في عالم اليوم السريع الخطى الذي يتميز بمنتجات MVP وCI/CD وخطوط أنابيب البيانات، قد يظن المرء أن مديري المنتجات لديهم كل البيانات التي يحتاجون إليها لضمان نجاح المنتجات التي يصنعونها. لكن الحقيقة هي أن بعض المؤسسات لا تزال تعاني من صوامع البيانات، لذا فقد لا يكون من الواضح ما هي البيانات المتاحة، ناهيك عن قيمتها. ويتمثل تحدٍ آخر في الميل إلى الاعتماد بشكل كبير على التكنولوجيا في كل ما يتعلق بالبيانات. على سبيل المثال، من لديه الوقت لمجموعات التركيز عندما تكون منتجات MVP وخطوط أنابيب CI/CD هي أسلوب العمل اليوم؟
تجعل الذكاء الاصطناعي الحصول على البيانات أسرع وأسهل، ولكن الرؤى والتوصيات التي تولدها قد لا تكون موثوقة بالضرورة.
يقول رامون تشين، كبير مسؤولي المنتجات في منصة مراقبة البيانات: “إذا ذهبت للحصول على البيانات بنفسك، فإنك تميل إلى الاهتمام بها أكثر. وعندما يتم تقديمها، فهناك خطر أن تصبح كسولًا وتتوصل إلى استنتاجات خاطئة”. أكسلداتا“تساهم جميع مصادر البيانات التي تستخدمها في استنتاجاتك ويجب منح إدارة المنتج درجة موثوقية، لذا يتعين عليك تحديد أولويات كيفية ترجيح مصدر المساهمة في استنتاجاتك.”
بعبارة أخرى، عليك أن تفكر بشكل استراتيجي في مصادر البيانات التي يمكن الاعتماد عليها، على الرغم من أن العديد من مديري المنتجات لا يتعاملون مع المشكلة بهذه الطريقة. وبدلاً من ذلك، هناك ميل إلى استخدام أي بيانات متاحة بسهولة، على الرغم من أنها قد تكون غير كاملة في أفضل الأحوال.
على سبيل المثال، تعد Acceldata أداة SaaS، لذا فمن السهل فهم سلوك المستخدم بالمعنى الرقمي. ومع ذلك، يوفر هذا التحليل “الماذا”، ولكن ليس “السبب”. لذا، يجمع تشين أيضًا مدخلات من مجلس استشاري منتجات Acceldata، ويتحدث إلى شركات أبحاث السوق الكبرى، ويستخدم بيانات تعليقات العملاء. وفي الآونة الأخيرة، تمت إضافة الذكاء الاصطناعي إلى المزيج، وأسفر عن بعض النتائج المثيرة للاهتمام.
يقول تشين: “لقد أضفنا قدرة جديدة لمساعد الطيار بالذكاء الاصطناعي إلى منصة مراقبة البيانات الخاصة بنا، وقد نشأ ذلك من البيانات التي تم جمعها بطريقة عادية. والآن، يساعدنا الذكاء الاصطناعي في تطوير إضافة للذكاء الاصطناعي وهي تولد إيرادات. لم نكن لنبني هذا بالضرورة لو لم نتمكن من تجميع هذه البيانات”.
إدارة المنتجات المعتمدة على البيانات يمكن أن تزيد من الإيرادات
أيسلين رايت، نائب الرئيس لإدارة المنتجات في شركة Postgres للبيانات والذكاء الاصطناعي قاعدة بيانات المؤسسةلدى , تجربة مماثلة. كانت شركتها لديها الكثير من بيانات العملاء في Salesforce، ولكن بصفتها مديرة منتج، تساءلت عن سبب الفوز بالصفقات وخسارتها. لذا، قامت بسحب البيانات من Salesforce إلى Tableau وأجرت بعض التحليلات المتعلقة بالتسعير.
من خلال النظر إلى البيانات من جميع المراحل المختلفة، اكتشف رايت أن التسعير كان عاملاً في خسارة المبيعات، لكن التحليل ألقى أيضاً الضوء على فرصة جديدة: التسعير البديل.
“لقد أضفنا خيارًا للعملاء لشراء التسعير القائم على المثيلات، لأن بعض نقاط الأسعار الأساسية باهظة الثمن بالنسبة للعملاء الذين يقومون بإنشاء بصمات أكبر. لقد اختبرنا خطة مفتوحة المصدر بالكامل مع المثيلات عندما لم يكن لدينا أي من ذلك من قبل، لذا فقد أعطتنا الفرصة للتسويق إلى مجموعة كاملة من العملاء. [new] يقول رايت: “لو لم أقم ببعض التحليلات من جانب Salesforce فيما يتعلق بأسباب الخسارة، فربما لم نكن لنتوصل أبدًا إلى هذه الخطة الجديدة، التي تقدم نسخًا ونوى إضافية وتغيير بعض هياكل المصنع”.
كما قامت رايت وفريقها بتغيير الطريقة التي تم بها جمع البيانات من فريق المبيعات، حتى تتمكن من التقاط بعض أسباب الخسارة الأكثر تحديدًا المتعلقة بالمنتجات، مما يساعد في خريطة الطريق.
على مدار العام الماضي، عمل رايت أيضًا مع شركة أبحاث مستخدمين قامت بتشغيل 15 شخصية مختلفة من خلال عرض نموذجي مدته ساعة واحدة بهدف الحصول على تعليقات حول المنتج.
يقول رايت: “لقد نجح الأمر بشكل جيد حقًا. لقد نجحت هذه المشاريع الأربعة [provided] مزيد من التفاصيل حول بعض تغييرات خريطة الطريق، والتي لاقت صدى جيدًا من وجهة نظر المراسلة وفهم ما [customers] “أريد أن أرى ذلك في النسخة القادمة.”
فكر بشكل شمولي
من الحكمة أن نفكر في المنتجات على مستوى شامل، من منظور تجربة العملاء الكاملة. وهذا يتطلب بيانات نوعية وكمية.
جيف بياتزا، نائب الرئيس الأول لتصميم التجربة في شركة خدمات التحول الرقمي وتطوير المنتجات أوريون للإبتكارويقول إن شركته تبدأ بالبحث الأساسي لإعلام كل من فريق التصميم وفريق إدارة المنتج فيما يتعلق بالميزات التي يجب تضمينها أو عدم تضمينها في التطبيق.
على سبيل المثال، في حالة تطبيق المقاولين، عملوا جنبًا إلى جنب مع هذا العميل في أبحاث السوق. وكجزء من ذلك، قاموا بدراسة السوق وصوت العميل وغير ذلك.
“كنا نرسل بضعة أمثلة لتدفق ما ونحصل على فهم لما إذا كان سيلقى صدى لدى الجمهور أم لا. بالإضافة إلى ذلك، قضينا بعض الوقت في فعاليات الشراكة الخاصة بهم. قمنا بإنشاء كشك ابتكار سمح لنا بالتواجد على الأرض وإنشاء النماذج الأولية باستخدام Figma. [We walked] يقول بياتزا: “لقد قمنا بتحليل السيناريوهات المختلفة لفهم كيفية استخدام الأشخاص لهذا المنتج يوميًا، وهذا سمح لنا بفهم ما يجب تضمينه أو عدم تضمينه قبل الانتقال إلى مرحلة البناء”.
عند إجراء مثل هذه الأبحاث، من المهم طرح الأسئلة الصحيحة. أحد الأخطاء الشائعة هو الوقوع ضحية للتحيز التأكيدي، والذي يتضمن طرح الأسئلة بطريقة تؤكد افتراضات الباحث عندما يعمل البحث الأكثر قيمة على تقليل هذا التحيز. النهج الأفضل هو استخدام الطريقة العلمية واختبار الفرضية.
“عندنا، يبدأ الأمر بالسؤال، هل نطرح السؤال الصحيح لضمان عدم تحيزنا في النتيجة؟” يقول بياتزا.[When it comes to research,] “نحن لا نفكر فقط في المدى الإجمالي لبناء التطبيق ونطاق التطبيق، ولكن أيضًا في كيفية تسويقه.”
يتضمن ذلك فهم المشكلات التي يواجهها التطبيق والخبرة الحالية للمقاول، مثل المدة التي يستغرقها إكمال المهام (نظرًا لأن هدف التطبيق هو تقصير الوقت الذي يستغرقه أداء هذه المهام). إن فهم الوقت الذي يستغرقه إكمال مهمة بدون التطبيق يعمل كخط أساس للمقارنة المرجعية بحيث يتضح مقدار الوقت الذي يوفره التطبيق للمقاولين.
“ابدأ بفكرة فهم التجربة المثالية، ليس فقط من منظور حركة المرور والمقاييس ــ الأهداف والنتائج الرئيسية ومؤشرات الأداء الرئيسية ــ بل أيضًا من منظور عاطفي لأن العاطفة هي التي ستدفع الناس من الإعجاب إلى الحب”، كما يقول بياتزا. “فهم ما يعنيه ذلك بالنسبة لك وسوقك المستهدف والمنتج المحدد، والعمل بشكل عكسي لفهم كيفية الوصول إلى هناك”.
