Handel

Wie testet man reale verkaufsdaten mit 200 probekäufen, um die willingness-to-pay für einen neuen Proteinriegel in drei handelsschichten zu beweisen

Wie testet man reale verkaufsdaten mit 200 probekäufen, um die willingness-to-pay für einen neuen Proteinriegel in drei handelsschichten zu beweisen

Eine zentrale Frage, die mir in Beratungen und Pilotprojekten immer wieder begegnet: Wie beweist man die willingness-to-pay (WTP) für ein neues Produkt — hier: einen Proteinriegel — mit realen Verkaufsdaten und überschaubarem Aufwand? In einem kürzlichen Projekt habe ich genau das getan: wir haben 200 Probekäufe in drei Handelsschichten organisiert, um belastbare Aussagen zur Preisakzeptanz und zur Skalierbarkeit des Produkts zu treffen. Im Folgenden beschreibe ich Schritt für Schritt, wie ich das Experiment aufgebaut habe, welche KPIs ich beobachtet habe und welche Fallstricke Sie vermeiden sollten. Details, Vorlagen und Praxis-Tipps teile ich gerne auf Innovation-Produce.de und in Beratungen — hier die kompakte Anleitung, mit der Sie sofort starten können.

Vorüberlegungen: Warum 200 Probekäufe?

200 Probekäufe sind kein magischer Wert, sondern ein pragmatischer Kompromiss zwischen statistischer Aussagekraft, Kosten und operativer Durchführbarkeit im Handel. Mit 200 Beobachtungen lassen sich grobe Preisschwellen und Unterschiede zwischen drei Vertriebsschichten erkennen — vorausgesetzt, das Experiment ist sinnvoll verteilt und kontrolliert.

Wichtig: Es geht nicht um rein hypothetische WTP aus Umfragen, sondern um reale Kaufentscheidungen im Verkaufsumfeld. Verkaufsdaten zeigen Verhalten, nicht nur Absichten.

Definieren der Handelsschichten

Für unser Experiment habe ich die drei Handelsschichten wie folgt definiert — je nach Zielmarkt können Sie die Kategorien anpassen:

  • Discounter / Low-price-Channel (z. B. Netto, Aldi) — preissensitiv, hohe Erwartung an Promotion
  • Supermärkte / klassische LEH (z. B. Edeka, Rewe) — mittlere Preissensibilität, größere Bedeutung von Markenkommunikation
  • Spezial- & Convenience-Kanäle / Online (z. B. Fitnessstudios, Reformhäuser, Amazon) — höhere Zahlungsbereitschaft, Fokus auf Funktion und Story
  • Die Einteilung war in unserem Fall wichtig, weil die WTP je Kanal stark variiert und Vertriebsentscheidung (Listung, Preisstrategie, Promotion) kanalabhängig getroffen wird.

    Studiendesign: Stichprobenaufteilung und Preissetzung

    Ich habe die 200 Probekäufe so aufgeteilt, dass jeder Kanal repräsentativ abgebildet wird, aber genug Beobachtungen verbleiben, um kanalübergreifende Unterschiede zu erkennen.

    HandelsschichtAnzahl ProbekäufePreislevels getestet
    Discounter801,19 € / 1,49 € / 1,79 €
    Supermarkt801,49 € / 1,79 € / 2,09 €
    Spezial & Online401,99 € / 2,49 €

    Warum diese Aufteilung? Discounter und Supermarkt sind Umsatzschwergewichte — hier wollte ich mehr Datentiefe. Im Spezialkanal rechnet man oft mit höherer WTP, daher weniger Samples, aber höhere Preisspannen.

    Operationalisierung: Wie die Probekäufe durchgeführt wurden

    Einige praktische Entscheidungen, die den Erfolg des Tests bestimmt haben:

  • Produktauftritt: Gleiche Verpackung, gleiche Platzierung in vergleichbaren Regalzonen. Verpackungsbotschaften minimal variieren — nur genug, um kanaltypische Varianten zu berücksichtigen (z. B. "Protein +" auf Fitness-Store-Variante).
  • Preissteuerung: Reale Preisschilder am Regal; kein Couponing oder unmittelbare Promo, außer in einem definierten Promo-Slot, den wir separat analysierten.
  • Kaufbeobachtung: Kassendaten-Auszug (bei Kooperationspartnern) oder Mystery-Shopping (bei Discountern). Zusätzlich wurden Käufer über einen kleinen Beleg-Code gebeten, freiwillig online ein kurzes Feedback zu geben; das diente zur Validierung der Kaufmotivation.
  • Zeitraum: 4 Wochen Testlauf, um Wocheneffekte und Vorratshaltungen zu glätten.
  • Messgrößen und KPIs

    Folgende KPIs habe ich festgelegt und laufend ausgewertet:

  • Absatz pro Preislevel (Stück)
  • Conversion-Rate am Regal (bei individuellen Trackings im Store)
  • Durchschnittlicher Verkaufspreis (Weighted Average Price)
  • Rate der Wiederholungskäufe innerhalb Testzeitraum (Kurzfristige Rebuy-Rate)
  • Kundenfeedback: Kaufgründe, Preisbewertung, Geschmackseinschätzung (qualitativ)
  • Wichtig ist, Verkaufsvolumen nie isoliert zu betrachten: Ein hoher Absatz zu einem niedrigen Preis kann eine schlechte Marge bedeuten — daher habe ich stets auch die Ertragsseite pro Kanal simuliert.

