The Cold Start Problem von Andrew Chen: Modellerklärung und Buch-Review

Chen, Andrew (2021). The Cold Start Problem. How to Start and Scale Network Effects. Penguin Random House UK. 9,99€

Netzwerkeffekte sind der goldene Schlüssel für jede Applikation, die verschiedene Akteure miteinander verbindet. Sie gelten als Treiber für das Wachstum von Tech-Giganten und der Traum vieler Start-ups. Doch trotz ihrer Bedeutung fällt es oft schwer, Netzwerkeffekte klar zu benennen oder gezielt zu fördern. Jeder will sie, doch nur wenige wissen, wie sie tatsächlich funktionieren. Eine Lücke, die gefüllt werden will.

Andrew Chen nimmt sich in seinem Buch “The Cold Start Problem - How to Start and Scale Network Effects” dieser Herausforderung an. Er entwirft ein Modell, das Wachstum über Netzwerkeffekte systematisch beschreibt, erklärt die Grundbegriffe und illustriert seine Theorie mit anschaulichen Beispielen. Ob sein Ansatz überzeugt, wie sein Modell funktioniert und ob man das Buch lesen sollte, führe ich im Folgenden aus.

Das ‘Cold Start Theory’ Framework einfach erklärt

Beginnen wir mit den Grundlagen. Traditionell wird der Wert eines Netzwerks oft über Metcalfe’s Gesetz beschrieben: Der Wert steigt exponentiell mit der Anzahl der Teilnehmer. Chen zeigt allerdings, dass dieser Ansatz zu kurz greift. Am Beispiel von Meerkatzen illustriert er, dass mehr nicht immer besser ist. Basierend auf diesen Parallelen zur Biologie stellt das differenzierte Modell der Cold Start Theory vor.

Die Grundidee: Netzwerkeffekte lassen sich in verschiedene Wachstumsphasen unterteilen, die jeweils eigene Chancen und Herausforderungen mit sich bringen. Achtung: Das Modell eignet sich vor allem für Produkte, deren Nutzen durch eine hohe Anzahl vernetzter Nutzer steigt. Produkte, die alleine genutzt werden, können mit dem Framework nicht gut analysiert werden.

Cold Start – Kaltstart

Netzwerkbasierte Produkte stehen beim Start vor der größten Herausforderung: Ohne Nutzer ist der Mehrwert des Netzwerks gering oder negativ. Ein soziales Netzwerk ohne aktive Mitglieder wirkt leer, ein Marktplatz ohne Angebote nutzlos, und eine Messaging-App ohne Nutzer kann gleich wieder gelöscht werden.

Um diese Anti-Netzwerkeffekte zu vermeiden, empfiehlt Chen, sich zunächst auf das kleinstmögliche, sogenannte atomare Netzwerk zu konzentrieren. Das bedeutet, statt von Anfang an das große Netzwerk zu bauen, ist es zielführender, ein kleineres, leicht erreichbares Netzwerk zu schaffen. Wie der Choke eines Motors reduziert diese Strategie den Aufwand und das Risiko, ein sinnvolles Netzwerk zu etablieren.

Beispiele? Facebook startete einst exklusiv für Harvard-Studierende. Amazon begann mit Büchern, eBay mit Sammlern. Kommunikations-Apps wie Zoom können anfangs zwei Personen glücklich machen – das reicht, um eine Saar zu setzen.

Tipping Point – Kipppunkt

Hat sich das erste Netzwerk etabliert, erreicht man einen Kipppunkt: Die Expansion in angrenzende Netzwerke wird einfacher und weniger risikobehaftet. Facebook, zunächst nur für Harvard-Studierende zugänglich, profitierte beim Rollout an anderen Ivy-League-Colleges von bestehenden Verbindungen zwischen den Nutzern. Ein Produkt wie Zoom wiederum kann sich leicht von den ersten zwei bis drei Nutzern auf ganze Teams und Organisationen ausweiten.

Escape Velocity – Fluchtgeschwindigkeit

In dieser Phase des Frameworks beschreibt Chen den Moment, in dem ein Netzwerk exponentiell wächst, scheinbar ganz von selbst. Auf den ersten Blick mag es so wirken, als würde die Arbeit nun einfacher – das Gegenteil ist jedoch der Fall. Hinter dem rapiden Wachstum steckt oft ein enormer Aufwand, um den Schwung aufrechtzuerhalten. Unternehmen müssen in dieser Phase nicht selten hunderte oder gar tausende neue Mitarbeiter einstellen, zusätzliche finanzielle Mittel beschaffen und ihre Infrastruktur massiv skalieren. All das geschieht unter Hochdruck, damit das Netzwerk nicht unter seiner eigenen Last zusammenbricht und weiterhin expandieren kann.

