“Ciò che viene misurato viene gestito” è stato coniato da Peter Drucker, considerato il padre del management moderno, nel 1954. Si tratta di un detto spesso citato che in realtà fa parte di una citazione più ampia e, a mio avviso, più potente: “Ciò che viene misurato viene gestito” – anche quando è inutile misurarlo e gestirlo, e anche se farlo danneggia lo scopo dell’organizzazione.”
L'intuizione di Drucker sottolinea che, sebbene raccogliere e misurare i dati sia essenziale, la vera sfida sta nell'identificare e dare priorità ai giusti parametri che guideranno un'azienda nella giusta direzione. Concentrandosi e dando priorità alle metriche giuste, puoi garantire che ciò che viene misurato e gestito abbia un vero impatto.
Questo blog si concentra sull'analisi dei prodotti nelle aziende tecnologiche, tuttavia questa idea è vera per tutte le aziende e tutti i tipi di analisi. Di seguito è riportato un riepilogo di ciò che ho imparato e applicato lavorando come professionista dei dati in una start-up (Digitalizzatore), un ingrandimento (Immutabile) e una grande azienda tecnologica (Facebook) in una gamma di prodotti diversi.
I parametri più importanti per un’azienda cambiano nel tempo. Uber non è stata redditizia per circa 15 anni, ma la società è considerata una delle aziende di maggior successo degli ultimi tempi. Perché? Uber si è concentrata intensamente sulla rapida crescita nei suoi primi anni piuttosto che sulla redditività immediata. L'azienda ha dato priorità a parametri come la crescita e la fidelizzazione degli utenti per stabilire una presenza dominante nel mercato del ride-sharing. Poi, una volta che Uber è diventata la società dominante nel settore del ride-sharing, la sua attenzione si è spostata verso la redditività e la sostenibilità finanziaria. Come molti altri, ancorava i propri parametri alle fasi del ciclo di vita del prodotto.
Dovresti dare la priorità alle metriche in base alle fasi del ciclo di vita del prodotto.
Le metriche su cui ti concentri durante ciascuna fase dovrebbero aiutare a rispondere ai problemi urgenti che ciascuna fase presenta. I problemi tattici possono variare ma deriveranno dalle seguenti domande di alto livello:
- Fase 1 – Introduzione: il prodotto è adeguato al mercato?
- Fase 2 – Crescita: come crescere in modo efficace?
- Fase 3 – Maturità: come possiamo essere redditizi?
- Fase 4: declino: come manteniamo l'interesse degli utenti e rallentamo il declino?
La prima e più cruciale fase del ciclo di vita del prodotto è la fase di introduzione, in cui l'obiettivo principale è raggiungere l'adattamento del prodotto al mercato. In questa fase, i proprietari del prodotto devono determinare se il loro prodotto soddisfa una reale esigenza del mercato e ha risonanza con il pubblico di destinazione. Comprendere l’idoneità del prodotto al mercato implica valutare se i primi utilizzatori non solo utilizzano il prodotto ma trovano anche valore in esso. Avere fiducia nell’adattamento del prodotto al mercato pone le basi per la crescita e la scalabilità future.
Esistono 3 parametri che possono fornire chiarezza sul raggiungimento dell'idoneità del prodotto al mercato. Questi sono, in ordine di importanza:
- Ritenzione: Gli utenti trovano valore nel prodotto? Metriche di esempio: Ritenzione D30, curve di ritenzione di coorte.
- Utenti attivi: Quanti utenti ha il prodotto? Questo sta aumentando? Metriche di esempio: Utenti attivi giornalieri (DAU), Utenti attivi mensili (MAU), Contabilità della crescita.
- Appiccicosità: Il prodotto è accattivante e utilizzato frequentemente? Metriche di esempio: DAU/MAU, istogramma della frequenza di attività (a volte chiamato istogramma L28).
Utilizzati insieme, questi tre parametri possono misurare quantitativamente se esiste un prodotto adatto al mercato o indicare il problema più critico del prodotto. Ci sono 5 potenziali scenari in cui ti ritroverai:
- Nessuna fidelizzazione a lungo termine e bassa crescita degli utenti (caso peggiore): In questo scenario non esiste un prodotto adatto al mercato. Gli utenti non tornano a utilizzare il prodotto e esiste un piccolo mercato. Ciò richiede grandi cambiamenti nel prodotto e/o nel mercato di riferimento.
- Nessuna fidelizzazione a lungo termine ma elevata crescita degli utenti: Questo è il problema del secchio che perde. Gli utenti vengono acquisiti, utilizzano il prodotto per un breve periodo, ma alla fine tutti abbandonano. L’attenzione qui è sulla fissazione della fidelizzazione e sul rallentamento della crescita.
- Fidelizzazione a lungo termine ma bassa crescita degli utenti: L’obiettivo in questo scenario è adattare il funnel di acquisizione per migliorare la crescita degli utenti o, se il mercato si rivela piccolo, orientarsi verso un mercato più ampio.
- Fidelizzazione a lungo termine, elevata crescita degli utenti, ma bassa persistenza: Questo è un prodotto di utilità in cui gli utenti trovano valore, ma che utilizzano raramente. Gli esempi includono app per la preparazione fiscale, siti Web di viaggi e siti di biglietteria per eventi. L'attenzione dovrebbe essere rivolta all'esplorazione di nuove funzionalità che rendano il prodotto più coinvolgente.
- Fidelizzazione a lungo termine, crescita elevata degli utenti ed elevata persistenza (stato ideale): Gli utenti ritornano al prodotto, lo utilizzano frequentemente e il numero degli utenti è in crescita. Ciò dimostra l’idoneità del prodotto al mercato.
Una volta che un’organizzazione ha fiducia nell’adattamento del prodotto al mercato, l’attenzione può spostarsi sulla crescita. Questo approccio evita di spendere ingenti somme per l'acquisizione di utenti solo per dover cambiare il prodotto o il mercato o per far sì che la maggior parte degli utenti abbandoni.
La fase di crescita è quella in cui un prodotto ha il potenziale per passare da promettente a dominante. Un perfetto esempio di scalabilità efficace è la famosa regola di Facebook “8 amici in 10 giorni”. Utilizzando l'analisi e la sperimentazione del funnel, Facebook ha scoperto che i nuovi utenti che si connettevano con almeno 8 amici entro i primi 10 giorni avevano molte più probabilità di rimanere attivi sulla piattaforma. Questa intuizione ha portato a sforzi mirati a ottimizzare l'onboarding degli utenti e a incoraggiare le connessioni di amici, aumentando significativamente la fidelizzazione e la persistenza degli utenti. In questa fase, la domanda chiave è: come possiamo scalare in modo efficace mantenendo la qualità del prodotto e la soddisfazione dell’utente?
L'analisi in questa fase dovrebbe ampliarsi per includere 3 tipi:
- Analisi del percorso dell'utente: Come ottimizziamo l'esperienza dell'utente? Metriche di esempio: Tasso di conversione, tempo di conversione, canalizzazioni.
- Sperimentazione: Come possiamo determinare se un cambiamento migliorerà positivamente i parametri chiave? Metodi di esempio: Test A/B, test multivariati.
- Analisi “Aha”: Qual è il momento che provoca un cambiamento radicale nella fidelizzazione e nella persistenza degli utenti. Metriche di esempio: Una combinazione di analisi del percorso dell'utente, sperimentazione e metriche di adattamento del prodotto al mercato.
Quando si implementa l'analisi del percorso dell'utente, meno è meglio. La tentazione potrebbe essere quella di strumentare ogni pagina e ogni pulsante di un prodotto, ma spesso ciò può essere oneroso da implementare per i tecnici e difficile da mantenere. Inizia invece solo con un evento di inizio e di fine: questi due eventi ti permetteranno di calcolare un tasso di conversione e un tempo per la conversione. Espandi oltre i due eventi per includere solo i passaggi critici nel percorso dell'utente. Assicurati che gli eventi catturino segmenti di utenti come dispositivo, sistema operativo e posizione.
La sperimentazione è un muscolo che richiede esercizio. Dovresti iniziare a sviluppare questa capacità nelle prime fasi del ciclo di vita di un prodotto e di un'azienda perché è più difficile da implementare rispetto a un insieme di parametri. Rafforza la tua forza coinvolgendo i team di prodotto, ingegneria e dati nella progettazione degli esperimenti. La sperimentazione non è cruciale solo nella “Fase 2: crescita”, ma dovrebbe rimanere una parte fondamentale dell'analisi per tutto il resto del ciclo di vita del prodotto.
L'analisi “Aha” aiuta a identificare i momenti cruciali che possono potenziare la crescita. Queste sono le interazioni chiave in cui gli utenti realizzano il valore del prodotto, portando a lealtà e appiccicosità. Gli 8 amici di Facebook in 10 giorni sono stati il momento “aha” dei loro utenti. Questa analisi richiede agli analisti di esplorare una varietà di potenziali caratteristiche e può essere difficile da identificare e sintetizzare in un semplice momento “aha”. Assicurati di utilizzare il file approccio guidato da ipotesi per evitare di far bollire l'oceano.
Nella fase di maturità, l’attenzione si sposta dalla rapida crescita all’ottimizzazione della redditività e della sostenibilità a lungo termine. Questa fase riguarda il perfezionamento del prodotto, la massimizzazione dell'efficienza e la garanzia che l'azienda rimanga competitiva. Aziende come Apple, Netflix e Amazon hanno attraversato con successo questa fase perfezionando la gestione dei costi, aumentando le entrate degli utenti ed esplorando nuovi flussi di entrate.
L’attenzione in questa fase si sposta su:
- Metriche di monetizzazione: Come possiamo essere redditizi mantenendo un prodotto di alta qualità e una base di clienti soddisfatta? Metriche di esempio: Costo di acquisizione del cliente (CAC), valore della vita del cliente (LTV), rapporto LTV:CAC, ricavi ricorrenti mensili (MRR).
