6. Juli 2026Aktualisiert am Fathy Shalaby15 Min. Lesezeit
Product-Led-Growth-Kennzahlen: Was du in jeder PLG-Phase messen solltest
Der PLG-Metrik-Stack in vier Ebenen, jeweils mit Formel und belegtem Benchmark, einem durchgerechneten Beispiel und den Messfehlern, die Self-Serve-Funnels ausbremsen.
Teilen
Dieser Artikel wurde aus dem Englischen übersetzt. Original lesen
Product-Led-Growth-Kennzahlen messen, was Nutzer im Produkt tun und was Umsatz vorhersagt: wie viele Anmeldungen echten Nutzen erleben (Aktivierung), wie schnell, ob daraus eine Gewohnheit wird und ob Accounts wachsen und andere einladen. Das Kernset besteht aus Aktivierungsrate, Time to Value, Product-Qualified Leads, Free-to-Paid-Conversion, DAU/MAU, Net Revenue Retention und Viralitätskoeffizient – ausgewertet nach Akquisitionsquelle und Kundensegment.
Das Wichtigste in Kürze
Die PLG-Conversion liegt niedriger, als die meisten Sales-led-Teams erwarten: In den Benchmarks von OpenView aus dem Jahr 2022 wandelten Freemium-Produkte 5 % der kostenlosen Nutzer in zahlende um, kostenlose Testphasen 17 % (OpenView, 2022).
Wer Product-Qualified Leads oder Accounts trackte, wuchs mit um 61 % höherer Wahrscheinlichkeit schnell – so das Ergebnis der Umfrage von OpenView und Pendo unter 1.000 Unternehmen (OpenView, 2023).
Die durchschnittliche Aktivierung über mehr als 500 Produkte liegt bei 34 %, der Median bei 25 % (Lenny's Newsletter, 2022).
Die beste Net Revenue Retention liegt bei etwa 110–120 % (ChartMogul), doch das mediane B2B-SaaS-Unternehmen stand 2025 bei 82 % (ChartMogul, 2025).
Ein Viralitätskoeffizient unter 1 hilft trotzdem: Bei K = 0,3 bringen 100 Anmeldungen mit der Zeit etwa 43 weitere.
Warum funktionieren Standard-SaaS-Kennzahlen nicht für Product-Led Growth?
Im Sales-led-Modell verläuft der Funnel linear: Lead, Opportunity, Demo, Abschluss. Gemessen werden die Übergaben zwischen Menschen: MQLs, SQLs, Win Rate, Verkaufszyklus.
Bei PLG gibt es wenige Übergaben. Der Funnel ist verhaltensbasiert: entdecken, anmelden, aktivieren, Gewohnheit bilden, ausbauen. Jeder Schritt hängt davon ab, was der Nutzer im Produkt tut oder nicht tut. Du misst Verhalten, das Umsatz vorhersagt, und keine Pipeline-Stufen, in denen Umsatz steckt.
Deshalb verwirren übernommene Sales-led-Kennzahlen PLG-Teams. „Wir haben 10.000 Anmeldungen“ sagt wenig, wenn 9.800 nie Nutzen erlebt haben. „Trial-to-Paid liegt bei 8 %“ sagt wenig, wenn du nicht weißt, was die 8 % anders gemacht haben.
PLG ist inzwischen eher Regel als Ausnahme. Der Anteil produktgetriebener Ansätze unter den OpenView-Befragten wuchs zwischen 2019 und 2022 von 45 % auf 55 % (OpenView, 2022). Die Frage, die PLG-Kennzahlen beantworten, lautet nicht „Wie viele Leute stehen in welcher Stufe?“, sondern „Welches Verhalten sagt Retention, Expansion und Weiterempfehlung voraus?“
Welche vier Ebenen haben Product-Led-Growth-Kennzahlen?
Ordne Product-Led-Growth-Kennzahlen in vier Ebenen. Jede Ebene beantwortet eine Frage, und auf jeder lohnt es sich, zwei bis vier Kennzahlen zu verfolgen.
Ebene 1: Wie gut ist deine Akquisition?
Bei PLG zählt die Qualität der Akquisition mehr als die Menge. Zehn Anmeldungen von Menschen, die zu deinem Ideal Customer Profile (ICP) passen, sind mehr wert als tausend aus einer breit gestreuten Kampagne, weil die zehn das Produkt tatsächlich nutzen.
Signup-to-Activation-Rate nach Quelle. Schlüssele die Aktivierung nach Kanal auf. OpenView stellte fest, dass die besten Freemium-Unternehmen 53 % ihrer neuen Nutzer aus der organischen Suche gewinnen und 13 % über produktgetriebene Empfehlungen, gegenüber 10 % aus bezahlter Werbung und 8 % aus Outbound (OpenView, 2022). Die Umfrage von 2023 ergab, dass eine übermäßige Abhängigkeit von bezahlter Akquise umgekehrt mit schnellem Wachstum korrelierte (OpenView, 2023). Deine eigene Verteilung wird anders aussehen; miss sie, bevor du Budget verschiebst.
Time to First Value je ICP-Segment. Wie lange braucht ein ICP-Nutzer bis zum ersten nützlichen Ergebnis? Beispielhaft: Wenn ICP-Nutzer in 3 Tagen aktivieren und Nicht-ICP-Nutzer 10 brauchen (und die meisten vorher abspringen), hast du ein Targeting-Problem und ein Reibungsproblem im Produkt gefunden.
Product-Qualified Leads (PQLs). Ein PQL ist eine Anmeldung, die zu deinem ICP passt und durch ihr Verhalten im Produkt Kaufinteresse gezeigt hat, etwa indem sie einen Aktivierungsschritt abgeschlossen oder ein Nutzungslimit erreicht hat. Optimiere darauf, nicht auf rohe Anmeldezahlen.
Ebene 2: Erreichen Anmeldungen echten Nutzen?
Aktivierung ist die wichtigste und am häufigsten missverstandene PLG-Kennzahl. Sie bedeutet nicht „Onboarding abgeschlossen“, „zweimal eingeloggt“ oder „das Intro-Video angesehen“. Sie ist der Punkt, an dem ein Nutzer genug Nutzen erlebt hat, um wahrscheinlich zu bleiben. Sie ist prädiktiv, nicht deskriptiv.
Um deinen echten Aktivierungsmeilenstein zu finden, führst du eine Kohortenanalyse durch. Nimm die Nutzer, die nach 30 Tagen noch aktiv sind, und suche das früheste Verhalten, das sie deutlich häufiger gezeigt haben als abgesprungene Nutzer. Dieses Verhalten ist dein Meilenstein, nicht das, was das Team angenommen hat. Die vollständige Methode steht im SaaS-Aktivierungs-Playbook.
Aktivierungsrate (bezogen auf den echten Meilenstein). Der Anteil der Anmeldungen, die das Verhalten zeigen, das Retention vorhersagt. Benchmarks: 34 % Durchschnitt und 25 % Median über mehr als 500 Produkte; allein für SaaS 36 % und 30 % (Lenny's Newsletter, 2022).
Time to Activation. Minuten, Stunden oder Tage von der Anmeldung bis zum Meilenstein. Tempo zählt: In den Daten von Amplitude aus dem Jahr 2025 zu über 2.600 Unternehmen gehörten 69 % der Produkte mit starker früher Aktivierung auch zu den Produkten mit starker Retention nach drei Monaten, und bei der Hälfte aller Produkte waren mehr als 98 % der neuen Nutzer zwei Wochen nach ihrer ersten Aktion inaktiv (Amplitude, 2025).
Aktivierungs-Drop-off je Schritt. Wo fallen Nutzer vor dem Meilenstein raus? Ein Abbruch von 60 % bei „Verbinde deine erste Integration“ ist ein anderes Problem als ein Abbruch von 60 % bei „Lade ein Teammitglied ein“. Diese Liste ist deine Onboarding-Roadmap.
Ebene 3: Entwickeln aktivierte Nutzer eine Gewohnheit?
Retention ist der Motor des PLG-Zinseszinseffekts. Ein aktivierter Nutzer, der im zweiten Monat abspringt, trägt nichts zu Mundpropaganda, Expansion oder Community bei.
DAU/MAU (Stickiness). Tägliche aktive Nutzer geteilt durch monatliche aktive Nutzer. Andrew Chen merkt an, dass Apps über 20 % üblicherweise als gut gelten und ab 50 % als Weltklasse, wobei Facebook historisch über 50 % lag (Andrew Chen). Er warnt auch, dass die Kennzahl für Produkte, die seltener genutzt werden, die falsche ist. Nimm bei einem wöchentlichen Tool, etwa für Planung oder Reporting, wöchentlich aktive geteilt durch monatlich aktive Nutzer und beurteile den Trend statt eines absoluten Zielwerts.
