Was vorher fertig sein muss
Ein dokumentiertes JTBD-Statement oder vergleichbares Nutzerverständnis liegt vor, sodass Trigger und Reward an realen Nutzerzielen ansetzen.
Eine North Star Metric oder vergleichbare Outcome-Metrik, an der sich Engagement-Wirkung messen lässt, ist gesetzt.
Was vor Start vorliegen muss
Hooked-Canvas mit vier Feldern (Trigger, Action, Variable Reward, Investment); Analytics-Setup für Engagement-Metriken; User-Research-Auszüge (Quotes, Verhaltensdaten); Ethik-Check-Liste (z. B. Nirs Manipulation Matrix); Tracking-Tool für Loop-Iterationen.
Ein Product Lead oder Growth Lead als Owner; Designer für Reward- und Action-Mechaniken; Engineer für Trigger und Investment; ein Ethik-Reviewer (intern oder extern); optional Behavioral Designer.
JTBD und Nutzersegmente; North Star Metric; aktuelle Engagement-Daten (DAU/MAU, Retention-Kurven, Frequenz); Hooked-Theorie-Briefing fürs Team; bekannte Manipulationsrisiken in der Domäne.
Mehrere Workshops über Wochen plus iterative Loops
Canvas an Wand oder im Board. Manipulation Matrix als Pflicht-Sektion. Engagement-Metriken sichtbar. Definition Done für Loop-Design: nicht nur Mechanik, auch Ethik-Check signiert.
Die eine Frage, die diese Methode beantwortet
Welcher Hooked-Loop verbindet Trigger, Action, Variable Reward und Investment so, dass Nutzergewohnheiten entstehen, die ihnen wirklich helfen und keine Manipulation erzeugen?
Marker: Phase
| Schritt | Dauer | Aktion | Hinweis |
|---|---|---|---|
1Phase 1: Trigger identifizieren | 60-90 min | Externe Trigger (Notification, Email, Werbung, Empfehlung) und interne Trigger (Emotion wie Langeweile, Sorge, Neugier) für Zielsegment auflisten. Pro Trigger Häufigkeit und Stärke schätzen. Top 3 externe und 2 interne markieren. | Wer nur externe Trigger plant, baut Push-Apps. Habit entsteht durch internen Trigger. Ohne mindestens einen plausiblen internen Trigger ist der Loop fragil. |
2Phase 2: Action minimieren | 60-90 min | Action so reduzieren, dass sie mit minimaler Reibung erfolgt (Fogg-Modell: Motivation × Ability × Trigger). Friktionspunkte auflisten. Pro Friktion: kann sie weg, automatisiert, schneller gemacht werden? | Friktion wegnehmen heißt nicht, jeden Click sparen. Manche Friktion schützt vor Fehlern. Friktion vor wertvollen Aktionen (Zahlung, Löschen) bleibt. |
3Phase 3: Variable Reward | 60-90 min | Drei Reward-Typen prüfen: Tribe (soziale Anerkennung), Hunt (Information, Material), Self (Kompetenzgefühl). Pro Aktion einen oder zwei Reward-Typen designen. Variabilität sicherstellen (nicht jeder Click gleicher Reward). | Variabilität ist der Hebel. Konstanter Reward wird langweilig. Aber Variabilität allein kann süchtig machen. Pro Reward die Frage: ist das Variable Element für Nutzer oder gegen sie? |
4Phase 4: Investment | 45-60 min | Investment-Punkte designen: User hinterlässt Daten, Inhalte, soziale Verbindungen, Konfiguration. Pro Investment: erhöht es Trigger für nächste Iteration? Reichert es Reward an? | Investment ohne Bezug zu späteren Triggern oder Rewards ist nutzloser Sammelzwang. Loop schließt sich, wenn Investment den nächsten Trigger heißer macht. |
5Phase 5: Ethik-Check (Manipulation Matrix) | 60-90 min | Pro Loop-Element zwei Fragen: (1) Würde der Designer dieses Loop selbst nutzen? (2) Hilft es dem Nutzer wirklich? Vier Quadranten: Facilitator, Peddler, Entertainer, Dealer. Dealer-Mechaniken streichen. | Wer den Check skippt, baut früher oder später Dark Patterns. Mindestens einen externen Ethik-Reviewer einbinden. Streichungen schriftlich begründen. |
6Phase 6: Loop testen und messen | Mehrere Wochen Live-Test | Loop in MVP-Form bauen. Engagement-Metriken (Frequenz, Wiederkehrrate, Tageszeit-Verteilung) plus Wert-Metriken (Aufgaben gelöst, JTBD-Outcome) messen. Wenn Engagement steigt aber Wert nicht, Loop überdenken. | Engagement ohne Wert ist Warnzeichen. Wenn DAU steigt, aber NPS oder JTBD-Erfolg gleichbleiben, ist Loop manipulativ. Stop und Redesign. |
Was am Ende rauskommt
Hooked-Canvas (vier Felder mit konkreten Mechaniken), Manipulation-Matrix mit Bewertung pro Loop-Element, Engagement- und Wert-Metriken-Dashboard, Test-Plan und Iterations-Backlog.
Pro Loop-Iteration Datum und Version. Manipulation-Matrix versioniert mit Reviewer-Signature. Engagement-Daten mit Mess-Zeitraum. Loop-Updates mit Begründung dokumentiert, nicht überschrieben.
Kompakte Arbeitsvorlage für Hooked Model mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.
# Hooked Model Canvas
## Kontext
Wofür wird die Methode eingesetzt?
## Kernfrage
Welche Frage soll am Ende beantwortet sein?
## Input
Welche Daten, Beobachtungen oder Materialien liegen vor?
## Arbeitsfläche
- Bereich 1:
- Bereich 2:
- Bereich 3:
- Beziehungen / Muster:
## Ergebnisartefakte
- Hooked Loop:
- Trigger-Map:
- Reward-Design:
- Ethik-Check:
## Offene Fragen
- ...
## Nächster Schritt
Owner, Datum, Erfolgssignal.Konkret gefülltes Szenario
## Hooked-Loop — Onboarding-Aufgaben für Solo-Selbstständige (v0.2, 18.05.2026)
**Trigger**:
- Extern: Push „Du hast 3 unverarbeitete Belege.“ (täglich 18:00).
- Intern: Sorge „Bin ich steuerlich auf Kurs?“ (häufiger zum Monatsende).
**Action**:
- Beleg per Foto in unter 30 s erfassen. Friktion reduziert: Foto-Auto-Crop, Kategorie-Vorschlag, ein Klick zur Bestätigung.
**Variable Reward**:
- Hunt: nach Beleg Update der Steuer-Restzahl (variable Veränderung, manchmal kleiner, manchmal größer Effekt).
- Self: Streak „4 Wochen ohne Beleg-Stau“. Variabel: gelegentlich Mini-Confetti-Animation, gelegentlich Text-Tipp.
**Investment**:
- Belegdaten erhöhen Genauigkeit der Steuerprognose.
- Kategorisierung trainiert KI für eigenen Stil.
- Belegmenge macht künftige Trigger relevanter („du erfasst Materialkosten meistens Freitag, soll ich Freitag erinnern?“).
**Manipulation-Matrix-Check (Reviewer @sabine extern)**:
- Designer würde Loop selbst nutzen? Ja.
- Hilft es Nutzer? Ja, JTBD ist „Steuer-Klarheit“.
- Quadrant: Facilitator. OK.
- Streichung: ursprünglich geplante FOMO-Notification „Andere haben heute schon erfasst“ entfernt (Peddler-Tendenz, kein Mehrwert).
**Live-Metriken** (4 Wochen Test):
- Engagement: Tägliche Beleg-Erfassung von 0.3 auf 1.4 pro DAU.
- Wert: 78% der Nutzer kennen ihren Steuerstand auf 100 EUR genau (Survey-Frage).
- Beide gestiegen. Loop wird auf 100% Traffic ausgerollt.Symptome erkennen, gegensteuern
Loop besteht aus Push-Notifications, keine interne Trigger-Verankerung.
Interne Trigger explizit modellieren (Emotion, Situation, Routine). Wenn nicht auffindbar, JTBD vertiefen. Push allein erzeugt Müdigkeit, keine Habit.
DAU/MAU steigen, aber Outcome-Metrik oder NPS bewegen sich nicht, oder sinken.
Wert-Metrik gleichberechtigt mit Engagement-Metrik tracken. Wenn nur Engagement steigt, Loop redesignen. Dark Patterns sind keine Innovation.
Reward-Variabilität gleicht Slot-Machine, Nutzer fühlen sich getrieben, nicht bereichert.
Variabilität an Wert koppeln, nicht an Zufall ohne Sinn. Slot-Machine-Mechaniken (Pull-to-Refresh ohne Inhalt) streichen oder mit echter Information füllen.
Manipulation-Matrix wird durchgewunken, alle Loops landen im Facilitator-Quadranten.
Mindestens einen externen Reviewer. Pro Loop-Element ehrliche Antwort. Wer als „Würde ich selbst nutzen?“ Nein sagt, muss Element ändern.
Auch vor riskanten Aktionen (Zahlung, Datenlöschung) ist keine Friktion mehr, Fehler häufen sich.
Friktion ist nicht generell Feind. Vor wertvollen oder gefährlichen Aktionen Bestätigungs-Schritt. Friktion-Reduktion nur bei wiederkehrender niedrigwertiger Aktion.
User hinterlassen Daten, aber spätere Trigger werden nicht relevanter.
Investment-Daten in spätere Trigger und Rewards einspeisen. Wenn Daten nur Sammeltrieb sind, ist Investment ungenutzt.
Done-Signale, in unter einer Minute prüfbar
Zum Steckbrief für Zweck, ähnliche Methoden und Quellen — oder direkt zur nächsten Methode im Katalog.