17. Juli 2026Aktualisiert am Fathy Shalaby16 Min. Lesezeit
Werden 80 % der Features selten oder nie genutzt? Was die Daten wirklich gemessen haben
Die 80 % stammen aus Pendos Report von 2019, die 64 % aus einer Standish-Keynote von 2002 über vier interne Apps. Was jede Zahl misst und wie du ungenutzte Features diagnostizierst.
Teilen
Dieser Artikel wurde aus dem Englischen übersetzt. Original lesen
Werden 80 % der Features selten oder nie genutzt? Die Zahl stammt aus Pendos Feature Adoption Report von 2019. Er analysierte 615 Abonnements über drei Monate und kam zu dem Ergebnis, dass 80 % der getaggten Features selten oder nie genutzt wurden, während 12 % der Features 80 % der täglichen Nutzung erzeugten. Es ist eine Aussage über die Produkte von Pendo-Kunden, kein universelles Gesetz. Die ältere 64-%-Zahl geht auf eine Keynote der Standish Group aus dem Jahr 2002 über vier interne Anwendungen zurück.
Das Wichtigste in Kürze
Pendos Report von 2019 fand, dass 80 % der Features selten oder nie genutzt werden, wobei ein Feature ein getaggter Produktbereich war; rund 12 % der Features erzeugten 80 % der durchschnittlichen täglichen Nutzung (Pendo, 2019).
Pendos Benchmarks von 2024 über 6.800 Kunden: 6,4 von 100 Features erzeugen 80 % des Klickvolumens; die besten Produkte erreichen 15,6 % (Pendo, 2024).
Die Zahl „64 % der Features werden selten oder nie genutzt“ stammt aus einer Keynote von Jim Johnson, Chairman der Standish Group, auf der XP 2002 und basiert auf vier intern entwickelten Anwendungen – keine kommerziellen Produkte (Mountain Goat Software).
Die meisten Ideen scheitern im Test: Bei Google und Bing liefern nur etwa 10–20 % der Experimente positive Ergebnisse (Kohavi und Thomke, HBR 2017).
Geringe Nutzung ist ein Symptom. Finde heraus, wo der Pfad bricht – Zugangsberechtigung, Sichtbarkeit, Erstnutzung, wiederholte Nutzung oder Ergebnis –, bevor du etwas entfernst, bewirbst oder neu baust.
Woher stammt die Statistik „80 % der Features werden selten oder nie genutzt“?
Die Statistik stammt aus Pendos Feature Adoption Report von 2019. Pendos eigene Zusammenfassung lautet: 80 Prozent der Features in einem durchschnittlichen Softwareprodukt werden selten oder nie genutzt (Pendo, 2019).
Das hat die Studie tatsächlich abgedeckt:
Stichprobe: anonymisierte Nutzungsdaten aus 615 Pendo-Abonnements, alles Kunden, die Pendo seit mehr als einem Jahr einsetzten.
Zeitfenster: Nutzung, aggregiert über einen Zeitraum von drei Monaten.
Branchen: unter anderem Banken und Finanzen, HR-Technologie, Bildung, Versand und Logistik, Gesundheitswesen und E-Commerce.
Analyseeinheit: Ein „Feature“ war ein getaggter Produktbereich. Pendo nahm an, dass getaggte Bereiche täglich, wöchentlich oder monatlich genutzt werden sollten.
Kategorien: Die Nutzung wurde in häufig, mäßig, selten oder nie genutzt eingeteilt.
Konzentration: Rund 12 % der Features erzeugten 80 % des durchschnittlichen täglichen Nutzungsvolumens. Laut Pendo schwankten die Anteile je nach Unternehmensgröße nur geringfügig.
Woher stammt die Zahl von 29,5 Milliarden Dollar?
Pendo schätzte außerdem, dass börsennotierte Cloud-Software-Unternehmen bis zu 29,5 Milliarden Dollar in die Entwicklung selten oder nie genutzter Features investiert haben. Die Methode ist eine Schätzung auf Schätzungen: Gartners Prognose von 175,8 Milliarden Dollar öffentlichem Cloud-Umsatz für 2018, eine durchschnittliche F&E-Quote von 54 Unternehmen im Bessemer Emerging Cloud Index und darauf der Anteil von 80 % (Pendo, 2019). Pendos anschauliches Beispiel: Ein Unternehmen mit 50 Millionen Dollar Umsatz könnte 8,4 Millionen Dollar für solche Features ausgeben.
Betrachte die Dollarzahl als Überschlagsrechnung zur Veranschaulichung, nicht als gemessene Kosten. Sie geht davon aus, dass jedes selten genutzte Feature Verschwendung ist – das belegt der Report selbst nicht.
Was die Pendo-Studie nicht zeigt
Die Studie hat die Nutzungshäufigkeit getaggter Bereiche gemessen. Nicht gemessen hat sie:
Warum ein Feature ungenutzt blieb – schlechte Auffindbarkeit, geringer Bedarf, schlechte Passung oder ein kaputter Workflow.
Wert pro Nutzung. Ein Datenexport, der einmal im Quartal genutzt wird, kann eine Vertragsverlängerung retten.
Ob die Tags vollständig waren. Teams taggen, was sie beobachten wollen; ungetaggte Bereiche bleiben unsichtbar.
Ob dein Produkt dazu passt. Pendos Kunden sind eine Stichprobe von Softwareunternehmen, die ein Product-Analytics-Tool kaufen, nicht die gesamte Software.
Fair ist also: „In Pendos Stichprobe von 2019 wurden die meisten getaggten Features kaum genutzt, und die Nutzung konzentrierte sich auf einen kleinen Anteil.“ Unfair ist: „80 % von allem, was wir bauen, ist Verschwendung.“
Was hat die Standish Group tatsächlich gemessen?
Die ältere und bis heute oft wiederholte Behauptung lautet, dass 64 % der Software-Features selten oder nie genutzt werden. Sie wird üblicherweise der Standish Group zugeschrieben, die vor allem für ihre CHAOS-Reports zu IT-Projektergebnissen bekannt ist.
Mike Cohn hat die Spur zurückverfolgt. Die Zahl stammt von Jim Johnson, Chairman der Standish Group, aus einer Keynote auf der Konferenz XP 2002 in Sardinien. Cohn sagt, er habe sich von Standish bestätigen lassen, dass sie auf vier intern entwickelten Anwendungen in vier Unternehmen beruhte – Systeme für den internen Gebrauch, keine kommerziellen Produkte (Mountain Goat Software).
Die 64 % werden üblicherweise in 45 % „nie“ plus 19 % „selten“ aufgeteilt. InfoQs Berichterstattung von 2006 über ein Interview mit Johnson schreibt den Satz „45 % der entwickelten Features werden nie genutzt“ dem CHAOS-Material von Standish zu (InfoQ, 2006). Den zugrunde liegenden Datensatz konnten wir öffentlich nicht finden; deshalb behandeln wir die Aufteilung als von Standish berichtete, nicht als geprüfte Zahl.
Zwei Dinge machen die 64 % zu schwacher Evidenz für ein modernes SaaS-Produkt:
Vier Anwendungen sind eine winzige Stichprobe. Sie sagt dir etwas über vier interne Systeme, die um das Jahr 2000 gebaut wurden, nicht über Produkte, für die Kunden freiwillig zahlen.
Interne Software hat Nutzer ohne Wahl. Mitarbeitende nutzen, was die IT ihnen gibt. Ungenutzte Features spiegeln dort oft Anforderungen wider, die vorab von Leuten geschrieben wurden, die nicht die Nutzer waren – genau das Problem, gegen das agile Methoden auf dieser Konferenz argumentierten.
