Product-Market-Fit-Umfrage: 40-%-Regel und Folgefragen
Die Sean-Ellis-Frage im Wortlaut, die 40-%-Heuristik, wen Sie befragen, wie viele Antworten Sie brauchen und wie Sie die Ergebnisse segmentieren.
Eine Product-Market-Fit-Umfrage misst den Anteil aktiver Nutzer, die "sehr enttäuscht" wären, wenn sie Ihr Produkt nicht mehr nutzen könnten, und die übliche Messlatte liegt bei 40 %. Sean Ellis hat sie festgelegt, nachdem er gesehen hatte, dass Startups mit starker Zugkraft sie übertrafen und kriselnde Startups darunter blieben. Behandeln Sie die Zahl als Faustregel, nicht als Gesetz, und berichten Sie sie immer mit Stichprobengröße und Fehlerspanne.
Dieser Leitfaden gibt Ihnen die genaue Frage, den richtigen Empfängerkreis, die nötige Zahl an Antworten, die vier Folgefragen und die Segmentierungsmethode, die Superhuman bekannt gemacht hat, damit das Ergebnis standhält, wenn Investoren oder die Finanzabteilung nachfragen.
Die Product-Market-Fit-Frage von Sean Ellis
Stellen Sie eine einzige Frage mit diesen vier Antworten in dieser Reihenfolge, und formulieren Sie sie nicht um. Die Frage zielt auf den Verlust, nicht auf Gefallen: Sie trennt Menschen, die auf das Produkt angewiesen sind, von Menschen, die es lediglich gut finden. Zufriedenheitsfragen schmeicheln einem Produkt, weil höfliche Nutzer sich auch mit Werkzeugen zufrieden nennen, die sie morgen aufgeben würden.
Halten Sie die Reihenfolge der Antworten fest (nicht mischen) und behalten Sie alle vier Optionen. Wer auf eine Fünf-Punkte-Skala umstellt oder "Etwas enttäuscht" streicht, verliert den Vergleich mit der 40-%-Marke, die mit genau diesem Format beobachtet wurde.
So berechnen Sie den Wert
Der Wert ist der Anteil der Antworten "Sehr enttäuscht" unter den Menschen, die das Produkt noch nutzen. Ziehen Sie die Antworten "Trifft nicht zu" ab, bevor Sie teilen, und geben Sie an, wie viele es waren: Eine große Gruppe "Trifft nicht zu" bedeutet, dass Ihre Liste ehemalige Nutzer enthielt.
PMF-Wert = Sehr enttäuscht ÷ (alle Antworten − Antworten Trifft nicht zu) × 100
Ein anschauliches Beispiel mit erfundenen Zahlen: 180 Personen antworten. 12 wählen Trifft nicht zu, 71 Sehr enttäuscht, 64 Etwas enttäuscht und 33 Nicht enttäuscht. Der Wert beträgt 71 ÷ 168 = 42 %.
Was die 40-%-Schwelle bedeutet und was nicht
Die 40-%-Linie ist eine Faustregel, die Sean Ellis aus seiner Arbeit mit Startups abgeleitet hat. Nach seiner Erfahrung hatten Unternehmen, die nur schwer wuchsen, fast immer weniger als 40 % Nutzer mit der Antwort "sehr enttäuscht", während Unternehmen mit starker Zugkraft die Marke meist übertrafen. Sie stammt aus der Praxis, nicht aus einer veröffentlichten Studie, und sie ist eine runde Zahl. Daraus folgen drei Dinge, wenn jemand Ihr Ergebnis infrage stellt.
- Die Zahl gehört zu einem Segment, nicht zu einem Unternehmen. Befragen Sie nur Begeisterte, sind 40 % leicht zu erreichen; befragen Sie alle Registrierten, nicht. Geben Sie immer an, wer befragt wurde und wie diese Personen ausgewählt wurden.
- Sie hat eine Fehlerspanne. Die 42 % oben beruhen auf 168 Antworten, die Fehlerspanne bei 95 % Konfidenz beträgt also etwa plus/minus 7,5 Punkte: Der wahre Anteil könnte irgendwo zwischen etwa 35 % und 50 % liegen. Das Ergebnis zeigt nicht, dass Sie über der Linie liegen. Es zeigt, dass Sie nah dran sind.
- Sie ist ein geäußertes Gefühl, kein Verhalten. Retention-Kohorten, Nutzungshäufigkeit und organisches Wachstum sind Verhalten. Zeigen Sie den Wert neben Ihren Retention-Kurven, nicht stattdessen.
| Ihr Ergebnis | Was es nahelegt | Nächster Schritt |
|---|---|---|
| Über 40 %, und die ganze Fehlerspanne liegt darüber | Starke Zugkraft in der befragten Gruppe | Finden Sie das Segment, in dem sie am stärksten ist, und konzentrieren Sie sich darauf; prüfen Sie, ob die Retention das bestätigt |
| Die Fehlerspanne schließt 40 % ein | Nicht eindeutig | Sammeln Sie mehr Antworten oder grenzen Sie das Segment ein, bevor Sie etwas öffentlich sagen |
| Unter 40 %, und die ganze Fehlerspanne liegt darunter | Für diese Gruppe noch nicht erreicht | Segmentieren Sie die Ergebnisse und untersuchen Sie die Nutzer, die "sehr enttäuscht" geantwortet haben |
| Weniger als einige Dutzend Antworten | Nur eine Richtung | Lesen Sie die offenen Antworten wie Interviewnotizen und nennen Sie keinen Prozentwert |
Wen Sie befragen
Senden Sie die Umfrage nur an Menschen, die den Kern Ihres Produkts mehr als einmal und vor Kurzem genutzt haben. Ellis selbst empfiehlt, Menschen zu befragen, die den Kern des Produkts erlebt, es mindestens zweimal und innerhalb der letzten zwei Wochen genutzt haben. Alle anderen beantworten eine andere Frage: Wer nie angefangen hat, kann nicht vermissen, was er nie genutzt hat, und wer vor Monaten gegangen ist, hat sich längst entschieden.
Erstellen Sie die Liste aus Ihren Produktdaten und wenden Sie dann diese Filter an:
- Lassen Sie Mitarbeitende, Freunde, Investoren und bezahlte Panel-Teilnehmende weg.
- Lassen Sie Konten weg, die sich registriert, aber nie die Kernaktion erreicht haben (den ersten versendeten Bericht, die erste geteilte Datei, was auch immer "nutzen" bei Ihnen bedeutet).
- Senden Sie an alle infrage kommenden Nutzer oder an eine Zufallsstichprobe daraus, nicht an diejenigen, die Ihren Newsletter lesen oder in Ihrem Community-Kanal schreiben.
- Weisen Sie zahlende und kostenlose Nutzer getrennt aus und im B2B-Bereich die Endnutzer getrennt von der Person, die das Produkt gekauft hat.
- Fragen Sie in einem neutralen Moment: nicht direkt nach einem gelösten Support-Ticket und nicht direkt nach einem Erfolgsbildschirm.
Wie viele Antworten Sie brauchen
Einige Dutzend Antworten zeigen eine Richtung; um zu behaupten, dass Sie über 40 % liegen, brauchen Sie so viele Antworten, dass die Fehlerspanne die Linie überschreitet. Die Tabelle zeigt die Fehlerspanne bei 95 % Konfidenz um ein Ergebnis von 40 %, berechnet mit der Standardformel für einen Anteil aus einer einfachen Zufallsstichprobe.
| Vollständige Antworten | Fehlerspanne um 40 % | Plausibler Bereich |
|---|---|---|
| 30 | etwa ±18 Punkte | 22 % bis 58 % |
| 50 | etwa ±14 Punkte | 26 % bis 54 % |
| 100 | etwa ±10 Punkte | 30 % bis 50 % |
| 200 | etwa ±7 Punkte | 33 % bis 47 % |
| 400 | etwa ±5 Punkte | 35 % bis 45 % |
Umgekehrt gesagt: Ein Ergebnis von 50 % braucht rund 100 Antworten, um klar über 40 % zu liegen, ein Ergebnis von 45 % rund 400. Ist Ihre aktive Nutzerbasis klein und befragen Sie einen großen Teil davon, verkleinert die Endlichkeitskorrektur die Spanne. Der Fehlerspannen-Rechner deckt beide Fälle ab, und der Leitfaden zur Stichprobengröße erklärt die Rechnung.
Die Folgefragen
Stellen Sie nach der Hauptfrage vier kurze offene Fragen. Sie machen aus einem Wert einen Plan: Die ersten beiden zeigen, wer das Produkt liebt und warum, die dritte, was Menschen bremst, und die vierte, womit Sie wirklich konkurrieren.
