Zweifeln ist Chefsache – Management in der Trial and Error Economy

Warum die Trial and Error Economy nach bescheidenen Führungskräften verlangt.

Während Sie das hier lesen, nehmen Sie an einem Experiment teil. Wahrscheinlich sogar an Dutzenden, genau jetzt. Allein heute haben Sie bereits an hunderten Experimenten teilgenommen, das ist ziemlich sicher. Der Grund ist einfach: Jede größere Website spielt verschiedene Varianten der gleichen Seiten aus und misst die Reaktion der Besucher. Diese sogenannten A/B-Tests kommen weltweit immer mehr zum Einsatz. Da sich Produkte und Dienstleistungen heute als Websites und Apps präsentieren, entsteht eine nie dagewesene Chance: Produkte, die bei jedem Kunden leicht anders aussehen und jedes Zögern, jedes Tippen vermessen und vergleichen können. So wissen Softwarehersteller und Website-Entwickler genau, welche Variante besser funktioniert: Ist es die mit dem blauen oder dem grünen Kaufen-Button? Die mit der devoteren oder der aggressiveren Formulierung?

Hierarchie der Demut

Der Wirtschaftsjournalist Tim Harford beschrieb bereits 2011, dass in der ”Trial and Error Economy“ kein Platz ist für heroische Führungsfiguren, die scheinbar wissen, wo es lang geht. Was es stattdessen braucht, ist eine Hierarchie der Demut. An der Spitze sollte die Person stehen, die am besten zweifeln kann und das ist nicht einfach. Zweifeln ist anstrengend, verunsichernd und demotivierend. Aber reflektierter Zweifel ist ein Erfolgsfaktor. Die Autoren James Collins und Morten Hansen sprechen in ihrem Buch “Great by Choice” gar von „produktiver Paranoia” als einem Erfolgsfaktor: Wer glaubt, alles zu wissen, sollte keine verantwortliche Position bekleiden.

Die Verlagerung ganzer Märkte ins Netz macht es so leicht wie noch nie, mit fundamentalen Unsicherheiten umzugehen. Was der Kunde will? Er entscheidet es schlicht durch Tippen und Wischen auf dem Smartphone. Und wo kann man das Verbraucherverhalten so gut messen und analysieren wie auf diesen Geräten? Früher hat man Werbefachleute angeheuert, die sich gerne auch mal für Voodoo bezahlen ließen. Plakatgestaltung auf Basis von C. G. Jungs Archetypen war da nur eine der Maßnahmen weit unterhalb der Nachweisbarkeitsgrenze. Dann kam das Neuromarketing, mit dem man dem Kunden angeblich in die Gehirnwindungen blicken kann. Die Betonung liegt auf angeblich. All das verliert aber online massiv an Bedeutung.

Kunden benutzen nie das gleiche Produkt

Online fließen Produkt, Marketing und Werbewirkungsforschung längst eins. Man kann sich theoretische Marketingstrategie sparen, indem man verschiedene Annahmen im Netz testet. Deshalb kommt kaum noch eine größere Website und Anzeigenkampagne ohne A/B-Tests aus. Nach ein paar Tagen Testdauer (oder Wochen, je nach Besuchsaufkommen) wählt das Produktmanagement mit dem Marketingmanager die Siegervariante aus und kann die Entscheidung sogar mit Zahlen untermauern: 12% der Nutzer haben auf den blauen Button geklickt, aber nur 4% auf den grünen. Wir haben dann zwar nicht verstanden, warum wer wohin klickt, aber das „Warum” interessiert die Wirtschaft ohnehin weniger als das „Wie viel”.

Bei Spotify ist man schon einen Schritt weiter. Der Musikstreamingdienst testet nicht nur Designvarianten, sondern regelmäßig komplette Features mit Teilmengen seiner Nutzer. Zum Beispiel wurde der Verkauf von Schallplatten via Spotify nur für einige Nutzer freigeschaltet (der Test wurde wenig überraschend bald wieder eingestellt). Demzufolge benutzen Spotify-Kunden nie das gleiche Produkt, was auch der Grund dafür ist, dass es bei Spotify keine Changelogs mehr gibt: Das öffentliche Protokoll darüber, wann welches Feature eingeführt wurde, wurde ersatzlos gestrichen, weil sich die Frage schlicht nicht mehr befriedigend beantworten ließ.

Algorithmen probieren sich durch alle denkbaren (und undenkbaren) Varianten einer Software

Die nächste Frage ist, warum sich überhaupt noch für eine Variante entscheiden, die für die Mehrheit besser funktioniert? Warum nicht jedem Kunden das Produkt generieren, das ihm am besten gefällt? Mit speziellen Softwareentwicklungstools werden die Grenzkosten für weitere Softwarevarianten deutlich sinken. Die Techniken des Machine Learning, mit denen Computer von Menschen lernen, kämen dann nicht mehr nur in bildgebenden Verfahren in der Medizin oder in der Sicherheitstechnik zum Einsatz, sondern auch bei der Gestaltung von Websites, Apps und Anzeigen.

Der Begriff des Experiments wird dann für Onlineprodukte seine Bedeutung verlieren, weil alles ständig ein Experiment sein wird. In einer nicht allzu fernen Zukunft werden Unternehmen im Code nur noch das gewünschte Geschäftsergebnis festlegen, also das Ziel, woraufhin optimiert werden soll: Sei es die Nutzung bestimmter Features, die Eintragung des Kunden in den Newsletter, maximaler Umsatz oder eine Rendite von über 20%. Die Algorithmen probieren sich dann in endlosen, sich immer weiter verfeinernden Testreihen durch alle denkbaren (und undenkbaren) Produktvarianten hindurch – und kein Produktmanager muss dann noch entscheiden, welche Variante die kanonische wird.

Bis dahin darf sich die Branche noch mit der banalen Pointe aktueller A/B-Tests herumschlagen: sie führen oft einfach nicht zu signifikanten Ergebnissen. Die Klickraten der verschiedenen getesteten Varianten halten sich die Waage. Meist ist es nämlich schlicht egal, ob ein Button blau oder grün ist.

Mehr Gedanken zur Zukunft der Arbeit findet ihr auch  in unserem Kompendium Shared Leadership.