Hvordan store produktteams beslutter, hvad de skal bygge næste

Hvorfor rigtig kundeadfærd er vigtigere end nogensinde i AI-alderen

Produktchefer og ingeniører kan bruge måneder på at forme en funktion, før nogen uden for virksomheden rører ved den. Når kunder får fat i den, kan de bruge den præcis som forventet eller finde en helt anden vej. De kan ignorere hovedfunktionen helt og komme tilbage til noget, som teamet knap nok lagde mærke til under udviklingen. Det er her, det rigtige læring og de interessante beslutninger begynder.

Imens har AI forandret, hvordan produkt- og ingeniørteam arbejder, og gjort det muligt at omdanne en idé til arbejdende software meget hurtigere. Kodestøtteværktøjer og automatiserede testværktøjer accelererer tempoet hver dag. Idéer, der tidligere tog uger at udvikle, kan nu blive brugbare prototyper inden for få dage, og skabe langt flere muligheder for at teste og lancere – og for at lære af kunder, når de begynder at bruge nye funktioner.

Da udviklingen accelererer, og flere nye idéer når kunder, skal produktteam hurtigt lære af tidlige brugerinteraktioner og beslutte, hvordan de skal reagere. Når softwaren lanceres, skal læring og beslutningstagning også accelerere. Hvis læring ikke kan følge med udviklingen, vil brugerne drukne i nye funktioner og “forbedringer”, som de ikke ønsker eller som kan gøre deres oplevelse værre.

Bygning hurtigere ændrer alt

Nylig forskning, der involverer over 100.000 GitHub-udviklere, viser, hvor hurtigt denne ændring sker. AI-kodningsværktøjer øgede kodningsaktiviteten med op til 180%, mens udgivelser steg med omkring 30%. Forskerne undersøgte også fire app-markedspladser, hvor nye udgivelser steg, men den samlede brug forblev flad eller faldt. Det betyder, at langt mere software konkurrerer om den samme kundes opmærksomhed.

Det er den lukke, som post-lanceringdata skal lukke: at vide, hvilke af de mange ting, der er lancering, faktisk har fortjent en plads i kundens rutine, og hvilke blot har føjet støj til.

Sæt, at en online-forhandler lancerer en AI-butiksassistent. Den besvarer produktspørgsmål, anbefaler passende varer og ser ud til at fungere præcis som planlagt. Næste spørgsmål er, hvad kunder faktisk gør med den – og hvorfor.

Åbner folk assistenten i begyndelsen af et besøg eller kun efter, at søgningen har fejlet? Hvilke spørgsmål fører til en produktvisning eller et køb? Hvor stopper samtalerne brat? Og bruger tilbagevendende kunder den på en anden måde end første-gangs-besøgende?

Svarene afslører den rolle, assistenten faktisk spiller. En høj interaktionsrate kan se sund ud, men en nærmere undersøgelse kan vise, at kunder gentager det samme spørgsmål, fordi svarene ikke er klare. På den anden side kan en beskeden antagelse være i orden, hvis brugerne konverterer i en højere rate eller udforsker et bredere udvalg af produkter.

Produktanalyser viser, hvad der skete, da funktionen gik live. Brugte folk den? Hjalp den dem med at komme videre eller sendte den dem et uventet sted? Svarene giver produktcheferne noget konkrekt at arbejde med, når de skal beslutte, hvad de skal ændre.

Læring fra, hvad kunder faktisk gør

Fordi AI gør det meget lettere at introducere nye funktioner i et produkt, laver mange produktteam langt flere ændringer, end de historisk har gjort, hvilket kan føre til uventet friktion for brugerne. For eksempel kan et team lancere en assistent, mens et andet team hurtigt opretter anbefalinger eller eksperimenterer med en ny brugerflade. Før længe er kunderne på vej gennem flere konkurrerende idéer, og oplevelsen begynder at føles overfyldt eller splittet.

Vores online-forhandler kan opdage, at kunder bevæger sig mellem en AI-søgetool og butiksassistenten under samme opgave. Produktanalyser kan vise, hvor de mister momentum, og hvilken rute der oftere fører til et gennemført køb. Det giver virksomheden en klar basis for at forenkle rejsen og fokusere sin investering, hvor den vil have den største indvirkning.

Bedre spørgsmål, bedre produktbeslutninger

En stor del af produktbyggerjobbet i dag består i at beslutte, hvilke problemer der er værd at forfølge, og hvor langt man skal tage en idé. Den svære del af at træffe den beslutning er at stille de rigtige spørgsmål, når man undersøger beviserne.

En dashboard, der viser meget kundeaktivitet, kan være misvisende, fordi antagelse ikke betyder meget i sig selv. Det vigtige spørgsmål er, hvad brugeren forsøgte at gøre, om funktionen hjalp dem med at nå deres mål, og om de kom tilbage, da den første nysgerrighed var væk.

Spørgsmålet skal også ændre sig over tid. I de første par dage efter lanceringen kan prioriteringen være forvirrende interaktioner eller tekniske fejl. Et par uger senere skifter fokus til, om brugen gentager sig, og om den er forbundet med en kommerciel udgang.

AI kan pege på en usædvanlig ændring i adfærd og hjælpe produktchefer med at udforske store mængder af begivenhedsdata. Det forkorter afstanden mellem at opdage et signal og at undersøge det.

Selvfølgelig forklarer en ændring i data ikke sig selv. En nedgang i brug kan pege på en brudt arbejdsgang eller den succesfulde fjernelse af et unødvendigt trin. Folk, der kender produktet og dets brugere, skal stadig finde ud af, hvad ændringen faktisk betyder.

Holdning med kunderne

Afstanden mellem udgivelser og anmeldelser bliver sværere at ignorere. Hvis softwaren ændrer sig hver uge, efterlader en kvartalsmøde en stor del af kundeadfærden uset. Produktchefer skal have vigtige ændringer, der når dem, før konteksten omkring en udgivelse forsvinder.

Det starter med, at folk ved, hvilken udkomst de ejer, og kan udforske den relevante adfærd let. AI-teknologier som Mixpanel kan rette opmærksomheden mod ændringer, der er værd at undersøge, og give en optagelse af, hvad kunder faktisk gjorde. Produktchefer kan derefter fokusere deres tid på de ting, der fortjener en nærmere undersøgelse.

De bedste produktteam ændrer deres mening

Skal denne funktion have yderligere investering? Ville en lille ændring fjerne friktion på et kritisk punkt? Har eksperimentet fortalt os nok? Eller tilføjer det kompleksitet, som kunder aldrig har bedt om? Hver svar giver produktcheferne en beslutning at træffe. Og de bedste PM’er er villige til at ændre deres mening, når beviserne peger på en bedre udkomst fra ændringen.

Jo hurtigere softwaren lanceres, jo hurtigere skal produktteam lære. For alle, der lancere AI-aktiverede produkter, er der ét spørgsmål, der betyder mere end noget andet: Er du villig til at udfordre dine egne antagelser og lære af post-lancering-brugerdata? Er du villig til at ændre din mening? Beslut svaret, før du lancere. Så sikre dig, at du er klar til at se det – og handle på det.