для вас шкалой. Например, вы могли бы приравнять оценки, полученные по 5-балльной системе, к следующим значениям 100-балльной шкалы: 0, 25, 50, 75 и 100. Или к таким значениям: 0, 2.5, 5, 7.5 для перевода на 10-балльную шкалу. Аналогично оценки, полученные по 7-балльной системе, можно преобразовать в значения: 0, 16.7, 33.3, 50, 66.7, 83.3 и 100 на 100-балльной шкале. С учетом возможности преобразования баллов при опросах потребителей следует использовать такую шкалу, которая будет для них наиболее понятна и которая не подразумевает большей точности ответов, чем вы реально можете получить.
Применение соотношения показателей важности и удовлетворенности на реальных данных
Для лучшего понимания рассматриваемой концепции давайте применим ее к данным, относящимся к реальному продукту. Работая над одним из проектов, мы периодически проводили опрос наших пользователей с целью получения их оценки предлагаемых ключевых функций. В рамках одного из опросов мы попросили пользователей оценить степень важности 13 ключевых функций продукта, а также уровень удовлетворенности их работой. Мы усреднили оценки, полученные для каждой функции, и нанесли их на график, как показано на Рисунке 4.4. Каждая из 13 точек, которые вы видите, соответствует определенной ключевой функции. Число, указанное рядом с каждой точкой, – это усредненная оценка удовлетворенности пользователей данной функцией. В правом верхнем углу вы можете видеть точку, относящуюся к функции, о которой я упоминал ранее: получившей 100 %-ную оценку по важности и 98 %-ную по удовлетворенности. Как менеджер продукта я был очень доволен таким результатом. Поскольку эта функция уже работала максимально хорошо, я не хотел тратить драгоценные ресурсы нашей команды на дальнейшие попытки ее улучшить. Вместо этого я сосредоточился на улучшении функции, точка которой (с пометкой «55») находится ближе всего к верхнему левому углу, что говорит о ее высокой важности и низком уровне потребительской удовлетворенности. Согласно данным опроса, эта функция имела 82 %-ную важность, но при этом удовлетворяла потребности пользователей лишь на 55 %. Только одна функция имела еще более низкий показатель удовлетворенности (41 %). Однако она была гораздо менее важной (всего 53 %). Стоит отметить, что клиенты способны оценить свою удовлетворенность решением только в том случае, если они им реально пользовались.
Я часто сталкиваюсь с ситуациями, когда разработчики нового продукта сетуют на то, что у них пока еще нет потребителей, которых они могли бы опросить. Они обеспокоены тем, что не могут охватить своим опросом достаточное количество клиентов для достижения статистической достоверности полученных данных. Но даже в том случае, когда у вас нет возможности опросить несколько тысяч пользователей, вы все равно можете получить значимые результаты.
Рисунок 4.4. Соотношение показателей важности и удовлетворенности на реальных данных
Нулевой размер выборки – это нормально
Давайте вернемся к Uber. Предположим, мы проводим индивидуальные интервью с каждым из 25 человек, которые часто пользуются услугами такси, и задаем им вопросы на тему важности и удовлетворенности. Как вы думаете, какой процент опрошенных, будет «полностью удовлетворен» своим опытом потребления данной услуги? Смею предположить, что немногие (если не сказать никто) из 25 опрошенных выбрали бы этот вариант ответа. В ходе интервью мы хотели бы получить больше информации о клиентских потребностях в комфорте, удобстве использования, безопасности, надежности и так далее. Представьте, что мы попросили 25 клиентов оценить важность каждого из перечисленных преимуществ, а также соответствующий уровень удовлетворенности ими, на основе личного опыта. При этом вполне вероятно, что в полученных результатах мы смогли бы увидеть значимые закономерности – даже несмотря на то что опросили далеко не тысячи пользователей. Например, если очень большой процент опрашиваемых оценивает какой-то параметр одинаково высоко или низко, есть неплохой шанс, что похожий результат будет получен и при опросе гораздо большего числа респондентов. Я называю эту технику «восполнением количества за счет качества» – количественный анализ на качественных данных. Однако должен предупредить, что использовать такой подход следует с большой осторожностью. Это редко используемый инструмент. Статистический анализ имеет массу преимуществ, но очень многие продакт-менеджеры убедили себя в том, что они нуждаются исключительно в таких доказательствах, которые не оставляют даже тени сомнения. Вместе с тем случаи бывают разными. Довольно часто, особенно на ранних стадиях работы над продуктом версии v1, применение канонических статистических методов просто невозможно. Значимость статистических показателей велика, но далеко не всегда у вас есть размер выборки, необходимый для обеспечения высокой степени их достоверности. Поэтому принцип «все или ничего» здесь не применим.
Скажу больше, вы можете использовать систему соотношения важности и удовлетворенности, не опросив предварительно ни одного потребителя. Да-да, вы можете получить значимый результат даже при нулевом размере выборки. Как? Используя фреймворк для формулирования и уточнения ваших гипотез. Бережливый подход заключается в грамотном формулировании гипотез и последующей разработке тестов для определения их достоверности. Прежде чем провести первое собеседование с потребителями, вы уже можете выдвинуть гипотезы о том, какие потребности наиболее важны для целевых клиентов. Вы также можете выдвинуть гипотезу о том, что им нравится или не нравится в существующих решениях, а также об уровне их удовлетворенности. Каждую из своих гипотез вы могли бы отразить на рассмотренной нами ранее четырехквадрантной диаграмме. Затем, по мере получения результатов исследований и прохождения итераций улучшения продукта, вы могли бы соответствующим образом изменять местоположение гипотез на диаграмме, а также пересматривать их и добавлять новые.
Другие фреймворки
Ранее я упомянул о том, что уже после создания собственного фреймворка во время работы в Intuit я был рад открыть для себя другие структурные инструменты, также основанные на показателях важности и удовлетворенности. Например, такие методы, как Gap-анализ и Работа для выполнения (Jobs-to-Be-Done, или JTBD) используют показатели важности и удовлетворенности для количественной оценки различных функций продукта и расстановки соответствующих приоритетов.
Gap-анализ
Если вы поищете описание этого метода в Интернете, то найдете сразу несколько определений. Версия, на которую я ссылаюсь, основана на расчете величины «разрыва»[9] между важностью и удовлетворенностью. То есть вы просто берете усредненное значение показателя важности и вычитаете из него значение показателя удовлетворенности.
Gap = Важность – Удовлетворенность
Чем большей оказывается полученная величина «разрыва», тем в меньшей степени удовлетворяется исследуемая потребность. Согласно этой формуле, в ситуации, когда удовлетворенность превышает важность, «разрыв» будет выражаться отрицательной величиной.
Преимущество Gap-анализа состоит в том, что результатом является единственное число, которое к тому же очень легко вычислить. Однако у этого метода есть существенный недостаток – он не позволяет делать различия между «разрывами»,
