Lean Startup: Sieben Maßnahmen zur Durchführung hocheffektiver Experimente (Teil 1)

Die Frage ist nicht, ob wir Experimente durchführen sollten oder nicht. Wir tun es die ganze Zeit. Wann immer wir ein neues Feature ausliefern, eine Marketing-Kampagne anstoßen oder eine neue Verkaufsmethode ausprobieren, testen wir eine neue Strategie mithilfe einer Art Experiment.

Die wirkliche Frage lautet: Wollen wir gute Experimente durchführen oder nicht?

Experiment Strategies 1

Der fehlende Schritt vor Build/Measure/Learn

Lean Thinking, das Lean Startup stark beeinflusst hat, sieht einen wohlüberlegten Schritt vor dem Build-Schritt vor. Der Schritt ist Planung. In unserer Vorliebe fürs Agieren verwenden wir oft nicht angemessen viel Zeit auf die Planung unserer Experimente. Das ist ein Fehler und führt häufig zur nachexperimenteller Rationalisierung und suboptimalen Ergebnissen.

Build Measure Learn

Wie alles andere muss auch die Planung getimeboxt werden, um Analyse-Paralyse zu vermeiden und Aktionen zu forcieren. Aber Zeit, die wir mit der richtigen Art von Planung verbringen, ist gut investierte Zeit.

Was nun folgt, sind meine Grundregeln für die Durchführung guter Experimente. Doch bevor wir beginnen, sollten wir etwas Anderes aus dem Weg räumen.

Kognitive Voreingenommenheit

Kognitive Voreingenommenheit beeinflusst unsere Urteilsvermögen, und selbst gefeierte Wissenschaftler wie Isaac Newton waren nicht immun gegen gewisse Formen der Voreingenommenheit. Aus diesem Grund hat die wissenschaftliche Community diverse Prozeduren und Absicherungen für die empirische Forschung und das Sammeln guter Belege etabliert.

Während klinischer Untersuchungen wie Medikamententests durchlaufen wir beispielsweise weite Strecken mit dem Aufsetzen von Doppelblindstudien, wobei die Informationen aus den Tests sowohl den Testern als auch den Teilnehmern bis nach Ende der Studie vorenthalten werden.

Das erste Prinzip besteht darin, sich nicht selbst hereinzulegen – denn das ist die Person, die sich am einfachsten hereinlegen lässt. – Richard P. Feynman

Allerdings kann die Durchführung unternehmerischer Erhebungen auf dieser Genauigkeitsebene in vielen Fällen zu einem Overkill führen. Entrepreneurship ist kein Wissenserwerb, um zu lernen, sondern um Resultate voranzutreiben. Unser Ziel besteht darin, möglichst schnell das richtige Signal aus dem Rauschen zu filtern und dieses Signal zu verstärken.

Immer mal wieder nach Bauchgefühl ein paar Ahnungen zu testen, ist manchmal der schnellste Weg, um diese Signale im Rauschen zu finden. Die beste Gegenmittel besteht nicht darin, diese Voreingenommenheit zu vermeiden, sondern ein Set an Basisregeln einzuführen, das ihr entgegenwirkt.

Nun aber zu den sieben konkreten Verhaltensweisen.

1. Im Vorfeld die erwarteten Folgen formulieren

Wenn wir einfach darauf aus sind, zu sehen, was passiert, werden wir immer erfolgreich sehen, was passiert, denn irgendwas passiert garantiert. – Eric Ries, The Lean Startup

Wenn wir dieses Statement mit dem Fakt in Verbindung setzen, dass Entrepreneure besonders begabt darin sind, alles nachträglich zu rationalisieren, sehen wir, warum wir diese rückblickende Voreingenommenheit vermeiden sollten. Sie schiebt die Konfrontation mit den brutalen Tatsachen unserer gegenwärtigen Realität nur auf.

Mir ist klar, dass das einfacher gesagt als getan ist und dass es normalerweise zwei tieferliegende Gründe gibt, warum man Resultate nicht vorher deklarieren will:

  • Menschen hassen es, wenn man ihnen das Gegenteil beweist.
  • Sie sind der Meinung, nicht genug Informationen zu haben.

