Die Diskussion begann bei uns im Trainerteam eigentlich mit einer ziemlich einfachen Frage: Wie helfen wir Produktmanagern dabei, mit wenigen Kennzahlen den Fokus auf nachhaltigen Produkterfolg zu richten?
Das North Star Framework liegt dafür nahe. Statt sich durch immer größere KPI-Dashboards zu arbeiten, soll ein Produktteam eine zentrale Kennzahl finden, die ausdrückt, ob Kunden tatsächlich Wert mit dem Produkt erzeugen.
Das klingt vernünftig. Und bei vielen digitalen Produkten funktioniert es ausgesprochen gut.
Schwieriger wurde unsere Diskussion, als wir an einige der Unternehmen dachten, mit denen wir in Trainings und Workshops arbeiten: Hersteller von Maschinen, Medizingeräten, Industriekomponenten oder anderen komplexen B2B-Produkten.
Denn dort entsteht ein interessantes Problem: Was passiert, wenn wir ziemlich genau wissen, welcher Customer Outcome eigentlich zählen müsste – ihn aber schlicht nicht messen können?
Die Idee hinter der North Star Metric ist richtig
Das North Star Framework versucht, Produktteams von einer rein geschäftlichen Sicht auf Erfolg wegzubringen.
Umsatz, Absatz oder Marge sind natürlich wichtig. Sie sagen uns aber zunächst einmal, was für unser Unternehmen herausgekommen ist.
Eine North Star Metric soll näher am Kunden liegen: Welchen messbaren Wert erzeugen Kunden tatsächlich mit unserem Produkt?
Bei einem Streamingdienst könnten das konsumierte Inhalte sein, bei einem Kollaborationstool erfolgreiche Zusammenarbeit oder bei einem Marktplatz abgeschlossene Transaktionen.
Die Logik dahinter gefällt uns: Wenn Kunden dauerhaft Wert erzeugen, sollten daraus langfristig auch gute Geschäftsergebnisse entstehen.
Das Problem beginnt mit einem kleinen Wort in der Definition: messbar.
Ein Customer Outcome wird nicht dadurch irrelevant, dass wir ihn nicht kontinuierlich messen können. Eine leicht messbare Kennzahl ist deshalb nicht automatisch die bessere North Star Metric.
Bei komplexen B2B-Produkten verschwindet der Kundennutzen aus unserem Blickfeld
Nehmen wir einen Hersteller industrieller Laserschneidanlagen.
Was ist der eigentliche Nutzen seiner Maschine?
Sicher nicht die Anzahl verkaufter Anlagen. Auch die Anzahl eingeloggter Nutzer oder ausgeführter Maschinenstarts bringt uns nicht besonders weit.
Eine konzeptionell interessante North Star Metric könnte eher lauten: „Anzahl wirtschaftlich produzierter Gutteile mit unserer Anlage.“
Damit wären wir ziemlich nah an dem, wofür der Kunde die Maschine überhaupt gekauft hat.
Nur hat diese Kennzahl einen entscheidenden Nachteil: Der Hersteller kennt sie möglicherweise nicht.
Die Maschine steht beim Kunden. Produktionsdaten bleiben hinter dessen Firewall. Unterschiedliche Kunden setzen die Maschine für völlig unterschiedliche Anwendungen ein. Telemetriedaten dürfen vielleicht gar nicht übertragen werden.
Wir haben damit eine merkwürdige Situation: Der vermutlich beste Ausdruck des Kundennutzens ist gleichzeitig eine Kennzahl, die wir nicht zuverlässig beobachten können.
Die gefährliche Abkürzung: Wir messen einfach das, was verfügbar ist
An dieser Stelle entsteht schnell das, was man etwas böse als KPI-Theater bezeichnen könnte.
Wenn der tatsächliche Kundennutzen nicht messbar ist, suchen wir uns eben etwas anderes: verkaufte Maschinen, aktive Serviceverträge, Ersatzteilumsatz, Wartungsverträge oder vielleicht die Zahl der Supportkontakte.
Alles hervorragend messbar.
Aber damit haben wir das ursprüngliche Problem nicht gelöst. Wir haben lediglich eine verfügbare Kennzahl zur North Star Metric erklärt.
Die bessere Frage lautet deshalb nicht: „Welche North Star Metric können wir messen?“
Sondern: „Welchen Kundennutzen wollen wir maximieren – und anhand welcher Signale können wir erkennen, ob uns das gelingt?“
Das führt zu einer etwas anderen Struktur.
| Ebene | Beispiel für eine B2B-Maschine | Messbarkeit |
|---|---|---|
| Customer Outcome | Wirtschaftlich produzierte Gutteile oder produktiv verfügbare Maschinenstunden | Teilweise oder gar nicht direkt messbar |
| Outcome Indicators / Proxies | Stillstände, Reklamationen, Servicefälle, Wartungsdaten, Kundenzufriedenheit, Erweiterungen | Teilweise messbar |
| Business Outcomes | Umsatz, Marge, Installed Base, Wiederkaufrate | Gut messbar |
Drei Ebenen statt einer magischen Kennzahl
Der entscheidende Unterschied: Wir müssen die oberste Ebene nicht austauschen, nur weil wir Schwierigkeiten haben, sie zu messen.
Sie kann weiterhin die Orientierungsgröße für das Produktteam sein.
Darunter suchen wir nach beobachtbaren Größen, die uns Hinweise darauf geben, ob wir uns in die richtige Richtung bewegen.
Aus der North Star wird ein Metric Tree
Für unsere Laserschneidanlage könnte die zentrale Zielsetzung beispielsweise lauten:
Customer Outcome: zuverlässig verfügbare und wirtschaftlich nutzbare Produktionskapazität beim Kunden.
Dieser Outcome wird wiederum von mehreren Faktoren beeinflusst: Verfügbarkeit × Leistungsfähigkeit × Qualität × Nutzbarkeit.
Und erst darunter kommen Kennzahlen, die wir tatsächlich regelmäßig beobachten können.
Ungeplante Stillstände bei ausgewählten Kunden
Service- und Supportfälle
Reklamationen und Qualitätsprobleme
Wartungsintervalle und Wartungsdaten
Ersatzteilbedarf
Ergebnisse regelmäßiger Kundenbefragungen
Erweiterung bestehender Installationen
Wiederkauf bei anstehenden Investitionen
Keine dieser Kennzahlen ist für sich genommen „der North Star“.
Gemeinsam liefern sie aber Evidenz dafür, ob das Produkt den Outcome erzeugt, den wir eigentlich erreichen wollen.
Damit sind wir gedanklich bereits näher an einem Metric Tree als an der Vorstellung einer einzigen alles erklärenden Kennzahl. Und für komplexe Produkte halten wir das häufig für die robustere Denkweise.
Und was ist mit Umsatz?
Eine der Regeln, die beim North Star Framework häufig hängen bleibt, lautet sinngemäß: Umsatz darf nicht die North Star Metric sein.
Auch diese Regel würden wir nicht dogmatisch behandeln.
Umsatz beantwortet tatsächlich eine andere Frage als Kundennutzen. Ein hoher Umsatz beweist nicht, dass Kunden mit einem Produkt erfolgreich sind.
Bei langlebigen B2B-Produkten können wirtschaftliche Kennzahlen aber durchaus starke Signale enthalten.
Ein Erstkauf zeigt zumindest, dass ein Kunde einen zukünftigen Nutzen erwartet. Interessanter wird es beim zweiten Kauf.
Wenn ein Industriekunde nach sieben Jahren seine nächste Maschine kauft und sich erneut für denselben Hersteller entscheidet, liegen bereits mehrere Jahre tatsächlicher Produkterfahrung zwischen den beiden Entscheidungen.
Eine mögliche Outcome-Kennzahl wäre deshalb: „Anteil der Kunden, die beim nächsten Investitionszyklus erneut unsere Lösung wählen.“
Das ist kundenwertnäher als reiner Umsatz und gleichzeitig geschäftlich hochrelevant. Sein Problem ist nur offensichtlich: Wir müssen möglicherweise Jahre warten, bis sich die Kennzahl bewegt.
