Daten statt Annahmen

Menschen treffen ständig Annahmen über andere. Wir glauben zu wissen, was 'die meisten Leute' denken, wollen, für richtig halten. Diese Annahmen fühlen sich objektiv an – schließlich basieren sie auf unserer eigenen Erfahrung. Doch Kunden projizieren ihre eigenen Präferenzen auf andere und überschätzen systematisch, wie verbreitet ihre Meinung tatsächlich ist. Die Frage ist: Wie stark neigen Menschen dazu, ihre eigenen Ansichten als Norm zu betrachten, welche Faktoren verstärken diese Verzerrung – und welche Evidenz ist dazu bekannt?

Studien

Das Sandwich-Board-Experiment

Lee Ross führte 1977 an der Stanford University ein elegantes Experiment durch. Er fragte 80 Studenten, ob sie bereit wären, 30 Minuten lang über den Campus zu laufen mit einem großen Schild um den Hals auf dem 'Joe's Restaurant' stand. Manche sagten ja, manche nein. Dann sollten alle schätzen: Wie viele andere Studenten würden zustimmen? Das verblüffende Ergebnis: Wer selbst zugestimmt hatte, schätzte 62% Zustimmung bei anderen. Wer abgelehnt hatte, schätzte nur 33% Zustimmung. Die eigene Entscheidung veränderte die wahrgenommene soziale Realität um fast das Doppelte – obwohl alle dieselbe Frage bekommen hatten.

Die Alkoholkonsum-Studie

Brian Mullen und seine Kollegen untersuchten 1985 an der Syracuse University wie Menschen den Alkoholkonsum anderer einschätzen. 358 Studenten gaben zunächst ihren eigenen Alkoholkonsum an, dann schätzten sie den durchschnittlichen Konsum ihrer Kommilitonen. Die Korrelation war verblüffend: r=0.52 zwischen eigenem Verhalten und der Schätzung des Verhaltens anderer. Starke Trinker überschätzten massiv, wie viel andere trinken. Abstinente unterschätzten es. Beide Gruppen projizierten ihre eigene Normalität auf die soziale Welt. Als Kontrollgruppe fragte man auch nach messbaren Fakten wie durchschnittlicher Körpergröße – dort verschwand die Verzerrung fast völlig.

Prinzip

Welches Prinzip für Customer Experience Design lässt sich daraus ableiten? Der False-Consensus-Effekt zeigt, dass Kundenaussagen über vermeintliche Mehrheitsmeinungen mit größter Vorsicht zu behandeln sind – stattdessen sollten Unternehmen auf empirische Daten und repräsentative Erhebungen setzen. Besonders bei der Produktentwicklung und Marktpositionierung führt das blinde Vertrauen auf Kundenannahmen über "was alle wollen" zu kostspieligen Fehlentscheidungen, da diese Aussagen meist nur die eigene Präferenzblase widerspiegeln. Das Prinzip funktioniert am besten in Kombination mit quantitativen Methoden und verliert an Wirkung, wenn bereits ausreichend repräsentative Daten vorliegen oder wenn es um sehr spezifische Nischenzielgruppen geht. Die folgenden Guidelines zeigen, wie sich dieses Prinzip konkret umsetzen lässt.

Guidelines

Zeige reale Nutzungsdaten statt Annahmen

Verlasse dich nicht darauf, was Kunden glauben, dass 'die meisten' wollen. Zeige konkrete Zahlen: 'X% unserer Kunden nutzen Feature Y' statt 'Viele Kunden nutzen...'. Besonders wichtig bei Produktentscheidungen: Was der lauteste Kunde als 'offensichtlich notwendig' beschreibt, kann eine Nischenmeinung sein.

Zeige bewusst diverse Kundenstimmen

Menschen projizieren ihre eigenen Gründe auf andere. Ein technikaffiner Kunde glaubt, alle kaufen wegen Features. Ein preissensitiver Kunde glaubt, allen geht es ums Geld. Zeige gezielt verschiedene Kundentypen mit verschiedenen Motivationen: 'Maria kaufte wegen X, Thomas wegen Y'. Das durchbricht die Projektion und macht die tatsächliche Vielfalt sichtbar.

Schaffe Feedback-Schleifen über echte Präferenzen

Baue Mechanismen ein, die Kunden mit der tatsächlichen Verteilung konfrontieren. Beispiel: Nach einer Produktkonfiguration zeigen 'X% der Kunden wählten diese Option'. Das korrigiert falsche Konsensus-Annahmen und hilft Kunden, ihre Wahl zu validieren oder zu hinterfragen. Besonders wirksam bei Entscheidungen, wo Kunden unsicher sind.

Validiere User Research mit quantitativen Daten

In Interviews und Fokusgruppen projizieren Teilnehmer besonders stark ('Das würden die meisten so sehen'). Behandle solche Aussagen als Hypothesen, nicht als Fakten. Validiere qualitative Insights immer quantitativ mit größeren Stichproben. Was in 5 Interviews als Konsens erscheint, kann eine geteilte Nischenmeinung sein.