Portalbeitrag

Analytics-getriebene Entwicklung innovativer digitaler Medien-Produkte mit Design-Thinking

Keywords: Analytics, Design Thinking, Innovation, Digitale Medien-Produkte

Abstract

Viele Markteinführungen neuer Medien-Produkte scheitern vielfach an zu geringer „Passgenauigkeit" für die Konsumenten, sowohl hinsichtlich der Innovationswertigkeit, der Nutzenqualität als auch generellen Abstimmung an den heutigen Konsumenten. Traditionelle Produktentwicklungs-Vorgehensweisen erscheinen in vielen Fällen nicht mehr als ausreichend, zudem erlauben Sie in vielen Fällen weder notwendige Iterationen als auch die Integration einer analytics-getriebenen „Vermessung" bei digitalen Medien-Produkten. Dieser Beitrag soll eine integrierte analytics-getriebene Entwicklung innovativer digitaler Medien-Produkte mit Design-Thinking aufzeigen.

1. Einleitung

Ein zu hoher Prozentsatz von Markteinführungen neuer Medien-Produkte, wie auch vieler anderer Produkte, können sich nicht am Markt etablieren bzw. ausreichend lange am Markt halten. Vorrangig durch den stetig anwachsenden Innovationsdruck und der damit verbundenen notwendigen Zunahme der Innovationsgeschwindigkeit und einer oft „labilen" Konsumenten-Produkt-Passung ist der Einsatz traditioneller Produktentwicklungs-Vorgehensweisen in vielen Fällen nicht mehr adäquat. Hinzu kommt eine extreme Schwankung von Persona-Eigenschaften sowie Handlungs-Muster heutiger Prosumer (Konsument und Produzent). Das Messen und Analysieren geeigneter Kennzahlen im Vorfeld, zum Beispiel die Befragung einer Stichprobe aus der Zielgruppe im Kontext klassischer Marktforschung, sowie im Nachgang, zum Beispiel das Überwachen und Protokollieren (Tracken) des Ziel-Verhaltens in einem Social-Media-Produkt, genügen diesen Ansprüchen nicht mehr. Neue Medien-Innovationen benötigen heute, dass bereits bei bzw. noch vor der Ausgestaltung spezifischer Produkt- und Service-Eigenschaften, die Fragen nach den geeigneten Messgrößen bzw. -methoden in einem analytics-getriebenen Ansatz gestellt werden. Ein integratives Konzept einer analytics-getriebenen Entwicklung soll in diesem Beitrag in seiner Systematik mit Design-Thinking erläutert werden. Design-Thinking ist eine mittlerweile insbesondere in IT-Unternehmen weitverbreitete Vorgehensweise zur Entwicklung innovativer Lösungen komplexer Probleme. Dabei spielen insbesondere iterative Prozesse, multidisziplinäre Teams, design-orientiertes Vorgehen, radikale Kollaboration, Einsatz unterschiedlichster Methoden und kreativitätsfördernde Umgebungen eine große Rolle und bieten damit eine Nahtstelle für einen analytics-getriebenen Ansatz. Dies gilt gleichermaßen für Produkte als auch für Services und deren Kombinationen.

2. Innovative Medien-Produkte

Eine schiere Unmenge an Definitionen des Begriffs „Innovation" lassen sich in der Literatur wiederfinden. Ich möchte hier in diesem Kontext, wohl wissentlich einer möglichen Unschärfe in Anlehnung an Hans-Jörg Bullinger, dem ehemaligen Präsidenten der Fraunhofer-Gesellschaft, „Innovation als die Umsetzung neuer Ideen in einen wirtschaftlichen Erfolg" bezeichnen. Die Herausforderung besteht dabei nicht vorrangig in der Generierung neuer Ideen, sondern in der so schwierigen Umsetzung in einen wirtschaftlichen Erfolg. Neben den klassischen Methoden, wie zum Beispiel der Wettbewerbsanalyse, der Lead-User-/Kunden-Befragungen usw., existieren mittlerweile viele neuere Methoden, wie zum Beispiel die Nutzung von Ideenportalen, der Einsatz von Open Innovation-/Ideen-Crowdsourcing-Strategien oder das Ideen-Scouting usw., die die eigene Entwicklung von Ideen nicht mehr zwangsläufig notwendig machen.

Unabhängig der zunehmenden Divergenz der Ausgabekanäle und seinen Begleiterscheinungen, haben Medien-Produkte in den vergangenen Jahren immense Umwälzungen durchlaufen, so hat sich in vielen Bereichen des Medien-Umfeldes, insbesondere im Online-Bereich als auch im Mobile-Bereich, die Grenze von Produkt und Dienstleistung vielfach aufgelöst. Eine ganzheitliche bzw. schalenartige Produkt-Betrachtung (Moore 2006: 108-114) über das rein generische Produkt hinaus, hilft einen Produkt-Raum aufzuspannen, der es erlaubt, diese Grenze im praktischen Kontext nicht ziehen zu müssen. Des Weiteren erlaubt es die Produkt-Raum-Definition nicht nur die Grenzen zwischen Produkt und Dienstleistung aufzulösen, sondern auch eine gezielt entwickelte Produkt-Kultur mit in den Produkt-Raum aufzunehmen. Zur Vereinfachung soll deshalb im weiteren Beitrag nur von Produkt gesprochen werden. Ein Beispiel für solch einen Produkt-Raum wäre das generische Produkt Apple iPod touch und in der Erweiterung Apple iTunes-Portal zur Verwaltung und Bezug von Musik-Titeln, sowie des Apple AppStore zur Individualisierung bzw. Customizing des generischen Produktes durch unterschiedlich zur Verfügung stehende Software-Apps, vervollständigt durch die gezielte Etablierung und Entwicklung einer Produkt-Kultur rund um die Marke Apple.

Betrachtet man die Erlösmodelle der den Medien-Produkten zugrunde liegenden Geschäftsmodelle, so entstanden auch dort eine Vielzahl neuer Ansätze innerhalb des Produktraumes. Neben dem klassischen Modell „Erlös erfolgt mittels Kauf des Produktes durch Produktnutzer" gibt es u.a. Freemium-Erlösmodelle, anzeigen-basierte Erlösmodelle, zeitlich-, räumlich- und transaktions-basierte Erlösmodelle, vordergründig „kostenlose" Erlösmodelle in denen der Produkt-Nutzer nicht zwangsläufig bzw. offensichtlich der „Zahlende" ist.

Es wird erkennbar, dass die Komplexität gerade im Umfeld von Medien-Produkten innerhalb dieser Produkt-Räume immens zugenommen hat und andere Produktentwicklungsmethoden notwendig sind, um dem Anspruch des Begriffes Innovation gerecht zu werden.

3. Klassische Ansätze zur Produktentwicklung und Ursachen des Scheiterns

Unabhängig der Vielzahl an Variationen lassen sich im Technologie-Umfeld immer noch 2 grundlegende klassische Ansätze der Produktentwicklung unterscheiden. Zum einen ist dies der Technology-Push-Ansatz und zum anderen der Market-Pull-Ansatz (Meffert / Bruhn 2012: 256).