    Analyse: So habe ich die WTP abgeleitet

    Die Grundidee: Wenn bei steigendem Preis die Verkäufe nur moderat zurückgehen, deutet das auf höhere WTP hin. Konkret habe ich folgende Schritte unternommen:

  • Grafische Darstellung: Absatz vs. Preis pro Kanal — so werden Preisschwellen sichtbar.
  • Preis-Absatz-Funktion schätzen: Lineare und log-lineare Modelle verglichen, um Sensitivität abzuschätzen.
  • Segmentanalyse: Käufer nach Selbstauskunft (z. B. Sportler vs. Gelegenheitskäufer) getrennt auswerten — WTP kann zwischen Segmenten stark differieren.
  • Ertragsrechnung: Bruttomarge pro SKU und Kanal berechnet; daraus die Profitabilitätszone identifiziert (Preisbereiche, bei denen Absatz * Marge maximal ist).
  • Beispielergebnis aus unserem Test (vereinfacht): Im Supermarkt lag die optimale Preiszone bei ~1,79–1,99 €, im Discounter bei ~1,49 € und im Spezialkanal bei 2,49 €+. Die Conversion-Drops zeigten klare Bruchstellen bei 1,79 € im Discounter und bei 2,09 € im Supermarkt.

    Robustheit prüfen: Signifikanz und Bias

    Bei nur 200 Käufen muss man vorsichtig sein. Ich habe deshalb folgende Checks eingebaut:

  • Bootstrapping: Um Konfidenzintervalle für Absatzzahlen und Durchschnittspreise zu erhalten.
  • Cross-Validation über Wochen: Hält sich ein Muster über mehrere Wochen, ist es stabiler.
  • Kontrollprodukte: Ein bekanntes Referenzprodukt (ähnliches Format, etablierte Marke) wurde parallel beobachtet, um generelle Nachfrageverschiebungen auszuschließen.
  • Bias-Check: Warenplatzierung, Tageszeit, Aktionsumfeld und lokale Events wurden dokumentiert — so konnten wir Störfaktoren identifizieren.
  • Praxis-Tipps & Fallstricke

    Aus meinen Erfahrungen:

  • Kommunikation mit Handelspartnern ist alles. Ohne klare Absprachen über Platzierung und Preisetikettierung sind die Daten wertlos.
  • Vermeiden Sie künstliche Promotionen während des Tests, wenn Sie reine WTP messen wollen. Aktionen verzerren die Preiswahrnehmung.
  • Sample-Größe intelligent verteilen: Nicht automatisch gleichmäßig — kanalspezifische Relevanz entscheidet.
  • Berücksichtigen Sie Saisonalität und lokale Besonderheiten — ein Proteinriegel verkauft sich in einer Urlaubsregion anders als in Großstädten.
  • Weiterführende Schritte nach dem Test

    Die Daten alleine sind Startpunkt, nicht Endpunkt. Ich empfehle folgende nächste Schritte:

  • Rollout-Plan nach Kanal: Preise und Listungsbedingungen pro Kanal ableiten.
  • Performancemessungen: KPI-Watchlist für die ersten 12 Wochen nach Launch erstellen (u. a. Absatz, Regal-Share, Rebuy-Rate).
  • Iterative Preisoptimierung: A/B-Tests mit kleinen Preisvariationen und Promotions steuern.
  • Kommunikationsstrategie: Storytelling und Packaging gezielt an die Kanalzielgruppe anpassen — im Spezialkanal eher Produkt-Story, im Discounter klarer Preisvorteil.
  • Wenn Sie möchten, stelle ich Vorlagen für Stichprobenaufteilung, KPI-Dashboards und Reporting-Templates zur Verfügung — sowohl auf Innovation-Produce.de als auch im Rahmen einer Beratung oder eines Workshops. Mit einem pragmatischen Live-Test wie diesem erhalten Sie echte Verkaufsdaten statt Meinungen — und das ist oft der schnellste Weg, um eine belastbare Preisstrategie für neue Produkte zu entwickeln.

    Sie sollten auch die folgenden Nachrichten lesen: