Datadrivet

Intervju med Kathleen Asjes, Head of Research & Insights på Dreams. Dreams är ett Fintech-bolag som hjälper sina användare att komma igång med att spara pengar och nå sina drömmar med hjälp av att sätta mål som du kopplar olika regler, så kallade spar-hacks. Ett exempel är spar-hacket "Tjuven" som tar en lite pengar varje vecka utan att du vet om hur mycket och när, och efter ett tag har användaren plötsligt lyckats spara pengar. Joni och Kathleen jobbade ihop på Schibsted för att hitta insikter, de delade mindset om att jobba mot ett gemensamt mål och prioritera hårt. Kathleens team Research & Insights jobbar med att ta fram insikter till produktteamen baserat på kvantitativ och kvalitativ research. När Kathleen började på Dreams började hon med att fråga personer i organisationen om vad var och en behövde för typ av insikter och vad deras utmaningar var. Några av de vanliga frågorna var "Vad gör våra användare?", "Vad gör de i appen?" "Varför sparar de kortsiktigt?", "Vilket är det mest populära sparhacket?". Förra sommaren jobbade de intensivt med att ta fram hela kundresan. De baserade det på intervjuer med användare, datan från produkten och insikter från sitt forskarteam som undersöker hur hjärnan fungerar när det gäller att spara pengar. De använde sig av verktyget PingPong för att göra användartesterna. https://www.hellopingpong.com/ Genom att dela insikter en gång i veckan slår de hål på myter om användarna och produkten. Vill ni ha hjälp med att sätta upp ett experiment team är det bara att ni hör av er till oss på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin. Vi som leder podden heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Theresia Silander, VD och grundare på Eatit – ett Kry för dietistvård. Resan till att Eatit ser ut som den gör idag har växt fram på ett intressant sätt. Från närodlade råvaror, till kostråd från hälsodata, till vad produkten är idag. Eatit är en app där patienter med ex obesitas, prediabetes, diabetes eller fettlever får behandling av en dietist över video. Dietisten och appen samverkar för att stötta patienten i beteendeförändringar för mer hälsosamma vanor och viktnedgång (för vissa patienter). Ambitionerna har varit höga från start. Dels vilka resultat de vill nå, dels hur de vill nå de målen. Visionen är att göra det enklare att fatta hälsosamma beslut. Missionen är att möjliggöra för 100 miljoner människor senast 2030 att leva ett längre och lyckligare liv genom livsstilsförändringar. Eatit har gjort många misstag och lärt sig från dem: Utgick från en teknik de såg stora möjligheter med (hälsodata från exempelvis Werlabs, wearables, smartphones) inte ett problem. Försäljning mot felmålgrupp. Deras första kunder var early adopters till den nya tekniken. De fick intäkter från dem men de förde dem ej närmare lösningen (snarare längre åt fel håll). De tog tid från dem att "ta hand om" kundsupport, bygga features på etc. De gjorde arbetet med hypoteserna och experimenten för stora. Mätte för mycket. Hade för många datakällor. Blev för tungt att göra det när de inte hade erfarenhet från det tidigare i kombination med att de skulle ta hand om kunderna och leda produktutvecklingen som pågick för de kunderna. "Maxa" lärdomarna. Ville lära sig så mycket som möjligt från varje experiment för tidigt i sin utveckling. Det gjorde att experimenttakten blev för lång och de blev för tunga att göra för ett litet bolag så de orkade ej hålla ambitionen uppe för arbetssättet. De trodde att de arbetade rätt efter som de sålde tidigt, jobbade datadrivet etc. Men de "förblödde genom papercut", tog för lång tid att röra sig framåt. För stort och bra utvecklarteam för tidigt. De ville ge teamet framgångar och spännande utmaningar för att stanna kvar. Men kunde inte experimentera i samma takt som de klarade av att utveckla och ta fram saker. De fick även göra saker som Eatit trodde skapade värde. Men då byggde de för mycket och ännu mer åt fel håll. Vad Eatit lärde sig/skulle ha gjort idag: Utgå från ett problem Lägg all energi på problemet, ej på att bygga "Out of the building" Ha massor med pengar eller inga pengar (ej papercut till döds) För de pengar man har ta in folk som har byggt upp en datadriven organisation tidigare. Iaf som konsulter på några timmar Idag hade de försökt göra fler "modiga gissningar" och ta större hopp framåt Försökt göra fler korta experiment och inte räknat med att lära sig ngt i början utöver att göra experiment Vill ni ha hjälp med att sätta upp ett experiment team är det bara att ni hör av er till oss på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin. Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

I Facebook-gruppen Product Owners & Agile Coaches var det en person som ville ha tips på hur han kan starta ett growth-team i organisationen. Joni kommenterade att "kalla det inte för ett growth team", det har Joni lärt sig den hårda vägen. Vad teamet ska göra är att experimentera så mycket som möjligt för att ta reda på hur produkten kan växa så mycket som möjligt. Helst ska teamet ligga under produkt – inte under marknad eller någon annan stans i organisationen. Dels för att arbetssätten liknar hur ett produktteam jobbar än hur marknadsavdelning jobbar. Det behövs mycket mer analys och teknisk kompetens. Dels för att det blir lättare att vara användarcentrerad om man mäts av produkten och inte av marknad. Förslagsvis kan man kommunicera såhär i sin organisation: "Vi behöver lösa vårt problem med att växa problemet, därför behöver vi ett tvärfunktionellt team som tar hand om det. Låt oss börja med Activation/Onboarding som tar reda på hur vi ska lösa problemet med hjälp av experiment." Se till att fokusera på att prata om vilket nyckeltal som ni prioriterar mot, snarare än var i organisationen teamet ska befinna sig. Kanske ser till och med Joni och Jasmin inte likadant på vad det ska kallas och hur teamet ska jobba? Vad vi kallar team och vad vi gör betyder mer än vi tror. Olika begrepp klingar olika i olika organisationer. I vissa organisationer låter test och experiment som att det mest bara leks runt lite. Länk till Facebook-gruppen Product Owners & Agile Coaches: https://www.facebook.com/groups/productmanagementsweden Vill ni ha hjälp med att sätta upp ett experiment team är det bara att ni hör av er till oss på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin. Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Praktiska steg för att omvandla backlogg till små, testbara experiment. Tips för prioritering och hur man väljer rätt typ av test. Vilka roller som behövs i ett experimentteam och varför analytiker, designer, utvecklare, copywriter och marketer är viktiga. Vikten av en Product Manager som champion och fördelarna med att ha både en strategisk och en operativ PM.

När fick du en WOW-upplevelse från data senast? Joni berättar om en ett uppdrag där hon tog reda på att 83% av alla besökare till en landningssida redan var kunder. All trafik som drev till den sidan var köpt trafik och egentligen menad för de som inte redan var kunder. Det fanns flera olika team och stora delar av organisationen som jobbade med den här typen av sälj. Hon satt alltså på en insikt som skulle påverka många människors jobb och en stor del av budgeten. Det fanns så många konsekvenser av denna enda datapunkten. Hur kommunicerar man till organisationen att nästan alla resurser egentligen bara slängs bort? Det första hon gjorde var att gå till analysteamet för att stämma av den här datan för att se till att den är samlad på rätt sätt, den är räknad på ett sätt som stämmer, och tolkat den korrekt. Därefter kollade hon med sitt team om vilka hypoteser de kunde ta fram med hjälp av den nya insikten. Det hela började med att hon tittade på webbdatan och ville veta hur stor andel av trafiken till den sidan som redan var kunder. Så hon använde sig av Hotjar för att skapa en popup poll och frågade användarna helt enkelt. Efter några dagar hade hon fått in flera tusen svar. En konsekvens av den här insikten var att hon tog reda på varför så många befintliga kunder klickar på annonser. Det visade sig att de ville interagera mer med varumärket och få mer kommunikation. Därför gjordes organisationen om och det skapades flera olika produktteam med olika fokus, där ett team fokuserade på att bygga produkter för att sälja till nya kunder, och ett team som fokuserade på att bygga produkter till befintliga kunder. Det vore jättekul att få höra på era wow-upplevselser från data! Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin.  Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

De pratar om tre huvudkategorier av experiment: enkäter och kvalitativa tester, painted door/smoke tests och A/B-tester. Diskussion om när A/B-test är lämpligt: optimering, release-säkring och validering av nya idéer. Statistik om win rates hos stora företag och varför snabba test-loopar gör att team snabbare kan kasta dåliga idéer. Praktiska tips för att komma igång med små, snabba tester.

