Segmentierung und Variablen: Die richtigen Personen finden

Die wichtigste Frage zur Stichprobengröße ist nicht "wie viele?", sondern "wie viele von wem?" Wenn Ihr Produkt verschiedene Nutzertypen bedient, müssen Sie mit jedem Typ testen.

Das Ziel guter Forschung ist es, homogene Segmente zu definieren und zu rekrutieren, also Gruppen, in denen Teilnehmende sich in Bezug auf Bedürfnisse, Verhaltensweisen und Kontext sehr ähnlich sind.

Warum Homogenität wichtig ist

Wenn Sie mit einem einzelnen, klar definierten Segment testen, ist die Varianz (der Grad der Unterschiede von einer Person zur nächsten) gering. Verhaltensmuster wiederholen sich schnell, wodurch Sie die häufigsten Probleme für diese spezifische Gruppe mit einer relativ kleineren Stichprobe aufdecken können.

Dieses Prinzip ist formal als Erreichen der Sättigung bekannt, also dem Punkt, an dem Sie keine neuen Informationen mehr erhalten. Wenn eine teilnehmende Person nach der anderen dieselbe Frustration beschreibt, haben Sie wahrscheinlich etwas Wichtiges identifiziert.

Variablentypen

Um Segmente zu erstellen, müssen Sie entscheiden, welche Merkmale für die Differenzierung Ihrer Nutzer*innen am wichtigsten sind. Variablen können sein:

Demografische Variablen

Alter, Geschlecht, Standort, Einkommen, Bildung, Haushaltsstatus.

Realitätscheck: Obwohl demografische Daten oft am einfachsten zu erheben sind, sind sie häufig am wenigsten nützlich, um die User Experience zu erklären. Jemandes Alter zu kennen sagt Ihnen sehr wenig darüber, warum eine Oberfläche verwirrend wirkt.

Verhaltensbezogene Variablen

Konkrete Handlungen der nutzenden Person: Nutzungshäufigkeit, genutzte Features, Kaufhistorie, Produktadoptionsmuster.

Beispiel: "Hat in den letzten 6 Monaten mindestens 3 Käufe getätigt" oder "Nutzt die mobile App mindestens wöchentlich."

Einstellungsbasierte Variablen

Meinungen und Überzeugungen: Preissensibilität, Technikaffinität, Markentreue, Risikobereitschaft.

Beispiel: "Betrachtet sich als Early Adopter neuer Technologien."

Psychografische Variablen

Vorerfahrungen, Werte, Interessen, Lebensstil und Persönlichkeitsmerkmale.

Beispiel: "Legt bei Kaufentscheidungen Wert auf Nachhaltigkeit" oder "Bevorzugt Self-Service gegenüber menschlichem Support."

Die Hierarchie der Variablen

Nicht alle Segmentierungsdaten sind gleich aussagekräftig. Denken Sie an Variablen als Faktoren mit unterschiedlicher Vorhersagekraft:

Warum diese Hierarchie wichtig ist

Verhaltensbezogene Variablen sagen zukünftiges Verhalten am besten voraus. Wenn jemand im letzten Monat drei Käufe getätigt hat, wird diese Person wahrscheinlich einen vierten tätigen. Wenn jemand ein Feature täglich nutzt, wird diese Veränderung auffallen.

Psychografische Variablen erklären Motivation. Zu wissen, dass jemand risikoavers oder ein Early Adopter ist, hilft Ihnen zu verstehen, warum diese Person sich so verhält und wie Sie mit ihr kommunizieren können.

Demografische Variablen sind der schwächste Prädiktor. Ein 20-Jähriger und ein 60-Jähriger können beide Anfänger*innen sein. Eine Führungskraft mit hohem Einkommen und ein Student oder eine Studentin können aus unterschiedlichen Gründen preissensibel sein. Demografische Daten sind leicht zu erheben, aber oft irreführend.

Segmentierungs- vs. Messvariablen

Es ist hilfreich, Variablen in zwei verschiedene Gruppen einzuteilen:

Segmentierungsvariablen

Merkmale, die Sie verwenden, um Ihre Zielgruppe zu definieren und zu finden. Diese sollten beim Screening erhoben worden sein, um sicherzustellen, dass Sie die richtigen Personen rekrutiert haben. Für jede teilnehmende Person in Ihrer Studie sollten Sie diese Informationen bereits kennen.

Messvariablen

Datenpunkte, die Sie während der Studie erheben, um Forschungsfragen zu beantworten. Dazu gehören Task-Success-Raten, Time on Task, Antworten auf offene Fragen und Bewertungen auf Skalen.

Dimensionen vs. Typen

Es ist hilfreich, zwischen Dimensionen und Typen zu unterscheiden:

Dimensionen sind wie Schieberegler an einem Mischpult. Jede Person hat einen spezifischen Wert auf diesem Faktor, zum Beispiel Preissensibilität von niedrig bis hoch.

Typen sind die finalen Segmente, die Sie durch Kombination von Dimensionen erstellen, wie der "preisbewusste Käufer". Die Annahme ist, dass eine bestimmte Kombination von Schiebereglerpositionen einen eigenständigen Typ erzeugt.

Für den Multiplikatoreffekt jedes Segments auf die benötigte Stichprobengröße, siehe Stichprobengrößen: Jenseits der magischen Zahlen.

Wie man Variablen operationalisiert

Sobald Sie Schlüsselvariablen definiert haben, müssen Sie sie operationalisieren, also abstrakte Konzepte in konkrete, messbare Fragen überführen, die in einem Screener verwendbar sind.

