Die Bedeutung der ersten Nutzer eines AI-Produkts, erklärt mit Cinderellas gläsernem Schuh [Übersetzung]

1. Was ist der Effekt des gläsernen Cinderella-Schuhs?

• Der „Cinderella Glass Slipper Effect“ ist eine Metapher für ein Retention-Phänomen bei AI-Produkten, bei dem das Produkt für einige Nutzer auf merkwürdig perfekte Weise passt und diese Nutzer dadurch fast nie abspringen.
• Wie beim gläsernen Schuh wird betont, dass sich auch bei AI-Produkten genau die Situation wiederholt, in der es „für die meisten nicht passt, aber für eine Person perfekt“.
• Bei den Nutzerkohorten, in denen dieser Effekt auftritt, sind Wiederbesuchs- und Wiederverwendungsraten ungewöhnlich hoch, und langfristig werden sie zur zentralen Fanbasis und Umsatzgrundlage des Produkts.

2. Warum die Metapher vom „gläsernen Schuh“?

• Im ursprünglichen Märchen wird der gläserne Schuh zwar vielen Menschen angezogen, passt am Ende aber nur Cinderella exakt und wird zum Schlüssel, der sie bis zur Königin macht.
• Ähnlich ist es bei AI-Produkten: Für die meisten Nutzer wirken sie nur wie „ein ganz okayes Tool“, doch für bestimmte Nutzer kommt der Moment, in dem es zu „dem Tool wird, das genau zu meiner Arbeit bzw. meinem Leben passt“.
• Wer diesen „perfekten Fit-Moment“ erlebt hat, nimmt das Tool nicht mehr als bloße Option wahr, sondern als „unverzichtbare Infrastruktur, die zu mir gehört“, wodurch der Anreiz, zu einem anderen Produkt zu wechseln, extrem sinkt.

3. Retention im SaaS-Zeitalter vs. Retention im AI-Zeitalter

• In traditionellem SaaS galt:
  • Das Onboarding ist vergleichsweise einheitlich, und die meisten Nutzer erleben eine ähnliche Funktionszusammenstellung.
  • Die Retention-Kurven verschiedener Kohorten unterscheiden sich oft nicht stark voneinander und konvergieren häufig in einem ähnlichen Muster innerhalb von 20–40 %.
• Bei AI-Produkten, insbesondere LLM-basierten Tools, gilt dagegen:
  • Selbst beim gleichen Produkt kann es sich je nach Kombination aus Prompt, Einstellungen und Workflow „wie ein völlig anderes Produkt“ anfühlen.
  • Wenn daher eine bestimmte frühe Kohorte zufällig oder dank guter Anleitung schnell ein Nutzungsmuster entdeckt, das perfekt zu ihr passt, schießt nur die Retention dieser Kohorte auffällig in die Höhe.
• Kurz gesagt: War im SaaS-Zeitalter das „Management der durchschnittlichen Gesamt-Retention“ entscheidend, ist im AI-Zeitalter die zentrale strategische Frage, wie schnell und wie oft man Kohorten schaffen kann, für die das Produkt zum gläsernen Schuh wird.

4. Wie der Gläserner-Schuh-Effekt entsteht

• Typischerweise entsteht der Effekt in etwa so:
  • Nutzer befinden sich in einer Erkundungsphase und probieren verschiedene AI-Produkte und -Modelle leichtgewichtig aus, etwa unterschiedliche LLMs oder AI-Copiloten.
  • Irgendwann entdecken sie eine bestimmte Kombination aus Modell, Prompt-Muster und UI/Workflow und bekommen das Gefühl: „Damit kann ich meine Arbeit bzw. mein Problem strukturell lösen.“
  • Ab diesem Zeitpunkt steigt das Tool von einem „austauschbaren Werkzeug“ zu einer „Infrastruktur, die ich täglich brauche“ auf, und die tägliche bzw. wöchentliche Retention stabilisiert sich abrupt.
• Wichtig ist: Oft wird nicht „das gesamte Produkt“ zum gläsernen Schuh, sondern ein bestimmter Pfad, ein bestimmtes Setup oder Nutzungsmuster innerhalb des Produkts.
• Für Produktteams heißt das konkret:
  • herausfinden, welche Nutzungsmuster als gläserner Schuh wirken
  • und wie Nutzer gezielt zu diesem Muster geführt werden können
    Das sind die eigentlichen Hebel für Wachstum.

5. Warum frühe Kohorten überwältigend wichtig werden

• Frühe Kohorten:
  • kommen in einer Phase ins Produkt, in der noch nicht alles vollständig festgelegt ist und viel Raum für Experimente besteht.
  • erleben eine Zeit, in der das Team direkt mit ihnen sprechen, Feedback einarbeiten und das Produkt schnell verändern kann.
• In dieser Phase wird es zur Grundlage späteren Wachstums, „selbst nur einige Kohorten den gläsernen Schuh finden zu lassen“:
  • Ihre Nutzungslogs und ihr Feedback werden zur Urform des „Gläserner-Schuh-Musters“.
  • Auf ihnen aufbauend lassen sich Referenzen/Fallbeispiele sowie spätere Marketing- und Sales-Storys entwickeln.
  • Gleichzeitig lässt sich schnell erkennen, für welche Segmente das Produkt niemals zum gläsernen Schuh werden kann, also welche Zielgruppen nicht passen.
• Das heißt: Frühe Kohorten im AI-Zeitalter sind nicht einfach nur „Beta-Test-Gruppen“, sondern „die ersten Menschen, die den gläsernen Schuh anprobieren“.

6. Implikationen für Produkt- und Geschäftsstrategie

• Aus Sicht des Produktdesigns:
  • Wichtiger als „eine im Durchschnitt für alle ganz gute Erfahrung“ wird die gezielte Gestaltung einer Erfahrung, die „für einige absurd gut passt“.
  • Nutzersegmente müssen so klar wie möglich abgegrenzt werden, und für jedes Segment sollte das Kernszenario definiert werden, in dem das Produkt zum gläsernen Schuh werden kann.
  • Schon im Onboarding sollte erfasst werden, „welches Problem diese Person lösen will“, um sie schnell zu passenden Prompt-Templates und Workflows zu führen.
• Aus Sicht von Daten und Experimenten:
  • Statt nur durchschnittliche Retention oder durchschnittliche Nutzungszeit zu betrachten, sollte die „Retention-Kurve der Top-x-%-Kohorten“ separat verfolgt werden.
  • Auch beim Experimentdesign sollte man nicht nur A/B-Tests zulassen, die alle Nutzer gleichmäßig verbessern, sondern auch Tests, die ausschließlich die Retention bestimmter Segmente explodieren lassen.
• Aus Sicht von Business und Sales:
  • Im B2B-Bereich führen langfristige Verträge und tiefere Implementierungen oft dann, wenn CFO, CIO oder Fachbereichsleiter „die AI-Kombination finden, die exakt zu ihrer Organisation passt“.
  • Deshalb sollte man schon in Demo- und PoC-Phasen nicht nur Funktionen vorstellen, sondern möglichst schnell ein „Gläserner-Schuh-Szenario“ für ein bestimmtes Team oder eine konkrete Rolle beim jeweiligen Kunden zeigen.

7. Checkliste aus Sicht von Gründer:innen, PMs und POs

• Die Fragen, die dieser Text für Praktiker nahelegt, lassen sich ungefähr so zusammenfassen:
  • Gibt es in unserem Produkt derzeit tatsächlich ein Szenario, das als „gläserner Schuh“ funktioniert?
  • Wenn ja: Wer war die Kohorte, die dieses Szenario zuerst entdeckt hat, und was sind ihre Gemeinsamkeiten in Bezug auf Rolle, Domäne und Workflow?
  • Sind frühes Onboarding, Tutorial und Templates so gestaltet, dass sie Menschen zu diesem Gläserner-Schuh-Szenario führen, oder bleiben sie bei einer bloßen Aufzählung von Funktionen stehen?
  • Betrachten wir bei Retention-Kennzahlen nicht nur den „Gesamtdurchschnitt“, sondern auch separat die „am besten passenden Kohorten“?
  • Sagen unsere Marketingbotschaften und die Copy auf der Website klar, ob wir „allgemeine AI, die für alle gut ist“ anbieten oder „AI, die für ein bestimmtes Problem wahnsinnig gut passt“?