| Folgefrage | Wofür Sie sie nutzen |
|---|---|
| Wichtigster Nutzen | Die Worte, mit denen Ihre engagiertesten Nutzer den Wert beschreiben; sie werden zum Kern Ihrer Positionierung |
| Menschen, die am meisten profitieren würden | Nutzer beschreiben sich selbst, und das ergibt das Profil Ihres besten Segments |
| Verbesserung | Was "etwas enttäuschte" Nutzer davon abhält, auf Sie angewiesen zu sein |
| Was sie stattdessen nutzen würden | Ihre echten Alternativen; das kann eine Tabellenkalkulation, ein Kollege oder gar nichts sein statt eines namentlich bekannten Wettbewerbers |
Fügen Sie eine Klassifizierungsfrage (Rolle, Unternehmensgröße, Haupteinsatzzweck) nur hinzu, wenn Ihre Produktdaten sie nicht schon enthalten, und holen Sie Tarif, Nutzungsdauer und Nutzungshäufigkeit aus Ihren eigenen Daten, statt danach zu fragen. Machen Sie die Folgefragen optional, denn Pflichttext erzeugt Füllwörter, und halten Sie die ganze Umfrage unter zwei Minuten. Drehen sich die Verbesserungswünsche vor allem um den Preis, führen Sie eine Preisumfrage durch, bevor Sie etwas ändern.
Ergebnisse segmentieren: die Superhuman-Methode
Das Nützlichste, was Sie mit den Ergebnissen tun können, ist das Segment zu finden, das das Produkt schon liebt, und dafür zu bauen. Rahul Vohra, Gründer und CEO von Superhuman, hat dafür im First-Round-Review-Artikel "How Superhuman Built an Engine to Find Product/Market Fit" ein Vorgehen in vier Schritten beschrieben.
- Segmentieren Sie, um Ihre Unterstützer zu finden. Lesen Sie die Antworten der Gruppe "sehr enttäuscht" auf die Frage, welche Art von Menschen am meisten profitieren würde. Diese Nutzer beschreiben meist sich selbst, und daraus entsteht das Profil Ihres High-Expectation Customer, eines Kunden mit hohen Erwartungen; Vohra schreibt diese Persona-Idee Julie Supan zu. Berechnen Sie den Wert nur für die Nutzer neu, die zu diesem Profil passen. Ein insgesamt schwacher Wert kann in einem Segment deutlich stärker sein.
- Finden Sie heraus, was die sehr Enttäuschten lieben. Gruppieren Sie ihre Antworten zum wichtigsten Nutzen in Themen. Die häufigsten Themen müssen Sie schützen.
- Finden Sie heraus, was die etwas Enttäuschten bremst. Lesen Sie deren Verbesserungsvorschläge, aber nur von denjenigen, deren wichtigster Nutzen dem entspricht, was die sehr Enttäuschten lieben: Sie wollen dasselbe, und etwas steht im Weg. Lassen Sie die Gruppe "nicht enttäuscht" beiseite, denn wer für sie baut, entfernt das Produkt von den Menschen, die es bereits schätzen.
- Bauen Sie die Roadmap und verfolgen Sie den Wert. Vohra teilte die Roadmap etwa zur Hälfte auf: eine Hälfte, um das zu stärken, was Nutzer lieben, die andere, um zu beseitigen, was die etwas Enttäuschten bremst. Wiederholen Sie die Umfrage regelmäßig mit neu infrage kommenden Nutzern und verfolgen Sie den Wert für das Zielsegment.
| Gruppe | Zu lesende Antworten | Wofür |
|---|---|---|
| Sehr enttäuscht | Wichtigster Nutzen, Art von Mensch | Zielsegment festlegen und schützen, was es liebt |
| Etwas enttäuscht, gleicher wichtigster Nutzen | Verbesserung | Beheben, was sie davon abhält, auf Sie angewiesen zu sein |
| Etwas enttäuscht, anderer wichtigster Nutzen | Überfliegen | Einen anderen Bedarf notieren; noch nicht verfolgen |
| Nicht enttäuscht | Überfliegen | Auf wiederkehrende Themen achten; nicht danach planen |
Weisen Sie jedes Segment mit seiner Antwortzahl aus. In einem Segment mit 15 Antworten verschiebt eine einzige Person, die ihre Meinung ändert, den Wert um fast 7 Punkte; lesen Sie kleine Segmente daher als Hinweise. Um die offenen Antworten in jeder Runde gleich zu Themen zu gruppieren, nutzen Sie ein Codebuch; die Methode steht in offene Antworten auswerten.
Häufige Fehler
- Die ganze Mailingliste befragen. Filtern Sie vor dem Versand auf aktuelle, wiederkehrende Nutzer des Produktkerns.
- Frage oder Antworten umformulieren. Verwenden Sie den genauen Wortlaut, sonst gilt der Vergleich mit 40 % nicht mehr.
- Einen Prozentwert aus 25 Antworten zitieren. Nennen Sie Antwortzahl und Fehlerspanne oder nur die Richtung.
