Data ja tuotejohtaminen kuuluvat yhteen eikä se ole kenellekään yllätys. Silti käytännössä data jää monessa organisaatiossa irralliseksi tuotejohtamisen arjesta: sitä kyllä kerätään, mutta se ei aidosti ohjaa discovery-työtä, priorisointia tai päätöksentekoa. Vaihtoehtoisesti dataa halutaan alkaa hyödyntämään, mutta aiheesta tehdään raskas kokonaisuus, uusi ja iso “dataprojekti”. Lopputuloksena voi olla hienoja dashboardeja ja graafeja, mutta valitettavan vähän lisää todellista asiakasymmärrystä.
Discovery on tuotejohtamisen vaihe, jossa tiimi pyrkii ymmärtämään asiakkaan todelliset tarpeet ja ongelmat ennen ratkaisujen rakentamista. Sen tavoitteena on varmistaa, että kehitetään oikeaa asiaa, ei vain toteuteta oletuksia tai arvailla, mikä asiakkaan ratkaistava ongelma on. Discovery-työtä kutsutaan suomeksi joskus “selvitysvaiheeksi” tai “löytämisvaiheeksi”, mutta käytännössä se on jatkuvaa asiakasymmärryksen keräämistä, joka ohjaa tuoteajattelua.
Discovery-työssä datan tehtävä on auttaa tiimiä ymmärtämään todellinen, tuotettava arvo ja oppimaan nopeammin: ketä sen asiakkaat ovat, mitkä ongelmat ovat oikeita (ja mitkä pelkkiä oletuksia) ja mihin suuntaan tuotetta kannattaa kehittää. Tämä onnistuu harvoin yhdellä isolla analyysillä, vaan ennemmin usein pienillä, toistuvilla ja arkeen integroiduilla teoilla.
Data on tärkeää, mutta vaikeaa käytännössä
Useimmat tuoteorganisaatiot ovat yhtä mieltä siitä, että päätösten pitäisi perustua dataan. Haaste tulee siitä, miten data saadaan oikeasti käytäntöön ja päätöksenteon tueksi. Data on hajallaan eri järjestelmissä, eri formaateissa tai sitä tulkitaan vain data-asiantuntijoiden tai tuotepäälliköiden toimesta. Tiimillä ei välttämättä itsellään ole pääsyä dataan tai mahdollisuutta tutkia itse sille relevantteja kysymyksiä.
Tämä ei välttämättä tarkoita, että dataa olisi liian vähän. Usein tilanne on päinvastainen: dataa on paljon, mutta se ei ole läsnä arjessa. Kun data ei ole helposti nähtävissä, yhteisesti jaettavissa ja ymmärrettävässä muodossa, se ei myöskään ohjaa keskustelua tai päätöksiä. Asiantuntijoiden datanlukutaito ei pääse kehittymään eikä sen tuomaan hyötyä arjessa siksi nähdä.
Lopputuloksena tästä tuotetta kehitetään edelleen pitkälti mielikuvien ja oletusten, äänekkäimpien mielipiteiden tai yksittäisten asiakastarinoiden pohjalta.
Datalla liikkeelle ilman isoa dataprojektia
Yksi yleisimmistä harhaluuloista on ajatus, että datan hyödyntäminen discovery-työssä vaatii ensin ison dataprojektin, uuden BI-työkalun tai täydellisen mittariston. Todellisuudessa alkuun pääsee huomattavasti pienemmällä vaivalla.
Hyvä lähtökohta on yksinkertainen: mitkä ovat ne tärkeimmät kysymykset, joihin tiimin pitäisi juuri nyt löytää vastauksia? Ne voivat olla esimerkiksi seuraavia:
- Miksi asiakkaat eivät aktivoi ominaisuutta X?
- Missä kohtaa asiakaspolkua menetämme eniten käyttäjiä?
- Minkä ongelman asiakkaat oikeasti yrittävät ratkaista tuotteellamme?
Kun tärkeimmät kysymykset on valittu, aletaan kerätä dataa niiden ympärille. Datan määrää ja monimutkaisuutta tärkeämpää on se, että se on näkyvillä ja yhteisesti tarkasteltavissa. Kun tiimi katsoo ja analysoi samaa dataa, se alkaa ohjata päätöksentekoa luontevasti.
Minkälaista dataa discovery-työssä oikeasti on?
