KI im Product Growth Hacking: Ohne saubere Daten skaliert PLG nicht

Wer Verhaltensdaten von Hand auswertet, sieht den Einbruch zu spät. Bis die Analystin den schwachen Schritt im Funnel gefunden hat, ist die Kohorte schon weg. In einem Produkt mit Product-led Growth (PLG) hinterlässt jede Aktion eine Spur, und KI kann daraus eine Prognose machen, die früh genug kommt. Das gelingt allerdings nur auf sauberen Daten und mit Experimenten, die Ursache und Begleitsignal trennen.

Klassisches Growth Hacking lebte von Bauchgefühl und schnellen Tests. Heute kommen maschinelles Lernen, Prognosen aus Daten und automatische Entscheidungen dazu. Gesucht wird, was wirklich mehr Nutzer bringt, sie zum ersten Erfolg führt, hält und zahlen lässt. In reifen Teams arbeitet die KI wie ein zweiter Pilot: Sie erkennt Muster, die Menschen übersehen, schlägt den nächsten Schritt vor und justiert das Nutzererlebnis laufend nach.

Von der Vermutung zur Steuerung

Das eigentliche Problem ist die Datenmenge. Ein Produkt erzeugt unzählige Ereignisse auf allen Geräten und Wegen. Ohne ein System, das sie deutet, bleibt nur Rauschen. KI findet darin Zusammenhänge. Daraus lassen sich Annahmen ableiten, die man testen kann, und die Hebel mit den besten Aussichten werden sichtbar.

Der praktische Gewinn: Die Analyse beschreibt nicht mehr nur, sie empfiehlt. Neben „Was ist passiert?“ beantwortet das System immer öfter auch „Was sollten wir jetzt tun?“. Statt starrer Dashboards gibt es einen Kreislauf aus Prüfen und Verbessern. Das Team prognostiziert ein Ergebnis und greift ein, bevor die Aktivierung einbricht oder Kunden abwandern.

Offen bleibt die Frage nach der Kausalität. Ein Modell, das Korrelationen findet, sagt nicht, welcher Hebel das Ergebnis tatsächlich bewegt. Es zeigt nur, was bisher gemeinsam auftrat. Erst gezielte Experimente trennen den Hebel vom bloßen Begleitsignal. Davon hängt ab, ob „präskriptiv“ eine belastbare Empfehlung meint oder eine gut formulierte Vermutung, die im nächsten Quartal teuer wird.

Wo im Loop die KI ansetzt

Akquisition. Hier zählen die richtigen Nutzer mehr als viele. KI sortiert Interessenten danach, wie wahrscheinlich sie kaufen. Sie verschiebt Werbebudget dorthin, wo es am meisten einbringt (Return on Ad Spend, ROAS), und passt den Einstieg an das an, was der Nutzer erkennbar vorhat. Statt mit der Gießkanne erreicht man gezielt die Kunden, die zum idealen Kundenprofil (ICP) passen.

Der Haken: Das Modell bestätigt sich selbst. Es lernt aus den Nutzern, die früher gekauft haben, und sucht immer wieder dieselbe Zielgruppe. Wer stur die wahrscheinlichsten Käufer nach oben sortiert, sperrt sich in die eigene Blase ein. Segmente, die der Vertrieb nie bearbeitet hat, bleiben unsichtbar. Abhilfe schafft eine regelmäßige Prüfung gegen frische Kohorten und ein kleines Explorationsbudget für untypische Profile.

Aktivierung. Das ist der Moment, in dem Nutzer zum ersten Mal Wert erleben. KI sagt voraus, wer aktiviert und wer früh abspringt. Sie erkennt Gruppen mit ähnlichem Verhalten und zeigt jeder Gruppe passende Hinweise, kurze Rundgänge durch Funktionen oder Inhalte. Aus dem starren Einstiegsablauf wird ein Weg, der Inhalt, Kanal und Zeitpunkt an den Nutzer anpasst.

