig – aber vertrauen Sie auch Ihrem Bauchgefühl!
Es mag vielleicht seltsam erscheinen, einen Ratgeber zu Metriken und Analysen damit abzuschließen, dass Sie auf Ihr Bauchgefühl hören sollen. Aber glauben Sie mir – das ist ein guter Rat.
Durch das Verfolgen der richtigen Kennzahlen werden Ihre Produktwachstumsinitiativen deutlich effektiver. Dennoch sollten Sie Entscheidungen nie ausschließlich auf Daten stützen. Quantitative Daten beinhalten nicht alle qualitativen Einsichten, die Sie im Kopf haben.
Nutzen Sie Daten also immer parallel zu Ihrem eigenen „Produkt-Bauchgefühl“.
Vergessen Sie nicht, unseren Newsletter zu abonnieren, um weitere Ressourcen und Leitfäden zum Produktmanagement zu erhalten – sowie die neuesten Podcasts, Interviews und Einblicke von Branchenführern und Experten.