Nutzungs-Retention. Der Anteil einer Anmeldekohorte, der nach 30 Tagen noch aktiv ist. Die Freemium-Befragten in der OpenView-Umfrage kamen im Schnitt auf 20 %, herausragende PLG-Unternehmen auf 16 % (OpenView, 2022). Die Daten von Userpilot nennen für die Retention im ersten Monat im Schnitt 46,9 % bei 83 B2B-SaaS-Unternehmen (Userpilot). Die Definitionen von „aktiv“ unterscheiden sich, weshalb die beiden Zahlen so weit auseinanderliegen. Vergleiche dich zuerst mit deinen eigenen früheren Kohorten.
Tiefe der Feature-Nutzung. Welcher Anteil der aktivierten Nutzer stützt sich auf mehr als ein Kernfeature? Userpilot stellte fest, dass die Nutzung von Kernfeatures bei 181 B2B-SaaS-Unternehmen im Schnitt bei 24,5 % (Median 16,5 %) liegt (Userpilot). Die Arbeitshypothese lautet, dass tiefere Nutzung die Wechselkosten erhöht; prüfe sie an deinen eigenen Retention-Daten, bevor du danach handelst.
Breite der Nutzung innerhalb von Accounts. Im B2B-PLG zählt die Nutzung im Team mehr als die Nutzung durch Einzelne. Ein einzelner Power-User ist ab dem Tag ein Churn-Risiko, an dem er geht. Tracke den Anteil der Accounts über einer selbst gewählten Seat-Schwelle, etwa 3 oder mehr wöchentlich aktive Seats.
Ebene 4: Wachsen Accounts und laden sie andere ein?
Hier entsteht der PLG-Zinseszinseffekt, und hier lassen die meisten Teams Geld liegen.
Net Revenue Retention (NRR). Der Umsatz, der von Bestandskunden nach Churn, Downgrades und Expansion bleibt, meist über 12 Monate gemessen. Eine NRR über 100 % bedeutet, dass der Kundenstamm auch ohne neue Logos wächst. ChartMogul beziffert die beste NRR auf etwa 110–120 %, bei B2B-Unternehmen, die an den gehobenen Mittelstand und Enterprise verkaufen, auf 115–125 % (ChartMogul). Der Median liegt deutlich niedriger: 82 % bei B2B-SaaS-Unternehmen über 250.000 $ ARR im Jahr 2025, das obere Quartil bei 97 % (ChartMogul, 2025). Auch der Preispunkt spielt eine Rolle: In den ChartMogul-Daten von 2022 hatten 41,1 % der Unternehmen mit einem durchschnittlichen Umsatz pro Account von über 500 $ im Monat eine NRR über 100 % (ChartMogul).
Expansions-PQLs. Nutzer in zahlenden Accounts, die Nutzungslimits erreichen, häufig Teammitglieder einladen oder erweiterte Funktionen nutzen, sind warme Expansions-Leads. Leite sie je nach Account-Wert an ein Self-Serve-Upgrade oder an einen Menschen weiter.
Viralitätskoeffizient (K-Faktor). Wie viele neue Nutzer jeder bestehende Nutzer mitbringt. David Skoks Formel lautet K = versendete Einladungen pro Nutzer × Einladungs-Conversion-Rate, und K muss über 1 liegen, damit echtes virales Wachstum entsteht (For Entrepreneurs). Er zeigt außerdem, dass die virale Zykluszeit, also die Dauer einer Einladungsschleife, wichtiger ist als K: In seinem Modell erreicht ein 2-Tage-Zyklus nach 20 Tagen 20.470 Nutzer, während ein 1-Tage-Zyklus über 20 Millionen kommt.
Time to Expansion. Wie lange nach der Anmeldung wächst ein Account typischerweise? Beispielhaft: Wenn die mediane Expansion im dritten Monat stattfindet, die Ansprache aber erst im sechsten beginnt, verpasst du das Zeitfenster. Löse Expansionsarbeit durch Verhalten aus, nicht durch den Kalender.
Welche Formeln gelten für PLG-Kennzahlen?
Kennzahl
Formel
Belegter Benchmark
Aktivierungsrate
Nutzer, die den Meilenstein im Zeitfenster erreichen ÷ Anmeldungen der Kohorte
Nutze Benchmarks als Plausibilitätscheck, nicht als Ziel. Jede Quelle definiert „aktiv“ und „aktiviert“ anders, und Freemium- und Free-Trial-Produkte solltest du nie miteinander vergleichen.
Freemium oder kostenlose Testphase: Welche Benchmarks gelten für dich?
OpenViews „Geschichte von 1.000 Besuchern“ zeigt, warum das Modell wichtiger ist als jede einzelne Conversion-Rate (OpenView, 2022):
Pro 1.000 Website-Besucher
Freemium (Median)
Kostenlose Testphase (Median)
Kostenlose Anmeldungen
60 (6 %)
40 (4 %)
Free-to-Paid-Conversion
5 %
17 %
Zahlende Kunden
3
7
Ohne Vertriebskontakt konvertiert
Etwa 2
Etwa 1
Freemium schafft mehr Nutzer und weniger Kunden; Testphasen schaffen weniger Nutzer und mehr Kunden. Ein Freemium-Team, das eine Conversion von 5 % feiert, und ein Trial-Team, das sich über 15 % sorgt, können beide genau im Median liegen. Wähle Benchmarks aus deinem eigenen Modell.
Wie baust du einen Product-Qualified Lead (PQL)?
OpenView stellte fest, dass fast ein Drittel der Freemium-Unternehmen jede Anmeldung kontaktierte, während herausragende PLG-Unternehmen im Schnitt nur 14 % ansprachen. Nur 45 % der Freemium-Unternehmen und 19 % der Sales-led-Unternehmen hatten eine PQL-Kennzahl (OpenView, 2022). Ein PQL löst das, indem er Menschen auf die Accounts fokussiert, die wahrscheinlich kaufen.
Wähle das Ergebnis. Meist die Conversion zu einem zahlenden Account innerhalb von 30 oder 60 Tagen oder ein Upgrade auf einen höheren Plan.
Liste Kandidaten für das Verhalten auf. Aktivierungsmeilenstein erreicht, Teammitglieder eingeladen, Nutzungslimit erreicht, Preisseite angesehen, Integration verbunden.
Vergleiche Konvertierer mit Nicht-Konvertierern. Finde für die Anmeldungen der letzten 3–6 Monate das Verhalten, das Konvertierer deutlich häufiger gezeigt haben.
Ergänze den Fit. Kombiniere Verhalten mit ICP-Fit (Unternehmensgröße, Rolle, Anwendungsfall), damit ein neugieriger Student nicht vor einem Team mit 20 Leuten landet.
Lege eine Schwelle fest und leite weiter. Oberhalb der Schwelle meldet sich ein Mensch oder ein Upgrade-Hinweis im Produkt wird ausgelöst. Darunter erledigt das Produkt weiter die Arbeit.
Prüfe monatlich. Miss die PQL-to-Paid-Conversion im Vergleich zur Conversion von Nicht-PQLs. Ist der Abstand klein, stimmt die Definition nicht.
Der Effekt kann groß sein: In der Umfrage von OpenView und Pendo aus dem Jahr 2023 erhöhte das Tracking von PQLs oder produktqualifizierten Accounts die Wahrscheinlichkeit für schnelles Wachstum um 61 % – der stärkste Hebel der Studie (OpenView, 2023). Das ist eine Korrelation aus einer Umfrage und kein Beweis, dass PQLs Wachstum verursachen, aber kein anderer Hebel kam auch nur in die Nähe.
Durchgerechnetes Beispiel: Einen PLG-Funnel von Anfang bis Ende lesen
Illustratives Beispiel. Angenommen, ein B2B-Freemium-Tool hat 20.000 Website-Besucher im Monat.
Akquisition: 6 % melden sich an, das ergibt 1.200 kostenlose Anmeldungen.
Aktivierung: 30 % erreichen den Aktivierungsmeilenstein innerhalb von 7 Tagen: 360 aktivierte Nutzer. Time to Activation im Median: 2 Tage.
Gewohnheit: 25 % der ursprünglichen 1.200 sind an Tag 30 noch aktiv: 300 Nutzer.
Conversion: 5 % der Anmeldungen werden zahlende Accounts: 60 neue Kunden pro Monat.
Viral: Jeder neue Nutzer verschickt im Schnitt 2 Einladungen, und 15 % werden angenommen, also K = 2 × 0,15 = 0,3. Lädt jeder neue Nutzer nur einmal ein, direkt nach der Anmeldung, bringen die 1.200 Anmeldungen mit der Zeit 1.200 × 0,3 ÷ (1 − 0,3) ≈ 514 weitere.
Zwölf Monate später haben die Kunden, die zu Jahresbeginn 20.000 € MRR zahlten, 3.000 € Expansion hinzugefügt, 500 € durch Downgrades und 1.500 € durch Churn verloren:
Was sollte dieses Team tun? Die Aktivierung (30 %) liegt nahe am SaaS-Median, der größte Hebel sind also wahrscheinlich die 70 %, die nie aktivieren. Ein K von 0,3 ist kein virales Wachstum, steigert die Akquise aber kostenlos um etwa 43 %, also ist die Verkürzung der Einladungsschleife der zweite Hebel. Eine NRR über 100 % zeigt, dass Bestandskunden dauerhaften Nutzen finden; schütze sie.
Was sollte ein PLG-Dashboard zeigen, und wie oft?
Wöchentlicher Puls (taktisch):
Neue PQLs diese Woche im Vergleich zur Vorwoche
Aktivierungsrate der aktuellen 7-Tage-Kohorte
Mediane Time to Activation, diese Kohorte im Vergleich zum 30-Tage-Durchschnitt
Trend der wöchentlich aktiven Nutzer (oder DAU/MAU bei täglich genutzten Produkten)
Monatlicher Review (strategisch):
Aktivierungsrate nach Akquisitionsquelle
30/60/90-Tage-Retention nach Aktivierungskohorte
Verteilung der Tiefe der Feature-Nutzung
Anteil der Accounts über deiner Schwelle für aktive Seats
NRR und GRR
Pipeline der Expansions-PQLs
Quartalsweiser Deep Dive:
Kohortenanalyse erneut durchführen: Hat sich der echte Aktivierungsmeilenstein verändert?
1. Den falschen Aktivierungsmeilenstein verwenden. „Onboarding-Checkliste abgeschlossen“ misst das Ausfüllen eines Formulars, nicht Nutzen. Mach die Kohortenanalyse und baue alles um das Verhalten herum auf, das Retention vorhersagt.
2. Monatlich aktive Nutzer ohne Segmentierung zählen. Wer sich einmal im Monat einloggt, um eine Benachrichtigung wegzuklicken, ist in keinem sinnvollen Sinn aktiv. Segmentiere nach Engagement-Tiefe, ICP-Fit und Expansionspotenzial.
3. Signale auf Teamebene im B2B ignorieren. Ein Unternehmen, in dem eine einzige Person dein Produkt intensiv nutzt, ist gefährdet, sobald diese Person geht. Tracke Aktivierung, Breite und Seat-Wachstum auf Account-Ebene als erstklassige Kennzahlen.
4. NRR als Finanzkennzahl behandeln. Eine sinkende NRR bedeutet, dass das Produkt nicht genug dauerhaften Nutzen liefert, um Verlängerung und Expansion zu rechtfertigen. Das ist ein Produktproblem, nicht nur ein Problem des Account-Managements.
5. Die virale Schleife als Nachgedanken bauen. Wenn Einladungen in den Einstellungen vergraben sind, liegt K nahe null. Baue das Teilen in den Aktivierungsfluss und den ersten kollaborativen Moment ein und verkürze die Zykluszeit.
6. Mit dem falschen Benchmark vergleichen. Ein Freemium-Produkt, das an der Conversion kostenloser Testphasen gemessen wird, wirkt kaputt, und ein KI-natives Produkt, das an der klassischen SaaS-Retention gemessen wird, wirkt noch schlechter: ChartMogul fand bei KI-nativen Unternehmen 2025 eine mediane NRR von 48 % (ChartMogul, 2025). Auch die Preisgestaltung beeinflusst die Expansion; prüfe daher noch einmal, ob Per-Seat-Preise zu einem KI-Produkt passen.
Wann passt dieser Metrik-Stack nicht?
Sehr frühe Produkte mit weniger als ein paar hundert Anmeldungen im Monat können Kohorten-Retention oder PQL-Schwellen nicht verlässlich lesen; die Zahlen bewegen sich an einer Handvoll Nutzer. Sprich mit Nutzern und tracke die Aktivierung von Hand, bis das Volumen den Stack aussagekräftig macht; eine Product-Market-Fit-Umfrage liefert bei geringem Volumen schneller ein Bild. Rein Sales-led-Produkte ohne Self-Serve-Pfad brauchen Pipeline-Kennzahlen, wobei Aktivierung und NRR nach dem Abschluss trotzdem gelten.
Wo Specky ins Spiel kommt
Die meisten PLG-Teams haben die Daten. Sie liegen in PostHog, Pendo und einer Tabelle, getrennt von den Entscheidungen, die sie eigentlich informieren sollten. Specky liest Analytics zusammen mit Kundengesprächen, Feedback und Tickets in einen Product Graph ein. Die Ansicht Feature Adoption nimmt PostHog-Trends und -Funnels oder Pendo-Seitenaufrufe und zeigt für jedes Feature Nutzungsanteil und Trend samt Empfehlung zum Ausbauen, Behalten oder Auslaufenlassen, wöchentlich aktualisiert. Sie ist Entscheidungshilfe und keine automatische Abschaltliste (den Unterschied erklärt Product Intelligence vs. Product Analytics): Wenn sich die Nutzung eines Features verändert, kannst du die Interviews und Tickets öffnen, die erklären, warum, bevor du entscheidest.
Häufig gestellte Fragen
Was sind die wichtigsten Product-Led-Growth-Kennzahlen?
Die wichtigsten Product-Led-Growth-Kennzahlen sind Aktivierungsrate, Time to Activation, Product-Qualified Leads, Free-to-Paid-Conversion, Net Revenue Retention und Viralitätskoeffizient. Die Aktivierung ist am Anfang am wichtigsten, weil sie die Retention vorhersagt. Die Net Revenue Retention ist im großen Maßstab am wichtigsten, weil sie zeigt, ob Bestandskunden weiter Nutzen finden und wachsen.
Was ist eine gute Free-to-Paid-Conversion-Rate für PLG?
Das hängt vom Modell ab. Die OpenView-Benchmarks von 2022 nennen als Median 5 % der kostenlosen Anmeldungen bei Freemium-Produkten und 17 % bei kostenlosen Testphasen. Vergleiche dich nur mit Produkten, die dasselbe Modell nutzen, und tracke die Rate nach Kohorte und Akquisitionsquelle statt als einen einzigen Mischwert.
Was ist ein Product-Qualified Lead?
Ein Product-Qualified Lead ist ein Nutzer oder Account, der zu deinem Ideal Customer Profile passt und durch sein Verhalten im Produkt Kaufinteresse gezeigt hat, etwa durch das Erreichen des Aktivierungsmeilensteins, das Einladen von Teammitgliedern oder das Erreichen eines Nutzungslimits. Teams bauen ihn auf, indem sie vergleichen, was konvertierende und nicht konvertierende Anmeldungen getan haben, und Accounts über einer Schwelle an den Vertrieb oder einen Upgrade-Hinweis weiterleiten.
Was ist eine gute Net Revenue Retention?
Die beste NRR liegt laut ChartMogul bei etwa 110–120 %, bei B2B-Unternehmen, die an den gehobenen Mittelstand und Enterprise verkaufen, bei 115–125 %. Der Median ist niedriger: 82 % bei B2B-SaaS-Unternehmen über 250.000 $ ARR im Jahr 2025, das obere Quartil liegt bei 97 %. Die NRR steigt mit dem Preispunkt, weil höherwertige Accounts seltener abspringen und stärker wachsen.
Wie berechnest du den Viralitätskoeffizienten?
Multipliziere die durchschnittliche Zahl der Einladungen, die jeder Nutzer verschickt, mit dem Anteil der Einladungen, die zu neuen Nutzern werden. Zwei Einladungen bei einer Annahmequote von 15 % ergeben K = 0,3. Ein K über 1 bedeutet, dass jeder Nutzer mehr als einen neuen Nutzer mitbringt – echtes virales Wachstum. Unter 1 bringen Einladungen trotzdem Nutzer, und die größte Wirkung hat die Verkürzung des Einladungszyklus.
Ist DAU/MAU eine gute Kennzahl für B2B-SaaS?
Nur für Produkte, die man täglich braucht. Andrew Chen beschreibt 20 %+ als gut und 50 %+ als Weltklasse, warnt aber, dass die Kennzahl bei wöchentlich oder monatlich genutzten Produkten in die Irre führt. Viele B2B-Tools sind von Natur aus wöchentlich, daher ist die Zahl der wöchentlich aktiven Nutzer geteilt durch die monatlich aktiven, als Trend nach Kohorte gelesen, meist die bessere Kennzahl für Gewohnheitsbildung.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing