Foto de archivo del diseño de un lanzamiento de producto. Autor: LightFieldStudios

Financial Times está ayudando a otros medios de comunicación, a través de su consultora FT Strategies, a desarrollar modelos de innovación que permitan estar a la vanguardia y responder a las necesidades de sus usuarios actuales. Uno de los puntos en los que la consultora del periódico económico británico más hincapié viene haciendo es en la necesidad de experimentar.

Si hace unos meses, FT Strategies hacía público un informe sobre los pasos necesarios para llevar a cabo un proceso de experimentación que resultara exitoso, ahora ha publicado también otro informe en el que abunda sobre la experimentación en medios de comunicación, en concreto en lo que se refiere a la forma en que el diseño de experimentos puede reducir el riesgo de la estrategia digital.

“Todos hemos visto lo que sucede cuando el desarrollo de productos digitales sale mal”, explican desde el FT. “Se pasan meses (e incluso años) planificando, diseñando y desarrollando tecnología. Cuando finalmente llega el día del lanzamiento, generalmente después de una serie de retrasos, la fanfarria rápidamente da paso a la decepción. A pesar de todas las buenas intenciones, su nuevo y brillante producto no atrae a los clientes de la manera que esperaba. Siguen dolorosas reuniones post-mortem, en las que se busca consuelo con frases como: “Oh, bueno, al menos aprendimos algo”.

Para que esto no suceda, Financial Times recomienda tener en cuenta estos puntos:

El diseño del experimento debe ser parte de un proceso de descubrimiento más amplio

Las organizaciones tienden a saltar demasiado rápido a las soluciones y comienzan a construir. Esto significa que, o juegan a lo seguro, o no resuelven el problema real. “En Financial Times, abordamos el desarrollo de productos con una mentalidad de descubrimiento. Puede resumir nuestro enfoque como: “No vamos a construir esto hasta que sepamos lo suficiente”. Por esta razón, FT no lleva a cabo experimentos de forma aislada: son parte de su proceso de descubrimiento más amplio.

Te puede interesar:   Un estudio confirma que la generación Z ha perdido interés por la radio convencional

El diseño del experimento tiene lugar, explican, después de haber entendido el problema, a través de métodos como el análisis de datos, la investigación de la competencia y los grupos focales. “Una vez que hemos resumido y compartido este conocimiento, generamos ideas sobre qué podríamos construir. Nuestro objetivo es crear ideas que estén alineadas con las necesidades del usuario y los objetivos comerciales, y que sean lo suficientemente ambiciosas y variadas (lo que nos permite obtener comentarios más interesantes y no dejarnos atrapar por una sola solución)”. Es en esta etapa en la que el diseñamos uno o más experimentos “que nos permitirán probar algunas de estas ideas”.

Un proceso de descubrimiento liviano que cualquier organización puede adoptar es el Doble Diamante. Este modelo sigue principios similares al proceso de descubrimiento de FT. “Primero, su objetivo es explorar el espacio del problema (por lo general, realizando una investigación de usuarios), luego decidir un área de enfoque y luego pasar a una fase de ejecución de experimentos para probar y refinar una posible solución”.

Proceso de doble diamante, parecido al que usa Financian Times

Los experimentos deben probar sus suposiciones más arriesgadas, no la idea

En esta etapa del proceso, se debe tener una idea clara de lo que le gustaría probar al equipo. “Por ejemplo, imaginemos que un servicio de música por suscripción (Spotify, Apple Music) se ha enterado de que cierto segmento de fans de la música está gastando dinero en vinilos y ha definido una idea que implica vender música física directamente desde su plataforma. La tentación aquí podría ser “construir la cosa”, pero el objetivo es maximizar el aprendizaje y minimizar el tiempo de desarrollo. Como tal, es importante pensar menos en la idea y más en los supuestos subyacentes de esa solución”.

Para ayudar a los clientes a descubrir esos supuestos subyacentes, FT Strategies ha utilizado marcos como ” Los cuatro grandes riesgos ” creados por Silicon Valley Product Group. Este marco distingue entre cuatro tipos de riesgo que son comunes a la mayoría de los conceptos de productos:

  • Riesgo de valor (si los clientes lo comprarán o los usuarios elegirán usarlo)
  • Riesgo de usabilidad (si los usuarios pueden descubrir cómo usarlo)
  • Riesgo de viabilidad (si los ingenieros pueden construir lo que necesitamos con el tiempo, las habilidades y la tecnología que tenemos)
  • Riesgo de viabilidad comercial (si esta solución también funciona para los diversos aspectos de nuestro negocio)
Te puede interesar:   Siete consejos para obtener más tráfico desde las redes sociales

Tomando el ejemplo del servicio de música por suscripción que se mueve hacia el mundo de la venta de música física, algunas de las suposiciones podrían ser:

  • Valor: la gente querrá comprar discos; la gente preferiría comprar su música física a nosotros en lugar de tiendas físicas; etc.
  • Usabilidad: las personas no se confundirán con la idea de comprar a su proveedor de transmisión; podemos diseñar la función “comprar vinilo” de manera que no moleste a otros usuarios; etc.
  • Viabilidad: esta función requerirá cambios mínimos en la arquitectura general de la plataforma; esta función se desarrollará con nuestro servicio de facturación existente; etc.
  • Viabilidad: esta característica no será una distracción de nuestra estrategia de producto principal; esto requerirá cambios mínimos en equipos y procesos

Todo experimento comienza con una hipótesis

Una vez que se haya decidido la suposición más arriesgada, se puede comenzar el proceso de diseño del experimento. “Es bueno comenzar este proceso reformulando su suposición como una hipótesis comprobable”, indican desde FT. Puede escribir hipótesis de muchas maneras diferentes, pero FT descubierto que el siguiente formato puede funcionar bien en la mayoría de las situaciones:

  • Creemos que… [perspectiva sobre su audiencia]
  • Así que si nosotros… [resumen del experimento]
  • Veremos… [criterios de éxito]

Esta estructura alienta a pensar en los elementos clave de un experimento: la audiencia, el experimento y cómo se ve el éxito. Para continuar con el ejemplo del servicio de transmisión de música, una hipótesis podría ser:

  • Creemos que… los superfans comprarán discos físicos a través de nuestro servicio
  • Entonces, si… agregamos una opción para comprar vinilos en cada página de lista de álbumes
  • Veremos… >1% de los superfans harán clic en esa opción para aprender más, y >0.1% comprará un álbum
Te puede interesar:   Fin de una era: The Washington Post deja de imprimir la revista dominical

Elegir el experimento adecuado para las hipótesis (por ejemplo, prueba A/B, página de destino, etc.)

Una vez que se haya decidido la suposición de hipótesis, se puede pasar al diseño del experimento. El objetivo en esta etapa es minimizar el coste y maximizar el potencial de aprendizaje.

Hay muchos tipos diferentes de experimentos, que incluyen pruebas A/B, estructuras alámbricas en las que se puede hacer clic, prototipos de papel, pruebas de puertas falsas y prototipos de software…

Cada uno es apropiado para circunstancias específicas, y una forma útil de navegar por las opciones es considerar la hipótesis junto con una lista de opciones.

Cómo medir los resultados del experimento

El objetivo de cualquier experimento es el aprendizaje validado.  Algunos experimentos (por ejemplo, las pruebas A/B) se prestan a la captura de datos cuantificables. Para que esto funcione bien, se requiere inversión en tecnología.

“Hemos visto -explican desde FT- que la mayoría de las organizaciones necesitarán usar alguna combinación de software listo para usar (por ejemplo, Optimizely) y sus propias herramientas internas”.

Para obtener resultados significativos, el equipo que realiza las pruebas deberá asegurarse de que los resultados cumplan con los criterios de significación estadística. “Para hacer esto, debe asegurarse de haber llegado a una población lo suficientemente grande como para sacar conclusiones válidas del experimento. Hay herramientas en línea que pueden ayudar con esto”.

Más información:

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí