Fallbeispiel · Software

Warum springen neue Nutzer nach der Registrierung wieder ab?

Ein B2B-Softwareanbieter gewinnt genug Registrierungen, aber nach 14 Tagen ist die Hälfte der neuen Konten inaktiv. Der Setup-Assistent wurde bereits zweimal vereinfacht — die Aktivierungsrate blieb, wo sie war. So sieht die Erhebung aus, die erklärt, warum.

Branche
Software, B2B-SaaS
Methode
JTBD Switch
Teilnehmende
260 Nutzer
Feldzeit
12 Tage

Konstruiertes Beispielszenario nach einem typischen Projektablauf. Unternehmen, Zahlen und Zitate sind erfunden — sie zeigen, wie eine Erhebung mit usabiq abläuft und welche Art von Ergebnis dabei entsteht. Es handelt sich nicht um einen realen Kundenfall. Die Fallzahl liegt zudem unter den 385 Antworten, die eine belastbare Anteilsaussage braucht — die Prozentwerte hier zeigen Größenordnungen, keine repräsentativen Anteile.

Schritt 0 · Die Ausgangslage

Zweimal vereinfacht, nichts passiert.

Die Registrierungszahlen stimmen — Marketing liefert. Nach 14 Tagen sind aber 52 % der neuen Konten ohne jede Aktivität. Kein Datensatz, kein eingeladener Kollege, kein zweiter Login.

Die Produktanalytics zeigen sauber, wo es endet: bei Schritt 3 des Setup-Assistenten, dem Anlegen der ersten eigenen Daten. Daraus hat das Team den naheliegenden Schluss gezogen — zu komplex — und den Assistenten in zwei Runden entschlackt: weniger Pflichtfelder, kürzere Texte, ein Schritt weniger.

Die Aktivierungsrate hat sich beide Male nicht bewegt. Für das kommende Quartal steht die dritte Vereinfachungsrunde im Plan, diesmal mit einer kompletten Neugestaltung des Assistenten.

Was in den Daten fehlt, ist der Grund. Ein Klickpfad zeigt den Ausstieg, nicht den Gedanken davor — und schon gar nicht, was jemand stattdessen tut.

Schritt 1–2 · Ziel formulieren, Umfrage entsteht

Eine Registrierung ist ein angefangener Wechsel.

Wer sich anmeldet, hat schon eine Lösung — Excel, ein Altsystem, einen Wettbewerber. Genau dafür ist die vorgeschlagene Methode gebaut.

JTBD Switch betrachtet jede Neuanschaffung als Wechsel und misst die vier Kräfte, die dabei wirken: Push — was am bisherigen Vorgehen drückt; Pull — was am neuen Angebot zieht; Anxiety — welche Sorge vor dem Umstieg bremst; Habit — welche Gewohnheit am Alten festhält.

Der entscheidende Punkt: Push und Pull sind bei einem registrierten Nutzer bereits bewiesen — sonst hätte er sich nicht angemeldet. Wer nach der Registrierung stehen bleibt, wird von einer der beiden bremsenden Kräfte gehalten. Eine Zufriedenheitsfrage zum Assistenten hätte diesen Unterschied nie sichtbar gemacht.

KI-Creator

Das Ziel, in eigenen Worten eingegeben

„Ich will verstehen, warum neue Nutzer nach der Registrierung nicht weitermachen — bevor wir den Setup-Assistenten ein drittes Mal umbauen.“

usabiq schlägt vor

Methode
JTBD Switch Eignung 94 % misst Push, Pull, Anxiety und Habit — die Kräfte hinter einem steckengebliebenen Wechsel
Fragebogen
14 Fragen erzeugt vier Kräfte-Blöcke, zwei Freitextfelder, zwei Angaben zum bisherigen Vorgehen
Offene Frage
„Womit arbeiten Sie heute stattdessen — und was hat Sie daran gehindert, umzusteigen?“ fragt nach dem Ist-Zustand, nicht nach einer Bewertung des Produkts
Segmente
Menge der Bestandsdaten und Teamgröße zwei Angaben, die sich später als der entscheidende Schnitt erweisen sollten
Teilnahme
In-App-Hinweis und Mail nach 14 Tagen an Konten ohne Aktivität, ohne erneuten Login, ohne Gutschein als Anreiz

Der Bias-Check hat die ursprüngliche Einstiegsfrage markiert: „War der Einrichtungsprozess zu kompliziert?“ enthält bereits die Hausvermutung als Antwortvorgabe und hätte sie zuverlässig bestätigt.

