Jeder von uns kennt sie: Wasserfallprojekte, die obsolet waren, noch ehe sie umgesetzt worden sind. Langwierige Website-Relaunches oder umfangreiche Marketingkonzepte, die man im Endeffekt für die Schublade produziert hat. Schade eigentlich!

Die Methodik des Lean Startup soll genau das vermeiden. Der Ansatz zielt darauf ab, Entwicklungszyklen im Unternehmen zu verkürzen, schneller am Markt zu sein und das Risiko des Scheiterns zu minimieren. Und auch wenn der Ursprung im Produktmanagement liegt, ist die Methode abteilungsübergreifend geeignet, um schnell und iterativ zu ermitteln, ob ein vorgeschlagenes Geschäftsmodell oder Projekt realisierbar und vor allem erfolgreich ist. Nicht zuletzt sollen durch Lean Startup jene oben beschriebenen Wasserfallprojekte vermieden werden. Hallelujah!

Der Kern des leanen Arbeitens ist der Build-Measure-Learn-Zyklus. Zu deutsch: machen, messen und lernen. Die Entwicklung eines Projektes befindet sich nach dieser Methode in einem fortlaufenden Evaluationsprozess, der iterativ weiterentwickelt wird.

Was hierbei immer ganz am Anfang stehen sollte, ist die Problemstellung. Und genau die lässt sich mittels Hypothesen gut und messbar ausformulieren.

Viele Entscheidungen – ob im Marketing oder in anderen Fachabteilungen – beruhen auf subjektiven Eindrücken, Biases (kognitiven Verzerrungen), Annahmen oder früheren Erfahrungen. Das oftmals fehlende hypothesenbasierte Denken führt zu schwer zu bewertenden Testergebnissen. Ist das Resultat gut? Oder lief es schlechter als erwartet? Was war eigentlich nochmal Ziel des Ganzen?

Ein weiteres Beispiel sind Projekte, die nur um des Machens willen verwirklicht werden. Bestes Beispiel: „Wir brauchen unbedingt eine Facebook-Seite. Die hat jetzt jeder.“ Ein solches Denken ohne jegliche Zielstellung und Strategie ist (zu Recht) zum Scheitern verurteilt. Hier hätte eine Hypothese sicherlich geholfen.

Der Duden setzt das Wort „Hypothese“ mit „unbewiesener Annahme“ gleich. Diese Annahme beschreibt eine Aussage, deren Gültigkeit man für wahrscheinlich hält, die aber bisher nicht verifiziert wurde. Eine Hypothese sollte immer am Beginn einer Untersuchung stehen, um die Ergebnisse im Nachhinein bestmöglich bewerten zu können.

Folgende Grafik beschreibt den iterativen Prozess der Lösungsfindung und kann auf fast jede Fragestellung im Marketing – oder auch in jedem anderen Bereich – angewendet werden.

Nicht jede Annahme ist als Hypothese geeignet. Hier ein paar Formulierungsregeln:

1. Schildere das Problem/die Schwachstelle,
2. Formuliere die Hypothese eindeutig und präzise,
3. Reduziere die Komplexität der Fragestellung,
4. Vermeide es mehrere Problemstellungen miteinander zu vermengen,
5. Achte auf Messbarkeit (SMART – spezifisch, messbar, attraktiv, realistisch, terminiert),
6. Vergiss den Zeitrahmen nicht – wann erwartet man die Veränderung?,
7. Beschreibe die gewünschte Veränderung beziehungsweise Erwartung präzise,
8. Vermeide Confirmation-Bias und hole dir Informationen von anderen Fachleuten ein, um das Problem umfassend zu beleuchten (Warum? Jeder Mensch neigt dazu, seine eigenen Annahmen und Erwartungen zu bestätigen).

Nachfolgend ein paar Beispiele für nicht validierbare Hypothesen – bitte also nicht nachmachen:

• „Ein Redesign der Landingpage wird die Conversion-Rate verbessern.“
• „Wenn wir das Werbemittel der Kampagne tauschen werden wir die CTR deutlich erhöhen.“
• „Die App wird aktuell sehr schnell wieder deinstalliert. Wir setzen einen A/B-Test auf, um zu testen, ob eine von beiden Lösungen besser funktioniert.“

Alle genannten Fragestellungen sind schwammig und nicht messbar formuliert, sodass später keine Rückschlüsse auf Erfolg oder Misserfolg möglich sind.

Zur Vermeidung von unkonkreten Hypothesen findet ihr hier ein Template, das ihr für die Erstellung eurer Annahmen verwenden könnt:

Lasst uns die oben genannten Annahmen auf dieser Basis noch einmal neu formulieren:

1. Wir beobachten, dass die Absprungrate auf der Landingpage „Probefahrt“ im Vergleich zu anderen Seiten sehr hoch ist. Wir glauben, dass das Verschieben des Call-to-Action Buttons in den sichtbaren Bereich sich darin äußern wird, dass die Anfragen nach Probefahrten zunehmen. Die Hypothese ist belegt, wenn sich die Kennzahl Conversion-Rate innerhalb von zwei Wochen nach Beginn des Tests um zwölf Prozent verbessert.

2. Wir beobachten, dass die CTR der Kampagne „Produktneueinführung“ im Vergleich zu anderen Kampagnen sehr gering ist. Wir glauben, dass der Einsatz von dynamischen statt statischen Werbemitteln sich darin äußern wird, dass sich die CTR auf die Banner verbessert. Die Hypothese ist belegt, wenn sich die CTR innerhalb von vier Wochen nach Beginn des Tests um 0,8 Prozent verbessert.

3. Wir beobachten, dass die User die App im Schnitt nach 60 Tagen deinstallieren. Wir glauben, dass eine Push-Notification an schlafende Nutzer sich darin äußern wird, dass sie die App nicht deinstallieren. Die Hypothese ist belegt, wenn sich die Deinstallationsrate in der Testgruppe im Vergleich zur Kontrollgruppe nach drei Wochen um +40 Prozent verbessert.

Die Beispiele sind natürlich sehr vereinfacht. Bei größeren Projekten gibt es eine Reihe von Einflussfaktoren und Wirkungen, die beachtet werden sollten. Nichtsdestotrotz ist das Schema ein guter Anhaltspunkt für neue Fragestellungen, um planlosen Projekten vorzubeugen und zeitnah zu entscheiden, ob die jeweilige Änderung die Erwartungen erfüllt oder nicht.