Eine definierte North Star Metric oder Outcome-Hauptmetrik existiert, an der sich die AARRR-Stufen ausrichten lassen.
Pirate Metrics AARRR
Vorbedingung
Was vorher fertig sein muss
Eine grundlegende Funnel-Logik mit definierten Conversion-Punkten ist im Tracking implementiert.
Vorbereitung
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.
Kernfrage
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?
Ablauf
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. |
Artefakt
Was am Ende rauskommt
AARRR-Dashboard mit fuenf Stufen, je Hauptmetrik, Sekundaermetriken, Baseline, Ziel, Owner und Trend; daneben Hypothesenbacklog mit Priorisierung und laufenden Experimenten.
- Amplitude oder Mixpanel mit AARRR-Funnel-Report
- Looker- oder Tableau-Dashboard mit fuenf Stufen-Kacheln
- Notion-Seite mit Tabelle und Sparklines
- Statsig oder Heap fuer Experiment-Integration
Dashboard-Konfiguration im Code (z. B. Looker LookML). Quartals-Snapshot als Markdown-Bericht archivieren. Definitionsaenderungen einer Stufe versionieren und Aenderungsdatum sichtbar machen.
Pirate Metrics AARRR Arbeitsvorlage
Kompakte Arbeitsvorlage für Pirate Metrics AARRR mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.
# Pirate Metrics AARRR Arbeitsvorlage
## Ziel
Strukturiert Wachstum über Acquisition, Activation, Retention, Referral und Revenue.
## Kontext
Wann und wofür nutzen wir diese Methode?
## Input
Welche Daten, Beobachtungen, Entscheidungen oder Materialien liegen vor?
## Durchführung
Kurze Notizen entlang des Run Sheets.
## Ergebnisartefakte
- AARRR Funnel:
- Metric Baseline:
- Experiment Backlog:
## Annahmen und offene Fragen
- ...
## Entscheidung / Nächster Schritt
Owner, Datum und Erfolgssignal.Beispielausgabe
Konkret gefülltes Szenario
## AARRR - SaaS Workspot, Mai 2026
| 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.Stolperfallen
Symptome erkennen, gegensteuern
Activation zu frueh oder zu spaet definiert
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.
Stufen werden parallel optimiert
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.
Referral wird ueberbewertet
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 ohne Retention
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.
Tracking-Definitionen weichen pro Tool ab
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.
Abbruchkriterien
Done-Signale, in unter einer Minute prüfbar
Run Sheet durchgearbeitet?
Zum Steckbrief für Zweck, ähnliche Methoden und Quellen — oder direkt zur nächsten Methode im Katalog.