Für die Produktsteuerung brauchen wir deshalb weiterhin frühere Signale.
Eine Wiederkaufrate nach sieben Jahren kann eine hervorragende Aussage über nachhaltigen Produkterfolg liefern – und trotzdem völlig ungeeignet sein, um Produktentscheidungen im nächsten Quartal zu steuern. Deshalb brauchen Produktteams beides: langfristige Outcomes und kurzfristig beeinflussbare Indikatoren.
Vielleicht braucht nicht jedes Produkt eine North Star Metric
Damit kommen wir zu dem Punkt unserer Diskussion, den wir für Produktmanager besonders interessant finden.
Frameworks helfen uns, komplexe Probleme zu strukturieren. Problematisch wird es, wenn aus einer hilfreichen Denklogik eine Regel wird, die unabhängig vom Kontext gelten soll.
Die Forderung „Jedes Produkt braucht eine North Star Metric“ würden wir deshalb durch eine andere ersetzen.
Jedes Produktteam sollte erklären können, welchen Kundennutzen es maximieren möchte, welche Geschäftsergebnisse daraus entstehen sollen und anhand welcher beobachtbaren Signale es erkennt, ob es auf dem richtigen Weg ist.
Ob sich daraus am Ende eine einzige Kennzahl ergibt, ist zweitrangig.
Vier Fragen für euren eigenen North Star
Wenn ihr bereits mit einer North Star Metric arbeitet – oder gerade versucht, eine zu definieren –, lohnt sich deshalb ein kurzer Realitätscheck.
Customer Outcome: Beschreibt unsere zentrale Größe tatsächlich einen Erfolg des Kunden – oder nur einen Erfolg unseres Unternehmens?
Messbarkeit: Haben wir die Kennzahl gewählt, weil sie den richtigen Outcome beschreibt – oder vor allem, weil die Daten verfügbar sind?
Frühindikatoren: Welche beeinflussbaren Größen zeigen uns frühzeitig, ob sich der gewünschte Customer Outcome wahrscheinlich verbessert?
Business Outcome: Können wir erklären, warum ein verbesserter Customer Outcome langfristig zu Umsatz, Marge, Bindung oder Wachstum beitragen sollte?
Wenn die erste Frage klar beantwortet ist, aber die zweite mit „Das können wir leider nicht zuverlässig messen“ endet, ist das nicht automatisch ein Fehler im Modell.
Vielleicht braucht ihr einfach keine perfekte North Star Metric. Vielleicht braucht ihr einen guten Metric Tree.
Der eigentliche Wert des North Star Frameworks
Aus unserer Diskussion im Trainerteam nehmen wir deshalb nicht mit, dass das North Star Framework für B2B-Hardware ungeeignet wäre.
Im Gegenteil.
Die zentrale Denkbewegung ist ausgesprochen wertvoll: weg von internen Output- und Finanzkennzahlen, hin zu der Frage, welchen Wert Kunden tatsächlich mit unserem Produkt erzeugen.
Nur sollte man an dieser Stelle nicht aufhören zu denken, weil das Framework eine bestimmte Lösung vorgibt.
Bei einem SaaS-Produkt kann am Ende tatsächlich eine kontinuierlich messbare North Star Metric stehen.
Bei einer Maschine, einem Medizingerät oder einer tief integrierten Industriekomponente kann das Ergebnis stattdessen ein Metric Tree sein, bei dem der wichtigste Customer Outcome ganz oben bewusst nicht vollständig messbar ist.
Das ist kein Scheitern des Frameworks.
Es bedeutet lediglich, dass wir es als das behandeln, was Frameworks sein sollten: Werkzeuge zum besseren Denken – und nicht Regeln, denen die Realität gehorchen muss.
Eure
Thomas und Jan / Trainer und Geschäftsführer bei ProduktManageMentor
Erstelle das Kennzahlen-Framework für dein B2B-Produkt
In unserem 2-Tage Kurs “Produktwachstum mit System” lernst Du systematisch die Wachstumschancen deines Produktes zu identifizeren und zu verfolgen.
Das North-Star-Framework und weitere Kennzahlen sind essentieller Teil davon.
