Image Image Image Image Image

Ciao

Scroll to Top

To Top

Business Model Archives - Sharazad

La segmentazione efficace del mercato: un approccio adatto a un contesto di innovazione

On 29, Nov 2017 | In Business Model, Lean Startup, Lean Thinking, Marketing, News, Strategia | By stefanoschiavo

La segmentazione del mercato costituisce un aspetto fondamentale nella costruzione di un business. Un percorso strategico su un singolo segmento del mercato permette di focalizzarsi e verificare un business model in tempi rapidi.

Fare una segmentazione dei propri clienti non è però cosa facile. In particolare partendo da una visione tradizionale del mercato. Essa spinge verso una soluzione tanto semplice quanto spesso inefficace. Le variabili utilizzate fanno riferimento a una lettura del mercato non adatta a molte delle attuali condizioni.

In questo post provo a suggerire un approccio in linea con l’impostazione Lean della strategia e del business.

Le migliori variabili per la segmentazione

Indicatori psicografici e sociodemografici costituiscono un modo apparentemente intelligente per suddividere i clienti. Questo vale sia in mercati B2B che in quelli B2C.

Segmentazione Data Analysis

Per un’azienda che vende ad altre aziende

  • la dimensione del cliente,
  • i volumi di vendita,
  • il numero di stabilimenti e dipendenti,
  • la sua struttura organizzativa e distributiva,
  • il suo processo produttivo e così via

sono parametri di sicuro interesse.

Allo stesso modo chi vende ai privati può essere interessato

  • al titolo di studio,
  • all’età,
  • al genere
  • all’attività professionale
  • allo stipendio

e tanti altri elementi di questo tipo.

Essi permettono di costruire delle chiare ripartizioni del mercato che sono a prima vista molto omogenee. Ci permettono di studiare gruppi di clienti che condividono aspetti rilevanti e che quindi ci spingono a pensare a un comportamento simile.

Poche, molte e tantissime…

Vediamo un caso specifico che ci aiuti a comprendere di cosa parlo.

Un’azienda con cui ho recentemente lavorato vende stampanti a clienti industriali. Fino all’anno scorso, classificava il mercato secondo un criterio di numero di postazioni di lavoro presenti nell’azienda cliente. “Poche, molte e tantissime…” (in realtà categoria A, categoria B e categoria C) era tradizionalmente il modo utilizzato per descrivere il cliente insieme al suo settore d’appartenenza. Piccoli negozi e medie aziende manifatturiere, studi di grafica e fotografi.

Ne usciva un quadro omogeneo e rassicurante che delineava poi un sistema d’offerta profilato sul segmento scelto.

Segmentazione stampante

Le variabili psicografiche

Anche lo studio degli interessi, dei valori e delle caratteristiche personali del cliente non è altro che un’estensione di questa lettura in cui il mercato viene spezzettato secondo uno schema preciso. Uno schema sempre adatto a proporre i propri prodotti e servizi.

Comodo e rassicurante. Ma molto legato alle proprie necessità di classificazione interna, piuttosto che a reali considerazioni delle caratteristiche del cliente.

A ben guardare, utilizzando variabili sociodemografiche e psicografiche, costruiamo a tavolino una serie di categorie fittizie perfette per selezionare campioni per focus group o indagini di mercato. Niente di più lontano dal get out of the building che ci è tanto caro.

Non nego la rilevanza di questo approccio, ma provo a mostrarne qualche limite quando affronto progetti di innovazione.

Personas ed empatia

Il marketing che si è sviluppato negli ultimi anni, in particolare nei business legati al digitale e alle startup, ci ha abituato a una lettura del mercato basata su altri fattori.

Penso che la consapevolezza della complessità del processo di segmentazione sia anche emersa osservando il comportamento delle persone in rete. Le cerchie di Google Plus mappano un fenomeno chiamato Appartenenza aperta. Ogni persona appartiene contemporaneamente a molti gruppi sulla base di bisogni e problemi da affrontare.

L’appassionato di scacchi si ritrova la sera con un gruppo di vecchi amici e ogni giorno va a lavorare in banca dove frequenta colleghi appassionati di vintage. Si incontra periodicamente con delle famiglie che hanno avuto un problema con una stessa malattia rara che non ha oggi grandi soluzioni. Nel frattempo è in dieci diversi gruppi in Whatsapp tra cui quello delle maestre della figlia insieme a tutti gli altri genitori e uno che organizza uscite in barca il fine settimana.

Segmentazione Appartenenza Aperta

Appartenenze disomogenee

Appartenenze diverse, più o meno intense, più o meno frequenti. Ognuna che conduce a peculiari processi di acquisto fondati su priorità e intensità diverse.

La stessa condizione sociodemografica potrebbe portare due persone tradizionalmente simili a comportamenti molto diversi. L’intensità dei bisogni e delle problematiche affrontate può comportare una decisione di spesa molto eterogenea all’interno dello stesso segmento sociodemografico e psicografico.

Per affrontare in modo diverso il tema della segmentazione sono nati strumenti originali nell’ambito del Design Thinking e del Lean Startup. Partendo dalla costruzione di una Personas, ossia di un personaggio non reale, ma che rappresenta il cliente tipo del nostro progetto.

Personas

Le Personas sono “personaggi” definiti attraverso un mix di dati e ipotesi. Rappresentano i nostri clienti. Sono clienti immaginari, perché non esistono realmente, ma allo stesso tempo realistici, perché creati sulla base di dati veri.

Nei panni del cliente

Consentono di definire e comprendere il segmento target e aiutano non solo a inseguire le sue esigenze, ma anche a prevederle e anticiparle.

Si costruiscono partendo da persone conosciute. Si estendono progressivamente in un percorso alternativo e contrario a quello delle categorie sociodemografiche. Non hanno da subito un valore statistico, ma permettono un’esplorazione diretta. Aiutano nella costruzione progressiva di gruppi basati su coerenze di bisogni.

Empathy Map

Le Personas prendono vita applicando strumenti come l’Empathy Map. Questo tool permette di costruire le caratteristiche del nostro cliente seguendo considerazioni sulle priorità, le influenze subite, l’ambiente in cui vive e gli stati d’anima più importanti. Consente di arrivare a una definizione di Pain & Gain, ossia di aspetti di sofferenza e obiettivi significativi per il cliente.

Empathy Map

Stakeholder Map

L’utilizzo di Personas ed Empathy Map, che descrivo con più dettaglio in altri post, va spesso abbinato a una mappatura dei soggetti maggiormente coinvolti nel mercato analizzato. La Stakeholder Map costituisce così

  • un tool di verifica delle relazioni tra soggetti portatori di interesse
  • un modo per capire la relazione tra chi può influire nel mercato e il suo interesse specifico sul nostro progetto

Stakeholder Map

La segmentazione nei processi di innovazione

Utilizzando questo schema, i segmenti di mercato non sono più accomunati da improbabili correlazioni tra stato sociodemografico e comportamento d’acquisto. Diventano centrali i problemi e gli obiettivi che condividono eterogenei categorie di clienti.

L’azienda che vende stampanti ha cominciato a comprendere che l’ambiente di utilizzo del device (rumoroso, polveroso, caotico) e la necessità di integrazione veloce con diversi altri device in produzione e negli uffici potevano costituire criteri per ripartire il mercato. Diventavano così la base per diverse Value Proposition e quindi diversi sistemi d’offerta.

La segmentazione così descritta consente di condurre molto bene la fase di Problem Solution Fit del Lean Canvas di cui ho parlato qua.

Un’immagine illuminante sul valore della segmentazione

È un classico in questo tipo di approcci citare questa illustrazione.

Immagine MVP

Ci sono tante chiavi di lettura. Molte sono collegate con l’approccio iterativo alla validazione di ipotesi di business model. Va in contrasto con una programmazione waterfall che divide in modo sequenziale una fase di pianificazione da una di esecuzione. Ne ho parlato qua.

In questo post mi preme sottolineare ciò che stanno perseguendo i due tipi di impostazione.

Nel primo si sta costruendo una macchina di ogni forma purché chiusa. Si ha un’idea chiara di ciò che il cliente vuole. Questo perché stiamo rispondendo alle esigenze di categorie conosciute di interlocutori. Sappiamo con certezza che cercano una macchina del tipo che stiamo realizzando. Le indagini di mercato ci confermano l’omogeneità delle richieste. La produzione di massa ha fondato su questa certezza il suo successo.

