데이터 기반 회사 구축
게시 됨: 2018-09-12다음은 피드백 수집 SaaS 도구인 Feedier의 공동 설립자인 Baptiste Debever의 블로그 게시물입니다.
이상적인 세상에서 우리는 제품을 출하하고 자연스럽게 들어오는 사용자를 보고 다음 제품으로 넘어갈 것입니다.
그러나 우리는 그런 세상이 아니며 제품 관리는 끊임없는 혁신 루프와 동의어입니다.
피드백 루프, 린 프로세스, MVP, 빠른 배송, A/B 테스트 및 모든 멋진 단어와 같은 용어를 들었을 것입니다.
그것들은 모두 데이터를 통한 제품 개선, 즉 사용자가 최신 변경 사항 및 기능과 상호 작용하는 방식을 주문하거나 분석하고 앞으로 나아갈 수 있는지 결정하기 위해 매주 지속적인 실험을 실행하는 것과 동의어입니다.
그것이 바로 오늘 우리가 이야기하고 싶은 것입니다.
우리는 데이터를 좋아하지만 데이터 중심의 함정에 빠지지 않고 오히려 데이터에 입각한 입장을 취하도록 도와줄 것입니다.
오해하지 마세요. 감정에 따라 결정을 내려야 한다는 말은 아닙니다. 하지만 회사로서 모든 결정을 내리기 위해 데이터를 사용하는 것과 사용자의 의견을 듣는 것 사이에서 적절한 절충안을 찾아야 합니다. 직감과 고객의 목소리.
자, 더 이상 고민하지 않고 바로 들어가 보겠습니다.
무엇을 논의할 것인가?
먼저 두 접근 방식의 차이점에 대한 간략한 개요를 제공한 다음 사용자의 의견을 경청하여 데이터 기반 자세를 유지하는 데 필요한 프로세스를 논의하고 마지막으로 데이터 기반 의사 결정에 대해 논의합니다. 정보 세계.
이 기사는 대부분의 제품 유형에 모델을 적용할 수 있지만 주로 소프트웨어 제품에 중점을 둡니다.
데이터 기반과 데이터 기반의 차이점
데이터 중심 회사에서 제품 팀은 변경 사항에 영향을 줄 수 있는 외부 요인을 실제로 살펴보지 않고 주요 지표 또는 KPI를 개선할 방법을 끊임없이 찾고 있습니다.
예를 들어, 새로운 경쟁자가 막 시장에 진입했는데 매우 매력적이고 효율적인 것으로 판명되었기 때문에 귀하의 이탈이 증가할 수 있습니다. 또는 단순히 제품의 타이밍이 맞지 않아 고객이 나중에 다시 찾아올 수 있습니다.
따라서 이러한 데이터 기반 팀은 핵심 성과 지표를 개선하기 위해 최대한 빨리 개선 사항을 제공하고 결과를 측정하며 데이터를 사용하여 다음 단계를 수행합니다. 그런 다음 다시 루프합니다.
반면에 데이터에 정통한 팀은 데이터만큼 고객의 목소리, 외부 상황, 고객의 경험 및 고객 요구 사항을 중요하게 생각합니다.
데이터는 결정에 영향을 미치는 유일한 요소가 아니며 그 중 하나일 뿐입니다. 따라서 데이터에 기반한 팀은 올바른 결정을 내리기 위해 다양한 측면을 혼합할 수 있습니다.
데이터에 정통한 팀은 데이터를 글로벌 전략 및 실행 계획에 맞추고 데이터 분석과 결합하여 앞으로 나아갈 수 있습니다.
헥스터 데이터 분석 정보
이것은 Atlassian 팀의 Alastair Simpson 이 멋지게 표현했습니다.
신규 고객을 위한 온보딩 경험을 개선하기 위해 실험을 진행했습니다. 데이터 관점에서 볼 때 결과는 큰 실패였습니다. 그 결과 참여도(제품 사용 시간)와 중립적인 전환율이 -12% 증가했습니다. 그래서 우리는 그것을 버리고 다른 것으로 옮겼습니까? 아니요, 팀은 우리가 설계한 실험을 믿었고 우리의 정성적 연구는 우리가 올바른 방향으로 가고 있다고 말했습니다. 우리의 확신은 맞았습니다. 우리는 데이터에서 몇 가지 교훈을 얻었고, 질적 연구에서 얻은 통찰력을 적용하고, 실험을 반복했으며, 디자인을 조정하여 참여 중립을 유지하면서 +22% 전환율로 성공했습니다.
이것은 데이터 기반이 아니라 데이터 기반입니다. 우리는 우리가 가지고 있는 데이터를 사용하고 질적 피드백 및 디자인 직관과 결합하여 궁극적으로 성공적인 반복을 생성했습니다. 우리는 바이너리가 아니었고 문제의 첫 징후에 완전히 버리지 않았습니다.
이 외에도 Josh Porter 의 일러스트레이션은 상황을 완벽하게 묘사하고 데이터 정보 제공의 개념을 설명합니다.
데이터에 기반한 정보가 항상 최선의 선택입니까?
오해하지 마세요. 데이터 기반에도 사용 사례가 있습니다. 이 기사에서 Andrew Chen이 언급했듯이 "데이터 기반의 첫 번째 문제는 수집할 수 있는 데이터가 종종 수정 불가능한 방식으로 체계적으로 편향된다는 것입니다."
즉, 매우 짧은 기간에 사용할 수 있는 데이터가 많을 때 데이터를 수집하고 참조하는 것과 관련이 있습니다.
예를 들어 옵트인 또는 구독하는 사람들의 비율이 여기에 적합합니다. 가입 페이지에서 A/B 테스트를 실행하고 어떤 것이 가장 잘 작동하는지 확인할 수 있습니다.
그러나 반면에 매우 드물거나 비용이 많이 드는 이벤트에 의존하는 경우 데이터에만 의존하는 것은 의미가 없습니다.
훌륭합니다. 하지만 이제 데이터 기반 회사를 구축하기 위해 무엇이 필요한지 궁금할 것입니다.
그것은 바로 다음 섹션의 주제인 통찰력을 제공하기 위해 루프를 만드는 방법입니다.
설계 피드백 루프 생성
우리는 자신의 경험, 컨텍스트 및 사용자의 목소리와 손에 있는 데이터를 혼합하여 관리하는 데이터 정보 회사의 개념을 설명했습니다.
두 번째 요점인 사용자 피드백으로 이어집니다.
사실 공감을 키우고 사용자의 요구를 진정으로 이해하려면 사용자의 피드백을 들어야 합니다.
긍정적이든 부정적 이든 효과적인 피드백 은 매우 도움이 됩니다. 피드백은 중요한 결정을 내리는 데 사용되는 귀중한 정보입니다. 일류 기업은 고객의 소리에 귀를 기울여 개선할 수 있는 방법을 지속적으로 모색했기 때문에 선도자가 되었습니다.
이러한 이유로 고객이 귀하의 제품에 대해 어떻게 느끼는지 직접 볼 수 있는 훌륭한 피드백 루프를 갖는 것이 중요합니다.
시작 단계에 있을 때 얼리 어답터와 대화하는 동안 피드백을 수집하는 것은 비교적 쉽습니다 .
그러나 규모를 확장함에 따라 고객 만족도 팀이 평가하고 제품 팀에 피드백을 전달할 수 있도록 하는 것이 중요합니다. 정성적 피드백을 분석하고 이를 정량적 데이터와 결합하여 올바른 결정을 내리기 위해서는 적절하게 순환되고 자동화된 시스템이 필요합니다.
따라서 피드백을 받는 첫 번째 단계는 앱을 확장하는 것입니다...
농담이야…
여기의 목표는 사용자와 관련이 있을 때마다, 즉 사용자가 피드백을 받고 싶은 특정 항목과 상호 작용할 때마다 피드백 요청을 하는 것입니다.
예를 들어, 새로운 기능에 대한 피드백을 수집하는 경우 사용자가 해당 기능과 상호 작용할 때 웹 애플리케이션에 나타나는 위젯을 포함하는 기능을 제공 하는 피드백 도구를 사용할 수 있습니다.
그러나 일부 사용자를 이탈하게 한 원인을 이해하기 위해 피드백을 수집하는 데 관심을 가질 수도 있습니다. 이 경우 위젯은 의미가 없습니다.
여기서 더 나은 옵션은 전화를 들고 관련 사용자에게 전화를 거는 것입니다.
그런 다음 이러한 통찰력을 사용하고 제품 팀으로 보내는 프로세스를 자동화할 수 있습니다. Zapier와 같은 도구를 사용하여 사용 중인 프로젝트 관리 도구를 통해 자동으로 푸시할 수 있습니다.
피드백 루프
이 루프를 사용하면 공감을 구축하고 고객이 가입하도록 유도한 동기를 진정으로 이해하는 데 도움이 됩니다.
사용자가 전환하지 않거나 UX 개선에 충분히 투자하지 않았기 때문에 더 이상 확장할 수 없으면 루프가 끊어집니다.
수백 개의 조직이 두 가지 매우 중요한 문제로 어려움을 겪고 있습니다. 진정한 비즈니스 영향을 미치기 위한 조치를 취하고 가장 중요한 주주인 고객에게 후속 조치를 취합니다.
이것이 기업이 폐쇄 루프 프로세스를 필요로 하는 곳입니다. 고객 피드백에 대한 루프를 닫는다는 것은 고객의 의견을 경청하고 고객의 의견에 따라 조치를 취하며 조직 내에서 긍정적이고 혁신적인 변화를 주도하여 전반적인 고객 경험을 개선한다는 것을 의미합니다.
마무리
지금쯤이면 데이터 기반 팀을 이끄는 더 나은 방법을 알게 되었기를 바랍니다.
고무는 이제 길을 치기 시작합니다... 우리는 우리의 새로운 프로세스를 사용하여 결정을 내려야 합니다.
요약하자면, 우리의 정량적 데이터는 WHAT을 이해하는 데 도움이 되며 피드백 및 인터뷰의 정성적 데이터는 더 잘할 수 있는 것에 대한 질문에서 WHY를 이해하는 데 도움이 됩니다.
하지만 그게 다가 아닙니다. 감성 지능과 경험을 제쳐 두지 마십시오. 페이스북이 데이터를 기반으로 만들어졌다고 생각하시나요? 글쎄요, 아니요, 모든 것은 직관, 사람들이 어울리고 온라인 교환 가치를 연결하고 그것을 고수할 것이라는 직관에서 시작되었습니다.
데이터는 인간의 지능, 명석하고 강력한 의사 결정을 대체하지 않으며 인간이 더 나은 결정을 내리는 데 도움이 됩니다.
나는 당신이 이 작품을 즐겼기를 바랍니다. 있다면 우리 블로그 에 이와 유사한 것이 더 있습니다.
댓글로 저를 때리고 이 기사를 공유해 주세요!
데이터에 입각한 의사 결정이 진행됨에 따라 피드백 개선 설계 루프를 따라잡기 위해서는 고품질의 정량적 데이터가 꾸준히 유입되는 것이 중요합니다.
여기에서는 사용자 의도와 행동에 대한 통찰력을 제공하는 웹사이트 성능에 대한 분석 데이터에 대해 이야기하고 있습니다.
Morningscore의 SEO 도구를 사용하여 타겟 그룹에 가장 적합한 키워드를 추적하고 가장 많은 트래픽을 가져올 수 있습니다. 가장 실적이 좋은 키워드를 사용하면 구매 프로세스, 즉 고려 및 결정 단계에서 최적의 시간에 사용자 앞에 표시하는 데 도움이 됩니다. 이 전략은 잠재 고객이 관심을 나타내기 시작하지도 않았을 때 광고로 샤워를 하는 전통적인 푸시 방식보다 고객을 끌어들이고 더 높은 전환율을 제공합니다.
—
저자 소개
Baptiste Debever는 회사가 게임화를 통해 더 나은 피드백을 수집하는 데 도움이 되는 앱인 Feedier 의 공동 창립자이자 성장 책임자인 프랑스 기업가입니다.