Chen betont, dass es in dieser Phase nicht ausreicht, einfach von “Netzwerkeffekten” zu sprechen. Stattdessen sollte man drei spezifische Effekte betrachten, die das Wachstum antreiben:

1. Akquisitionseffekt (‘Acquisition Effect’): Neue Nutzer lassen sich immer einfacher und kostengünstiger gewinnen.

2. Engagement-Effekt (‘Engagement Effect’): Die steigende Anzahl an Interaktionen macht das Netzwerk für alle Teilnehmer attraktiver.

3. Wirtschaftlicher Effekt (‘Economic Effect’): Mit wachsendem Netzwerk wird auch die Monetarisierung effektiver.

Diese drei Effekte verstärken sich gegenseitig und schaffen so die Grundlage für das explosive Wachstum, das diese Phase auszeichnet.

Ceiling – Decke

Das Wachstum stößt irgendwann an eine Decke. Sinkendes Engagement, steigende Akquisitionskosten, Spam, schlechte UX oder überforderte technische Infrastruktur können Symptome dafür sein. In der Praxis stößt ein Netzwerk oft auf mehrere solcher Decken. Erfolgreiche Produkte überwinden diese Hürden durch kontinuierliche Anpassung und Verbesserung und sorgen damit dafür, dass die tatsächliche Decke so lange wie möglich immer höher gehoben wird.

Moat – Graben

im letzten Schritt gilt es zu schauen, wie man das eigene Netzwerk gezielt nutzen kann, um sich gegen Wettbewerber zu schützen. Denn nichts hindert einen Konkurrenten daran, das Produkt zu kopieren und zu kompetitiven Preisen anzubieten. Entsprechend gilt es hier, individuell zu überlegen, wie das ganze Ökosystem genutzt werden kann um ein Gesamtpaket zu schaffen, das kein Wettbewerber kopieren kann.

Hier gibt es keine allgemein gültige Antwort für einen gelungenen Graben, da jedes Netzwerk und jedes Produkt sehr individuell ist. Um es dennoch greifbar zu machen: Amazon nutzt die enorme Größe und Reichweite des eigenen Netzwerks, um eine maßgeschneiderte Logistiklösung zu entwickeln, die von Einkauf über Lagerhaltung bis hin zur Auslieferung reicht – und dabei herkömmliche Paketdienste in puncto Geschwindigkeit übertrifft. Diese einzigartige Effizienz ist nur durch die Skalierung des Netzwerkes zu erreichen und für neue Marktteilnehmer praktisch unmöglich zu replizieren. Gleichzeitig bindet sie Kunden langfristig an die Plattform und macht den Marktplatz für unzählige kleine Händler unverzichtbar, was das Netzwerk wiederum zusätzlich nach Innen stärkt.

Anwendung des Modells

Setzt man das Modell auf das eigene Produkt an, liegt sein besonderer Wert darin, den Fokus auf das Wesentliche zu lenken und unnötige Aspekte auszublenden. Ein Start-up, das noch keine Traktion erzielt hat, sollte sich ausschließlich auf den Cold Start konzentrieren – alle anderen Überlegungen sind zu diesem Zeitpunkt zweitrangig. Eine App, die zwar eine kleine, zufriedene Community hat, aber noch nicht organisch wächst, sollte sich primär darauf fokussieren, den Tipping Point zu erreichen. Sobald dieser Punkt überschritten ist und das Produkt stark wächst, rückt die Frage in den Vordergrund, wie dieses Wachstum gezielt unterstützt und stabilisiert werden kann.

Stockt das Wachstum, ist eine detaillierte Analyse der Hindernisse erforderlich, um diese gezielt zu beseitigen. Und wenn das Netzwerk von außen angegriffen wird, etwa durch neue Wettbewerber, muss man sich darauf konzentrieren, eigene unfaire Vorteile – wie nicht-kopierbare Features oder Marktbedingungen – gezielt auszuspielen.

Was taugt das Modell in der Praxis?

Der größte Vorteil des Modells liegt ohne Frage in seinem Fokus. Ich habe selbst oft erlebt, wie Diskussionen über das Wachstum von Netzwerken vom Hundertsten ins Tausendste Driften, weil unklar war, auf welche Aspekte man sich im Hinblick auf die Wachstumsphase des Netzwerks konzentrieren sollte. Technische Skalierbarkeitsfragen vermischen sich dabei schnell mit Überlegungen zu organischen Wachstumsmöglichkeiten oder dem Blick zur Konkurrenz. Das Framework hilft in diesen Situationen enorm, das Wesentliche im Auge zu behalten.

