كيف تقرر فرق المنتجات العظيمة ما يجب بناؤه التالي

لماذا يهم سلوك العملاء الحقيقي أكثر من أي وقت مضى في عصر الذكاء الاصطناعي

يمكن لمديري المنتجات والمهندسين قضاء أشهر في تشكيل ميزة قبل أن يلمسها أي شخص خارج الشركة. عندما يحصل العملاء عليها، قد يستخدمونها بالضبط كما هو متوقع أو يجدون طريقًا مختلفًا تمامًا. قد ي忽رون الميزة الرئيسية تمامًا ويستمرون في العودة إلى شيء لم يلاحظه الفريق إلا قليلاً أثناء التطوير. यह هو المكان الذي يبدأ فيه التعلم الحقيقي والقرارات المثيرة للاهتمام.

في غضون ذلك، قام الذكاء الاصطناعي بتحويل كيفية عمل فرق المنتجات والهندسة، مما يجعل من الممكن تحويل فكرة إلى برنامج يعمل بسرعة أكبر. أدوات المساعدة في البرمجة وأدوات الاختبار الآلية تسرعان من وتيرة كل يوم. الأفكار التي كانت تأخذ أسابيع من الجهد الهندسي يمكن أن تصبح نماذج قابلة للاستخدام في غضون أيام، مما يخلق فرصًا أكثر للاختبار والشحن – والتعلم من العملاء عندما يبدأون في استخدام ميزات جديدة.

مع تسارع وتيرة التطوير ووصول المزيد من الأفكار الجديدة إلى العملاء، يجب على فرق المنتجات التعلم بسرعة من التفاعلات المبكرة مع المستخدمين و決定 كيفية الاستجابة. مع شحن البرامج، يجب أن تسرع التعلم وصنع القرار أيضًا. إذا لم يتمكن التعلم من مواكبة التطوير، سيغرق المستخدمون في ميزات و”تحسينات” جديدة لا يريدونها أو التي قد تزيد من تجربتهم.

بناء أسرع يغير كل شيء

تظهر الأبحاث الحديثة التي تشمل أكثر من 100,000 مطور على GitHub مدى سرعة حدوث هذا التحول. أدوات الترميز بواسطة الذكاء الاصطناعي زادت من نشاط الترميز بنسبة تصل إلى 180٪، في حين ارتفعت الإصدارات بنسبة 30٪. كما نظر الباحثون إلى أربعة أسواق للتطبيقات، حيث كانت الإصدارات الجديدة في صعود، لكن الاستخدام العام ظل مستقرًا أو انخفض. هذا يعني أن هناك المزيد من البرامج التي تتنافس على نفس مجموعة انتباه العملاء.

هذا هو الفجوة التي يجب أن تغلقها بيانات ما بعد الإطلاق: معرفة أي من الأشياء العديدة التي تم شحنها حقًا حصلت على مكان في روتين العميل، وأي منها أضافت فقط إلى الضوضاء.

فكر في بائع عبر الإنترنت يطلق مساعدًا للتسوق بواسطة الذكاء الاصطناعي. إنه يجيب على أسئلة المنتجات، ويوصي بأشياء مناسبة، ويتظاهر بأنه يعمل بالضبط كما هو مخطط. السؤال التالي هو ما يفعله العملاء فعلاً به – ولماذا.

هل يفتحون المساعد في بداية الزيارة أو فقط بعد أن فشل البحث في إرضائهم؟ أي الأسئلة تؤدي إلى عرض المنتج أو الشراء؟ أين تنتهي المحادثات بشكل مفاجئ؟ وهل يستخدم العملاء العائدون المساعد بشكل مختلف عن الزوار لأول مرة؟

تظهر الإجابات الدور الذي يلعبه المساعد حقًا. قد يبدو عدد التفاعلات المرتفع صحيًا، لكن نظرة أقرب قد تظهر أن العملاء يكررون نفس السؤال لأن الإجابات ليست واضحة. من ناحية أخرى، قد يكون معدل تبني متواضع مقبولًا إذا استخدم هؤلاء المستخدمون بتحويل أعلى أو استكشاف نطاق أوسع من المنتجات.

تظهر تحليلات المنتج ما حدث بعد إطلاق الميزة. هل استخدمها الناس؟ هل ساعدتهم على التقدم أو أرسلتهم إلى مكان غير متوقع؟ تمنح الإجابات مديري المنتجات شيئًا ملموسًا للعمل معه عند اتخاذ القرارات حول ما يجب تغييره.

التعلم من ما يفعله العملاء فعلاً

نظرًا لأن الذكاء الاصطناعي يجعل من السهل إدخال قدرات جديدة إلى المنتج، فإن العديد من فرق المنتجات تقوم بتغييرات أكثر مما فعلت في الماضي، مما قد يسبب احتكاكًا غير مقصود للعملاء. على سبيل المثال، قد يطلق فريق مساعدًا بينما يطلق فريق آخر بسرعة توصيات أو يجرّب واجهة جديدة. قبل أن يعرفوا ذلك، يتنقل العملاء بين أفكار منافسة، وتبدأ التجربة في الشعور بالازدحام أو الاختلاط.

قد يكتشف بائع التجزئة أن العملاء يتحركون بين أداة البحث بواسطة الذكاء الاصطناعي والمساعد للتسوق خلال نفس المهمة. يمكن لتحليلات المنتج أن تظهر أين يفقدون الزخم وأي مسار يؤدي أكثر إلى شراء مكتمل. هذا يعطي الأعمال أساسًا واضحًا لتبسيط الرحلة وتوجيه الاستثمار إلى حيث سيكون له أكبر تأثير.

أسئلة أفضل، قرارات منتج أفضل

جزء كبير من عمل بناء المنتج اليوم هو تحديد المشاكل التي تستحق المتابعة وكيفية إطلاق فكرة. الجزء الصعب من اتخاذ هذا القرار هو وضع الأسئلة الصحيحة عند فحص الأدلة.

لوحة تحكم تظهر نشاطًا كبيرًا للعملاء يمكن أن تكون مضللة، لأن الاستخدام يعني القليل على独ه. السؤال المهم هو ما كان المستخدم يحاول القيام به، وهل ساعدته الميزة على الوصول إلى هناك، وهل عاد مرة أخرى بعد أن تلاشى الفضول الأولي.

يجب أن يتغير السؤال أيضًا مع مرور الوقت. في الأيام القليلة الأولى بعد الإطلاق، قد يكون الأولوية هي التفاعلات المبهمة أو الفشل الفني. بعد بضعة أسابيع، يتغير التركيز إلى ما إذا كان الاستخدام يكرر ويرتبط بنتيجة تجارية. هناك قيمة قليلة في طرح أسئلة يوم الإطلاق بعد ستة أسابيع.

يمكن للذكاء الاصطناعي أن يلفت الانتباه إلى تغيير غير عادي في السلوك ومساعدة مديري المنتجات على استكشاف حجم كبير من بيانات الأحداث. هذا ي缩ّص الفجوة بين رصد الإشارة وتمييزها.

بالطبع، لا يشرح تغيير البيانات نفسه. انخفاض استخدام قد يشير إلى تدفق عمل معيب أو إزالة خطوة غير ضرورية بنجاح. لا يزال الأشخاص الذين يعرفون المنتج وعملهم يحتاجون إلى معرفة ما يعنيه هذا التغيير حقًا.

الاحتفاظ بالتوازن مع العملاء

تزداد الفجوة بين الإصدارات والمراجعات أهمية. إذا كانت البرامج تتغير كل أسبوع، فإن الاجتماع الربع سنوي يترك الكثير من سلوك العملاء بدون ملاحظة. يحتاج مديرو المنتجات إلى تغييرات مهمة تصل إليهم قبل أن تختفي السياق حول إصدار معين.

يبدأ ذلك بالعلماء الذين يعرفون النتيجة التي يملكونها ويمكنهم استكشاف السلوك ذي الصلة بسهولة. يمكن لتكنولوجيا الذكاء الاصطناعي مثل Mixpanel توجيه الانتباه إلى التغييرات التي تستحق التحقيق وتقديم سجل لما فعله العملاء حقًا. يمكن لمديري المنتجات بعد ذلك التركيز على الأشياء التي تستحق نظرة أقرب.

أفضل فرق المنتجات تتغيّر

هل يجب استثمار المزيد في هذه الميزة؟ هل سيزيل تغيير صغير الاحتكاك في نقطة حرجة؟ هل أخبرت التجربة بما يكفي؟ أو أنها تضيف تعقيدًا لم يطلب عنه العملاء؟ كل إجابة تمنح مديري المنتجات قرارًا لاتخاذه. وأفضل مديري المنتجات على استعداد لتغيير أفكارهم عندما تشير الأدلة إلى نتيجة أفضل من التغيير.

كلما زادت سرعة شحن البرامج، زادت سرعة تعلم فرق المنتجات. لأي شخص يرسل منتجات مدعومة بالذكاء الاصطناعي، هناك سؤال واحد يهم أكثر من غيره: هل أنت على استعداد لتحدي افتراضاتك الخاصة والتعلم من بيانات المستخدم بعد الإطلاق؟ هل أنت على استعداد لتغيير رأيك؟ قرر الجواب قبل الإطلاق. ثم تأكد من أنك مستعد لرؤيته – والعمل عليه.