ABOUT THE SPEAKER
Sheena Iyengar - Psycho-economist
Sheena Iyengar studies how people choose (and what makes us think we're good at it).

Why you should listen

We all think we're good at making choices; many of us even enjoy making them. Sheena Iyengar looks deeply at choosing and has discovered many surprising things about it. For instance, her famous "jam study," done while she was a grad student, quantified a counterintuitive truth about decisionmaking -- that when we're presented with too many choices, like 24 varieties of jam, we tend not to choose anything at all. (This and subsequent, equally ingenious experiments have provided rich material for Malcolm Gladwell and other pop chroniclers of business and the human psyche.)

Iyengar's research has been informing business and consumer-goods marketing since the 1990s. But she and her team at the Columbia Business School throw a much broader net. Her analysis touches, for example, on the medical decisionmaking that might lead up to choosing physician-assisted suicide, on the drawbacks of providing too many choices and options in social-welfare programs, and on the cultural and geographical underpinning of choice. Her book The Art of Choosing shares her research in an accessible and charming story that draws examples from her own life.

Watch a Facebook-exclusive short video from Sheena Iyengar: "Ballet Slippers" >>

More profile about the speaker
Sheena Iyengar | Speaker | TED.com
TEDSalon NY2011

Sheena Iyengar: How to make choosing easier

Sheena Iyengar: Wie macht Auswählen einfacher macht

Filmed:
2,749,817 views

Wir wollen alle kundengerechte Erfahrungen und Produkte -- aber wenn Kunden 700 Optionen gegenstehen, werden sie gelähmt. Mit faszinierender neuen Forschungen erklärt Sheena Iyengar wie Unternehmen (und andere) die Erfahrung des Auswählen verbessern können.
- Psycho-economist
Sheena Iyengar studies how people choose (and what makes us think we're good at it). Full bio

Double-click the English transcript below to play the video.

