Alat untuk membantu Anda memilih ide terbaik untuk produk Anda.

Bayangkan Anda mengelola produk yang membantu usaha kecil memberikan dukungan teknis kepada pelanggan mereka. Anda mencari cara untuk meningkatkan keterlibatan dan retensi pelanggan Anda. Anda punya dua ide:

• Dasbor yang memungkinkan pemilik bisnis memantau statistik keterlibatan.
• Chatbot yang membantu pemilik bisnis mengotomatiskan komunikasi dengan konsumen.

Dasbor adalah fitur yang telah dibahas dengan pengguna beberapa kali dan Anda merasa memiliki potensi besar, tetapi Anda juga menyadari risiko bahwa hanya satu pengguna besar yang akan menggunakan dasbor. Chatbot adalah sesuatu yang menyenangkan bagi semua karyawan perusahaan Anda dan didorong oleh manajemen - sepertinya hal yang sangat penting bagi klien, ini adalah proyek yang keren. Dan ya, obrolan bot sedang mode sekarang.

Apa yang kamu pilih

Masalah prioritas semacam itu adalah jantung dari manajemen produk. Harga kesalahan untuk pilihan yang salah bisa sangat tinggi: biaya pengembangan + biaya penyebaran dalam produksi + biaya dukungan + biaya laba yang hilang + semua biaya lainnya.

Kita sering tergoda untuk mengambil keputusan tentang sinyal lemah: suara mayoritas, pendapat orang-orang yang berwibawa ( HiPPO ), tren industri, dll., Tetapi, seperti yang ditunjukkan oleh pengalaman, ini adalah heuristik yang buruk, pendekatan seperti itu tidak lebih baik daripada melemparkan koin.

Dalam artikel ini, saya akan menunjukkan apa, menurut pendapat saya, adalah cara terbaik untuk menemukan ide-ide bagus. Pendekatan ini mencakup tiga komponen:

• Rasio ICE
• Tingkat kepercayaan
• Validasi tambahan

Rasio ICE

Penghitungan koefisien ICE adalah metode penentuan prioritas yang ditemukan oleh Sean Ellis, orang yang membantu menumbuhkan perusahaan seperti DropBox, Eventbrite, dan istilah "peretasan pertumbuhan" . Perhitungan koefisien ICE pada awalnya dimaksudkan untuk memprioritaskan eksperimen pertumbuhan, tetapi juga dapat diterapkan pada gagasan lain.

Anda menghitung koefisien untuk setiap gagasan menggunakan rumus berikut:

ICE = Impact () * Confidence () * Ease (),

dimana:

• Pengaruh adalah penilaian tentang seberapa positif suatu gagasan akan memengaruhi metrik utama yang Anda coba tingkatkan.
• Kesederhanaan (implementasi) adalah penilaian tentang seberapa banyak upaya dan sumber daya akan diperlukan untuk mengimplementasikan ide. Ini adalah kebalikan dari estimasi klasik biaya tenaga kerja (dalam man-minggu) - semakin sedikit upaya, semakin Kesederhanaan.
• Keyakinan - menunjukkan seberapa yakin kita akan pengaruh yang akan diberikan, dan juga sampai batas tertentu berbicara tentang Kesederhanaan implementasi. Saya menulis seluruh artikel yang menjelaskan mengapa penentuan prioritas berdasarkan kerja dan nilai tidak berhasil . [ terjemahan artikel ini tentang Habré ]. Singkatnya, intinya adalah bahwa kita semua sangat miskin dalam perkiraan dan secara naif tidak curiga tentang hal itu. Keyakinan adalah penangkal, itu membantu kita untuk lebih akurat dalam asumsi.

Ketiga indikator diisi dengan nilai pada skala relatif dari 1 hingga 10, sehingga tidak satu pun dari mereka yang dinilai terlalu tinggi. Setiap tim untuk dirinya sendiri menentukan indikator apa yang sesuai dengan 1-10, sehingga setiap padanannya sesuai. Pada akhirnya, tujuan penilaian adalah untuk mendapatkan "Bank of Ideas" yang terlihat seperti ini:

Mari kita lihat contoh untuk melihat bagaimana ini bekerja.

Versi pertama ICE

Anda memutuskan untuk menghitung koefisien ICE untuk dua ide - dashboard dan chatbot. Pada tahap awal, Anda menggunakan nilai kotor, berdasarkan intuisi Anda sendiri.

Dampak - Anda berasumsi bahwa dasbor akan meningkatkan retensi secara signifikan, tetapi hanya untuk beberapa pengguna, jadi masukkan 5 dari 10. Chatbot, di sisi lain, dapat memengaruhi sejumlah besar pengguna, sehingga Anda memasukkan 8 dari 10.

Kesederhanaan - Anda yakin bahwa dasbor akan membutuhkan pengembangan 10 orang-minggu, dan bot obrolan - 20, hanya berdasarkan data dari proyek sebelumnya yang serupa. Anda akan mendapatkan nilai yang lebih baik dari tim pengembangan nanti, tetapi untuk sekarang, gunakan tabel sederhana ini (dikompilasi dengan tim) untuk mengonversi nilai ke nilai parameter Kesederhanaan:

Hasilnya, dasbor mendapat nilai Kesederhanaan 4 dari 10, dan bot obrolan mendapat 2.

Kami mempertimbangkan indikator Keyakinan

Hanya ada satu cara untuk menghitung Keyakinan - lihat bukti yang mendukung. Untuk tujuan ini, saya membuat alat yang menjelaskan tes tipe dan bukti yang mungkin Anda miliki, dan nilai-nilai parameter Keyakinan yang mereka miliki. Ketika Anda menggunakan alat ini, pertimbangkan artefak apa yang sudah Anda miliki, berapa banyak yang ada dan apa yang perlu Anda lakukan untuk mendapatkan nilai lebih.

Teks dalam Gambar - Tingkat Keyakinan:

• Tentang nol:
  
  • Kepercayaan diri sendiri.
  • Presentasi
  • Dukungan tematik - konsisten dengan visi / strategi, tren saat ini / buzzwords, penelitian eksternal, tren makro, metodologi produk.
• Sangat rendah:
  
  • Pendapat seseorang - tim, manajemen, pakar eksternal, investor, media, orang lain berpikir bahwa idenya bagus.
  • Evaluasi dan rencana - perhitungan pada serbet, penilaian kelayakan, jadwal proyek, model bisnis.
• Rendah - bukti tidak resmi: berdasarkan beberapa aspek data produk, permintaan penjualan yang sering, 1-3 pelanggan yang tertarik, beberapa pesaing sudah memiliki ini ...
• Sedang Rendah:
  
  • Data pasar - bukti berdasarkan survei, tes asap, semua pesaing sudah memiliki ini ...
  • Bukti dari pengguna / pelanggan - berdasarkan sejumlah besar data produk, permintaan dari pengguna top, wawancara dengan 20+ pengguna, hasil penelitian kegunaan, hasil peluncuran MVP.
• Hasil uji sedang: berdasarkan riset pengguna yang panjang, hasil peluncuran MVP skala lebih besar, versi alfa, beta, percobaan A / B.
• Data tinggi setelah diluncurkan.

Catatan Jika bukti lain digunakan dalam produk atau industri Anda, Anda dapat membuat versi Anda sendiri dari Alat Percaya Diri, cukup pertimbangkan apa yang kuat dan apa bukti lemah. Informasi lebih lanjut di posting sebelumnya .

Mari kita kembali ke contoh kita dan melihat Alat Percaya Diri dalam Tindakan.

• Bukti pendukung untuk chatbot: kepercayaan diri Anda (Anda pikir ini adalah ide yang bagus), dukungan tematik (industri percaya bahwa ini adalah ide yang baik) dan pendapat orang lain (pemimpin dan kolega Anda percaya bahwa ini adalah ide yang baik). Ini memberi Anda nilai Keyakinan akhir sebesar 0,1 dari 10, yaitu mendekati nol. Alat ini jelas tidak menganggap pendapat sebagai indikator yang andal. Menarik.
• Untuk dasbor, ada bukti berikut: kepercayaan diri (Anda pikir ini adalah ide yang baik), bukti tidak resmi (beberapa pelanggan telah meminta ini). Bahkan, ini meningkatkan nilai Keyakinan ke kekalahan 0,5 dari 10, yang berarti tingkat kepercayaan yang rendah. Sayangnya, pengguna tidak memprediksi perilaku masa depan mereka dengan baik.

Perhitungan koefisien ICE:

Teks dalam gambar: sepanjang sumbu Y - skor ICE, di sepanjang sumbu X - putaran prioritas. Titik biru adalah dasbor, titik merah adalah bot obrolan.

Saat ini, dasbor terlihat seperti ide yang lebih cocok, tetapi Alat menunjukkan bahwa tingkat kepercayaannya rendah. Sejauh ini, tidak ada informasi yang cukup untuk membuat keputusan.

Penilaian dan pemeriksaan kelayakan

Selanjutnya, Anda bertemu dengan kolega dari pengembangan dan UX, dan kemudian mendiskusikan kedua ide bersama. Sekilas kedua proyek ini terlihat cukup layak. Timlid pengembangan kembali dengan perkiraan perkiraan tenaga kerja: dasbor akan membutuhkan 12 orang-minggu untuk diluncurkan, dan bot obrolan - 16. Menurut skala Kesederhanaan Anda, ini berarti masing-masing indikator 4 dan 3.

Sejalan dengan ini, Anda membuat perhitungan pada serbet dan memperbarui kolom "Pengaruh". Pada pemeriksaan lebih dekat, dashboard terlihat sedikit kurang menjanjikan dan mendapat 3. Chatbot masih terlihat kokoh, pada 8.

Menggunakan Alat Keyakinan menunjukkan bahwa kedua gagasan sekarang lulus tes "Evaluasi dan Rencana" dan menerima indikator baru dari parameter Keyakinan. Dasbor sekarang memiliki 0,8, chatbot - 0,4.

Dengan demikian, bot obrolan menghilangkan kesenjangan. Namun, tingkat kepercayaannya masih rendah untuk alasan yang bagus - ini terutama angka yang diperoleh dari udara, dan Anda mengerti bahwa lebih banyak bukti perlu dikumpulkan.

Data Pasar

Anda mengirim kuesioner dengan survei ke pengguna saat ini, meminta mereka untuk memilih satu dari 5 fitur potensial, daftar termasuk bot obrolan dan dasbor. Anda mendapat ratusan jawaban. Hasilnya sangat positif untuk chatbot - ini adalah fitur # 1, 38% responden memilihnya. Dashboard berada di peringkat ketiga dengan 17% suara.

Ini memberi kedua fitur sedikit dukungan dengan data pasar, tetapi chatbot memiliki indikator lebih tinggi - 1,5. Dasbor juga mendapat nilai yang meningkat untuk kolom Keyakinan, tetapi sejauh ini hanya sampai 1.

Chatbot menjadi pemimpin yang kuat. Tampaknya kolega dan industri Anda benar. Apakah sudah waktunya menarik pelatuknya? Mungkin tidak. Proyek cukup mahal dan kami masih memiliki sedikit kepercayaan pada kesuksesan. Sayangnya, hasil survei tidak membuat sinyal yang cukup kuat. Kami terus bekerja!

Bukti dari pelanggan

Untuk mempelajari lebih lanjut, Anda melakukan penelitian dengan sepuluh pengguna saat ini, menunjukkan kepada mereka prototipe interaktif dari setiap fitur. Secara paralel, Anda melakukan wawancara telepon dan mewawancarai 20 responden yang harus memilih salah satu dari dua fungsi kandidat.

Studi ini menunjukkan gambaran yang lebih rinci:

• 8 dari 10 pelanggan menganggap dashboard bermanfaat dan mengatakan mereka akan menggunakannya setidaknya seminggu sekali. Pemahaman mereka tentang fungsionalitas bertepatan dengan apa yang ingin Anda sampaikan dan mereka tidak mengalami kesulitan dalam proses bekerja dengan dasbor. Wawancara melalui telepon mengkonfirmasi pemahaman dan keinginan untuk menggunakan rata-rata seminggu sekali.
• 9 dari 10 peserta penelitian mengatakan mereka akan menggunakan chatbot, tingkat antusiasme mereka sangat tinggi. Semua orang segera mengerti bagaimana chatbot dapat membantu mereka, dan banyak yang meminta akses sesegera mungkin. Namun, masalah kegunaan utama diidentifikasi, ditambah beberapa pengguna menyuarakan keprihatinan bahwa pelanggan mereka mungkin tidak senang dengan tanggapan bot yang tidak wajar.

Studi kualitatif ini menyediakan bahan untuk dipikirkan. Dasbor terlihat lebih laris daripada yang diperkirakan sebelumnya. Dan chatbot sekarang terlihat seperti proyek dengan risiko lebih tinggi dan dengan potensi yang lebih besar. Melihat Alat Keyakinan, Anda mengatur dashboard dan chatbot masing-masing menjadi 3 dan 2.5. Anda memperbarui nilai Pengaruh ke 6 untuk dasbor dan 9 untuk chatbot. Juga, menurut hasil penelitian kegunaan, Anda memahami bahwa UI bot obrolan akan membutuhkan lebih banyak pekerjaan, sehingga Anda mengurangi parameter Kesederhanaan menjadi 2.

Tabel telah berubah lagi dan sekarang dasbor berada di depan. Anda membawa hasil ke tim dan kepemimpinan Anda. Ramalan itu, berdasarkan ICE, menyatakan dashboard pemenang, di sisi lain, tingkat Keyakinan masih jauh dari tinggi. Saya tidak ingin melepaskan fitur yang berpotensi bagus, sehingga tim memutuskan untuk melanjutkan pengujian keduanya.

Tes dan pemenang terbaru!

Anda memutuskan untuk mulai membuat MVP untuk bot obrolan - pengembangannya memakan waktu enam minggu dan Anda meluncurkannya untuk 200 responden yang berpartisipasi dalam survei sebelumnya yang menyuarakan keinginan untuk berpartisipasi dalam pengujian beta. 167 termasuk fitur, tetapi jumlah penggunaan turun secara dramatis hari demi hari, dan pada akhir minggu kedua hanya 24 orang adalah pengguna aktif. Dalam jajak pendapat dan panggilan berikutnya, gambar beres. Chatbot lebih sulit digunakan dan secara signifikan kurang bermanfaat dari yang diharapkan peserta, lebih buruk, itu tidak ramah bagi pelanggan yang tampaknya menghargai kontak pribadi. Bahkan, fitur ini membuat pemilik bisnis bekerja lebih banyak.

Menganalisis hasil, Anda dan tim sampai pada kesimpulan bahwa peluncuran versi nyaman dari obrolan bot yang akan memenuhi harapan pelanggan akan membutuhkan minimal 40-50 orang-minggu tambahan (Kesederhanaan = 1) dan ini sangat berisiko. Juga jelas bahwa sejumlah kecil pengguna menganggap chatbot lebih nyaman dari yang diperkirakan. Oleh karena itu, Anda mengurangi Pengaruh ke 2. Ini mengubah ide asli dengan cara yang mendasar, sehingga Anda tidak lagi dapat percaya dan menerima hasil penelitian pengguna, jadi kurangi skor Keyakinan menjadi 0,5.

Dashboard MVP diluncurkan dalam lima minggu untuk 200 pengguna lainnya. Hasilnya sangat bagus. 87% peserta menggunakannya, sebagian besar setiap hari, arus keluarnya kecil. Umpan balik sangat positif, sebagian besar meminta akses ke fungsionalitas penuh. Anda memahami bahwa Dampak lebih besar dari yang Anda harapkan - 8. Tim pengembangan memperkirakan bahwa penyelesaian versi lengkap akan memakan waktu 10 minggu, jadi Kesederhanaan 4. Menurut alat ini, Anda menetapkan Keyakinan menjadi 6,5 dari 10.

Prioritas sekarang sangat sederhana. Tidak ada yang berpendapat bahwa dashboard adalah fitur yang harus dibenahi. Anda meninggalkan chatbot di Bank Idea Anda untuk merekam temuan di masa depan, tetapi tentu saja, disortir sampai akhir karena koefisien ICE yang rendah.

Total

1. Berhentilah berinvestasi dalam ide-ide buruk

Contoh ini menggambarkan betapa berisiko mempertaruhkan fitur yang membutuhkan banyak usaha dan didasarkan pada bakat, pendapat, tren pasar, dll. Sebagian besar ide lebih seperti chatbot daripada dashboard. Mereka membawa hasil lebih sedikit dan biaya lebih banyak daripada yang Anda pikirkan. Satu-satunya cara untuk menemukan ide-ide kemenangan adalah dengan mengujinya dan mengurangi tingkat ketidakpastian.

2. Khawatir tentang hasil, bukan fitur

Sepertinya cara yang memakan waktu dan lambat untuk membuat produk, tetapi pada kenyataannya itu adalah cara yang lebih efisien daripada alternatif. Pengujian untuk menentukan indikator Keyakinan tidak hanya mengurangi jumlah upaya yang terbuang untuk ide-ide buruk, tetapi juga memfokuskan tim pada tonggak pembelajaran pendek dan nyata dengan hasil yang cepat dan terukur, yang meningkatkan fokus dan kinerja. Dalam prosesnya, kami belajar banyak tentang produk, pengguna, pasar, dan sebagai hasilnya, kami memiliki produk akhir terbaik yang telah diuji oleh pelanggan. Untuk alasan ini, kita cenderung tidak terkejut dengan hasil peluncuran, dan perbaikan yang lebih sedikit diperlukan.

3. Biarkan ribuan bunga mekar

Pada kenyataannya, kita sering harus membuat pilihan, bukan di antara dua ide, tetapi di antara puluhan. Dengan membatasi jumlah upaya untuk masing-masing, mengingat tingkat Keyakinan, kami mendapat kesempatan untuk menguji banyak ide secara paralel, menghindari jebakan pendekatan tradisional untuk pembangunan. Anda dapat membaca lebih lanjut tentang ini di artikel "Mengapa Anda harus berhenti menggunakan peta jalan dan coba GIST" .

Dalam contoh ini, tim menguji empat ide secara paralel, meluncurkan beberapa proyek langkah. Masing-masing secara bertahap meningkatkan ide, sebagai hasil pengujian meningkatkan tingkat kepercayaan terhadap hasil.

4. Bagaimana cara menyeret kepemimpinan dan pemangku kepentingan ke pihak mereka

Apa yang paling mengganggu orang ketika saya menjelaskan topik ini adalah pertanyaan tentang bagaimana “menjualnya” kepada manajemen dan pemangku kepentingan. Bisakah kita benar-benar membuat mereka membatasi tingkat pengaruhnya terhadap produk? Nah, Anda akan terkejut. Saya mendengar dari banyak eksekutif bahwa mereka lebih suka tidak membuat keputusan tentang masalah produk, tetapi jika tim menawarkan opsi yang lemah, mereka merasa perlu untuk terlibat. Bahwa ada pilihan yang lemah dan kuat, tentu saja, adalah opini subjektif sampai Anda menunjukkan bukan hanya presentasi yang dipoles, tetapi datang dengan bukti nyata yang kredibel. Anda akan sangat terkejut ketika Anda menyadari betapa mudahnya diskusi itu. Di sisi lain, pada saat CEO Anda datang dengan ide-ide lain yang harus dimiliki, coba tunjukkan padanya bagaimana ide-ide tersebut dievaluasi: indikator Pengaruh, Kesederhanaan, dan Keyakinan apa yang Anda indikasikan, koefisien ICE apa yang dihasilkan, bagaimana perbandingan dengan yang lain ide dan bagaimana Anda dapat mengujinya untuk meningkatkan Keyakinan.

Kebanyakan orang yang masuk akal akan setuju bahwa ini adalah cara yang baik. Jika mereka masih tidak yakin, berikan mereka tautan ke terjemahan atau posting asli Itamar , di mana ia siap untuk mempertahankan pendekatan ini dalam komentar.

Di perusahaan bersatu “Roda | Atap | Pasar ”kami mencari manajer produk yang bersedia untuk bereksperimen, dengan cepat dan murah menguji hipotesis. Anda dapat melamar lowongan di Headhunter dan situs web perusahaan .