Jak skvělé produktové týmy rozhodují, co bude další

Proč skutečné chování zákazníků matters více než kdykoli v éře AI

Produktoví manažeři a inženýři mohou strávit měsíce tvorbou funkce, než ji někdo mimo společnost použije. Když zákazníci získají přístup k ní, mohou ji použít přesně tak, jak bylo očekáváno, nebo najít úplně jinou cestu. Mohou ignorovat hlavní funkci úplně a neustále se vracet k něčemu, co tým během vývoje téměř nezaznamenal. Zde začíná skutečné učení a zajímavá rozhodnutí.

Zatímco AI transformuje, jak produktové a inženýrské týmy pracují, umožňuje jim změnit myšlenku na funkční software mnohem rychleji. Pomocníci pro kódování a automatizované testovací nástroje zrychlují tempo každý den. Nápad, který dříve trval týdny inženýrského úsilí, může se nyní stát použitelným prototypem během několika dní, což vytváří mnoho více příležitostí pro testování a spuštění — a pro učení se od zákazníků, když začnou používat nové funkce.

Jak se vývoj zrychluje a více nových nápadů dosáhne zákazníků, produktové týmy musí rychle se učit z raných interakcí uživatelů a rozhodnout, jak reagovat. Když se software spustí, učení a rozhodování musí také zrychlit. Pokud se učení nemůže držet krok s vývojem, uživatelé budou utopeni v nových funkcích a “vylepšeních”, které si nepřejí nebo které mohou dokonce zhoršit jejich zkušenost.

Rychlejší stavba mění všechno

Nedávný výzkum, který zahrnoval více než 100 000 vývojářů na GitHubu, ukazuje, jak rychle se tato změna děje. Nástroje pro kódování AI zvýšily kódovací aktivitu až o 180 %, zatímco vydání se zvýšila asi o 30 %. Výzkumníci také zkoumali čtyři trhy s aplikacemi, kde se nové vydání zvyšovala, ale celkové použití zůstalo stabilní nebo kleslo. To znamená, že mnohem více softwaru soutěží o stejnou skupinu zákaznické pozornosti.

To je mezera, kterou musí data po spuštění uzavřít: vědět, které z mnoha věcí, které byly spuštěny, si skutečně vydobyly místo v rutině zákazníka a které pouze přidaly k hluku.

Řekněme, že online maloobchodník spustí AI nákupního asistenta. Odpovídá na otázky o produktech, doporučuje vhodné položky a zdá se, že funguje přesně podle plánu. Další otázka je, co zákazníci s ním skutečně dělají — a proč.

Otevřou asistenta na začátku návštěvy nebo až poté, co vyhledávání selhalo? Které otázky vedou k zobrazení produktu nebo k nákupu? Kde konverzace náhle skončí? A zda se opakující zákazníci liší od nových návštěvníků?

Odpovědi odhalí skutečnou roli, kterou asistent hraje. Vysoká interakční sazba může vypadat zdravá, ale bližší pohled by mohl ukázat, že zákazníci opakují stejnou otázku, protože odpovědi nejsou jasné. Na druhé straně může skromná míra přijetí být v pořádku, pokud tito uživatelé konvertují na vyšší sazbu nebo procházejí širší rozsah produktů.

Produktová analytika ukazuje, co se stalo, když funkce šla naživu. Použili ji lidé? Pomohla jim to, aby se posunuli vpřed, nebo je to poslalo někam neočekávaným směrem? Odpovědi dávají produktovým manažerům něco konkrétního, s čím mohou pracovat, když rozhodují, co změnit.

Učení od toho, co zákazníci skutečně dělají

Protože AI usnadňuje zavedení nových funkcí do produktu, mnoho produktových týmů dělá mnohem více změn, než historicky, což může způsobit neúmyslnou frakci pro uživatele. Například jeden tým může spustit asistenta, zatímco jiný rychle spustí doporučení nebo experimentuje s novým rozhraním. Brzy zákazníci procházejí několika soutěžními nápady a zkušenost začíná vypadat zahlcená nebo nesourodá.

Náš maloobchodník může zjistit, že zákazníci přecházejí mezi AI vyhledávacím nástrojem a nákupním asistentem během stejné úkolu. Produktová analytika může ukázat, kde ztratí hybnost a která cesta častěji vede k dokončenému nákupu. To dává podniku jasný základ pro zjednodušení cesty a soustředění investic tam, kde budou mít největší dopad.

Lepší otázky, lepší produktová rozhodnutí

Velká část práce produktového stavitelství dnes spočívá v rozhodování, které problémy jsou stojí za to sledovat a jak daleko vzít nápad. Obtížná část tohoto rozhodnutí spočívá v tom, aby se kladly správné otázky, když se zkoumá důkaz.

Kontrolní panel, který ukazuje mnoho zákaznické aktivity, může být zavádějící, protože přijetí znamená velmi málo samo o sobě. Důležitá otázka je, co uživatel chtěl udělat, zda funkce jim pomohla tam dostat se, a zda se vrátili, když初ní zvědavost pominula.

Otázka by se také měla měnit v čase. V prvních několika dnech po spuštění může být priorita matoucí interakce nebo technické selhání. O několik týdnů později se zaměřuje na to, zda je použití opakované a zda je spojeno s komerčním výsledkem. Je málo hodnot v ptaní se na otázky spuštění šest týdnů později.

AI může označit neobvyklou změnu chování a pomoci produktovým manažerům prozkoumat velké objemy dat událostí. To zkracuje dobu mezi detekcí signálu a jeho prošetřením.

Samozřejmě, že změna v datech sama o sobě neexplikuje. Pokles použití by mohl naznačovat rozbitý pracovní postup nebo úspěšné odstranění zbytečného kroku. Lidé, kteří znají produkt a jeho uživatele, musí stále zjistit, co tato změna skutečně znamená.

Držení kroků se zákazníky

Mezera mezi vydáními a recenzemi se stává stále obtížnější ignorovat. Pokud se software mění každý týden, čtvrtletní setkání nechává mnoho zákaznického chování neviditelného. Produktoví manažeři potřebují důležité změny, aby jim dosáhly, než kontext kolem vydání zmizí.

To začíná lidmi, kteří znají výsledek, který vlastní, a mohou snadno prozkoumat relevantní chování. Technologie AI, jako je Mixpanel, mohou upozornit na změny, které stojí za to prozkoumat, a poskytnout záznam toho, co zákazníci skutečně dělali. Produktoví manažeři mohou pak soustředit svůj čas na věci, které si zaslouží bližší pohled.

Nejlepší produktové týmy mění své názory

Měla by tato funkce dostat další investice? Odstraní malá změna tření v kritickém bodě? Řekla experiment dostatek? Nebo přidává komplexitu, o které zákazníci nežádali? Každá odpověď dává produktovým manažerům rozhodnutí, které musí učinit. A nejlepší PM jsou ochotni změnit své názory, když důkazy ukazují na lepší výsledek z této změny.

Čím rychleji se software spustí, tím rychleji produktové týmy potřebují se učit. Pro každého, kdo spustí produkty s funkcemi AI, je jedna otázka nad všechny ostatní: Jste ochotni zpochybnit své vlastní předpoklady a učit se z dat po spuštění? Jste ochotni změnit své názory? Rozhodněte se před spuštěním. Pak se ujistěte, že jste připraveni vidět to — a jednat podle toho.