Design of Experiment (per Growth Hackers)

Design of Experiment, abbreviato DoM, o comunemente definito experimental design, parte dal presupposto che gli esseri umani sono una specie piuttosto curiosa.

In quanto tali esploriamo nuovi territori, miglioriamo prodotti e servizi, sviluppiamo metodi più veloci e sicuri per produrre o trasportare merci e indaghiamo nei misteri delle malattie che ci affliggono.

Ma non solo!

Nel contesto di identificazione del proprio product market fit, dei canali marketing maggiormente performanti, nella validazione delle proprie assumptions e della miglior audience di riferimento (e in molti altri casi), il design of experiment risulta un approccio adeguato ogni qual volta hai la necessità di trovare delle risposte concrete a delle ipotesi di partenza.

Se stai lavorando ad un progetto di start-up, queste variabili indefinite e poco chiare sono all’ordine del giorno e trovare la giusta direzione e gli interlocutori più adeguati possono davvero fare la differenza.

Hai presente l’approccio lean di Eric Ries o la fase di sperimentazione all’interno dei processi di design thinking o design sprint?

Ebbene, tutti questi metodi hanno una base comune: la sperimentazione e il testing per apprendere qualcosa in più in merito all’idea in oggetto.

Design like you’re right and test like you’re wrong

Il concetto di esperimento è strettamente correlato alle attività di Growth Hacking il cui fine ultimo è quello di creare una cultura aziendale basata su approcci di sperimentazione.

Il Growth Hacking lavora effettivamente in questo contesto al fine di colmare le lacune tra il marketing tradizionale ed il prodotto per soddisfare l’esigenza del consumatore e del segmento di mercato a cui ti stai proponenendo.

Cos’è un esperimento?

I ricercatori usano gli esperimenti per imparare qualcosa di nuovo sul mondo, per rispondere a domande o sondare ipotesi teoriche (le cosidette assumptions o, se volgiamo, tutto quello che vienne appiccicato sotto forma di post-it nel nostro business model canvas).

Molto spesso, le domande di ricerca ed esplorazione risultano essere fin troppo generiche. Gli esperimenti dovrebbero chiarire queste domande in un quadro più standardizzato.

Un esperimento, in sostanza, è un processo o uno studio il cui obiettivo è la raccolta di dati e incrementare la conoscenza. E, come ovvio che sia, iI risultati degli esperimenti non sono noti in anticipo.

La progettazione sperimentale è il processo di pianificazione di uno studio per soddisfare specifici obiettivi.

Pianificare correttamente un esperimento è molto importante per garantire che siano disponibili il giusto tipo di dati e un campione di dimensioni sufficienti per rispondere nel modo più chiaro ed efficiente possibile alle domande di ricerca di interesse.

Design of Experiment

Ecco come stanno le cose: semplicemente non sai come i tuoi utenti possano reagire ai cambiamenti nel prodotto, ed è quindi necessario testare le tue ipotesi.

Brain Balfour, il VP di Growth Hacking di Hubspot, è un sostenitore del seguente framework:

  1. Definire il problema e le questioni da affrontare (brainstorming).
  2. Definizione delle priorità.
  3. Definire la popolazione di interesse.
  4. Determinare la necessità del campionamento.
  5. Definizione dell’esperimento.
  6. Test design.
  7. Implementazione.
  8. Analisi dei risultati.
  9. Condivisione.

Solitamente utilizzo questo framework su Airtable per tenere traccia degli esperimenti in corso e relativi risultati.

Design of Experiment Template Filippo Scorza

Definizione del problema

Il brainstorming è il primo passo nel quadro di crescita ma non è sempre facile come sembra. Un consiglio per ottenere il massimo e le migliori idee da un brainstorming è quello di scomporre in passaggi più piccoli il percorso per raggiungere l’obiettivo finale.

In questo senso occorre concentrarsi sul miglioramento degli input, piuttosto che degli output dell’obiettivo.

Prima di iniziare la raccolta dei dati, devono essere chiaramente identificate le domande specifiche che intendi esaminare ovvero, identificare correttamente il challenge da affrontare.

Inoltre, dovresti identificare le fonti di variabilità nelle condizioni sperimentali (quali possono essere le varibili interne o esterne che possono intaccare o alterare l’esperimento stesso).

Priorità

Dopo un brainstorming, è il momento di stabilire le priorità. Per scegliere quali idee si collocano in cima alla tua lista, considera la probabilità che abbiano successo, l’impatto atteso e le risorse necessarie per l’implementazione. Tutte le  ipotesi per giustificare la probabilità di successo dovrebbero essere chiare ed inserite nel framework dell’esperimento.

Definizione del audience

L’audience è un insieme collettivo di persone, utenti e consumatori dai quali si intende raccogliere i dati del risultato dell’esperimento. Prima di raccogliere qualsiasi dato, è importante definire chiaramente la popolazione, compresa una descrizione dei membri (personas).

Necessità di campionamento

Un campione casuale è un sottoinsieme di unità selezionate casualmente da una popolazione. Un campione casuale rappresenta la popolazione generale o le condizioni che vengono selezionate per l’esperimento perché la popolazione di interesse, in alcuni casi, è troppo grande per studiarla nella sua interezza.

Definizione dell’esperimento

Una chiara definizione dei dettagli dell’esperimento rende possibili le analisi statistiche ricercate e migliora quasi sempre l’utilità dei risultati.

Il processo complessivo di raccolta e analisi dei dati deve considerare come i fattori sperimentali, controllati e non controllati, si inseriscono in un modello che soddisferà gli obiettivi specifici dell’esperimento e soddisferà i vincoli pratici di tempo e denaro.

Test

Ora è il momento di progettare il test da eseguire e delinearlo chiaramente per essere sicuri di aver controllato tutte le variabili coinvolte. Un test minimo (MVT minimum viable test) dovrebbe richiedere poche risorse per essere eseguito.

Implementazione

L’obiettivo dell’implementazione è quello di rilasciare il test e di far sì che esso venga eseguito il più rapidamente possibile.

Analisi

L’analisi degli esperimenti dopo l’esecuzione è uno dei passi più importanti per alimentare la crescita a lungo termine. Quando si analizzano i risultati si dovrebbe misurare l’impatto, l’accuratezza della proprie ipotesi e determinare perché sia stato un successo o un fallimento.

Condivisione

Tutti gli esperimenti di successo dovrebbero essere catalogati in un playbook in modo che l’azienda e ogni nuovo membro del team possa trarre vantaggio da questi apprendimenti.

Infine, tieni presente il mindset con cui dovresti approcciare il percorso di test: stai sperimentando per far creascere la tua conoscenza e validare (o far fallire) piccole parti del tuo prodotto o servizio!

Spread the love
Translate