Vorher muss der Aktivierungsmoment sauber definiert sein: der konkrete Schritt, nach dem die spätere Bindung messbar steigt. Viele Teams liegen hier daneben. Sie behandeln das Ende des Onboardings als Aktivierung, obwohl der Wert-Moment woanders liegt, etwa beim ersten geteilten Dokument oder bei der dritten Sitzung innerhalb einer Woche. Die KI kann Kandidaten vorschlagen, indem sie prüft, welche frühen Handlungen am stärksten mit langfristiger Bindung zusammenhängen. Welcher davon kausal wirkt, klärt erst ein Experiment.

Bindung. KI prognostiziert Abwanderung aus Verhaltensmustern, empfiehlt Rückgewinnungsaktionen per E-Mail, Push oder In-App-Nachricht und personalisiert, welche Features ein Segment sieht. Zusammen mit Engagement-Schleifen entsteht ein Bindungssystem, das sich selbst nachjustiert.

Eine Churn-Prognose ist aber nur so viel wert wie die Aktion danach. Dort sitzt ein unterschätzter Zielkonflikt. Ein Modell, das zu großzügig Abwanderer meldet, überschüttet zufriedene Nutzer mit Rabatten. Es trainiert sie geradezu darauf, mit Kündigung zu drohen. Ein zu vorsichtiges Modell greift erst, wenn die Entscheidung gefallen ist. Wie streng das Modell sein soll, klingt nach einer technischen Frage. Es ist aber eine Produktentscheidung, die direkt Geld kostet. Und wer eingreift, braucht eine Kontrollgruppe. Sonst zählt er Nutzer, die ohnehin geblieben wären, als Rettungserfolg. Ein Rechenbeispiel mit erfundenen Zahlen, wie alle in diesem Text: Von 1.000 als gefährdet markierten Nutzern bleiben nach einer Rabattaktion 700. Ohne Kontrollgruppe sieht das nach 700 Rettungen aus. Bleiben in der Kontrollgruppe ohne Rabatt 650 von 1.000, hat die Aktion 50 Nutzer gehalten und den Rabatt an 650 weitere verschenkt.

Monetarisierung. Sie bleibt oft das am wenigsten genutzte Glied. KI macht sie strategischer: Preisgestaltung nach Segmenten, das richtige Timing für Upsell und Cross-Sell, frühe Warnung vor Umsatzrisiken, wenn das Engagement sinkt. Für Abo-Modelle wird die Prognose des Kundenwerts (CLV) zum zentralen Baustein.

Ein Mittelwert verdeckt zwei Bewegungen im CLV

Ein CLV, der einfach den bisherigen Durchschnittsumsatz fortschreibt, liegt oft falsch. Bei wachsenden Kohorten ist er zu niedrig, bei schrumpfenden zu hoch. Beides führt zu falschen Budget- und Preisentscheidungen. Verlässlicher wird die Prognose, wenn man je Segment drei Dinge getrennt rechnet: wie lange Kunden bleiben, wie viel sie später zusätzlich kaufen und was ihre Betreuung kostet. Erst dann führt man sie zusammen.

Bei KI-Funktionen zählen die Kosten doppelt. Ein sehr aktiver Nutzer bringt mehr Wert, verbraucht aber auch mehr Rechenleistung, und die kostet bei jeder Anfrage Geld.

Die Rechnung in ihren Bestandteilen:

CLV = ARPU × Bruttomarge × Lebensdauer minus Bedienkosten, mit Lebensdauer ≈ 1 / monatliche Abwanderung.

Für ein Segment mit 40 €/Monat ARPU, 75 Prozent Marge und 4 Prozent monatlicher Abwanderung:

• Lebensdauer: 1 / 0,04 = 25 Monate;
• CLV auf Margenbasis vor Kosten: 40 × 0,75 × 25 = 750 €;
• KI-Inferenz- und Supportkosten von 8 €/Monat über 25 Monate = 200 €;
• CLV nach Kosten: 750 minus 200 = 550 €.

Warum getrennt rechnen? In einer wachsenden Kohorte steigt die Lebensdauer, in einer besonders aktiven steigen die Bedienkosten. Ein einzelner Mittelwert verdeckt beide Bewegungen. Er begründet Budgets mit einer Zahl, die für kein reales Segment stimmt.

Wie stark die Bedienkosten durchschlagen, zeigt dieselbe Rechnung für Vielnutzer. Verbraucht ein Segment 20 statt 8 Euro Inferenz im Monat, sinkt der CLV nach Kosten auf 750 minus 500, also 250 Euro, auf weniger als die Hälfte. Dasselbe Produkt, derselbe Preis: ein Segment trägt das Wachstum, das andere subventioniert es.

Ein North Star, der langsamer lernt als das Modell

Vier einzeln optimierte Stationen ergeben noch keinen Loop. Die North Star Metric gibt dem Produkt die gemeinsame Richtung vor, wird aber oft als feste Zahl behandelt. Mit KI wird sie beweglich. Das System prüft laufend, welche Aktionen langfristig am meisten bewirken, und passt die Gewichtung der Komponenten an.

Dahinter steht ein Kreislauf: Verhalten und Käufe beobachten, Ergebnisse vorhersagen, gezielt eingreifen, aus dem Ergebnis lernen. Ob die nächste Runde bessere Entscheidungen bringt, prüft das Team an vorher festgelegten Kennzahlen. Durch die Wiederholung summieren sich kleine Gewinne, wie beim Zinseszins. Das schafft kein einzelner „Hack“.

Ein sich selbst nachjustierender North Star hat eine Schattenseite. Bewegt sich die Zielmarke zu schnell, verliert das Team seinen Bezugspunkt. Es jagt Quartal für Quartal einer neu gewichteten Kennzahl hinterher und weiß nie, ob es besser geworden ist oder nur die Definition geändert hat. Ein bewusst träger North Star, dessen Gewichtung selten und begründet angepasst wird, trägt weiter.

Bayes und Bandits verschieben die Fehler, statt sie abzuschaffen

Von Hand kann ein Team nur wenige Varianten sauber testen und auswerten. KI verschiebt diese Grenze. Tests mit vielen Kombinationen auf einmal (multivariate Tests) werden machbar. Bayessche Verfahren können schneller einen ausreichend sicheren Gewinner finden. Generative KI erstellt die Varianten selbst. Das Team definiert Hypothesen und Kriterien, das System übernimmt einen Teil des Testbetriebs.

Die Fehlerquellen bleiben, sie liegen nur an anderer Stelle. Bayessche Verfahren verführen dazu, ständig auf Zwischenstände zu schauen und beim ersten grünen Ausschlag zu stoppen. Das treibt die Rate falscher Gewinner nach oben. Jeder Blick auf den Zwischenstand ist eine weitere Gelegenheit für den Zufall, die Schwelle zu überschreiten. Wer laufend schauen will, braucht deshalb ein Auswertungsverfahren, das genau dafür gebaut ist, und legt es vor dem Start fest.

Sogenannte Multi-armed Bandits schicken schon während des Tests mehr Besucher auf die Variante, die gerade vorne liegt. Sie passen, wenn schnelle Ausbeute zählt, etwa bei einer Rabattaktion über ein Wochenende. Für eine saubere Effektschätzung oder langsam wirkende Änderungen sind sie die schlechtere Wahl.

