Der Moment, in dem plötzlich alles funktioniert

Es gibt eine Version dieser Geschichte, die jeder Gründer schon gehört hat. Monatelang ist Wachstum zäh. Kunden kosten Energie, Feedback bleibt lauwarm, jeder Fortschritt fühlt sich erkämpft an. Und dann kippt es. Nutzer verstehen das Produkt sofort, sie bleiben, sie erzählen es weiter. Dieser Punkt hat einen Namen: Product-Market-Fit.

Die Erzählung ist nicht falsch. Sie ist nur unbrauchbar. Ein Gefühl kannst du nicht steuern, und auf ein Gefühl kannst du keine Entscheidung stützen. Marc Andreessen, der den Begriff 2007 in seinem Essay „The Only Thing That Matters“ populär gemacht hat, definierte ihn nüchtern: Product-Market-Fit heißt, in einem guten Markt zu sein, mit einem Produkt, das diesen Markt bedienen kann. Seine Beschreibung des fehlenden Fits trifft die meisten Startups genauer als die des Durchbruchs. Kunden ziehen keinen echten Wert aus dem Produkt, Mundpropaganda entsteht nicht, der Sales-Zyklus zieht sich, und viele Deals schließen nie.

Die nützliche Frage ist deshalb nicht, wie sich Product-Market-Fit anfühlt. Sondern: woran misst du ihn, und zwar früh genug, dass die Antwort dir noch etwas bringt. Genau darum geht es hier. Was danach kommt, wann du also skalierst und was dabei zuerst bricht, steht in unserem Text über die kritische Phase zwischen MVP und Skalierung.

Auf einen Blick

• Definition: Marc Andreessen beschrieb Product-Market-Fit 2007 als „being in a good market with a product that can satisfy that market“ – ein Marktzustand, kein Produktzustand.
• Der bekannteste Test: Sean Ellis fragt Nutzer, wie enttäuscht sie wären, wenn sie das Produkt nicht mehr nutzen könnten. Ab 40 Prozent „sehr enttäuscht“ spricht er von Fit. Die Schwelle stammt laut Rahul Vohras Darstellung bei First Round Review (2018) aus dem Benchmarking von knapp hundert Startups – Erfahrungswert, keine validierte Studie.
• Ein dokumentierter Fall: Superhuman startete im Sommer 2017 mit 22 Prozent, kam nach Segmentierung auf 33 Prozent und drei Quartale später auf 58 Prozent (Rahul Vohra, First Round Review, 2018).
• Der härtere Indikator: Eine Kohorten-Retention-Kurve, die abflacht statt gegen null zu laufen. Brian Balfour und Casey Winters nennen sie in Lenny Rachitskys Auswertung (2020) den verlässlichsten Beleg für Fit.
• Der Klassiker unter den Beispielen: Slack. Tiny Specks Spiel Glitch startete am 27. September 2011 und wurde am 9. Dezember 2012 abgeschaltet. Slack ging erst im August 2013 in die Preview.

Product-Market-Fit ist keine Produkteigenschaft

Der häufigste Denkfehler steckt schon im Wort. „Fit“ klingt nach einer Eigenschaft des Produkts, nach etwas, das du durch besseres Bauen erreichst. Ist es nicht. Fit ist eine Beziehung zwischen zwei Größen, und die zweite Größe – der Markt – gehört dir nicht.

Praktisch heißt das: Dasselbe Produkt kann in einem Segment Fit haben und im anderen nicht. Du kannst Fit verlieren, ohne etwas am Produkt zu ändern, weil ein Wettbewerber günstiger wird. Und du kannst technisch schlechter sein als der Marktführer und trotzdem Fit haben, weil du eine Gruppe bedienst, die er ignoriert.

Deshalb ist die Frage „Habe ich Product-Market-Fit?“ falsch gestellt. Die brauchbare Frage lautet: für wen genau, und wie stark. Wer sie nicht beantworten kann, verwechselt in der Regel Interesse mit Nachfrage – der Fehler, den wir in der gefährlichsten Lüge im Startup ausführlich auseinandernehmen.

Die Slack-Geschichte, richtig erzählt

Slack taucht in fast jedem Text zu diesem Thema auf, und fast immer in einer Fassung, die die entscheidenden Teile weglässt. Die Chronologie ist gut dokumentiert.

Stewart Butterfields Firma Tiny Speck baute ab 2009 ein Online-Spiel namens Glitch. Es startete offiziell am 27. September 2011, wurde am 30. November 2011 wieder in den Beta-Status zurückgenommen, weil neue Spieler nicht hineinfanden und erfahrene sich langweilten, und wurde am 9. Dezember 2012 endgültig abgeschaltet. Allein die letzte Finanzierungsrunde vor dem Start umfasste nach Angaben von TechCrunch (2011) 10,7 Millionen US-Dollar.

Das interne Chat-Tool, mit dem das verteilte Team an Glitch arbeitete, wurde zu Slack. Aber der Ablauf war nicht „das Team merkte, welches Potenzial darin steckt, und der Markt reagierte sofort“. Zwischen dem Ende von Glitch und der öffentlichen Preview lagen rund acht Monate stiller Arbeit inklusive einer Testphase mit einer Handvoll befreundeter Firmen. Erst im August 2013 ging Slack in die Preview. Butterfield berichtete später bei First Round Review, dass am ersten Tag 8.000 Anfragen eingingen und die Zahl zwei Wochen später bei 15.000 lag.

Der Pivot war also keine Eingebung, sondern die Folge eines gescheiterten Produkts. Und er lief unter Bedingungen, die du fast sicher nicht hast: ein Gründer mit Flickr-Historie, Restkapital aus mehreren Runden, direkter Zugang zur Tech-Presse. Slack ist survivorship bias in Reinform. Wer daraus ableitet, man müsse einfach weitermachen, zieht die falsche Lehre. Die richtige: Der Fit war messbar, bevor Slack skaliert hat.

Der 40-Prozent-Test und was er wirklich taugt

Die bekannteste Messmethode stammt von Sean Ellis, der das frühe Wachstum bei Dropbox, LogMeIn und Eventbrite verantwortet hat. Sie besteht aus einer einzigen Frage an deine aktiven Nutzer: „Wie würdest du dich fühlen, wenn du unser Produkt nicht mehr nutzen könntest?“ Drei Antwortoptionen: sehr enttäuscht, etwas enttäuscht, nicht enttäuscht. Liegt der Anteil „sehr enttäuscht“ über 40 Prozent, gilt Fit als erreicht.

Zur Herkunft der Zahl gehört Ehrlichkeit. Laut Rahul Vohras Darstellung bei First Round Review (2018) kam Ellis auf die 40 Prozent, indem er knapp hundert Startups verglich und feststellte, wo die Grenze zwischen wachsenden und stagnierenden Produkten in seinen Daten lag. Das ist ein Erfahrungswert aus der Praxis, kein Ergebnis einer kontrollierten Studie, keine Peer Review, keine veröffentlichte Stichprobe. Wer dir die 40 Prozent als Naturgesetz verkauft, hat die Quelle nicht gelesen.

Brauchbar ist der Test trotzdem, aus einem oft übersehenen Grund: Er zwingt dich, eine Grundgesamtheit zu definieren. Wer ist ein aktiver Nutzer, ab wann, in welchem Zeitraum. Das ist die eigentliche Arbeit. 45 Prozent unter zwanzig handverlesenen Testnutzern sagen nichts. Derselbe Wert über alle Nutzer, die in den letzten zwei Wochen mindestens zweimal aktiv waren, sagt eine Menge.

Die Retention-Kurve ist die ehrlichere Messung

Umfragen erfassen Absichten, Retention erfasst Verhalten. Wenn du dich für eine Kennzahl entscheiden musst, nimm die zweite.

Die Methode: Nimm alle Nutzer, die in einer Woche oder einem Monat neu dazugekommen sind, und behandle sie als Kohorte. Trage auf, welcher Anteil dieser Kohorte in Woche eins, zwei, vier, acht noch aktiv ist. Wiederhole das für jede neue Kohorte. Entscheidend ist die Form der Kurve, nicht ihre Höhe. Läuft sie gegen null, hast du keinen Fit, egal wie viele Neuanmeldungen oben reinlaufen. Flacht sie ab und stabilisiert sich auf einem Niveau, gibt es eine Gruppe, die dauerhaft Wert zieht. Brian Balfour und Casey Winters beschreiben genau das in Lenny Rachitskys Sammlung von Praktiker-Antworten (2020) als den verlässlichsten Beleg für Product-Market-Fit.

