Pretotyping-Tests sind der perfekte Weg, um wertvolle Marktforschung für Produkte zu betreiben, die noch nicht fertiggestellt sind. Dabei kann es sich um ein neues Produkt handeln, das Sie auf den Markt bringen wollen und für das Sie den Produkt-Markt-Fit suchen, oder um eine Erweiterung einer bestehenden Produktlinie, für die Sie herausfinden wollen, wie die Preisgestaltung aussehen sollte oder welche Funktionen sie haben sollte.
Der Hauptvorteil von Pretotyping gegenüber anderen Formen der Marktforschung besteht darin, dass es sich schnell einrichten lässt und Ihnen qualitativ hochwertige und verlässliche Einblicke in das Verhalten gibt. Und das alles, BEVOR ein physisches Produkt oder MVP entwickelt wird. Der Nachteil ist jedoch, dass Sie eine klare Vorstellung davon haben müssen, was Sie testen wollen.
Pretotyping eignet sich nicht dazu, breite Datensätze zu liefern, sondern ist perfekt darauf ausgelegt, genaue Einblicke in jeweils eine bestimmte Variable zu geben.
Aber keine Angst, wir helfen Ihnen bei der Einrichtung Ihrer Pretotyping-Tests, indem wir Ihnen zunächst eine Richtung vorgeben.
Diese Richtung ergibt sich aus Ihrer Hypothese, die einer der wichtigsten Aspekte bei der Erstellung eines hochwertigen Pretotyping-Tests ist. Sie wird dazu beitragen, die Forschung zu lenken und Ihnen messbare und aussagekräftige Ergebnisse zu liefern.
Was ist eine Hypothese?
Eine Hypothese ist eine Annahme, die auf Erkenntnissen beruht, die durch frühere Forschungsarbeiten gewonnen wurden. Sie ist keine Vermutung darüber, was in Ihrer bevorstehenden Untersuchung passieren wird, sondern eher eine Theorie darüber, wie die Ergebnisse Ihrer bevorstehenden Untersuchung auf der Grundlage der zuvor gesammelten Daten aussehen werden.
Die gesammelten Daten müssen nicht umfangreich sein, um eine Hypothese aufstellen zu können, es muss sich nicht einmal um Primärforschung handeln, Sie können bei Bedarf auch vorhandene Datensätze verwenden. Wichtig ist, dass Sie nicht mit Vermutungen in die Pretotyping-Tests gehen, sondern dass Sie eine Vorstellung davon haben, was Sie erwarten, und diese dann durch Pretotyping validieren können.
Es gibt 6 Formen von Hypothesen, die Sie erstellen können, und jede hat einen bestimmten Zweck bei der Durchführung von Marktforschung und der Gewinnung von Erkenntnissen über Verbraucher. Schauen wir uns zunächst die Aussagen an, die nicht ideal für Pretotyping sind und warum das so ist:
1. Alternativhypothese
Diese Art von Hypothesenaussage umreißt, was Sie glauben, was das Ergebnis Ihrer Tests sein wird, natürlich auf der Grundlage früherer Erkenntnisse. Innerhalb dieser Hypothese gibt es 2 Unterkategorien, die ihr eine Richtung geben oder nicht.
Eine Richtungshypothese im Pretotyping würde zum Beispiel wie folgt aussehen:
Die Einführung einer blauen Version dieses Produkts wird die Konversionsraten verbessern
Eine nicht-direktionale Hypothese würde folgendermaßen aussehen:
Die Einführung einer blauen Version dieses Produkts wird die Konversionsraten beeinflussen
Alternative Hypothesenaussagen sind beim Pretotyping nicht besonders nützlich. Wie bereits in diesem Artikel erwähnt, eignet sich Pretotyping vor allem für Tests in bestimmten Bereichen und Datensätzen. Wenn Sie mit einer solchen Hypothese arbeiten, wird es nur schwieriger, die Ergebnisse später zu analysieren.
Wenn Sie sich entschließen, Ihre Tests auf der Grundlage dieser Art von Hypothese durchzuführen, sollten Sie die direktionale Version verwenden, damit der Test einen besseren Fokus erhält. Dies funktioniert nur, weil Sie die Richtung, in die die Ergebnisse Ihrer Meinung nach gehen werden, UND den Datensatz, von dem Sie glauben, dass er beeinflusst wird, kennen.
2. Nullhypothese
Die Nullhypothese ist das Gegenstück zur Alternativhypothese. Sie werden untersuchen, was nicht passieren wird, oder genauer gesagt, wie dieser Test keines der in den Variablen definierten Ergebnisse verändern wird.
Eine Nullhypothesenaussage im Pretotyping würde zum Beispiel so aussehen:
Die Einführung einer blauen Version dieses Produkts wird die Konversionsrate nicht verändern
Diese Art von Aussage ähnelt in ihrer Verwendung der Alternativhypothese, ihr fehlt jedoch der erforderliche Fokus, um für die Pretotypisierung wirklich effektiv zu sein, und es gäbe bessere Möglichkeiten, eine Hypothese für Ihre Tests aufzustellen.
3. Einfache Hypothese
Einfache Hypothesen sind genau das: einfach. Sie haben wenig Tiefgang und umreißen lediglich die Beziehung zwischen den Variablen.
Eine einfache Hypothese im Pretotyping würde zum Beispiel so aussehen:
Freigabe neuer Produktfarben zur Steigerung der Umsätze
Eine einfache Hypothese ist beim Pretotyping wenig sinnvoll, es wäre besser, eine Alternativhypothese über diesen Typ zu verwenden.
4. Komplexe Hypothese
Trotz ihres Namens ist die Erstellung einer komplexen Hypothese nicht besonders komplex. Sie ähnelt der einfachen Hypothese, hat aber mehr Variablen, die miteinander in Beziehung stehen.
Eine komplexe Hypothese im Pretotyping würde zum Beispiel so aussehen:
Die Einführung neuer Produktfarben wird die Konversionsrate erhöhen, die Kundenakquisitionskosten senken und die Größe unseres Zielmarktes erhöhen.
Auch diese Art von Aussage eignet sich aus ähnlichen Gründen wie die einfache Hypothese nicht für die Pretotypisierung. Aber sie ist eigentlich noch schlimmer.
Wenn Sie versuchen, mehrere metrische Veränderungen gleichzeitig zu testen und zu messen, werden Sie wahrscheinlich einen Test entwickeln, der sehr komplex ist, so dass Sie den Anstieg der Conversions nicht einfach einem bestimmten Bereich des Tests zuordnen können.
5. Empirische Hypothese
Diese Hypothese wird erstellt, während die Theorien noch entwickelt und validiert werden. Sie enthält genügend Details, um sie relevant zu machen, ohne jedoch zu sehr vom Kurs abzuweichen, wenn die endgültigen Erkenntnisse gesammelt werden.
Ein Beispiel für eine empirische Hypothese im Pretotytping wäre:
Die Einführung einer blauen Version unseres Produkts wird die Konversionsrate stärker erhöhen als die Einführung einer gelben Version
Dieser Typ eignet sich hervorragend, wenn Sie noch nicht über viele Daten verfügen und Ihre Erkenntnisse gerade erst auf den Weg bringen. Im Rahmen des Pretotyping ist dies nicht die beste Option, bietet aber einen guten Ausgangspunkt für Tests.
Der Grund dafür ist, dass Sie eine Richtung haben, die Sie testen, d.h. ist ein blaues Produkt besser als ein gelbes Produkt, und eine Variable, an der Sie das messen können, d.h. die Konversionsraten.
Wir haben uns die Hypothesenaussagen angeschaut, die nicht ideal für Pretotyping sind, und erörtert, warum.
6. Statistische Hypothese
Diese Art von Hypothese stützt sich ausschließlich auf Daten, die Sie bereits gesammelt oder durch andere Quellen verifiziert haben. Es handelt sich um eine logikbasierte Analyse, bei der Sie einen bestimmten Bereich untersuchen und auf der Grundlage dieser Stichprobengruppe Erkenntnisse gewinnen.
Ein Beispiel für eine statistische Hypothese beim Pretotyping wäre:
Die Einführung einer blauen Version unseres Produkts wird die Konversionsrate von 5 % auf 20 % in der Altersgruppe der 16- bis 24-Jährigen erhöhen.
Wie Sie sehen können, ist dies unsere bisher detaillierteste Hypothese. Sie umreißt, was wir betrachten, die Einführung eines blauen Produkts, wie sich das auf unsere Variablen und die Konversionsrate auswirken wird und in welcher Personengruppe das passieren wird, 16 - 24.
Dies ist die perfekte Art von Hypothese für Pretotyping und das, was Sie anstreben sollten. Das Problem besteht darin, die Daten für Ihre Hypothese zu erhalten, also lassen Sie uns das als Nächstes besprechen.
6b. XYZ-Hypothese
Ähnlich wie eine statistische Hypothese wird dieser Typ vom Vater des Pretotyping, Alberto Savoia, befürwortet und ist daher perfekt für diese Aufgabe geeignet.
Er strukturiert Ihre Hypothese so, dass sie leicht in den Mittelpunkt gerückt werden kann und Sie nur noch die Lücken ausfüllen müssen. So sieht es aus:
Mindestens X% von Y werden Z tun
Wie Sie sehen, müssen Sie nur noch das XYZ der Hypothese ausfüllen, um Ihre endgültige Aussage zu erhalten. Ein Beispiel hierfür wäre:
Mindestens 5 % der Supermarkteinkäufer kaufen Handcreme für 12 bis 15 Euro
.webp){kind=logo}