Die nächsten beiden Verhaltensweisen überwinden diese Bedenken.

2. Das Formulieren von Ergebnissen zum Teamsport machen

Wenn wir Gründer oder CEO des Unternehmens sind, scheuen wir womöglich deshalb davor zurück, erwartete Ergebnisse öffentlich zu verkünden, weil wir kompetent erscheinen wollen, als jemand, der alles unter Kontrolle hat. Wir müssen nicht mal CEO sein. Wenn wir als Designer ein neues Design vorschlagen, ist es viel sicherer, hinsichtlich der Ergebnisse vage zu sein, als einen spezifischen Anstieg der Konversionsraten zu prognostizieren und dann widerlegt zu werden.

Der Tatsache, dass die meisten Leute sich scheuen, im Vorfeld Prognosen abzugeben, liegt zugrunde, dass wir unsere Egos an unsere Arbeit knüpfen. Während Ego gut zur Verstärkung von Ownership ist, ist es schlecht fürs empirische Lernen.

Wieder ist es nicht einfach, aber ich empfehle folgenden Start: Lasten wir die Bürde, erwartete Ergebnisse zu deklarieren, nicht einer einzelnen Person auf. Stattdessen sollten wir es zu einer Gemeinschaftsarbeit machen, aber mit einem Twist.

Zu klar nach einem Teamkonsens zu suchen, kann zu Gruppendenken führen. Formulierungen erwarteter Ergebnisse sind empfänglich dafür, von den HiPPOs im Raum beeinflusst zu werden. (HiPPOs ist der Begriff, der bei Amazon genutzt wird und der für Highest Paid Person's Opinion steht, die Meinung der am besten bezahlten Person.)

Es ist besser, stattdessen zuvor jedes Teammitglied individuell Resultate formulieren zu lassen und dann die Notizen zu vergleichen. Eine solche Diskussion empfehle ich auch für die tatsächlichen Ergebnisse. Wenn wir ein bisschen Spaß haben wollen, können wir diese Übung zu einem Spiel machen, bei dem wir die Person mit der besten Schätzung mit einem kleinen Preis belohnen.

Es geht nicht um richtig oder falsch, sondern darum, dass das Team sich an das Formulieren von erwarteten Ergebnissen gewöhnt. Schon diese Übung allein kann helfen, das Urteilsvermögen des Teams mit der Zeit dramatisch zu verbessern.

Wenn wir Solo-Gründer sind, ist es sogar noch wichtiger, die erwarteten Resultate niederzuschreiben, ehe wir Experimente durchführen.

3. Schätzung betonen, nicht Präzision

Der andere Grund, warum Leute sich scheuen, erwartete Ergebnisse im Vorfeld zu formulieren, besteht darin, dass sie meinen, nicht genug Informationen zu haben, um sinnvolle Vorhersagen zu treffen. Ich habe noch nie zuvor eine iPhone-App ausgeliefert, wie soll ich dann eine erwartete Download-Rate prognostizieren können?

Wir müssen die Tatsache akzeptieren, dass wir nie perfekte Informationen haben UND dass wir diese Art von Vorhersagen trotzdem machen müssen.

Hier sind drei Wege, um das zu tun:

  • Wir suchen nach Analogs.
  • Wir nutzen unser Lean Canvas, unser Traction-Modell und unser Customer-Factory-Dashboard.
  • Wir beginnen mit Bereichen/Stufen statt mit absoluten Vorhersagen.

Im zweiten Teil des Artikels werden weitere Verhaltensweisen diskutiert.

Dieser Artikel wurde im Original am 10. September 2015 unter dem Titel The 7 Habits for Running Highly Effective Experiments von Ash Maurya veröffentlicht. Ash Maurya gehört zu den führenden Köpfen der internationalen Gründerszene und ist einer der renommiertesten Experten für Lean Startup und Customer Development. Seinen Weblog finden Sie unter http://leanstack.com. Die Website seines Unternehmens Spark59 erreichen Sie unter http://spark59.com. Mehr Fachartikel bietet unser Lean-Special.