Cum echipele de produse excelente decid ce să construiască următorul

De ce comportamentul real al clienților contează mai mult ca oricând în era inteligenței artificiale

Managerii de produs și inginerii pot petrece luni modelând o funcție înainte ca cineva din afara companiei să o atingă. Când clienții o primesc, ei pot s-o folosească exact așa cum se așteaptă sau pot găsi o cale complet diferită. Ei pot ignora funcția principală și continua să revină la ceva la care echipa abia a observat în timpul dezvoltării. Aici începe adevărata învățare și luarea deciziilor interesante.

Între timp, inteligența artificială a transformat modul în care lucrează echipele de produs și inginerie, făcând posibilă transformarea unei idei în software funcțional mult mai rapid. Asistenții de codare și instrumentele de testare automate accelerează ritmul în fiecare zi. Ideile care odinioară necesitau săptămâni de efort ingineresc pot deveni acum prototipuri utilizabile în câteva zile, creând mult mai multe oportunități de testare și lansare — și de învățare de la clienți pe măsură ce aceștia încep să utilizeze funcții noi.

Pe măsură ce dezvoltarea se accelerează și mai multe idei noi ajung la clienți, echipele de produs trebuie să învețe rapid din interacțiunile timpurii ale utilizatorilor și să decidă cum să reacționeze. Pe măsură ce software-ul este lansat, învățarea și luarea deciziilor trebuie să se accelereze și ele. Dacă învățarea nu poate ține pasul cu dezvoltarea, utilizatorii se vor îneca în funcții și “îmbunătățiri” noi pe care nu le doresc sau care pot face experiența lor și mai proastă.

Construirea mai rapidă schimbă totul

O cercetare recentă care implică peste 100.000 de dezvoltatori GitHub ilustrează exact cât de rapid are loc această schimbare. Uneltele de codare cu inteligență artificială au crescut activitatea de codare cu până la 180%, în timp ce lansările au crescut cu aproximativ 30%. Cercetătorii au examinat și patru piețe de aplicații, unde noile lansări erau în creștere, dar utilizarea generală a rămas plată sau a scăzut. Acest lucru înseamnă că mult mai mult software concurează pentru același grup de atenție a clienților.

Acesta este decalajul pe care datele post-lansare trebuie să îl închidă: știind care dintre multele lucruri lansate au câștigat într-adevăr un loc în rutina clientului și care au adăugat doar zgomot.

Să zicem că un retailer online lansează un asistent de cumpărături cu inteligență artificială. Acesta răspunde la întrebări despre produse, recomandă articole potrivite și pare să funcționeze exact așa cum a fost planificat. Următoarea întrebare este ce fac clienții cu el de fapt — și de ce.

Oamenii deschid asistentul la începutul unei vizite sau doar după ce căutarea a eșuat? Care întrebări duc la vizualizarea unui produs sau la o cumpărătură? Unde se încheie conversațiile brusc? Și clienții care revin folosesc asistentul diferit față de vizitatorii pentru prima dată?

Răspunsurile dezvăluie rolul pe care asistentul îl joacă de fapt. Un număr ridicat de interacțiuni poate părea sănătos, dar o examinare mai atentă arată că clienții repetă aceeași întrebare pentru că răspunsurile nu sunt clare. Pe de altă parte, o rată de adoptare modestă poate fi în regulă dacă acei utilizatori se convertește la o rată mai mare sau explorează o gamă mai largă de produse.

Analitica produsului arată ce s-a întâmplat după ce funcția a devenit disponibilă. Oamenii au folosit-o? A ajutat-o să progreseze sau i-a trimis într-o direcție neașteptată? Răspunsurile oferă managerilor de produs ceva concret cu care să lucreze atunci când decid ce să schimbe.

Învățarea din ceea ce fac clienții de fapt

Deoarece inteligența artificială face ca introducerea de noi capacități într-un produs să fie mult mai ușoară, multe echipe de produs fac mult mai multe schimbări decât au făcut istoric, ceea ce poate provoca fricțiuni neintenționate pentru utilizatori. De exemplu, o echipă poate lansa un asistent, în timp ce o altă echipă lansează rapid recomandări sau experimentează cu o interfață nouă. În curând, clienții trebuie să navigheze prin mai multe idei concurente, iar experiența începe să se simtă aglomerată sau deconectată.

Retailerul nostru poate descoperi că clienții se mută între un instrument de căutare cu inteligență artificială și asistentul de cumpărături în timpul aceleiași sarcini. Analitica produsului poate arăta unde pierd impulsul și care rută duce mai frecvent la o cumpărătură finalizată. Acest lucru oferă afacerii o bază clară pentru simplificarea călătoriei și concentrarea investiției acolo unde va avea cel mai mare impact.

Întrebări mai bune, decizii de produs mai bune

O mare parte a jobului de constructor de produse astăzi constă în a decide care probleme merită urmărite și cât de departe să se ducă o idee. Partea dificilă a luării acestei decizii constă în a pune întrebările potrivite atunci când se examinează dovezi.

Un dashboard care arată multă activitate a clienților poate fi înșelător, deoarece adoptarea înseamnă foarte puțin în sine. Întrebarea importantă este ce a încercat să facă utilizatorul, dacă funcția i-a ajutat să ajungă acolo și dacă au revenit odată ce curiozitatea inițială a dispărut.

Întrebarea trebuie să se schimbe și în timp. În primele zile de la lansare, prioritatea ar putea fi interacțiunile confuze sau eșecurile tehnice. După câteva săptămâni, accentul se mută asupra faptului dacă utilizarea se repetă și dacă este legată de un rezultat comercial. Există puțină valoare în a pune întrebări de lansare după șase săptămâni.

Inteligența artificială poate semnala o schimbare neobișnuită în comportament și ajuta managerii de produs să exploreze volume mari de date de evenimente. Acest lucru scurtează decalajul dintre detectarea unui semnal și investigarea lui.

Desigur, o schimbare în date nu se explică singură. O scădere a utilizării poate indica o flux de lucru defect sau eliminarea cu succes a unui pas inutil. Oamenii care cunosc produsul și utilizatorii lui încă trebuie să descopere ce înseamnă de fapt acea schimbare.

Menținerea ritmului cu clienții

Decalajul dintre lansări și revizuiri devine din ce în ce mai greu de ignorat. Dacă software-ul se schimbă în fiecare săptămână, o întâlnire trimestrială lasă mult comportament al clienților nevăzut. Managerii de produs au nevoie de schimbări importante care să ajungă la ei înainte ca contextul din jurul unei lansări să se estompeze.

Acest lucru începe cu oamenii care cunosc rezultatul pe care îl dețin și care pot explora ușor comportamentul relevant. Tehnologiile cu inteligență artificială, cum ar fi Mixpanel, pot direcționa atenția către schimbări care merită investigat și pot oferi un registru al ceea ce au făcut de fapt clienții. Managerii de produs pot să-și concentreze timpul asupra lucrurilor care merită o examinare mai atentă.

Cele mai bune echipe de produs își schimbă mintea

Ar trebui această funcție să primească o investiție suplimentară? Ar putea o mică schimbare să elimine fricțiunea la un punct critic? A spus experimentul suficient? Sau adaugă complexitate pe care clienții n-au cerut-o niciodată? Fiecare răspuns oferă managerilor de produs o decizie de luat. Și cei mai buni manageri de produs sunt dispuși să-și schimbe mintea atunci când doveziile indică un rezultat mai bun din schimbare.

Cu cât software-ul este lansat mai rapid, cu atât echipele de produs trebuie să învețe mai rapid. Pentru oricine lansează produse activate de inteligență artificială, o întrebare contează mai presus de toate: sunteți dispuși să vă contestați propriile ipoteze și să învățați din datele utilizatorilor post-lansare? Sunteți dispuși să vă schimbați mintea? Decideți răspunsul înainte de lansare. Apoi asigurați-vă că sunteți pregătiți să o vedeți — și să acționați în consecință.