Hinzu kommt der Neuheitseffekt. Sichtbare Neuerungen zeigen anfangs oft einen Ausschlag, der später nachlässt. Nutzer klicken auf das Neue, weil es neu ist, und gewöhnen sich dann daran. Wer zu früh auswertet, verbucht diesen Neuheitseffekt als dauerhaften Gewinn. Angenommen, eine neue Startseite hebt die Klickrate in der ersten Woche um 8 Prozent, in der vierten nur noch um 2 Prozent. Wer nach sieben Tagen entscheidet, plant mit einem Effekt, der viermal zu groß ist. Mindestens zwei volle Nutzungszyklen Testdauer schützen davor.

Ein Betriebssystem für Wachstum mit KI

Daten, Modelle, Tests und Ansprache hängen voneinander ab, und Teams, die es ernst meinen, überlassen sie nicht dem Zufall gewachsener Tool-Landschaften. Sie bauen ein sogenanntes AI Growth OS auf, mit klaren Verantwortlichkeiten pro Schicht:

Die konkrete Toolauswahl zählt weniger als die Kohärenz zwischen den Schichten. Ohne verlässliche Daten an der Basis liefert kein Prognosemodell Wert, und ohne Governance wird Personalisierung zum Risiko.

Der schwächste Punkt liegt meist in der Datenbasis. Ein doppelt gezähltes Ereignis, eine nach einem Release verrutschte Tracking-Definition oder inkonsistente Nutzer-IDs über Geräte hinweg genügen. Die Churn- oder CLV-Prognose liegt dann leise daneben, ohne je einen Fehler zu melden. Governance ist deshalb mehr als Compliance. Sie ist die Bedingung dafür, dass die Vorhersagen weiter oben überhaupt etwas bedeuten. Personalisierung auf unsauberen Daten skaliert vor allem den Irrtum.

KI führt aus, der Mensch zieht die Grenzen

So weit die Automatisierung reicht, der Produktstratege bleibt in der Gleichung. Nur seine Aufgabe verschiebt sich. KI führt in großem Maßstab aus. Menschen kennen den Kontext, den kein Trainingsdatensatz enthält. PLG wird deshalb zunehmend von hybriden Teams getragen, in denen der Algorithmus Volumen und Tempo übernimmt und Menschen über Richtung und Priorität entscheiden.

Diese Arbeitsteilung hat eine Kehrseite. Ein Modell optimiert genau die Kennzahl, die man ihm gibt. Bekommt es eine kurzfristige Conversion-Rate, findet es zuverlässig auch drängende Pop-ups, irreführende Voreinstellungen und aggressive Erinnerungen. Sie heben die Zahl kurzfristig und kosten langfristig Vertrauen. Jeder einzelne Test sieht dabei harmlos aus: ein Pop-up für den Newsletter hier, ein Rabatt auf die erste Bestellung dort. Erst in der Summe merkt man, dass das Produkt lästiger geworden ist, und in keinem der Tests stand diese Summe auf dem Prüfstand.

Die menschliche Aufgabe besteht deshalb im Setzen der Leitplanken: welche Kennzahl zählt, welche Manöver tabu sind und wann ein statistisch sauberer Gewinn dem Nutzer trotzdem schadet. Diese Grenzen kann kein Modell für sich selbst ziehen.

Frühe Growth Hacker nutzten technische Tricks aus, heutige Teams bauen Schleifen aus Verhalten, Analyse und Betrieb. Die Reihenfolge ergibt sich aus den Abschnitten oben:

1. Aktivierungsmoment definieren und Tracking bereinigen.
2. Für jede Intervention eine Kontrollgruppe vorsehen.
3. Erst danach Lead-Scoring, Churn-Prognosen und automatisierte Tests an echte Entscheidungen koppeln.
4. Einen bewusst trägen North Star als Bezugspunkt halten.

Der träge North Star ist kein Schönheitsfehler. Er sorgt dafür, dass ein Modell, das eine Woche lang Aktivierungen hochtreibt, erst dann als Erfolg zählt, wenn die Kohorte Wochen später noch aktiv ist. Genau diese Verzögerung nimmt den drängenden Pop-ups ihren Reiz.