Wie validiert man mit 200 realkäufen in drei handelsschichten die willingness-to-pay für einen neuen proteinriegel ohne teure paneltests

Ich beschreibe hier eine pragmatische Methode, mit der Sie die willingness-to-pay (WTP) für einen neuen Proteinriegel validieren können — und zwar mit nur 200 realen Käufen, verteilt auf drei Handelsschichten, ganz ohne teure Paneltests oder umfangreiche Conjoint-Studien. Diese Herangehensweise ist bewusst operational: sie verbindet Verkaufsdaten, simples Pricing-Design und qualitative Nutzer-Inputs, damit Sie schnelle, belastbare Entscheidungen für Produktpositionierung und UVP treffen können.

Warum reale Käufe statt Panels?

Panels können kontrolliert und schnell sein, liefern aber oft verzerrte Aussagen zur tatsächlichen Kaufentscheidung im Laden. Reale Käufe zeigen, wie Konsumenten unter echten Rahmenbedingungen reagieren: Preis auf dem Regal, Verpackungswahrnehmung, Promotion-Umfeld und schnelle Kaufimpulse. Für einen Impulsartikel wie einen Proteinriegel — Kategorie: hoher Preissensitivität und starker Regalwirkung — ist das entscheidend.

Grundidee: 200 Käufe in drei Handelsschichten

Die Kernidee ist einfach: verteilen Sie 200 einzelne Käufe über drei unterschiedliche Handelsschichten (z. B. Discounter/Nahversorgung, LEH mit Markenfokus, eCommerce/Convenience) und testen Sie mehrere Preisstufen simultan. Ziel ist es, WTP-Bandbreiten zu identifizieren und gleichzeitig Insights zu Kanalunterschieden zu gewinnen.

Schritt-für-Schritt-Protokoll

Ich arbeite in sieben Schritten — pragmatisch und messbar:

Festlegen der Handelsschichten: Wählen Sie drei relevante Kanäle, z. B. Discounter, Vollsortiment (Supermarkt), Online-Shop/Marktplatz. Diese sollten Ihre Zielkunden unterschiedlich abbilden.

Preisstufen definieren: Bestimmen Sie 3–4 Preisstufen um die erwartete Ziel-UVP (z. B. €1,49, €1,99, €2,49, €2,99). Jede Stufe wird in einem Teil des Tests verfügbar sein.

Sample-Aufteilung: Planen Sie insgesamt 200 reale Käufe — z. B. 70/70/60 über die drei Kanäle. Innerhalb jedes Kanals verteilen Sie Produkte gleichmäßig auf die Preisstufen.

POS-Design und Informationskontrolle: Achten Sie darauf, dass Verpackung, Platzierung und Promotions konsistent sind. Nur der Preis sollte primär variieren, damit Sie Wirkung isolieren.

Durchführung: Verkaufen Sie die Chargen über normale Vertriebskanäle, alternativ über Pop-up-Stände, Verkostungen oder E-Commerce-Promotions. Jeder Kauf wird als Datenpunkt erfasst (Preis, Kanal, Zeitpunkt, gegebenenfalls Käuferprofil).

Kurze Käuferbefragung: Binden Sie nach dem Kauf ein kurzes 1–2 Fragen Survey ein (z. B. per QR-Code auf der Verpackung) — Grund: Motivation zum Kauf (Geschmack, Preis, Marke), und ob der Preis wahrgenommen wurde als fair/hoch/niedrig.

Analyse: Aggregieren Sie Conversion-Rate (falls online), Abverkaufszahlen, Repeat-Interest (wenn möglich) und survey-basierte Preiswahrnehmung.

Welche Fragen beantworten die 200 Käufe?

Mit dieser Stichprobe können Sie konkret:

die Preiselastizität in jeder Handelsschicht schätzen,

die sinnvolle Preisbandbreite (WTP-Interquartile Range) ableiten,

Kanalbedingte Differenzen in Zahlungsbereitschaft erkennen (z. B. Online zahlt eher Premium),

direkt nach Nutzermotivation fragen und qualitative Erklärung für Kauf/Non-Kauf erhalten.

Statistische Überlegungen — reicht 200?

200 Käufe sind bewusst klein, liefern aber für Marketing- und Sortimentsentscheidungen praxisrelevante Signale. Beispiel: Bei vier Preisstufen und drei Kanälen haben Sie im Durchschnitt ~16 Beobachtungen pro Konfiguration (200 / 12). Das ist nicht für hochsignifikante Hypothesentests gedacht, aber ausreichend, um:

grobe Unterschiede in Kaufwahrscheinlichkeit zu erkennen,

dominante Preislevels zu identifizieren (z. B. wenn bei €2,99 quasi keine Käufe stattfinden),

zielgerichtete Folgetests zu konzipieren.

Wenn Sie formale statistische Tests brauchen, planen Sie eine erhöhte Stichprobengröße. Für pragmatische Entscheidungen sind die Effekte meist groß genug, um mit 200 sicher zu trennen.

KPIs, die ich messe

KPI	Was es sagt	Zielwert / Interpretation
Abverkauf pro Preisstufe	Direktes Kaufverhalten	Signifikante Drop-Offs bei X% Rückgang
Share of Choice kanalübergreifend	Wo akzeptiert die Zielgruppe welchen Preis	Identifiziert Premium-Kanäle
Wahrgenommene Fairness (Survey)	Preisimage & Akzeptanz	Mehrheit „fair“ → Preis akzeptabel
Repeat-Interest / Probierbereitschaft	Produktattraktivität jenseits Preis	hoher Wert → Upsell möglich

Praktische Tipps und Fallstricke

Aus meiner Erfahrung als Produktentwicklerin sind folgende Aspekte kritisch:

Vermeiden Sie simultane Promotions, die Preiswirkung überdecken — kein „2 für“-Sticker neben dem getesteten Preis.

Sichern Sie vergleichbare Sichtbarkeit im Regal. Platzierung beeinflusst die Kaufentscheidung massiv.

Erfassen Sie Kontextdaten: Tageszeit, Wetter, Platzierung neben bekannten Marken (z. B. Riegel von Protein- oder Snackmarken), damit Sie spätere Erklärungen haben.

Nutzen Sie QR-Codes für kurze Nachbefragungen — Response ist besser als klassische Kassenbefragung und liefert Profildaten.

Erwägen Sie eine kleine Anreizschicht für die Befragung (z. B. 10% Code), aber dosiert, damit Sie keine Verzerrung einführen.

Beispiel aus der Praxis

Bei einem Test für einen Nuss-Proteinriegel haben wir 180 reale Käufe über Discounter, Bio-Supermarkt und eigenen Online-Shop verteilt. Ergebnis: Discounter zeigte höchste Preissensitivität — akzeptabler Preis ≤ €1,79; im Bio-Supermarkt lag akzeptabler Preis bei €2,49; online war man bereit bis €2,99 zu zahlen, vor allem wenn Bundle-Angebote oder Abo-Optionen existierten. Aus den kurzen Surveys ging hervor, dass Discounter-Käufer starken Fokus auf „Preis pro 100 g“ hatten, während Bio-Shopper die Zutatenliste und Herkunft priorisierten. Diese Kanalunterschiede haben unsere Listungs- und Verpackungsentscheidungen direkt beeinflusst.

Wie weiter nach dem Test?

Nutzen Sie die Ergebnisse, um:

eine realistische UVP zu setzen (Kanal-differenziert oder einheitlich mit Kanalpreislisten),

Promotionpläne (z. B. Einführungspromotions vs. dauerhafte UVP) zu definieren,

Produktpositionierung (Premium vs. Value) und Packungsgrößen zu optimieren.

Wenn Sie möchten, kann ich Ihnen eine Excel-Vorlage zur Datenerfassung und ein kurzes Survey-Script zur Verfügung stellen, damit Sie den Test ohne große Vorbereitungszeit durchführen können. Sprechen Sie mich an — ich begleite solche Tests regelmäßig und helfe beim Design, bei KPI-Settings und der Auswertung.