Harika Ürün Ekipleri Sonraki Neyi Yapacağını Nasıl Kararlar

Neden gerçek müşteri davranışı AI çağında her zamankinden daha önemli

Ürün yöneticileri ve mühendisler, bir özelliğin dışındaki herkesin dokunmadığı bir özelliği aylarca şekillendirebilir. Müşteriler onu ele geçirdiğinde, onu beklenen şekilde kullanabilir veya tamamen farklı bir yol bulabilir. Ana özelliği tamamen görmezden gelebilir ve geliştirme sırasında neredeyse hiç dikkat edilmeyen bir şeye sürekli geri dönebilir. İşte gerçek öğrenme ve ilginç kararlar burada başlar.

Bu arada, AI, ürün ve mühendislik ekiplerinin nasıl çalıştığını değiştirdi ve bir fikri çok daha hızlı bir şekilde çalışan yazılıma dönüştürmeyi mümkün kıldı. Kod asistanları ve otomatik test araçları her gün hızı artırıyor. Bir zamanlar haftalarca mühendislik çabası gerektiren fikirlerin artık günler içinde kullanılabilir prototipler haline gelmesi, test etme ve sevketme fırsatlarını çok daha fazla artırıyor – ve müşterilerin yeni özellikler kullanmaya başladıklarında onlardan öğrenmeyi.

Geliştirme hızı arttıkça ve daha fazla yeni fikir müşterilere ulaştıkça, ürün ekipleri erken kullanıcı etkileşimlerinden hızlı bir şekilde öğrenmek ve nasıl cevap vereceklerini karar vermek zorundadır. Yazılım sevk edildikçe, öğrenme ve karar verme de hızlanmalıdır. Öğrenme geliştirmeyi takip edemezse, kullanıcılar istemedikleri veya deneyimlerini daha da kötüleştirebilecek yeni özellikler ve “iyileştirmeler” ile boğulacaklar.

Hızlı İnşaat Her Şeyi Değiştirir

Son araştırmalar, 100.000’den fazla GitHub geliştiricisini içermekte ve bu değişimin ne kadar hızlı gerçekleştiğini göstermektedir. AI kodlama araçları kodlama aktivitesini %180’e kadar artırdı, sürümler ise yaklaşık %30 arttı. Araştırmacılar ayrıca dört uygulama pazarını da inceledi, burada yeni sürümler artıyordu, ancak genel kullanım düzeldi veya düştü. Bu, müşteri dikkati havuzuna yarışan çok daha fazla yazılım anlamına geliyor.

Sevkedilen şeylerin hangisinin gerçekten müşterinin rutinine bir yer kazandığını ve hangisinin sadece gürültüye katkıda bulunduğunu bilmeyen boşluğu, post-sevk verilerinin kapatması gereken şeydir.

Bir online perakendeci bir AI alışveriş asistanı sevk etsin. Ürün sorularını yanıtlar, uygun öğeleri önerir ve planlandığı gibi çalışır gibi görünür. Sonraki soru, müşterilerin gerçekten onunla ne yaptığıdır – ve neden.

İnsanlar asistanı ziyaretin başında mı açar, yoksa arama onlara başarısız olduğunda mı? Hangi sorular ürün görüntülemesine veya satın almaya yol açar? Konuşmalar nerede aniden sona erer? Ve geri dönen müşteriler ilk ziyaretçilerden farklı olarak mı kullanır?

Cevaplar, asistanın gerçekten oynadığı rolü ortaya koyar. Yüksek etkileşim sayısı sağlıklı görünse de, daha yakından bir bakış, müşterilerin cevaplar net olmadığında aynı soruyu tekrar tekrar sorgulayabileceğini gösterebilir. Öte yandan, mütevazi bir benimseme oranı, bu kullanıcıların daha yüksek bir oranda dönüştüğü veya daha geniş bir ürün yelpazesini keşfettiği sürece kabul edilebilir.

Ürün analitiği, özelliğin canlıya alındıktan sonra neler olduğunu gösterir. İnsanlar onu kullandı mı? İnsanları ilerlemeye yardımcı oldu mu yoksa onları beklenmedik bir yere mi gönderdi? Cevaplar, ürün yöneticilerine karar verirken çalışmak için somut bir şey verir.

Müşterilerin Gerçekten Yaptıklarından Öğrenme

AI, ürün ve mühendislik ekiplerinin nasıl çalıştığını değiştirdi ve birçok ürün ekibinin tarihsel olarak yaptıklarından çok daha fazla değişiklik yapmasını sağladı, bu da kullanıcılar için istenmeyen sürtüşmelere neden olabilir. Örneğin, bir ekip bir asistan sevk edebilirken, bir diğeri hızlı bir şekilde öneriler sunabilir veya yeni bir arayüzle deney yapabilir. Kısa sürede müşteriler, birçok rakip fikri gezinmektedir ve deneyim开始 hissetmeye başlar veya kopukluk hissedebilir.

Perakendecimiz, müşterilerin aynı görev sırasında AI arama aracıyla alışveriş asistanı arasında geçiş yaptıklarını keşfedebilir. Ürün analitiği, müşterilerin hangi noktada ivme kaybettiklerini ve hangi rotanın daha sık satın alma ile sonuçlandığını gösterebilir. Bu, iş için müşterilerin yolculuğunu basitleştirmek ve yatırımını en büyük etkiye sahip olacağı yere odaklamak için net bir temel sağlar.

Daha İyi Sorular, Daha İyi Ürün Kararları

Ürün oluşturucularının bugünkü işinin büyük bir kısmı, hangi sorunların peşinden gitmeye değer olduğunu ve bir fikri ne kadar ileri götüreceklerini karar vermektir. Bu kararı vermenin zor kısmı, kanıtları incelerken doğru soruları sormaktır.

Müşteri faaliyeti gösteren bir panoya çok fazla dikkat çekilebilir, çünkü benimseme tek başına çok az şey ifade eder. Önemli soru, kullanıcının ne yapmaya çalıştığı, özelliğin onlara ulaşmalarına yardımcı olup olmadığı ve ilk meraklarının geçtiği sonra geri döndükleridir.

Soru zamanla değişmelidir. Sevkedilmeden sonraki ilk birkaç gün içinde, öncelik karıştırıcı etkileşimler veya teknik arızalar olabilir. Birkaç hafta sonra, odak, kullanımın tekrarlanıp tekrarlanmadığına ve ticari bir sonuca bağlı olup olmadığına kayar. Lansman gününe ait soruları altı hafta sonra sormak çok az değer taşır.

AI, alışılmadık bir davranış değişimini sinyal verebilir ve ürün yöneticilerine büyük miktarda olay verilerini araştırmalarına yardımcı olabilir. Bu, bir sinyali tespit etmek ile onu araştırmak arasındaki boşluğu kısaltır.

Tabii ki, verilerdeki bir değişiklik kendini açıklamaz. Kullanımın düşmesi, kırık bir iş akışına veya gereksiz bir adımın başarılı bir şekilde kaldırılmasına işaret edebilir. Ürün ve müşterileri bilen insanlar, bu değişikliğin gerçekten ne anlama geldiğini hala çıkarmak zorundadır.

Müşterilerinizle Aynı Anda Kalma

Sevkedilen ve gözden geçirilen arasındaki boşluk, artık görmezden gelinemeyecek bir hâl alıyor. Yazılım her hafta değişiyorsa, üç aylık bir toplantı, bir sürü müşteri davranışını görülmeyen bir şekilde bırakacaktır. Ürün yöneticileri, bir sürümden sonra davranışın etrafındaki bağlamı kaybetmeden önce önemli değişikliklerin kendilerine ulaşmasını sağlamalıdır.

Bu, insanların sahip oldukları sonucu bilmeleriyle ve ilgili davranışı kolayca keşfedebilmeleriyle başlar. AI teknolojileri gibi Mixpanel, dikkat çekmeye değer değişikliklere dikkat çekebilir ve müşterilerin gerçekten neler yaptığının bir kaydını sağlayabilir. Ürün yöneticileri sonra zamanlarını daha yakından bakmaya değer şeylere odaklayabilir.

En İyi Ürün Ekipleri Aklını Değiştirir

Bu özelliğe daha fazla yatırım yapılmalı mı? Küçük bir değişiklik, kritik bir noktada sürtüşmeyi ortadan kaldırabilir mi? Deney, yeterli bilgi vermiş midir? Veya istemeyen müşteriler için karmaşıklık ekliyor mu? Her cevap, ürün yöneticilerine bir karar verdirir. Ve en iyi PM’ler, kanıtlar daha iyi bir sonuç için değiştiğinde aklını değiştirmeye isteklidir.

Yazılım ne kadar hızlı sevk ediliyorsa, ürün ekipleri de o kadar hızlı öğrenmelidir. AI destekli ürünleri sevk eden herkes için bir soru önemlidir: Kendi varsayımlarınızı sorgulamaya ve post-sevk kullanıcı verisinden öğrenmeye hazır mısınız? Aklınızı değiştirmeye hazır mısınız? Cevabınızı lansmandan önce kararlaştırın. Sonra bunu görmeye ve buna göre davranmaya hazır olun.