Discovery-työssä data ei ole vain numeroita dashboardilla tai Excelissä. Se on kaikkea tietoa, joka auttaa ymmärtämään asiakasta ja hänen ongelmaansa. Data voidaan jaotella eri “laareihin” sen käyttötarkoituksen perusteella. Usein tiimille hyödyllistä dataa on esimerkiksi:
- Käyttäytymisdata: mitä asiakkaat tekevät tuotteessa, mitä eivät tee, missä he jumittavat ja missä he onnistuvat.
- Asiakaspalaute: suorat palautteet, NPS-kommentit, arvostelut, tukipyyntöjen sisällöt.
- Myynnin ja asiakaspalvelun data: mitkä kysymykset toistuvat, mitkä lupaukset myynnissä ovat vaikeita lunastaa, mitkä ominaisuudet aiheuttavat eniten hämmennystä.
- Keskustelut ja käyttäjien observointi: haastattelut, havainnointi, avoimet vastaukset ja keskustelut asiakkaiden kanssa.
Yksikään näistä ei yksin riitä. Todellinen ymmärrys syntyy, kun määrällinen ja laadullinen data tukevat toisiaan.
Mitä me jo tiedämme (ja missä on aukkoja)?
Monessa organisaatiossa discovery kannattaa aloittaa kartoittamalla olemassa oleva tieto. Usein huomataan, että asiakastietoa on jo paljon, mutta se on hajallaan tai hyödyntämättä.
Ensimmäisenä on hyvä selvittää mitä tiedämme asiakkaistamme ja mitä ymmärrämme heidän ongelmistaan.
Seuraavaksi on kysyttävä kysymys, joka on jopa kaikista tärkein: Mihin tieto perustuu: luotettavaan dataan vai oletuksiin? Tässä vaiheessa on pidettävä päässä kriittiset lasit ja yritettävä todentaa tieto luotettavasti. Usein organisaatiossa tietyt asiat ja oletukset jäävät elämään “pseudototuuksina”, joita toistellaan vuosista toiseen. Toimintaympäristön ja asiakaskäyttäytymisen muuttumisen myötä nämä sisäiset lainalaisuudet eivät välttämättä pidä enää paikkaansa.
Seuraava vaihe on selvittää, mitä haluaisimme tietää, mutta mitä emme vielä tiedä. Tämä vaihe paljastaa usein myös sokeat pisteet. Saatamme tietää paljon ostaneista asiakkaista, mutta hyvin vähän niistä, jotka eivät koskaan konvertoituneet. Tai ymmärrämme aktiivisia käyttäjiä, mutta emme niitä, jotka lopettivat palvelumme käytön tai eivät enää ostaneet tuotettamme.
Data osaksi arkea, ei erilliseksi tekemiseksi
Discovery toimii parhaiten silloin, kun datan kerääminen ja hyödyntäminen on osa arkea. Asiakashaastattelut eivät ole erillinen projekti, vaan jatkuva tapa oppia. Lyhyet kyselyt, nopea havainnointi ja säännöllinen palaute täydentävät analytiikkaa.
Tärkeää on myös ymmärtää, että discovery ei ole vain tuotepäällikön tai designerin vastuulla. Kuka tahansa tiimistä voi osallistua: kehittäjät, myynti, asiakastuki. Mitä useampi näkee ja kuulee asiakasta, sitä vahvemmaksi yhteinen ymmärrys kasvaa.
Discovery-datan keräämisen voi aloittaa hyvin pienesti eikä alkuun pääseminen vaadi raskasta prosessia tai erillistä hanketta. Kymmenen asiakashaastattelua, yhden kysymyksen “pop-up” digitaalisessa tuotteessa tai kahden minuutin kysely aktiivisille käyttäjille voi jo muuttaa keskustelun suuntaa. Oleellista on jatkuvuus: oppiminen ei ole kertaluonteinen vaihe, vaan pysyvä osa tuotejohtamista.
Asiakasymmärrystä kauniiden taulukoiden sijaan
Lopulta data ei ole vain dashboardeja tai kauniita käppyröitä. Se on väline asiakasymmärryksen kasvattamiseen. Hyvä discovery-data auttaa tiimiä näkemään asiakkaan tilanteen selkeämmin, kyseenalaistamaan omia oletuksiaan ja tekemään parempia päätöksiä.
Kun data on läsnä arjessa ja sidottu oikeisiin kysymyksiin, se ei hidasta tuotekehitystä, vaan auttaa valitsemaan oikeasti ratkaistavat ongelmat – ja lopulta tuottamaan asiakkaalle arvoa.