Continuous Discovery: Warum reichen punktuelle Audits nicht mehr aus?

Lange Zeit beschränkte sich das Verständnis der Nutzer auf einen einmaligen Schritt in digitalen Projekten. Man führte ein Audit durch, analysierte die Nutzerpfade, identifizierte Reibungspunkte … und machte sich dann an die Arbeit.

Das Problem ist, dass diese Analysen zeitlich begrenzt sind, während sich die Produkte ständig weiterentwickeln. Neue Nutzungsmuster, veränderte Nutzerpfade, Optimierungen … was gestern noch galt, kann heute schon überholt sein.

Die Folge: Die Erkenntnisse verlieren schnell an Wert, und die Teams optimieren weiterhin auf der Grundlage eines unvollständigen oder veralteten Verständnisses. In diesem Zusammenhang kommt der Product Discovery – und insbesondere der Continuous Discovery – ihre volle Bedeutung zu: eine Disziplin, die in den Arbeitsalltag der Produktteams integriert ist und es ermöglicht, kontinuierlich zu lernen und Entscheidungen zu treffen, und zwar im tatsächlichen Rhythmus des Produkts.

‍

Die 4 Produktrisiken: Warum kann ein Produkt scheitern?

Bevor wir fortfahren, ist es sinnvoll, an eine grundlegende Tatsache des Produktmanagements zu erinnern: Damit ein Produkt auf dem Markt nachhaltig erfolgreich ist, muss es vier Bedingungen gleichzeitig erfüllen.

Es muss lauten:

• Wunsch: Brauchen die Nutzer das wirklich?
• Machbar: Ist das Team in der Lage, es zu entwickeln und zum Laufen zu bringen?
• Wirtschaftlich: Ist das Geschäftsmodell tragfähig?
• Benutzerfreundlich: Verstehen die Nutzer das Produkt und können sie es problemlos bedienen?

Im Produktmanagement spricht man von den vier Produktrisiken. Jedes dieser Risiken kann zum Scheitern eines Produkts führen, unabhängig davon, wie viel Aufwand in die anderen Bereiche investiert wurde. Eine technisch brillante, aber von den Nutzern schlecht verstandene Funktion oder eine zwar realistische, aber wirtschaftlich unrentable Nutzung sind häufige Fallstricke.

Solche Situationen treten häufig auf, wenn Produktentscheidungen auf der Grundlage von Annahmen getroffen werden, die kaum oder nur unzureichend überprüft wurden.

Weniger offensichtlich ist jedoch, dass diese Risiken nicht statisch sind. Ein Produkt, das vor sechs Monaten noch gefragt war, ist es heute vielleicht nicht mehr. Ein rentables Geschäftsmodell kann durch veränderte Rahmenbedingungen in Frage gestellt werden. Genau aus diesem Grund reicht ein punktueller Ansatz nicht mehr aus: Es ist unmöglich, diese Risiken einmal im Jahr zu bewerten und davon auszugehen, dass die erarbeitete Lösung langfristig Bestand hat.

‍

Was ist der Unterschied zwischen dem projektbezogenen Ansatz und dem kontinuierlichen Ansatz?

Der Unterschied zu einem herkömmlichen Audit liegt nicht nur in der Häufigkeit, sondern auch in der Struktur des Prozesses.

‍

Im Rahmen eines Projekts hat die Forschung einen Anfang und ein Ende: Die Erkenntnisse werden geliefert und anschließend umgesetzt. Diese Umsetzung ist jedoch oft losgelöst von dem Kontext, in dem sie gewonnen wurden. Die Empfehlungen kommen manchmal zu spät, das Produkt hat sich weiterentwickelt und die Teams müssen die Ergebnisse neu interpretieren, ohne immer die zugrunde liegenden Nutzerprobleme oder die bei der Forschung beobachteten Nuancen zu verstehen. Das Ergebnis: Ein Teil der Erkenntnisse geht verloren oder wird nur teilweise umgesetzt.

In einem kontinuierlichen Prozess wird die Forschung in den Produktzyklus integriert: Erkenntnisse werden fortlaufend gewonnen, das Verständnis entwickelt sich mit dem Produkt weiter, und jede Entscheidung kann schnell getestet, validiert oder angepasst werden. Dieser Ansatz ermöglicht es den Teams, schrittweise und fundiertere Entscheidungen zu treffen und gleichzeitig mit der Entwicklung der Customer Journey und des Nutzerverhaltens Schritt zu halten.

Konkret bedeutet dies: Anstatt auf ein umfassendes Audit zu warten, um ein Problem aufzudecken, kann ein Team wöchentliche Mikrotests, Interviews oder Beobachtungen durchführen, Hindernisse oder Chancen identifizieren und das Produkt sofort anpassen. Dadurch werden Entscheidungen zielgerichteter, das Risiko wird verringert und die Auswirkungen der Änderungen sind schneller spürbar und messbar.

‍

Was ist Continuous Discovery?

Continuous Discovery verwandelt die Discovery in einen fortlaufenden Lern- und Entscheidungsprozess. Das Ziel besteht nicht mehr darin, die Nutzer zu einem bestimmten Zeitpunkt zu verstehen, sondern dieses Verständnis im Zuge der Produktentwicklung aufrechtzuerhalten und somit die vier oben beschriebenen Risiken kontinuierlich im Blick zu behalten.

In diesem Sinne ist Forschung nicht mehr nur punktuell oder ausgelagert. Sie wird zu einer gemeinsamen Aufgabe des Produktteams und fließt direkt in die täglichen Entscheidungen ein.

Dieser Ansatz stützt sich auf drei Säulen:

Regelmäßiger Austausch mit den Nutzern

Anstatt Interviews nur im Vorfeld eines Projekts oder im Rahmen eines Audits durchzuführen, werden sie zu einem wiederkehrenden Ritual. Indem man Annahmen regelmäßig mit der Realität abgleicht, vermeidet man, Entscheidungen ausschließlich auf Daten aus Analysetools zu stützen, und bleibt so im Einklang mit den tatsächlichen Nutzungsgewohnheiten.

Diese Gespräche bringen ans Licht, was Daten nicht immer zeigen: Missverständnisse, Kompromisse der Nutzer sowie ihre Wahrnehmung von Wert oder Vertrauen.

Beispiel: Eine stabile Konversionsrate kann starke Frustration verschleiern … die erst in einem intensiven Gespräch zum Vorschein kommt.

Kontinuierliche Datenanalyse

Verhaltensdaten behalten ihre Bedeutung, doch ihre Rolle verändert sich. Anstatt nur zur punktuellen Diagnose zu dienen, werden sie zu einem Instrument der kontinuierlichen Beobachtung, mit dem sich schwache Signale erkennen und Untersuchungen anstoßen lassen.

Durch die Beobachtung von Leistungsschwankungen, Unterbrechungen im Ablauf oder unerwarteten Verhaltensweisen kann schnell gehandelt werden, bevor aus kleinen Problemen strukturelle Probleme werden.

Beispiel: Ein leichter Rückgang bei einem CTA mag unbedeutend erscheinen, doch wenn er sich über mehrere Segmente hinweg wiederholt, kann dies auf ein Verständnis- oder Positionierungsproblem hindeuten.

Schnelle Versuche

Bevor eine Lösung entwickelt wird, ist es unerlässlich, sie zu testen. Prototypen, A/B-Tests oder vereinfachte Versionen ermöglichen es, Annahmen schnell zu überprüfen, das Produktrisiko zu verringern und die Prioritäten auf der Grundlage von Fakten zu setzen.

Dieser Ansatz reduziert nicht nur Zeit- und Ressourcenverschwendung, sondern schafft auch eine Kultur des schnellen Lernens, in der Fehler zu einer Chance für Verbesserungen werden. Das Ziel ist nicht, Recht zu haben, sondern schnell zu lernen und sich an die tatsächlichen Bedürfnisse der Nutzer anzupassen.

‍

Wie lässt sich Continuous Discovery umsetzen?

Die Einführung eines Continuous-Discovery-Ansatzes beruht vor allem auf Regelmäßigkeit, gemeinschaftlichem Engagement und einer direkten Verknüpfung mit den Entscheidungen.

Einen Rhythmus finden

Ein paar Nutzergespräche pro Woche, eine kontinuierliche Beobachtung der Kennzahlen und Anhaltspunkte für die Formulierung von Hypothesen reichen aus, um einen kontinuierlichen Lernprozess in Gang zu setzen. Selbst mit geringen Ressourcen verwandelt diese regelmäßige Vorgehensweise die Forschung in einen echten Motor für Verbesserungen, der das Produkt im Laufe seiner Entwicklung lenken kann

Das Produktteam einbeziehen

Das Produkt-Trio (Produktmanager, Designer, Techniker) muss direkt in den Prozess der kontinuierlichen Erkundung eingebunden sein . Dabei geht es nicht nur darum, Erkenntnisse auszutauschen, sondern aktiv an der Recherche und den Tests mitzuwirken, damit Produktentscheidungen tatsächlich auf den Bedürfnissen der Nutzer basieren.

Konkret bedeutet dies:

• Teilnahme an Interviews und Tests, um die Nutzer zu beobachten und zu verstehen.
• Gemeinsame Erarbeitung von Hypothesen und Formulierung der zu prüfenden Fragen.
• Eine regelmäßige Überprüfung der Daten und Beobachtungen, um die Roadmap anzupassen und Maßnahmen zu priorisieren.

Der Designer ermittelt die tatsächlichen Bedürfnisse, der Projektmanager verknüpft diese Erkenntnisse mit den Geschäftszielen, und der Techniker liefert eine Einschätzung zur Machbarkeit und zu den technischen Einschränkungen. Diese Zusammenarbeit stärkt die Abstimmung, beschleunigt Entscheidungsprozesse und setzt das gemeinsame Verständnis in die Praxis um, sodass jede Erkenntnis in konkrete Maßnahmen umgesetzt wird.

Wie Teresa Torres, Produktcoach und Autorin mit Schwerpunkt auf Product Discovery, betont, ist die direkte Einbindung des Product Trios ein grundlegendes Prinzip, damit Continuous Discovery zu einem Motor für kontinuierliche Verbesserung wird und nicht nur eine reine Berichterstattung bleibt.

Erkenntnisse und Entscheidungen miteinander verbinden

Jede Erkenntnis muss zu einer konkreten Maßnahme führen: testen, Prioritäten setzen, die Roadmap anpassen. Je kürzer und regelmäßiger dieser Zyklus ist, desto treffender und schneller fallen die Entscheidungen aus und desto besser bleibt das Team auf die tatsächlichen Bedürfnisse der Nutzer ausgerichtet.

Das Ziel besteht nicht darin, Erkenntnisse anzuhäufen, sondern einen kontinuierlichen Kreislauf zwischen Nutzerverständnis und Entscheidungsfindung zu schaffen. Eine Beobachtung aus einem Test oder einem Interview muss schnell in eine Hypothese und anschließend in ein konkretes Experiment umgesetzt werden können. Auf diese Weise wird verhindert, dass die gewonnenen Erkenntnisse rein theoretisch bleiben oder in selten wiederverwendeten Ergebnissen untergehen.

In den erfahrensten Teams wird die Forschung nicht mehr als isolierte Projektphase betrachtet, sondern als ein System des ständigen Feedbacks, das direkt in die Roadmap und die Produktentscheidungen einfließt.

‍

Wie nutzt man das Assumptions Mapping, um herauszufinden, wonach man suchen soll?

Angesichts eines kontinuierlichen Lernprozesses stellt sich schnell die Frage: Wo soll man anfangen? Nicht alle Risiken erfordern den gleichen Validierungsaufwand, und nicht alle Annahmen sind gleichermaßen kritisch.

Das „Assumptions Mapping“ ist eine Teamübung, bei der Annahmen hinsichtlich der Attraktivität, Durchführbarkeit und Realisierbarkeit offengelegt und entsprechend ihrer Bedeutung sowie der verfügbaren Belege priorisiert werden. Es handelt sich also um ein konkretes Instrument, um zu entscheiden, worauf sich die Forschungsbemühungen konzentrieren sollen.

Der Ansatz basiert auf einer einfachen Frage:„Was muss zutreffen, damit diese Idee funktioniert?“ Die Antworten werden dann in Form von Hypothesen formuliert, die mit„Wir glauben, dass …“beginnen und die vier Dimensionen des Produktrisikos abdecken: Attraktivität, Machbarkeit, Nachhaltigkeit und Anpassungsfähigkeit.

Diese Annahmen werden anschließend in eine Kreuztabelle eingetragen:

• Die Qualität der vorliegenden Evidenz;
• Die möglichen Auswirkungen auf den Erfolg des Produkts.

Kritische, aber kaum validierte Annahmen werden so zu den Prioritäten für Forschung und Experimente. Das „Assumptions Mapping“ ersetzt die Nutzerforschung nicht, sondern dient als Leitfaden dafür. Es hilft dabei, die häufige Falle zu vermeiden, dass Teams das testen, was bequem zu testen ist, anstatt das, was tatsächlich risikobehaftet ist.

‍

Wie erhält man zuverlässige Informationen über den Opportunity Solution Tree?

