’Produktmetrikker’ – forskellen på om dit produkt flopper eller bliver en succes

Når du leder et produkt, har du et overordnet ansvar for den værdiskabelse, produktet er sat i verden for. Men hvordan sikrer du dig så, at det rent faktisk sker? Hvordan holder du øje med om produktet er på rette vej, eller om der skal justeres på vejen hen mod målet? Det er her metrikker kommer ind i billedet, og derfor er det essentielt, at du vælger de rigtige.

Outcome vs. output

Gennem de seneste år er der sket en forandring i mange af de virksomheder, jeg møder og arbejder med. Tidligere var der et overvejende fokus på at få optimeret leveranceevnen, blive mere effektiv, undgå afhængigheder og få mere ud over rampen hurtigere. Men der var ikke meget fokus på den værdi, der blev skabt med produktet, der fløj ud over rampen og ramte kunderne. Det er der heldigvis ved at blive lavet om på. Mange er begyndt at tale om outcomes i stedet for outputs og arbejder med at definere Objectives & Key Results og produktvisioner og produktstrategier i stedet for at lade sig styre af features, leveranceplaner og deadlines. Den forandring i sig selv er svær, og for mange bliver det ekstra svært, fordi en vigtig paramenter overses: Hvordan holder man løbende øje med, at produktet er på rette vej til at opfylde målene?

Men metrikker er ikke bare metrikker, bare det at måle giver dig ikke nødvendigvis de svar, du har brug for, så det er vigtigt at være opmærksom på karakteren af de metrikker, du vælger at fokusere på. Jeg vil her give et par eksempler på, hvad du bør være opmærksom på.

Kvalitativ vs. kvantitativ

Kvantitative metrikker er lette at forholde sig til. Det er tal, som vi kan fylde i regneark. Det er noget, som vi kan aggregere, sammenligne, regne på osv. Vi kan bruge det til at se tendenser og til at sammenligne med, men det er sjældent nok til at understøtte, om der er kunder til dit produkt.

Kvalitative metrikker er ofte ustrukturerede, subjektive, upræcise, og typisk baseret på anekdoter. Det er det, du fx får fra interviews, fokusgrupper og samtale generelt. Det er svært at kvantificere, og det er svært at måle, men det er her, du får nuancerne i svarene fra kunderne.

Kvantitative metrikker svarer på spørgsmål om ’hvad’, og ’hvor meget’, hvor kvalitative metrikker svarer på ’hvorfor’. Den ene giver ikke et fyldestgørende svar, som du kan bruge uden den anden, så når du vælger metrikker, så sæt både kvalitative og kvantitative, der supplerer hinanden.

Vanity vs. handlingsorienteret

Du har nok hørt om ’vanity’ eller forfængeligheds-metrikker, men hvordan er det nu lige, det hænger sammen? Grundlæggende kan du skelne imellem om en metrik blot er rart for dit ego, eller om du rent faktisk kan træffe et valg på baggrund af den information, du får. Et godt eksempel på en ’vanity’ metrik er total antal e-mails opsamlet over tid. Det kan godt føles rart at se et stigende antal abonnenter, men læser brugerne dine e-mails? Køber de dit produkt? Bruger de din service? En god brugbar metrik informerer dig til at træffe valg. Et alternativ kunne være ’antal brugere, der bruger mere end 3 minutter på at læse dit budskab og følger e-mailens primære CTA’.

Du kan stille dig selv spørgsmålet "hvad vil jeg gøre anderledes baseret på den information, jeg får?"

Hvis du har svært ved at svare på det, er det nok en ’vanity metric’, og så kan du nok finde en metrik, der hjælper dig bedre i din produktudvikling.

Leading vs. Lagging

Når du udvikler produkter, har du behov for både at kunne træffe beslutninger på baggrund af, hvad du forventer, der kommer til at ske, og hvad der rent faktisk er sket – og til det formål skelner vi mellem Leading- og Lagging-metrikker (eller ’indicators’, som de ofte kaldes). Leading-metrikker er forventede indikatorer på fremtidig succes, hvor lagging-metrikker er definitive resultater af, hvad der allerede er sket. Begge typer er brugbare, men de har forskellige formål. Som jeg skrev tidligere, så skal metrikker helst danne grundlag for handling, og jo før vi har et grundlag at handle på, jo før kan vi ændre retning. Lagging-metrikker kan udstille et problem, der er opstået, mens en leading-metrik indikerer, at det kommer til at ske. Så leading-metrikker gør os fx i stand til at handle hurtigere og evt. undgå at et problem opstår, inden det sker.

Lad mig give et eksempel. En streaming-service (Netflix, Spotify, etc…) kan have en lagging indicator, der viser churn, altså abonnenter der opsiger servicen. Det er selvfølgelig brugbart at vide, hvis der sker en stigning i churn, men hvis man først bliver klar over det, efter det er sket, er kunderne for længst danset videre til det næste store dyr i streaming-åbenbaringen. Men hvis man også holder øje med leading-metrikker som fx udviklingen i antal daglige kundeklager og udviklingen i daglige aktive timer, vil de kunne være indikatorer på, at kunder kan være på vej til at opsige abonnementet, fordi de er misfornøjede med tjenesten eller ikke bruger den så meget som tidligere.

Ved at reagere på disse indikatorer kan churn måske undgås – og hvilken virksomhed ønsker ikke det?

Metrikker vs. held

Det er næsten umuligt at opnå succes med sit produkt, hvis man ikke løbende er opmærksom på de væsentligste metrikker relateret til produktet. Man kan selvfølgelig overlade produktets succes i hænderne på held og tilfældigheder, men hvorfor løbe risikoen, når vi rent faktisk ofte har en mulighed for at blive vejledt af metrikker og data, og tage de informationer og læring med som input til de produktbeslutninger, vi træffer som produktledere?

‍