Ein weiterer Pluspunkt ist die solide Evidenz Dank vieler kleiner Case Studies. Wir haben es hier nicht mit reiner Theorie oder einer Oberflächlichen Arbeit zu tun, sondern einem Framework, das auf solider Basis steht. In der Summe ist das Modell daher ein wertvoller Beitrag für den Werkzeugkoffer der Produktentwicklung.

Eine Schwäche des Buches liegt allerdings darin, die Grenzen des Modells nur unzureichend zu beleuchten. Zwar zeigt es anhand vieler Erfolgsgeschichten – etwa von Uber, Facebook, Airbnb, Tinder, Wikipedia oder Zoom – anschaulich, warum das Framework funktioniert. Doch liegt der Blick deutlich auf den Erfolgsfällen, bei denen neben dem Aufbau des Netzwerks auch viele andere Faktoren eine wichtige Rolle gespielt haben. Misserfolge wie Google+ werden zwar erwähnt, nehmen aber deutlich weniger Raum ein. So entsteht der Eindruck, dass die Erfolgsbeispiele primär deshalb im Fokus stehen, weil sie das Modell bestätigen.

Das wird besonders deutlich am Beispiel von Clubhouse, das zum Erscheinen des Buches als Paradebeispiel für den erfolgreichen Kaltstart gefeiert wurde, mittlerweile aber nur noch eine Randerscheinung ist. Das Modell erklärt zwar den anfänglichen Hype, liefert aber keine Antwort darauf, warum Clubhouse so schnell in der Bedeutungslosigkeit verschwand. Hier spielten externe Faktoren wie das Ende der Lockdowns und das damit sinkende Interesse an der zentralen Value Proposition eine entscheidende Rolle – Aspekte, die im Buch weitgehend ausgeblendet bleiben. Seht das Framework daher als nützliche Ergänzung in eurem Werkzeugkasten, aber vergesst nicht, den Kontext eures Produkts und die spezifischen Umstände eurer Situation zu berücksichtigen.

Lohnt es sich “The Cold Start Problem” von Andrew Chen in Gänze zu lesen?

Als westeuropäischer Leser fällt es mir schwer, über den Schreibstil des Autors hinwegzusehen. Einerseits frage ich mich, wieso ich gabze Seiten darüber lese, dass Chen sich sich Chateau Marmont mit dem Tinder-Co-Founder Sean Rad Drinks austauscht, oder warum ich lernen musste, dass er eine persönliche Verbindung zu Reid Hoffman hat, welche ein Fable für dieselbe Inselgruppe hat, in der der Autor aufgewachsen ist. Diese not-so-humble Brags ließen mich weniger beeindruck, sondern eher mit rollenden Augen zurück.

Andererseits zieht sich ein bisschen ein störender Bro-Vibe durch die Feder, welche ihren Höhepunkt auf den letzten Seiten findet, wo Chen spekuliert, dass Crypto und die Blockchain bald jeden Aspekt der Softwareentwicklung revolutionieren wird – wie so oft in solchen Argumenten, ohne auszuführen, warum das sinnvoll sein sollte.

Im Hinblick auf die Stärke des Frameworks und die Dichte der anschaulichen Fallstudien kann ich persönlich über diese Momente hinwegsehen und das Buch allen empfehlen, die an Produkten mit Netzwerkeffekten arbeiten.

Fazit

Mit seiner ‘Cold Start Theory’ liefert Andrew Chen ein solides Werkzeug zur Beleuchtung der verschiedenen Phasen von wachsenden oder stagnierenden Netzwerken. Es stellt einen ausgezeichneten Fokus her, der Teams helfen kann, Diskussionen auf die Wesentlichen Punkte zu lenken. Vorsicht ist jedoch dabei geboten, das Framework blind anzuwenden, denn es basiert auf einem gewissen Survivorship- und Confirmation-Bias. Nicht jede Situation findet sich im Idealtyp wieder und speziell Aspekte einer sich ändernden Umwelt kommen etwas kurz. Wer das mit einberechnet, kann das Buch aber gut lesen und das Modell gut anwenden.

Hands-On Support gebraucht?

Ich fasse nicht nur Frameworks zusammen oder rezensiere Fachbücher, ich mache auch seit mehr als einer Dekade operative Produktarbeit und helfe auch Teams und Unternehmen auf freiberuflicher Basis dabei, ihre Produktarbeit zu stärken. Buche Dir gerne einen unverbindlichen Kennenlern-Termin oder schreibe mir eine Mail an jan@produktkraft.com und wir schauen, ob eine Zusammenarbeit sinnvoll sein kann.