Das Problem mit abstrakten Fragen

Sie können nicht direkt nach abstrakten Konzepten fragen. Wenn Sie fragen "Sind Sie preisbewusst?", interpretiert jede Person die Frage anders, und die meisten werden "ja" sagen, unabhängig vom tatsächlichen Verhalten.

Die Vorher-/Nachher-Transformation

Das Konzept: "Preisbewusste Reisende"

Die operationalisierten Antwortoptionen:

• Hostel oder Budget-Unterkunft
• 3-Sterne-Hotel oder vergleichbar
• 4-5-Sterne-Hotel oder Luxusresort

Weitere Beispiele

Diese operationalisierten Variablen werden zu Ihren Screening-Kriterien, mit denen Sie eine breite Population in spezifische, homogene Segmente filtern können.

Personas als Segmentrepräsentationen

Manche Teams definieren Nutzertypen als Personas ^[1], fiktive Charaktere, die die Ziele und Verhaltensweisen realer Nutzergruppen repräsentieren.

Ob Sie formale Personas oder einfach eigenständige Segmente definieren, die Regeln sind dieselben. Beispiele für gut definierte Segmente:

• Preisbewusste Studierende (gescreent nach Alter und Unterkunftswahl)
• Familien, die einen Urlaub planen (gescreent nach Haushaltsstatus)
• Häufig reisende Geschäftsleute (gescreent nach Reisen pro Jahr)
• Casual Gamer (gescreent nach Spielzeit und bevorzugten Genres)

Repräsentative Stichproben

Das Ziel der Segmentierung ist es, zu einer repräsentativen Stichprobe zu gelangen. Aber Repräsentativität ist nicht binär, sondern eine ständige, qualitative Diskussion.

Fragen Sie für jedes Zielsegment: "Deckt diese Gruppe von Teilnehmenden das Spektrum an Erfahrungen, Bedürfnissen und potenziellen Frustrationen ab, das wir in diesem Segment erwarten?"

Das ist eine Ermessensentscheidung, keine mathematische Gewissheit.

Geschichtete vs. Quotenstichprobe

Beide Ansätze beginnen gleich: Nutzer*innen in Schlüsselsegmente einteilen und entscheiden, wie viele aus jedem benötigt werden.

Geschichtete Stichprobe: Aus Ihrer vollständigen Liste jedes Segments wählen Sie Personen vollständig zufällig aus. Jede Person hat die gleiche Chance, ausgewählt zu werden. Rigoros, aber langsam.

Quotenstichprobe: Sie akzeptieren die ersten verfügbaren Personen, die die Kriterien erfüllen, bis Sie Ihre Zielzahl erreichen. Schneller und günstiger, birgt aber das Risiko, Bias einzuführen, weil die "Ersten in der Schlange" möglicherweise nicht alle repräsentieren.

In der Praxis ist die Quotenstichprobe häufiger, aber keine von beiden erreicht Perfektion. Ihre Aufgabe ist es, die spezifischen Einschränkungen Ihrer Stichprobe zu verstehen und transparent damit umzugehen.

Unabhängige und abhängige Variablen

Um die formale Sprache der Forschung zu sprechen:

Unabhängige Variable (Prädiktor): Das, was Sie kontrollieren oder verändern, um zu sehen, welchen Effekt es hat. Oft das Design selbst (Prototyp A vs. B) oder ein Nutzersegment (Anfänger*innen vs. Expert*innen).

Abhängige Variable (Ergebnis): Was Sie messen, um den Effekt dieser Veränderung zu sehen: Task-Success-Raten, Time on Task, SUS Scores.

So zu denken bietet eine klare Struktur: "Wir beobachten den Effekt von [unabhängige Variable] auf [abhängige Variable]."

Für die statistischen Analysen, die Variablentypen bestimmen, siehe Quantitative Analyse: Von Metriken zu Signifikanz.

Praktische Tipps zu demografischen Daten

Ein Hinweis speziell zu demografischen Variablen:

Erfinden Sie das Rad nicht neu: Prüfen Sie, ob in Ihrem Unternehmen bereits ein Segmentierungsmodell existiert (oft von Marketing oder Marktforschung gepflegt). Die Ausrichtung an deren Definitionen erleichtert die Integration Ihrer Forschung.

Verwenden Sie offizielle Standards: Wenn kein interner Standard existiert, nutzen Sie Kategorien nationaler statistischer Ämter (Destatis, Statistik Austria etc.). Das erleichtert die Prüfung von Quoten und den Vergleich mit breiteren Bevölkerungsdaten.

Erheben Sie Rohzahlen wenn möglich: Fragen Sie das Alter immer als direkte Zahl ab, nicht als Klammer wie "25–34." Sie können Klammern später in der Analyse bilden, aber von einer Klammer zurück zur genauen Zahl kommen Sie nicht.

Was das für die Praxis bedeutet

Segmentierung ist keine Bürokratie, sondern stellt sicher, dass Ihre Befunde auf die Personen zutreffen, die zählen. Eine Studie über "Nutzer*innen im Allgemeinen" sagt oft nichts Konkretes über irgendjemanden aus.

Definieren Sie Ihre Segmente auf Basis von Variablen, die tatsächlich Verhalten vorhersagen. Operationalisieren Sie diese Variablen in konkrete Screening-Kriterien. Rekrutieren Sie homogene Gruppen. Dann werden Ihre Befunde für spezifische Zielgruppen handlungsrelevant sein.

Für den Zusammenhang zwischen Segmentierung und Rekrutierungs-Targeting, siehe Recruiting von Teilnehmer*innen: Die richtigen Personen finden.