Was vorher fertig sein muss
Eine definierte North Star Metric oder Outcome-Hauptmetrik existiert, an der sich die AARRR-Stufen ausrichten lassen.
Eine grundlegende Funnel-Logik mit definierten Conversion-Punkten ist im Tracking implementiert.
Was vor Start vorliegen muss
Whiteboard oder Miro-Board mit fuenf Spalten (Acquisition, Activation, Retention, Referral, Revenue); Vorlage pro Stufe mit Feldern Definition, Metrik, Baseline, Ziel, Quelle; Tracking-Schema des Produkts.
Ein Owner (Head of Growth oder Product Lead); ein Datenanalyst mit Zugriff auf Produktanalytik; je eine Person aus Marketing, Product, Customer Success und Sales; Scribe.
Aktuelle Daten der letzten 90 Tage pro Stufe, sofern verfuegbar; Definition des Aktivierungs-Moments; bekannte Drop-off-Punkte; Kohorten-Reports zu Retention.
3-4 h
Spalten anlegen, Reihenfolge AARRR. Pro Stufe Definitions-Karte vorbereiten. Datenanalyst arbeitet parallel im BI-Tool und liefert Werte live in den Workshop.
Die eine Frage, die diese Methode beantwortet
Welche Metrik bildet jede AARRR-Stufe ab, wo liegt der groesste Hebel zum Engpass, und welche Experimente adressieren ihn?
Marker: Phase
| Schritt | Dauer | Aktion | Hinweis |
|---|---|---|---|
1Phase 1: Stufen-Definitionen | 30 min | Pro Stufe eine produktspezifische Definition: was zaehlt als Acquisition, was als Activation, was als Retention, Referral, Revenue. Beispielnutzer durchspielen. | Activation ist haeufig falsch gesetzt (zu frueh: Anmeldung; zu spaet: erster Kauf). Frage: nach welcher Aktion bleibt der Nutzer signifikant haeufiger? |
2Phase 2: Metriken und Baselines | 45 min | Pro Stufe eine Hauptmetrik plus 1-2 Sekundaermetriken. Aktuelle Werte aus dem BI-Tool eintragen. Conversion-Raten zwischen Stufen berechnen. | Wenn eine Stufe keine Metrik hat, liegt entweder kein Tracking vor oder die Stufe ist im Geschaeftsmodell irrelevant. Beides explizit machen. |
3Phase 3: Engpass identifizieren | 30 min | Conversion-Raten mit Benchmarks vergleichen (Branche, eigene Historie). Stufe mit groesster relativer Schwaeche markieren. Hypothese formulieren, warum sie der Engpass ist. | Der groesste absolute Drop ist nicht immer der wichtigste Engpass. Wenn 80% bei Acquisition aussteigen, aber die teuerste Stufe Retention ist, kann Retention der wertvollere Hebel sein. |
4Phase 4: Hypothesen und Experimente | 45 min | Pro Engpass 3-5 Hypothesen, je nach ICE oder RICE priorisiert. Pro Top-Hypothese ein Experiment skizzieren (Setup, Erfolgsmetrik, Dauer, Owner). | Hypothesen muessen die identifizierte Conversion-Rate adressieren, nicht eine andere Stufe verbessern. Vorher klar trennen: was misst Erfolg des Experiments. |
5Phase 5: Cadence und Rollout | 20 min | Wochen- oder Zwei-Wochen-Review der AARRR-Stufen fixieren. Dashboard-Layout mit fuenf Kacheln plus Conversion-Raten. Owner pro Stufe namentlich. | Ohne Cadence wird das Modell einmal ausgefuellt und verstaubt. Termin im Kalender sofort als Serie anlegen. |
Was am Ende rauskommt
AARRR-Dashboard mit fuenf Stufen, je Hauptmetrik, Sekundaermetriken, Baseline, Ziel, Owner und Trend; daneben Hypothesenbacklog mit Priorisierung und laufenden Experimenten.
Dashboard-Konfiguration im Code (z. B. Looker LookML). Quartals-Snapshot als Markdown-Bericht archivieren. Definitionsaenderungen einer Stufe versionieren und Aenderungsdatum sichtbar machen.
Kompakte Arbeitsvorlage für Pirate Metrics AARRR mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.
Strukturiert Wachstum über Acquisition, Activation, Retention, Referral und Revenue.
Wann und wofür nutzen wir diese Methode?
Welche Daten, Beobachtungen, Entscheidungen oder Materialien liegen vor?
Kurze Notizen entlang des Runsheets.
Owner, Datum und Erfolgssignal.
Konkret gefülltes Szenario, fiktives Beispiel
Konkret gefülltes Szenario, fiktives Beispiel
| Stufe | Definition | Metrik (90T) | Vorperiode | Trend |
|---|---|---|---|---|
| Acquisition | Erstbesuch der Landingpage | 18.400 Visits | 16.200 | +13% |
| Activation | Erste bestaetigte Buchung in 7 Tagen | 1.260 (6.8%) | 1.180 (7.3%) | -7% |
| Retention | Mindestens 1 Buchung in Folgewoche | 38% | 41% | -3pp |
| Referral | Eingeladene Person mit Activation | 7% | 6% | +1pp |
| Revenue | Bezahlende Nutzer im Monat | 412 (33%) | 388 (33%) | flat |
Engpass: Activation (Drop von 7.3% auf 6.8% trotz Traffic-Plus). Hypothese: Onboarding-Email-Sequenz wurde KW 14 geaendert, neue Variante erklaert Tagesbuchung nicht.
Top-Experiment: Onboarding-Email auf Vorgaengerversion zurueck plus Inline-Tutorial bei erster Suche. Erfolgsmetrik: Activation-Rate auf 7.5% in 4 Wochen. Owner: @lisa. Start: 25.05.
Cadence: Mittwochs 10:00, 30 min, Owner pro Stufe gibt 2-Minuten-Update.
Symptome erkennen, gegensteuern
Activation-Rate sieht gut aus, aber Retention bricht trotzdem ein.
Aha-Moment empirisch finden: welche Aktion korreliert am staerksten mit Retention nach 4 Wochen? Diese Aktion wird Activation-Definition.
Mehrere Teams arbeiten gleichzeitig an allen Stufen, Lernrate sinkt, Effekte ueberlagern sich.
Fokus auf den Engpass setzen. Andere Stufen werden gehalten, nicht optimiert. Engpass-Wechsel nur nach klarem Verbesserungsnachweis.
Energie fliesst in Referral-Programme, obwohl Activation oder Retention noch schwach sind.
Referral-Stufe erst optimieren, wenn Activation und Retention stabil sind. Referral verstaerkt nur, was schon funktioniert.
Revenue steigt durch Erstkaeufe, Cohort-LTV faellt, Kunden kuendigen nach 2-3 Monaten.
Revenue immer kohortenbasiert betrachten. Monatlicher Revenue ohne Kohorten-LTV ist Vanity. Retention-Stufe ist Vorbedingung fuer nachhaltigen Revenue.
Marketing-Dashboard zeigt andere Zahl als Product-Analytics, Diskussion verliert sich in Methodik.
Eine kanonische Quelle pro Stufe festlegen. Definition als Code (SQL oder Tool-Konfiguration) versionieren. Andere Tools nutzen dieselbe Definition oder werden abgeschaltet.
Done-Signale, in unter einer Minute prüfbar
Zum Steckbrief für Zweck, ähnliche Methoden und Quellen oder direkt zur nächsten Methode im Katalog.