Mine partnere og jeg var med til at stifte Firstrock Capital for at hjælpe startups med at vokse og arbejde sammen med dem for at imødegå den udfordring, de måtte stå over for i en given uge. I årenes løb viste det vigtigste middel til dette formål at være at hjælpe dem med at bryde ned og videnskabeligt manipulere de underliggende drivkræfter for selve startup-væksten. Så mange af vores virksomheder opnåede store ting med hensyn til at rejse kapital, bygge fantastiske teknologier og tiltrække kunder og medieopmærksomhed, men da samtalerne drejede sig om:"Hvad definerer virkelig vores vækst, og vokser vi på den rigtige måde med den rigtige brugere dag for dag, uge for uge?" ting blev for ofte mere usikre.
Denne erkendelse fik os til at begynde at formalisere visse værktøjer og processer til at hjælpe vores porteføljevirksomheder med denne tilgang, så vi kunne fokusere på de mest indflydelsesrige forhold så hurtigt som muligt. Da vi begyndte at implementere dem, ændrede vores samtaler sig fra "bilen bevæger sig, men der ser ud til at være et problem med motoren" til "her er, hvad der virker og ikke virker, lad os nu ordne dette."
Denne artikel skitserer de værktøjer og teknikker, som vi har fundet de mest nyttige, og er beregnet til at være et kort for forskellige aspekter, der kan pakkes ud, diskuteres og forfines yderligere. Mens vi arbejdede med vores porteføljevirksomheder, fandt mine partnere og jeg ud af, at når vækstdata først var blevet analyseret i deres nøgledrivere såsom fastholdelse, kernehandling og definering af karakteristika for bedste brugere og kohorter, var det næsten altid en åbenbaring for alle parter.
Det første skridt til at mestre opstartsvækstmålinger, så indlysende, at det ofte bliver forbigået, er at specificere præcis, hvad der skal vokse i første omgang. Grundlæggere bør vælge én nøglepræstationsmetrik (KPI), der er forankret i det problem, de løser, og som repræsenterer den handling, deres kunder foretager sig for at modtage løsningen:
Enhver given situation ligger langs et spektrum; for eksempel kan en professionel netværksapp i første omgang spore, hvor mange potentielle fagfolk og arbejdsgivere, der aktivt bruger den. De skal ligeledes definere, hvad de mener med "aktiv", enten baseret på hypotesen om, hvor ofte en bruger skal udføre den relevante handling eller ved en frekvensanalyse af, hvor ofte brugerne i gennemsnit gør det.
Hvis forretningsmodellen er baseret på annoncering eller analyser på aggregeret brugeradfærd, kan denne KPI være korrekt. Men hvis forretningsmodellen skal modtage en procentbaseret kommission af værdien af de kontrakter, der følger af den, så vil den relevante KPI-måling være dollarvolumen af kontrakter, der udføres via platformen. Nøglen er at være klar over, hvordan den underliggende værdi skabes og din forretningsmodel for at modtage en del af den.
Valg af denne metrisk gør det muligt at definere succes midt i det organiserede kaos i en virksomhed i en tidlig fase og tilpasser alle teammedlemmer til dens vision og strategi. Flere af mine porteføljechefer har fundet ud af, at det hjælper at poste de nuværende måneders KPI-mål og fremskridt til dato på dashboards lige fra simple whiteboards til interne platforme og derefter reagere på enhver idé ved at spørge, hvordan det ville bidrage til at nå dette mål— dette indgyder ikke kun fokus, men også forankring for større kreativitet.
Den primære KPI for en virksomhed i tidlig fase er sjældent omsætning. Omsætning er naturligvis vigtig inden for startup-metrics og bliver det i stigende grad, efterhånden som virksomheder skalere, men repræsenterer værdifangst snarere end værdiskabelse. Mere værdifuld på det tidlige stadie end mængden af omsætning er eksponentiel vækst i din KPI og validering af forretningsmodel via indtægtsgenereringseksperimenter. Potentielle KPI'er at vælge baseret på forretningsmodel omfatter, men er ikke begrænset til:
Virksomhed | KPI-måling |
---|---|
Personlig app |
|
Markedsplads |
|
Fintech |
|
Enterprise SaaS |
|
Tingenes internet |
|
KPI'en kan ændre sig, efterhånden som virksomheden udvikler sig, og det er ikke kun fint, men det kan også bevise en sund og dynamisk virksomhed. Når denne KPI er etableret, og du har opnået buy-in af alle teammedlemmer, kan nogle af dem modtage deres egne under-KPI'er, der direkte indgår i det. En under-KPI for PR- og marketingteamet kan for eksempel være det samlede antal personer, der klikker sig igennem artiklerne til dit websted eller din app, som kan øges gennem antallet af artikler, den gennemsnitlige kvalitet af artikler og strategier for distribuere dem.
