Die Rechnung hat zwei Seiten
Research wird mit seinen Kosten verteidigt und mit seinen Kosten angegriffen, und die andere Spalte wird nie aufgeschrieben. Das Modell hier schreibt sie auf. Eine Studie ist wert, was sie an Wahrscheinlichkeit nimmt, das Falsche zu bauen, multipliziert mit dem, was das Falsche zu bauen gekostet hätte, abzüglich dessen, was die Studie kostet.
Zwei der drei Zahlen sind gewöhnliche Buchhaltung. Die Studie kostet Teilnehmende plus Zeit, und die Seite zählt die Zeit aller mit und nicht nur die der forschenden Person, denn die Beobachtenden und das Readout sind echtes Geld, das in keinem Research-Budget steht. Die Fehlentscheidung kostet ihre Wochen mal ihr Team, abzüglich dessen, was den Irrtum überlebt, und dieser letzte Abzug ist da, weil eine falsch gebaute Sache selten ein Totalverlust ist und ein Modell ohne ihn den Fall um ein Drittel überzeichnet.
Die dritte Zahl ist eine Schätzung, und sie ist das ganze Argument.
Die Zahl, die niemand messen kann
Wie stark senkt eine Studie die Wahrscheinlichkeit einer Fehlentscheidung? Niemand weiß es. Es gibt kein Gegenstück: Die Entscheidung fiel einmal, mit Research oder ohne, und der andere Zweig wurde nie gegangen.
Also rechnet die Seite rückwärts. Aus den Kosten der Studie und dem, was an der Entscheidung hängt, ergibt sich die Risikosenkung, ab der die Studie sich genau trägt. Im durchgerechneten Beispiel sind das rund fünf Punkte: Die Studie muss eine Wahrscheinlichkeit von vierzig Prozent auf fünfunddreißig drücken.
Diese Zahl gehört vor die Person, die über das Budget entscheidet, denn anders als eine Renditeangabe ist sie eine Behauptung, der jemand aus Erfahrung widersprechen kann. Fünf Punkte sind eine bescheidene Behauptung für acht Sitzungen vor einem zehnwöchigen Build. Dreißig Punkte wären es nicht. Fällt die Zahl höher aus, als Sie vertreten würden, hat das Modell geantwortet, und zwar solange das Budgetgespräch noch offen war.
Die Tabelle darunter ist dieselbe Entscheidung unter anderen Annahmen, damit sichtbar wird, wie stark die Antwort an Ihrer hängt.
Warum die Linie die Null schneidet
Über der Größe der Entscheidung aufgetragen ist der Wert einer festen Studie eine Gerade: Er steigt mit dem, was auf dem Spiel steht, und er beginnt unter null, denn die Studie kostet, was sie kostet, wie klein die Entscheidung auch ist.
Wo sie schneidet, ist die kleinste Entscheidung, für die sich diese Studie lohnt. Im Beispiel sind das rund zweiundvierzigtausend Euro, und die praktische Lesart ist die nützliche. Research vor einer zweiwöchigen Änderung mit wiederverwendbarem Ergebnis ist mit diesen Zahlen schwer zu begründen. Dieselbe Studie vor einem zehnwöchigen Build mit einem Team von sechs Menschen ist es überhaupt nicht.
Das ist ein ehrlicherer Schluss als „Research zahlt sich immer aus“, und es ist der, der den Kontakt mit einer Finanzpartnerin übersteht.
Was fehlt, in beide Richtungen
Drei Dinge machen den Fall für Research stärker, als das Modell sagt.
Opportunitätskosten kommen nicht vor. Ein Team, das zehn Wochen auf das Falsche verwendet, hat diese zehn Wochen nicht auf das Richtige verwendet, und dieser zweite Verlust kann größer sein als der erste.
Studien tragen mehr als eine Entscheidung. Das Modell bepreist eine Studie gegen die Entscheidung davor, und eine gute Interviewrunde verändert drei Roadmap-Punkte und ein Positionierungsargument.
Und der Zinseszins fehlt. Ein Team, das ein Jahr lang jede Woche mit Nutzern gesprochen hat, trifft bessere Entscheidungen, die dieses Modell nie sieht.
Zwei Dinge gehen in die andere Richtung.
Ein Erwartungswert ist ein Mittel über Ausgänge, die nicht eintreten. Diese Entscheidung fällt einmal, und die Studie hat sie entweder verändert oder nicht. Ein Portfolio von Entscheidungen nähert sich dem Mittel, ein einzelnes Quartal muss das nicht.
Und die Studie zahlt sich nur aus, wenn die Entscheidung offen war. Research, das eine längst getroffene Entscheidung bestätigen soll, hat eine Senkung von null, was immer es findet, und keine Rechnung auf dieser Seite sagt Ihnen, welche Sorte Sie gerade starten.