Ändern Sie Ihre Herangehensweise an Experimente mit diesem 7-Schritte-Framework

Experimentieren ist für Produktteams unerlässlich. Aber wenn du es falsch machst, kannst du es genauso gut gar nicht tun. Damit Ihre Experimente lohnenswert, vorhersehbar und nachhaltig sind, benötigen Sie ein System, das Ihre Tests auf Geschäftswachstum und Kundenprobleme ausrichtet.

Warum Sie ein Experimentier-Framework brauchen

Experimentieren ermöglicht es Teams, mit einer Wachstumsmentalität zu arbeiten, bei der sie mit dem Verständnis arbeiten, dass sich ihr Wissen über das Produkt und seine Benutzer ändern kann. Sie können wissenschaftliche Methoden anwenden, um die Wahrnehmungs- und Realitätslücke zu schließen, die natürlicherweise bei Skalierungsprodukten auftritt, und sich an den tatsächlichen Bedürfnissen der Kunden ausrichten.

Wenn Teams ad hoc experimentieren, scheitern Experimentierprogramme und Unternehmen schließen Experimente aus ihren internen Entscheidungsprozessen aus. Ein Framework vermeidet diese Situation, indem sichergestellt wird, dass Ihre Experimente Ihren Benutzern und damit Ihrem Unternehmen zugute kommen.

Experimentieren ist der Schlüssel zum Treffen von Entscheidungen, die einen bedeutenden Einfluss auf das Geschäft haben. Intuition allein ist großartig und kann Ihnen gute Ergebnisse bringen, aber Ihr Entscheidungsprozess wird nicht nachhaltig oder zuverlässig sein.

Experimentieren hilft Ihnen, eine Wachstumsmentalität zu entwickeln

Wenn das Experimentieren ein wesentlicher Bestandteil Ihrer Arbeit ist, hilft es Ihnen, sich von einer starren Denkweise zu lösen – bei der Sie nie aktualisieren, was Sie über Ihr Produkt glauben – und mit einer wachstumsorientierten Denkweise zu arbeiten. Anstatt sich auf Ihre Annahmen zu verlassen, lernen Sie kontinuierlich und aktualisieren Ihr Wissen. Dann können Sie die bestmöglichen Entscheidungen für Ihr Unternehmen und Ihre Kunden treffen.

Experimentieren hilft Ihnen, Ihre Instinkte zu aktualisieren und bessere Entscheidungen zu treffen

Wenn Sie nicht experimentieren, treffen Sie Entscheidungen basierend auf Intuition oder einfach dem, was die lauteste Stimme im Raum für richtig hält. Durch regelmäßiges Experimentieren können Sie Entscheidungen auf der Grundlage von Erkenntnissen aus Daten treffen.

Sie können lange Zeit erfolgreich intuitive Entscheidungen treffen, aber es ist schwierig, die Intuition in einem wachsenden Unternehmen zu skalieren. Sie können auch nicht wissen, wann Ihre Intuition veraltet und falsch ist.

Während ein Unternehmen wächst und sich verändert, erlischt ständig Ihre Intuition – was Sie über Ihre Produkte, Kunden und die beste Vorgehensweise glauben. Wenn Sie aus Experimenten lernen, können Sie Ihre Intuition basierend auf den erhaltenen Daten verfeinern und aktualisieren.

Experimentieren hilft Ihnen, in der Nähe Ihrer Kunden zu bleiben

Durch Experimentieren können Sie die Wahrnehmungs- und Realitätslücke (den Abstand zwischen dem, was Sie glauben, dass Benutzer wollen, und dem, was sie tatsächlich wollen ) auf ein Minimum beschränken. Wenn Sie sich in der Anfangsphase Ihres Produkts befinden und daran arbeiten, das Produkt für den Markt geeignet zu machen, sind Sie nah am Kunden. Sie sprechen mit ihnen und sind sich ihrer Gefühle und Bedürfnisse bewusst.

Aber wenn Sie mit der Skalierung beginnen, wächst die Wahrnehmungs- und Realitätslücke. Sie müssen sich mit Kunden mit geringeren Absichten und benachbarten Benutzern auseinandersetzen. Sie können nicht wie in der Anfangsphase der Produktentwicklung mit Kunden sprechen, weil es zu viele davon gibt. Experimentieren hilft Ihnen, die Bereiche zu finden, in denen Ihre Intuition falsch ist, damit Sie die Wahrnehmungslücke beim Skalieren verringern können.

Warum Experimentierprogramme scheitern

Experimentierprogramme scheitern oft, wenn Menschen das Experimentieren als einmalige Taktik und nicht als kontinuierlichen Prozess verwenden. Die Leute zielen ihre Experimente auch falsch ab, weil sie erwarten, dass ihre Experimente eher Gewinne als Erkenntnisse liefern.

Experimente sind ad hoc

Teams betrachten Experimente oft als eine isolierte Möglichkeit, die Intuition einer Person in einem bestimmten Bereich zu bestätigen. Ad-hoc-Experimente können gute Ergebnisse bringen oder auch nicht, aber diese Ergebnisse sind nicht vorhersehbar und keine nachhaltige Vorgehensweise.

Experimente haben falsche Ziele

Wenn Leute erwarten, dass Experimente Auftrieb liefern, zielen sie ihre Experimente falsch ab. Obwohl es sich gut anfühlt, Gewinne aus Ihren Experimenten zu ziehen, sind Verluste wertvoller. Verluste zeigen Ihnen, wo Sie eine falsche Überzeugung über Ihr Produkt oder Ihre Benutzer hatten, sodass Sie diese Überzeugung in Zukunft korrigieren können.

Experimente sind nicht auf einen Wachstumshebel ausgerichtet oder auf ein Kundenproblem ausgerichtet

Experimente verursachen Probleme, wenn Sie sie nicht auf den Wachstumshebel ausrichten, auf den sich das Unternehmen konzentriert, denn das bedeutet, dass sie für Ihr Unternehmen nicht nützlich sind. Ebenso führt es zu Problemen, wenn man sich nur auf Geschäftsergebnisse konzentriert, anstatt Experimente rund um ein Kundenproblem zu gestalten. Wenn Sie nur an ein Geschäftsproblem denken, interpretieren Sie Ihre Daten voreingenommen und entwickeln Lösungen, die für den Benutzer nicht von Vorteil sind.

Was passiert, wenn Experimentierprogramme fehlschlagen?

Wenn Experimentierprogramme scheitern oder falsch implementiert werden, verlieren Unternehmen das Vertrauen in Experimente und verlassen sich zu stark auf ihre Intuition. Sie hören auf, ihnen als Weg zur Entwicklung des bestmöglichen Kundenerlebnisses zu vertrauen. Wenn das passiert, nehmen sie das Experimentieren nicht als Teil ihres Entscheidungsprozesses auf, sodass sie den ganzen Wert verlieren, den Experimente bringen.

Werfen wir einen Blick auf einige Beispiele für fehlgeschlagene Experimente. Folgendes passiert, wenn Sie experimentieren, ohne ein Framework zu verwenden, das Sie dazu zwingt, Ihre Experimente an einem geschäftlichen Hebel und einem Kundenproblem auszurichten.

Free-to-Paid-Conversion-Rate

Ein Unternehmen konzentriert sich auf die Monetarisierung und muss sein Produkt monetarisieren. Sie beauftragen ein Team mit der Verbesserung der Free-to-Paid-Conversion-Rate.

Das Unternehmen sagt: „Wir haben eine niedrige Preis-zu-Kasse-Conversion-Rate, also lasst uns die Preisseite optimieren.“ Das Team beschließt, verschiedene Farben und Layouts zu testen, um die Konversionsrate der Seite zu verbessern.

Das Experimentieren zur Optimierung der Preisseite ist jedoch nicht auf das Kundenproblem ausgerichtet. Wenn das Team mit Kunden gesprochen hätte, hätten sie möglicherweise festgestellt, dass es nicht die UX der Preisseite ist, die sie von einem Upgrade abhält. Vielmehr fühlen sie sich möglicherweise noch nicht bereit zu kaufen oder verstehen, warum sie kaufen sollten.

In diesem Fall würde die Optimierung der Preisseite allein keine Ergebnisse bringen. Stellen wir uns vor, das Team konzentriert seine Experimente stattdessen auf das Kundenproblem. Sie könnten versuchen, Testversionen des Premiumprodukts durchzuführen, damit Kunden seinen Wert kennenlernen, bevor sie überhaupt die Preisseite sehen.

Die Arbeit, die Sie am Ende erledigen, und die Erkenntnisse, die Sie gewinnen, sind völlig anders, wenn Sie Ihre Experimente mit dem Geschäftsproblem beginnen („Es gibt eine Konversionsrate, die wir erhöhen müssen“), als wenn Sie mit dem Kundenproblem beginnen („sie noch nicht bereit sind, über einen Kauf nachzudenken“).

Onboarding-Fragebogen

Eine Organisation konzentriert sich auf Akquise, daher versucht das Produktteam, die Abbruchrate von Seite zwei auf Seite drei ihres Onboarding-Fragebogens zu minimieren. Wenn sie nur an das geschäftliche Problem denken, könnten sie Seite drei einfach entfernen. Sie gehen davon aus, dass ein kürzeres Onboarding eine geringere Drop-off-Rate hat.

Nehmen wir an, das Entfernen von Seite drei funktioniert und die Conversion-Rate des Onboardings verbessert sich. Mehr Personen füllen den Fragebogen aus. Das Team nimmt ein Learning mit, das es auf den Rest seines Produkts anwendet: Wir sollten alle Customer Journeys vereinfachen, indem wir so viele Schritte wie möglich entfernen.

Aber dieses Lernen könnte falsch sein, weil sie nicht über die Kundenseite des Problems nachgedacht haben. Sie untersuchten nicht, warum die Leute auf Seite drei abbrachen. Vielleicht war nicht die Länge der Seite das Problem, sondern die Art der Informationen, nach denen gefragt wurde.

Vielleicht enthielt Seite drei Fragen zu persönlichen Informationen wie Telefonnummer oder Gehalt, die die Leute so früh auf ihrer Reise nicht preisgeben wollten. Anstatt die Seite zu entfernen, hätten sie versuchen können, diese Antworten optional zu machen oder Benutzern zu erlauben, ihre Antworten später zu bearbeiten, um mehr Leute dazu zu bringen, diesen Teil des Onboardings zu bestehen.

Ein 7-Schritte-Experimentierrahmen

Befolgen Sie diese Schritte, um Ihre Experimente nachhaltig zu gestalten. Es wird Ihnen helfen, Ihre Experimente auf die Geschäftsstrategie und Kundenprobleme auszurichten.

1. Definieren Sie einen Wachstumshebel

Damit ein Experiment sinnvoll ist, muss es für das Unternehmen von Bedeutung sein. Wählen Sie einen Bereich für Ihr Experiment aus, der mit dem Wachstumshebel übereinstimmt, auf den sich Ihr Unternehmen konzentriert: Akquise, Bindung oder Monetarisierung.

Nehmen wir an, wir konzentrieren uns auf Akquise und stellen fest, dass der Drop-off auf unserer Homepage hoch ist. Um unser Experiment einzurahmen, können wir sagen:

• acquisition Die Beschleunigung der Akquise 2. Kundenproblem definieren

  Bevor Sie fortfahren, müssen Sie das Problem definieren, das das Experiment aus der Perspektive des Kunden zu lösen versucht.

  Sie haben den Product-Market-Fit ermittelt, indem Sie das Kundenproblem identifiziert haben, das Ihr Produkt löst. Wenn jedoch viele Organisationen dazu übergehen, ihr Produkt zu vertreiben und zu skalieren, verlagern sie ihren Fokus auf geschäftliche Probleme. Um effektiv zu sein, müssen Sie sich kontinuierlich weiterentwickeln und mehr über Ihre Produkt-Market-Fit lernen, indem Sie Ihren Vertrieb und Ihre Skalierung in Kundenproblemen verankern.

  Sie werden das Kundenproblem basierend auf Ihren Testergebnissen iterieren. Beginnen Sie mit der Definition eines anfänglichen Kundenproblems, indem Sie angeben, was Ihrer Meinung nach das Problem ist.

  Für unser Homepage-Beispiel könnte das sein:

  • confused Kunden sind verwirrt Entwickeln Sie eine Hypothese

    Definieren Sie nun Ihre Interpretation, warum das Problem besteht. Wie beim Kundenproblem werden Sie Ihre Hypothese wiederholen, während Sie mehr erfahren. Die erste Version Ihres Kundenproblems und Ihrer Hypothese bietet Ihnen einen Ausgangspunkt für Experimente.

    Mögliche Hypothesen für unser Homepage-Beispiel sind:

    • poor messaging Kunden sind aufgrund schlechter Nachrichten verwirrt too many action buttons Unsere Seite hat zu viele Aktionsschaltflächen too vague Unsere Kopie ist zu vage 4. Ideen für mögliche Lösungen mit KPIs

      Überlegen Sie sich alle möglichen Lösungen, die das Kundenproblem lösen könnten. Erstellen Sie eine Möglichkeit, den Erfolg jeder Lösung zu messen, indem Sie angeben, welche Key Performance Indicator (KPI) jede Lösung anspricht.

      Laden Sie unseren Product Metrics Guide herunter, um eine Liste mit wirkungsvollen Produkt-KPIs rund um Akquise, Bindung und Monetarisierung und deren Messung zu erhalten.

      Eine Lösung + KPI für unser Homepage-Beispiel könnte sein:

      • Lösung: KPI: 5. Priorisieren Sie Lösungen

        Entscheiden Sie, welche Lösungen Sie zuerst testen sollten, indem Sie drei Faktoren berücksichtigen: die Kosten für die Implementierung der Lösung, ihre Auswirkungen auf das Geschäft und Ihr Vertrauen, dass sie Auswirkungen haben werden.

        Um Lösungen mit geringen Auswirkungen und hohen Kosten auszusondern, priorisieren Sie Ihre Lösungen in der folgenden Reihenfolge:

        1. Niedrige Kosten, hohe Wirkung, hohes Vertrauen
        2. Niedrige Kosten, hohe Wirkung, geringeres Vertrauen
        3. Niedrige Kosten, geringere Auswirkungen, hohes Vertrauen

        Dann können Sie zu kostenintensiven Lösungen übergehen, aber nur, wenn ihre Wirkung ebenfalls hoch ist.

        Verschiedene Unternehmen können diesen Faktoren unterschiedliche Gewichte beimessen. Beispielsweise wird eine etablierte Organisation mit einem großen Budget weniger vorsichtig sein, wenn es darum geht, kostenintensive Lösungen zu testen, als ein Startup mit wenigen Ressourcen. Sie sollten jedoch immer die drei Faktoren (Kosten, Auswirkungen und Vertrauen in die Auswirkungen) berücksichtigen.

        Ein weiterer Vorteil des Experimentierens besteht darin, dass es Ihnen hilft, Ihre Fähigkeit zu verbessern, eine Vertrauenseinschätzung vorzunehmen. Überprüfen Sie nach dem Experimentieren, ob die Lösung die erwartete Wirkung hatte, und lernen Sie aus dem Ergebnis.

        6. Erstellen Sie eine Experiment-Anweisung und führen Sie Ihre Tests durch

        Sammeln Sie die Informationen, die Sie in den Schritten 1-5 gesammelt haben, um eine Erklärung zu erstellen, die Ihr Experiment umrahmt.

        Für unser Homepage-Beispiel sieht diese Aussage so aus:

        • growth lever customer hypothesis solution KPI Die Beschleunigung der Akquise ist unsere Priorität, und unsere Zielseite mit den höchsten Zugriffszahlen – die Homepage – ist unterdurchschnittlich [ Wachstumshebel ], weil unsere Kunden Hypothese ] Kundenproblem ] verwirrt sind Lösung KPI Definieren Sie eine Baseline für die Metrik, die Sie beeinflussen möchten, erhalten Sie Auftrieb und testen Sie sie.

          7. Lernen Sie aus den Ergebnissen und iterieren Sie

          Kehren Sie basierend auf den Ergebnissen Ihrer Tests zu Schritt 2 zurück, aktualisieren Sie Ihr Kundenproblem und Ihre Hypothese und durchlaufen Sie dann diese Schleife weiter. Hören Sie mit der Iteration auf, wenn sich die Geschäftspriorität (der Wachstumshebel) ändert, z. B. wenn sich die Akquisition verbessert hat und Sie sich auf die Monetarisierung konzentrieren möchten. Richten Sie Ihre Experimente nach dem neuen Hebel aus.

          Ein weiterer Grund, warum Sie mit der Iteration aufhören sollten, ist, wenn Sie abnehmende Renditen sehen. Dies kann daran liegen, dass Ihnen keine Lösungen mehr einfallen oder Sie nicht über die richtige Infrastruktur oder genügend Ressourcen verfügen, um Ihre Kundenprobleme effektiv zu lösen.

          Treffen Sie schneller bessere Entscheidungen

          Um zielgerichtete Experimente für Benutzer bereitzustellen und die Auswirkungen von Produktänderungen zu messen, benötigen Sie die richtige Plattform für Produktexperimente. Amplitude Experiment wurde entwickelt, um die Zusammenarbeit zwischen Produkt-, Engineering- und Datenteams zu ermöglichen, um die Auswirkungen von Produktänderungen mit Benutzerverhaltensanalysen zu planen, bereitzustellen, zu verfolgen und zu analysieren. Fordern Sie eine Demo an, um loszulegen.

          Wenn Ihnen dieser Beitrag gefallen hat, folgen Sie mir auf LinkedIn , um mehr über produktgesteuertes Wachstum zu erfahren. Um weiter in Produktexperimente einzutauchen, sehen Sie sich meinen Experimentier- und Testkurs auf Reforge an .