Heisann! Jeg heter Tomas Roaldsnes, og jeg utvikler digitale tjenester som hobby på fritiden.
Fremgangen og metodene som ble brukt i dette eksperimentet har vist seg være høyst effektive og har gitt mye innsikt for lav risiko, tidsbruk og kostnad. Samtidig er noen av metodene skadelig for lojalitet og kan føre til frustrerte brukere.
Jeg anbefaler å bruke mer gjennomførte tester og en mer konservativ tilnærming i tester i regi av en merkevare.
Artikkelen har som mål å gi et praktisk eksempel på bruk av metodikken hypotese-drevet utvikling og LEAN, og hvordan det kan redusere risiko ved utvikling av nye tjenester.
Hva er Dabbo.no?
"Dabbo.no tilbyr fleksibel leie av brukte datamaskiner, der du får en datamaskin på døren som du bruker akkurat slik som du vil. Du betaler et mindre beløp i måneden basert på hvilken modell du har og kan avslutte eller oppgradere når som helst."
Sommerplanene mine i år var en Norgesferie og en lang kjøretur hjem til Ålesund fra Oslo. Jeg abonnerte dermed på en bil denne sommeren gjennom et selskap som heter iMove. Det fungerer nærmest som fleksibel leasing på et kjøretøy, litt som et Netflix abonnement som du kan si opp når som helst, bare for bil. Samtidig har de en grønn profil gjennom at de kun tilbyr el-biler.
«Hva annet er det vi vanligvis kjøper, men som noen kanskje bare vil leie for en kortere periode?»
Fremtiden for bil i storbyer, sier nå jeg.
Tanken “hva annet er det vi vanligvis kjøper, men som noen kanskje bare vil leie for en kortere periode?” ble starten på Dabbo.no 🧠
Hva er hypotese-drevet utvikling?
Kjært barn har mange navn. Metodikk for testing av forretningsideer har stått sentralt i innovasjonskulturen de siste tjue årene og mange har nok hørt om de mer populære som Lean eller Design Thinking. Flere av disse faller innenfor det vi kaller den agile familien, der fellesnevneren er en iterativ tilnærming og prioritering av innsikt.
Med hypotesedrevet utvikling eller eksperimentering bryter vi ned en forretningside i en rekke hypoteser som du tester. Om du er kjent med Waterfall-metodikken — der du planlegger et prosjekt i detalj med spesifikasjoner og krav før du begynner med utviklingen, så er hypotese-drevet utvikling det stikk motsatte.
Med Waterfall planlegger du for å vite nøyaktig hva du skal bygge, med eksperimentering så bygger du for å vite nøyaktig hva du skal lage.
Hvorfor eksperimentere?
Det er flere gode grunner til å eksperimentere, men den viktigste grunnen i min mening er for å redusere risiko.
Ikke siter meg på statistikken, men jeg mener at risikoen for at en forretningsidé feiler er 99% når den er på idé-stadiet. Din viktigste jobb som grunder eller produkteier, er å redusere den risikoen. Risiko kan vanligvis knyttes direkte til kostnad.
Å utvikle vellykkede produkter eller tjenester er vanskelig. Det er mange brikker i puslespillet som skal falle på riktig plass.
Gjennom eksperimentering kan vi lettere bryte ned en forretningsidé i eksperimenter innenfor de forskjellige aspektene av en tjeneste. Disse testene eksisterer for å skape innsikt og data, som det kan tas avgjørelser basert på.
Vi vet ikke
For at bedrifter skal lykkes med eksperimentering, må de først stille seg på en stol og si: vi er dårlige til å vurdere om en idé er god eller dårlig!
- Har du også bugs i produksjon? Gratulerer!
God data vil alltid være bedre enn erfaring og ekspertvurderinger. Her er hva ledere for avdelinger som tester ny funksjonalitet i selskaper som Slack og Netflix sier om testing av forretningsidéer:
"In the five years I’ve been running tests, I’m only about as correct in guessing the results as a major league baseball player is in hitting the ball. That’s right — I’ve been doing this for 5 years, and I can only ‘guess’ the outcome of a test about 33% of the time!"
— Regis Hadiaris, Quicken Loans
"Fareed Mosavat, Slack’s Director of Product and Lifecycle tweeted that with all of Slack’s experience, only about 30% of monetization experiments show positive results; “if you are on an experiment-driven team, get used to, at best, 70% of your work being thrown away. Build your processes accordingly”"
"Netflix considers 90% of what they try to be wrong."
— Mike Moran
Hvordan ble eksperimentet Dabbo strukturert?
La oss komme tilbake på sak. Jeg har en hypotese om at nordmenn er villige til å betale et beløp i måneden for å leie brukte datamaskiner — hvordan finner vi ut om det stemmer eller ikke?
På dette stadiet er jeg mest opptatt av markedstesting — er det interesse i det norske markedet for leie av brukte datamaskiner?
Tester som ble brukt:
- Ad-testing på Finn.no og Google Ads
- Landingsside (Smoke test)
- 404-side (Fake-door test)
Det største problemet med å teste en helt ny forretningsidé er; hva sammenligner du innsikten mot?
«Når Netflix tester en ny algoritme på hjemmesiden, konkurrerer den mot de eksisterende algoritmene i form av A/B-tester.»
