Datadrivet

This episode of Datadrivet is in english. If you're involved in startups, product management, or digital business, you've likely come across the term "product market fit" (PMF). It's a commonly used phrase, often seen as a buzzword. People advise startup founders to achieve PMF before scaling, but what does that mean exactly? How do you know if you've reached it, or if you're on the right track? The concept of PMF is more than just words; it's crucial for success.

In this episode Joni meets Erwan Derlyn - founder of Odepar where he provides strategic and operational support for early-stage startups, helping them to build sustainable growth foundations.

The primary cause of a company's failure often lies in their inability to create something people truly desire, identify a demand for their product, or capture the market demand. Product market fit is to make something that solves a real problem.

How important is it to start with the audience or demand side when developing a product, rather than just focusing on the solution?
Imagine you encounter a locked door. Instead of making a key first and then searching for a lock, it's more practical to find the lock first and then create a key for it. Similarly, in business, it's better to understand the needs of your customers first (the lock) and then develop products or services (the key) that meets to those needs.

“Datadrivet" is a podcast by scilla.studio. Need help getting started with experiments in your team? Get in touch with us at scilla.studio or on Linkedin. Want to share how your company works with being data-driven? Reach out to us on Linkedin. The hosts of the podcast are Joni Lindgren and Jasmin Yaya.

Här kommer kanske världens enklaste tips på hur du kan minska kostnader och kanske till och med öka lönsamheten i din digitala produkt: ta bort funktioner som användarna inte använder.

I det här avsnittet av Datadrivet träffar Joni Robert Ingemarsson, Chief Product and Tech Officer på TimeWave AB - ett företag som lanserar den tekniska lösningen till städbolag och andra typer av servicebolag. Robert berättar om hur han utmanade sig själv och sin produkt genom att slänga kod istället för att skriva ny.

Första gången Robert slängde kod kändes det ganska läskigt, likaså andra gången. När Robert och hans team till slut tog bort funktioner på deras SAS-produkts inloggade startsida förväntade han sig att kunderna skulle ringa ner kundservice - men inte ett ljud. Då slängde de 30 saker till. Och sen 30 till.

Varför är det så läskigt att slänga kod och ta bort saker från sin produkt? Joni tar upp två hjärnbuggar som ofta hindrar oss från att just slänga kod: loss aversion och sunk cost fallacy. Loss aversion innebär att vi känner större smärta vid risken att förlora något än glädje vid möjligheten att vinna något. Sunk cost fallacy gör att vi fortsätter investera i något trots att det inte längre leder dit vi vill, bara för att vi redan lagt tid och pengar på det.

Hur övertygar man då sig själv och sina kollegor att slänga kod? Robert delar med sig av sina erfarenheter från bland annat Avanza och Timewave.

Lyssna, blir inspirerad och släng din kod!

I veckans avsnitt svarar Joni på en lyssnarfråga: HUR många experiment ska man göra egentligen? Det korta svaret: så många som det går. Ju fler tester du gör, desto fler och snabbare insikter.

I verkligheten är det såklart annorlunda. Joni och Jasmin delar upp teamen i fyra olika mognadsstadier, från "infant"-fasen där man genomför ungefär ett till fem experiment i månaden, till det ultimata drömscenariot där man kan genomföra upp emot tusen experiment per år. Att testa en sak i månaden är definitivt bättre än att inte testa alls, men eftersom endast 10-20% av alla idéer fungerar är det viktigt att ha som målsättning att genomföra så många experiment som möjligt.

För att genomföra bra experiment krävs det en analytiker i teamet som kan sätta upp tester och analysera resultaten kontinuerligt, utvecklare som kan bygga experimenten och UX-designers som kan designa experimenten. Och helst någon som leder teamet. Men kanske viktgast av allt: ett snabbfotat team med många olika kompetenser.

Sedan kommer såklart följdfrågan: om ett experiment har visat sig vara framgångsrikt, vem ska då fullfölja idén - experiment-teamet eller någon annan?

Datadrivet är en podd av scilla.studio. Vill du ha hjälp med att komma igång med experiment i ditt team? Hör av dig till oss på scilla.studio eller på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin: Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Veckans avsnitt av Datadrivet gästas av ingen mindre än Björn Idrén, CCO på CDON. Utöver att Björn ofta använder data som ett verktyg i affären, har han även ett rätt imponerande CV: Klarna, Voi, Soundtrack Your Brand och Ericsson.

Björn hävdar att han blir wow:ad av data nästan varje dag! Men hans stora ”kioskvältar-wow” kom när han arbetade på Voi. På Voi använde de data för att undersöka vilka platser deras användare laddade ner appen för första gången, och upptäckte att en specifik plats hade en ovanligt hög andel nya kunder. Och var finns det egentligen mest Voi-efterfrågan en tidig vardagsmorgon, är det mitt i city eller i Stora mossen?

Björn berättar om fikahörnan på Klarna och varför hans analysteam slog sig ner med sina datorer exakt där.  Samtidigt som folk stod i kö för att ställa frågor till Björn och hans analytiker, hände även någonting annat. Folk började prata med varandra och fikahörnan blev en plats för ett tvärfunktionellt arbetssätt på Klarna. Demokratisera datan helt enkelt. Jasmin ger även exempel på hur hon har jobbat med så kallade ”insiktsdagar”, för att dela med sig av resultat av tester och data.

Att göra tester bara för ”testandets skull”, kan man applicera det på allt och alla? Vad är det minsta vi måste bygga för att validera det vi tror? Och hur många stenar måste man vända för att hitta ett guldägg? Björn har svaret.

Datadrivet är en podd av scilla.studio. Vill du ha hjälp med att komma igång med experiment i ditt team? Hör av dig till oss på scilla.studio eller på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin: Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Veckans avsnitt av Datadrivet går igenom grunderna i ”Product-Led Growth”. Själva begreppet "Product-Led Growth" handlar om att ha användarna i fokus och att bygga en produkt som är så pass bra att användarna stannar kvar i den, och i bästa fall sprider användningen av produkten vidare till fler. Med andra ord: man utgår från att användarna av produkten är den största drivkraften till tillväxt.

Detta är ett annat tillvägagångssätt än att satsa på sälj- eller marknadsföringsdriven tillväxt, där man fokuserar mer på att locka nya kunder genom att öka marknadsföringsinsatser eller anställa fler säljare.

Hur kan en produkt som fokuserar på användarna leda till en ökad tillväxt? Joni och Jasmin ger exempel på företag som har haft framgång med product-led growth, och även exempel där det inte finns någon product-led growth.

Själva mindsetet product-led growth har även drivit på en förändring när det kommer till hur inköp av produkter går till på ett företag. Här är Slack och Neo4j bra exempel. Anställda börjar använda tjänsten och sprider det inom företaget utan att inköparen har beslutat att det ska användas. Till slut blir användningen så utbredd att inköpet nästan blir oundvikligt, eftersom valet redan har gjorts.

Datadrivet är en podd av scilla.studio. Vill du ha hjälp med att komma igång med experiment i ditt team? Hör av dig till oss på scilla.studio eller på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin: Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

I veckans avsnitt har Joni gjort reserach på andras research och sammanställt sju saker som framgångsrika och produktledda företag har gemensamt. Varsågod! 

1. De har en produkt som användarna kan nyttja direkt.
   En produkt som går att använda utan att man faktiskt behöver köpa produkten är hela förutsättningen för Product-Led Growth. Antingen genom att produkten är helt öppen, det finns en free trial, freemium tier eller en reverse trial. Användarna ska kunna testa produkten och förstå dess värde innan de köper den.  
2. De jobbar konstant med att förbättra sin onboarding. Hur visar ett bolag sina användare hur produkten ska användas? Första mötet som användaren har med produkten - onboardingen - ska vara tydlig och enkel så att användaren snabbt förstår hur produkten fungerar. En bra onboarding ska konstant utvecklas och förfinas. Exempel på en bra onboarding: TypeForm.
3. De har en tillgänglig faktabank om produkten.
   Med en övergripande faktabank om produkten kan användaren (och potentienlla användare) snabbt hitta information om hur produkten fungerar. Ju mer tekniskt komplicerad produkt, desto viktigare att ha en kunskapsbank som besvarar frågor relaterade till produkten. Exempel på bra faktabank: Etsy. 
4. De har en demomiljö där man kan testa produkten innan köp.
   Vissa produkters värde visas bäst när användaren kan få testa, experimentera och uppleva den själv. I en demomiljö (eller motsvarande) kan användaren känna på produkten utan att köpa den. I vissa fall utan att ens skapa ett eget konto. En demomiljö är såklart mest fördelaktigt när det gäller komplexa produkter som kanske kräver integration eller implementering. Exempel på bra demomiljö: Amplitude.
5. De berättar vad deras produkt kostar.
   Berätta bara vad produkten kostar. Det är inte farligt. 
6. De skapar naturliga tillfällen där användaren kan dela produkten.
   ”Inbyggd viralitet” handlar om att hitta naturliga tillfällen när användare vill dela produkten med andra, eftersom det är värdefullt för dem. Det vill säga: inte en marknadsföringskampanj där användare belönas för att dela med sig av produkten. Istället har själva produkten eller tjänsten en inbyggd funktion som gör att den upplevs som mer värdefull när den delas med andra. Exempel på bra inbyggd viralitet: Uber. 
7. De gör det möjligt för användaren att köpa produkten, utan säljare.
   Gör köpupplevelsen smidigare och låt användaren först få uppleva produkten. Man ska kunna köpa en produkt utan att behöva prata med en säljare. Erbjud istället användaren möjligheten att testa tjänsten och få information om integration och prissättning.
   

Datadrivet är en podd av scilla.studio. Vill du ha hjälp med att komma igång med experiment i ditt team? Hör av dig till oss på scilla.studio eller på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin: Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Hur får du ut värde av en analytiker? Lägger analytiker bara tid på att göra dashboards idag? En dashboard gör ingen djupdykning i datan utan visar bara upp vad som har hänt historiskt. Joni vill istället slå ett slag för att faktiskt använda analytikerna i organisationen. Istället för att se organisationens analytiker som en rapport-apa, fråga snarare: OM vi ska öka x med x %, vad ska vi då göra? Var ligger den största potentialen? Hur får vi ut värde av analytikerns arbete?

En analytiker är egentligen den bäst lämpade personen att ställa affärsfrågorna. Om man ska få en return on investment från datainsamlandet måste man faktiskt använda datan som analytikerna tar fram.

Ge inte analytikern en vecka för att göra analys - avsätt istället tid för riktiga analyser. Om en analytiker hela tiden måste springa på andras frågor ger du inte den personen rätt förutsättningar för att leverera värde.

Vi ringer och frågar experten Johan Johansson (från Carat): Hur mycket tid ska en analytiker lägga på att göra dashboards vs. grundliga analyser?

Datadrivet är en podd av scilla.studio. Vill du ha hjälp med att komma igång med experiment i ditt team? Hör av dig till oss på scilla.studio eller på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin: Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Francesca Cortesi är CPO (Cheif Product Officer) på Hemnet, hon är därmed ytterst ansvarig för hela Hemnet-produkten - allt från appen till hemsidan. Tillsammans med hennes team, sex stycken Product Managers, en User Researcher och en UX Director, skapar och utvecklar hon en av Sveriges mest älskade produkter. Som CPO på Hemnet måste man vara extra försiktig och verkligen skapa värde för alla de miljoner svenskar som använder deras produkt.