Schritt 3 · Antworten sammeln

Zwölf Tage — inaktive Nutzer antworten besser als erwartet.

Die Annahme im Team war, dass sich abgesprungene Nutzer nicht mehr melden. Das Gegenteil trat ein: Wer aufgehört hat, hat meist einen konkreten Grund und nennt ihn bereitwillig, wenn ihn jemand fragt und keine Rückgewinnungsmail daraus macht.

Der Fragebogen war ausdrücklich ohne erneuten Login erreichbar — ein Login wäre für genau die Gruppe eine Hürde gewesen, die man erreichen wollte. Auf einen Anreiz wurde verzichtet, um keine Antworten von Leuten einzusammeln, die nur den Gutschein wollten.

260 auswertbare Antworten
17 % Antwortquote inaktiver Konten
12 Tage Feldzeit
3:15 Minuten Bearbeitung im Schnitt

Schritt 4 · Die Auswertung

Der Assistent wird gelobt. Trotzdem geht es nicht weiter.

Die Kräfte-Analyse und der Segmentschnitt zeigen dasselbe aus zwei Richtungen — und beide widersprechen der Hausvermutung.

Extrahierte Kräfte · JTBD Switch · 260 Antworten

Kraft Nennungen Stärke
Push — Auswertung im Altsystem zu langsam178hoch
Pull — automatische Berichte versprochen151hoch
Anxiety — Bestandsdaten müssten neu erfasst werden107hoch
Habit — Team arbeitet weiter in der alten Tabelle84mittel
Anxiety — unklar, wer intern zustimmen muss46mittel

Push und Pull sind stark — die Wechselabsicht war echt. Gebremst wird von einer Sorge, nicht von fehlender Motivation.

KI-Clustering der offenen Antworten

  • Datenübernahme aus dem Altsystem fehlt 107
    negativ · 41 %
  • Ich wollte erst intern abstimmen 61
    neutral · 23 %
  • Setup-Assistent war verständlich 44
    positiv · 17 %
  • Preis erst nach dem Setup klar 29
    negativ · 11 %
  • Kein Zeitfenster gefunden 19
    negativ · 7 %
Der Assistent war klar. Aber ich hätte 1.400 Kunden per Hand eintippen müssen — dafür habe ich keinen Nachmittag. Cluster: Datenübernahme fehlt · 107 Antworten

Segmentvergleich · Aktivierung nach Menge der Bestandsdaten

Bestandsdaten Aktiviert Delta
unter 100 Datensätze71 %+23
100 bis 1.00048 %0
über 1.00019 %−29
Solange die Kundenliste nicht drin ist, ist das Ding für uns leer. Und leer kann ich es niemandem im Team zeigen. Segment: über 1.000 Datensätze · 78 Antworten

Zwei Befunde stehen gegen die bisherige Annahme. Erstens: Der Setup-Assistent wird ausdrücklich gelobt — 44 Antworten nennen ihn positiv, kein einziges Cluster kritisiert ihn. Zwei Vereinfachungsrunden haben nichts bewirkt, weil dort nie das Problem lag.

Zweitens, und das ist der eigentliche Fund: Die Aktivierungsrate hängt fast linear an der Menge der Bestandsdaten. Wer unter 100 Datensätze mitbringt, aktiviert zu 71 %; wer über 1.000 hat, nur zu 19 %. Der Abbruch bei Schritt 3 ist kein Verständnisproblem, sondern eine Aufwandsschätzung: In dem Moment rechnet jemand aus, wie viele Stunden Abtippen vor ihm liegen — und legt das Vorhaben beiseite.

Genau deshalb war der Klickpfad irreführend. Er zeigt den Ausstieg an derselben Stelle, an der auch ein überfordeter Nutzer aussteigen würde. Erst die Segmentierung nach Datenmenge trennt die beiden Erklärungen — und nur eine davon hält stand.

Schritt 5 · Die Entscheidung

Kein Redesign. Ein Import.

Die Decision Engine bewertet jede Erkenntnis nach Wirkung, Häufigkeit, Kritikalität und Segment-Relevanz — und dreht die Quartalsplanung um.

  1. 1

    Problem Anxiety 107 · 41 % der offenen Nennungen

    CSV-Import direkt in den Setup-Assistenten

    Statt Schritt 3 weiter zu vereinfachen, bekommt er eine zweite Option: Datei hochladen, Spalten zuordnen, fertig. Der Hebel korreliert direkt mit der Aktivierungsrate und trifft das Segment mit dem größten Kundenwert.

  2. 2

    Chance Segment über 1.000 Datensätze · 19 % Aktivierung

    Betreute Datenübernahme als Angebot

    Für Konten mit mehr als 1.000 Datensätzen erscheint im Assistenten das Angebot „Wir übernehmen Ihre Daten“. Adressiert die Sorge dort, wo sie entsteht, und macht aus dem schwächsten Segment das mit dem höchsten Auftragswert.

  3. 3

    Quick Win 11 % der offenen Nennungen

    Preis vor dem Setup zeigen

    Reine Reihenfolgenänderung im Ablauf. 29 Personen haben das Setup begonnen und dann festgestellt, dass sie den Preis noch gar nicht kannten — und für eine unbekannte Summe keine interne Freigabe einholen wollten.

  4. —

    Verworfen Assistent in 44 Antworten positiv, in null negativ

    Dritte Vereinfachung des Setup-Assistenten

    War als Neugestaltung für das kommende Quartal eingeplant und hätte die halbe Produktentwicklung gebunden. Die Antworten geben dafür keinerlei Anlass — zwei vorherige Runden ohne Wirkung waren bereits ein Hinweis, den niemand deuten konnte.

Die Erhebung hat ein Quartal Produktentwicklung umgelenkt — von einer Neugestaltung, die zweimal nachweislich nichts bewirkt hatte, auf eine Funktion, die im Backlog unter „irgendwann“ lag.

Der Fragebogen läuft seitdem als Kampagne weiter: Jedes Konto, das nach 14 Tagen inaktiv ist, bekommt ihn automatisch. Aus einer einmaligen Erhebung wurde ein laufender Messpunkt, an dem sich ablesen lässt, ob der Import wirklich gewirkt hat.

Übertragen

Immer dann, wenn Optimieren nichts bringt.

  • Ihre Version der Frage: „Warum bleibt jemand stehen, der schon angefangen hat?“ Das gilt für Software-Onboarding genauso wie für einen Antrag, eine Anmeldung, eine Probemitgliedschaft oder eine begonnene Ausschreibung.
  • Zwei wirkungslose Optimierungsrunden sind ein Befund. Wenn eine plausible Maßnahme zweimal nichts bewegt, liegt die Ursache meist woanders — und keine dritte Runde wird sie finden.
  • Segmente vorher festlegen. Hier war die Menge der Bestandsdaten der Schlüssel. Ohne diese eine Zusatzangabe wäre aus 260 Antworten nur ein unscharfer Mittelwert geworden.

Fragen Sie die, die aufgehört haben.

JTBD Switch ist ab Decision Pro enthalten — 14 Tage zum Ausprobieren, ohne Kreditkarte.

Anfrage senden Weitere Fallbeispiele

Die Methode im Detail: JTBD Switch. Zum Nachlesen im Blog: Welche der vier JTBD-Varianten passt zu meiner Frage?