Wie lassen sich die Studien zur Feature-Nutzung vergleichen?
Jede bekannte Zahl misst etwas anderes. Sie zu vermischen ist der häufigste Fehler in Artikeln zu diesem Thema.
Quelle
Jahr
Stichprobe
Was gemessen wurde
Kernergebnis
Standish Group (Keynote von Jim Johnson)
2002
4 interne Anwendungen in 4 Unternehmen
Anteil der Features nach Nutzungshäufigkeit
64 % selten oder nie genutzt
Microsoft-Office-Telemetrie (Jensen Harris)
2006
Word-2003-Nutzer mit Opt-in
Anteil an der gesamten Befehlsnutzung
Top-5-Befehle ≈ 32 % der Nutzung; Einfügen > 11 %
Pendo Feature Adoption Report
2019
615 Abonnements, 3 Monate
Nutzungshäufigkeit getaggter Features
80 % selten oder nie genutzt; 12 % erzeugen 80 % der täglichen Nutzung
Das Muster ist in allen fünf Fällen dasselbe: Die Nutzung konzentriert sich stark auf wenige Features. Wie hoch der Anteil genau ist, hängt komplett von der Definition ab.
Was zeigen neuere Benchmarks zur Feature-Adoption?
Zwei aktuelle Benchmarks sind wissenswert, und sie sind untereinander nicht vergleichbar.
Pendo, 2024. Über 6.800 Kunden hinweg berichtet Pendo, dass von 100 gebauten und gelaunchten Features 6,4 für 80 % des Klickvolumens sorgen; die besten Produkte erreichen 15,6 % (Pendo, 2024). Das ist ein Konzentrationsmaß: wie viele Features den Großteil der Klicks tragen.
Userpilot, 2025. Über 181 B2B-SaaS-Unternehmen hinweg lag die durchschnittliche Adoptionsrate des Kernfeatures – der Anteil der Nutzer, die das zentrale Feature des Produkts in einem Zeitraum genutzt haben – bei 24,5 %, der Median bei 16,5 %. Sales-led-Unternehmen kamen im Schnitt auf 26,7 %, product-led-Unternehmen auf 24,3 % (Userpilot). Das ist ein Reichweitenmaß: wie viele Nutzer ein wichtiges Feature berühren.
Ein Produkt kann bei Pendos Maß niedrig und bei Userpilots hoch abschneiden. Trägt ein Kernfeature das Produkt und nutzen es 90 % der Nutzer, ist die Klick-Konzentration hoch und die Kern-Adoption stark. Das ist kein Problem.
Wie berechnest du die Feature-Adoptionsrate?
Die gängigste Formel:
Feature-Adoptionsrate = Nutzer, die das Feature im Zeitraum genutzt haben ÷ berechtigte aktive Nutzer im selben Zeitraum × 100
Angenommen, im letzten Monat waren 1.200 Nutzer aktiv, 800 davon hatten einen Tarif, der das Feature enthält, und 160 haben es genutzt. Die Adoption beträgt 160 ÷ 800 = 20 %, nicht 160 ÷ 1.200 = 13 %. Der Nenner entscheidet, ob ein Feature gesund oder tot aussieht.
Warum bleiben so viele Features ungenutzt?
Die Nutzung konzentriert sich, weil die meisten neuen Ideen nicht wie geplant funktionieren und weil in jedem Produkt wenige Jobs dominieren.
Die meisten Ideen scheitern im Test
Ron Kohavi und Stefan Thomke berichteten in der Harvard Business Review, dass bei Google und Bing nur etwa 10–20 % der Experimente positive Ergebnisse liefern. Bei Microsoft insgesamt erweist sich etwa ein Drittel der getesteten Ideen als wirksam, ein Drittel als neutral und ein Drittel als negativ (Kohavi und Thomke, 2017). Das sind Unternehmen mit großen Forschungsteams. Wenn schon ihre Erfolgsquote so niedrig ist, sollte ein kleines Team, das ungetestete Features ausliefert, damit rechnen, dass viele danebenliegen.
Wenige Jobs dominieren jedes Produkt
Microsofts Office-Telemetrie zeigte, dass die fünf meistgenutzten Befehle in Word 2003 – Einfügen, Speichern, Kopieren, Rückgängig und Fett – rund 32 % der gesamten Befehlsnutzung ausmachten, allein Einfügen mehr als 11 % (Jensen Harris, Microsoft, 2006). Harris merkte außerdem an, dass die Kurve nach den Top 10 abflacht und dass Menschen die Breite von Office tatsächlich stark nutzen. Konzentration an der Spitze heißt nicht, dass der Rest nutzlos ist.
Die konkreten Gründe, warum ein Feature ungenutzt bleibt
Wenn wir mit Teams Features mit geringer Nutzung durchgehen, ist die Ursache meist eine dieser:
Falsche Zielgruppe. Die vorgesehenen Nutzer haben es nie gesehen oder waren nicht berechtigt.
Geringe Bedarfshäufigkeit. Das Problem ist real, tritt aber zweimal im Jahr auf.
Unklarer Wert im Moment der Nutzung. Leute sehen es und verstehen nicht, was es ihnen bringt.
Hoher Einrichtungsaufwand. Berechtigungen, Migration, Konfiguration oder Einarbeitung dauern länger, als der Nutzen wert ist.
Schlechte Workflow-Passung. Wer es nutzen will, muss den Ort verlassen, an dem die Arbeit ohnehin stattfindet.
Output, dem niemand traut. Es wurde einmal ausprobiert und lieferte ein Ergebnis, das niemand glaubte – häufig bei KI-Features.
Kaputte Messung. Das Event feuert an der falschen Stelle, oder der Nenner enthält nicht berechtigte Nutzer.
Jede Ursache verlangt eine andere Lösung. Mehr Werbung hilft einem Feature mit unglaubwürdigen Ergebnissen nicht, und mehr Funktionen helfen einem Feature nicht, das niemand sieht.
Ist geringe Feature-Nutzung immer ein Problem?
Nein. Manche Features sind gerade deshalb wertvoll, weil sie selten gebraucht werden: Datenexporte, Kontowiederherstellung, Audit-Logs, Compliance-Kontrollen, Admin-Einstellungen, Notfall-Rollbacks. Ein Käufer nutzt den Export vielleicht nie, unterschreibt aber trotzdem nicht ohne ihn.
Beurteile ein Feature danach, wofür es gebaut wurde und wie oft dieser Job vorkommt. Ein monatliches Reporting-Feature, das 90 % der Finance-Verantwortlichen einmal im Monat nutzen, ist gesund. Ein tägliches Workflow-Feature, das 5 % der Nutzer einmal genutzt haben, ist es nicht.
Prüfe bei Business-Software die Nutzung auch auf Account-Ebene. Ein Admin kann ein Feature stellvertretend für ein ganzes Team bedienen, deshalb unterschätzen Zählungen pro Seat die Nutzung. Und eine Person, die einmal klickt, heißt nicht, dass sich der Workflow eines Accounts geändert hat. Achte auch auf das Gegenteil: Wenn ein Account die Features nicht mehr nutzt, auf die er sich verlassen hat, ist das eines der deutlichsten Frühwarnzeichen für Kundenabwanderung.
Wie diagnostizierst du ein ungenutztes Feature?
Nutze einen Adoptionspfad statt einer einzelnen Nutzungszahl. Finde die Stufe, auf der die Leute aussteigen.
Stufe
Was du prüfst
Die Frage, die du beantworten musst
Berechtigt
Nutzer oder Accounts, die das Feature nutzen könnten
Enthält der Nenner nur Leute, die Zugriff haben?
Sichtbar
Nutzer, die es in einem passenden Kontext gesehen haben
Haben sie es gesehen, als das zugrunde liegende Problem auftrat?
Erstnutzung
Nutzer, die die erste sinnvolle Aktion abgeschlossen haben
War der Wert klar, und konnten sie die Einrichtung abschließen?
Wiederholte Nutzung
Nutzer, die zurückkamen, als der Job wieder anstand
Tritt der Job oft genug auf, um eine zweite Nutzung zu erwarten?
Ergebnis
Das Kundenergebnis, das das Feature verbessern sollte
Haben sie den Job mit weniger Aufwand, Risiko oder Verzögerung erledigt?
Guardrail
Kosten, die in Grenzen bleiben sollen
Sind Fehler, Support-Tickets, Latenz oder Verwirrung gestiegen?
Sieht niemand im Zielsegment das Feature, hilft es nicht, das Feature selbst zu verbessern – korrigiere Platzierung oder Onboarding. Wenn Leute anfangen, aber nicht fertig werden, schau dir fünf Sessions an oder sprich mit drei Nutzern, bevor du die Roadmap anfasst. Wenn sie es nutzen, aber die Ergebnisse sich nicht bewegen, löst das Feature vielleicht das falsche Problem; ein Jobs-to-be-Done-Interview zeigt dir meist, welches.
Ordne jedes Feature außerdem einer Phase deiner Customer Journey zu. Ein Feature, das den ersten Mehrwert liefern soll, aber drei Klicks vom Onboarding entfernt vergraben ist, wirkt aus Gründen ungenutzt, die mit seiner Qualität nichts zu tun haben. Unser SaaS-Activation-Playbook zeigt, wie du diese Phase des ersten Mehrwerts misst.
Wie kann ein kleines Produktteam vermeiden, Features zu bauen, die niemand nutzt?
Fünf Schritte, in dieser Reihenfolge. Keiner braucht ein Research-Team.
Benenne den Kunden-Job und seine Evidenz. Schreib auf, wer das Problem hat, was die Person erreichen will und wie oft. Hänge Interviewnotizen, Support-Themen oder beobachtetes Verhalten an. Halte die Anfrage vom Bedarf getrennt; unsere Vorlage für ein Product Problem Statement hilft dabei.
Prüfe, wie der Job heute funktioniert. Zeichne die aktuellen Schritte, Tools und Workarounds auf. Wenn das Feature ein neues Ziel oder eine neue Gewohnheit verlangt, teste, ob der Nutzen das rechtfertigt.
Teste das Verständnis, bevor du breit baust. Zeig 5–8 Leuten aus dem Zielsegment eine Skizze oder einen schmalen Prototyp. Bitte sie zu erklären, was es tut und wann sie es nutzen würden. Eine Abweichung hier kostet Stunden; nach dem Launch kostet sie Wochen.
Lege Messgrößen vor dem Release fest. Wähle eine Erstnutzungs-Kennzahl, eine Ergebnis-Kennzahl und einen Guardrail. Halte Zielgruppe, Event-Definition, Baseline, Review-Datum und Verantwortliche fest.
Prüfe nach 30 und 90 Tagen, dann entscheide. Vergleiche Sichtbarkeit, Erstnutzung, wiederholte Nutzung und Ergebnis für das Zielsegment. Ergänze die Zahlen durch ein paar Gespräche. Dann verbessere die Auffindbarkeit, vereinfache, positioniere neu, investiere in Zuverlässigkeit oder höre auf, das Feature zu bewerben. Die Feature-Launch-Checkliste deckt die Rollout-Seite ab.
Angesichts von Kohavis Daten solltest du einplanen, dass die meisten Features beim ersten Mal unter den Erwartungen bleiben. Das Ziel ist, es innerhalb von Wochen zu erfahren, nicht erst nach Quartalen.
Ein durchgerechnetes Beispiel: ein KI-Feature für Interview-Themen
Die folgenden Zahlen sind illustrativ. Nehmen wir an, ein Team mit 6 Personen liefert ein Feature aus, das Notizen aus Kundeninterviews zu Themen gruppiert. Nach 30 Tagen zeigt das Dashboard 1.400 erzeugte Themenzusammenfassungen. Das klingt nach Erfolg, zeigt aber nur, dass Leute einen Button gedrückt haben.
Geh stattdessen den Adoptionspfad durch:
Berechtigt: 300 Accounts haben im Zeitraum mindestens ein Interview durchgeführt.
Sichtbar: 240 davon (80 %) haben das Feature auf der Interviewseite gesehen.
Erstnutzung: 150 (63 % der Sichtbaren) haben Themen erzeugt.
Wiederholte Nutzung: 45 (30 % der Erstnutzer) haben es bei einer späteren Interviewreihe genutzt.
Ergebnis: 12 Accounts haben ein Thema mit einer dokumentierten Produktentscheidung verknüpft.
Guardrail: 38 % der Themen wurden von Reviewern als „nicht belegt“ markiert.
Der Bruch liegt zwischen Erstnutzung und wiederholter Nutzung, und der Guardrail erklärt ihn: Die Leute haben es ausprobiert, dem Output nicht getraut und wieder von Hand gearbeitet. Die Lösung ist Evidenzqualität – das Quellzitat hinter jedem Thema zeigen –, nicht mehr Platzierung oder eine Launch-Mail. Ein Team, das nur „1.400 Generierungen“ liest, hätte bei der Promotion nachgelegt.
Was solltest du mit einem Feature tun, das niemand nutzt?
Entscheide danach, wo der Pfad bricht, nicht nach der rohen Nutzungszahl.
Was du gefunden hast
Wahrscheinliche Ursache
Entscheidung
Geringe Sichtbarkeit bei berechtigten Nutzern
Platzierung, Benennung, Onboarding
Auffindbarkeit verbessern; nach 30 Tagen neu prüfen
Hohe Sichtbarkeit, geringe Erstnutzung
Wert unklar oder Einrichtung zu aufwendig
Einrichtung vereinfachen; Versprechen neu formulieren
Erstnutzung, aber keine Wiederholung
Output wird nicht vertraut oder Job selten
Qualität verbessern oder das seltene Nutzungsmuster akzeptieren
Wiederholte Nutzung, aber keine Ergebnisveränderung
Löst das falsche Problem
Neu positionieren oder den Job neu durchdenken
Geringe Nutzung, hohe Bedeutung (Export, Audit, Admin)
Von Natur aus selten
Behalten; Verfügbarkeit messen, nicht Nutzung
Geringe Nutzung, hoher Wartungsaufwand, keine strategische Rolle
Wird nicht gebraucht
Vor neuen Nutzern verbergen, dann mit Ankündigung einstellen
Ein Feature einzustellen ist eine Produktentscheidung, an deren anderem Ende Kunden stehen. Kündige es an, biete einen Export an und prüfe, dass kein Account für einen Vertrag darauf angewiesen ist.
Welche Fehler machen Teams mit der Zahl „80 % der Features werden selten oder nie genutzt“?
Sie „nie genutzt“ nennen. Pendos Kategorie lautet „selten oder nie“. Der Report von 2019 trennt die beiden in seiner Schlagzeile nicht.
Sie als Benchmark für dein Produkt behandeln. Die Stichprobe waren getaggte Features von Pendo-Kunden. Miss dein eigenes Produkt.
Ein pauschales Nutzungsziel setzen. „Jedes Feature muss 20 % Adoption erreichen“ bestraft wertvolle Features mit seltener Nutzung und belohnt aufdringliche Prompts.
Generierungen, Klicks oder Verweildauer als Wert zählen. Sie zeigen Reichweite und Reibung. Sie brauchen eine Verbindung zum Job.
Definitionen vermischen. Pendos 6,4 % und Userpilots 24,5 % messen Verschiedenes; sie nebeneinander als „Adoption“ zu zitieren, führt in die Irre.
Annehmen, dass Löschen die Kosten spart. Die Baukosten sind ausgegeben. Löschen spart die laufende Wartung und die Komplexität der Oberfläche.
Wo Specky ins Spiel kommt
Die meisten ungenutzten Features beginnen als Anfrage, die nie auf Evidenz zurückgeführt wurde. Specky liest Kundengespräche, Feedback, Support-Tickets und Analytics in einen Product Graph ein, sodass eine Spec die Kundenzitate dahinter als Inline-Quellenangaben tragen kann – und nach dem Launch kannst du prüfen, ob die Wette für den Job aufgegangen ist, für den sie gedacht war. So wird aus „Job und Evidenz benennen“ eine Gewohnheit statt eines Meetings.
Häufig gestellte Fragen
Stimmt es, dass 80 % der Software-Features nie genutzt werden?
Nicht ganz. Pendos Report von 2019 fand, dass 80 % der getaggten Features in seiner Stichprobe von 615 Abonnements über drei Monate selten oder nie genutzt wurden. „Selten oder nie“ ist die korrekte Formulierung. Die Stichprobe umfasste Produkte von Pendo-Kunden; sieh sie also als Beleg dafür, dass sich die Nutzung stark konzentriert, nicht als gemessene Tatsache über jedes Produkt.
Woher stammt die 64-%-Statistik der Standish Group?
Aus einer Keynote von Jim Johnson, Chairman der Standish Group, auf der Konferenz XP 2002. Mike Cohn ließ sich von Standish bestätigen, dass sie auf vier intern entwickelten Anwendungen in vier Unternehmen beruhte, nicht auf kommerziellen Produkten. Sie wird üblicherweise in 45 % nie und 19 % selten genutzt aufgeteilt. Auf moderne SaaS-Produkte sollte man sie nicht anwenden.
Was ist eine gute Feature-Adoptionsrate?
Das hängt von der Definition ab. Userpilots Daten von 2025 über 181 B2B-SaaS-Unternehmen beziffern die durchschnittliche Kernfeature-Adoption auf 24,5 % und den Median auf 16,5 %. Pendos Konzentrationsmaß von 2024 liegt bei 6,4 % der Features, die 80 % der Klicks erzeugen. Miss dich am Ziel, das du für den spezifischen Job des Features gesetzt hast, nicht an einem Branchendurchschnitt.
Wie berechnest du die Feature-Adoptionsrate?
Teile die Nutzer, die das Feature in einem Zeitraum genutzt haben, durch die berechtigten aktiven Nutzer im selben Zeitraum und multipliziere mit 100. Nimm nur berechtigte Nutzer: Wenn 800 von 1.200 aktiven Nutzern Zugriff auf das Feature haben und 160 es genutzt haben, liegt die Adoption bei 20 %, nicht bei 13 %. Verfolge wiederholte Nutzung und Ergebnisse parallel dazu.
Solltest du Features entfernen, die niemand nutzt?
Erst nach der Diagnose, warum. Wenn niemand sie sieht, behebe zuerst die Auffindbarkeit. Wenn sie einen seltenen, aber wichtigen Bedarf wie Exporte oder Audit-Logs bedient, behalte sie. Stell sie ein, wenn die Nutzung gering ist, die Wartungskosten real sind und das Feature keine strategische Rolle spielt – und gib Kunden vorher Bescheid und biete einen Export an.
Was sollte ein Startup bei einem neuen KI-Feature messen?
Miss, ob die richtigen Nutzer es erreichen, ob sie den Output prüfen oder darauf handeln, ob es den Ziel-Job verbessert und ob Qualität und Supportkosten akzeptabel bleiben. Trenne bei KI-Features „generiert“ von „vertraut und genutzt“: Erfasse, wie oft Leute den Output akzeptieren, bearbeiten oder ablehnen.
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