Login

Wie Sie eine Hypothese für Ihre Pretotyping-Tests erstellen

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

Verpassen Sie mit unserem monatlichen Newsletter keine Experteneinblicke und Fallstudien über Erfolgsprognosen am Markt.

Hallo! 👋 Wem sollen wir das zustellen?

Wie Sie Daten für Ihre Pretotyping-Hypothese erhalten

Wie gezeigt, ist die perfekte Hypothese für Pretotyping eine statistische Hypothese, aber um eine solche erstellen zu können, müssen Sie zunächst Daten sammeln, um Ihre Hypothese zu untermauern.

Nutzen Sie Umfragen, um umfassende Erkenntnisse zur Entwicklung Ihrer Pretotyping-Hypothese zu gewinnen.

Der beste Weg, um erste Daten für Ihre Pretotyping-Hypothese zu gewinnen, ist die Durchführung traditionellerer Marktforschungsmethoden wie Umfragen. Das Tolle an der Gewinnung von Erkenntnissen durch Umfragen ist, dass sie in Bezug auf die gesammelten Daten breit angelegt sein können.

In unserem Beispiel zur Einführung einer blauen Version eines Produkts könnten Sie zunächst eine Umfrage durchführen, um Erkenntnisse über das aktuelle Produkt zu gewinnen und zu erfahren, was die Befragten über verschiedene Farben des Produkts denken würden.

Am Ende dieser Runde werden sie feststellen, dass niemand eine blaue Version will und eher eine grüne Version kaufen würde.

Das Problem dabei ist, dass alle diese Daten aufgrund der Art ihrer Erhebung verzerrt sind. Wenn Sie also eine grüne Version entwickeln würden, würden dieselben Befragten diese vielleicht gar nicht kaufen.

Das ist der Grund, warum Sie Pretotyping brauchen, um diese Daten zu validieren. Aber Sie brauchen diese Daten, um einen gültigen Pretotyping-Test zu entwickeln.

Nun, da Sie diese Daten haben, können Sie damit beginnen, Ihre Hypothese zu entwerfen und die Tests zu entwickeln, die Sie zur Validierung Ihrer Hypothese durchführen wollen. Wenn Sie mehrere Datenpunkte haben, die getestet werden müssen, versuchen Sie nicht, diese mit einer Hypothese zu testen, sondern stellen Sie mehrere Hypothesen für mehrere Tests auf, um sicherzustellen, dass Ihr Pretotyping fokussiert ist.

Können Sie Pretotyping nutzen, um Hypothesendaten für Pretotyping zu erhalten?

Ja und nein. Sie können Pretotyping nutzen, um erste Marktforschungsdaten zu sammeln, aber das wird sich über eine Vielzahl von Tests erstrecken und die Vorteile des Pretotyping gehen auf diese Weise verloren.

Dies lässt sich durch die Einrichtung eines Testtrichters erreichen. Im Wesentlichen werden viele Tests durchgeführt und es werden Erkenntnisse gewonnen, die Ihnen helfen können, eine Hypothese zu entwickeln.

Zunächst sollten Sie entscheiden, was Sie mit Ihrem Produkt erreichen wollen. Wollen Sie eine neue Farbe einführen, wie in unserem Beispiel oben? Wenn ja, müssen Sie zunächst mehrere Tests für die Zielgruppe und dann für die Merkmale durchführen, um erste Ergebnisse zu erhalten.

Bei den Zielgruppentests würden Sie zum Beispiel damit beginnen, Farben für eine Zielgruppe von 16 bis 24 Jahren zu testen, dann genau dasselbe für 25 bis 34 Jahre, dann dasselbe für 34 bis 42 Jahre und so weiter und so fort. Dann müssten Sie dasselbe für diese Gruppen tun, aber mit unterschiedlichen Interessen usw. 

Alles in allem ist es eine Menge Arbeit, aus den Pretotyping-Daten genügend Erkenntnisse zu gewinnen, um eine Hypothese aufzustellen, wenn man bei Null anfängt.

Verpassen Sie mit unserem monatlichen Newsletter keine Experteneinblicke und Fallstudien über Erfolgsprognosen am Markt.

Hallo! 👋 Wem sollen wir das zustellen?

Wie man eine klare Hypothese für das Pretotyping aufstellt

Wir haben jetzt alles, was wir brauchen, um eine Hypothese aufzustellen, wir haben die statistischen Erkenntnisse, die uns einen Anhaltspunkt geben werden, und wir wissen, welche Art von Hypothese wir verwenden wollen, aber es gibt noch einiges zu tun, um eine klare Hypothese aufzustellen.

Ähnlich wie bei der Erstellung eines klaren Produktbriefs oder einer Aufgabe ist Kommunikation der Schlüssel, damit jeder den Zweck dieses Tests auf einen Blick versteht.

1. Das Problem angehen

Sie haben ein Problem oder Probleme, die gelöst werden müssen, deshalb führen Sie diese Tests überhaupt erst durch. Dies muss in der Hypothesenaussage zum Ausdruck kommen, Sie müssen das Problem klar benennen.

Zum Beispiel:

Wie wirkt sich eine neue Farbe unseres Produkts auf den Verkauf aus?

2. Kurz halten

Bei der Hypothese handelt es sich nicht um eine vollständige Beschreibung des Forschungsvorhabens, sondern um eine grobe Beschreibung des Forschungsproblems, das Sie zu lösen versuchen, und der Ergebnisse, die Sie auf der Grundlage früherer Erkenntnisse erwarten.

3. Definieren Sie die Variablen

Sie müssen wissen, welche Faktoren für den Erfolg ausschlaggebend sind. Wenn Sie einen Test durchführen, wie werden Sie die Ergebnisse messen und wie werden Sie feststellen, ob das Problem am Ende gelöst wurde?

Sie können hier alle Variablen angeben, die Sie für relevant halten. Am besten beschränken Sie sich auf ein absolutes Minimum, damit die Untersuchung fokussiert und zuordenbar bleibt. 

Denken Sie daran: Wenn Sie mehrere Tests durchführen müssen, um das Problem zu lösen oder die gewünschten Erkenntnisse zu gewinnen, ist das in Ordnung.

Variablen können die Konversionsrate, die Double-Opt-In-Rate oder die Kosten pro Lead sein. Sie möchten auch Ihre Produktvariable hinzufügen, z. B. die Produktfarbe oder den Preis.

4. Endgültige Formulierung erstellen

Nun, da Sie alle Teile Ihrer Hypothese haben, ist es an der Zeit, die endgültige Formulierung zusammenzustellen, die die gesamte Forschung unter dieser Hypothese leiten wird.

Herzlichen Glückwunsch! Sie haben nun die bestmögliche Hypothese, um sicherzustellen, dass Ihr Pretotyping getestet wird:

  • Haben Sie ein klares Ziel
  • Kann leicht zugewiesen werden
  • Einen Maßstab für den Erfolg haben

Verpassen Sie mit unserem monatlichen Newsletter keine Experteneinblicke und Fallstudien über Erfolgsprognosen am Markt.

Hallo! 👋 Wem sollen wir das zustellen?
Geschrieben von
Steven Titchener
Ein erfahrener Growth Marketer, der Horizon und seinen Kunden hilft, erfolgreiche Produkte zu entwickeln. Er ist immer bestrebt, seine Ideen zu erweitern und einzigartige und interessante Einblicke in die Welt des Marketings und der Produktentwicklungsprozesse zu gewinnen.
LinkedIn Profil Link

Weitere Erkenntnisse von Horizon