مقاييس نجاح النظام البيئي
يحتوي Square على نظام بيئي متكامل يضم أكثر من 35 منتجًا للبائعين (بما في ذلك المتجر عبر الإنترنت، وكشوف المرتبات المربعة، والفواتير، ومربع البيع بالتجزئة، والقروض، والمزيد). لكل منتج فردي، هناك مقاييس نجاح مركزة لتحديد أولويات مراحل المنتج المختلفة (على سبيل المثالالمثال،لتجربة المجانية، أول حدث للإيرادات، إلخ).
ومع ذلك، بالنسبة للمساحات المشتركة مثل صفحة الويب العامة الخاصة بنا (squareup.com)، وتدفق الاشتراك العام على الويب، ولوحة معلومات البائع الداخلية، فغالبًا ما يتعين علينا اتخاذ قرارات تتضمن مقايضة بين المنتجات المختلفة. على سبيل المثال، أثناء الإعداد، يمكننا اقتراح منتجات معينة على منتجات أخرى، وبالتالي يصبح السؤال: كيف نعطيها الأولوية؟ ما هي معاييرنا لاتخاذ قرارات صعبة بين المنتجات؟ كيف نقيس تأثير تغيير معين على النظام البيئي العام؟ تتمثل استراتيجيتنا في الحصول على المنتج المناسب للبائعين – ولكن هناك العديد من الطرق المختلفة لقياس ذلك باستخدام إيجابيات وسلبيات مختلفة. دعنا نلقي نظرة على بعض المقاربات الممكنة لقياس نجاح النظام البيئي:
الخيار 1. لا توجد سياسة موحدة لمقاييس نجاح النظام البيئي.
تعمل مقاييس النجاح كهدف للتحسين، مما يمكّن الفرق من تحديد أهداف واضحة، والتوافق مع استراتيجية أوسع، والتكرار بسرعة. بدون هدف شامل واضح، سيتم تقييم كل حالة استخدام للمنتج بشكل مستقل وتتغير وفقًا للحالة المحددة. من المؤكد أنه قد تكون هناك حاجة إلى بعض السياسات حتى لو كانت مجرد تصنيف لتغيير التجربة (على سبيل المثال، التغيير المطلوب في الواجهة الخلفية “لا ضرر ولا ضرار” هو موقف مختلف عن تجربة “المحرك المتري” الرئيسية) أو استهداف مسار التحويل / دورة حياة المنتج (على سبيل المثال. هو تحويل المنتج المستهدف، والاحتفاظ به، وما إلى ذلك).
الايجابيات:
- القدرة على التكيف. مع تطور أهداف الشركة، يمكننا تكييف استراتيجية التجربة الخاصة بنا دون الحاجة إلى الكثير من العمليات.
- المرونة. يمكن تصميم المقاييس حسب الموقف. إن امتلاك المرونة في اختيار المقياس المناسب للتجربة من شأنه أن يمنح الفرق القدرة على قياس تأثير تجاربهم بشكل مباشر، وفي بعض الحالات، التحرك بسرعة أكبر.
سلبيات:
- سرعة المحاذاة. قد تؤدي الحاجة إلى الموافقة على كل تجربة إلى إبطاء وتيرة تفويض التجارب (وأحيانًا إنهاء القرارات) بشكل كبير.
- تناسق. قد تجعل كل تجربة لها أهداف مختلفة من الصعب الحصول على موضوع شامل لاتجاه الميزات الجديدة.
- (الإنسان) التحيز. بدون سياسة، قد يتأثر كل موقف بمن يجادل بأعلى صوت – أي “العجلة الصاخبة تحصل على الشحوم”.
- جهد. هذا يضع العمل للتوافق مع مقاييس النجاح في كل موقف على حدة.
الخيار 2. الإيرادات أو الربح الإجمالي (مع تاريخ قطع محدد).
ربما يكون هذا هو الحل الأكثر شيوعًا، لأنه “غير مبال بالمنتج” ويعطي الأولوية للمنتجات ذات الإيرادات الأكبر. هناك بالتأكيد فوائد لاستخدام الإيرادات الفعلية، ولكن هناك بعض الجوانب السلبية التي لا تظهر على الفور. في عالم مثالي، سنعرف إيرادات العميل الكاملة مسبقًا بشكل مؤكد، أي أننا سنعرف المستقبل. ومع ذلك، من الناحية العملية، قد يكون من الصعب للغاية التنبؤ مبكرًا بالعملاء الذين سيقدمون قيمة عمرية أعلى. سيجري بعض العملاء تشغيلًا تجريبيًا فقط لمعرفة كيفية عمل المنتج وليس الانخراط بشكل أكبر. لقد أجرى عملاء آخرون بالفعل أبحاثهم وقد يتعمقون في الأمر على الفور. المنتجات ذات القيمة الأعلى للشركات الكبيرة يمكن أن يكون لها أوقات تأهيل أطول. إذا كان لدينا تاريخ قصير جدًا لإيقاف الإيرادات، بدأنا في تحديد أولويات المنتجات التي تؤدي إلى تحقيق أرباح بشكل أسرع، وليس بالضرورة المنتجات التي توفر احتفاظًا أعلى وقيمة طويلة الأجل. إذا انتظرنا معالجة الإيرادات بشكل كامل، فإن ذلك يعيق قدرتنا على اتخاذ القرارات بسرعة.
الايجابيات:
- العملية. تحتاج الشركات إلى الإيرادات للبقاء على قيد الحياة على المدى الطويل، لذلك عادة ما يتوافق هذا بشكل جيد مع الأهداف المالية للشركة.
- وضوح. من الواضح جدًا أن المنتج الأعلى عائدًا له الأولوية، مما يجعل المحاذاة وكسر العلاقات أمرًا سهلاً للغاية.
- مصداقية. يميل هذا المقياس إلى التأسيس بالفعل لأنه شيء يحتاج إلى دقة عالية في القياس للشركة.
- ملاحظة جانبية: تشكل الإيرادات مقياسًا وقائيًا رائعًا، لذلك نحن لا نقوم فقط بتحويل الأشخاص دون التحقق مما إذا كانت مشاركتهم تتعمق بعد بدايتهم الأولية.
سلبيات:
- التحيز قصير المدى. المنتجات التي تكون أسرع في البدء في تحقيق الإيرادات ستأخذ الأولوية على المنتجات التي قد يكون لها قيمة أعلى على المدى الطويل، ولكن لها وقت تكثيف أطول. غالبًا ما يكون هناك مفاضلة بين الإيرادات قصيرة الأجل وطويلة الأجل.
- كمثال: يمكننا زيادة الإيرادات قصيرة الأجل ببساطة عن طريق رفع أسعارنا، ولكن هذا يمكن أن يحرق الكثير من الثقة بسرعة كبيرة ويضر بعلامتنا التجارية على المدى الطويل.
- مواءمة النمو الاستراتيجي. تميل مقاييس الإيرادات إلى تفضيل المنتجات الأكبر والأكبر. تميل المنتجات الجديدة دائمًا إلى التخلف عن الركب لمجرد أنها أصغر حجمًا، حتى لو كانت تنمو بسرعة واستثمارًا استراتيجيًا عالي المستوى على المدى الطويل. من الصعب زيادة مشاركة المنتجات الجديدة إذا لم تستثمر فيها مبكرًا وتتحمل بعض المخاطر.
- هناك طريقة أخرى يمكن أن تلحق الضرر بالأعمال وهي من خلال عدم إعطاء الأولوية للمنتجات التي تسبب إيرادات غير مباشرة أو تتيح منتجات أخرى في المستقبل.
- قانون جودهارت : “عندما يصبح التدبير هدفًا، يتوقف عن كونه مقياسًا جيدًا”. هدفنا الأساسي هو بناء تجارب رائعة مع منتجات رائعة، والإيرادات هي نتيجة ثانوية للمشاركة والقيمة. عندما نستهدف الإيرادات فقط، نبدأ في الاعتقاد بأن الأرباح هي نفسها التجارب الجيدة – لأن الناس يستخدمون منتجاتنا، أليس كذلك؟ يمكن أن يؤدي إلى إغفال تجربة العميل أو الاستثمار في أفكار جديدة تضيف البهجة مقابل الدولارات السريعة. “نحن لا نصنع أفلامًا لكسب المال. نحن نجني الأموال لصنع المزيد من الأفلام “. – والت ديزني.
الخيار 3. استخدم نموذج التنبؤ.
ماذا لو توقعنا قيمة طويلة الأجل (LTV) وقمنا بالتحسين بناءً على هذا النموذج؟ وبهذه الطريقة، يمكننا التعامل مع أي مشكلات تتعلق بوقت أطول، وتكاليف الاستحواذ، والانحياز نحو المنتجات الكبيرة، وما إلى ذلك.
الايجابيات:
- تركيز طويل المدى. يمكن تعديل النموذج للتركيز على القيمة طويلة المدى وإعطاء الأولوية للإشارات المبكرة التي تؤدي إلى نجاح طويل المدى. ملاحظة مهمة: القيمة المتوقعة ليست هي نفسها القيمة الفعلية.
- القدرة على التكيف. يمكن لمهندسي التعلم الآلي (MLEs) تحسين هذا النموذج والتكيف مع التغييرات الإستراتيجية لإبقائنا نتحرك نحو أهداف عالية المستوى ومعرفة محدثة عن العملاء.
سلبيات:
- السرعة (محتمل). تستغرق النماذج وقتًا لمعالجة البيانات، وغالبًا ما تكون صاخبة جدًا في وقت مبكر. هذا يمكن أن يجعل التكرار بسرعة صعبة للغاية.
- استثمار. يجب أن يكون هناك بعض الاستثمار في بناء نموذج فعال في التنبؤ بقيمة طويلة الأجل بإشارات مبكرة.
- محفوف بالمخاطر. هذه هي الإيرادات المتوقعة، وليس الإيرادات الفعلية، والتي تأتي إلى جانب مخاطر التحسين لنموذج لا يعكس الواقع في المستقبل. بعض الاعتبارات الإضافية:
- تحكم منخفض. التحولات في النموذج يمكن أن تغير النتائج أكثر من تغييرات المنتج المقصودة. يمكن أن تحدث التغييرات في منتصف التجربة – تخيل استهداف نموذج وفي منتصف الطريق من خلال معالجة البيانات، يتحرك الهدف. وهذا يمكن أن يكون محبطا للغاية. منحت، يمكن أن يكون هناك بعض الضمانات حول هذا في المكان.
- التحقق من الصحة صعب. يجب أن يكون هناك بعض المساءلة فيما يتعلق بالقيمة المتوقعة التي تم تسليمها بالفعل، الأمر الذي يستغرق وقتًا ومراقبة متسقة. على غرار قانون Goodhart الموضح في الخيار 2 أعلاه، إذا بدأنا في استهداف نموذج، فسوف نبدأ في تعزيز دقته من خلال استهداف الأشياء التي يستخدمها للمدخلات. على سبيل المثال، إذا كان النموذج يستهدف لحظة سحرية معينة كتوقع، وتقوم فرق المنتج بتعظيم تلك اللحظة، فقد تفقد قيمتها في التنبؤ. لا نريد أيضًا الدخول في موقف يخلط فيه الناس بين القيمة المتوقعة كقيمة فعلية، الأمر الذي يمكن أن يقودنا إلى مسار محفوف بالمخاطر.
- تعقيد. هذا هو واحد كبير. إذا كان من الصعب شرح النموذج، يصبح من الصعب استهدافه.
- تباين غير معروف. يضيف استخدام مخرجات النموذج قدرًا إضافيًا من عدم اليقين المرتبط بخطأ النموذج الذي لا يتم احتسابه في القيمة الاحتمالية (كما هو محسوب عادةً).
- قيم افتراضية، متغيرة، يحتمل أن تكون متقلبة. تتغير القيمة طويلة المدى حسب الظروف الحالية وتأثير القرارات. على سبيل المثال، سيؤثر دفع البائعين إلى منتجات جديدة على القيمة الهامشية لهؤلاء البائعين.
- خطأ بشري. سيتم الحفاظ على النموذج بواسطة MLEs ، لذلك هناك مجال للخطأ والأخطاء والأخطاء ، أكثر من الإيرادات.
- التوفر التحيز. تميل المنتجات الأقدم والأكثر رسوخًا إلى امتلاك معرفة وبيانات أكثر بالمجال حولها أكثر من المنتجات الأحدث، لذلك هناك تفاوت محتمل في المعرفة عبر المنتجات.
الخيار 4. إعطاء الأولوية للمنتجات مباشرة عن طريق إنشاء طبقات المنتج.
ماذا لو سألنا المديرين التنفيذيين فقط عن ماذا نعطي الأولوية؟ يمكنهم النظر في الاستثمار المالي، وإجمالي السوق القابل للعنونة (TAM)، والشراكات، وما إلى ذلك، وتقديم قائمة فقط بأولويات منتجات النظام الإيكولوجي (على سبيل المثال، قائمة المنتجات لعدم تحمل خسارة كبيرة في الإيرادات، وقائمة للتخصيص إلى مستوى أدنى، إلخ. ). بدلاً من ذلك، يمكن أن يكون لدينا طبقات منتجات متعددة بمعايير مختلفة. هناك عدد قليل من الأساليب المختلفة هنا، ولكنها في الأساس تسلم الأولويات من أعلى إلى أسفل لاتخاذ القرار التكتيكي لفرق المنتج.
الايجابيات:
- الشفافية. إستراتيجية واضحة للمنتج وأولويات صنع القرار.
- جهد منخفض. يتم إخبار الفرق بما هو مهم، ويقومون فقط بتنفيذ هذه الإستراتيجية. تكون المحاذاة أسهل عندما تتخذ الفرق قرارًا واضحًا من أعلى إلى أسفل.
سلبيات:
- شخصي. هذا ليس قرارًا مدفوعًا بالبيانات، وهناك خطر من الابتعاد عن القاعدة والاستراتيجية السيئة التي يتم اكتشافها في وقت متأخر جدًا.
- الاختناق من المعايير غير الواضحة. نحن في الأساس ندفع عملية صنع القرار بعيدًا عن المقاييس الأوسع ونحو أكثر عن القيادة بشكل مباشر. كجزء من ذلك، سنحتاج إلى المزيد والمزيد من المعلومات من القيادة، مثل توضيح كيفية انتقال المنتج إلى مستوى مختلف، وما إلى ذلك.
- استبعاد المنتج. قد يكون لبعض المنتجات إمكانات ويتم تجاوزها بسبب عدم قياس القيادة للمناطق الصحيحة، مما قد يمنع بعض النمو العضوي مع هدف مختلف وقد يضر بالنظام البيئي على المدى الطويل.
الخيار 5. مزيج من المقياس الفعلي والتنبؤات.
يمكننا أن نأخذ مقياسًا مبكرًا، مثل أول حدث لتوليد الدخل لمنتج ما، ونضربه في تقدير قيمة مشفرة (مع تحديث تقدير القيمة بين الحين والآخر). يمكن القول إن هذه نسخة بديلة من الخيار 3 (نموذج التنبؤ)، ولكن مع بساطة أكثر قليلاً. يتيح لنا هذا بشكل فعال التوافق مع استراتيجية المنتج طويلة الأجل بطريقة أكثر استنارة بالبيانات مقارنة بنهج القيادة المباشر من أعلى إلى أسفل في الخيار 4.
الايجابيات:
- تحكم أعلى. هناك مفاضلة بين تبني المنتج (ثنائي 1/0) والإيرادات (التي يمكن أن يكون لها تباين كبير) – توفر هذه الطريقة بعض الاستقلالية في تبني المنتج، مع تقدير الإيرادات على المدى الطويل.
- سرعة. لا يتعين علينا الانتظار ما دامت الإيرادات حتى يتم علاجها، ولكن يجب أن يكون هناك إطار زمني لاعتماد المنتج لأغراض عملية.
- استراتيجي / علم البيانات. صورة أكثر شمولية للمنتج حول كيفية تحديد أولويات المنتجات من منظور طويل المدى. من السهل نسبيا التحديث.
سلبيات:
- التفسير. هذه ليست أرباحًا، أو نموذجًا، أو مقياسًا للتبني، ولكنها نوعًا من مجموعة. يعتمد الكثير على تقديرات القيمة، وسيكون وجود مقاييس ثانوية للإحصاءات أمرًا مهمًا للغاية.
- صيانة. يجب الحفاظ على بعض الجوانب (على سبيل المثال، إذا تغيرت القيم المقدرة، تمت إضافة منتجات جديدة، إلخ). هناك أيضًا بعض القرارات التي يجب اتخاذها بشأن المكونات هنا وستحتاج إلى تحديث بمعلومات جديدة.
- التباين الفردي. في أي وقت نقصر فيه قيمة على مبلغ محدد لكل شخص لديه سلوك معين (على سبيل المثال، استخدام حدث تحويل منتج x الإيرادات المتوقعة كمقياس للنجاح)، فإننا غالبًا ما نقع في “استبداد المتوسطات”.
الخيار 6. بعض المقاييس الخاصة بالمنتج.
يعتمد هذا على المنتجات الموجودة في نظامنا البيئي، ولكن يمكننا استهداف اعتماد منتج معين أو مشاركة أو حدث اضطراب. كلما كان النظام البيئي أوسع من حيث قيمة العميل، كان من الصعب العثور على مقياس واحد، ولكن يمكن أن يعمل لبعض الوقت.
الايجابيات:
- بساطة. تميل مقاييس الجزء السفلي من مسار التحويل إلى أن تكون سهلة القياس والفهم، الأمر الذي يمكن أن يجلب الكثير من الوضوح للفرق.
- استقلال. عادةً ما يكون نقل المقياس الكمي أسهل، عن طريق تقليل الانسحاب، وزيادة اكتساب العملاء، وما إلى ذلك. ويمكنه إنشاء محاذاة حول هدف يمكن نقله بالفعل.
سلبيات:
- المحسوبية. على غرار المشكلة الأساسية هنا المتعلقة بمقايضات المنتجات، كلما كان النظام البيئي أكثر تعقيدًا، كان من الصعب العثور على حدث اعتماد منتج يعمل عبر المنتجات التي تكون عادلة للمنتجات التي تستغرق وقتًا أطول في التحميل، وما إلى ذلك.
- الجودة مفقودة. يعد قياس التحويل أمرًا بسيطًا جدًا، ولكنه يتجاهل جودة المشاركة لمنتج – نظرًا لأن مقياس التبني 1/0 لا يؤثر فيما إذا كان شخص ما يولد 1 دولارًا أو مليون دولار من الأرباح.
- المرونة. يؤدي التحسين لحدث منتج معين إلى زيادة صعوبة وجود نظام بيئي أكثر إبداعًا ويجبر نوعًا واحدًا من المنتجات على أن يصبح حدود النظام البيئي. هذا يمكن أن يعيق نمو اتساع النظام البيئي بمرور الوقت.
بغض النظر عن مقاييس النظام البيئي التي يستقر عليها فريق المنتج أو الشركة كنجم شمالي، فإن الشيء المهم هو معرفة حدود هذه المقاييس وحالات الاستخدام. هناك مفاضلات لأي خيار. وللتأكيد، فإن المقاييس ليست بديلاً عن الإستراتيجية. في نهاية المطاف، الهدف هو إضافة قيمة للعملاء عبر النظام الإيكولوجي للمنتج، يجب أن يكون أي مقياس نجاح مقياسًا للتقدم نحو هذا الهدف ويكون ذا قيمة فقط في قدرته على المساعدة في تحقيق هذا الهدف.
المصدر: developer
قد يهمك:
