Wachstumsexperimente planen: Was ich über Backlog und ICE-Score gelernt habe

Wachstumsexperimente würde ich heute als festes System planen: Ideen landen als Hypothesen in einem Backlog, werden mit dem ICE-Score priorisiert, jede Woche laufen zwei bis drei davon, und jedes Ergebnis wird schriftlich festgehalten. So wird Wachstum von zufälligen Einfällen zu einem Prozess, der mit jedem Durchlauf besser wird. Das Wertvollste daran sind die Learnings, auch aus gescheiterten Tests.

Ich habe einmal drei Monate in ein Produkt gesteckt, das am Ende niemand wollte. Ein paar kleine Tests vorher hätten mir diese Erkenntnis in wenigen Wochen geliefert. Seitdem gilt für mich: lieber viele kleine Versuche im festen Takt als eine große Wette, deren Ergebnis ich erst nach Monaten sehe.

Warum Wachstum für mich ein Experimentiersystem braucht

Die meisten Ideen für Wachstum funktionieren nicht, und niemand weiß vorher genau, wie Kunden reagieren. Wenn man das akzeptiert, sucht man den schnellsten und günstigsten Weg, um herauszufinden, welche Ideen tragen.

Dahinter steckt eine einfache Rechnung. Angenommen, jedes fünfte Experiment bringt eine messbare Verbesserung. Wer im Quartal drei Experimente macht, hat mit etwas Glück einen Treffer. Wer jede Woche zwei macht, kommt im Quartal auf rund 26 Experimente und damit auf etwa fünf Treffer. Dazu kommen 21 Erkenntnisse darüber, was nicht funktioniert.

Diese Logik beschreibe ich ausführlich in meinem Originalartikel Wie hoch kannst du deine Frequenz steigern, dass Outcome nicht mehr wichtig ist?. Je mehr Versuche du machst, desto weniger hängt an einem einzelnen.

Ein einzelnes Experiment ist ein Datenpunkt. Hundert dokumentierte Experimente sind ein Wettbewerbsvorteil.

Das Backlog: Ideen sammeln und sauber formulieren

Das Backlog ist eine Liste aller Ideen, die du testen könntest. Jeder im Team darf etwas eintragen, aber jede Idee bekommt dieselbe Form.

Die Hypothese

Eine gute Hypothese beantwortet drei Fragen in einem Satz. Eine verbreitete Vorlage lautet:

Wenn wir [Änderung] für [Zielgruppe] umsetzen, steigt [Kennzahl] um [Betrag], weil [Begründung].

Ein Beispiel: „Wenn wir auf der Preisseite die drei häufigsten Einwände direkt neben dem Button beantworten, steigt die Conversion-Rate der Preisseite um 15 %, weil Interessenten in Gesprächen genau diese Fragen am häufigsten stellen.“

Die Begründung halte ich für den wichtigsten Teil. Sie zwingt dich, eine Ursache zu benennen. Scheitert das Experiment, weißt du, welche Annahme falsch war.

Woher gute Ideen kommen

• Funnel-Daten: Die Stufe mit dem größten Abfall im AARRR-Funnel liefert oft die wichtigsten Ideen.
• Kundengespräche: Wiederkehrende Fragen und Einwände sind direkte Hinweise auf Reibung. Wie ich solche Gespräche führe, steht in Kundengespräche führen.
• Kohortenanalysen: Verhaltensmuster treuer Kunden zeigen, wohin du neue Nutzer lenken könntest.
• Andere Branchen: Mechaniken, die woanders funktionieren, lassen sich oft übertragen.

Tagge jede Idee mit der Funnel-Stufe, auf die sie wirkt. So siehst du später, ob du einseitig nur an der Akquise arbeitest.

Priorisieren mit dem ICE-Score

Ein Backlog wächst schneller, als du testen kannst. Du brauchst also eine Reihenfolge. Der ICE-Score, bekannt geworden durch Sean Ellis, ist die einfachste Methode dafür, die ich kenne.

Du bewertest jede Idee auf einer Skala von 1 bis 10:

• Impact: Wie stark verändert die Idee die Zielkennzahl, wenn sie funktioniert?
• Confidence: Wie sicher bist du, dass sie funktioniert? Belege aus Daten oder Gesprächen erhöhen den Wert.
• Ease: Wie leicht ist sie umzusetzen? 10 heißt: in einer Stunde erledigt.

Der Score ist der Durchschnitt der drei Werte. Ein Beispiel-Backlog:

Idee	Impact	Confidence	Ease	ICE
Einwände neben dem Preisbutton beantworten	6	7	9	7,3
Onboarding um zwei Felder kürzen	7	6	8	7,0
Empfehlungslink nach erster Rechnung	7	5	6	6,0
Neuer Kanal: Podcast-Gastauftritte	6	4	4	4,7
Komplett neue Startseite	8	4	2	4,7

Die neue Startseite klingt nach dem größten Hebel. Sie landet trotzdem hinten, weil sie viel Aufwand kostet und die Zuversicht gering ist. Die Einwände neben dem Button würde ich diese Woche testen.

Grenzen des ICE-Scores

Die Werte sind subjektiv, zwei Menschen bewerten dieselbe Idee oft unterschiedlich. Das finde ich in Ordnung, solange ihr konsistent bleibt. Zwei Regeln helfen:

• Kalibrieren: Bewertet die ersten zehn Ideen gemeinsam und einigt euch, was eine 3, eine 6 und eine 9 bedeutet.
• Nachschärfen: Vergleicht nach jedem Experiment den geschätzten Impact mit dem echten Ergebnis. Mit der Zeit werden die Schätzungen besser.

Der Wochenrhythmus

Ein fester Wochenablauf sorgt dafür, dass Experimente laufen, auch wenn das Tagesgeschäft drückt. So könnte er aussehen:

Tag	Aufgabe	Dauer
Montag	Ergebnisse der Vorwoche auswerten, nächste Experimente aus dem Backlog wählen	45 Minuten
Dienstag bis Donnerstag	Experimente aufsetzen und laufen lassen	Je nach Experiment
Freitag	Learnings dokumentieren, neue Ideen ins Backlog, ICE-Werte anpassen	30 Minuten

Drei Regeln halten den Rhythmus gesund:

1. Maximal drei Experimente gleichzeitig: Mehr überfordert kleine Teams und macht die Auswertung unsauber, weil sich Tests gegenseitig beeinflussen.
2. Ein Experiment pro Funnel-Stufe: Zwei Tests auf derselben Seite zur selben Zeit verfälschen beide Ergebnisse.
3. Laufzeit vorher festlegen: Wer täglich auf die Zahlen schaut und an einem guten Tag abbricht, misst Zufall.

Damit alle Experimente in dieselbe Richtung zielen, hilft eine gemeinsame Zielgröße. Wie du sie findest, beschreibe ich in North Star Metric.

Experimente sauber durchführen

Bevor ein Experiment startet, schreibst du drei Dinge auf: die Zielkennzahl, die Schwelle für Erfolg und die Laufzeit. Das schützt dich davor, das Ergebnis im Nachhinein schönzurechnen.

Nicht jedes Experiment muss ein A/B-Test sein. Gerade mit wenig Traffic sind andere Formen oft sinnvoller:

Art	Wann passend	Beispiel
A/B-Test	Genug Besucher für einen Vergleich	Zwei Überschriften auf der Startseite
Vorher-nachher	Wenig Traffic, klare Änderung	Neue Preisseite, Vergleich mit den vier Wochen davor
Fake Door	Nachfrage prüfen, bevor du baust	Button für eine Funktion, die es noch nicht gibt, mit Warteliste
Concierge	Neues Angebot testen	Leistung erst manuell erbringen, bevor du sie automatisierst

Wie A/B-Tests auch mit wenig Traffic aussagekräftig werden, steht in A/B-Tests für kleine Teams.

Ein Beispiel für die ersten vier Wochen

Angenommen, du betreibst ein kleines Software-Produkt für Coaches mit rund 2.000 Besuchern im Monat. Deine größte Schwäche liegt laut Funnel bei der Aktivierung.

• Woche 1: Du legst das Backlog mit zwölf Hypothesen an und bewertest sie mit dem ICE-Score. Oben stehen das gekürzte Onboarding und die Einwände neben dem Preisbutton. Beide startest du als Vorher-nachher-Vergleich.
• Woche 2: Die Experimente laufen. Du ergänzt drei Ideen aus Kundengesprächen und startest einen Fake-Door-Test für eine gewünschte Kalenderfunktion.
• Woche 3: Das gekürzte Onboarding hebt die Aktivierung sichtbar, die Einwände auf der Preisseite zeigen keinen Effekt. Du rollst das Onboarding aus und notierst, dass Preis-Einwände bei dir offenbar seltener bremsen als gedacht.
• Woche 4: Der Fake-Door-Test bringt kaum Klicks. Die Kalenderfunktion wandert im Backlog nach unten, und du sparst dir Wochen an Entwicklung.

Nach einem Monat hast du eine Verbesserung ausgerollt, eine teure Funktion verworfen und zwei Erkenntnisse gewonnen.

Learnings dokumentieren

Die Dokumentation wird gern übersprungen. Dabei hat sie für mich den größten langfristigen Wert. Ohne Notizen testest du nach einem Jahr dieselben Ideen noch einmal.

Die Experiment-Karte

Für jedes Experiment legst du eine kurze Karte an:

• Hypothese: Der vollständige Satz aus dem Backlog.
• Zielkennzahl und Schwelle: Was hätte passieren müssen?
• Laufzeit und Umfang: Wie lange, mit wie vielen Nutzern?
• Ergebnis: Die gemessenen Zahlen, ohne Interpretation.
• Learning: Was sagt das Ergebnis über deine Kunden aus?
• Nächster Schritt: Ausrollen, verwerfen oder eine Folgeidee testen.

Die Learning-Bibliothek

Sammle alle Karten an einem Ort, etwa in einem Board oder einer einfachen Tabelle, und lies einmal pro Quartal alle Learnings am Stück. Dabei fallen Muster auf, die in einzelnen Tests unsichtbar bleiben: Vielleicht wirken Änderungen an Texten bei dir fast immer stärker als Änderungen am Design. Diese Fähigkeit, Muster zu erkennen und zu nutzen, beschreibe ich im Originalartikel Ist Mustererkennung die wichtigste Fähigkeit im Unternehmertum?.

Gescheiterte Experimente gehören genauso in die Bibliothek wie erfolgreiche. Oft sind sie die ehrlichsten Informationen über deine Kunden.

Fazit

Wachstumsexperimente funktionieren für mich als System: ein Backlog mit klaren Hypothesen, eine Priorisierung über den ICE-Score, ein fester Wochenrhythmus und eine Dokumentation, die jedes Learning festhält. Der Hebel liegt in der Wiederholung. Wer jede Woche testet und aufschreibt, weiß nach einem Quartal vermutlich mehr über seine Kunden als nach einem Jahr Bauchgefühl.

Mein Vorschlag: Leg heute dein Backlog an und formuliere zehn Ideen als vollständige Hypothesen. Bewerte sie mit dem ICE-Score und starte am Montag das Experiment mit dem höchsten Wert. Welche Experimente ich selbst gerade fahre, teile ich jede Woche in den Unternehmer Thoughts.