Sobald die vorrangigen Hypothesen ermittelt sind, muss noch sichergestellt werden, dass die Forschung verwertbare Informationen liefert und nicht nur Eindrücke oder Bestätigungsfehler.

Hier kommtder „Opportunity Solution Tree“ ins Spiel. Der Prozess beginnt mit der Festlegung eines klaren und messbaren Ziels, gefolgt von der Ermittlung der Chancen: die tatsächlichen Probleme der Nutzer, Reibungspunkte oder unerfüllte Bedürfnisse. Für jede Chance werden verschiedene Lösungen geprüft und anschließend schnell getestet, um ihre Eignung zu überprüfen, bevor sie in das Produkt integriert werden.

Dieser Ansatz ermöglicht es:

• Man sollte sich nicht vorschnell auf Lösungen stürzen, ohne das zugrunde liegende Problem zu verstehen
• Die Produktentwicklung strukturieren
• Den Nutzer direkt in die Geschäftsentscheidungen einbinden

Die Roadmap wird so zu einer Roadmap der Chancen, in der jedes priorisierte Element mit einem konkreten Nutzerproblem und einem messbaren Ziel verknüpft ist. Zusammen bilden das Assumptions Mapping und der Opportunity Solution Tree einen schlüssigen Rahmen: Ersteres hilft dabei, zu bestimmen, was validiert werden soll, während Letzteres strukturiert, wie diese Erkenntnisse in verlässliche Produktentscheidungen umgesetzt werden können.

‍

Wie kann man seine Experimente mit der Experiment Sequence anordnen?

Es reicht nicht aus, die richtigen Hypothesen zum Testen identifiziert zu haben. Man muss sie auch in der richtigen Reihenfolge, mit dem richtigen Aufwand und zum richtigen Zeitpunkt testen.

Das Konzept der „Experiment Sequence“, das aus dem Buch „Testing Business Ideas“ von David J. Bland und Alexander Osterwalder stammt, orientiert sich direkt an der Logik der iterativen Produktentwicklung. Das Prinzip ist einfach: Man beginnt mit den kostengünstigsten Experimenten und erhöht den Investitionsaufwand schrittweise, sobald sich die Annahmen bestätigen.

Eine typische Abfolge könnte beispielsweise mit einem Fake Door beginnen, um schnell das Interesse an einer Funktion zu testen, anschließend mit Nutzerbefragungen fortgesetzt werden, um die Beweggründe und Hemmnisse zu verstehen, und schließlich in einem A/B-Test münden, mit dem sich die tatsächlichen Auswirkungen auf das Nutzerverhalten messen lassen.

Dieser Ansatz bietet zwei wesentliche Vorteile. Erstens vermeidet man damit massive Investitionen in eine Lösung, deren Grundlagen noch nicht validiert sind. Zweitens sorgt er für einen natürlichen Vertrauensaufbau: Jeder Versuch bestätigt oder widerlegt die bisherigen Erkenntnisse, bevor man zur nächsten Phase übergeht.

‍

Bei Welyft bieten traditionelle CRO-Audits zwar einen Mehrwert, ihre Wirkung ist jedoch zeitlich begrenzt. Selbst ein umfassender Bericht reicht nicht aus, um mit der rasanten Entwicklung digitaler Produkte Schritt zu halten.

Unser Ansatz entwickelt sich daher hin zu einem Ansatz der kontinuierlichen Wirkung. Nutzer-Feedback fließt direkt in den Produktzyklus ein, Erkenntnisse werden fortlaufend gewonnen und Experimente werden zu einem festen Bestandteil.

Heutzutage geht es nicht mehr darum, eine einmalige Diagnose zu liefern, sondern die Leistung langfristig zu verbessern. UX- und CRO-Audits sind nach wie vor nützlich, um Denkanstöße zu geben oder Abstand zu gewinnen, reichen jedoch in einem sich ständig wandelnden Produktumfeld nicht mehr aus.

Continuous Discovery ermöglicht es, ein aktuelles Verständnis aufrechtzuerhalten, das Produktrisiko zu verringern, Teams aufeinander abzustimmen und das Nutzererlebnis kontinuierlich zu verbessern. Der Wert misst sich nicht mehr an der Menge der Erkenntnisse, sondern daran, inwieweit diese im Laufe der Zeit aktualisiert und umgesetzt werden können.

In diesem Sinne ist die Nutzerforschung nicht mehr nur eine Projektphase, sondern wird zu einer strategischen Kompetenz des Unternehmens.