Når den definerende KPI-måling er blevet valgt, bør grundlæggerne drive dens fortsatte vækst ved hjælp af de forskellige tilgængelige håndtag. Topline-vækstmålinger kan opdeles i underliggende drivere, som kan eksperimenteres med for at få flere brugere ind og maksimere engagementet og værdien af dem, der allerede er på plads.
For det første skal vækstmålinger nedbrydes i brugerkohorter for at vurdere fastholdelse over tid, hvilket vil bestemme brugernes sande værdi, og hvor afhængig virksomheden er af konstant at hente nye ind. Profilerne for de brugere, der er mest engageret i produktet, kan derefter bestemmes ud fra dataene såvel som de vigtigste differentierende faktorer for de stærkeste vs. svageste kohorter, så virksomheden bedre kan fokusere sine indsatser og budskaber.
Noget analogt med statistisk profilering af de bedste brugere og kohorter er så at finde den kernehandling, der er mest korreleret med langsigtet brugerengagement og den rækkefølge af hændelser, der oftest fører til denne kernehandlings gennemførelse. Disse oplysninger giver derefter mulighed for at implementere mere stringente statistiske test af størrelsen og holdbarheden af virkningerne af virksomhedens forskellige vækstbestræbelser. Jeg har været vidne til, at analysen af ovenstående faktorer fuldstændig fornyer virksomheders forståelse af, hvem deres kunder er, hvordan de engagerer sig, og hvordan de bedst driver deres vækst og produktvision.
Vækst sker fra tre hovedkilder, diskuteret nedenfor i faldende rækkefølge efter deres indvirkning på virksomhedens værdi.
Betalt PR- og marketingindsats |
|
---|---|
Økologisk ekstern |
|
Henvisninger fra eksisterende brugere |
|
I praksis kan enhver given bruger eller strategi blande mere end én driver. Startups tilbyder ofte incitamenter til kunder til at henvise andre kunder, hvilket kan være en stærk strategi, så længe virksomheden retter sig mod de kunder, der med størst sandsynlighed forbliver engagerede. Paypal tilbyder et berømt eksempel på at bruge et henvisningsprogram som en vækstkatalysator:
I modsætning hertil kan e-handelsvirksomheder risikere ekstreme og bredt baserede rabatter på produkter, der i det væsentlige køber brugere uden nødvendigvis at validere nogen hypoteser eller sætte scenen for bæredygtigt engagement. Vær tydelig på den profil, du målretter mod, og modeller strategiens bæredygtighed.
Alt andet lige er incitamenter baseret på at tilbyde mere af en premium-version af dit produkt at foretrække frem for kontante belønninger eller rabatter, da de giver øget engagement fra brugeren og har tendens til at være mere overkommelige (forudsat rimelige marginalomkostninger ved den ekstra service).
Undersøg dine vækstdatapunkter omhyggeligt. Mange startups afholder for eksempel og deltager i begivenheder for at skabe interesse blandt målkunder - hackathons og meetups, kommercielle eller branchekonferencer og sociale udflugter eller netværksudflugter. Ud over at spore konverteringsraten for dem, der deltog direkte i disse begivenheder, kan analyse af efterfølgende brugervækst i begivenhedens geografi og målprofil give kritisk indsigt. Enhver årsagssammenhæng skal tages med skepsis, men hvis jeg for eksempel bliver bruger og så kort tid efter andre mennesker "tæt" på mig bliver brugere i mangel af andre udviklinger, kan dette signalere nok information til at køre et eksperiment.
De tre vækstdrivere beskrevet i tabellen ovenfor tager ofte forskellige baner, som analytisk kan differentieres. "Betalte brugere" fra specifikke artikler eller andre enkeltstående begivenheder har en tendens til at vise en uregelmæssig bane karakteriseret ved spidser (og desværre ofte reverseringer), organiske eksterne brugere har en tendens til at vise jævn dog lineær vækst, og endelig viser en sund henvisningsdynamik en kurve :
Efterhånden som flere data bliver tilgængelige, omfatter mere avancerede teknikker til at opdele din vækst i disse nøgledrivere:
Når du er klar over den drivende KPI for virksomhedsværdi, er det tid til at dykke ned i, hvordan din bruger- eller klientadfærd driver væksten. At overveje dette i forhold til kohorter er vigtigt for at få øje på din væksts sande bæredygtighed, da det tvinger dig til ikke kun at overveje, hvor mange aktive brugere du har i dag, men hvordan de, der tidligere har været med, stadig klarer sig.
Baseret på omfanget og hyppigheden af tilgængelige data, opdel dine brugere i kohorter baseret på et rimeligt tidsinterval såsom uger eller måneder. Som tidligere nævnt kan en simpel frekvensanalyse hjælpe med at bestemme det korrekte tidsinterval:
Hvis brugen er meget høj frekvens, vil du måske blot bruge ugentlige kohorter. Hvis det er lavere frekvens - for eksempel hver tiende dag eller hver måned, så indstil kohorteintervallerne ud fra dette. Midlerne til at visualisere denne fastholdelse over tid omfatter så:
Gennemsnitlig fastholdelse kan så sammenlignes med benchmarks for virksomhedens sektor, som for eksempel kan findes på Anu Hariharans Y Combinator-post. Hvordan virksomheden sammenligner med disse tal indikerer, hvordan den klarer sig i forhold til dets potentielle konkurrenter både for brugere og for den næste kapitalforhøjelse. Dette arbejde kan bringe noget hård kærlighed, og grundlæggere bør ikke føle sig modløse, hvis fastholdelse under benchmark opdages. Denne analyse er så værdifuld i første omgang, netop fordi fastholdelse så ofte udgør hovedudfordringen for virksomheder i tidlig fase, og de efterfølgende afsnit vil diskutere måder at finpudse på, hvad der virker.
De indsamlede data om dine brugere kan bruges til at analysere de egenskaber, der er mest korreleret med engagement, både på individ- og kohortebasis. Hele kohorter kan have deres egne specifikke karakteristika på grund af faktorer som:
Analysetypen for både individuelle brugere og kohorter er meget ens med hensyn til funktionel form, hvor hovedforskellen ligger i definitionen af inputs.
Bedste brugerprofiler kan beregnes ved hjælp af en lineær regression, hvis data tillader det, og en sådan model ville returnere det forventede niveau af engagement eller levetidsværdi baseret på brugeregenskaberne. Den afhængige variabel er et mål for styrken af engagement eller fastholdelse, og de uafhængige variabler er så de faktorer, der er tilgængelige fra de data, der er indsamlet om brugerne både fra deres profiler og deres adfærd. Eksempler på variabler til at udføre en test på individuelle brugere kan omfatte:
Afhængig variabel |
|
---|---|
Personlig eller virksomhedsprofil |
|
Aktivitet |
|
En alternativ specifikation ville være en probitmodel, som returnerer sandsynligheden for noget baseret på uafhængige variable. Denne særlige funktionelle form kan så give sandsynligheden for churn for en given bruger. Men i de fleste scenarier bør en lineær regression være standardindstillingen, medmindre du har en specifik grund til, hvorfor en anden form er at foretrække. At have en alt for avanceret specifikation kan enten sløre opdagelsen eller risikere at forveksle modellen med den virkelige verden. Hold det enkelt og spar din energi til at fortolke og handle på resultaterne.
Kohorter har tendens til at have tre nøgleøjeblikke med brugerhandlinger:
De tre respektive områder er vist i forskellige farver nedenfor:
Med lav datatilgængelighed kan de tre områder få øjnene op for, og med flere data kan det øjeblik, hvor kohorten går fra eksponentielt henfald til lineær stabilitet, testes ved hjælp af den samme Chow strukturelle brudtest, som tidligere blev diskuteret. Det indledende styrtlod i blåt er uden tvivl en del af den efterfølgende nedadgående kurve vist i grønt, men det kan være nyttigt at overveje separat, da det kan have forskellig fortolkning. Signalerne fra de tre områder kan forenklet konceptualiseres som:
Indledende styrtdyk |
|
---|---|
Kurve nedad |
|
Stabiliseringsniveau |
|
Virksomheder definerer deres bedste kohorte baseret på størrelse (hvor mange brugere), bane (hvor hurtigt brugere falder fra kohorten over tid) og niveau, hvorpå engagementet stabiliseres (% af brugere i det lange løb). De to sidstnævnte er velsagtens to sider af samme variabel. Som med alt andet med opstartsmålinger i de tidlige stadier, bør bane veje tungest. Af de to nedenstående årgange er kohorte 1 stærkere. Det kan falde mere og endda først stabilisere sig på et lavere niveau, men det viser derefter en lineær tendens til, at brugerne genaktiverer, mens den blå kohorte fortsætter med at falde.
Ræk ud til de brugere, der faldt fra, for at se, hvad du kan gøre for at genaktivere dem eller i det mindste for at lære af dem. Disse mennesker på grænsen til at bruge dit produkt, men i sidste ende valgte ikke at repræsentere en af de rigeste puljer af potentiel information såvel som den lavest hængende frugt til yderligere vækst.
Når du har identificeret dine mest engagerede kunder, vil du gerne lære, hvordan de bliver mest engagerede. Det centrale trin er at identificere den kernehandling, der er mest forbundet med langsigtet engagement. Tænk på denne handling som det vendepunkt, hvor du har fanget klienten, og analyse af strømmen af handlinger, der er foretaget, kan afsløre et øjeblik med uforholdsmæssigt forventet engagement og fastholdelse. For en markedspladsplatform kan det være med succes at realisere de tre første salg. Det er brugerens "ah ha"-øjeblik - "Wow, denne ting virker faktisk"-øjeblikket. Find det.
Når kernehandlingen er identificeret, er det logiske næste spørgsmål, hvordan man får brugerne til det så hurtigt og sikkert som muligt. Næste trin i analysen er derfor at identificere rækkefølgen af hændelser, der med størst sandsynlighed vil føre til, at kernehandlingen bliver taget, og bruge denne til at forfine dit produkt-UX for at bringe brugeren igennem dem så problemfrit som muligt. Fjern så mange nødvendige trin som muligt; at skabe smuk UX er som at sigte efter guld og repræsenterer en proces med reduktion og destillation snarere end tilføjelse.
Når det er muligt, skal du definere dine variable i form af ændring i stedet for absolut tilstand. For enhver virksomhed, men især for opstartsmålinger, er ændringshastigheden det, der definerer din værdiansættelse og konkurrencefordel. Når du beregner ændring, skal du bruge naturlig logaritmisk ændring i stedet for procentændring. Procenter passer ikke godt ind i statistisk analyse på grund af deres skævhed; for eksempel, hvis dine aktive brugere stiger 10 % fra 100 til 110, men derefter falder 10 %, er du nede på 99. Naturlige logfiler har dog denne symmetri, er lige så nemme at beregne som procenter og kan konverteres til procenter til endelig fortolkning også ved hjælp af en simpel transformationsformel.
Analyserne beskrevet gennem dette punkt er historiske, men vil give mulighed for mere detaljeret forudsigelse af fremtidig vækst baseret på underliggende drivere, som er nyttige for stiftere til at spore deres sandsynlighed for at nå interne mål eller benchmarks for deres næste finansieringsrunde, og for investorer til at estimere en virksomheds bane. Som diskuteret i det næste og sidste afsnit, sætter det også scenen for resultatdrevne eksperimenter for produktudvikling og opstartsvækststrategier.
Med denne forståelse af de kræfter, der har formet din vækst hidtil, kan du køre eksperimenter med, hvordan du styrker dem på bæredygtige måder via produktopdateringer, marketing og PR og forretningsudvikling. Ved at bruge dine historiske vækstmålinger og engagementsniveauer som basislinjer, kan den sande effekt af dine forskellige indsatser vurderes. Det er her kreativitet virkelig kommer i spil, men kreativitet med rod i empirisk validering.
En baseline bruges til at angive, hvad din vækst ellers ville have været uden den truffede handling. En simpel baseline kunne være historisk vækst, og mere avancerede kunne bruge de førnævnte underliggende drivere til at forudsige en basislinje fremtidig vækst. Under nogle omstændigheder kan basislinjen endda være reaktioner fra tidligere lignende begivenheder. Med basislinjen ved hånden ville de følgende trin involvere statistiske analyser af dataene for at fastslå, hvilken vækst der blev tilskrevet de foranstaltninger, der blev truffet (dvs. i overensstemmelse med historiske ændringer), og hvad der var "unormalt".
Frem for alt skal disse test etablere den læreproces, hvorved virksomheden og produktet bliver smartere og stærkere med hver enkelt brugerhandling. Dit produkt og din forretningsmodel som de eksisterer på ethvert givet tidspunkt kan kopieres; men processer og bevægelige mål repræsenterer langt mere bæredygtige konkurrencefordele. Brug disse eksperimenter og feedback-loops til at gøre dit produkt til en levende ting, der konstant bliver mere sofistikeret. Ligeledes er den mest værdifulde vare i verden information, både til dig og til dine nuværende og fremtidige kunder.
Den indsigt, du får i, hvad der driver vækst og engagement hos dine brugere og kunder, kan i sig selv blive det produkt, du i sidste ende sælger; de mest værdifulde teknologivirksomheder udviklede sig næsten alle på et tidspunkt fra at blive værdsat baseret på deres kundevækst til at blive værdsat baseret på den information, de skaber. Effektiv forståelse af startmålinger er det første skridt at tage på denne rejse.