Как провести исследования, когда ресурсов не хватает?

Исследования и проверка гипотез – ключевые процессы для управления продуктами и маркетингом. Они снижают риски, но требуют значительных ресурсов: времени, денег и квалифицированной команды. Однако оптимизация процессов Discovery позволяет ускорить работу, сохраняя высокое качество решений.

В статье мы рассмотрим инструменты и хак-подходы, которые подойдут даже при дефиците ресурсов.

Концепция базируется на трех ключевых ресурсах:

В отличие от классического проектного треугольника, тут снижение одного ресурса не всегда ведет к росту других. Оптимизация Discovery возможна за счет внедрения лучших практик и современных подходов.

Шаблоны для фиксации гипотез
Например, карточка гипотезы может содержать: Формулировку гипотезы, Метод валидации, Целевые метрики (как на примере ниже).

Это помогает исключить повторение исследований из-за неточных данных и экономит время на коммуникацию.

Приоритизация рисков
Сосредоточьтесь на гипотезах с максимальным влиянием. Например, если вы планируете образовательный проект, начните с проверки рисков получения лицензии, а не спроса.

Сокращение циклов принятия решений
Чем короче итерации, тем быстрее корректируются ошибки. Переход от квартальных целей к недельным спринтам позволяет оперативно менять приоритеты.
Раннее завершение A/B тестов
Используйте метод последовательного тестирования (simple sequential testing). Это позволяет остановить эксперимент раньше без ущерба для статистической значимости. Например, DriverPack с помощью этого метода увеличил число тестов в два раза за месяц.

Если ресурсы ограничены, снижение качества возможно, но с учетом рисков. Вот несколько подходов:

Понижение доверительного интервала
Используйте уровень доверия ниже стандартных 95%, чтобы ускорить тесты. Однако это увеличивает вероятность ошибок, поэтому применять метод стоит с осторожностью.

Пример 1: Компания Makelaarsand

Описание: в A/B тесте изменили изображение на странице помощи с улыбающейся женщины на мужчину, размещающего стикер "продано".

Результат: увеличение числа регистраций на 89%.

Критерий качества: вместо глубокого анализа всех возможных факторов, фокусировались только на изменении изображения, что привело к более быстрому и дешевому проведению теста.

Пример 2: Предоставление бесплатной доставки. Компания NuFACE

Описание: проведен тест с добавлением бесплатной доставки для заказов свыше $75.

Результат: Увеличение заказов на 90% и среднего значения заказа на 7.32%.

Критерий качества: Фокус на одном факторе - бесплатной доставке, без учета возможных дополнительных изменений.

Качественные методы вместо количественных
Если сбор количественных данных невозможен, замените его экспертными интервью или SWOT-анализом. Например, анализ конкурентов через сильные и слабые стороны, возможности и угрозы дает полезные инсайты даже без статистической значимости.

В 2023 году компания Optimizely опубликовала отчет на основании анализа 127.000 экспериментов, проведенных на их платформе. Одним из выводов отчета стало, что большое количество тестов (на одного разработчика/аналитика) приводит к ухудшению качества проводимых экспериментов. Если это число превышает 11 в год, то импакт падает на 40%, если больше 30 - на 87%. Обратный вывод из этой ситуации можно сделать, что если вы сократите количество тестов за год, то это либо не снизит ваше качество (или вообще его увеличит), но уж точно снизит бюджет.

Использование доступных данных. Вместо самостоятельных исследований анализируйте открытые отчеты, данные Росстата, исследования лидеров отрасли или отчеты инвесторов. Это дешевле и быстрее.

No-code инструменты. Вместо разработки MVP можно использовать платформы Tilda, Bubble или Zapier для прототипирования и автоматизации процессов. Это позволяет создавать работающие решения без найма разработчиков.

Оптимизация исследований – это не только экономия ресурсов, но и повышение гибкости команды. Методы, представленные в статье, помогают ускорять эксперименты, сохранять высокое качество решений и работать эффективнее.

Сергей Тихомиров - независимый косультант, ex-Head of Product Яндекс Практикум, eLama, автор telegram-канала «Борода продакта», автор Product Architecture Framework

Сергей Колосков - продакт-менеджмент с 11-летним стажем (Ozon, LitRes, IBS), независимый консультант с 7-летним опытом (Яндекс, HH, Мосбиржа, Ингосстрах и еще 90 проектов на 7 рынках), ведущий телеграм-канала для Fresh Product Manager для 20К подписчиков, преподаватель и ментор на различных курсах

Также вы можете познакомиться с подробной версией статьи по ссылке ниже:

Всем роста и продуктивных исследований! Пишите комментарии, если возникли дополнительные вопросы и предложения к статье.