00:15
Do you know how manyviele choicesAuswahlmöglichkeiten you make
0
0
2000
Wissen Sie, wie viele Entscheidungen Sie an einem
00:17
in a typicaltypisch day?
1
2000
3000
typischen Tag machen?
00:20
Do you know how manyviele choicesAuswahlmöglichkeiten you make
2
5000
2000
Wissen Sie, wie viele Entscheidungen Sie in einer
00:22
in typicaltypisch weekWoche?
3
7000
2000
typischen Woche treffen?
00:24
I recentlyvor kurzem did a surveyUmfrage
4
9000
2000
Ich habe vor kurzem eine Umfrage
00:26
with over 2,000 AmericansAmerikaner,
5
11000
2000
mit über 2.000 Amerikanern gemacht
00:28
and the averagedurchschnittlich numberNummer of choicesAuswahlmöglichkeiten
6
13000
2000
und die durchschnittliche Anzahl von Entscheidungen,
00:30
that the typicaltypisch AmericanAmerikanische reportsBerichte makingHerstellung
7
15000
2000
die angabegemäß ein typischer Amerikaner
00:32
is about 70 in a typicaltypisch day.
8
17000
3000
an einem Tag macht ist 70.
00:35
There was alsoebenfalls recentlyvor kurzem a studyStudie doneerledigt with CEOsCEOs
9
20000
4000
Zudem wurde kürzlich eine Studie mit CEOs gemacht,
00:39
in whichwelche they followedgefolgt CEOsCEOs around for a wholeganze weekWoche.
10
24000
3000
in der sie eine Woche lang die CEOS beobachteten.
00:42
And these scientistsWissenschaftler simplyeinfach documenteddokumentiert all the variousverschiedene tasksAufgaben
11
27000
3000
Und diese Wissenschaftler haben einfach die verschiedenen Themen
00:45
that these CEOsCEOs engagedbeschäftigt in
12
30000
2000
dokumentiert mit denen sich diese CEO beschäftigt haben.
00:47
and how much time they spentverbraucht engagingansprechend
13
32000
2000
und wieviel Zeit sie damit verbrachten
00:49
in makingHerstellung decisionsEntscheidungen relatedverwandte to these tasksAufgaben.
14
34000
2000
Entscheidungen zu treffen, die mit den Themen zusammenhängen.
00:51
And they foundgefunden that the averagedurchschnittlich CEOCEO
15
36000
3000
Und sie haben herausgefunden, dass ein durchschnittlicher CEO
00:54
engagedbeschäftigt in about 139 tasksAufgaben in a weekWoche.
16
39000
3000
sich in der Woche mit 139 Aufgaben beschäftigt.
00:57
EachJedes taskAufgabe was madegemacht up of manyviele, manyviele, manyviele sub-choicesUnteroptionen of courseKurs.
17
42000
4000
Jedes dieser Themen bestand natürlich aus vielen, vielen kleineren Entscheidungen.
01:01
50 percentProzent of theirihr decisionsEntscheidungen
18
46000
2000
50 Prozent ihrer Entscheidungen
01:03
were madegemacht in nineneun minutesProtokoll or lessWeniger.
19
48000
3000
wurden innerhalb von neun Minuten oder weniger getroffen.
01:06
Only about 12 percentProzent of the decisionsEntscheidungen
20
51000
3000
Nur für ungefähr 12 Prozent ihrer Entscheidungen
01:09
did they make an hourStunde or more of theirihr time.
21
54000
4000
benötigten sie eine Stunde oder mehr ihrer Zeit.
01:13
Think about your ownbesitzen choicesAuswahlmöglichkeiten.
22
58000
2000
Denken Sie an Ihre eigenen Entscheidungen.
01:15
Do you know how manyviele choicesAuswahlmöglichkeiten
23
60000
2000
Wissen Sie wie viele Entscheidungen Sie
01:17
make it into your nineneun minuteMinute categoryKategorie
24
62000
2000
in der neun Minuten Kategorie treffen
01:19
versusgegen your one hourStunde categoryKategorie?
25
64000
2000
gegenüber derjenigen in der eine Stunde Kategorie?
01:21
How well do you think you're doing
26
66000
2000
Wie gut, denken Sie, sind Sie darin
01:23
at managingGeschäftsführer those choicesAuswahlmöglichkeiten?
27
68000
3000
die Entscheidungen zu bewältigen?
01:26
TodayHeute I want to talk
28
71000
2000
Heute möchte ich über eines der größten
01:28
about one of the biggestgrößte modernmodern day choosingdie Wahl problemsProbleme that we have,
29
73000
3000
Entscheidungsprobleme unserer modernen Zeit sprechen,
01:31
whichwelche is the choiceWahl overloadÜberlast problemProblem.
30
76000
2000
das Entscheidungsüberlastungsproblem.
01:33
I want to talk about the problemProblem
31
78000
2000
Ich möchte über das Problem reden
01:35
and some potentialPotenzial solutionsLösungen.
32
80000
2000
und über einige mögliche Lösungen.
01:37
Now as I talk about this problemProblem,
33
82000
2000
Nun, wenn ich über dieses Problem rede,
01:39
I'm going to have some questionsFragen for you
34
84000
2000
werde ich Ihnen einige Fragen stellen
01:41
and I'm going to want to know your answersAntworten.
35
86000
3000
und ich möchte Ihre Antworten wissen.
01:44
So when I askFragen you a questionFrage,
36
89000
2000
Wenn ich Ihnen eine Frage stelle,
01:46
sinceschon seit I'm blindblind,
37
91000
2000
heben Sie, da ich blind bin,
01:48
only raiseerziehen your handHand if you want to burnbrennen off some caloriesKalorien.
38
93000
3000
nur die Hand, wenn Sie einige Kalorien verbrennen möchten.
01:51
(LaughterLachen)
39
96000
3000
(Gelächter)
01:54
OtherwiseAnsonsten, when I askFragen you a questionFrage,
40
99000
2000
Ansonsten, bitte ich Sie, wenn ich Ihnen eine Frage stelle,
01:56
and if your answerAntworten is yes,
41
101000
2000
und ihre Antwort Ja ist,
01:58
I'd like you to clapklatschen your handsHände.
42
103000
2000
zu klatschen.
02:00
So for my first questionFrage for you todayheute:
43
105000
3000
Also, meine erste Frage für heute lautet:
02:03
Are you guys readybereit to hearhören about the choiceWahl overloadÜberlast problemProblem?
44
108000
3000
Sind Sie bereit etwas über das Entscheidungsüberlastungsproblem zu hören?
02:06
(ApplauseApplaus)
45
111000
2000
(Applaus)
02:08
Thank you.
46
113000
2000
Vielen Dank.
02:11
So when I was a graduateAbsolvent studentSchüler at StanfordStanford UniversityUniversität,
47
116000
2000
Als ich ein Abschlussstudent an der Stanford Universität war,
02:13
I used to go to this very, very upscalegehobene groceryLebensmittelgeschäft storeGeschäft;
48
118000
3000
ging ich zu diesem sehr sehr exklusiven Lebensmittelladen;
02:16
at leastam wenigsten at that time it was trulywirklich upscalegehobene.
49
121000
2000
zumindest damals war er wirklich exklusiv.
02:18
It was a storeGeschäft callednamens Draeger'sDraeger.
50
123000
3000
Es war ein Laden, der Draeger's hieß.
02:21
Now this storeGeschäft, it was almostfast like going to an amusementUnterhaltung parkPark.
51
126000
3000
Dieses Geschäft, es war fast so wie ein Vergnügungspark.
02:24
They had 250 differentanders kindsArten of mustardsSenf and vinegarsEssige
52
129000
3000
Sie hatten 250 verschiedene Arten von Senf und Essig und
02:27
and over 500 differentanders kindsArten
53
132000
2000
über 500 verschiedene Arten
02:29
of fruitsFrüchte and vegetablesGemüse
54
134000
2000
von Obst und Gemüse
02:31
and more than two dozenDutzend differentanders kindsArten of bottledin Flaschen abgefüllt waterWasser --
55
136000
3000
und mehr als zwei dutzend verschiedene Arten an Wasser --
02:34
and this was duringwährend a time when we actuallytatsächlich used to drinkGetränk taptippen waterWasser.
56
139000
4000
und das war zu einer Zeit als wir noch tatsächlich Leitungswasser getrunken haben.
02:38
I used to love going to this storeGeschäft,
57
143000
3000
Ich habe es geliebt zu diesem Geschäft zu gehen;
02:41
but on one occasionAnlass I askedaufgefordert myselfmich selber,
58
146000
2000
aber zu einem Zeitpunkt habe ich mich gefragt,
02:43
well how come you never buykaufen anything?
59
148000
2000
naja, wie kommt es, dass du nie etwas kaufst?
02:45
Here'sHier ist theirihr oliveOlive oilÖl aisleGang.
60
150000
2000
Hier ist der Olivenöl Gang.
02:47
They had over 75 differentanders kindsArten of oliveOlive oilÖl,
61
152000
2000
Sie hatten über 75 verschieden Sorten Olivenöl,
02:49
includingeinschließlich those that were in a lockedeingesperrt caseFall
62
154000
2000
inklusive denen, die in Kästen eingeschlossen waren,
02:51
that camekam from thousand-year-oldtausend-jährige oliveOlive treesBäume.
63
156000
4000
die von tausend Jahre alten Olivenbäumen kamen.
02:55
So I one day decidedbeschlossen to payZahlen a visitBesuch to the managerManager,
64
160000
2000
Also entschied ich mich eines Tages den Filialleiter zu besuchen,
02:57
and I askedaufgefordert the managerManager,
65
162000
2000
und ich fragte den Leiter,
02:59
"Is this modelModell- of offeringAngebot people all this choiceWahl really workingArbeiten?"
66
164000
3000
"Funktioniert dieses Modell, dass Sie den Menschen all diese Möglichkeiten bieten wirklich?"
03:02
And he pointedspitz to the busloadsBusladungen of touristsTouristen
67
167000
2000
Und er zeigte auf die Busladungen von Touristen,
03:04
that would showShow up everydayjeden Tag,
68
169000
2000
die jeden Tag kamen und
03:06
with camerasKameras readybereit usuallygewöhnlich.
69
171000
2000
gewöhnlich ihre Kameras dabei hatten.
03:08
We decidedbeschlossen to do a little experimentExperiment,
70
173000
3000
Wir entschieden uns ein Experiment zu unternehmen
03:11
and we pickedabgeholt jamMarmelade for our experimentExperiment.
71
176000
2000
und wir wählten Marmelade für unser Experiment.
03:13
Here'sHier ist theirihr jamMarmelade aisleGang.
72
178000
2000
Hier ist ihr Marmeladen Gang.
03:15
They had 348 differentanders kindsArten of jamMarmelade.
73
180000
2000
Sie hatten 348 verschiedene Arten von Marmelade.
03:17
We setSet up a little tastingVerkostung boothStand
74
182000
2000
Wir haben eine kleine Verkostungsecke
03:19
right nearin der Nähe von the entranceEingang of the storeGeschäft.
75
184000
2000
direkt am Eingang des Geschäfts aufgestellt.
03:21
We there put out sixsechs differentanders flavorsAromen of jamMarmelade
76
186000
2000
Wir haben dort sechs verschiedene Geschmacksrichtungen Marmelade
03:23
or 24 differentanders flavorsAromen of jamMarmelade,
77
188000
3000
oder 24 verschiedene Geschmacksrichtungen Marmelade hingestellt,
03:26
and we lookedsah at two things:
78
191000
2000
und wir haben uns zwei Sachen angeschaut:
03:28
First, in whichwelche caseFall
79
193000
2000
Erstens, ich welchem Fall
03:30
were people more likelywahrscheinlich to stop, sampleSample some jamMarmelade?
80
195000
3000
würden mehr Menschen stehen bleiben und Marmelade probieren?
03:33
More people stoppedgestoppt when there were 24, about 60 percentProzent,
81
198000
3000
Es sind mehr Menschen stehen geblieben, wenn es 24 waren, ungefähr 60 Prozent,
03:36
than when there were sixsechs,
82
201000
2000
als wenn es sechs waren,
03:38
about 40 percentProzent.
83
203000
2000
ungefähr 40 Prozent.
03:40
The nextNächster thing we lookedsah at
84
205000
2000
Und danach sahen wir uns an
03:42
is in whichwelche caseFall were people more likelywahrscheinlich
85
207000
2000
in welchem Fall die Menschen eher
03:44
to buykaufen a jarKrug of jamMarmelade.
86
209000
2000
ein Glas Marmelade kauften.
03:46
Now we see the oppositeGegenteil effectbewirken.
87
211000
2000
Jetzt sahen wir den umgekehrten Effekt.
03:48
Of the people who stoppedgestoppt when there were 24,
88
213000
2000
Von den Menschen die stehen blieben als es 24 waren,
03:50
only threedrei percentProzent of them actuallytatsächlich boughtgekauft a jarKrug of jamMarmelade.
89
215000
3000
kauften nur drei Prozent tatsächlich ein Glas Marmelade.
03:53
Of the people who stoppedgestoppt when there were sixsechs,
90
218000
3000
Von den Menschen, die stehen blieben als es sechs waren,
03:56
well now we saw that 30 percentProzent of them
91
221000
2000
nun, jetzt sahen wir, dass 30 Prozent von ihnen
03:58
actuallytatsächlich boughtgekauft a jarKrug of jamMarmelade.
92
223000
2000
tatsächlich ein Glas Marmelade kauften.
04:00
Now if you do the mathMathe,
93
225000
2000
Nun, wenn Sie es ausrechnen,
04:02
people were at leastam wenigsten sixsechs timesmal more likelywahrscheinlich to buykaufen a jarKrug of jamMarmelade
94
227000
3000
kauften die Menschen sechs mal eher ein Glas Marmelade,
04:05
if they encounteredangetroffen sixsechs
95
230000
2000
wen sie sechs zur Auswahl hatten,
04:07
than if they encounteredangetroffen 24.
96
232000
2000
als wenn Sie 24 zur Auswahl hatten.
04:09
Now choosingdie Wahl not to buykaufen a jarKrug of jamMarmelade
97
234000
2000
Nun, sich zu entscheiden kein Glas Marmelade zu kaufen
04:11
is probablywahrscheinlich good for us --
98
236000
2000
ist wahrscheinlich gut für uns --
04:13
at leastam wenigsten it's good for our waistlinesTaillen --
99
238000
2000
zumindest ist es gut für unsere Taille --
04:15
but it turnswendet sich out that this choiceWahl overloadÜberlast problemProblem affectsbeeinflusst us
100
240000
3000
aber es stellt sich heraus, dass das Entscheidungsüberlastungsproblem uns
04:18
even in very consequentialFolgeschäden decisionsEntscheidungen.
101
243000
3000
auch bei sehr konsequenzreichen Entscheidungen beeinflusst.
04:21
We choosewählen not to choosewählen,
102
246000
2000
Wir entscheiden uns nicht zu entscheiden,
04:23
even when it goesgeht againstgegen our bestBeste self-interestsEigeninteressen.
103
248000
3000
auch wenn es gegen unsere eigenen besten Interessen geht.
04:26
So now for the topicThema of todayheute: financialfinanziell savingsErsparnisse.
104
251000
3000
Also zum Thema des Tages: finanzielles Sparen.
04:29
Now I'm going to describebeschreiben to you a studyStudie I did
105
254000
4000
Ich werde Ihnen jetzt eine Studie beschreiben,
04:33
with GurGur HubermanHuberman, EmirEmir KamenicaKamenica, WeiWei JangJang
106
258000
3000
die ich mit Gur Huberman, Emir Kamenica, Wei Jang durchführte,
04:36
where we lookedsah at the retirementRuhestand savingsErsparnisse decisionsEntscheidungen
107
261000
4000
in der wir uns die Entscheidungen zu Sparplänen für die Rente von
04:40
of nearlyfast a millionMillion AmericansAmerikaner
108
265000
3000
fast einer Million Amerikanern
04:43
from about 650 plansPläne
109
268000
3000
von ungefähr 650 Plänen
04:46
all in the U.S.
110
271000
2000
in den gesamten Vereinigten Staaten ansahen.
04:48
And what we lookedsah at
111
273000
2000
Und was wir uns ansahen,
04:50
was whetherob the numberNummer of fundFonds offeringsAngebote
112
275000
2000
war ob die Anzahl der Fondsangebote,
04:52
availableverfügbar in a retirementRuhestand savingsErsparnisse planplanen,
113
277000
2000
die ein einem Rentensparplan möglich waren,
04:54
the 401(k) planplanen,
114
279000
2000
der 401(k) Plan,
04:56
does that affectbeeinflussen people'sMenschen likelihoodWahrscheinlichkeit
115
281000
2000
die Wahrscheinlichkeit beeinflusst,
04:58
to savesparen more for tomorrowMorgen.
116
283000
2000
ob mehr für Morgen gespart wird.
05:00
And what we foundgefunden
117
285000
2000
Und wir fanden heraus,
05:02
was that indeedtatsächlich there was a correlationKorrelation.
118
287000
3000
dass es in der Tat einen Zusammenhang gab.
05:05
So in these plansPläne, we had about 657 plansPläne
119
290000
3000
So in diesen Plänen, wir hatten ungefähr 657 Plänen
05:08
that rangedreichten from offeringAngebot people
120
293000
2000
die den Menschen irgendetwas
05:10
anywhereirgendwo from two to 59 differentanders fundFonds offeringsAngebote.
121
295000
3000
zwischen zwei bis 59 verschiedenen Fonds anboten.
05:13
And what we foundgefunden was that,
122
298000
2000
Und was wir herausfanden,
05:15
the more fundsMittel offeredangeboten,
123
300000
2000
war, dass je mehr Fonds angeboten wurden,
05:17
indeedtatsächlich, there was lessWeniger participationBeteiligung ratePreis.
124
302000
3000
dass, in der Tat, die Teilnahme Rate geringer war.
05:20
So if you look at the extremesExtreme,
125
305000
2000
Wenn Sie sich jetzt die Extreme ansehen,
05:22
those plansPläne that offeredangeboten you two fundsMittel,
126
307000
2000
die Pläne, die zwei Fonds anboten,
05:24
participationBeteiligung ratesPreise were around in the mid-Mitte70s --
127
309000
3000
hatten eine Teilnahmerate in den siebzigern --
05:27
still not as highhoch as we want it to be.
128
312000
2000
immer noch nicht so hoch, wie wir es wollen.
05:29
In those plansPläne that offeredangeboten nearlyfast 60 fundsMittel,
129
314000
3000
In den Plänen, die fast 60 Fonds anboten,
05:32
participationBeteiligung ratesPreise have now droppedfallen gelassen
130
317000
3000
fiel die Teilnahmerate jetzt
05:35
to about the 60thth percentilePerzentil.
131
320000
3000
auf ungefähr den sechzigsten Prozentanteil.
05:38
Now it turnswendet sich out
132
323000
2000
Jetzt stellt sich heraus,
05:40
that even if you do choosewählen to participatesich beteiligen
133
325000
3000
dass selbst wenn Sie sich entschliessen teilzunehmen,
05:43
when there are more choicesAuswahlmöglichkeiten presentGeschenk,
134
328000
2000
wenn mehr Möglichkeiten zur Auswahl standen,
05:45
even then, it has negativeNegativ consequencesFolgen.
135
330000
3000
selbst dann, hat es negative Konsequenzen.
05:48
So for those people who did choosewählen to participatesich beteiligen,
136
333000
3000
So tendierten die Menschen, die sich entschieden teilzunehmen,
05:51
the more choicesAuswahlmöglichkeiten availableverfügbar,
137
336000
2000
eher dazu, dass je mehr Möglichkeiten
05:53
the more likelywahrscheinlich people were
138
338000
2000
ihnen zur Verfügung standen, desto mehr
05:55
to completelyvollständig avoidvermeiden stocksBestände or equityEigenkapital fundsMittel.
139
340000
3000
vermieden sie es Aktien und Fonds zu wählen.
05:58
The more choicesAuswahlmöglichkeiten availableverfügbar,
140
343000
2000
Je mehr Möglichkeiten ihnen zur Verfügung standen,
06:00
the more likelywahrscheinlich they were
141
345000
2000
desto eher steckten
06:02
to put all theirihr moneyGeld in purerein moneyGeld marketMarkt accountsKonten.
142
347000
2000
sie ihr ganzes Geld in reine Geldmarktkonten.
06:04
Now neitherweder of these extremeextrem decisionsEntscheidungen
143
349000
2000
Keine dieser extremen Entscheidungen,
06:06
are the kindsArten of decisionsEntscheidungen
144
351000
2000
gehört zu den Entscheidungen,
06:08
that any of us would recommendempfehlen for people
145
353000
2000
die jemand von Menschen empfehlen würde,
06:10
when you're consideringWenn man bedenkt theirihr futureZukunft financialfinanziell well-beingWohlbefinden.
146
355000
3000
wenn uns ihr zukünftiges finanzielles Wohlergehen wichtig ist.
06:13
Well, over the pastVergangenheit decadeDekade,
147
358000
2000
Nun, in den letzten zehn Jahren
06:15
we have observedbeobachtete threedrei mainMain negativeNegativ consequencesFolgen
148
360000
3000
haben wir bei Menschen drei wesentliche negative Konsequenzen beobachtet,
06:18
to offeringAngebot people more and more choicesAuswahlmöglichkeiten.
149
363000
3000
die das Anbieten von mehr und mehr Auswahlmöglichkeiten mit sich bringt.
06:21
They're more likelywahrscheinlich to delayverzögern choosingdie Wahl --
150
366000
2000
Sie schieben die Entscheidung auf --
06:23
procrastinateverschleppen even when it goesgeht againstgegen theirihr bestBeste self-interestEigennutz.
151
368000
3000
schieben sie auf, selbst wenn es gegen ihr eigenes bestes Interesse geht.
06:26
They're more likelywahrscheinlich to make worseschlechter choicesAuswahlmöglichkeiten --
152
371000
2000
Sie treffen eher schlechtere Entscheidungen --
06:28
worseschlechter financialfinanziell choicesAuswahlmöglichkeiten, medicalmedizinisch choicesAuswahlmöglichkeiten.
153
373000
3000
schlechtere finanzielle und schlechtere medizinische Entscheidungen.
06:31
They're more likelywahrscheinlich to choosewählen things that make them lessWeniger satisfiedzufrieden,
154
376000
3000
Sie entscheiden sich eher für Dinge, die sie selbst weniger zufrieden stellen,
06:34
even when they do objectivelyObjektiv better.
155
379000
3000
selbst, wenn sie es objektive besser machen.
06:37
The mainMain reasonGrund for this
156
382000
2000
Der Hauptgrund hierfür ist,
06:39
is because, we mightMacht enjoygenießen gazingBlick at those giantRiese wallsWände
157
384000
4000
dass wir es vielleicht geniessen uns diese riesigen Regale
06:43
of mayonnaisesMayonnaisen, mustardsSenf, vinegarsEssige, jamsKonfitüren,
158
388000
2000
voller Mayonaise, Senf, Essig und Marmelade anzusehen,
06:45
but we can't actuallytatsächlich do the mathMathe of comparingVergleichen and contrastingkontrastierende
159
390000
3000
aber wir faktisch nicht die Vergleiche und Abgrenzungen ziehen können
06:48
and actuallytatsächlich pickingpflücken from that stunningatemberaubend displayAnzeige.
160
393000
4000
und dann tatsächlich etwas aus dem fantastischen Angebot wählen können.
06:52
So what I want to proposevorschlagen to you todayheute
161
397000
2000
Was ich Ihnen also heute vorschlagen möchte
06:54
are fourvier simpleeinfach techniquesTechniken --
162
399000
3000
sind vier einfache Techniken --
06:57
techniquesTechniken that we have testedgeprüft in one way or anotherein anderer
163
402000
3000
Techniken, die wir auf verschiedene Arten
07:00
in differentanders researchForschung venuesLocations --
164
405000
2000
und an verschiedenen Forschungsorten getestet haben --
07:02
that you can easilyleicht applysich bewerben
165
407000
2000
die Sie einfach in Ihrem Geschäft
07:04
in your businessesUnternehmen.
166
409000
2000
anwenden können.
07:06
The first: CutSchnitt.
167
411000
2000
Als erstes: Beschränken.
07:08
You've heardgehört it said before,
168
413000
2000
Sie haben es vorher schon mal gehört,
07:10
but it's never been more truewahr than todayheute,
169
415000
2000
aber es war nie wahrer als heute,
07:12
that lessWeniger is more.
170
417000
2000
dass weniger mehr ist.
07:14
People are always upsetverärgert when I say, "CutSchnitt."
171
419000
3000
Die Menschen sind immer beunruhigt wenn ich sage, "Beschränken."
07:17
They're always worriedbesorgt they're going to loseverlieren shelfRegal spacePlatz.
172
422000
2000
Sie machen sich immer Sorgen, dass Sie Regalfläche verlieren.
07:19
But in factTatsache, what we're seeingSehen more and more
173
424000
3000
Aber in Wahrheit, sehen wir es immer mehr und mehr,
07:22
is that if you are willingbereit to cutschneiden,
174
427000
2000
dass wenn Sie bereit sind sich zu beschränken,
07:24
get ridloswerden of those extraneousFremd redundantredundant optionsOptionen,
175
429000
2000
und die unwichtigen gleichartigen Möglichkeiten los werden,
07:26
well there's an increaseerhöhen, ansteigen in salesDer Umsatz,
176
431000
2000
nun, dann gibt es einen Anstieg der Verkaufszahlen,
07:28
there's a loweringSenkung der of costsKosten,
177
433000
2000
es werden die Kosten gesenkt,
07:30
there is an improvementVerbesserung of the choosingdie Wahl experienceErfahrung.
178
435000
4000
&und es gibt eine Verbesserung der Entscheidungswahrnehmung.
07:34
When ProctorProctor & GambleSpielen
179
439000
2000
Als Proctor und Gamble
07:36
wentging from 26 differentanders kindsArten of HeadKopf & ShouldersSchultern to 15,
180
441000
2000
die verschiedenen Head and Shoulders Arten von 26 auf 15 reduzierte,
07:38
they saw an increaseerhöhen, ansteigen in salesDer Umsatz by 10 percentProzent.
181
443000
3000
erlebten Sie einen Anstieg der Verkaufszahlen um 10 Prozent.
07:41
When the GoldenGolden CatKatze CorporationCorporation
182
446000
2000
Als die Golden Cat Corporation
07:43
got ridloswerden of theirihr 10 worst-sellingSchlimmste zu verkaufen catKatze litterWurf productsProdukte,
183
448000
2000
ihr 10 am schlechtesten verkauften Katzenstreus loswurde,
07:45
they saw an increaseerhöhen, ansteigen in profitsGewinne
184
450000
2000
erlebten Sie, dass die Gewinne um
07:47
by 87 percentProzent --
185
452000
2000
87 Prozent anstiegen --
07:49
a functionFunktion of bothbeide increaseerhöhen, ansteigen in salesDer Umsatz
186
454000
2000
ein Ergebnis von beidem, dem Anstieg der Verkaufszahlen
07:51
and loweringSenkung der of costsKosten.
187
456000
2000
und der Reduzierung von Kosten.
07:53
You know, the averagedurchschnittlich groceryLebensmittelgeschäft storeGeschäft todayheute
188
458000
2000
Wissen Sie, der durchschnittliche Supermakrt heute,
07:55
offersbietet an you 45,000 productsProdukte.
189
460000
2000
bietet Ihnen 45.000 Produkte an.
07:57
The typicaltypisch WalmartWalmart todayheute offersbietet an you 100,000 productsProdukte.
190
462000
3000
Ein typischer Walmart bietet Ihnen heute 100.000 Produkte an.
08:00
But the ninthneunte largestgrößten retailerHändler,
191
465000
5000
Aber der neuntgrößte Supermarkt,
08:05
the ninthneunte biggestgrößte retailerHändler in the worldWelt todayheute
192
470000
2000
der heute neuntgrößte Supermarkt der Welt
08:07
is AldiAldi,
193
472000
2000
ist Aldi,
08:09
and it offersbietet an you only 1,400 productsProdukte --
194
474000
3000
und sie bieten Ihnen nur 1.400 Produkte --
08:12
one kindArt of cannedaus der Dose tomatoTomate sauceSoße.
195
477000
3000
eine Art von Tomatensauce in Dosen.
08:15
Now in the financialfinanziell savingsErsparnisse worldWelt,
196
480000
2000
Nun in der Welt des Sparens,
08:17
I think one of the bestBeste examplesBeispiele that has recentlyvor kurzem come out
197
482000
3000
ich glaube eines der besten Beispiele, die kürzlich auf den Markt gekommen sind,
08:20
on how to bestBeste manageverwalten the choiceWahl offeringsAngebote
198
485000
3000
darüber wie man am besten die Auswahlmöglichkeiten managt,
08:23
has actuallytatsächlich been something that DavidDavid LaibsonLaibson was heavilyschwer involvedbeteiligt in designingEntwerfen,
199
488000
3000
war etwas, bei dem David Laibson sehr stark mitgestaltet hat,
08:26
whichwelche was the programProgramm that they have at HarvardHarvard.
200
491000
2000
es ist ein Programm, das bei Harvard angeboten wird.
08:28
EveryJedes singleSingle HarvardHarvard employeeMitarbeiter
201
493000
2000
Jeder einzelne Harvard Angestellte
08:30
is now automaticallyautomatisch enrolledangemeldet
202
495000
2000
nimmt jetzt automatisch an einem
08:32
in a lifecycleLebenszyklus fundFonds.
203
497000
2000
Lebenszeitfond teil.
08:34
For those people who actuallytatsächlich want to choosewählen,
204
499000
2000
Denjenigen, die wirklich eine Auswahl treffen wollen,
08:36
they're givengegeben 20 fundsMittel,
205
501000
2000
werden 20 Fonds angeboten,
08:38
not 300 or more fundsMittel.
206
503000
2000
nicht 300 oder mehr Fonds.
08:40
You know, oftenhäufig, people say,
207
505000
2000
Wissen Sie, wie die Menschen oft sagen,
08:42
"I don't know how to cutschneiden.
208
507000
2000
"Ich weiß nicht wie ich es beschränken soll.
08:44
They're all importantwichtig choicesAuswahlmöglichkeiten."
209
509000
2000
Es sind alles wichtige Möglichkeiten."
08:46
And the first thing I do is I askFragen the employeesMitarbeiter,
210
511000
3000
Und das erste was ich die Angestellten frage ist,
08:49
"Tell me how these choicesAuswahlmöglichkeiten are differentanders from one anotherein anderer.
211
514000
2000
"Sagen Sie mir, wie die Möglichkeiten sich von einander unterscheiden.
08:51
And if your employeesMitarbeiter can't tell them apartein Teil,
212
516000
2000
Und wenn Ihre Angestellten sie nicht auseinanderhalten können,
08:53
neitherweder can your consumersVerbraucher."
213
518000
3000
können es Ihre Kunden auch nicht."
08:56
Now before we startedhat angefangen our sessionSession this afternoonNachmittag,
214
521000
3000
Nun, bevor wir heute mittag angefangen haben,
08:59
I had a chatPlaudern with GaryGary.
215
524000
2000
hatte ich ein Gespräch mit Gary.
09:01
And GaryGary said that he would be willingbereit
216
526000
3000
Und Gary sagte, dass er bereit wäre
09:04
to offerAngebot people in this audiencePublikum
217
529000
2000
allen Menschen in diesem Publikum
09:06
an all-expenses-paidAll-Inclusive- freefrei vacationUrlaub
218
531000
3000
einen All-inklusive bezahlten Urlaub
09:09
to the mostdie meisten beautifulschön roadStraße in the worldWelt.
219
534000
4000
zu der schönsten Straße der Welt anzubieten.
09:13
Here'sHier ist a descriptionBeschreibung of the roadStraße.
220
538000
3000
Hier ist eine Beschreibung der Straße.
09:16
And I'd like you to readlesen it.
221
541000
2000
Und ich möchte Ihnen die gerne vorlesen.
09:18
And now I'll give you a fewwenige secondsSekunden to readlesen it
222
543000
2000
Und jetzt gebe ich Ihnen ein paar Sekunden um sie zu lesen
09:20
and then I want you to clapklatschen your handsHände
223
545000
2000
und danach bitte ich Sie zu klatschen,
09:22
if you're readybereit to take GaryGary up on his offerAngebot.
224
547000
2000
wenn Sie bereit sind Gary's Angebot anzunehmen.
09:24
(LightLicht clappingHändeklatschen)
225
549000
2000
(Kleiner Applaus)
09:26
Okay. AnybodyJeder who'swer ist readybereit to take him up on his offerAngebot.
226
551000
3000
Okay. Jeder der bereit ist, Gary's Angebot anzunehmen.
09:29
Is that all?
227
554000
2000
Sind das alle?
09:31
All right, let me showShow you some more about this.
228
556000
3000
Gut, lassen Sie mich Ihnen etwas mehr davon zeigen.
09:34
(LaughterLachen)
229
559000
3000
(Gelächter)
09:37
You guys knewwusste there was a trickTrick, didn't you.
230
562000
3000
Sie wussten, es war ein Trick dabei,oder?
09:44
(HonkHupen)
231
569000
2000
(Hupe)
09:46
Now who'swer ist readybereit to go on this tripAusflug.
232
571000
3000
Nun, wer ist bereit für diese Reise.
09:49
(ApplauseApplaus)
233
574000
2000
(Applaus)
09:51
(LaughterLachen)
234
576000
2000
(Gelächter)
09:53
I think I mightMacht have actuallytatsächlich heardgehört more handsHände.
235
578000
3000
Ich glaube, ich habe vielleicht mehr Hände gehört.
09:56
All right.
236
581000
2000
Gut.
09:58
Now in factTatsache,
237
583000
2000
Tatsache ist,
10:00
you had objectivelyObjektiv more informationInformation
238
585000
2000
das Sie objektiv betrachtet, beim ersten Mal
10:02
the first time around than the secondzweite time around,
239
587000
2000
mehr Informationen hatten, als beim zweiten Mal,
10:04
but I would venturewagen to guessvermuten
240
589000
2000
aber ich würde es wagen zu raten,
10:06
that you feltFilz that it was more realecht the secondzweite time around.
241
591000
4000
dass Sie es beim zweiten Mal realer empfanden.
10:10
Because the picturesBilder madegemacht it feel
242
595000
2000
Denn die Bilder liessen es für
10:12
more realecht to you.
243
597000
2000
Sie realer empfinden.
10:14
WhichDie bringsbringt me to the secondzweite techniqueTechnik
244
599000
2000
Was mich zur zweiten Technik bringt,
10:16
for handlingHandhabung the choiceWahl overloadÜberlast problemProblem,
245
601000
2000
die Ihnen hilft mit dem Problem der Entscheidungsüberlastung umzugehen,
10:18
whichwelche is concretizationKonkretisierung.
246
603000
2000
es ist die Konkretisierung.
10:20
That in orderAuftrag for people to understandverstehen
247
605000
2000
Es geht dabei darum, dass Menschen, um den Unterschied
10:22
the differencesUnterschiede betweenzwischen the choicesAuswahlmöglichkeiten,
248
607000
2000
zwischen Möglichkeiten zu verstehen,
10:24
they have to be ablefähig to understandverstehen
249
609000
2000
verstehen müssen, welche
10:26
the consequencesFolgen associateddamit verbundenen with eachjede einzelne choiceWahl,
250
611000
3000
Konsequenzen mit den einzelnen Möglichkeiten assoziiert sind,
10:29
and that the consequencesFolgen need to be feltFilz
251
614000
3000
und das diese Konsequenzen lebhaft und
10:32
in a vividlebendige sortSortieren of way, in a very concreteBeton way.
252
617000
4000
konkret gefühlt werden müssen.
10:36
Why do people spendverbringen an averagedurchschnittlich of 15 to 30 percentProzent more
253
621000
3000
Warum geben Menschen durchschnittlich 15 bis 30 Prozent mehr aus,
10:39
when they use an ATMATM cardKarte or a creditKredit cardKarte
254
624000
2000
wenn Sie eine EC-Karte oder eine Kreditkarte benutzen,
10:41
as opposedentgegengesetzt to cashKasse?
255
626000
2000
als bei Bargeld?
10:43
Because it doesn't feel like realecht moneyGeld.
256
628000
2000
Weil es sich nicht wir wirkliches Geld anfühlt.
10:45
And it turnswendet sich out
257
630000
2000
Und es stellt sich heraus,
10:47
that makingHerstellung it feel more concreteBeton
258
632000
2000
dass wenn man es schafft, dass etwas sich konkret anfühlt,
10:49
can actuallytatsächlich be a very positivepositiv toolWerkzeug
259
634000
2000
es ein sehr gutes Werkzeug ist,
10:51
to use in gettingbekommen people to savesparen more.
260
636000
2000
damit man die Menschen dazu bringt mehr zu sparen.
10:53
So a studyStudie that I did with ShlomoShlomo BenartziBenartzi
261
638000
2000
Also haben wir in einer Studie, die ich mit Shlomo Benartzi
10:55
and AlessandroAlessandro PreviteroPrevitero,
262
640000
2000
und Alessandro Previtero gemacht habe,
10:57
we did a studyStudie with people at INGING --
263
642000
4000
wir haben eine Studie mit den Menschen bei ING gemacht --
11:01
employeesMitarbeiter that are all workingArbeiten at INGING --
264
646000
3000
Angestellten, die alle für ING gearbeitet haben --
11:04
and now these people were all in a sessionSession
265
649000
2000
und diese Menschen waren alle in einer Versammlung
11:06
where they're doing enrollmentAnmeldung for theirihr 401(k) planplanen.
266
651000
3000
in der sie ihre Teilnahme für ihre Rentensparplan angemeldet haben.
11:09
And duringwährend that sessionSession,
267
654000
2000
Und während dieser Versammlung,
11:11
we keptgehalten the sessionSession exactlygenau the way it used to be,
268
656000
2000
wir haben diese Versammlung genau so belassen wie sie immer war,
11:13
but we addedhinzugefügt one little thing.
269
658000
3000
nur haben wir eine Kleinigkeit hinzugefügt.
11:16
The one little thing we addedhinzugefügt
270
661000
3000
Die Kleinigkeit, die wir hinzu gefügt haben,
11:19
was we askedaufgefordert people
271
664000
2000
war, dass wir die Menschen gebeten haben,
11:21
to just think about all the positivepositiv things that would happengeschehen in your life
272
666000
3000
einfach an alle positiven Dinge zu denken, die in ihren Leben passieren würden,
11:24
if you savedGerettet more.
273
669000
2000
wenn sie Geld sparen würden.
11:26
By doing that simpleeinfach thing,
274
671000
3000
In dem wir diese einfache Sache taten,
11:29
there was an increaseerhöhen, ansteigen in enrollmentAnmeldung by 20 percentProzent
275
674000
3000
gab es einen Anstieg der Teilnahme um 20 Prozent
11:32
and there was an increaseerhöhen, ansteigen in the amountMenge of people willingbereit to savesparen
276
677000
3000
und es gab einen Anstieg der Anzahl der Menschen, die bereit waren zu sparen
11:35
or the amountMenge that they were willingbereit to put down into theirihr savingsErsparnisse accountKonto
277
680000
3000
oder einen Anstieg um vier Prozent beim Betrag, den sie bereit
11:38
by fourvier percentProzent.
278
683000
2000
waren für das Sparkonto zu zahlen.
11:40
The thirddritte techniqueTechnik: CategorizationKategorisierung.
279
685000
3000
Die dritte Technik: Kategorisierung.
11:43
We can handleGriff more categoriesKategorien
280
688000
3000
Wir können besser mit mehr Kategorien
11:46
than we can handleGriff choicesAuswahlmöglichkeiten.
281
691000
2000
als mit mehr Auswahlmöglichkeiten umgehen.
11:48
So for exampleBeispiel,
282
693000
2000
Hier ist zum Beispiel,
11:50
here'shier ist a studyStudie we did in a magazineZeitschrift aisleGang.
283
695000
2000
eine Studie, die wir in einem Zeitschriftengang gemacht haben.
11:52
It turnswendet sich out that in WegmansWegmans groceryLebensmittelgeschäft storesShops
284
697000
2000
Es stellt sich heraus, dass es in den Wegmans Supermärkten
11:54
up and down the northeastNordosten corridorGang,
285
699000
2000
oben und unten im Nordost Bereich,
11:56
the magazineZeitschrift aislesGänge rangeAngebot anywhereirgendwo
286
701000
2000
variiert die Anzahl zwischen
11:58
from 331 differentanders kindsArten of magazinesZeitschriften
287
703000
2000
331 verschiedenen Arten von Zeitschriften
12:00
all the way up to 664.
288
705000
3000
bis hoch zu 664 Zeitschriften hat.
12:03
But you know what?
289
708000
2000
Aber wissen Sie was?
12:05
If I showShow you 600 magazinesZeitschriften
290
710000
2000
Wenn ich Ihnen 600 Zeitschriften zeige
12:07
and I divideTeilen them up into 10 categoriesKategorien,
291
712000
3000
und sie in 10 Kategorien aufteile
12:10
versusgegen I showShow you 400 magazinesZeitschriften
292
715000
2000
oder ich Ihnen 400 Zeitschriften zeige,
12:12
and divideTeilen them up into 20 categoriesKategorien,
293
717000
3000
und diese in 20 Kategorien aufteile,
12:15
you believe that I have givengegeben you
294
720000
2000
dann glauben Sie, dass ich Ihnen
12:17
more choiceWahl and a better choosingdie Wahl experienceErfahrung
295
722000
2000
mehr Auswahl und eine bessere Auswahlerfahrung gegeben habe,
12:19
if I gavegab you the 400
296
724000
2000
als ich Ihnen die 400 gegeben hätte
12:21
than if I gavegab you the 600.
297
726000
2000
gegenüber dem, wenn ich Ihnen die 600 gegeben hätte.
12:23
Because the categoriesKategorien tell me how to tell them apartein Teil.
298
728000
3000
Denn die Kategorien sagen mir, wie ich sie auseinander halten kann.
12:28
Here are two differentanders jewelrySchmuck displayszeigt an.
299
733000
3000
Hier sind zwei verschiedene Schmuckauslagen.
12:31
One is callednamens "JazzJazz" and the other one is callednamens "SwingSchaukel."
300
736000
3000
Eine heißt "Jazz" und die andere heißt "Swing".
12:34
If you think the displayAnzeige on the left is SwingSchaukel
301
739000
3000
Wenn Sie denken, dass die linke Anzeige Swing ist
12:37
and the displayAnzeige on the right is JazzJazz,
302
742000
3000
und die Anzeige rechts Jazz ist,
12:40
clapklatschen your handsHände.
303
745000
2000
dann klatschen Sie in die Hände.
12:42
(LightLicht ClappingHändeklatschen)
304
747000
2000
(Wenig Klatschen)
12:44
Okay, there's some.
305
749000
2000
Okay, es gibt ein paar.
12:46
If you think the one on the left is JazzJazz and the one on the right is SwingSchaukel,
306
751000
2000
Wenn Sie denken, dass die auf der linken Seite Jazz ist und die, auf der rechten Seite Swing ist,
12:48
clapklatschen your handsHände.
307
753000
2000
dann klatschen Sie bitte.
12:50
Okay, a bitBit more.
308
755000
2000
Okay, ein paar mehr.
12:52
Now it turnswendet sich out you're right.
309
757000
2000
Nun, es stellt sich heraus, dass Sie recht haben.
12:54
The one on the left is JazzJazz and the one on the right is SwingSchaukel,
310
759000
2000
Die auf der linken Seite ist Jazz und die auf der rechten ist Swing,
12:56
but you know what?
311
761000
2000
aber wissen Sie was?
12:58
This is a highlyhöchst uselessnutzlos categorizationKategorisierung schemeplanen.
312
763000
3000
Dies ist ein hochgradig unnützes Kategorisierungsschema.
13:01
(LaughterLachen)
313
766000
2000
(Gelächter)
13:03
The categoriesKategorien need to say something
314
768000
3000
Die Kategorien müssen dem Auswähler etwas sagen,
13:06
to the chooserChooser, not the choice-makerWahl-Macher.
315
771000
3000
nicht dem der die Auswahl bereitstellt.
13:09
And you oftenhäufig see that problemProblem
316
774000
2000
Und dieses Problem sehen Sie oft,
13:11
when it comeskommt down to those long listsListen of all these fundsMittel.
317
776000
3000
wenn Sie sich die langen Listen all dieser Fonds ansehen.
13:14
Who are they actuallytatsächlich supposedsoll to be informinginformierend?
318
779000
4000
Wen wollen Sie eigentlich damit informieren?
13:18
My fourthvierte techniqueTechnik: ConditionZustand for complexityKomplexität.
319
783000
3000
Meine vierte Technik: Voraussetzung für Komplexität.
13:21
It turnswendet sich out we can actuallytatsächlich
320
786000
2000
Es stellt sich heraus, dass wir in der Tat
13:23
handleGriff a lot more informationInformation than we think we can,
321
788000
2000
mit mehr Informationen umgehen können als wir denken,
13:25
we'vewir haben just got to take it a little easiereinfacher.
322
790000
2000
wir müssen Sie nur vereinfachen.
13:27
We have to graduallyallmählich increaseerhöhen, ansteigen the complexityKomplexität.
323
792000
3000
Wir müssen die Komplexität langsam steigern.
13:30
I'm going to showShow you one exampleBeispiel of what I'm talkingim Gespräch about.
324
795000
3000
Ich zeige Ihnen ein Beispiel dessen, was ich meine.
13:33
Let's take a very, very complicatedkompliziert decisionEntscheidung:
325
798000
2000
Lassen Sie uns eine sehr, sehr komplizierte Entscheidung nehmen:
13:35
buyingKauf a carAuto.
326
800000
2000
Den Kauf eines Autos.
13:37
Here'sHier ist a GermanDeutsch carAuto manufacturerHersteller
327
802000
2000
Hier ist ein deutscher Autohersteller,
13:39
that givesgibt you the opportunityGelegenheit to completelyvollständig custombenutzerdefinierte make your carAuto.
328
804000
3000
der Ihnen die Möglichkeit bietet, ihr Auto komplett selbst zu konfigurieren.
13:42
You've got to make 60 differentanders decisionsEntscheidungen,
329
807000
2000
Sie müssen 62 verschiedene Entscheidungen treffen
13:44
completelyvollständig make up your carAuto.
330
809000
2000
um Ihr Auto komplett zu entwerfen.
13:46
Now these decisionsEntscheidungen varyvariieren
331
811000
2000
Jetzt unterscheiden sich diese Entscheidungen
13:48
in the numberNummer of choicesAuswahlmöglichkeiten that they offerAngebot perpro decisionEntscheidung.
332
813000
3000
in der Anzahl der Auswahlmöglichkeiten, die sie pro Entscheidung anbieten.
13:51
CarAuto colorsFarben, exteriorAußen carAuto colorsFarben --
333
816000
2000
Autofarben, Außenfarbe des Autos --
13:53
I've got 56 choicesAuswahlmöglichkeiten.
334
818000
2000
Ich habe 56 Möglichkeiten.
13:55
EnginesMotoren, gearshiftSchalthebel -- fourvier choicesAuswahlmöglichkeiten.
335
820000
3000
Motoren, Getriebe -- vier Möglichkeiten.
13:58
So now what I'm going to do
336
823000
2000
Was ich jetzt mache,
14:00
is I'm going to varyvariieren the orderAuftrag in whichwelche these decisionsEntscheidungen appearerscheinen.
337
825000
3000
ist, ich verändere die Reihenfolge in der die Entscheidungen erscheinen.
14:03
So halfHälfte of the customersKunden
338
828000
2000
Die Hälfte der Kunden geht
14:05
are going to go from highhoch choiceWahl, 56 carAuto colorsFarben,
339
830000
2000
wird von den vielen Möglichkeiten, 56 Autofarben
14:07
to lowniedrig choiceWahl, fourvier gearshiftsGangwechsel.
340
832000
3000
zu den geringen Möglichkeiten, vier Getriebe.
14:10
The other halfHälfte of the customersKunden
341
835000
2000
Die andere Hälfte der Kunden
14:12
are going to go from lowniedrig choiceWahl, fourvier gearshiftsGangwechsel,
342
837000
2000
geht von den geringen Möglichkeiten, vier Getriebe,
14:14
to 56 carAuto colorsFarben, highhoch choiceWahl.
343
839000
3000
zu den 56 Autofarben, viele Möglichkeiten.
14:17
What am I going to look at?
344
842000
2000
Was schaue ich mir an?
14:19
How engagedbeschäftigt you are.
345
844000
2000
Wie interessiert Sie sind.
14:21
If you keep hittingschlagen the defaultStandard buttonTaste perpro decisionEntscheidung,
346
846000
3000
Wenn Sie dauernd die Standardauswahl bei der Entscheidung nutzen,
14:24
that meansmeint you're gettingbekommen overwhelmedüberwältigt,
347
849000
2000
heisst das, dass Sie überfordert werden,
14:26
that meansmeint I'm losingverlieren you.
348
851000
2000
das heisste, ich verliere Sie.
14:28
What you find
349
853000
2000
Was Sie herausfinden ist,
14:30
is the people who go from highhoch choiceWahl to lowniedrig choiceWahl,
350
855000
2000
dass die Menschen, die von den vielen zu den geringen Auswahlmöglichkteiten gehen
14:32
they're hittingschlagen that defaultStandard buttonTaste over and over and over again.
351
857000
3000
immer und immer wieder die Standardauswahl wählen.
14:35
We're losingverlieren them.
352
860000
2000
Wir verlieren sie.
14:37
They go from lowniedrig choiceWahl to highhoch choiceWahl,
353
862000
2000
Gehen sie von den wenig Auswahlmöglichkeiten zu den vielen,
14:39
they're hanginghängend in there.
354
864000
2000
dann bleiben sie dabei.
14:41
It's the samegleich informationInformation. It's the samegleich numberNummer of choicesAuswahlmöglichkeiten.
355
866000
3000
Es sind dieselben Informationen. Es ist die gleiche Anzahl von Möglichkeiten.
14:44
The only thing that I have doneerledigt
356
869000
2000
Das einzige, was ich getan habe,
14:46
is I have variedabwechslungsreicher the orderAuftrag
357
871000
2000
ist die Reihenfolge zu verändert
14:48
in whichwelche that informationInformation is presentedvorgeführt.
358
873000
2000
in der diese Information präsentiert wird.
14:50
If I startAnfang you off easyeinfach,
359
875000
2000
Wenn ich mit dem einfachen anfange,
14:52
I learnlernen how to choosewählen.
360
877000
2000
lerne ich wie ich auswähle.
14:54
Even thoughobwohl choosingdie Wahl gearshiftSchalthebel
361
879000
3000
Selbst obwohl das Getriebe auswählen,
14:57
doesn't tell me anything about my preferencesEinstellungen for interiorInnere decorDekor,
362
882000
3000
mir nichts über meine Vorlieben bei der Innenausstattung sagt,
15:00
it still preparesbereitet me for how to choosewählen.
363
885000
3000
bereitet es mich immer noch darauf vor auszuwählen.
15:03
It alsoebenfalls getsbekommt me excitedaufgeregt about this biggroß productProdukt that I'm puttingPutten togetherzusammen,
364
888000
3000
Es versetzt mich auch in Aufregung über das große Produkt, das ich zusammenstelle,
15:06
so I'm more willingbereit to be motivatedmotiviert
365
891000
2000
und so bin ich bereit mich dazu motivieren zu lassen
15:08
to be engagedbeschäftigt.
366
893000
2000
mit Interesse dabei zu sein.
15:10
So let me recapZusammenfassung.
367
895000
2000
Lassen Sie mich zusammenfassen.
15:12
I have talkedsprach about fourvier techniquesTechniken
368
897000
3000
Ich habe Ihnen von vier Techniken erzählt,
15:15
for mitigatingmildernd the problemProblem of choiceWahl overloadÜberlast --
369
900000
3000
die das Problem der Entscheidungsüberlastung mildern --
15:18
cutschneiden -- get ridloswerden of the extraneousFremd alternativesAlternativen;
370
903000
3000
beschränken -- werden sie die überflüssigen Alternativen los;
15:21
concretizekonkretisieren -- make it realecht;
371
906000
3000
konkretisieren -- machen Sie es real;
15:24
categorizekategorisieren -- we can handleGriff more categoriesKategorien, lessWeniger choicesAuswahlmöglichkeiten;
372
909000
4000
kategorisieren -- wir können besser mit mehr Kategorien, weniger Möglichkeiten umgehen;
15:28
conditionBedingung for complexityKomplexität.
373
913000
3000
auf Komplexität vorbereiten.
15:31
All of these techniquesTechniken that I'm describingbeschreibend to you todayheute
374
916000
3000
Jede dieser Techniken, die ich Ihnen heute beschreibe
15:34
are designedentworfen to help you manageverwalten your choicesAuswahlmöglichkeiten --
375
919000
3000
ist dazu gedacht, Ihnen zu helfen die Möglichkeiten zu managen --
15:37
better for you, you can use them on yourselfdich selber,
376
922000
3000
gut für Sie, Sie können Sie für sich selbst benutzen,
15:40
better for the people that you are servingPortion.
377
925000
2000
gut für die Menschen, denen Sie Service bieten.
15:42
Because I believe that the keySchlüssel
378
927000
2000
Denn ich glaube, dass der Schlüssel
15:44
to gettingbekommen the mostdie meisten from choiceWahl
379
929000
2000
zur bestmöglichen Auswahl ist,
15:46
is to be choosywählerisch about choosingdie Wahl.
380
931000
3000
dass man bei der Auswahl wählerisch ist.
15:49
And the more we're ablefähig to be choosywählerisch about choosingdie Wahl
381
934000
2000
Und je mehr wir beim Auswählen wählerisch sind,
15:51
the better we will be ablefähig
382
936000
2000
desto besser werden wir in der Lage sein,
15:53
to practicetrainieren the artKunst of choosingdie Wahl.
383
938000
2000
die Kunst der Entscheidung zu üben.
15:55
Thank you very much.
384
940000
2000
Vielen Dank.
15:57
(ApplauseApplaus)
385
942000
2000
(Applaus)
Translated by Anja Lehmann
Reviewed by Lex Asobo

▲Back to top

ABOUT THE SPEAKER
Sheena Iyengar - Psycho-economist
Sheena Iyengar studies how people choose (and what makes us think we're good at it).

Why you should listen

We all think we're good at making choices; many of us even enjoy making them. Sheena Iyengar looks deeply at choosing and has discovered many surprising things about it. For instance, her famous "jam study," done while she was a grad student, quantified a counterintuitive truth about decisionmaking -- that when we're presented with too many choices, like 24 varieties of jam, we tend not to choose anything at all. (This and subsequent, equally ingenious experiments have provided rich material for Malcolm Gladwell and other pop chroniclers of business and the human psyche.)

Iyengar's research has been informing business and consumer-goods marketing since the 1990s. But she and her team at the Columbia Business School throw a much broader net. Her analysis touches, for example, on the medical decisionmaking that might lead up to choosing physician-assisted suicide, on the drawbacks of providing too many choices and options in social-welfare programs, and on the cultural and geographical underpinning of choice. Her book The Art of Choosing shares her research in an accessible and charming story that draws examples from her own life.

Watch a Facebook-exclusive short video from Sheena Iyengar: "Ballet Slippers" >>

More profile about the speaker
Sheena Iyengar | Speaker | TED.com