arrow

назад

ask

Вопрос

Какие методы проверки продуктовой гипотезы выберете, если выборка пользователей небольшая и они не готовы к интервью?

repost

372

input message

напишите коммент


10 комментов

· 29.07.2024

Какие дополнительные методы можно рассмотреть помимо:

  • Просмотр вебвизора по целевым пользовательским путям с высоким процентом отвала/задержках (в прохождении шагов);
  • Просмотр, анализ и структуризация, приоритизация сообщений в тикет системе/tNPC модуле;
  • Сбор обратной связи от аккаунт менеджеров относительно болей и потребностей пользователей;
  • Анализ функционала и пользовательских путей конкурентов по фокусным инструментам, выявление решений с большим весом пересечений.

Какие еще методы вы бы применили?

Здесь мы гипотетически предполагаем, что на продукт привлечены/привлекаются целевые пользователи.

0

ответить

Какой продукт тестируете? Нет контекста.

0

ответить

· 29.07.2024

Предположим, что это B2B SaaS продукт в сфере AdTech. Гипотезы об оптимизации пользовательских путей и новом функционале необходимо сформировать в двух направлениях: решения потребностей или блокеров в текущем функционале и выявление набора гипотез о функионале, которого дополнительно явно не хватает пользователям.

0

ответить

Идти к конкурентам и смотреть как у них работает и что можно улучшить в своем продукте. Собирать тестовую группу из пользователей и специалистов b2b может за какие-то бенефиты. Приглашать адресно. Тесты проведете, обратную связь соберете и возможно получите клиентов в будущем. Смотреть статистику общую со стороны крупного сервиса на который вы ориентируетесь. Явно же они отчеты выпускают.

Нужно где-то взять клиента/пользователя со стороны, мало кто изнутри продукта сможет встать на сторону клиента и провести качественный тест-анализ. Такой человек на вес золота, который может вышагнуть из своего продукта и посмотреть глазами клиента. Внедрять фишки поэтапно сгруппированными блоками, а не вываливать сразу весь функционал. Эмпирически всё равно нужно проверять куда пользователи тычут интуитивно, без этого не обойтись. И максимально подробные гайды, подсвечивание функционала делать, чтобы человек научился. И считать показатели: матмодель построить простую хотя бы, чтобы были ориентиры. Всё же реклама это специфическая узкая сфера.

0

ответить

· 30.07.2024

Мирослава, спасибо за развернутый комментарий.

Поиск и набор тестовой группы внешних B2B пользователей действительно может убить сразу двух зайцев. Полагаю тот же таргет через квиз здесь может подойти.

Да даже холодные продажи с предварительным интервью или лайв этапом онбординга может сильно помочь выявить слабые места на пользовательском пути, такое проводим, очень помогает обогащать CJM.

Анализ конкурентных решений это must have, согласен! В частности под данный кейс. Когда своих данных мало спасают чужие ))

Взял ваше предложение по проведению тестов для внешних пользователей на вооружение. Благодарю!

0

ответить

Успехов! Составьте список вопросов с предельной точностью что вам нам тестировать на живой аудитории. Иначе будет кто в лес, кто по дрова. Помогите пользователям. Штук 7 хватит для выявления закономерностей )

0

ответить

· 30.07.2024

Для внешних опросов/тестов в любом случае необходимы будут не узкоспециализированные вопросы, а больше общие по набору используемых инструментов в данной нише. Но это тоже является существенным плюсом как дополнительные данные для дальнейшего скоринга фичей.

0

ответить

Когда внедряли 1С в удаленных филиалах и нужно было прикрутить отчеты, допилить под нас и дописать, внутренние сотрудники помогли не очень ) Больше нам помогли 1Сники, которые просто взяли примеры у схожих бизнесов. Потом я маркетинговый отчёт под себя собирала. Знаю, что теперь такой отчёт успешно внедряется в сторонние компании, ТЗ под который я долго сочиняла, но сам отчёт написали быстро. Стоит заморочиться и один раз сделать красивое ) это мой личный опыт.

Узкоспециализированные фишки это ваши аналитики помогут по пользовательским сценариям уже, надо будет порисовать и всё получится.

0

ответить

Можно начать с того, что если человек больше 30, то выборка уже хороша и будет близка к нормальному распределению согласно Центральной предельной теореме.

Если рассматривать ML модели, то для небольших выборок хорошо работает кросс-валидация. Например, делим выборку на 10 кластеров, обучаем модель на 1-9 и тестируем на 10 кластере. Затем обучаем на 1-8 и 10, далее тестируем на 9.

Таким образом каждый объект побывает в обучающей выборке.

После чего у нас будет 10 моделей, каждую из них тестируем на всей выборке и выбираем лучшую.

Очень многое зависит от задачи, возможно, что мои предложения идут совсем мимо.

0

ответить

· 28.07.2024

Алексей, большое спасибо за ответ! Ограничение по количеству символов в вопросе не позволяет раскрыть детали вопроса подробнее. Речь шла о discovery фреймворках при реализации продуктового функционала.

Кстати говоря, предложенное решение в области ML косвенно дает ответ о возможных подходах применимых к данному кейсу.

Вопрос перефразирую. Благодарю!

0

ответить

еще контент автора

пост закреплён — пока закрепить можно только один пост

trash bin
перейти к нему не получится