I Datadrivet pratar vi mycket om product discovery (även om vi kallar det för produktutveckling), något som även Francesca skriver mycket om på Linkedin och på sin blogg (tips!). Det är inte många som delar med sig av vad man har gjort och framförallt, vad man har gjort för fel. Efter fyra år på Hemnet har Francesca lärt sig en hel del om produktutveckling. Francesca berättar om hur det var att börja på Hemnet som hade en väldigt stark A/B-test-kultur, vilket kan vara både bra och dåligt. Utöver A/B-tester har Hemnet en palett av olika verktyg bland annat superbuzz-ordet ”continuous discovery”.

Francesca och hennes team pratar med andra bostadsportaler världen över, som gör Hemnet fast i Frankrike, Spanien, England osv. Genom att inspireras av deras ”peers" utomlands skapade Francesca’s team ett smoke-test - en tjänst som heter  ”Min bostad”. Tjänsten gick ut på att användarna kan registrera sin bostad och få en värdering samt en uppskattning om efterfrågan. Med hjälp av de andra bostadsportalernas siffror fick Hemnet en slags benchmark att förhålla sig till när de analyserade datan från smoke-testet.

Datadrivet är en podd av scilla.studio. Vill du ha hjälp med att komma igång med experiment i ditt team? Hör av dig till oss på scilla.studio eller på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin: Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Datadrivet är en podd av scilla.studio. Vill du ha hjälp med att komma igång med experiment i ditt team? Hör av dig till oss på scilla.studio eller på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin: Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Vad gör att en Product Manager är bra? Joni och Jasmin har jobbat som Product Managers och jobbat med många Product Managers. Jasmin har funderat på det här med Product Roadmaps. Det är ett sätt som en del Product Managers kan kommunicera till resten av organisationen vad de gör och vad de har tänkt fokusera på. Det är visuellt och tydligt i och med att allt har sin plats på en tidslinje i ett ganttschema. Det ser ut som olika långa tjocka streck, eller korvar – och i en organisation Jasmin varit i kallade de alla möten kring olika produktteams roadmap för korvmöten.

Unpopular opinion: Jasmin är emot roadmaps för det ger en falsk förhoppning om att det vi bygger är rätt saker. Det ser strukturerat ut men verkligheten fungerar inte så. Vi vet inte på förhand hur lång tid det tar att utforska ett område – eller om det ens är värt att lägga mer tid på att utforska det. Det går helt enkelt inte att planera hur lång tid vi behöver lägga på att skapa väl fungerande delar i produkten. En del PMs är snarare roadsmap administratörer än att faktiskt leda och hantera utvecklingen av produkten.

Jasmins förslag är att jobba mot mätbara affärsmål istället för att planera olika features som ska byggas.

Det bästa sättet att påverka sina stakeholders på är inte i ett konferensrum med presentationsslide. Utan att ta en fika, promenad, lunch och där får de ta del av informationen istället:

• De viktigaste affärsmålen teamet ska påverka
• Nämn du problemet
• Vad nyckeltalet är idag
• Vad du vill ta reda på om produkten och användarna
• Vad har teamet för hypoteser
• Visa en prototyp i mobilen
• Arbetssättet är att ni testar vilka features som kan ge bäst resultat

Om du jobbar i en organisation där ni jobbar med ganttscheman och roadmaps kan du försöka styra det till att istället prata om business metrics. Det gör att fler i organisationen efter 6-12 månader kommer prata om business metrics de jobbar mot, vad deras hypoteser varit och vad de har lärt sig – istället för alla features de har byggt och vad som lanserades i tid.

Det är inte bara Product Managerns ansvar att jobba på det här sättet, det är jätteviktigt att ledningsgruppen jobbar på det här sättet. Och märker du att det ledningen inte är öppen för att jobba på något annat sätt än product roadmaps, kanske du får fundera på om det är värt för dig att vara kvar.

Datadrivet är en podd av scilla.studio.

Vill ni ha hjälp med att sätta upp ett experiment team?

Hör av dig till oss på scilla.studio eller på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet?

Hör av dig till oss på Linkedin.

Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Digital tillväxt – vad är det? Alla vill ju växa – och digitalt är såklart ett snabbt sätt. Men företagsledare har olika idé om hur det ska gå till. Man kan dela in tillväxtstrategier i 3 olika kategorier: 

• Marknadsledd tillväxt – Organisationen satsar på att växa genom marknadsföring. 

• Säljledd tillväxt – Organisationen satsar på att skapa en säljorganisation som driver tillväxt 

• Produktledd tillväxt – Det som vi har nördat in oss i. 

När en organisation har förstått att det är produkten som är den största drivaren till tillväxten. Produkten är så pass fantastisk att användarna vill fortsätta använda tjänsten och vill rekommendera den till andra. Produktledd tillväxt är lika fokuserad på retention som att få in nya användare. Säljledd tillväxt till exempel har en mycket högre prio på sin säljorganisation, och marknadsledd tillväxt har större budget till annonsering och marknadsföringsaktiviteter. 

Några exempel på bolag som växt snabbt med produktledd tillväxt: Plick och Slack. 

Vi går igenom begreppet Growth Loops som är ett effektivt sätt att växa på. Det är när vi bygger mekanismer i produkten som gör att användningen i tjänsten gör att den kan växa. En annan grej som är som är specifikt för produktledd tillväxt är experiment. Vi testar olika antaganden om hur vi kan lösa problemen på bästa sätt så att vi endast bygger det som verkligen har potential – allt annat är ett litet test som inte tagit särskilt många timmar att bygga. Allt som ska byggas fullt ut kostar ju både tid och pengar. Vi vill hellre ta beslut på insikter om användarna snarare än någons åsikt. För sanningen är att de flesta idéer ger inte det resultatet vi vill – vilken idé som ger önskat resultat får vi reda på genom att testa den. Låt oss göra det på så riskfritt sätt som möjligt. 

Datadrivet är en podd av scilla.studio. Vill ni ha hjälp med att sätta upp ett experiment team? Hör av dig till oss på scilla.studio eller på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin. Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Theresia Silander, VD och grundare på Eatit – ett Kry för dietistvård. Resan till att Eatit ser ut som den gör idag har växt fram på ett intressant sätt. Från närodlade råvaror, till kostråd från hälsodata, till vad produkten är idag. Eatit är en app där patienter med ex obesitas, prediabetes, diabetes eller fettlever får behandling av en dietist över video. Dietisten och appen samverkar för att stötta patienten i beteendeförändringar för mer hälsosamma vanor och viktnedgång (för vissa patienter).

Ambitionerna har varit höga från start. Dels vilka resultat de vill nå, dels hur de vill nå de målen. Visionen är att göra det enklare att fatta hälsosamma beslut. Missionen är att möjliggöra för 100 miljoner människor senast 2030 att leva ett längre och lyckligare liv genom livsstilsförändringar.

Eatit har gjort många misstag och lärt sig från dem:

• Utgick från en teknik de såg stora möjligheter med (hälsodata från exempelvis Werlabs, wearables, smartphones) inte ett problem.
• Försäljning mot felmålgrupp. Deras första kunder var early adopters till den nya tekniken. De fick intäkter från dem men de förde dem ej närmare lösningen (snarare längre åt fel håll). De tog tid från dem att "ta hand om" kundsupport, bygga features på etc.
• De gjorde arbetet med hypoteserna och experimenten för stora. Mätte för mycket. Hade för många datakällor. Blev för tungt att göra det när de inte hade erfarenhet från det tidigare i kombination med att de skulle ta hand om kunderna och leda produktutvecklingen som pågick för de kunderna.
• "Maxa" lärdomarna. Ville lära sig så mycket som möjligt från varje experiment för tidigt i sin utveckling. Det gjorde att experimenttakten blev för lång och de blev för tunga att göra för ett litet bolag så de orkade ej hålla ambitionen uppe för arbetssättet.
• De trodde att de arbetade rätt efter som de sålde tidigt, jobbade datadrivet etc. Men de "förblödde genom papercut", tog för lång tid att röra sig framåt.
• För stort och bra utvecklarteam för tidigt. De ville ge teamet framgångar och spännande utmaningar för att stanna kvar. Men kunde inte experimentera i samma takt som de klarade av att utveckla och ta fram saker. De fick även göra saker som Eatit trodde skapade värde. Men då byggde de för mycket och ännu mer åt fel håll.

Vad Eatit lärde sig/skulle ha gjort idag:

• Utgå från ett problem
• Lägg all energi på problemet, ej på att bygga
• "Out of the building"
• Ha massor med pengar eller inga pengar (ej papercut till döds)
• För de pengar man har ta in folk som har byggt upp en datadriven organisation tidigare. Iaf som konsulter på några timmar
• Idag hade de försökt göra fler "modiga gissningar" och ta större hopp framåt
• Försökt göra fler korta experiment och inte räknat med att lära sig ngt i början utöver att göra experiment

Vill ni ha hjälp med att sätta upp ett experiment team är det bara att ni hör av er till oss på Linkedin.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Jasmin föreläste nyligen för några startups om att komma experimentera. Ett av företagen hörde av sig för att få hjälp med att komma igång med experiment.

Steg 1 – Vad har ni er backlog redan nu, vad har bi tänkt bygga? Det är det första vi skulle vilja göra experiment på för att förstå vad av det vi ska bygga ut i full skala, och vilka saker vi inte ska satsa på. Det händer ganska ofta att experiment hamnar i en egen backlog vid sidan av det som ska byggas.

Steg 2 – Så titta i er befintliga backlog och försök att göra om det till små experiment. Vad är det absolut minsta vi ska bygga? Vilken sort experiment passar bäst för att snabbt kunna ta reda på att det ni vill bygga är rätt sak att bygga?

Steg 3 – Prioritera vilka experiment som ska byggas. Det har vi ett avsnitt om: Process: Ta fram idéer & prioritera dem

Steg 4 – Samla personer med olika roller för att starta testen. Vi behöver:

• analytiker för att kunna sätta upp experiment och mäta resultatet
• UX-designer som kan skapa visuellt användbara flöden
• utvecklare som bygger funktionaliteten
• copywriter som kan skriva innehåll
• marketer om testen innebär att vi behöver driva trafik
• en Product Manager som kan hålla ihop allt och se till att det finns mål, att saker prioriteras, en champion som ser till att rätt människor börjar samarbeta och att det är det minsta möjliga som testas.

De gånger det har funkat allra bäst för Jasmin har det funnits två olika Product Managers, en mer strategisk och en mer operativ som jobbar parallellt med varandra. Alltså en som jobbar med visionen och strategi och en som gör ut strategin, för det är svårt att vara både och samtidigt.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

När fick du en WOW-upplevelse från data senast? Joni berättar om en ett uppdrag där hon tog reda på att 83% av alla besökare till en landningssida redan var kunder. All trafik som drev till den sidan var köpt trafik och egentligen menad för de som inte redan var kunder. Det fanns flera olika team och stora delar av organisationen som jobbade med den här typen av sälj. Hon satt alltså på en insikt som skulle påverka många människors jobb och en stor del av budgeten. Det fanns så många konsekvenser av denna enda datapunkten. Hur kommunicerar man till organisationen att nästan alla resurser egentligen bara slängs bort?

Det första hon gjorde var att gå till analysteamet för att stämma av den här datan för att se till att den är samlad på rätt sätt, den är räknad på ett sätt som stämmer, och tolkat den korrekt. Därefter kollade hon med sitt team om vilka hypoteser de kunde ta fram med hjälp av den nya insikten.

Det hela började med att hon tittade på webbdatan och ville veta hur stor andel av trafiken till den sidan som redan var kunder. Så hon använde sig av Hotjar för att skapa en popup poll och frågade användarna helt enkelt. Efter några dagar hade hon fått in flera tusen svar.

En konsekvens av den här insikten var att hon tog reda på varför så många befintliga kunder klickar på annonser. Det visade sig att de ville interagera mer med varumärket och få mer kommunikation. Därför gjordes organisationen om och det skapades flera olika produktteam med olika fokus, där ett team fokuserade på att bygga produkter för att sälja till nya kunder, och ett team som fokuserade på att bygga produkter till befintliga kunder.

Det vore jättekul att få höra på era wow-upplevselser från data!

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin. 

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Tidigare i veckan höll vi en workshop om att experimentera och vill dela med oss av vad vi pratade om. Vi börjar med de tre olika huvudgrupper av experiment: 

• Enkäter och kvalitativa undersökningar 
• Painted door tests eller Smoke tests 
• A/B test 

Det finns några olika tillfällen då A/B-test är användbara. Dels vid ren optimering, dels för att ta reda på om ett helt paket av förändring i en release inte har en negativ eller överraskande effekt. Det tredje tillfället som A/B-tester är användbara är när vi vill validera nya idéer. A/B-tests är perfekta för det! Det är det primära skälet till att jobba med A/B-test. Vi vill uppmuntra produktorganisationer att ta reda på vad av det som ligger i backloggen eller roadmapen som borde byggas – det gör ni med hjälp av experiment! 

2009 släppte Microsoft en rapport där de hade tagit reda på vad som gjorde att ett team nådde sina mål effektivt. Det var inte att de hade bättre utvecklare, eller att de hade bättre idéer. Det enda som skiljde de framgångsrika teamen med de andra teamen var att de snabbare kunde slänga idéer som inte hade någon effekt. Det visade sig att ca 1/3 av allt som samtliga produktteamen byggde gav en positiv effekt på målet, 1/3 hade ingen effekt alls, och 1/3 hade påverkade målet negativt. Så enda skillnaden var tiden till att kasta bort dåliga idéer. 

Organisationer och team som experimenterar i hög hastighet brukar prata om win rate, alltså hur stor andel av alla idéer gav ett önskat resultat. Microsoft, Pinterest och Slack har delat med sig att deras win rate ligger på ca 30%. Facebook som har ca 22 000 experiment igång samtidigt säger att deras win rate är 15% och Google som släpper ca 300 000 experiment per år säger att deras win rate ligger på 10%. Ju mer innovativa och galna idéer du testar desto lägre kommer win rate vara, men möjligheten till att just innovera ökar. 

Ronny Kohavi delade nyligen en bild från 2007 när Microsoft hade en strategikonferens där han pitchade "Accelerating Innovation with A/B Testing" för dem. 

https://www.linkedin.com/posts/ronnyk_abtesting-microsoft-experimentguide-activity-6790503518840201216-Z22y Vissa vill gärna gå på intuition, men det kan missleda oss. Vi tror oftast väldigt mycket på våra egna idéer, just för att de är våra egna idéer. 

Om vi inte ska gå på intuition brukar en del säga att vi ska gå på vad datan säger oss. Med enbart data kan också vara missledande för oftast handlar det om att titta på gammal data. Därför behöver vi ett verktyg som hjälper oss att ta affärsbeslut och det verktyget är experiment! 

För att komma igång med A/B-tester behöver du göra dessa saker: 

Alla har idéer på hur man kan förbättra målet. Samla in alla idéer, gör om dem till hypoteser, definiera ett minsta möjliga test. Tänk "Vad kan vi få ut på 1/2 dag eller 1 dag?". Det här förarbetet gör att det blir lätt att analysera när testet är klart. Du vet vad du ska mäta, vilken effekt du letar efter och det blir lätt att svara sant eller falskt på hypotesen. Samla teamet så att ni kan prioritera era hypoteser. Det har vi ett avsnitt om: Process: Ta fram idéer & prioritera dem. Gör så många Build-Measure-Learn-loopar som möjligt varje vecka. Bygg så litet som möjligt. Våga prioritera bort att bygga välbyggda saker till förmån att kunna testa många saker fort. Det som visar sig funka tas vidare och byggs robust, det andra slängs.

 Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin. 

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Seif Fendukly är Product Manager för teamet Conversion & Activation på ljudboksstreamingtjänsten Storytel. Han är data- och systemvetare i grunden och har tidigare jobbat som konverteringsoptimeringskonsult med bland annat Natural Cycles och Lifesum. Han delar många olika experiment han gjort på flera bolag. 

Seifs team jobbar med onboarding i Storytels app, att nya användare känner att WOW, det här är en kul app som jag vill använda. 

Precis som i alla streamingtjänster är innehållet den allra viktigaste faktorn i produkten. 

Ett annat projekt som Seifs team jobbar med är att ta reda på hur konverteringsgraden för bokdetaljsidor kan ökas. I och med att den som kommer till sidan själv har gjort en sökning på bokens titel vet de att den här personen är intresserad av just den boken, men ändå konverterar de inte. En sak som de har sett är viktigt är hur de kommunicerar Stotytels erbjudande. 

Olika marknader har olika beteenden, i vissa marknader är det inte lika vanligt att läsa eller lyssna på böcker. 

I ett A/B-test de nyligen gjorde där de testade att ändra designen på sidan, gjorde de ett klassiskt misstag i konverteringsoptimering eftersom de ändrade många olika saker. Det enda de kunde se var att den nya designen gav sämre konvertering, då var det bara att stryka den designen men de kunde inte lära sig så mycket mer av det experimentet. Det är ganska svårt att övertyga andra om att det inte är en “ful design” som är problemet och att en “snyggare” design skulle kunna förbättra konverteringen. 

Seif berättar om hur de prioriterar sin backlog och en framgång har varit att jobba nära teamet och peppa alla i planeringen och göra prioriteringen tillsammans utifrån affärsmålen där produkten ska stötta i det. 

Seif delar även ett case från Lifesum som är en app för att planera och registrera sin mat för att nå en kroppsvikt man vill ha. En utmaning de hade där var att förklara vad värdet var med premium-abonnemanget. De förstod att användarna inte förstod skillnaden mellan gratisversionen och betalversionen. De löste det genom att utgå från en checklista med sex frågor som användarna frågar sig när de hamnar på en landningssida och behöver svar på för att vilja gå vidare. 6 frågor som användare frågar sig själva när de landar på en sida:

• Relevans – Vad är syftet med sidan och vad kan jag förvänta mig?

• Värde – Vad finns det för värde för mig? På vilket sätt löser tjänsten mina problem bättre än andra?

• Förtroende – Vad tycker andra om tjänsten och hur har andra blivit hjälpta?

• Action – Vad vill sidan att jag ska göra? Finns det en tydlig Call To Action?

• Användbarhet – Är det tillräckligt enkelt och smidigt att använda den här tjänsten?

• Försäkran – Om jag köper den här binder jag upp mig för alltid?

Utifrån dessa sex principer började de titta på hur de kunde svara på alla dessa frågor på landningssidan och lyckades öka konverteringsgraden otroligt mycket. De lyckades även öka Retention och Lifetime Value.

Vill du vara med och berätta om hur ditt företag jobbar datadrivet? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Zarko Lindkvist är Head of Growth på konsultbyrån Valtech och har jobbat med digitala plattformar i över 10 år, och har haft många olika roller.

Att ha en 10-årsplan är nästan omöjligt, det viktigaste är att lära sig mer om vad vi kan göra här och nu.

Han berättar om sina uppdrag för Kivra och Cancerfonden. På Kivra satte de upp en process för att kunna göra två tester i veckan under första året. Allt från att formulera ett tydligt mål, göra om sina idéer till hypoteser, prioritera hypoteserna utifrån ett ramverk, att bestämma en win rate för experimenten, och se till att få ut så många experiment som möjligt. De har också haft bra förutsättningar för att kunna jobba med experiment: ett extremt tydligt mål, fullt mandat och alla i teamet var engagerade.

Om man vänder på det så har vi ett recept för misslyckande: otydliga mål, oengagerade personer i teamet, och där teamet inte har mandat.

Jag har ett mindset och en approach, men jag har ju inte svaren på vilka taktiker vi ska göra för att lyckas.

Ett annat uppdrag Zarko har jobbat med är Cancerfonden som ville bli mer datadrivna. Cancerfondens mål är ju att samla in mer pengar, vilket Zarko kommunicerade och frågade efter kontinuerligt. “Hur mycket pengar kan det här projektet att dra in och vad kommer det att kosta?” Ungefär ett halvår senare hade alla enheter med ett intäktsmål och konverteringsmål i sin målplanering. När målet var satt, trackingen var gjord och data började flöda in kunde de också visualisera datan. Zarko engagerade alla olika personer för att skapa sina egna dashboards. Det gjorde de förstod vad datan innebar, kände ägandeskap över den och att dashboardsen användes, och de tyckte det var roligt att följa datan. Dashboardsen var lättillgängliga och lätta att förstå.

Några myter som Zarko vill slå hål på:

• Det finns inte bara en analytiker. Det finns olika typer av analytiker (från implementation och datakvalitet, till businessanalys och CRO).
• Att jobba datadrivet är inte en persons ansvar, det är nåt som måste genomsyra det vi alla gör. Det är ett mindset och vi behöver dela på ansvaret för att tänka och jobba så.
• Datadrivet är inte en ny tågvagn som bara kopplas på andra initiativ. Datadrivet förändrar hur man gör allt det andra och alla behöver hoppa på det tåget.

hear! hear!

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Om du inte har lyssnat på avsnittet Next Feature Fallacy, rekommenderar vi dig att göra et.

Product Death Cycle är en förlängning av Next Feature Fallacy. Det är väldigt lätt att hamna där, men också lätt att ta sig ur den.

Ingen använder produkten > fråga användarna vilka features som saknas > bygg saknad feature > ingen använder produkten....

Länk till tweeten: https://twitter.com/davidjbland/status/467096015318036480

Att bygga features som kunderna saknar kommer inte att göra att fler använder produkten. Fråga användarna varför dom slutade använda produkten istället.

80% av alla användarna lämnar produkten innan 30 dagar. Det är av de 80 procent som slutade använda produkten som vi kan lära oss saker av.

Om ditt enda verktyg är en hammare kommer allt se ut som en spik. Och utvecklare kan utveckla nya features, så de kommer försöka lösa problemet med att bygga nya features. Istället behöver vi fråga oss själva varför i ska lösa problemet på det sättet vi löser det.

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin. 

Vi som pratar heter Joni Lindgren och Jasmin Yaya. 

Producerat av Niklas Bryngelsson.

Andreas Quensel arbetar som Growth Product Manager på appen Heja. Heja som är en app som fokuserar på lagkommunikation för idrottslag. Över 130 000 lag använder Heja globalt och de största marknaderna är USA och England. 

Tidigare har han arbetat i olika marknads- och analyschefsroller inom Bonnier News och Expressen. 

Heja har satt upp en strukturerad process för hur de arbetar med insikter: De utgår från företagets strategi – vad ska organisationen fokusera på under det kommande året? Det är till stor del olika nyckeltal som de tror att de kan förbättra och som kommer att ge en stor effekt. Exempelvis intäkt per betalande lag, konvertering till betalande kund eller activation rate (i Hejas fall andelen lag som nått minst 6 medlemmar inom 7 dagar). Efter detta prioriterar Growth-teamet vilka nyckeltal som de börjar att arbeta med. 

De utgår från vår end-to-end modell och ser vad som händer med tillväxt och intäkter när olika KPI:er förbättras olika mycket. Modellen är ett spreadsheet som Andreas delar med sig av till lyssnarna. Dä skickar de in input som retention (hur länge lag stannar i appen), activation rate (andelen lag som når minst 6 användare), acquisition loopar (betalda-kanaler, WOM, organiska virala loopar), samt alla delar i monetization (konvertering till betalande kund, snittpris, renewal rate etc). Genom att ha allting i en modell kan de modellera hur alla faktorer påverkar varandra, exempelvis hur lag från betalda kanaler även skapar nya lag tack vare virala loopar. 

Efter detta har de en öppen workshop för att generera idéer där vem som helst får vara med De idéer de tror mest på skapar de hypoteser kring utifrån mallen: “Eftersom vi sett (data/insikter) tror vi att denna förändring kommer att få denna effekt.” Hypoteserna rangordnas sedan efter (potential, learning, ease, samt confidence). 

Efter detta börjar den klassiska build-measure-learn loopen. Ibland kan de börja med att göra ut ett experiment direkt, och ibland börjar de med research (surveys / användarintervjuer) för att lära/stärka hypotes. 

Att jobba datadrivet har varit lite av en icke-fråga på Heja. När Andreas började fanns hela data-strukturen på plats och flera i bolaget hade gått Reforges utbildning inom growth. Det har gjort att alla har samma tänk och vokabulär. För Andreas del handlade det därför om att skapa en process tillsammans med teamet och sedan iterera den kontinuerligt. De delar resultat och insikter varje vecka för hela bolaget. 

Länk till spreadsheet med Growth-modellen: https://docs.google.com/spreadsheets/d/1hjYuRDXIwpeiGe-6__ctmphQGUqRNAUG5ZpQ2K2VNng/edit?usp=sharing 

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin. 

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Emelie Ardby har 10 års erfarenhet inom affärsutveckling och produktutveckling och jobbar sedan två år som produktägare på den digitala magasintjänsten Readly. Innan dess jobbade hon många år inom Schibsted i olika bolag och olika roller.

Två viktiga saker för Emelie är att hon jobbar datadrivet och hennes förmåga att prioritera rätt idéer.

Vi pratar om att jobba datadrivet och hon ger massa konkreta exempel på olika projekt hon har jobbat i som gett henne många viktiga lärdomar.

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Scilla Studio.

I Jasmins team har de tagit fram idéer för nya test och prioriterat dem tillsammans.

Alla i teamet får komma med alla idéer de har, alla idéer är välkomna. Sedan klustrades idéerna ihop till olika kluster av så kallade teman eller spår vi skulle kunna tänkas jobba med. Därefter fick var och en rösta på vilket spår där vi skulle kunna lära oss mest och skapa mest värde för organisationen. 

Värde är kopplat till North Star Metric. Lärandet är viktigt för att organisationen ska kunna skaffa sig fler lärdomar än konkurrenterna så snabbt som möjligt. Att på ett enkelt och snabbt sätt få reda på om en taktik eller strategi är fel är mycket värdefullt.

Inom ett spår behöver vi sedan tömma våra huvuden på ännu fler idéer på vad vi skulle kunna testa. Vi formulerar idéerna som hypoteser. En hypotes kan formuleras såhär: Genom att göra x kommer vi nå mål y.

När vi har ett gäng hypoteser är det dags beskriva dem kort. Hur mäter vi testet? Hur ser testet ut? Hur många gånger uppskattar vi att vi behöver testa detta innan vi kan vara säkra på att resultatet är en insikt? 

Därefter behöver vi prioritera alla hypoteser. Det gör vi enligt en mall som vi länkar här nedan. Parametrarna som vi prioriterar efter är:

Värde: 0 – 5

Lätt att göra: 0 – 5

Lärande: 0 – 5

Hög risk: -1 eller 0

Värdet av dessa räknas ihop till en score (100% är högst, och 0% är lägst) för hela hypotesen. När alla hypoteser fått en score kan de sorteras efter hög till låg score och teamet har en priolista att gå efter.

Mallen är en justerad version av ICE-score-modellen: https://growthhackers.com/articles/a-simple-ice-score-calculator

Just den här mallen är det Daniel Hansson på Signific som ligger till grund för. 

Länk till Signific: https://signific.se/

Länk till Google Spreadsheet med mall för prioritering av idéer:

https://docs.google.com/spreadsheets/d/1OLfReMt4hTOB8Br1TKLqq4cChfOYxeKj8E3GVzAr29E/copy

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Scilla Studio.

Adam Hjort är VP Customer Success på Loop54, som är en AI-baserad sökalgoritm för e-handlare.

Adam har jobbat på många olika B2B SaaS-bolag och hans erfarenhet är att många vill jobba datadrivet. En sak Adam har lärt sig är att även om en kund säger upp sig är det inte en förlorad kund, utan det går att vinna tillbaka kunden! Om man pratar med kunden går det att lära sig mycket och även rädda uppsägningen.

Exempelvis under våren 2020 var många kunden osäkra över vad som skulle hända i framtiden och bolagen ville inte ha fasta avgifter. Det handlar inte om att de var missnöjda kunder, utan snarare att de var osäkra över framtiden. En annan vanlig förändring är att det börjar en ny ansvarig som man inte har en relation med ännu.

Adam har märkt att det är lättare att prata i telefon än att skicka mail, det går att förstå vad som sägs mellan raderna.

Ett av Adams favitoritexperiment är en enkät med som skickas ut till aktiva användare för att ta reda på vad kunderna tycker om produkten. Han började skicka den här enkäten varje halvår via Intercom när han jobbade på Get Accept.