Jasmin har nyligen blivit kontaktad av ett företag som vill ha ny sorts marknadsföring. När hon tittar på deras data ser hon att 80% av alla som registrerar sig för tjänsten aldrig mer kommer tillbaka. Det är något vi nämnt i avsnitten Next Feature Fallacy och Product Death Cycle. Lösningen är alltså inte att driva ännu mer trafik till tjänsten. Lösningen är heller inte att utveckla produkten med att bygga nya features för de användare som är kvar i tjänsten. Lösningen är att skapa en bättre första upplevelse, en så kallad onboarding så att en ny registrerad användare kommer tillbaka 1 dag efter, 7 dagar efter och 30 dagar efter. En kul nyhet är att Jasmin har börjat jobba på scilla.studio och är numer kollega med Joni, inte bara poddkollega! YAY! Våra tips till alla företagsledare, produktägare eller liknande: Tips 1: Se till att ta fram datan i form av en kurva där x-axeln är antal dagar sedan signup och y-axeln är antal användare som är kvar i tjänsten. Tips 2: Försök att göra en plan för vad som händer de första 7 dagarna för en ny användare redan innan du lanserar. Tips 3: Anta inte att den första lösningen är den bästa, utan testa och lär dig från datan! Jasmin och Joni har tittat på onboardingen för några olika tänster: Trello, Mentimeter, Blocket, Memmo, Shopify, Havenly. Vill du vara med och berätta om hur ditt företag jobbar datadrivet? Hör av dig till oss på Linkedin. Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Alexandra MacRae är Head of Marketing och Customer Experience på Avinode Group. Avinode är ett bolag som är relativt okänt i Sverige och för gemene man, men kort beskrivet är det ett B2B SaaS-bolag i Business Aviation. De är marknadsledande och kundbasen är utspridd i hela världen. I avsnittet med Fredrik Sterner Cederlöf från Polestar berättade han om hur Polestar mäter NPS i hela kundresan. Han berättade också att han hade snott allt från just Alexandra MacRae. Så självklart ville vi prata mer med henne! Alexandra berättar om att de mäter kundnöjdheten med hjälp av ett samlat metric de kallar för Customer Health Score. Rent konkret är ett Customer Health score en kombination av Net Promoter Score, Customer Effort Score och Customer Satisfaction Score samt activity/engagement metrics. De visualiserar resultatet i en matris som är grön, gul och grön. Det gör att de enkelt kan se vilka kunder som är hälsosamma och vilka som inte är det. Utifrån det så har de en playbook som definierar vilka actions som ska tas och hur – beroende på vart en kund befinner sig i matrisen. Organisationen använder Customer Health Score som ett verktyg för att kunna förstå och agera på kundnöjdheten. Mätningen ger Customer Service-organisationen insikter om vilka kunder som är nöjda och därmed inte behöver särskilt mycket attention, de är gröna – så man istället kan fokusera på de som är i gult eller rött och jobba för att förflytta de upp i matrisen. Det blir också extra spännande när man lägger till en Y och X axel som visar MRR (Monthly Recurring Revenue) eller ARR (Annual Recurring Revenue) samt hur mycket meningsfulla interaktionen företaget har haft med stakeholders hos kunden. Så problemet de kan lösa hos kunden är att proaktivt höra av sig och boka in ytterligare träning i produkten, eller lära sig mer om specifika problem som de upplever på givna touch points i deras kundresa. De använder sig av Wootric för att ställa frågorna. https://www.wootric.com/. De kopplar ihop det med CRM-data i Power BI. Vi frågar ofta våra gäster om de vill slå hål på någon myt de stöter på i jobbet. Alexandra säger att en myt kring att jobba datadrivet är att bara mäta. Mäta är steg 1, att göra någonting åt datan på ett repetitivt och skalbart sätt som ger effekt är det som gör att man nåt effekt! Vill du vara med och berätta om hur ditt företag jobbar datadrivet? Hör av dig till oss på Linkedin. Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Seif Fendukly är Product Manager för teamet Conversion & Activation på ljudboksstreamingtjänsten Storytel. Han är data- och systemvetare i grunden och har tidigare jobbat som konverteringsoptimeringskonsult med bland annat Natural Cycles och Lifesum. Han delar många olika experiment han gjort på flera bolag.  Seifs team jobbar med onboarding i Storytels app, att nya användare känner att WOW, det här är en kul app som jag vill använda.  Precis som i alla streamingtjänster är innehållet den allra viktigaste faktorn i produkten.  Ett annat projekt som Seifs team jobbar med är att ta reda på hur konverteringsgraden för bokdetaljsidor kan ökas. I och med att den som kommer till sidan själv har gjort en sökning på bokens titel vet de att den här personen är intresserad av just den boken, men ändå konverterar de inte. En sak som de har sett är viktigt är hur de kommunicerar Stotytels erbjudande.  Olika marknader har olika beteenden, i vissa marknader är det inte lika vanligt att läsa eller lyssna på böcker.  I ett A/B-test de nyligen gjorde där de testade att ändra designen på sidan, gjorde de ett klassiskt misstag i konverteringsoptimering eftersom de ändrade många olika saker. Det enda de kunde se var att den nya designen gav sämre konvertering, då var det bara att stryka den designen men de kunde inte lära sig så mycket mer av det experimentet. Det är ganska svårt att övertyga andra om att det inte är en “ful design” som är problemet och att en “snyggare” design skulle kunna förbättra konverteringen.  Seif berättar om hur de prioriterar sin backlog och en framgång har varit att jobba nära teamet och peppa alla i planeringen och göra prioriteringen tillsammans utifrån affärsmålen där produkten ska stötta i det.  Seif delar även ett case från Lifesum som är en app för att planera och registrera sin mat för att nå en kroppsvikt man vill ha. En utmaning de hade där var att förklara vad värdet var med premium-abonnemanget. De förstod att användarna inte förstod skillnaden mellan gratisversionen och betalversionen. De löste det genom att utgå från en checklista med sex frågor som användarna frågar sig när de hamnar på en landningssida och behöver svar på för att vilja gå vidare. 6 frågor som användare frågar sig själva när de landar på en sida: • Relevans – Vad är syftet med sidan och vad kan jag förvänta mig? • Värde – Vad finns det för värde för mig? På vilket sätt löser tjänsten mina problem bättre än andra? • Förtroende – Vad tycker andra om tjänsten och hur har andra blivit hjälpta? • Action – Vad vill sidan att jag ska göra? Finns det en tydlig Call To Action? • Användbarhet – Är det tillräckligt enkelt och smidigt att använda den här tjänsten? • Försäkran – Om jag köper den här binder jag upp mig för alltid? Utifrån dessa sex principer började de titta på hur de kunde svara på alla dessa frågor på landningssidan och lyckades öka konverteringsgraden otroligt mycket. De lyckades även öka Retention och Lifetime Value. Vill du vara med och berätta om hur ditt företag jobbar datadrivet? Hör av dig till oss på Linkedin. Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Zarko Lindkvist är Head of Growth på konsultbyrån Valtech och har jobbat med digitala plattformar i över 10 år, och har haft många olika roller. Att ha en 10-årsplan är nästan omöjligt, det viktigaste är att lära sig mer om vad vi kan göra här och nu. Han berättar om sina uppdrag för Kivra och Cancerfonden. På Kivra satte de upp en process för att kunna göra två tester i veckan under första året. Allt från att formulera ett tydligt mål, göra om sina idéer till hypoteser, prioritera hypoteserna utifrån ett ramverk, att bestämma en win rate för experimenten, och se till att få ut så många experiment som möjligt. De har också haft bra förutsättningar för att kunna jobba med experiment: ett extremt tydligt mål, fullt mandat och alla i teamet var engagerade. Om man vänder på det så har vi ett recept för misslyckande: otydliga mål, oengagerade personer i teamet, och där teamet inte har mandat. Jag har ett mindset och en approach, men jag har ju inte svaren på vilka taktiker vi ska göra för att lyckas. Ett annat uppdrag Zarko har jobbat med är Cancerfonden som ville bli mer datadrivna. Cancerfondens mål är ju att samla in mer pengar, vilket Zarko kommunicerade och frågade efter kontinuerligt. “Hur mycket pengar kan det här projektet att dra in och vad kommer det att kosta?” Ungefär ett halvår senare hade alla enheter med ett intäktsmål och konverteringsmål i sin målplanering. När målet var satt, trackingen var gjord och data började flöda in kunde de också visualisera datan. Zarko engagerade alla olika personer för att skapa sina egna dashboards. Det gjorde de förstod vad datan innebar, kände ägandeskap över den och att dashboardsen användes, och de tyckte det var roligt att följa datan. Dashboardsen var lättillgängliga och lätta att förstå. Några myter som Zarko vill slå hål på: Det finns inte bara en analytiker. Det finns olika typer av analytiker (från implementation och datakvalitet, till businessanalys och CRO). Att jobba datadrivet är inte en persons ansvar, det är nåt som måste genomsyra det vi alla gör. Det är ett mindset och vi behöver dela på ansvaret för att tänka och jobba så. Datadrivet är inte en ny tågvagn som bara kopplas på andra initiativ. Datadrivet förändrar hur man gör allt det andra och alla behöver hoppa på det tåget. hear! hear! Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin. Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.