Produktorganisationen geraten selten deshalb ins Stocken, weil ihnen Daten fehlen oder weil sie zu wenig analysieren. Ganz im Gegenteil. Häufig gibt es große Datenmengen, es wird sehr viel analysiert, konsequent optimiert und auch diszipliniert gearbeitet. Daran scheitert es nicht. Und trotzdem gibt es immer wieder das diffuse Gefühl, dass die Maßnahmen nicht richtig greifen. Dass zwar genug Daten zu einer bestimmten Herausforderung vorliegen, die Aktionen aber trotzdem nicht wirksam werden.
In solchen Situationen liegt das Problem meist nicht an der Art und Weise, wie diese Maßnahmen ausgeführt werden, sondern in den impliziten Annahmen, die ihnen zugrunde liegen. Wenn man so möchte: in der Denkfigur, mit der eine Organisation auf sich selbst schaut.
Diese Denkfiguren wirken meist im Hintergrund. Sie strukturieren, was als Problem sichtbar wird, welche Fragen gestellt werden und welche Lösungen überhaupt plausibel erscheinen. Gleichzeitig werden sie selten explizit gemacht. Teams optimieren dann nicht „falsch“, sondern ausgesprochen folgerichtig. Nur halt leider entlang eines Modells, das womöglich gar nicht zu der Realität passt, in der sie sich bewegen.
Wenn das Modell nicht zur Realität passt
In einem Projekt neulich wurde das für mich besonders greifbar. Die Monetarisierung des Produkts war klar als Funnel gedacht: oben möglichst viel Traffic hinein, um unten ausreichend Umsatz zu generieren. Entsprechend lag der Fokus auf der klassischen Logik dieses Modells: mehr Leads generieren, Conversion-Raten verbessern, Übergaben zwischen den Stufen optimieren, Bottlenecks raus. Die Analyse war sauber, die Maßnahmen waren nachvollziehbar, und dennoch stellte sich irgendwie seit Jahren kein echtes Momentum ein.
Erst als wir den Funnel konsequent mit den vorhandenen Zahlen hinterlegt haben, entstand eine produktive Irritation. Der „Top of Funnel“ war nämlich vergleichsweise dünn, während ein Großteil der Aktivität und auch der Umsätze im unteren Bereich lag, nämlich bei den längst existierenden Nutzern und Kunden. Innerhalb der bestehenden Denkfigur führte diese Beobachtung zwangsläufig zu der Schlussfolgerung, dass im Verhältnis oben ein Mangel ist und dass deshalb dort mehr Volumen erzeugt werden müsse. Sogar mit unseren Daten war der erste Reflex: “Daran sieht man doch, wie schlimm die Schieflage bereits ist!”
Doch der Blick in die Daten war eindeutig. Der Traffic im Top of Funnel war historisch gesehen nicht besonders ausschlaggebend für den Geschäftserfolg. Die Beziehung zu den Nutzern der Zielgruppe war nämlich auf viele Jahre ausgelegt. Der eigentliche Hebel lag nicht darin, den Churn unten im Funnel durch frischen Traffic oben im Funnel auszugleichen, sondern darin, einfach die Dauer und Qualität der Kundenbeziehung durch besseres Engagement zu verlängern.
Und genau deshalb lohnte sich der Perspektivwechsel: Die Frage war nicht, wie sich die Geschäftspraxis im Funnel-Modell optimieren lässt, sondern ob solch ein Trichter überhaupt eine adäquate Beschreibung für die Realität des Unternehmens ist.
Perspektivwechsel als Intervention
Wenn man diesen Blickwinkel ernst nimmt, dann verschiebt sich das Problembewusstsein deutlich. Der Vertrieb erscheint plötzlich weniger als linearer Trichter, sondern eher als ein System, das durch bestehende Beziehungen, Wiederkäufe und Anschlussinteraktionen getragen wird, – viel näher am Modell des Flywheels, als an dem eines Funnels. Viel mehr Relation, viel weniger Transaktion.
Diese Verschiebung ist zunächst nur ein anderes Bild, aber sie verändert deutlich, was im System sichtbar wird: es stand plötzlich nicht mehr primär die Frage nach Bottlenecks im Vordergrund, sondern die Frage danach, wo im bestehenden Kundenkontakt Energie verloren geht, wo Reibung entsteht und wo vorhandenes Momentum nicht genutzt wird. Mehr Fokus auf Engagement, weniger Fokus auf Conversion.
Aus dieser veränderten Perspektive ergeben sich andere Konsequenzen: andere Kennzahlen, die relevant werden, andere Prioritäten in der Maßnahmenplanung, andere Verantwortlichkeiten im Team. Vor allem aber entstand etwas, das zuvor gefehlt hatte: ein geteiltes Verständnis davon, wie das eigene System eigentlich funktioniert. Gespräche, die zuvor immer wieder ins Leere gelaufen sind, gewannen plötzlich an Klarheit, weil sie sich auf ein gemeinsames Bild bezogen, das zu den Daten im Unternehmen passte und diese einordnete.
Warum sich falsche Bilder so hartnäckig halten
Jetzt kommt leider die Crux dabei. Denkfiguren sind nämlich selten nur abstrakte Modelle in den Köpfen des Teams. Sie sind tief in den Strukturen von Organisationen verankert. Viele CRM-Systeme bilden implizit einen Funnel ab und legen damit nahe, dass Wertschöpfung vor allem als lineare Bewegung von oben nach unten verstanden werden muss. Auch Zielsysteme, Reports und Routinen greifen diese Logik auf und stabilisieren sie im Alltag immer wieder. Das führt dazu, dass bestimmte Perspektiven im Arbeitsalltag ständig eingeübt werden, während andere strukturell unterbelichtet bleiben.
Denkfiguren sind damit nicht nur Denkwerkzeuge, sondern organisationale Praktiken. Sie prägen, wie Daten gelesen werden, welche Fragen als sinnvoll gelten und welche Formen von Intervention überhaupt in Betracht gezogen werden. Gerade deshalb bleiben sie oft unsichtbar: weil sie nicht nur als Annahmen erscheinen, sondern als selbstverständliche Realität.
Denkfiguren sichtbar machen
Die eigentliche Intervention setzt deshalb an einer anderen Stelle an, als man zunächst vermuten würde. Sie beginnt nicht mit der Suche nach der nächsten Maßnahme, sondern mit der Frage, welche Denkfigur eine Diskussion trägt. Häufig reicht es, dieses Modell einmal konsequent mit der eigenen Empirie zu konfrontieren und ernsthaft zu prüfen, wie belastbar es ist. Dieser Schritt wirkt unspektakulär, entfaltet aber eine erstaunliche Wirkung: Sobald sich die zugrunde liegende Denkfigur verschiebt, verändern sich auch die Gespräche, die Entscheidungen und die Prioritäten.
Die bessere Lösung entsteht dann nicht durch noch detailliertere Analysen, sondern durch eine präzisere Auseinandersetzung mit dem Rahmen, in dem diese Analysen stattfinden. Anders formuliert: Organisationen scheitern nicht immer an ihren Antworten. Sie scheitern aber viel zu oft an den Bildern, mit denen sie ihre Fragen stellen.