1. Hur skulle du känna om du inte längre kunde använda produkten? Svarsalternativ: väldigt besviken, någorlunda besviken, inte besviken

2. Vilken plattform skulle du använda om du inte kunde använda produkten?

3. Vad är den främsta fördelen med produkten?

4. Vad upplever du behöver förbättras i produkten?

5. Vem är produkten lämpad för?

När man har fått in enkätsvar kan man börja grotta ner sig i datan och skära datan på olika sätt (exempelvis hur länge de har varit kunder, vad har de för produkter, vilken region de befinner sig i) för att ta reda på hur man ska sälja in produkten eller prioritera hur produkten ska vidareutvecklas. Svaren kan hjälpa en att prioritera och förklara backloggens prioritering för exempelvis stakeholders och investerare.

En oväntad fördel med att skicka ut enkäten är att enkelt kunna ge återkoppling till kunder som efterfrågar funktioner som redan finns. På ett väldigt enkelt sätt kunde de då göra kunderna lite nöjdare genom att svara att deras önskemål redan finns.

Adam är ju ny på Loop54 och vill jobba datadrivet redan från början. Då behöver han se till att samla mer information och data som inte finns på plats ännu. Ett sätt är att skicka en så kallad exit-intervju varje gång en kund säger upp sig. Det är en intervju som med fördel är ett samtal och syftet är att ta reda på varför kunderna slutar vara kunder. Exempel på frågor som kan ställas då är: Vilken leverantör har ni valt? Varför har ni sagt upp? Finns det någonting vi kan bli bättre på?

Länkar:

Verktyg som Adam gillar:

Zapier: https://zapier.com/

Pendo: https://www.pendo.io/

Intercom: https://www.intercom.com/

Loop54 https://www.loop54.com/

Vi som pratar heter Joni Lindgren och Jasmin Yaya.

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Producerat av Scilla Studio.

Digital analytiker, webbanalytiker, appanalytiker – det finns många olika titlar som beskriver rollen.

Den digitala analytikern får tillgång till människors beteende i ett gränssnitt. Men informationen är begränsad i form av siffror i en tabell. Analytikerns jobb är att ta reda på vad datan innebär och lära känna hur gränssnittet fungerar baklänges. Analytikerns blir användarens bästa kompis. Efter ett tag börjar analytikern komma på idéer på hur vi skulle kunna göra saker och ting bättre. Något behöver ta det vidare, exempelvis en produktägare, copywriter, UX designer eller utvecklare. En analytiker borde inte bry sig om organisatoriska avdelningsgränser. När analytikern har sett ett problem i datan ska den ta sig runt i organisationen för att se till att problemet blir löst.

Vi som pratar heter Joni Lindgren och Jasmin Yaya.

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Producerat av Scilla Studio.

I förra avsnittet pratade David Jurelius om allt som behöver finnas på plats innan experimenteringen börjar. Vi pratar om tracking, problem med cookie-döden, ITP, olika enheter och plattformar. I det här avsnittet fortsätter samtalet och vi fokuserar på själva teamet som jobbar med att samla in datan och vilka olika typer av roller och kompetenser som behövs.

Hur stort team behövs och och vilka kompetenser behövs för att samla datan och hålla datan ren?

Ju fler plattformar organisationen har, desto fler analytiker behövs det. Det behövs också olika sorters analytiker. David räknar upp några olika typer av roller som behövs för att samla och analysera data:

Analytics Engineer: har koll på tekniken så att datan kan samlas in på rätt sätt från olika plattformar. Här behövs någon som har koll på hur de olika plattformarna (iOS, Android, Samsung TV, Apple TV, Webbapp etc) tillåter att datan samlas och håller sig uppdaterad med utvecklingen. Kunde tidigare kallas för teknisk digital analytiker.

Data Engineer: ser till att data samlas in korrekt från många olika system i ett datakluster så att det går att göra någonting med den. Exempelvis data från CRM, point of sale, betalssystem och affärssystem ska samlas.

Digital Analytist / Business Intelligence Analyst: använder datan till för att få ut insikter från den.

Data Scientist: fokuserar på att bygga statistiska modeller eller machine learning-modeller.

Product Owner: politikern. Den som känner organisationen riktigt väl och vet vem vi ska prata med för att prioritera mätning. När det finns många olika plattformar behöver någon ha koll på hur mätning ska ske i olika plattformar.

Kommunicera med organisationen och gör det lätt för dem att höra av sig till er om frågor kring mätning. Bemöt alla frågor fort, då känner de sig sedda och känner att det här teamet bryr sig om mig och ser mig. 

Tiden är förbi då man kunde gå in i Google Analytics lite snabbt och få ut ett svar. Datan är för komplicerad när det inte bara finns en enda webbplats. En person som kommer och säger “Hej jag vill ha tillgång till Google Analytics, jag är ganska duktig, jag fixar det!” kommer inte få tillgång till Google Analytics. Den personen vet inte vad den tar fram för data från Google Analytics och hur den ska tolka och använda den datan, och risken finns att den sprider osanningar i organisationen. 

David pratar om vikten av att ha tillgång till tydlig dokumentation. Google Analytics har en bra dokumentation. Men så fort du börjar samla in datan själv behövs en tydlig dokumentation så att alla kan förstå hur och vad som samlas in. 

En grej som Jasmin tar med sig är att det verkligen behövs många olika kompetenser för att få analysen att funka. Tiden är förbi när det var en one man show att samla och analysera datan. Det är en team effort! 

Simo Ahava skriver ofta om nya uppdateringar och förändringar inom technical marketing på sin blogg

https://www.simoahava.com/

Google Analytics dokumentation

https://developers.google.com/analytics

Företag vi nämner:

Spotify, Lime, Voi, Mathem, Coop, TV4, C More