- Ein Mischwert für sehr unterschiedliche Nutzer. Segmentieren Sie nach Rolle, Einsatzzweck und Tarif, bevor Sie Schlüsse ziehen.
- Die Roadmap um "nicht enttäuschte" Nutzer herum bauen. Ihre Wünsche ziehen das Produkt zu Menschen, die es nicht brauchen.
- Eine Einleitung, die um Lob bittet ("Helfen Sie uns zu zeigen, wie sehr Sie uns mögen"). Nutzen Sie eine neutrale Einleitung und keinen Anreiz, der Nicht-Nutzer anlockt.
- Den Wert zum Ziel machen. Stellen Sie ihn neben Retention-Kohorten; flacht die Retention nicht ab, reicht ein hoher Wert nicht aus.
So geht das in Claform
Legen Sie die Hauptfrage als Einfachauswahl-Frage mit den vier Antworten in der obigen Reihenfolge und ohne Mischen an, und fügen Sie die vier Folgefragen als optionale Kurztext-Fragen hinzu. Um nur aktive Nutzer zu erreichen, zeigen Sie die Umfrage mit dem Web-Widget oder einem der mobilen SDKs direkt in Ihrem Produkt an, gesteuert nach Ereignis, Bildschirm oder Nutzerattribut, oder senden Sie sie per E-Mail an eine Liste, die Sie aus Ihren Produktdaten gefiltert haben. Die Ergebnisansicht zeigt den Anteil jeder Antwort, und Clue AI gruppiert die offenen Antworten in Themen mit Häufigkeiten. Ab dem Professional-Tarif teilt die Vergleichsfunktion des AI Analyst jede Kennzahl nach einer Frage auf, etwa Rolle oder Einsatzzweck, und blendet Gruppen mit weniger als zehn Antworten aus; das deckt den Segmentierungsschritt oben ab. Mehr dazu unter Umfragen für Produktteams und AI Analyst.
Häufig gestellte Fragen
Was ist ein guter Wert in einer Product-Market-Fit-Umfrage?
Der übliche Richtwert sind 40 % oder mehr aktive Nutzer, die auf die Frage von Sean Ellis "sehr enttäuscht" antworten. Das ist eine Faustregel aus Ellis' Arbeit mit Startups, kein statistischer Grenzwert: 38 % in einem klar umrissenen Segment mit stabiler Retention können gesünder sein als 45 % in einer handverlesenen Fangruppe. Nennen Sie immer Stichprobengröße und Fehlerspanne dazu.
Wie viele Antworten braucht eine Product-Market-Fit-Umfrage?
Einige Dutzend Antworten zeigen die Richtung, aber die Fehlerspanne ist groß: Bei 50 Antworten und einem Ergebnis von 40 % beträgt sie etwa plus/minus 14 Punkte. Um mit Sicherheit zu zeigen, dass Sie über 40 % liegen, brauchen Sie rund 100 Antworten bei einem Ergebnis von 50 % und rund 400 bei 45 %. Jedes ausgewiesene Segment braucht eine eigene Antwortzahl.
Wer sollte eine Product-Market-Fit-Umfrage erhalten?
Aktive Nutzer, die den Kern des Produkts mindestens zweimal und vor Kurzem genutzt haben; Sean Ellis schlägt die letzten zwei Wochen vor. Lassen Sie Registrierte ohne Aktivierung, ehemalige Kunden, Mitarbeitende und Freunde weg. Senden Sie an alle infrage kommenden Nutzer oder an eine Zufallsstichprobe, und weisen Sie zahlende und kostenlose Nutzer getrennt aus.
Wie oft sollte man den Sean-Ellis-Test wiederholen?
Führen Sie ihn durch, wenn eine Entscheidung ansteht, etwa vor einem Roadmap-Zyklus oder einer Finanzierungsrunde, und danach nach festem Plan, für die meisten Teams vierteljährlich, um den Trend im Zielsegment zu verfolgen. Befragen Sie in jeder Runde die Nutzer, die seit der letzten neu infrage kommen, statt derselben Personen, damit frühere Antworten die neuen nicht prägen.
Ist die Product-Market-Fit-Umfrage dasselbe wie der NPS?
Nein. Der NPS fragt auf einer Skala von 0 bis 10, wie wahrscheinlich eine Weiterempfehlung ist, und geht meist an alle Kunden, um die Loyalität zu verfolgen. Die Frage von Sean Ellis fragt aktive Nutzer, wie enttäuscht sie über den Verlust des Produkts wären, um zu beurteilen, ob es unverzichtbar geworden ist. Sie können beides in getrennten Umfragen erheben; der NPS-Leitfaden behandelt den anderen Teil.