どのようにして優れた製品チームは次に何を構築するかを決定するか

AIの時代に、実際の顧客の行動がどれほど重要か

製品マネージャーとエンジニアは、外部のユーザーが触れる前に、機能を形作るのに数ヶ月を費やすことがあります。顧客がそれを手に入れたとき、彼らは期待どおりにそれを使うか、またはまったく異なるパスを見つけるかもしれません。彼らは主な機能を完全に無視して、開発中にチームがほとんど気づかなかった何かに戻ってくるかもしれません。これが、実際の学習と、興味深い決定が始まる場所です。

一方、AIは製品とエンジニアリングチームが働く方法を変え、アイデアを実際のソフトウェアに変えることをはるかに迅速に可能にしました。コードアシスタントや自動テストツールは、毎日ペースを上げています。何週間もエンジニアリングの努力を必要としたアイデアは、数日以内に使用可能なプロトタイプになることができます。テストして出荷する — ユーザーが新しい機能を使用し始めたときにそれから学ぶ — のための機会がはるかに多くなります。

開発が速くなり、新しいアイデアが顧客に到達するにつれて、製品チームは早くからユーザーの初期的な相互作用から学び、どのように対応するかを決定する必要があります。ソフトウェアが出荷されると、学習と意思決定も速くなる必要があります。学習が開発のペースを追いつかない場合、ユーザーは望まない新しい機能や「改善」に溺れ、体験が悪くなる可能性があります。

より速い構築がすべてを変える

最近の研究では、10万を超えるGitHub開発者が参加し、変化がどれほど速く起こっているかを示しています。AIコーディングツールは、コーディング活動を最大180%増加させ、リリースは約30%増加しました。研究者はまた、4つのアプリマーケットプレイスを調査し、新しいリリースが増加しているのに対し、全体的な使用状況は平坦または低下しています。つまり、同じ顧客の注目をめぐって、はるかに多くのソフトウェアが競合しているということです。

これが、出荷後のデータが埋めるべきギャップです。多くのものが出荷されたものの、実際に顧客の日常生活の一部になったものと、単にノイズを追加したものを知る必要があります。

オンライン小売業者がAIショッピングアシスタントを導入したとします。製品に関する質問に答え、適切なアイテムを推奨し、計画どおりに動作します。次の質問は、顧客が実際にそれを使って何をしているか、そしてなぜ使っているかです。

顧客は、アシスタントを開くのは訪問の初めなのか、それとも検索が失敗した後に開くのか。どの質問が製品の表示や購入につながるのか。会話はどこで突然終了するのか。リピート顧客は初めて訪問する顧客と異なる方法でそれを使うのか。

答えは、アシスタントが実際に果たしている役割を明らかにします。インタラクションの数が多く見えるかもしれませんが、近くを見ると、顧客が答えが明確でないため同じ質問を繰り返していることがわかります。一方、採用率が控えめであっても、ユーザーがより高いレートでコンバージョンしたり、より幅広い製品を閲覧したりする場合は、問題ない可能性があります。

製品分析ツールは、機能が公開された後の状況を示します。ユーザーはそれを使ったか、それがユーザーを前に進めるのに役立ったか、それが予期せぬ場所に導いたか。答えは、製品マネージャーが何を変更するかを決定する際に具体的なものを提供します。

実際の顧客の行動から学ぶ

AIにより、製品チームは以前よりもはるかに多くの変更を加えることができますが、これによりユーザーにとって意図しない摩擦が生じる可能性があります。たとえば、1つのチームがアシスタントを導入し、別のチームがすぐに推奨や新しいインターフェイスの実験を開始します。すぐに、顧客は競合するアイデアの数々の中で道を切り開くことになり、体験は混乱したり断片化したりするようになります。

小売業者は、顧客がタスクの間にAI検索ツールとショッピングアシスタントの間を移動していることを発見するかもしれません。製品分析ツールは、顧客が勢いを失う場所と、どのルートがより頻繁に購入に至るかを示すことができます。これにより、企業は旅程を簡素化し、投資を最大の影響を与える場所に集中するための明確な基礎を提供します。

より良い質問、より良い製品の決定

今日の製品ビルダーとしての仕事の多くは、どの問題に取り組む価値があるか、またアイデアをどれだけ進めるかを決定することです。決定を下す際に、証拠を調べる際に正しい質問をするのが難しい部分です。

顧客の活動が多く表示されるダッシュボードは、採用率がそれ自体ではあまり意味がないため、誤解を招く可能性があります。重要な質問は、ユーザーが何をしようとしていたか、機能がユーザーを目的の場所に導いたか、また初期の好奇心が消えた後もユーザーが戻ってきたかです。

質問は時間の経過とともに変化する必要があります。出荷後初日の優先事項は、混乱した相互作用や技術的な障害である可能性があります。数週間後、焦点は、使用が繰り返されるか、商業的な結果に結びつくかどうかに移ります。出荷日の質問を6週間後に尋ねる価値はありません。

AIは、顧客の行動の異常な変化を示し、製品マネージャーが大量のイベントデータを調査するのを支援できます。これにより、シグナルを検出して調査するまでのギャップが短縮されます。

もちろん、データの変化はそれ自体を説明しません。使用状況の低下は、壊れたワークフローまたは不要なステップの削除に起因する可能性があります。製品とそのユーザーを知っている人々が、実際に何が起こっているのかを判断する必要があります。

顧客のペースを維持する

リリースとレビューのギャップは、無視することができなくなってきています。ソフトウェアが毎週変更される場合、四半期ごとのミーティングでは、リリースの周囲の状況が消えるまでに、顧客の行動が見えなくなります。製品マネージャーは、重要な変更が、リリースの周囲の状況が消える前に到着する必要があります。

これは、結果を所有する人々が、関連する行動を簡単に調査できることから始まります。MixpanelなどのAIテクノロジーは、調査に値する変更に注意を向け、顧客が実際に何をしたかを記録します。製品マネージャーは、より詳しく調べるに値するものに時間を集中できます。

最も優れた製品チームは考えを変える

この機能にさらに投資する必要がありますか。小さな変更で重要なポイントでの摩擦を除去できますか。実験は十分な情報を提供しましたか。あるいは、顧客が求めていない複雑さを追加していますか。各答えは、製品マネージャーが決定を下す必要があります。最も優れたPMは、証拠がより良い結果を示唆している場合、考えを変える用意があります。

ソフトウェアがより速く出荷されると、製品チームはより速く学ぶ必要があります。AIを活用した製品を出荷するすべての人のために、1つの質問が最も重要です。自分の仮定に挑戦し、出荷後のユーザーデータから学ぶ用意がありますか。考えを変える用意がありますか。出荷前に答えを決め、見て対応する準備をしておく必要があります。