Du hast ein Produkt gebaut. 1.000 Leute haben sich angemeldet. Aber du weißt nicht, ob sie verstehen, wie man es nutzt. Du weißt nicht, auf welche Funktionen sie klicken. Du weißt nicht, wo sie hängen bleiben. Die Produktanalyse beantwortet das. Sie erfasst jede Interaktion eines Nutzers mit deinem Produkt, damit du verstehst, was er tut und wann er aufhört.
Die Produktanalyse unterscheidet sich von der Website-Analyse. Die Website-Analyse misst Traffic und Conversions. Die Produktanalyse misst, was Leute in deinem Produkt tun, nachdem sie angekommen sind. Dieser Artikel zeigt, was die Produktanalyse misst, warum sie wichtig ist, um Produkte zu bauen, die Menschen wirklich nutzen, und wie du auf das reagierst, was du lernst.
Die Produktanalyse erfasst Nutzerinteraktionen innerhalb deines Produkts. Ein Klick auf einen Button. Ein abgesendetes Formular. Eine angesehene Seite. Eine genutzte Funktion. Jede Aktion ist ein Ereignis. Wenn du Tausende Ereignisse von Tausenden Nutzern sammelst, siehst du Muster: Welche Funktionen werden genutzt, welche ignoriert, wo werden Leute frustriert und hören auf.
Mit der Produktanalyse weißt du, wie Leute dein Produkt nutzen, statt es nur zu vermuten. Du denkst vielleicht, deine Nutzer lieben Funktion X. Doch die Daten zeigen, dass 90 Prozent der Nutzer sie nie anklicken. Das ist die Lücke zwischen Annahme und Realität.
Was die Produktanalyse konkret misst
Die Produktanalyse erfasst Nutzerinteraktionen innerhalb deines Produkts. Jede Aktion sind Daten: Klicks, abgesendete Formulare, Seitenaufrufe, Funktionsnutzung, die Zeit auf jedem Bildschirm, wo Nutzer hängen bleiben, welche Wege sie durch dein Produkt nehmen.
Anders als die Website-Analyse, die Traffic und allgemeines Verhalten misst, zoomt die Produktanalyse in das Erlebnis innerhalb deines Produkts. Die Website-Analyse sagt: "500 Leute haben uns besucht." Die Produktanalyse sagt: "300 dieser 500 haben sich angemeldet, 150 haben das Onboarding abgeschlossen, 80 haben die Kernfunktion genutzt, 50 kamen in der nächsten Woche wieder."
Das AARRR-Modell für Produktkennzahlen
Fünf Kennzahlen sind für jedes Produkt am wichtigsten. Man nennt sie die Piraten-Kennzahlen (AARRR): Acquisition (Gewinnung), Activation (Aktivierung), Engagement (Interaktion), Retention (Bindung), Monetization (Monetarisierung).
Gewinnung: Wie viele neue Nutzer melden sich an? Das zeigt, ob dein Marketing funktioniert.
Aktivierung: Wie viele von denen, die sich angemeldet haben, haben deine Kernfunktion tatsächlich genutzt? Das zeigt, ob dein Onboarding funktioniert.
Interaktion: Wie oft nutzen Nutzer dein Produkt? Täglich, wöchentlich, monatlich? Das zeigt, wie stark dein Produkt bindet.
Bindung: Wie viele der Nutzer, die im letzten Monat aktiv waren, sind in diesem Monat wiedergekommen? Das zeigt, ob Nutzer wertschätzen, was du gebaut hast.
Monetarisierung: Wie viel Umsatz bringt jeder Nutzer? Das zeigt, ob dein Geschäftsmodell funktioniert.
Zusammen zeigen diese fünf das ganze Bild eines gesunden Produkts.
Wichtige Kennzahlen der Produktanalyse, die du verfolgen solltest
Tägliche aktive Nutzer (DAU) und monatliche aktive Nutzer (MAU): Wie viele Leute nutzen dein Produkt jeden Tag und jeden Monat? Ein hoher DAU bedeutet, dass Leute wiederholt zurückkommen. Das Verhältnis DAU/MAU zeigt die Bindung: Sind 50 Prozent deiner monatlichen Nutzer täglich aktiv, bindet dein Produkt stark.
Aktivierungsrate: Wie viel Prozent der Nutzer, die sich angemeldet haben, haben ihre erste sinnvolle Aktion abgeschlossen (deine Anleitung angesehen, ein Projekt erstellt, einen Freund eingeladen)? Eine niedrige Aktivierung bedeutet, dass dein Onboarding nicht funktioniert.
Funktionsnutzung: Wie viel Prozent der Nutzer nutzen deine Kernfunktion tatsächlich? Melden sich 60 Prozent an, aber nur 20 Prozent nutzen die Hauptfunktion, hast du ein Nutzungsproblem, kein Marketingproblem.
Sitzungsdauer: Wie lange bleibt ein durchschnittlicher Nutzer pro Sitzung in deinem Produkt? Lange Sitzungen bedeuten Interaktion. Kurze Sitzungen bedeuten, dass etwas nicht stimmt.
Seiten pro Sitzung: Wie viele Bildschirme besucht ein Nutzer, bevor er geht? Besucht er eine Seite und geht, erkundet er nicht. Besucht er zehn, ist er interessiert.
Abwanderungsrate: Wie viel Prozent der Nutzer hören jeden Monat auf, dein Produkt zu nutzen? Bei 5 Prozent monatlicher Abwanderung sind 95 Prozent der Nutzer vom letzten Monat zurückgekommen. Bei 30 Prozent verlierst du schnell Kunden.
So erfasst du Produktkennzahlen in der Praxis
Du brauchst Ereignis-Tracking. Richte Ereignisse für die Aktionen ein, die zählen: Nutzer meldet sich an (Gewinnungsereignis), Nutzer erstellt sein erstes Projekt (Aktivierungsereignis), Nutzer lädt einen anderen Nutzer ein (Interaktionsereignis), Nutzer loggt sich nächste Woche wieder ein (Bindungsereignis).
Mit den meisten Analyse-Tools kannst du eigene Ereignisse erfassen. Google Analytics, Plattformen für Produktanalyse und die Analysen von WEMASY unterstützen Ereignisse. Halte fest, welche Ereignisse für dein Geschäft wichtig sind, richte sie ein und lass die Daten fließen.
Wichtig ist, konkret zu sein. Erfasse nicht einfach "Nutzer aktiv". Erfasse "Nutzer hat erste Aufgabe abgeschlossen" oder "Nutzer hat Teammitglied eingeladen" oder "Nutzer hat Anleitung angesehen". Konkrete Ereignisse erzählen die Geschichte. Vage Ereignisse sagen nichts.
Warum Segmente die wahre Geschichte zeigen
Deine Gesamt-Aktivierungsrate liegt bei 40 Prozent. Das klingt okay, bis du sie aufschlüsselst: Nutzer aus der organischen Suche aktivieren zu 60 Prozent, Nutzer aus Anzeigen zu 15 Prozent. Jetzt siehst du die wahre Geschichte: Deine Anzeigen ziehen die falschen Leute an oder deine Landingpage für Anzeigen erklärt dein Produkt nicht klar.
Segmentiere deine Nutzer nach Quelle, Gerät, Region und anfänglichem Verhalten. Das Segment, das gut aktiviert, zeigt dir, welche Botschaft funktioniert. Das Segment, das es nicht tut, zeigt dir, was du beheben musst.
Der Unterschied zwischen Produkt- und Website-Analyse
Die Website-Analyse sagt dir, dass 1.000 Leute zu Besuch waren. Die Produktanalyse sagt dir, dass sich 100 angemeldet haben und 20 das Produkt täglich nutzen. Die Website-Analyse ist die Spitze des Funnels. Die Produktanalyse ist das, was im Funnel passiert. Du brauchst beide, um Wachstum zu verstehen.
Häufig gestellte Fragen
Was ist der Unterschied zwischen Produktanalyse und Webanalyse?
Die Webanalyse misst, was auf deiner Website passiert: Traffic, Seitenaufrufe, Conversions. Die Produktanalyse misst, was in deinem Produkt passiert, nachdem sich jemand angemeldet hat: Funktionsnutzung, Interaktion, Bindung. Die Webanalyse ist das Eingangstor. Die Produktanalyse ist das Erlebnis dahinter. Mit dem Website-Builder von WEMASY kannst du das direkt auf deiner Website einrichten.
Wie lange sollte ich warten, bevor ich Produktkennzahlen messe?
Mindestens 30 Tage. Nutzer brauchen Zeit, um Funktionen zu entdecken und für wiederholte Nutzung zurückzukommen. Kennzahlen der ersten Woche sagen noch zu wenig. Kennzahlen nach einem Monat zeigen anhaltendes Verhalten. Warte 60 Tage, wenn du die Bindung verlässlich messen willst.
Was ist ein gutes DAU/MAU-Verhältnis?
Das hängt vom Produkttyp ab. Eine Social-App kann 40 bis 50 Prozent DAU/MAU anpeilen. Ein Tool für Projektmanagement 20 bis 30 Prozent. Ein Berichts-Tool 5 bis 10 Prozent. Vergleiche mit ähnlichen Produkten, nicht über Kategorien hinweg.
Woher weiß ich, ob eine Kennzahl wichtig genug zum Erfassen ist?
Frag dich: Hängt diese Kennzahl direkt mit meinem Geschäftsziel zusammen? Ist dein Ziel wiederkehrender Umsatz, zählt die Abwanderungsrate. Ist dein Ziel Wachstum, zählt die Aktivierungsrate. Ist dein Ziel Interaktion, zählt DAU/MAU. Erfasse die Kennzahlen, die zu dem passen, was du erreichen willst.
Kann ich eine Kennzahl verbessern, ohne zu verstehen, warum sie niedrig ist?
Nein. Liegt die Aktivierung bei niedrigen 20 Prozent, musst du wissen, warum. Verwirrt die Oberfläche die Nutzer? Verstehen sie den Nutzen nicht? Stoßen sie auf Fehler? Das falsche Problem zu beheben kostet Zeit. Diagnostiziere, bevor du optimierst.
Was, wenn meine Produktanalyse dem Feedback meines Kundensupports widerspricht?
Deine Daten zeigen, dass Nutzer Funktion X nicht nutzen. Aber dein Support-Team sagt, Kunden lieben sie. Beides kann stimmen: Lautstarke Kunden lieben sie, aber die meisten Nutzer entdecken sie nicht einmal. Die Daten zeigen dir das Muster der Mehrheit. Höre auf Daten und auf Kunden.