Beim Technology-Push-Ansatz werden vereinfacht ausgedrückt neue Technologien durch klassische Grundlagenforschung im oder außerhalb des Unternehmens entwickelt. Es werden darauf basierend neue Produkte mit diesen neuen Technologien entwickelt und produziert. Durch klassisches Marketing und Vertriebsaktivitäten wird das Produkt dem Markt verfügbar gemacht. Im Gegensatz dazu werden beim Market-Pull-Ansatz durch Marktforschung Kundenbedürfnisse eruiert und darauf basierend passende Produkte entwickelt und produziert, sowie durch klassisches Marketing und Vertrieb dem Markt verfügbar gemacht.

Beide Ansätze haben vorrangig Ihre Schwächen in der geringen Integration von Iterations- bzw. Feedbackschleifen durch die Blockbildung und der damit geringen Möglichkeit notwendige Anpassungen des Produktes auf Basis neuer Erkenntnisse umzusetzen. Ökonomisch betrachtet kommt hinzu, dass die Änderung des Produkt-Standes umso teurer wird, je weiter in der Prozess-Zeitachse fortgeschritten wurde. Erschwerend kommt hinzu, dass umgekehrt der Spielraum möglicher Handlungs-Optionen abnimmt.

Unterschiedliche Quellen (Cooper 2013: 3f; GfK / Serviceplan 2006; u.a.) gehen davon aus, dass 30-50% und teilweise noch mehr aller neuen Produkteinführungen scheitern. Viele der verbleibenden Produkte sind deshalb aber noch lange keine „Shooting-Stars".

Zu den häufigsten Gründen, warum Produkte scheitern, gehören u.a., dass viele Produkte keine echten Neuerungen, sondern nur MeToo-Produkte sind. Ein anderer Grund ist die fehlende Passgenauigkeit des Produktes sowohl zeitlich, inhaltlich als auch quantitativ in Bezug auf Marktgegebenheiten und speziell in Bezug auf die anvisierte Zielgruppe. Dazu gehört zum Beispiel, dass der Produktnutzen nicht oder nicht ausreichend gegeben ist, das Produkt und/oder dessen Nutzen zu kompliziert bzw. zu erklärungsbedürftig für die Nutzer ist oder das Produkt zu revolutionär ist und der Markt dafür noch gar nicht existiert, sowie das Produkt zu spät auf den Markt kommt oder der Markt nicht groß genug ist. So verwundert es nicht, dass eine der Haupt-Barrieren erfolgreicher Produkt-Innovationen vielfach zu geringe Markt- und Nutzerkenntnisse sind. Daneben gilt mehr denn je, dass erfolgsversprechende Produkt-Innovationen, nicht nur erwartungskonforme Eigenschaften, sondern „begeisternde" Eigenschaften besitzen müssen (Kano 1984: 39-48).

Gerade die Medien-Branche, die seit vielen Jahren durch viele nicht nur technologische Umwälzungen, sondern auch durch gravierende Verhaltens-Änderungen der ehemaligen Konsumenten selbst, einem immensen Innovationsdruck unterliegt, kann sich solche Flop-Raten an neuen Produkten nicht erlauben. Auch die bloße Entwicklung wesentlich einfacherer inkrementeller Innovationen, zum Beispiel die Verbesserung bestehender Produkte usw., wird den Innovationsdruck nicht mindern. Nur die Entwicklung grundlegend neuer Produkte, sogenannte disruptive Innovationen, können diesen zumindest temporär vermindern. Die Fähigkeit der Generierung von Innovationen und damit die Etablierung dafür notwendiger interner Prozesse als auch kultureller Voraussetzungen, sind maßgeblich für das Bestehen im Wettbewerb.

Es gibt viele Untersuchungen, wie zum Beispiel (Clayton 2013), die sich damit beschäftigt haben, warum sich gerade etablierte Unternehmen mit der Entwicklung disruptiver Innovationen so schwer tun. Viele Unternehmen zögern zu lange, die dafür notwendigen kulturellen, strukturellen als auch methodischen Voraussetzungen zu schaffen. Zu den kulturellen Voraussetzungen, deren Umsetzung sicher die größte Herausforderung darstellt, gehört die Schaffung eines Nährbodens zur Generierung von Innovationen - das Etablieren einer perspektivisch neuen Denkweise, die Unmögliches als auch das Scheitern zulässt. Diese Veränderung muss nicht nur von oben authentisch gelebt werden, sondern muss vor allem aus dem Inneren eines Unternehmen selbst entstehen und gelebt werden. Dies setzt zwangsläufig auch gewisse strukturelle Veränderung voraus. Dazu gehören u.a. organisatorische Eigenständigkeiten von Innovationsabteilungen oder Innovationstochterunternehmen, Freihalten von frühzeitigen Profit-Erwartungen, Bereitstellung ausreichender Ressourcen sowohl personell als auch finanziell.

Zu den methodischen Voraussetzungen gehört als wichtigste Voraussetzung das Verständnis, dass Innovationsentwicklung ein systematischer Prozess ist, wohingegen die reine Ideen-Entwicklung auch zufällig sein kann. Ein Beispiel für solch eine Innovationsmethodik ist das Design-Thinking. Diese Methodik wurde im Umfeld der Stanford-Universität (USA) unter Beteiligung der Innovations-Agentur IDEO in seiner heutigen Einsatzform entwickelt und existiert mittlerweile in unterschiedlichen methodischen Ausprägungen, so auch am Hasso Plattner Institute of Design, der sogenannten „d.school". Eine Beschreibung der Vorgehensweise erfolgt später. Eine weitere methodische Voraussetzung insbesondere bei IT-basierten Produkten ist die Integration einer analytischen Komponente in den Prozess der Innovationsentwicklung. In den bereits zuvor beschriebenen 2 grundlegenden klassischen Ansätzen der Produktentwicklung (Technology-Push- und Market-Pull-Ansatz), ist die analytische Komponente vorrangig entweder zu Beginn im Bereich der Marktforschung oder aber am Ende im Bereich des Marketing nach Produkteinführung zu finden. Die systematische Integration der analytischen Komponente während der frühen Phasen der Produkt-Entwicklung fehlt. Ein integrierter Ansatz einer analytics-getriebenen Produkt-Entwicklung mit Design-Thinking soll nachfolgend aufgezeigt werden.

4. Design-Thinking zur Generierung von Innovationen

Design-Thinking existiert, wie bereits erwähnt, in unterschiedlichen methodischen Ausprägungen - zum Beispiel (Brown 2008; HPI School of Design Thinking 2011; u.a.). Grundlegend ist ein Rahmengerüst aus Methoden, Prozessen und Regeln, welche in einen projekt-spezifischen Kontext eingebunden sind. Ziel ist das Auffinden und Herausarbeiten von Innovationsmöglichkeiten vor allem dann, wenn es sich um grundlegend neue Ideen ohne eindeutige Bestimmung des Problems, des Zieles und des Endes handelt und weniger um inkrementelle Weiterentwicklungen von Produkten selbst. Dabei wird die gemeinsame Schnittmenge der Bereiche „Menschen" mit Nutzen und Wünschen, dem Bereich „Technologie" mit den Machbarkeiten und Möglichkeiten und dem Bereich „Wirtschaftlichkeit" mit dem Anspruch der Lebensfähigkeit intensiv untersucht.

Um dies zu ermöglichen und zu fördern bedient sich Design-Thinking unterschiedlicher Konzepte und Methoden. Eines dieser Konzepte ist die Kombination von Phasen konvergentem und divergentem Denken. Beim konvergenten Denken werden durch logisches, rationales und planmäßiges Vorgehen viele einzelne Faktoren und Erkenntnisse zu einer Lösung zusammengeführt. Dies ist zwar eine effiziente Vorgehensweise, lässt aber grundlegend neuen Ideen zu wenig Raum der Gestaltung und wird deshalb nur in bestimmten Prozessabschnitten ausgeübt. Beim divergenten Denken hingegen wird eine eher spielerische, kreativitätsfördernde Herangehensweise genutzt, die ganz bewusst auch zunächst total unsinnig erscheinenden Ideen Raum und Möglichkeit der Weiterentwicklung und späteren Evaluation gibt. Es werden Denkblockaden bewusst deaktiviert und eine vorschnelle Qualifizierung der Ideen unterbunden. Ziel ist die Generierung einer Vielzahl an Alternativen und wirklichen Neuerungen, welche nachfolgend kollaborativ evaluiert werden.

Ein weiteres Konzept ist die Kombination von induktiver, deduktiver und abduktiver Logik (Dunne / Martin 2006: 518). Beim deduktiven Schlussfolgern wird vom Allgemeinen auf das Spezielle geschlossen. Zum Beispiel: „Sammy ist ein Rhodesian Ridgeback" und „Alle Rhodesian Ridgeback‘s sind Hunde", daraus resultiert die Schlussfolgerung „Sammy ist ein Hund". Sind die Voraussetzungen wahr, muss auch die Schlussfolgerung wahr sein. Beim induktiven Schlussfolgern wird umgekehrt vom Speziellen auf das Allgemeine geschlossen. Zum Beispiel: „Sammy ist ein Rhodesian Ridgeback" und „Sammy ist ein Hund", daraus resultiert die Schlussfolgerung "Alle Hunde sind Rhodesian Ridgeback‘s". Sind die Voraussetzungen wahr, ist die Schlussfolgerung wahrscheinlich wahr - man beachte dabei das Wort „wahrscheinlich". Das abduktive Schlussfolgern wird genutzt, um neue Hypothesen zu bilden. Dabei wird diejenige Hypothese ausgewählt, welche, wenn sie denn tatsächlich wahr wäre, die beste Erklärung für einen Sachverhalt geben würde. Das Ziel ist also eine Hypothese zu finden, welche möglicherweise wahr sein könnte. Zum Beispiel: Sammy, mein Hund, ist nass. Sammy wird nass, wenn er im Freien abgeduscht wird oder aber wenn es draußen geregnet hat. Sammy wurde nicht abgeduscht. Es muss geregnet haben (Beispiele in Anlehnung an (Engchuan 2012: 20-21)). Neben den eher wissenschaftlichen Methoden der Deduktion und der Induktion, bietet die Abduktion eine weitere Methodik neue Erkenntnisse zu gewinnen. Abduktive Schlussfolgerungen werden im Design-Thinking ergänzend bei der Problemlösung angewandt, indem eine Hypothese über unterschiedliche Möglichkeiten gebildet wird. Diese Hypothese bildet dann den Rahmen für die Generierung neuer Ideen.

Darüber hinaus finden weitere unterschiedliche Konzepte und Regelungen Verwendung. Diese sind u.a.:

Evaluierung von Hypothesen durch Einsatz vorrangig qualitativer und weniger von quantitativen Methoden.
Anwendung mehrerer unterschiedlicher Methoden und damit die Erhöhung der Erfolgsaussichten (Graner 2013: 173-197, 201).
Konsequente Nutzung von interdisziplinären Teams, die eine respektvolle, optimistische, feedback-affine, retrospektive, radikal kollaborative, empathische, experimentelle, fehlertolerante Kultur des Miteinanders besitzen oder entwickeln müssen. Bevorzugter Menschen-Typus in solchen Teams sind sogenannte T-Shaped-Persönlichkeiten, die auf der vertikalen Achse ein tiefes Fachwissen repräsentieren und dieses auch anwenden können und auf der horizontalen Achse besondere Charaktereigenschaften, wie zum Beispiel gute Empathie-Fähigkeit, Teamfähigkeit und andere Soft-Skills, aufweisen.
Einbettung in definierte Zeitrahmen, u.a. zur Erhöhung der Motivation und Aufrechterhaltung der Konzentration. Diese Zeitrahmen tragen zwar zum Projekt-Charakter bei, lassen aber ganz bewusst einer „geplanten Unsicherheit" Platz.
Der nutzerzentrierte Ansatz, welcher sich in der tiefen Exploration des Problemraumes des Nutzers zeigt, versucht möglichst nicht komplexitätsreduzierend, sondern soll ganz bewusst ein Erkenntnisprozess auf hohem Komplexitätsniveau sein.
Bewusst inhaltliche Ergebnisoffenheit im Prozess mit einem frühzeitigen Evaluieren und einer hohen Toleranz gegenüber dem Scheitern, d.h. man hat am Ende als Ergebnis entweder einen validierter Prototypen oder eben nichts - ohne negativen Beigeschmack. Auch wenn das Ergebnis „nichts" ist, haben wir zumindest einen Erkenntnis- und Informationsgewinn bzgl. der Hypothese.
Besondere Bedeutung von kreativitätsfördernden Räumen und Umgebungen, in denen der Design-Thinking Prozess stattfindet. Diese sollen visuell inspirierend wirken und beide Gehirnhälften ansprechen. So sollten die Räume mit Trennwänden veränderbar sein und mit vertikalen Flächen, auf denen flexibel Annotationen, zum Beispiel mit Hilfe von bunten, elektrostatisch-haftenden Stattys-Aufklebern, sowie Skizzierungen aufgebracht und arrangiert werden können, ausgestattet sein.

Typisch für die Design-Thinking Methodik ist ihr iteratives Vorgehen zum notwendigen Revidieren von Hypothesen, sowie ihr experimentelles Vorgehen, d.h. die getroffenen Hypothesen werden so früh als möglich anhand eines realen Kontextes evaluiert. Das Ziel ist dabei die Entwicklung einer ganzheitlichen Produkterfahrung und -erwartung auch mit dem Verständnis, was nicht benötigt wird. Im optimalen Fall liegt am Ende ein validierter Prototyp vor.

Nachfolgend soll ein typisches Phasen- bzw. Prozessmodell des Design-Thinking, vorrangig angelehnt an das Prozessmodell der HPI School of Design Thinking (HPI D-School) des Hasso-Plattner-Institutes an der Universität Potsdam, erläutert werden. In verschiedenen Ausprägungen der Design-Thinking-Methodik werden auch Phasen zusammengelegt bzw. auch Bestandteile weggelassen (unterschiedliche Klassifikationen sind in der (Winkler 2011: 24) nachzulesen):

Phase „Aufgabenstellung definieren"

Zu Beginn wird eine Aufgaben- oder Problemstellung, ein sogenannter „Design Challenge", definiert. Diese Aufgabenstellung muss auf der einen Seite spezifisch genug sein, aber auf der anderen Seite nicht lösungseinschränkend. Die Aufgabenstellung wird bewusst als Fragestellung formuliert, um von den Team-Mitgliedern als Herausforderung verstanden zu werden. Ein zu unspezifischer Design-Challenge wäre zum Beispiel „Was könnte man mit der Apple Watch tun?". Ein Beispiel eines spezifischen, aber zu lösungseinschränkenden Design-Challenge wäre „Wie könnten wir mit der Apple Watch die Einkaufspreise mit einem Portal besser abgleichen und beurteilen?". Ein Beispiel für einen spezifischen, aber nicht lösungseinschränkenden Design-Challenge wäre „Wie könnten wir mit der Apple Watch unser Einkaufserlebnis optimieren?". Im letzteren Beispiel wurde auch bewusst die emotionale Komponente „Erlebnis" eingebracht, da die „Erfahrungswelt" der Zielgruppe vielfach entscheidend in den heutigen Produkt-Kontext einwirkt. Der Design-Challenge kann bei Bedarf in späteren Phasen und Iterationen verfeinert werden.

Es liegt auf der Hand, dass die Formulierung der Aufgabestellung maßgeblichen Einfluss auf den weiteren Verlauf der nachfolgenden Phasen hat und dessen Definition erfahrungsgemäß sehr schwierig sein kann. Insbesondere technik-affine Team-Mitglieder haben immer wieder Schwierigkeiten nicht bereits Lösungsansätze in der Aufgabenstellung zu verankern. Teilweise wird nach der Definition der Aufgabenstellung ein konkreter Projekt-Plan erstellt, welcher als zeitlicher Ordnungsrahmen dient.

Phase „Verstehen"

In einer Phase „Understand" muss die Aufgabestellung vollständig verstanden werden. Dazu gehört nicht nur das Verständnis der einzelnen Bestandteile der Aufgabenstellung, sondern auch das Erforschen des Problemraumes und das Sammeln von auch bereits vorhandenen Informationen über den Problemraum im Kontext der Aufgabenstellung.

Ergänzend zur Wahl der Zielgruppe können bereits detaillierte Persona-Profile und Empathy-Map‘s der Zielgruppe erstellt werden. Eine Empathy-Map beschreibt und visualisiert hierbei in einer Art grafischen Karte die Gefühlswelt der Zielgruppe bzw. der Zielgruppen-Segmente in den Bereichen Denken&Fühlen, Hören, Sehen, Sagen&Tun und Frust und Lust. Die Zielgruppe kann in weiteren Iterationen weiter verfeinert bzw. verändert werden.

Zur Vorbereitung der nachfolgenden Phase des Beobachtens werden des Weiteren zum Beispiel Erforschungs-Vorgehensweisen, Fragebögen zur Untersuchung der Zielgruppe definiert und erstellt, Festlegungen gemacht, wie und wo Repräsentanten der Zielgruppe angetroffen werden können und Quellen zur Erlangung detaillierterer Informationen des Beobachtungsraumes und der möglichen Inspiration eruiert.

Phase „Beobachten"

Die Phase „Observe" dient dem Erlangen eines tiefen und weitestgehend vollständigen Verständnis für die Probleme, Gefühle, Leiden und Bedürfnisse der Menschen der Zielgruppe und deren Erfahrungswelt. Hierzu dienen die zuvor erstellten und festgelegten Erforschungs-Vorgehensweisen, wie zum Beispiel Durchführung von Einzel- oder Gruppen-Interviews mit den vorgefertigten Fragebögen, das eintägige eigene Erleben in der Rolle einer Einzelperson der Zielgruppe oder des „Selbst-Ausprobierens" usw. So sollen insbesondere die versteckten oder selbst der Zielgruppe noch nicht bekannten Bedürfnisse aufgespürt und systematisch eruiert werden.

Um gewonnene Erkenntnisse nicht zu verfälschen, sollte das Vorgehen losgelöst von Annahmen, Vorurteilen und vermeintlichem Wissen über den Kontext durchgeführt werden. Dazu kann es nötig sein, entsprechende Trainings-Übungen vor Durchführung des Vorgehens zu absolvieren, wie zum Beispiel die Observe vs. Interpret-Methode zur Sensibilisierung der Wahrnehmung zwischen dem was man sieht (Beobachtung) und was man denkt zu sehen (Interpretation) (Human Center Design Toolkit 2009: 68).

Phase „Standpunkt definieren"

In der Phase „Define Point-of-View" werden die gesammelten Informationen zusammengetragen, verdichtet, gemeinsam reflektiert und noch tiefergehender analysiert. Durch Erkennen von Kategorien, durch Gruppieren und Degruppieren, durch Erkennen von Beziehungen zwischen Kategorien sollen Gemeinsamkeiten, Unterschiede, bestehende Beziehungen und etwaige Muster in den gewonnenen Informationen herausgearbeitet werden. Bei der gemeinsamen Reflektion und Analyse werden dabei zusätzlich die empfundenen Erfahrungen von einzelnen Team-Mitgliedern zum Beispiel in einem Standup-Meeting erzählt und bedeutende Erkenntnisse, wie zum Beispiel besondere Beobachtungen, Erstaunliches und Überraschendes, herausgestellt und mit den anderen Team-Mitgliedern geteilt.

Das bewusste Hinterfragen, sowie das Um- oder Neu-Definieren des Problems auf der Basis der zuvor gewonnenen Informationen und Erkenntnisse verändert die Ausgangsbasis für mögliche Lösungsansätze. Durch die weitere Selektion und Gewichtung der gewonnenen Informationen und einem damit verbundenen Erkennen von Zusammenhängen wird ein gemeinsamer Standpunkt, eine Hypothese, für die nachfolgende Betrachtung des Lösungsraumes erarbeitet. Genauso gut kann aber auch entschieden werden, dass weitere Informationen über den Problemraum notwendig sind und vorige Phasen iteriert werden müssen. Dabei dient StoryTelling als erzählerische Methode, nicht nur zum Vermitteln von Wissen, sondern auch zum Vermitteln und Ausdrücken von Gefühlen durch verbale und non-verbale Kommunikationselemente. Als weitere Methoden können zum Beispiel die Szenario-Methode, die Concept-Map-Methode u.a. eingesetzt werden. Falls bereits Persona-Profile und Empathy-Map's erstellt wurden, können diese nun ergänzt, verfeinert bzw. geändert werden oder aber nun neu erstellt werden.

Die Erkenntnisse aus diesem „Define Point-of-View" sollen das Erzeugen von Lösungen und das Auffinden von Ideen vorbereiten und einen Rahmen für die nachfolgende Ideengenerierung bilden. Die Ergebnisse sollten zwecks besserer Reflexionsmöglichkeit sowie zur Anregung der Nutzung beider Gehirnhälften visuell aufbereitet und dokumentiert werden.

Phase „Ideen finden"

In der Phase „Ideate" geht es zunächst darum, so viele Ideen wie möglich ohne gleichzeitige Beurteilung dieser auf Basis der Erkenntnisse der vorigen Phasen, zu finden. Das heißt, es muss eine strikte Trennung von Quantifizierung und Qualifizierung stattfinden. Entscheidend ist dabei, dass wirklich viele Ideen erzeugt werden. Man versucht dabei bewusst jetzige Gegebenheiten, wie zum Beispiel technologische Möglichkeiten, auszublenden, um sich unterschiedliche Zukunftslösungen vorstellen zu können. Dazu können unterschiedliche Kreativitätstechniken, wie zum Beispiel Brainwriting 6-3-5, Brainstorming, morphologische Methoden, Synektik-Methoden u.a. eingesetzt werden. Die Ideenfindung sollte in einem für diesen Zweck dienlichen Raum stattfinden, in dem keine Ablenkung erfolgen kann.

Die Dokumentation der gefundenen Ideen sollte, zum Beispiel an einem für alle Team-Mitglieder sichtbaren Whiteboard mittels farbiger Haft-Etiketten oder Grafiken usw., visuell erfolgen. Dies verbessert in einem nachfolgenden Schritt der Ideen-Bewertung und der damit verbundenen Qualifizierung, das „Eindenken" in die Kontexte der gefundenen Ideen. Die Bewertung der Ideen kann sich an typischen Fragestellungen, wie „Lassen sich verschiedene Ideen gruppieren?" „Haben wir etwas Vielversprechendes oder Bedeutendes gefunden?" „Haben wir einen größeren Missstand gefunden?" „Kann der Ideenfinder für die Idee überzeugend argumentieren?" usw. orientieren. Die selektierten Ideen sollten weiter verfeinert, weiter „verargumentiert" und einer Realitätsprüfung, wie zum Beispiel dem Untersuchen existierender Herausforderungen und Hindernisse, weiterer Abhängigkeiten usw., unterzogen werden.

Phase „Prototypen entwickeln"

Prototypen sollen im Design-Thinking die Möglichkeit bieten, schnell und früh Feedback über die getroffenen Annahmen und Hypothesen einholen zu können und diese gegebenenfalls anzupassen. Darüber hinaus soll die Umsetzbarkeit bzw. die Realisierbarkeit der selektierten Ideen überprüft werden und möglichst eine erste Aufwandschätzung erfolgen. Um ein verwertbares Feedback aus der Zielgruppe selbst oder je nach Gegebenheiten von deren Repräsentanten zu erhalten, sollte der Prototyp soweit wie möglich nutzbar, „anfassbar" und anwendbar sein. Diese Anwendbarkeit sollte insbesondere die Hypothese verifizierbar machen. Es ist dabei zu berücksichtigen, dass verschiedene Prototypen-Arten unterschiedliche Limitierungen in der Evaluierungsfähigkeit und dem Gewinnen von Erkenntnissen besitzen (Rhinow et al. 2012). Der Ausgestaltungsgrad eines Prototypen hängt vor allem von der Aufgabenstellung und der getroffenen Hypothese(n) ab. Insbesondere digitale Medien-Produkte können durch unterschiedliche Software-Werkzeuge in unterschiedlichen Formen relativ schnell umgesetzt werden. Diese Prototypen-Arten lassen sich grob in folgende Klassen unterteilen:

„Smoke-Tests" dienen unter bestimmten Umständen, zum Beispiel wenn die Umsetzung eines echten Prototypen zu kostenintensiv in einer frühen Phase wäre, zur ersten, wenn auch unscharfen, Überprüfung der Hypothese und zur Überprüfung eines generellen Interesses. Dazu gehören zum Beispiel „getrackte", d.h. mittels Analytics-Techniken überwachte und protokollierte, Informations-Videos und Werbeanzeigen.

Lo-fi-Prototypen reichen von grafischen Skizzen, aufbereiteten Storyboards bis zu WireFrame-Prototypen, welche auf ein skizzenhaftes Gittermodell ohne Farben, Bilder, Grafiken usw. aufgebaut sind und wenn überhaupt nur die rudimentärsten Interaktions-Möglichkeiten beinhalten. Sie dienen vorrangig der Demonstration und einer ersten Konzeptüberprüfung und sind schnell umsetzbar und änderbar.

Zu den Mi-fi-Prototypen gehören zum Beispiel sogenannte Experience Prototypen, zum Experimentieren und Nachprüfen der Erlebenswelt der Anwender, sowie Mockups, die eine weiterführende Ausgestaltung eines Wireframes mit Farben, Bilder oder Grafiken usw. und einem spezifischen Look&Feel und weitere Interaktionsmöglichkeiten besitzen. Sie dienen im Design-Thinking zur ersten experimentellen Überprüfung der Hypothesen vor ausgewählten Repräsentanten der Zielgruppe.

Hi-fi-Prototypen sind noch weiter ausgebaute, lauffähige Software-Programme mit detaillierter Ausgestaltung, detaillierteren Interaktionsmöglichkeiten und bereits mehr oder weniger vorhandenen Business-Logik-Elementen. Sie dienen einer noch tieferen Überprüfung der Hypothese und der Gewinnung von Erkenntnissen zur etwaigen Anpassung und deren technologischen Machbarkeit. Dabei kann bei sorgfältiger Planung des Prototypens und dem geeigneten Einsatz von Analytics-Techniken zur Überwachung vorgegebener Ziele, die Überprüfung vor einer großen Zahl von Anwendern in der Zielgruppe erfolgen.

Phase „Testen und Feedback"

Das Testen dient der Validierung der Hypothese mit Hilfe der erstellten Prototypen und dem Erlangen von Feedback-Erkenntnissen zur eventuellen Verfeinerung sowohl der Hypothese selbst als auch des Prototypens und dem damit zukünftigen Produkt (Eric Ries (Ries 2011: 76-77) spricht im „Lean Startup"- Kontext von einem sogenannten Minimum Viable Product (MVP)). Wie auch bereits in der Phase „Prototypen entwickeln" angeführt, muss der Test mit einer unterschiedlichen Anzahl von Repräsentanten der Zielgruppe überwacht und auch dokumentiert werden. Die Techniken zur Test-Überwachung sind vielfältig - angefangen von qualifizierten Befragungen der Test-Personen bis hin zu detailliert abgewogenen Analytics-Techniken.

Wichtig ist dabei, dass die Test-Überwachung sorgfältig geplant wird. Zum Beispiel sollte für eine Befragung der Fragebogen vorab genau eruiert und getestet werden. Dies betrifft sowohl Strategie-Überlegungen inklusive Zieldefinition als auch die davon abhängige differenzierte Methoden- und Technologie-Auswahl. Beeinflusst wird diese Auswahl u.a. von Größen wie der Komplexität in Bezug auf das Produkt als auch in Bezug auf die Hypothese selbst, der Menge der zu experimentierenden Zielgruppen-Personen, der erwarteten Aussagen-Repräsentativität und dem Iterationsgrad innerhalb des Design-Thinking-Ablaufes.

Neben der Anwendung klassischer Fokusgruppen-Interviews als auch empirischer Methoden, wie zum Beispiel Think-aloud, bei der die Versuchsperson laut sein Verhalten, seine Absichten, seine Eindrücke und seine Empfindungen während der Nutzung des Prototypens artikuliert, können auch Analytics-Methoden und -Techniken, insbesondere bei digitalen Medien-Produkten, eingesetzt werden. Die genauere Betrachtung der analytischen Vorgehensweise und insbesondere die Integration in ein analytics-getriebenes Konzept soll Inhalt des nachfolgenden Kapitels sein.

Der klassische Design-Thinking-Prozess besitzt keine Geschäftsmodell-Entwicklung im Sinne einer dedizierten Entwicklung und Evaluierung der zugrundeliegenden Nutzen-, Wertschöpfungs- und Erlösmodelle und auch keine Planung und Steuerung der weiteren Produkt-Entwicklung. Deshalb gibt es ergänzende Design-Thinking Ausprägungen bzw. Erweiterungen (zum Beispiel Human Center Design Toolkit 2009: 126f) bei denen in weiteren Phasen zumindest ansatzweise ein zugrundeliegendes Geschäftsmodell auf dessen Nachhaltigkeit evaluiert wird, sowie konkrete Pläne der eigentlichen Produktentwicklung inkl. Ressourcenplanung usw. erstellt werden.

5. Integration einer Analytics-Systematik in den Design-Thinking-Prozess zur Entwicklung digitaler Medien-Produkte

Wie auch bereits weiter oben angeführt, bieten neue Technologien und Algorithmen des Trackings komfortable Möglichkeiten der Analyse der Zielgruppe selbst, des Benutzerverhaltens in Online-, Mobile- und digitalen Offline-Medien-Produkten sowie deren Übergänge und Zugänge, zum Beispiel von peripheren Social-Media-Umgebungen. Dabei unterliegt der Einsatz von Analytics-Methoden in den unterschiedlichen Phasen des Design-Thinking‘s bei Medien-Produkten verschiedenen Bedingungen:

Es muss sich vorrangig um ein digitales Medien-Produkt handeln.
Die Beobachtbarkeit ist aufgrund größerer Komplexität des reiferen Prototypens bzw. Produktes und der Vielzahl von Produkteigenschaften stark eingeschränkt.
Eine Vielzahl von Nutzern soll für eine bessere Repräsentativität der Aussagen ausgewertet werden und der damit verbundene Aufwand der Nutzung qualitativer Methoden wäre dabei zu groß.
Ein höherer Reifegrad des Prototypens bzw. Produktes ist vorhanden.

Ein typischer Analytics-Prozess besteht aus 5 Schritten (in Anlehnung an Hassler 2012: 44):

Ziele und zu klärende Fragestellungen mit der Ableitung notwendiger und richtiger Metriken, d.h. Messgrößen bzw. Maßzahlen, definieren.
Messung und Daten sammeln.
Report und Datenpräsentation.
Analyse und Auswertung der Daten.
Ableitung von Handlungsoptionen und Optimierung.

Die Integration eines Analytics-Ansatzes im Design-Thinking erfolgt dabei in folgenden Phasen:

Festlegung der messbaren, planbaren und erreichbaren Ziele bzw. der zu klärenden Fragestellungen im Kontext der aufgestellten Hypothese in der Design-Thinking-Phase „Standpunkt definieren".
In der Design-Thinking-Phase „Prototypen entwickeln" erfolgt aus den festgelegten Zielen bzw. der zu klärenden Fragestellungen in der Design-Thinking-Phase „Standpunkt definieren" nun die Ableitung und Festlegung der guten und richtigen Metriken für die spätere quantitative Auswertung. Gute und richtige Metriken sind objektiv, relevant, spezifisch, kontextsensitiv, aussagekräftig, schnell berechenbar und als skalarer oder prozentualer Wert abbildbar (Croll / Yoskovitz 2013: 9-11). Metriken, die den Fortschritt oder die Erfüllung definierter Ziele kennzeichnen und dabei i.d.R. eine größere Menge an Informationen verdichten, werden als Key Performance Indikatoren (KPI) bezeichnet (Kaushik 2009: 37). Zu Beachten ist, dass eine Metrik nur im korrekten Kontext, zum Beispiel im Vergleich mit anderen Metriken oder im Vergleich mit Benchmark-Zahlen usw., aussagekräftig und interpretierbar ist. In der Festlegung der richtigen Metriken liegt der größte Anspruch. Die Ausgestaltung des Prototypens und seiner Produkteigenschaften muss die korrekte Messung der definierten Metriken erlauben.
Für das Messen, das Datensammeln, die Datenpräsentation und die Analyse in der Design-Thinking-Phase „Testen und Feedback" gibt es eine Vielzahl an Systemen, die den Analytics-Prozess bzw. das Tracking von Online- und Mobile-Daten sowie selbst von Offline-Daten aus nur zeitweilig mit dem Internet-verbundenen digitalen Medien-Produkten unterstützen. Angefangen von klassischen Web-Tracking Systemen, wie zum Beispiel Google Analytics, Webtrekk Q3, etracker, Adobe Analytics, Piwik Analytics, die mehr und mehr auch die Bereiche Mobile und Social-Media abdecken, sowie eine unüberschaubare Anzahl von Systemen, die sich auf den Bereich Social-Media-Analytics spezialisiert haben, wie zum Beispiel Engagor, Radarly, Synthesio, Sysomos, Quintly. Daneben existieren Systeme zur Verarbeitung, zur statistischen Auswertung und zur Präsentation der gewonnenen Daten, wie zum Beispiel R, SPSS, SAS, Statistica.
Aus den Erkenntnissen der Analyse in der Design-Thinking-Phase „Testen und Feedback wird eine Feinabstimmung der Hypothese und/oder des Prototypens (sowie dessen Weiterentwicklung in das eigentliche Medien-Produkt) oder auch eine Kurskorrektur je nach Aussagenerkenntnis und Lernerfahrung durchgeführt. Dieser Schritt bildet bei weiteren bzw. noch offenen Fragestellungen wiederum der Startpunkt für eine weitere Iteration im Design-Thinking.

Auch in anderen Vorgehensweisen der Neu-Produkt-Entwicklung sind solche Schritte vorzufinden, zum Beispiel (Cooper 2011: 120-141; Ries 2011: 76f) u.a.

6. Typische Fragestellungen im Kontext und deren analytische Evaluierung

Nachfolgend sollen einige typische Fragestellungen, ohne Anspruch auf Vollständigkeit, im konkreten Kontext der Innovations-Entwicklung mit Design-Thinking und dessen analytische Herangehensweise zur Beantwortung, beschrieben werden. Explizit ausgeklammert werden Fragen im Vorfeld einer Produkt-Entwicklung, zum Beispiel Positionierungsstudien auf Basis multidimensionaler Skalierung zum Auffinden von nicht besetzten Nischen zu Marktforschungs-Zwecken usw., als auch nach der Markteinführung eines Produktes, zum Beispiel Prüfung der Akzeptanz von Produktverbesserungen durch Einblenden von Alternativen in dem Produkt mittels multivariatem Testen und dessen statistische Auswertung zu Produkt-Weiterentwicklungs- als auch zu Produkt-Marketing-Zwecken, zum Beispiel detaillierte Analyse der Traffic-Quellen der Nutzer usw. An dieser Stelle sei erwähnt, dass die meisten der hier angeführten analytischen Methoden komfortabel und schnell von Analytics-Systemen (Beispiele siehe oben) unterstützt werden, ohne dass aufwändig zu bedienende statistische Auswertungsprogramme genutzt werden müssen.

Wie im Design-Thinking gefordert, soll das Testen und das Feedback „schnell" ermöglicht werden. Deshalb werden zeitaufwändigere Methoden in diesem Kontext bewusst ausgeklammert, unabhängig davon, dass die Sammlung von relevanten Daten selbst ebenfalls zeitintensiv sein kann.

Generell muss das Zur-Verfügung-Stellen eines Prototypens oder eines Produktes in einem frühen Stadium für eine größere Zahl von Nutzern nicht nur aus Vorsicht vor Wettbewerbern, sondern auch aus Sicht einer eventuell zu frühen Meinungsfestlegung durch die Nutzer genauestens abgewogen und gesteuert werden.

Verstehen der Zielgruppe

Beispiele typischer Fragestellungen: Wer ist die Zielgruppe und ist dies die Richtige? Wie setzt sich diese zusammen?

Das tiefe Verständnis für die Zielgruppe und dessen interne Binnenstruktur ist eine maßgebliche Voraussetzung zur Entwicklung passgenauer Produkte und Dienstleistungen. Zur Untersuchung der Fragestellung „Wer ist die Zielgruppe?" dient die sogenannte Segmentierung. Über die Segmentierung erfolgt eine einzelne oder mehrstufige Unterteilung der Gesamtheit teilweise durch statistisches Clustern mit gemeinsamen Kriterien, wie zum Beispiel technische, demografische oder weitere Kriterien. So könnte zum Beispiel eine Segmentierung der Besucher mit Unterteilungen nach der Anzahl der Besucher unterschiedlicher Browser, wie Firefox, Internet Explorer usw., Auskunft über die favorisierten Browser geben und bei Auffälligkeiten auf eventuelle Probleme der Anwendung auf einem anderen Browser aufzeigen. Die Segmentierung sollte sich an den definierten Zielen und Fragestellungen orientieren. Um eine aussagekräftige und noch übersichtliche Struktur zu erhalten, sollte die Anzahl der Segmente erfahrungsgemäß zwischen 3 und 10 liegen.

Eine Kohorten-Analyse ermöglicht es, Aufschluss über die interne Zusammensetzung der Zielgruppe und der evtl. unterschiedlichen Nutzung des Produktes zu erlangen. Dabei werden ähnliche Gruppen über einen Zeitraum analysiert, zum Beispiel unterschiedliche Intensität der Nutzung eines Produktes von Gruppen der 18-25-Jährigen, der 26-35-Jährigen, 36-45-Jährigen usw. Vorherige Beispiele setzen natürlich registrierte und zuordenbare Anwender voraus. Jede Gruppe bildet dabei eine Kohorte. Der Vergleich der Kohorten über der Zeit kann zum Beispiel dazu führen, dass die Fokussierung auf eine einzelne Kohorte als neue Zielgruppe wirtschaftlich vielversprechender ist, weil die Beobachtung zeigte, dass die Nutzung des Produktes in dieser Kohorte häufiger und intensiver war (Croll / Yoskovitz 2013:24-26).

Klassische Visitor-Analysen ermöglichen ergänzende Aussagen zu Traffic-Quellen, also über welche Wege der Nutzer zur Anwendung kommt, Anzahl der Besucher, Besuchsdauer, Besuchsfrequenz, Besuchstreue, Herkunft, Eigenschaften technischer Geräteausstattung, teilweise soziodemografische Daten und bei registrierten Anwendern darüber hinaus zusätzliche persönliche Daten usw.

Erkennen des Nutzens

Beispiele typischer Fragestellungen: Bietet das Medien-Produkt den ausreichenden Nutzen? Welche Ziele verfolgt der Nutzer? Welche Probleme haben sie? Welche Eigenschaften muss das Produkt besitzen?

Das Nutzenversprechen von Produkten kann in unterschiedlichen Ausprägungen und Kombinationen vorhanden sein, zum Beispiel als finanzieller Nutzen, als Erlebnisnutzen, als zeitsparender Nutzen usw. Das Erkennen, Evaluieren und Priorisieren des Nutzens eines Produktes, sowie dessen Wahrnehmung beim Nutzer ist ein maßgebliches Ziel erfolgreicher Produkt-Innovationen in Kombination mit der Evaluierung ausreichender Erlösmöglichkeiten in einer Geschäftsmodell-Entwicklung.

Neben persönlichen Befragungen im Design-Thinking, bei denen der empathische Zugang zum Nutzer im Vordergrund steht, um vor allem unausgesprochene und unterschwellige Bedürfnisse zur eruieren, dient eine vorrangig analytische Analyse der Bestätigung von umgesetzten Prototypen- bzw. Produkteigenschaften. Durch automatisierte und zufällig eingeblendete Umfragen in den Prototypen und den späteren Produkten können bei ausreichender Anzahl statistisch repräsentative Nutzen-Aussagen ermittelt werden. Dabei können nicht nur Nutzen-Rankings abgebildet werden, sondern auch unterschiedliche Einstellungen des Nutzers zum Beispiel zur Wahrnehmung des Nutzens in den Prototypen bzw. späteren Produkten. Die Formulierung der Fragen und der Umfrage selbst bedarf einer sorgfältigen Planung und müssen vorab getestet werden (Rea / Parker 2014: 36f).

Optimieren von Produkt-Eigenschaften

Beispiele typischer Fragestellungen: Wie nutzt der Anwender das Produkt? Wie engagiert ist er? Wie erlebt der Anwender das Produkt? Was vermisst er an Content? Wie sieht die Erfahrungswelt der Anwender mit dem Produkt aus? Verhält sich der Anwender ziel- und erwartungsgerecht? Welche Alternativen von Navigationswegen und Produkteigenschaften sind die Besseren?

Durch Visualisierung von Klickpfaden, Analyse von Seitenaufrufen bzw. Produkt-Masken und Sichtbarmachung von genutzten Klickbereichen in sogenannten HeadMap's, d.h. der farblichen Hervorhebung intensiver genutzter Bereiche, kann die Fragestellung „Wie nutzt der Anwender das Produkt?" und „Wie erlebt der Anwender das Produkt?" im Vergleich zu einem hypothetisch optimalen Verhalten sichtbar gemacht werden.

Die Analyse von Besuchsfrequenz und -häufigkeit in Verbindung mit Weiter-Empfehlungen, zum Beispiel aus dem Produkt selbst heraus, und dessen Graduierung lassen Aussagen über das Engagement des Nutzers zu. So wäre zum Beispiel das „Sharen" von Inhalten oder des Produktes als höherer Grad des Engagements zu werten, als das „Liken" dieser Inhalte oder des Produktes.

Eine sogenannte Conversion bezeichnen das Umwandeln eines normalen Besuchers in einen der Zielvorstellung gemäß sich verhaltenden Besuchers (Hassler 2012: 354), zum Beispiel Umwandlung eines Besuchers in einen Abonnenten oder Käufer. Eine Conversion-Funnel-Analyse stellt visuell den Weg des Nutzers zum Ziel hin als Trichter dar. Am breiten, oberen Ende des Trichters wird das Verhalten als normaler Besucher erfasst und am engen, unteren Ende des Trichters das Verhalten als einem der Zielvorstellung gemäß sich verhaltenden Besuchers, zum Beispiel dann als Abonnent oder Käufer. Auf diesem Weg zum Ziel verlassen erfahrungsgemäß eine unterschiedliche Anzahl von Besuchern diesen optimalen Weg. In einer Conversion-Funnel-Analyse lässt sich dieses „Abspringen" vom Weg lokalisieren, quantifizieren und Probleme visualisieren und somit die Fragestellung „Verhält sich der Anwender ziel- und erwartungsgerecht?" beantworten.

Mittels In-Search-Analysen, d.h. Analysen von Sucheingaben in Suchfeldern im Prototyp bzw. im Produkt selbst, kann evaluiert werden, ob und welche Inhalte vom Nutzer vermisst oder schwer gefunden werden.

Zur direkten Beurteilung im Prototyp bzw. im Produkt, welche Alternativen von Produkt-Eigenschaften die Besseren sind, können durch einfaches A/B-Testen oder durch multivariates Testen alternative Funktionen, Inhalte und Navigationswege in das Produkt automatisiert eingebracht und deren Nutzung statistisch ausgewertet werden. Zur Eruierung der wichtigsten Produkt-Eigenschaften und deren Ausprägungen können aufwändigere Online-Conjoints-Analysen, z.B. Choice-Based-Conjoints-Analysen, eingesetzt werden. Dabei favorisiert und bewertet der Nutzer die Ausprägungen der voneinander unabhängigen Produkt-Eigenschaften in einer Art Interview. Diese werden meist vor allem aus Akzeptanz-Gründen nicht in jeder Kombination und in nur limitierter Ausprägungsanzahl abgefragt. Bei weiterentwickelten Verfahren passt sich der Interview-Fragebogen automatisch aufgrund voriger Nutzereingaben zur Optimierung der Interview-Länge und der Qualität der Auswertungsergebnisse an. Oft wird auch die Bereitschaft gegenüber Preiszahlungen mit Ausprägungen abgefragt, um Rückschlüsse auf die Preissensibilität der Nutzer durchführen zu können. Nach der statistischen Auswertung der Nutzer-Antworten können die von den Nutzern favorisierten Produkt-Eigenschaften mit ihren Ausprägungen verglichen und beurteilt werden (Backhaus et al. 2010: 558-614).

Obwohl es den Anschein hat, dass sich die obig angeführten analytischen Methoden, den vorrangig qualitativen Methoden im Design-Thinking wiedersprechen, überwiegen die Vorteile der Erkenntnisgewinnung vor allem im fortgeschrittenen Stadium eines Prototypens unter Beachtung der definierten Einsatzvoraussetzungen.

An dieser Stelle sei noch erwähnt, dass eine Exaktheit der Daten sowohl aus technischen Gründen als auch Datenschutzgründen und berechtigten ethischen Verhaltensempfehlungen im Analytics-Kontext nicht erreicht werden kann und deshalb die daraus gezogenen Schlussfolgerungen einer gewissen Unschärfe und Wahrscheinlichkeit unterliegen.

Für eine tiefergehende Erläuterung der Analytics-Technologien selbst, sei an dieser Stelle auf geeignete Quellen, wie zum Beispiel (Hassler 2012; Kaushik 2009; Peterson 2005) u.a. verwiesen.

7. Fazit

Zur Erhöhung der Erfolgsaussichten digitaler Medien-Produkte sollte nicht nur eine geeignete Methodik zur Generierung neuartiger Produkt-Innovationen, wie zum Beispiel das Design-Thinking, etabliert werden, sondern es sollte auch eine integrierte analytische „Vermessung" während der Neuentwicklung selbst fester Bestandteil sein. Moderne Analytics-Technologien und -Methoden erlauben dabei die ziel- und ergebnisorientierte Analyse sowie die Ableitung von Handlungsoptionen zur Feinjustierung der Prototypen- und Produkt-Umgebung, der Zielgruppen und seiner internen Binnenstruktur im Produkt-Innovations-Prozess selbst. Neue IT-Technologien und spezifische Algorithmen ermöglichen dies nicht nur für Online-, Mobile- und digitalen Offline-Medien-Produkte, sondern immer besser auch an deren Übergängen zwischen Online und Offline. Ein dafür verantwortlicher Analytics-Experte sollte deshalb fester Bestandteil des Teams zur Entwicklung digitaler Medien-Produkte und -Dienstleistungen sein.

Es sei an dieser Stelle darauf hingewiesen, dass die Implementierung solch einer andersgearteter Produkt-Innovations-Methodik vielen klassischen Unternehmen schwerfällt, da sie nicht zum rationalen Vorgehensmuster und den hierarchischen Organisationsstrukturen solcher Unternehmen passt und somit nicht nur einen Paradigmenwechsel, sondern vor allem eine kulturelle Herausforderung darstellt.

Quellenverzeichnis

1. Backhaus K., Bernd Erichson B., Plinke W. (2010), Weiber R.: Multivariate Analysemethoden: Eine anwendungsorientierte Einführung, Springer-Verlag, 13.Auflage, 2010

2. Brown, T. (2008): Design Thinking, Harvard Business Review, Juni 2008

3. Clayton M. Christensen (2013): The Innovator's Dilemma, Harvard Business School Press, 2013

4. Cooper R.G. (2011): Winning at New Products: Creating Value Through Innovation, 4.Edition, Basic Books, 2011

5. Cooper R.G. (2013): New Products - What separates the winners from the losers and what drives success, in Kenneth B.Kahn et al. (2013): The PDMA Handbook of New Product Development, 3.Edition, John Wiley & Sons Inc., 2013

6. Croll A., Yoskovitz B. (2013): Lean Analytics: Use Data to Build a Better Startup Faster, O'Reilly Media, 1st Edition, 2013

7. Dunne, D., Martin, R. (2006): Design thinking and how it will change management education: An interview and discussion. The Academy of Management Learning and Education, Volume5 - Nr.4, 2006

8. Engchuan R. (2012): Design Thinking in der internationalen Entwicklungszusammenarbeit (Bachelor-Arbeit), Fachbereich Wirtschafts- und Sozialwissenschaften, Hochschule für Technik, Wirtschaft und Gestaltung, Konstanz, 2012

9. GfK, Serviceplan (2006): Studie "Fast Moving Consumer Goods", http://presse.serviceplan.de/uploads/tx_sppresse/301.pdf, 2006, 02.02.2014

10. Graner M. (2013): Der Einsatz von Methoden in Produktentwicklungsprojekten, Springer Gabler, 2013

11. Hassler M. (2012): Web Analytics: Metriken auswerten, Besucherverhalten verstehen, Website optimieren, mitp, Auflage: 3., 2012

12. HPI School of Design Thinking (HPI D-School) (2011), Hasso-Plattner-Institut, Universität Potsdam, http://www.hpi.uni-potsdam.de/d-school, 2011, Abruf 24.07.2014

13. Human Center Design Toolkit (2009), IDEO.com (www.ideo.com/images/uploads/hcd_toolkit/IDEO_HCD_ToolKit.pdf), 2nd Edition, 2009, Abruf 07.07.2014

14. Kano N. (1984): Attractive Quality and Must-Be Quality, in Hinshitsu: The Journal of the Japanese Society for Quality Control, April 1984

15. Kaushik A. (2009): Web Analytics 2.0: The Art of Online Accountability and Science of Customer Centricity, John Wiley & Sons, 2009

16. Meffert H., Bruhn M. (2012): Dienstleistungsmarketing: Grundlagen - Konzepte - Methoden, Springer Gabler, 2012

17. Moore, G.A. (2006): Crossing the Chasm - Marketing and Selling Disruptive Products to Mainstream Customers, HarperBusiness, 2.Auflage, 2006

18. Peterson, E.T. (2005): Web Site Measurement Hacks: Tips & Tools to Help Optimize Your Online Business: Tips and Tools to Help Optimize Your Online Business, O'Reilly Media, 2005

19. Rea L.M., Parker R.A. (2014): Designing and Conducting Survey Research: A Comprehensive Guide, John Wiley & Sons; 4. Auflage, 2014

20. Rhinow H., Köppen E., Meinel C. (2012): Prototypes as Boundary Objects in Innovation Processes. Conference Paper in the Proceedings of the 2012 International Conference on Design Research Society (DRS 2012), Bangkok, Thailand, 2012

21. Ries E. (2011): The Lean Startup: How Today's Entrepreneurs Use Continuous Innovation to Create Radically Successful Businesses, Crown Business; 1st Edition, 2011

22. Winkler M. (2011): Innovative Teams im Design Thinking (Diplomarbeit), IKM-Fakultät Hagenberg, FH Oberösterreich, 2011

Autoren

Eingetragen von

Name:: Prof. Dr.-Ing. Oliver Kretzschmar

Mehr zu diesem Autor