Datadriven magkänsla stärker product discovery
Till och med den enklaste av faktasannning kan rymma flera lager av subjektivitet och tyckande, som kan vara dolda vid första anblick. Sällan blir det så tydligt som när vi arbetar med product discovery och designresearch.
Det betyder inte att det kvantitativa mätetalet är fel, men det betyder att det bara är ett perspektiv av många (ofta otaliga). Inte heller den kvalitativa beskrivningen är tillräcklig när vi ska förstå problem utifrån olika perspektiv. Det betyder inte att kvalitativ förståelse är fel, men det betyder att det bara är ett perspektiv av många (ofta otaliga).
Det här är svårt, och något som vi ständigt behöver påminnas om i utforskande arbete, särskilt när det kommer till innovation i snabbrörliga sammanhang. Goodwins metafor är en fin påminnelse:
Olika människor, olika talanger
Det här försvåras ofta av att människor inte bara har ett gäng föredragna perspektiv, utan också att människor ofta har en fallenhet för siffror eller en fallenhet för berättelser. Analys eller syntes. Det känns ofta mer ordnat och kontrollerat om vi får fokusera på antingen siffror eller berättelser, snarare än att mixa in allt samtidigt i en stökig röra tillsammans med olika människor och sen se vad som kommer ut.
Men grejen är att vi är människor, och vi är experter på att skapa förståelse och mening ur just den där stökiga mixen av olika perspektiv och intryck. Kalla det abduktiv logik eller magkänsla, men vi är duktiga på att få mening att uppstå ur oöverblickbar oreda. Och den där magkänslan ska förstärkas av data, inte omintetgöras av data.
Här är det viktiga är att vara vaksam på de product discovery-verktyg som man själv oftast nyttjar. Gör du alltid djupintervjuer och kundresor så kanske du ska börja i produktens/kanalens analys-verktyg nästa gång. Gör du ofta kontextuella undersökningar kanske du ska börja med några enkäter/polls nästa gång.
Ta hjälp av någon som är van vid den typen av research som du är ovan vid. Är du kvalitativt orienterad, hitta någon som kan hjälpa till att ge siffrorna liv. För i min erfarenhet är det ofta det som kvalitativt orienterade människor kämpar med när det kommer till siffror, att siffrorna upplevs döda och ytliga. Men för en siffer-person finns det djup och berättelser i kvantitativa data – Man behöver bara öva på att se det.
På samma sätt kan en kvalitativt orienterad person hjälpa en person som gillar siffror att sätta sig in i och förstå berättelser. Då brukar det ofta handla om att de behöver hjälp att förstå hur ostrukturerade data i form av berättelser kan bli något värdefullt som teamet kan agera på, alltså vad finns det för ramar att hålla sig i under analysen. Så kan vi skapa förutsättningar för mer av samarbete, och mindre av skyttegravar.
Lång sikt vs. kort sikt inom product discovery
Men det är inte enkelt. Ett av de första problemen som brukar uppstå när kval-gäng och kvant-gäng intensifierar det gemensamma research-arbetet är problemet med vad som ska ske på kort sikt vs. lång sikt. Det riskerar att bli som en dikotomi där de ”konkreta” siffrorna förväntas svara för här och nu och de ”luftiga” berättelserna förväntas svara för vad som ska ske på längre sikt i framtiden.
Akta er för den fällan, för det där är en falsk dikotomi. Det finns ingen naturlig uppdelning mellan mellan lång och kort sikt. Igen, vägen framåt är att mixa in både det som känns långsiktigt och kortsiktigt samtidigt i en stökig kval/kvant-röra tillsammans med olika människor och sen se vad som kommer ut.
För det handlar alltid om vad som faktiskt blir gjort här och nu, det är den viktiga frågan. Och det är i det dagliga arbetet som kval/kvant-mixen måste komma till. Inte på en konferens, inte på en utbildning, utan i vardagen.
När jag beskriver det som en stökig röra där vi får se vad som uppstår så kan det framstå som ostrukturerat, det behöver det inte vara. Det finns gott om processer och verktyg att ta till. Och de kan följas slaviskt om man är en person som föredrar att arbeta på det sättet. Men min poäng är att röran, stöket eller mixen inte är farlig eller dålig. Den är nödvändig för att det där nya som vi inte riktigt vet vad det är ska kunna uppstå. Och det är just det som är den stora belöningen från att mixa svårmixade perspektiv.
