Im ersten Teil dieses Artikels hat Lean-Experte Ash Maurya erste Überlegungen angestellt, die darauf abzielen, das Geschäftsmodell eines Startups als System zu verstehen und dieses System-Denken zu nutzen, um sogar das früheste und oftmals unschärfste Stadium eines Produkts zu meistern – das Finden des Problem/Solution Fit. Nun erläutert er die Prinzipien dieses Ansatzes.
Prinzip 1: Problem/Solution Fit ist eine herunterskalierte Version von Product/Market Fit
Das Ziel des Stadiums Problem/Solution Fit besteht nicht im Lernen um des Lernens willen. Das Resultat ist kein hundertseitiger Kundenforschungsbericht, sondern eher ein wiederholbares System, um gerade genug Kunden für Stadium 2 zu akquirieren und zu aktivieren.
In anderen Worten: Im Stadium Problem/Solution Fit geht es im Grunde um denselben wiederholbaren Kundentrichter, nur auf einer kleineren Skala und mit anderen Elementen:
- Interviews statt skalierbarer Kundenakquise-Kanäle nutzen
- Eine Demo statt eines funktionierenden Produkts für die Aktivierung nutzen
- Angemessene Zahlungsverpflichtungen statt tatsächlicher Umsatz
- Die Erlaubnis zum Nachfassen erhalten (Retention)
- Weiterleitungen zu anderen Interessenten bekommen
Der Schlüssel ist hier wie bei jedem Trichter die Wiederholbarkeit.
Sie wollen Ihre Lösung an Ärzte verkaufen? Können Sie fünf Interviews in einer Woche aufsetzen und durchführen? Vielleicht fangen Sie an, indem Sie enge Freunde nach Empfehlungen fragen. Können Sie anhand der Learnings aus diesen Interviews in der kommenden Woche fünf weitere Interviews organisieren? (Oder wie wäre es mit zehn?) Wenn nicht, sollten Sie Ihre Kanäle ernsthaft überdenken, vielleicht sogar Ihr Kundensegment.
Wenn Sie Ihre Zielkunden nicht wiederholt auf einer kleinen Skala aktivieren können, indem Sie direkte Kanäle und Face-to-face-Interviews nutzen – was lässt Sie dann annehmen, dass Ihnen das mithilfe indirekter "Selbstbedienungskanäle" wie dem Web auf viel größerer Skala gelingt?
Eine Menge Leute fragen, wie lange das Stadium Problem/Solution Fit dauert, weil sie es nicht erwarten können, mit den Kundeninterviews fertig zu werden. Ich muss diese Blase zum Platzen bringen, indem ich ihnen sage, dass der Aufbau eines kontinuierlichen Kundenfeedback-Kreislaufs nie wirklich endet. Sicher evolvieren einige der Taktiken für die Skalierung, aber der Prozess wird nicht einfacher.
Prinzip 2: Immer auf die Makroebene fokussieren (oder: Den Wald trotz lauter Bäume sehen)
Lean dreht sich darum zu messen, was Kunden tun. Es geht nicht um das, was sie sagen, tun zu werden.
Kundenhandlungen sind die einzigen Makro-Metriken, die zählen. Alles andere ist Mittel zum Zweck (Sub-Trichter auf Basis von Mikro-Metriken).
Auf der Makroebene ist das Interview eine Blackbox, die dazu gemacht wurde, aus Interessenten Kunden zu generieren. Was darin enthalten ist, ist irrelevant, vorausgesetzt man bleibt auf die Makroebene fokussiert, statt in die Falle der lokalen Optimierung zu tapsen.
Beispielsweise ist es verlockend, aggressiv niedrige Preise anzusetzen oder das Produkt zu verschenken, um frühe Kunden zu generieren, um dann am Ende herauszufinden, dass es die falschen Kunden waren. Sie müssen das System immer als langen Trichter betrachten.
Auf einem eher praktischen Level kommt es aber wiederum doch darauf an, was in die Interview-Blackbox hineinkommt. In meinem Buch beschreibe ich eine eher präskriptive Struktur für diese Interviews. Diese Struktur basiert auf hunderten Kundeninterviews aus Feldstudien und wurde entwickelt, um eine Maximierung in Sachen Geschwindigkeit/Lernen gemessen am Durchlauf der Interessenten durch den Trichter zu erreichen.
Gleichwohl ist meine Struktur nur so präskriptiv wie jede andere Best Practice, sagen wir beispielsweise das Bauen einer effektiven Landing-Page. Wir wissen, wie wir Elemente wie Überschriften, Social Proof usw. verwenden müssen, aber die Leute weichen immerzu von diesen Richtlinien ab – und sollen es auch. (Ich tue es ebenfalls.)
Am Ende des Tages sollte jeder die Struktur nutzen, die beständig Makro-Metriken liefert.
Die Leute tendieren auch dazu, die "Reinheit" ihres Interview-Prozesses zu überdenken und vergleichen ihn eher mit 3rd-Party-Forschung. In meinem Buch sind Kundeninterviews nicht dasselbe wie Kundenforschung.
Die Ziele sind nämlich unterschiedlich: Kundenforschung soll Hypothesen generieren, während Kundeninterviews der Validierung von Hypothesen dienen.
Wir alle unterliegen auf dieser oder jener Ebene kognitiven Verzerrungen, aber es ist nicht so schlimm wie es oft gemacht wird. Tatsächlich ist das bei diversen Gelegenheiten sogar hilfreich oder erforderlich.
Sehen wir uns an, wie funktionierende Geschäftsmodelle beim Skalieren aussehen:
- Sie bauen einen direkten Vertrieb auf, weil Ihre Kunden lieber direkt von Menschen kaufen. Hier ist der nötige Beobachtereffekt im Spiel.
- Sie bauen Dutzende Landing-Pages und begleitende Kampagnen, um Ihre Kunden tief zu segmentieren. Das ist der Selektionseffekt bei der Arbeit.
Klar besteht immer die Gefahr, dass unsere Einflüsse uns in die falsche Richtung leiten. Zum Beispiel kann eine Reihe von Bestätigungsfehlern dazu führen, dass man glaubt, man habe ein Killer-Produkt zur Hand, weil man ein Sub-Set von Daten gewählt hat, die das unterstützen.
Daran ist nichts verkehrt, vorausgesetzt, die Sub-Sets bilden ein gemeinsames Muster ab, das sie nicht mit anderen teilen – vielleicht richten Sie sich auf eine engere Definition Ihrer Early Adopter aus. Können Sie dieses gemeinsame Muster identifizieren und dann den beobachteten Effekt beliebig wiederholen?
Sicher, wenn man mit Einflüssen und Vorlieben arbeitet, ist Vorsicht angebracht, aber ich glaube nicht, dass es eine Lösung ist, sie komplett zu vermeiden. Besser sollte man sie mithilfe von facettenreicher Forschung (zum Beispiel dezenten "5 Whys" während des Interviews) testen und letztlich die Makroebene messen.
Spezifisch und falsch ist immer besser als vage und richtig.
Prinzip 3: Fertig, wenn man ein Konfidenzintervall von 90% demonstrieren kann
Es gibt ein tolles Buch von Douglas Hubbard namens How to Measure Anything, in dem er zeigt, wie man Dinge messen kann, die scheinbar nicht fassbar oder ungewiss sind, indem man sie zunächst um eher greifbare Größen herum rahmt und dann einen 90%-Konfidenzintervall-Test durchführt.
Ja, Kundeninterviews sind qualitativ und das Lernen kann schwer greifbar erscheinen, aber wenn Sie mit ihnen ein Makro-Ziel einrahmen, wird alles sehr gut messbar.
Sie beginnen den Interviewprozess mit dem Casting einer weiten Bandbreite potenzieller Kunden. Ihre initialen Interviews resultieren vielleicht in einer 20-prozentigen Erfolgsrate. Mit der Zeit, wenn Sie sowohl Ihre Early Adopter als auch das Problemverständnis verfeinern, sollten sich die Erfolgsraten steigern.
Dieses Lernen ist wird anschließend genutzt, um ein schlüssiges Angebot zu erstellen, das aus Ihrer Lösung (Demo), dem Alleinstellungsmerkmal und dem Pricing (Solution Interview) besteht. Das ist es, worauf es ankommt.
Wenn Sie wiederholt qualifizierte Interessenten mit einem Konfidenzintervall von 90% zu Kunden konvertieren können, haben Sie einen Problem/Solution Fit erreicht, um bereit für Stadium 2 zu sein.
Für mein letztes Produkt USERcycle habe ich nahezu 100 Unternehmen von Pre-Launch-Startups bis zu Enterprise-Softwareherstellern interviewt. Durch diese Interviews habe ich mich auf SaaS-Unternehmen als meine Early Adopter ausgerichtet. Dann habe ich drei Qualifizierungsfragen ausgestaltet, um diese Early Adopter zu identifizieren und ein spezielles Angebot für sie zu bauen (Demo und Startpreis).
Ich wusste, dass ich den Problem/Solution Fit erreicht hatte, als ich lediglich auf Basis der Antworten auf die drei Fragen fast mit Sicherheit vorhersagen konnte, ob der Interessent zu einem Interview bereit sein, die Demo überzeugend finden und einen Starting Plan über 200 Dollar im Monat unterschreiben würde.