Når Netflix tester en ny algoritme på hjemmesiden, konkurrerer den mot de eksisterende algoritmene i form av A/B-tester. Om den gamle leverer et gjennomsnittlig på 10% og den nye 11%, bytter de den ut.
En god måte er å se på gjennomsnittstallene fra industri og kanal. En Google Ad- annonse har CTR på 1–2%, som varier litt fra hvilken industri du opererer i. Om din annonse da har CTR mellom 10–30%, så er det en god indikasjon på et det er markedsinteresse.
En annen metode er å rangere måletallene dine etter hvor sannsynlig det er at besøkende blir en kunde. For Dabbo, rangerte jeg slik:
- “Kontakt meg på mobilnummer når maskin blir ledig” 🌟🌟🌟🌟🌟
- Trykker på “Gå til bestilling for denne datamaskinen” 🌟🌟🌟🌟
- “Kontakt meg på mobil ved lansering” 🌟🌟🌟🌟
- “Kontakt meg på epost ved lansering” 🌟🌟🌟
- Legger til Finn.no annonsen som favoritt 🌟🌟
- Trykker på “Se maskiner du kan leie ut” 🌟🌟
- Går fra annonsen til nettsiden 🌟
Test: Hvor mange brukere får jeg inn på nettbutikken?
- Lag en nettside og kjøp et domene
- En 404 side og en TypeForm for å kontakt-informasjon.
- Opprett Finn.no annonse
- Mål trafikk med Google Analytics
Jeg trengte en enkel landingsside som forklarer konseptet til brukeren. Om brukerne trykker videre på “Velg maskin”, kommer de til en 404-side. Det er utrolig mange verktøy som lar deg lage en landingsside i 2020, som Squarespace eller Wix, så du trenger ikke å kode for å gjøre en landingside test lenger.
Jeg bygde siden i Gatsby.js og hostet den på Netlify. Jeg er en dårlig web-utvikler og relativt lat, så jeg finner meg som oftest en Gatsby Starter som utgangspunkt og modifiserer den slik jeg vil ha den.
Trykker brukeren på “Hold meg oppdatert” blir de videresendt til en TypeForm der de kan legge igjen kontaktinformasjon.
Vanligvis driver jeg trafikk gjennom Google Ads eller Facebook/Instagram- annonser, men jeg bestemte meg for å teste Finn.no siden det er gjerne der folk er når de leter etter brukte datamaskiner. Det viste seg etter noen dager at annonsen uheldigvis brøt med Finn.no sine retningslinjer og ble fjernet.
Rundt 20% av de besøkende prøvde å gå videre i prosessen etter å ha lest hvordan Dabbo fungerte. Helt ok for første førsøk. Mer overasket ble jeg når jeg sjekket TypeForm:
Test: Hvilke datamaskiner vil kundene leie?
Denne testen var mer teknisk krevende. Jeg måtte essensielt bygge en nettsjappe med forskjellige datamaskiner og simulere en kjøpsprosess.
Jeg valgte forskjellige maskiner i forskjellige (realistiske) prisklasser. Vil brukerne velge Macbook, laptop eller Gaming PC?
Løsningen ble igjen en Gatsby Starter og Airtable som en CMS-løsning. Ikke noe å skrive hjem til mor for utseendemessig, men etter en dag med research og koding ble Dabbo Shop linket til hovedsiden.
Måletallene jeg var ute etter var “hvilken maskin vil brukerene lese mer om” og antall klikk på “Gå til bestilling” for hver maskin. Enkle greier som du får ut av boksen på de fleste plattformer. Ikke lite lett å sette opp fra skratch.
På grunn av modal-strukturen på nettsiden så ville ikke Google Analytics spille helt på lag. Jeg bestemte meg for å fokusere kun på klikk av “Gå til bestilling”, som jeg løste gjennom sporing av linker med Rebrandly.
Når brukerne trykker på bestillingen, blir de sendt til en TypeForm side som opplyser at maskinen er dessverre allerede utleid. Dette bidrar definitivt ikke til fornøyde brukere, men det er en pris vi må betale.
Jeg lot eksperimentet gå i 10 dager og jeg endte opp med totalt 53 klikk på “Gå til bestilling”.
Her er det sannsynligvis rom for mye feil i dataene. Jeg hadde kun 45 brukere innom siden i tidsrommet, så flere av brukerne har sannsynligvis trykket flere ganger på samme link eller trykket innom flere maskiner. Det kan være de ikke er interessert i å kjøpe, men vil ha mer informasjon. Kanskje de bare tester siden litt.
Og mye kan skje mellom handlekurven og fullført bestilling — gjennomsnittelig 67% av kjøpere faller av.
Jeg tror det er realistisk å si at jeg ville ha leid ut 1–5 maskiner de første 10 dagene. For rundt to dager med arbeid og til en pris på rundt 150 kroner i markedsføring, anslår jeg hypotesen som bevist og konkluderer med at det er et marked for leie av Macbook’er og gaming maskiner til nordmenn. 🔥
Vil du ta dabbo.no videre til nye høyder?
Jeg har ikke tid til å drifte Dabbo ved siden av drømmejobben. Send meg en epost på dabbo@tomroa.anonaddy.com om du er interessert i å ta over stafettpinnen.
Slik koda NAV ny dagpenge-løsning på tre dager
- Vi er dødsslitne, men stolte, forteller NAV-utviklerne som løste krisa med React, Kotlin og PostgreSQL.