Cheatsheet 07 - Launch, Customer Behavior & Synthesis
Business Basics
Prospect Theory (Kahneman & Tversky 1979)
| Baustein | Kern | Für Produkte |
|---|---|---|
| Referenzpunkt | Bewertung relativ zum Status quo, nicht absolut | Preis-Anker setzen |
| Verlustaversion | Verluste wiegen ~2× (λ ≈ 1,95; Brown et al. 2024) | Geld-zurück-Garantie, Verknappung |
| Certainty Effect | „sicher” hat psychologischen Aufschlag | „100 % kostenlos”, garantiert |
| Framing | gleiche Zahl, anderer Rahmen → andere Wahl | „33 Cent/Tag” statt „120 €/Jahr” |
Hedge (= ehrlicher Unsicherheits-Vorbehalt): „λ ≈ 2” ist Faustregel, keine Naturkonstante – Re-Analyse 2025 (Yechiam & Zeif) bezweifelt die Robustheit.
Defaults & Nudge vs. Dark Pattern
Default = stärkster Hebel (Nichtstun ist bequem). Organspende (Johnson & Goldstein 2003): Opt-out meist > 85 % (Österreich ~99 %) vs. Opt-in meist < ~30 % (Deutschland ~12 %). Live: Bundestag lehnte Widerspruchslösung 2020 ab (379:292), Debatten Dez. 2024 & 2026 – Nudging-Ethik in Echtzeit.
Nudge unterstützt die Entscheidung – Dark Pattern arbeitet dagegen (Mathur et al. 2019). Grenze jetzt einklagbar: EU-Kommission verhängte gegen Temu 200 Mio. € (DSA, Mai 2026, höchste bisher).
Effektstärken-Debatte (Wissenschaft korrigiert sich): Mertens 2022 d = 0,43 → Maier 2022 nach Bias-Korrektur ≈ null; DellaVigna & Linos 2022: real ~1/6 des publizierten Effekts; Szaszi 2025: schwächer als Schlagzeilen, kontextabhängig.
Launch: Timing & Pricing
Timing: First Mover ist Mythos mit Bedingungen – frühe Marktführer > Erste (Golder & Tellis 1993). Pricing (Spann et al. 2015, Extreme eines Kontinuums):
| Skimming | Penetration | |
|---|---|---|
| Startpreis | hoch, dann senken | niedrig |
| Ziel | Marge abschöpfen | Marktanteil / Menge |
| Risiko | Markt zu klein | Marge fehlt |
Vision Pro (3.499 $, Skimming): Absatz brach ein, Quest ~80 % (Penetration) – Skimming-Risiko konkret. Freemium/viral: ChatGPT ~100 Mio. MAU in ~2 Mon. (UBS-Schätzung); DeepSeek R1 (Jan 2025, open-weight + gratis) als Marktschock.
Frontier-KI: vier Spieler (Stand Juli 2026)
| Spieler | Strategie | Datierter Fakt (Quelle prüfen!) |
|---|---|---|
| OpenAI | Consumer-Skala | PBC (Okt 25); Share < 50 % (Juni 26) |
| Anthropic | Enterprise/Coding | Exportkontroll-Order Juni 26: 2 Modelle offline |
| Fast Follower + Distribution | Gemini 27,4 % (Juni 26), 900 Mio. MAU; Siri-Deal | |
| Mistral | EU-Nische, open-weight | ~11,7 Mrd. € (Sept 25) |
Preisopazität = Strategie: öffentliche Consumer-Preise (Masse) vs. intransparente Enterprise-Verträge (Differenzierung, Margenschutz).
Kurs-Synthese: ein Fall, sieben Brillen
| S1 Scheitern | S2 Kunde | S3 Design | S4 Modell | S5 Strategie | S6 Plattform | S7 Launch |
|---|---|---|---|---|---|---|
| Skala ≠ sicher | welcher Job? | offen/proprietär | wer zahlt wie? | Nische/Skala | wem gehören Kanäle? | Schock, Pricing, Vertrauen |
Kundschaft entscheidet über Veränderungen (Referenzpunkt), nicht Endzustände. Jede KI-Zahl trägt ein Datum – „Wer gewinnt?” ist die falsche Frage: Wer gewinnt welches Segment, unter welchen Bedingungen?