دو حالت کشف محصول: کاوش در برابر بهرهبرداری
خلاصهٔ کاملتر
نویسنده میگه وقتی صحبت از کشف محصول میشه، بیشتر آدما فکر میکنن منظور همون «اعتبارسنجی فضای مسئله ← ایدهپردازی راهحلها ← تست راهحلها»ست؛ ولی این فقط نصف ماجراست. به گفتهٔ اون کشف محصول تو دو حالت متمایز اجرا میشه: کاوش (Explore) که گسترده، کندتر و واگراست و دنبال مسائل ارزشمند جدید، بخشهای تازه و شرطهای نو میگرده؛ و بهرهبرداری (Exploit) که باریک، سریع و همگراست و از مسائل و فرصتهای شناختهشده ارزش بیرون میکشه.
نویسنده تأکید میکنه این مفهوم جدید نیست و یه مقالهٔ خیلی پراستناد از James G. March در سال ۱۹۹۱ به اسم «کاوش و بهرهبرداری در یادگیری سازمانی» همینو میگه: سازمانها باید بین کاوش امکانات جدید و بهرهبرداری از قطعیتهای قدیمی تعادل برقرار کنن و بیشترشون چون بیش از حد روی دومی تمرکز میکنن شکست میخورن.
برای ملموسکردنش چندتا مثال میاره. کداک دوربین دیجیتال رو دفن کرد چون فیلم ۷۰٪ سودش رو میساخت؛ بلاکباستر روی تجربهٔ فروشگاهی موند درحالیکه نتفلیکس داشت به استریم میرفت. در مقابل، اپل تعادل رو درست گرفت: وقتی آیفون رو معرفی کرد آیپاد نزدیک نصف درآمدش بود، ولی بهجای چسبیدن به پرفروشترین محصول، انتخاب کرد جایگزینش کنه.
نویسنده میگه دلیل اینکه نمونههای کداک و بلاکباستر و نوکیا خیلی زیادن ولی نتفلیکس و اپل کم، اینه که برای کارِ کاوشی نمیشه business case ساخت. بهرهبرداری ورودی و خروجی روشنی داره؛ معمولاً یه مسئلهٔ شناختهشدهست که میشه با داده کمیتش کرد و خروجیش یه راهحل با اطمینان بالاست که نتیجهش فوراً قابلاندازهگیریه. ولی کاوش هیچکدوم از اینها رو نداره؛ کثیف و مبهمه و خروجیش اغلب فقط «این فضای مسئله رو بهتر فهمیدیم» هست که تو جلسهٔ بازبینی فصلی سخت میشه ازش دفاع کرد.
بعد چند تکنیک عملی برای کشف کاوشی معرفی میکنه. اول مصاحبههای اکتشافی که برخلاف مصاحبههای اسکریپتشده برای تست فرضیه، باز و بدون اسکریپت سفتوسختن و نویسنده با سوالای بازی مثل «یه روز معمولیت رو برام تعریف کن» دنبال سرنخ میگرده؛ به گفتهٔ اون این در واقع مهارت پیشرفتهتریه. دوم تکنیکهای «همیشهروشن» مثل فرمهای بازخورد و نظرسنجی تکسوالی؛ خودش به تازهمشترکهای خبرنامهش یه ایمیل میفرسته که «چی تو دنیات داره اتفاق میافته که باعث شد ثبتنام کنی؟».
نویسنده میگه AI یه نسخهٔ تازه از این کار رو باز کرده: میشه ایجنتهای هوش مصنوعی ساخت که برات تحقیق بازار یا رقبا انجام بدن، یا شبکههای اجتماعی و تردهای ردیت رو رصد کنن و ببینن مشتریها چطور دربارهٔ محصولت حرف میزنن. نسخهٔ قبلازAI خودش هم اینه که تو محصولات و خبرنامههای رقبا ثبتنام کنه تا یه جریان دائم از اطلاعات بهش برسه. تکنیکهای دیگه شامل dog-fooding (استفاده از محصول خودت برای همدلی با کاربر) و مشاهدهٔ مستقیم کاربرا هست.
نکتهٔ کلیدی نویسنده اینه که کاوش دنبال «سرنخ» مسائل بالقوهست، نه اعتبارسنجی اونها؛ یه فرصتی که تو کاوش پیدا میشه بعداً تو بهرهبرداری اولویتبندی و اعتبارسنجی میشه. اون میگه همهٔ تیمها باید هر دو حالت رو با هم داشته باشن، ولی گاهی تیمهای مخصوص کاوش معنا داره؛ مثلاً تو مدل سبد ۷۰-۲۰-۲۰ که ۷۰٪ ظرفیت روی محصولات اصلی، ۲۰٪ روی محصولات مجاور و ۱۰٪ روی شرطهای جسورانهست و اون ۱۰٪ اغلب کار یه تیم کاوشه.
نکات کلیدی:
- کشف محصول دو حالت داره: کاوش (گشتن دنبال فرصتهای جدید) و بهرهبرداری (بیرونکشیدن ارزش از مسائل شناختهشده)
- بیشتر تیمها فقط تو بهرهبرداری خوبن چون ورودی/خروجی و نتیجهٔ قابلاندازهگیری داره؛ کاوش چون مبهمه ول میشه
- نویسنده به مقالهٔ ۱۹۹۱ James March و مفهوم سازمان دوسوتوان استناد میکنه؛ کداک و بلاکباستر مثال شکست، اپل مثال تعادل درست
- تکنیکهای کاوش: مصاحبهٔ اکتشافی باز، نظرسنجی تکسوالی، رصد با ایجنتهای AI، dog-fooding و مشاهدهٔ مستقیم کاربر
- کاوش دنبال سرنخه نه اعتبارسنجی؛ مدل سبد ۷۰-۲۰-۱۰ نشون میده چطور میشه ظرفیت رو بین محصول اصلی و شرطهای جسورانه تقسیم کرد