Zwei Fallstricke. Erstens gibt es kein universelles „gutes“ Niveau: Ein monatlich genutztes Buchhaltungstool und eine täglich genutzte App sind nicht vergleichbar. Zweitens kann eine abflachende Gesamtkurve eine Mischung aus einem stark bindenden und einem komplett abwandernden Segment verdecken. Segmentiere, bevor du dich freust.

Superhuman: aus einer Zahl ein Verfahren machen

Dass der Ellis-Test heute wieder überall diskutiert wird, liegt an Rahul Vohra, Gründer des E-Mail-Clients Superhuman. Sein 2018 bei First Round Review dokumentiertes Vorgehen beantwortet die Frage, was man mit einem schlechten Wert anfängt.

Superhuman maß im Sommer 2017 einen Wert von 22 Prozent – deutlich unter der Schwelle. Statt das Ergebnis zu verwerfen, zerlegte Vohra es. Er filterte die Antworten auf die Nutzergruppe, die das Produkt überhaupt lieben konnte, und definierte sie präzise: Menschen, die beruflich 100 bis 200 E-Mails am Tag verarbeiten. In dieser Gruppe lag der Wert bei 33 Prozent. Dann stellte er den „etwas enttäuschten“ Nutzern die zweite, wichtigere Frage: Was hält dich davon ab, das Produkt zu lieben? Diese Antworten – bei Superhuman vor allem die fehlende Mobile-App – wurden zur Roadmap. Alle Wünsche der „nicht enttäuschten“ Gruppe wurden bewusst ignoriert. Drei Quartale später lag der Wert bei 58 Prozent.

Das übertragbare Prinzip hat nichts mit E-Mail zu tun: Product-Market-Fit ist keine Ja-Nein-Frage, sondern eine Zahl, die du steuern kannst, wenn du sie nach Segment aufschlüsselst und die Produktarbeit ausschließlich auf die Gruppe richtest, die ohnehin fast überzeugt ist. Das ist die Gegenposition zum Reflex, jeden Wunsch jedes Interessenten einzubauen – und deshalb näher an der Realität als jeder Plan, den du vorher schreibst.

Was du schon in Woche eins sehen kannst

Retention-Kurven brauchen Monate, der Ellis-Test eine belastbare Nutzerbasis. Beides hast du am Anfang nicht. Es gibt trotzdem Signale, die früh lesbar sind – keine Beweise, aber Frühindikatoren.

• Nutzung ohne Aufforderung. Kommen Nutzer wieder, ohne dass du sie anschreibst? Zähle Sessions, die nicht auf eine E-Mail oder Nachricht von dir folgen.
• Die Weiterleitung. Nicht „würdest du es empfehlen“, sondern: Hat jemand dein Produkt ungefragt an einen Kollegen weitergegeben? Ein einziger echter Fall ist mehr wert als zwanzig gute NPS-Antworten.
• Der Widerstand beim Wegnehmen. Kündige einem Testnutzer an, dass du das Produkt in zwei Wochen abschaltest. Die Reaktion ist ehrlicher als jede Umfrage.
• Zeit bis zum ersten Wert. Wie lange dauert es vom ersten Login bis zu dem Moment, in dem der Nutzer etwas erreicht hat? Verkürzt sich diese Zeit, steigt meist alles andere mit.
• Der Ton der Beschwerden. Nutzer, die nichts erwarten, beschweren sich nicht. Konkrete, genervte Detailkritik ist ein besseres Zeichen als höfliches Lob.

Diese Signale ersetzen keine Messung. Sie verhindern nur, dass du zwölf Monate wartest, bevor du merkst, dass etwas nicht stimmt – ein Muster, das wir in unserem Rückblick auf das erste Jahr eines Startups immer wieder gesehen haben, und einer der Gründe, warum Timing mehr Startups entscheidet als die Idee.

Fang klein an. Definiere diese Woche, was bei dir ein aktiver Nutzer ist – eine Handlung, ein Zeitraum, schriftlich. Schick die Ellis-Frage an alle, die dieser Definition entsprechen, und notiere den Prozentsatz mit Datum. Leg parallel die erste Kohortentabelle an. In drei Monaten hast du damit zwei Kurven statt eines Gefühls. Wie andere Gründer aus dem DACH-Raum diesen Punkt ohne Investorengeld erreicht haben, zeigen unsere sieben bootstrapped Startups aus dem DACH-Raum.