Le metriche di monetizzazione hanno obiettivi chiari in termini di tentativo di aumentare le entrate e ridurre i costi. I team di marketing e Go-To-Market spesso sono responsabili della riduzione del CAC e i team di prodotto spesso sono responsabili del miglioramento di LTV e MRR. Le strategie possono variare dall'ottimizzazione della spesa pubblicitaria, alla riduzione dei tempi di chiusura delle trattative di vendita fino al cross-selling e al raggruppamento di prodotti per gli utenti esistenti. In generale, un rapporto LTV:CAC compreso tra 3:1 e 4:1 viene spesso utilizzato come obiettivo per le società di software B2B, mentre gli obiettivi B2C sono più vicini a 2,5:1.
“Il tuo margine è la mia opportunità” – Jeff Bezos. Man mano che i prodotti maturano, la redditività inevitabilmente diminuisce. I concorrenti identificano la tua opportunità e aumentano la concorrenza, gli utenti esistenti migrano verso sostituti e nuove tecnologie e i mercati si saturano, offrendo poca crescita. In questa fase diventa fondamentale il mantenimento del bacino di utenza esistente.
Nella Fase 4 è possibile adottare un’ampia serie di parametri utili. Alcuni tipi chiave sono:
- Modello di previsione del tasso di abbandono: Possiamo identificare gli utenti che potrebbero abbandonare e intervenire? Modelli di esempio: Regressione logistica, modelli ad albero, reti neurali.
- Analisi degli utenti esperti: Cosa possiamo imparare dagli utenti più coinvolti? Metriche di esempio: Persistenza, utilizzo delle funzionalità, volume delle transazioni.
- Analisi delle cause principali: Quali sono le cause principali dei parametri chiave? Analisi di esempio: Revisioni aziendali trimestrali, alberi dei driver di emissione.
Creando modelli di previsione dell'abbandono e analizzando l'importanza delle funzionalità, è possibile identificare le caratteristiche degli utenti che potrebbero abbandonare e implementare misure di intervento. Dato che la crescita dei nuovi utenti è rallentata, mantenere gli utenti esistenti è fondamentale. Questa analisi può anche aiutare a resuscitare anche gli utenti precedentemente abbandonati.
L'analisi degli utenti esperti cerca di comprendere gli utenti più coinvolti e le loro caratteristiche. Questi utenti hanno la massima priorità da mantenere e hanno un comportamento di utilizzo del prodotto che idealmente sarebbe condiviso tra tutti gli utenti. Cerca utenti attivi ogni giorno, che trascorrono lunghi periodi di tempo nel prodotto, che utilizzano più funzionalità e che spendono di più. Implementare misure, come programmi fedeltà, per fidelizzare questi utenti e identificare percorsi per aumentare il numero di utenti esperti.
L'analisi delle cause profonde è essenziale per approfondire aree problematiche specifiche all'interno di un prodotto maturo. Considerata la complessità e la portata dei prodotti in questa fase del ciclo di vita, è fondamentale avere la capacità di condurre approfondimenti personalizzati sui problemi. Questo tipo di analisi aiuta a scoprire i fattori alla base dei parametri chiave, fornisce fiducia nei cambiamenti di prodotto che sono costosi da implementare e può aiutare a districare le misure interdipendenti nell’ecosistema del prodotto.
Un prodotto o un'azienda che si trova in questa fase finale può scegliere di creare nuovi prodotti ed entrare in nuovi mercati. A quel punto, il ciclo ricomincia e l’attenzione torna all’adattamento del prodotto al mercato all’inizio di questo blog.
“Concentrarsi è dire no.” – Steve Jobs. L'analisi dei prodotti è un pozzo senza fondo di potenziali metriche, dimensioni e visualizzazioni. Per utilizzare in modo efficace l’analisi dei prodotti, le aziende devono dare priorità alle metriche fino a poche aree di interesse alla volta. Questi parametri possono essere supportati da una serie di altre misure, ma devono avere quanto segue:
- Team allineati su quali metriche dovrebbero avere la priorità
- Team che comprendono profondamente la definizione delle metriche chiave
- Metriche legate a una domanda chiave sul prodotto
- Un’azione tangibile che può essere intrapresa per migliorare la metrica
Ciò può essere ottenuto dando priorità alle metriche giuste in ciascuna fase del ciclo di vita del prodotto: introduzione, crescita, maturità e declino. Dal raggiungimento dell'adattamento del prodotto al mercato alla scalabilità efficace, all'ottimizzazione della redditività e al mantenimento dell'interesse degli utenti, ogni fase richiede una chiara attenzione ai problemi più rilevanti da risolvere.
Ricorda, non si tratta di misurare tutto; si tratta di misurare ciò che conta. Nelle parole di Steve Jobs, diciamo no al rumore e sì a ciò che fa veramente progredire i nostri prodotti.
Fonte: towardsdatascience.com
