Paweł Antoniak (TechMarketers): Kluczowym zadaniem każdego startupu jest wypracowanie silnego product-market fit

Paweł od lat pracuje w obszarze danych. Zdobyte doświadczenie wykorzystuje, wspierając zespoły produktowe w budowaniu wartościowych rozwiązań. W rozmowie ze mną wyjaśnia, czym jest product-market fit, jak go uzyskać i jakich błędów wystrzegać się w tym procesie.

Jak definiujesz product-market fit?

Budując startup technologiczny, na przykład system do zarządzania projektami lub platformę do e-learningu, często konkurujemy z podobnymi firmami na całym świecie. Niemal każdy pomysł został już kiedyś zrealizowany, przez co trudno jest stworzyć coś wyjątkowego i unikalnego. Dlatego tworząc własne rozwiązanie, trzeba zadbać o jakość egzekucji, by projekt opłacało się skalować. Podstawowym warunkiem do dalszej ekspansji jest wypracowanie tzw. product-market fit, czyli sytuacji, w której tworzona platforma odpowiada na potrzeby grupy docelowej, jest dla niej wartościowa.

Przed rozpoczęciem pracy nad produktem lub usługą, kluczowe jest zdefiniowanie i zrozumienie rynku, który określam jako grupę osób o wspólnych problemach i potrzebach. To nie tylko kwestia identyfikacji grupy docelowej, ale także dogłębna analiza jej problemów i oczekiwań. Głębokie zrozumienie rynku jest fundamentem, na którym zespół produktowy może oprzeć tworzenie skutecznego rozwiązania. Nie należy bagatelizować tej fazy, ponieważ bez zrozumienia specyfiki rynku i konkurencji, nie ma mowy o mocnym product-market fit. W tym kontekście warto zwrócić uwagę na koncepcję autorstwa Dana Olsena, eksperta w dziedzinie product managementu, który opracował „Product-Market Fit Pyramid” – framework wspomagający tworzenie produktu tak, by odpowiadał na potrzeby użytkowników.

Czym charakteryzuje się piramida Olsena?

Pierwsze dwa poziomy piramidy stanowią fundament i reprezentują użytkowników oraz ich oczekiwania, niespełnione potrzeby. Wyżej znajduje się „warstwa” produktowa – to trzy kolejne stopnie tejże piramidy, gdzie trzeci stopień określa propozycję wartości (value proposition), czwarty funkcje produktu, a piąty UX danego rozwiązania. Jeśli istnieje harmonia pomiędzy pierwszymi dwoma stopniami piramidy a trzema kolejnymi, to możemy powiedzieć, że mamy product-market fit. A to oznacza, że stworzyliśmy produkt, który dostarcza użytkownikom wartość i spotyka się z ich aprobatą.

W jaki sposób poznam, że istnieje ta harmonia, że znalazłem product-market fit?
Czy wskaźnikiem będzie np. to, że określona grupa osób kupuje mój produkt?

Istotnym wskaźnikiem, szczególnie w przypadku modeli biznesowych opartych na subskrypcji, jest retencja. Jeśli zauważysz, że zarejestrowani użytkownicy szybko rezygnują, na przykład podczas bezpłatnego okresu próbnego, może to być sygnał, że product-market fit nie został jeszcze osiągnięty. Często zdarza się, że wizja rozwiązania problemu proponowana przez startup nie pokrywa się z tym, czego faktycznie potrzebują klienci. Dlatego warto pamiętać, że wypracowywanie product-market fit to w gruncie rzeczy jest proces.

Gdzie w tym procesie jest miejsce na technologię?

Technologia (zwłaszcza analityka produktowa, behawioralna) pełni kluczową rolę w procesie osiągania product-market fit. Jeśli zostanie właściwie zaimplementowana i sprawnie wykorzystana w poszczególnych obszarach aplikacji, może znacząco przyspieszyć wzrost firmy. Dzięki danym startup optymalizuje procesy biznesowe, rozwija oprogramowanie w odpowiednim kierunku, tworzy wartościowe „ficzery”.

Kolejnym aspektem wykorzystania technologii jest możliwość personalizacji doświadczenia użytkownika. Przez analizowanie interakcji i preferencji usera, zespół dostosowuje aplikację (oraz komunikację) do jego indywidualnych potrzeb i oczekiwań. Personalizacja niesie dodatkową wartość, która może przełożyć się na większą lojalność klienta i gotowość do zapłaty za konkretne funkcje czy usługi. Niemniej trzeba pamiętać, że choć technologia odgrywa istotną rolę, nie może zastąpić silnej wizji foundera i product managera. Technologia ma za zadanie pomóc przełożyć ich wizję na rzeczywistość, ale sama w sobie jej nie zastąpi.

Zdefiniowałem grupę docelową i problem, który chcę zaadresować. Czas na stworzenie propozycji wartości. Czy propozycja wartości musi koniecznie przybierać formę fizycznego produktu, czy może być abstrakcyjna, jak np. w przypadku Buffera, który badając zainteresowanie rynku swoim produktem, opublikował na Twitterze dwa slajdy wyjaśniające, czym jest Buffer?

Tak jak wspomniałem wcześniej, najprawdopodobniej dla produktu, który budujesz, istnieje już konkurencja. Propozycja wartości pozwala określić, w jaki sposób chcemy wyróżnić produkt na rynku, jak definiujemy swoje przewagi oraz dlaczego użytkownik miałby wybrać nasze rozwiązanie. W dookreśleniu value proposition można skorzystać z modelu Kano.

Po określeniu value proposition przechodzimy do projektowania „ficzerów” w ich podstawowym wydaniu, a więc rozpoczynamy od stworzenia MVP, czyli Minimum Viable Product – produktu, który posiada podstawowe funkcjonalności. MVP nie musi być skomplikowany pod względem wizualnym i technicznym. Musi jedynie pomóc nam zebrać feedback od użytkowników na propozycję wartości. Na ile minimalne powinno być MVP? Trudno jednoznacznie powiedzieć.

Jak pokazuje przykład Buffera, czasami wystarczy przygotować dwa slajdy lub przeprowadzić ankietę, aby uzyskać informacje zwrotne i potwierdzenie, że nasza koncepcja jest interesująca.

Niemniej należy pamiętać, że chociaż pomysł ma znaczenie, to jednak jego egzekucja jest ważniejsza. Świetny pomysł może zostać szybko podchwycony przez innych uczestników rynku, którzy dysponują większymi zasobami i doświadczeniem.

Będąc na tym etapie, naszym głównym zadaniem jest analiza danych oraz zbieranie opinii od użytkowników? Czy są jeszcze inne aspekty, o które powinniśmy zadbać?

Wspomnianą analizę danych, badania ankietowe czy testy A/B możemy potraktować jako element szerszego procesu, jakim jest iteracja. Jest to podejście, które pozwala na ciągłe dostosowywanie i udoskonalanie produktu w odpowiedzi na sygnały rynkowe i potrzeby użytkowników. Proces iteracyjny możemy podzielić na 4 fazy:

1. Hipoteza. Zespół definiuje cele i formułuje hipotezy dotyczące wprowadzanych zmian w produkcie. Przykładem może być modyfikacja flow w procesie transakcyjnym lub wprowadzenie zupełnie nowej funkcjonalności.
2. Implementacja. Po sformułowaniu hipotezy zespół implementuje zmiany, które zostaną przetestowane.
3. Pomiar. W tej fazie pracujemy na danych, przeprowadzamy testy A/B, badania ankietowe, analizujemy dane gromadzone w platformie analitycznej. Dzięki temu zespół produktowy może zrozumieć, czy wprowadzone zmiany przyniosły oczekiwane efekty. Sprawdzamy na ile postawiona wcześniej hipoteza była trafna.
4. Wnioski (Learning). Ostatnia faza polega na wyciągnięciu wniosków z przeprowadzonej analizy. Niezależnie od tego, czy rezultaty są pozytywne, czy negatywne, wyniki trafiają do zespołu produktowego, dzięki czemu podczas stawiania hipotezy w następnej iteracji, można czerpać z wcześniejszych doświadczeń.

Czy czasem zdarza się, że założyciele są tak mocno przekonani o świetności swoich pomysłów, że ignorują sygnały płynące z rynku i wprowadzają funkcje, których nikt nie potrzebuje?

Żeby uniknąć podobnych sytuacji, warto skorzystać z tego, co oferuje teoria zarządzania produktem. Ktoś kiedyś popełnił już podobne błędy. W odpowiedzi na nie powstały frameworki i modele, których wykorzystanie ogranicza ryzyko niedopasowania oferty do rynku.

Na zakończenie naszej rozmowy wskaż błędy, które często popełniają founderzy w trakcie budowania product-market fit.

Z pewnością bycie założycielem startupu to trudna rola, w której potknięcia są niemal nieuniknione. Ponieważ obszar danych jest mi szczególnie bliski, skupię się właśnie na nim.
Jest to jedno z tych pól, na którym łatwo o błąd. Mimo ogólnej świadomości, że jest to pole specjalistyczne, nie zawsze alokowane tam zasoby są odpowiednie. W efekcie proces gromadzenia, przetwarzania i wykorzystywania danych często jest prowadzony w sposób nieprawidłowy. Brak długofalowego planu na rozwijanie infrastruktury analitycznej, niestaranna implementacja narzędzi, nieprawidłowe ich wykorzystanie i rodzący się w konsekwencji chaos skutkują brakiem zaufania do danych. Adopcja analityki w organizacji jest w takim przypadku niska, co ostatecznie utrudnia budowanie kultury zarządzania produktem poprzez dane, a osiąganie mocnego product-market fit niemożliwe. Profesjonalizacja tego obszaru leży w żywym interesie każdego startupu.