• • •
نوشته اسکات کوهن | 12 دسامبر 2024
مطالعه موردی طولی پنج سرمایه گذاری مبتنی بر نرم افزار در مراقبت های بهداشتی دیجیتال، از سال 2009 تا 2017 انجام شده که یافته های کلیدی گزارش تحقیقاتی جدید نشان داده است که در بازارهایی با اکوسیستم های پیچیده (به مراقبت های بهداشتی فکر کنید)، استفاده از روش های ناب و چابک ممکن است کمتر از آنچه قبلا تصور می شد مفید باشد.
این تحقیق که توسط یک استاد دانشگاه BU و همکار پژوهشی در سنگاپور منتشر شد، به پیچیدگی های موجود در یافتن مناسب بازار محصول برای فناوری های جدید پرداخت.
نویسندگان با اشاره به اینکه عقل مرسوم به کارگیری روش‌های استارت‌آپ ناب و چابک برای تکرار سریع است، دریافتند که فرآیند ارائه حداقل محصولات بادوام برای دریافت بازخورد و اعتبارسنجی ایده‌ها در واقع در بازارهایی با اکوسیستم‌های پیچیده، مانند مالی، به خوبی کار نمی‌کند. خدمات، که در آن بازیکنان متعدد – بانک ها، بازرگانان، اپراتورها، شرکت های تلفن و غیره – به شدت به هم مرتبط هستند. در این بخش‌ها، «وابستگی متقابل بین بازیگران و حوزه‌ها به طور مؤثری کاربرد روش‌های نمونه‌سازی و یادگیری با انجام را محدود می‌کند».
این مطالعه سه درس کلیدی برای نوآوران داشت:
Learn Before Lean – به گفته محققان، شرکت‌های موفق با «اکتشاف گسترده بدون نمونه اولیه» شروع به کار کردند. درک عمیق مشتریان و بالقوه‌ها ابتدا موفق‌ترین شرکت‌ها را قادر می‌سازد تا بینش عمیق‌تری نسبت به محصول و ارزش خاصی که ممکن است ارائه کند به دست آورند. در حالی که، البته، رویکرد استارت‌آپ ناب شامل کاوش مشتری می‌شود، گزارش تحقیقاتی از غواصی عمیق‌تر قبل از انجام هر گونه نمونه‌سازی حمایت می‌کند. به گفته نویسندگان، شرکت هایی که موفق به انجام این کاوش عمیق نشدند – و به جای آن نمونه اولیه را انتخاب کردند – همیشه زمان خود را به تکرار مکررات اختصاص دادند. در انجام این کار، آن‌ها به جای اینکه برای درک کامل فرصت بازار، به عقب برگردند، تلاش کردند تا بفهمند چرا هر تکرار مورد توجه قرار نمی‌گیرد.
تمرکز بر چشم انداز آلفا – محققان دریافتند که شرکت هایی که از نمونه سازی پرهیز می کنند، روابط قوی تری با یک چشم انداز “آلفا” ایجاد می کنند، که پس از آن قادر به ارائه نمونه اولیه سفارشی ترو شفاف تری هستند که نیازهای خاص مشتری را برآورده می کند. بنابراین به جای توسعه نمونه های اولیه سریع که امکان بازخورد سریع را فراهم می کند، استراتژی های برنده شامل اجتناب از نمونه های اولیه، یادگیری گسترده تر و سپس ارائه محصولات با وفاداری بالاتر بود.
از دور شدن نترسید – در نهایت، محققان دریافتند که شرکت‌های موفق نمی‌ترسند که اگر به سرعت مشتری نشوند، از آن چشم‌اندازهای آلفا دور شوند. آن شرکت‌های موفق‌تر توانستند آموخته‌های خود را بر اساس اطلاعاتی که از چشم‌انداز آلفا به‌دست آورده بودند، به سمت محصولات جدید سوق دهند. شرکت‌هایی که ابتدا نمونه‌سازی کردند، محصولات کم‌اطلاعی داشتند که نمی‌توانستند تغییر کاربری داده شوند یا به راه‌حل‌های دیگر متمرکز شوند.
به گفته نویسندگان این گزارش، در حالی که روش‌های چابک و ناب استارت‌آپ هنوز در بسیاری از موقعیت‌ها یک رویکرد قابل دوام هستند، فرآیند ایجاد نمونه‌های اولیه بدون دوام ممکن است برای بازارهایی با اکوسیستم‌های پیچیده مناسب نباشد. این بازارهای پیچیده‌تر «توانایی نمونه‌های اولیه را برای ارائه بینش نسبت به چشم‌انداز فرصت‌های گسترده کاهش می‌دهند و حتی ممکن است توانایی آن‌ها را برای تشخیص قابلیت حیات یک فرصت معین محدود کنند».
سوالاتی که باید با تیم خود بحث کنید.
آیا ما بین اکتشاف و تعهد به طور موثر تعادل برقرار می کنیم؟
چگونه می توانیم اطمینان حاصل کنیم که در حال بررسی گسترده محصولات و بازارهای بالقوه هستیم بدون اینکه تمرکز خود را زودتر از موعد محدود کنیم یا خیلی زود به یک گزینه متعهد شویم؟
چگونه به توسعه و استفاده از نمونه های اولیه نزدیک شویم؟
آیا نمونه های اولیه ما یادگیری معناداری ارائه می دهند یا به بینش های سطحی منجر می شوند؟ آیا باید رویکردهای جایگزین را برای جمع آوری بینش عمیق قبل از نمونه سازی در نظر بگیریم؟
آیا ارزش واقعی و تأثیر بالقوه محصولات خود را درک می کنیم؟
آیا به اندازه کافی برای درک نیازها و چالش های خاص بازارهای هدف خود سرمایه گذاری کرده ایم تا ارزش پیشنهادی منحصر به فردی را که محصولاتمان ارائه می دهند شناسایی و بیان کنیم؟
آیا ما از یادگیری خود برای هدایت محورهای استراتژیک استفاده می کنیم؟
چقدر به طور مؤثر از بینش‌های مربوط به تعاملات اولیه بازار برای تغییر مسیر اکتشاف و شناسایی فرصت‌های جایگزین استفاده می‌کنیم؟
ممکن است امیدوار کننده تر باشد؟
آیا در محدود کردن فرصت‌ها روشن و آگاه هستیم؟
آیا ما یک فرآیند ساختاریافته برای مقایسه جفت‌های محصول و بازار جایگزین و انتخاب‌های تکراری بر اساس کشش و معیارهای واضح داریم؟ چگونه منابع را برای تمرکز بر بادوام ترین فرصت ها تخصیص مجدد می دهیم؟