Nel secondo caso invece stiamo indagando un generico bisogno di “aria aperta” che accomuna molte persone diverse. Il punto di riferimento è un’insofferenza per gli ambienti chiusi. La libertà e il sole. Il divertimento e una mobilità a contatto con la natura. Sono aspetti che possono essere usciti dall’Empathy Map e non da una analisi sociodemografica del mercato.

Conclusioni

Crossing the ChasmFinisco citando un libro che ha insegnato molto in questo senso. È Crossing the Chasm, scritto nel lontano 1991 da Geoffrey A. Moore. Ci insegna diverse cose sui  processi di adozione di nuove tecnologie. Ma di questo magari parliamo un’altra volta.

Moore nel libro parla anche di segmentazione e la chiama Target Customer Characterization.

I mercati come categorie sono cose astratte e impersonali: il mercato degli smartphone, il mercato dei gigabit router, il mercato dell’office automation e così via. Né i nomi né le descrizioni dei mercati evocano immagini memorabili. In realtà, questi non sono affatto “mercati” nel senso in cui intendiamo noi, non si riferiscono a popolazioni di clienti, ma piuttosto a gruppi di concorrenti.

Proprio quanto abbiamo notato in quella tipica classificazione del mercato per la nostra azienda di stampanti dell’esempio. Le categorie A, B e C erano a uso e consumo di una lettura dall’interno del mercato e della concorrenza. Non metteva in discussione le vere priorità del cliente.

Abbiamo bisogno di lavorare con qualcosa che aiuti a procedere in presenza di persone reali con motivazioni complesse. Tuttavia, dal momento che non abbiamo ancora clienti reali in carne e ossa, o almeno non molti di loro, dovremo accontentarci di inventarli. Quindi, una volta che abbiamo in mente le loro immagini, possiamo lasciarci guidare da loro per sviluppare un approccio veramente reattivo ai loro bisogni.

Ho proposto un percorso per costruire queste immagini memorabili che sono nella testa dei nostri clienti. Si tratta di un percorso che consente di far emergere bisogni e obiettivi comuni a clienti eterogenei.

È un criterio di aggregazione adatto al nostro contesto sociale fatto di un’esplosione di interessi e relazioni che consentono di costruire gruppi indipendenti dalle tradizionali categorie di segmentazione, più utili in mercati stabili. Sempre che esistano.

Tags | , , , , ,

La Lean oltre i processi. Tre strumenti per lo sviluppo di un business model

Il Lean management ha solo recentemente affrontato il tema del business model. Tradizionalmente si è occupato di processi, in particolare di quelli produttivi. Ha in questo sviluppato molti strumenti che costruiscono una metodologia solida.

La filosofia snella di matrice giapponese ha avuto molti successi in queste applicazioni. Anche in Italia aziende e società di servizi (come gli amici di Considi ad esempio) hanno avuto la capacità di tradurre in pratica le visioni dell’approccio Lean.

L’incrocio con il mondo delle startup ha però determinato da qualche anno il proliferare di libri e soluzioni snelle applicate alla strategia aziendale e al business model. Sia per nuovi progetti per il mercato, sia per l’innovazione e il miglioramento di strategie già avviate.

Sotto il cappello Lean startup, autori come Steve Blank, Eric Ries e Ash Maurya ci hanno fornito un approccio molto strutturato in questi ambiti di lavoro.

Ripercorrendo le diverse fasi di un progetto di innovazione di un modello di business, in questo post proviamo a suggerire tre strumenti operativi utili a impostare un percorso strategico Lean.

I modelli di riferimento

Nell’innovazione di un modello di business, è utile far riferimento a due impostazioni che toccano aspetti complementari.

Da una parte l’innovazione secondo il Design Thinking in cui l’incrocio di tre elementi aiuta a costruire una soluzione solida.

  1. In riferimento alle persone per le quali si sta sviluppando l’innovazione, dobbiamo perseguire un tema di desiderabilità (desirability) di quanto proposto. Non possiamo in altre parole prescindere dall’efficacia sul mercato della nostra idea.
  2. L’aspetto tecnologico ha bisogno di una condizione di fattibilità (feasability) che fa riferimento ad aspetti tecnici e produttivi.
  3. Il business richiede infine la possibilità di portare l’idea sul mercato (viability) secondo un equilibrio tra canali di vendita, pricing e monetizzazione.

Schema Design Thinking per il business model

Un’altra prospettiva complementare utile da considerare è quella dell’approccio Lean al business attraverso il metodo scientifico. Secondo una prospettiva iterativa del processo di innovazione conviene infatti far riferimento a diverse fasi da ripetere in cicli frequenti.

  1. ideazione in cui l’innovazione viene fatta emergere attraverso tecniche che stimolano una lettura del mercato discontinua e alternativa
  2. problem/solution fit in cui ci si concentra sull’efficacia dell’idea e sull’esistenza di un pubblico che trova valore in quanto da noi proposto
  3. product/market fit in cui la ripetibilità e la scalabilità della proposta viene sviluppata e validata

Sequenza generazione business model

Questi due approcci ci faranno da riferimento per quanto vedremo in seguito. Il primo determina le condizioni per cui l’idea abbia la capacità di affrontare con successo il mercato. Il secondo si focalizza su una visione progressiva di approccio al mercato.

La costruzione di un processo iterativo

L’evidenziazione che l’innovazione ha un carattere iterativo non nega l’esistenza di forti discontinuità. Piuttosto fa riferimento a un approccio scientifico originale nella costruzione e validazione del modello.

L’idea che sta dietro questo processo è che ci sia un ordine sequenziale nelle fasi di definizione del modello.

Prima è importante verificare se qualcuno parteciperà alla festa e poi compreremo le candeline per la torta.

In altre parole la verifica di valore precede quella di fattibilità. L’efficienza non serve se l’idea non è efficace.

Abbiamo in questo senso tre fasi da affrontare nella definizione del modello di business.

  • La prima è quella che viene chiamata Problem Solution Fit e che richiede strumenti di analisi legati all’analisi del valore per il mercato: Personas, Stakeholder map, Empathy Map e così via.

Definizione delle ipotesi di valore nel business model

  • La seconda è la Product Market Fit in cui si verificano elementi di fattibilità e scalabilità e ha strumenti come modelli di monetizzazione, growth engine, metrics & traction e altri.

Le ipotesi di efficacia nel business model

 

  • La terza fase è quella di vera e propria iterazione in cui le ipotesi del modello sono validate attraverso un percorso sperimentale iterativo e che trova i suoi tool operativi nel MVP testing, nel Risk Dashboard, nel post mortem , in interviste di validazione con script aperto e convergente.

Avremo modo in futuro di analizzare tutti questi tool. Qua rappresentiamo l’intero processo.

Processo iterativo Lean Startup

Qualche parola in più sulla fase di validazione

Le prime due fasi sono affrontate con un buon approccio utilizzando il Lean Canvas di Ash Maurya. Ne abbiamo parlato qua. Lo vedremo nel dettaglio in altri post.

Qua è interessante approfondire la terza fase, quella che viene dopo la definizione del modello. Siamo nel campo dell’analisi sperimentale. Mettiamo in campo una serie di test che vanno a verificare le ipotesi del modello.

Ma quali ipotesi?

Un punto interessante del Lean Startup è quello di partire dalle ipotesi più rischiose. Non ci concentriamo su aspetti che siamo abbastanza sicuri di poter risolvere o che comunque avrebbero un impatto più limitato sul modello. Andiamo a verificare le ipotesi che potrebbero far saltare tutta l’impostazione. Tipicamente sono quelle sul valore.

Qualcuno ha bisogno del mio prodotto? Esiste davvero un problema nel mercato cui stiamo andando a portare una soluzione? Le alternative sono davvero così poco vantaggiose rispetto a quanto proponiamo noi?

Una volta verificata un’ipotesi, si procede a rivedere il modello se non è soddisfatta. Poi si procede con l’ipotesi successiva. È un affinamento progressivo che limita l’investimento sia in termini di soldi che di tempo. E consente di andare da subito ad affrontare il mercato. Get out of the building, dicono.

Per questo processo esiste un’impostazione strutturata.

  • Il Post Mortem ci permette di ordinare i rischi dai più importanti ai minori.
  • Il Risk Dashboard ci permette di programmare la sequenza di esperimenti in funzione delle ipotesi del modello.
  • L’MVP (minimum viable product) permette di costruire esperimenti in maniera adeguata.

BML

Provo a riassumere.

  1. Quando sviluppo un modello di business, tra i diversi elementi, definiscono un valore per il cliente e lo sintetizzo con una Value Proposition.
  2. Nella fase di validazione sperimentale, ogni Value Proposition genera una serie di ipotesi/rischi.
  3. Attraverso esperimenti (MVP) possiamo verificare queste ipotesi.
  4. Si attiva così una sequenza definita Build Measure Learn. È un processo che porta a validare/modificare le ipotesi o a un pivoting sull’intero modello.

Canvas e MVP

Tre strumenti per la fase di validazione sperimentale

Il processo finora descritto racconta un approccio snello allo sviluppo di una strategia aziendale.

Permette di concentrarsi sulle cose importanti, di definire gli elementi alla base del modello di business senza elaborare subito un business plan articolato. All’inizio bisogna tagliare l’erba alta e verificare gli aspetti più critici.

È snello per il suo carattere progressivo che segue le logiche del miglioramento continuo (kaizen). E perché lo fa in maniera scientifica.

Ho elencato vari strumenti utili. Ora ne analizzo nel dettaglio tre che sono particolarmente adatti a rendere più agevole il percorso che ho descritto.

1. L’allineamento sulle priorità attraverso la Matrice Rilevanza Onerosità

Ho spesso sottolineato come sia utile, in un progetto che prevede l’interazione di molte persone, attivare rituali e utilizzare strumenti di coordinamento visuali. Ne ho parlato qua.

Le persone hanno visioni e priorità diverse ed è utile arrivare a una sintesi tra le diverse posizioni evitando di imporre una soluzione dettata da autorità gerarchica.

Il consenso attorno alla priorità su cui lavorare è importante per mantenere una squadra coesa ed entusiasta.

Matrice Onerosità Rilevanza per i segmenti del business model

Un esempio concreto si applica quando si affrontano i vari segmenti di clientela del modello di business (ma questo stesso approccio può essere applicato anche nei processi operativi aziendali per le priorità nelle modifiche di un prodotto, di apertura di un mercato, di campagne di comunicazione e così via).

Ci sono due fattori che definiscono una matrice utile a individuare una priorità tra i diversi segmenti emersi. Dopo aver raccolto, con strumenti per rimuovere l’ippopotamo, i diversi segmenti individuati da ogni elemento del team, si chiede a ognuno di dare una valutazione quantitativa secondo due parametri.

  • Rilevanza per il business, ossia l’importanza per i risultati economici futuri dell’azienda, di quel particolare segmento. Questo indipendentemente da quanto sarà facile raggiungere il cliente.
  • Onerosità. Questa volta, indipendentemente dalla rilevanza valutata prima, si deve definire la difficoltà percepita per raggiungere quel segmento di mercato secondo valutazioni di costi, tempi e know-how da sviluppare.

Sessioni di confronto sui risultati delle valutazioni consentono di far emergere percezioni lontane e spesso contrastanti. Ognuno può argomentare il proprio voto e alla fine si può convergere, con l’aiuto di un moderatore ben formato, verso un risultato diverso da quello iniziale.

L’esercizio si completa rappresentando visivamente il risultato su una mappa che incrocia i due parametri.

Le priorità sono legate, ma non vincolate, a una regola che favorirebbe i segmenti di maggior rilevanza e minor onerosità. Il tutto si collega all’idea che sia comunque conveniente affrontare un segmento alla volta in maniera completa e non attivare analisi parallele su troppi fronti.

2. Il post mortem per alimentare il Risk Dashboard

Non è facile determinare da subito quali siano gli aspetti più urgenti da affrontare nello sviluppo del business.

Siamo così concentrati sulle questioni più vicine nel tempo, da non avere la lucidità per accorgerci che gli aspetti più rischiosi con le maggiori conseguenze sul progetto sono diversi da quelli sui cui lavoriamo.

Uno strumento utile a evitare questo è il post mortem. Facciamo riferimento in questo a meccanismi per evitare bias e pregiudizi quando affrontiamo un problema. Abbiamo visto alcuni di questi aspetti parlando di Daniel Kahneman in questo post. Attribuisce il metodo, chiamato “pre mortem” al suo antagonista Gary Klein.

La procedura è semplice: quando una società è quasi giunta a una decisione importante, ma non si è ancora impegnata in maniera ufficiale, Klein propone di convocare per una breve sessione un gruppo di individui che sanno della decisione in corso. La premessa della riunione è un breve discorso: «Immaginate che sia passato un anno da oggi. Abbiamo implementato il piano secondo le direttive indicate sulla carta. Il risultato è stato disastroso. Si prega di scrivere in 5-10 minuti un breve resoconto di quel disastro».

Kahneman e post mortem nel business modelI vantaggi di una procedura di questo tipo sono essenzialmente due.

  1. Si rimuove quell’omologazione di pensiero che nasce in un gruppo dopo che si è presa una decisione. Ciascuno infatti si orienta a confermare il pensiero comune e a non considerare alternative e rischi.
  2. Si libera l’immaginazione di individui competenti che spesso è bloccata dall’insieme di premesse su cui si è trovata una sintesi comune.

La principale virtù del pre mortem è che legittima i dubbi. Inoltre, incoraggia gli alfieri di quella particolare decisione a verificare se non si sia trascurato in precedenza di prendere in considerazione possibili minacce. Il pre mortem non è una panacea, né fornisce totale protezione da brutte sorprese, ma riduce abbastanza i danni causati dai piani distorti da WYSIATI e da un ottimismo acritico.

Il WYSIATI è quell’atteggiamento che porta a fermarsi ai dati disponibili e di più semplice reperimento. What You See Is All There Is. Quello che vedi è tutto ciò che esiste. Una pigrizia poco utile al business e che il post mortem permette di evitare.

In particolare applicare il Post Mortem all’analisi dei rischi di un business model richiede poi di far convergere il gruppo su una valutazione comune. Magari attraverso una sessione di dot voting.

Questo consente di affrontare da subito (nelle prime righe della Risk Dashboard) gli aspetti più rischiosi. Da lì si parte con l’utilizzo di MVP ed esperimenti per verificare questi rischi.

3. Una variante su uno strumento Lean per la validazione delle ipotesi: l’A3

A partire dal processo definito finora, penso sia utile affrontare la validazione iterativa delle ipotesi con lo strumento principale di Problem Solving della Lean: l’A3.

Ash Maurya ha proposto in Scaling Lean l’utilizzo dell’A3 per le stesse finalità. Prendendo spunto da lì, faccio qualche piccola variante derivante dalle mie esperienze.

La sequenza degli MVP

L’A3 è lo strumento che permette di tradurre il ciclo PDCA (Plan Do Check Act) di Deming in una sequenza strutturata di analisi e soluzione di un problema. Qua si trovano un po’ di riferimenti.

Il ciclo PDCA

Il tool A3 del Lean Thinking, adattato al ciclo Build Measure Learn, permette di condurre con una sequenza di passi strutturata ogni esperimento di validazione delle ipotesi del modello e di giungere al successivo ciclo di sperimentazione (iterazione).

Ciclo Build Measure Learn

Che si sviluppa nei quadranti dell’A3 in questo modo.

A3 BML Lo schema per un business model lean

Andiamo più nel dettaglio di ciò che possiamo analizzare nei diversi quadranti dello schema A3 della Lean applicato al Lean Startup.

A3 per il Lean Startup

L’approccio lean al business model

In futuro analizzeremo nel dettaglio i diversi step mostrando casi applicativi. Per ora provo a delineare un percorso metodologico coerente che integra le diverse fasi di costruzione e verifica del business model.

Il ciclo del modello sperimentale per il business model

  1. Partiamo da segmenti di clienti per i quali pensiamo di poter risolvere dei problemi urgenti.
  2. Usiamo una matrice Rilevanza Onerosità per definire i segmenti più interessanti.
  3. La definizione della Value Proposition ci consente di definire gli elementi del business model secondo lo schema del Lean Canvas.
  4. Con sessioni di approfondimento (e applicando il Post Mortem) possiamo evidenziare le ipotesi che stanno dietro il modello.
  5. Progressivamente le validiamo attraverso esperimenti fondati su MVP. Partiamo dalle ipotesi che hanno un rischio maggiore sul nostro modello. Di solito si testano per prime le ipotesi sul valore per il mercato  e sull’efficacia della nostra soluzione. Per questa fase possiamo adattare l’A3 della Lean che ci costringe a fondare l’esperimento su basi scientifiche.

Conclusioni

È un post un po’ più tecnico del solito. Penso sia importante collegare un approccio strutturato allo sviluppo dei modelli di business con tool applicativi utili nel quotidiano.

Qui ne ho presentati tre, Ognuno di essi ha applicazioni molto utili anche stand alone. Bisogna evidenziare però che la loro utilità si evidenzia nell’utilizzo in un processo coerente.

Il Lean Thinking tradizionale ha avuto risultati straordinari fondati su un pensiero forte che si integrava con metodologie e strumenti di applicazioni molto potenti. L’estensione di questa filosofia al business model richiede sia un adattamento del modello filosofico alla base ( e di questo mi occupo in gran parte dei post) sia l’evidenziazione di strumenti operativi altrettanto solidi.

Oramai è possibile affrontare progetti lean di sviluppo di un business model innovativo grazie a una piattaforma applicativa ricca e veramente solida.

 

Tags | , , , , , ,

Tre trappole da evitare quando costruiamo un modello di business

William Shirer è stato un giornalista particolare.

Si trovava a Berlino durante l’ascesa del nazismo. Testimone diretto dei discorsi di Hitler. Era a Vienna nel 1938 mentre la Germania annetteva l’Austria al terzo Reich. A Praga durante l’invasione dei Sudeti, a Monaco durante la conferenza che lasciava il via libera ai nazisti. In Polonia all’invasione tedesca e a Berlino alla dichiarazione di guerra.

Ha raccontato tutto in Diario di Berlino che narra in presa diretta le impressioni di chi viveva giorno per giorno le terribili vicende di quegli anni. Con impressioni e previsioni. A volte corrette, a volte sbagliate.

C’è un’altra eccezionalità in quel libro. Come spiega Nassim Taleb, William Shirer ha il pregio di narrare gli avvenimenti senza averli filtrati a posteriori con la memoria di tutto ciò che poi avverrà. Non cade nella trappola di rileggere il passato secondo quanto avvenuto successivamente. E questo semplicemente perché il diario affronta i fatti dal punto di vista del presente.

Leggendo il libro si rimane stupefatti di fronte allo smarrimento, all’inquietudine e a tutta una serie di reazioni che l’autore ha di volta in volta.

Cosa c’entra tutto questo con i modelli di business?

Molto. La trappola in cui cade chi tenta di ricostruire il passato è una di quelle analizzate dalla psicologia comportamentale e ha grandi conseguenze nel modo in cui noi costruiamo un modello di business.

I comportamenti reali

Daniel Kahneman è un premio Nobel per l’economia un po’ particolare. Innanzitutto perché non è un economista, ma uno psicologo. Questo lo ha portato a una visione “eretica” dell’economia. Precedentemente molte leggi elaborate dagli economisti sul suo funzionamento erano fondate su un modello di comportamento umano un po’ particolare.

 

L’idea, semplificando un po’, era quella di un essere umano “soggetto razionale” (homo oeconomicus) che cerca di massimizzare la propria utilità nelle decisioni economiche.

Kahneman e altri fondatori dell’economia comportamentale ci raccontano una storia diversa, fatta di processi decisionali non così lineari. Partendo da una visione empirica della scienza, fanno esperimenti e scoprono una serie di comportamenti che non diremmo tanto irrazionali, quanto forse “irragionevoli”. Scelte spesso impulsive fatte sorvolando un’analisi più razionale e analitica e basandosi su scorciatoie veloci ed efficaci.

Le scorciatoie sono chiamate euristiche e determinano i bias, ossia preconcetti, idee non confermate da analisi e fondate appunto su un processo mentale che favorisce la rapidità e asseconda la “pigrizia” della parte più razionale delle nostre menti.

Il sistema veloce e superficiale viene chiamato Sistema 1, mentre quello analitico e matematico Sistema 2 (non sono vere parti del cervello, né indipendenti l’una dall’altra). I nomi scelti non sembrano denotare grande fantasia 🙂 Però funzionano.

Non sto qui a raccontare tutto. Lo trovate spiegato molto bene da Kahneman stesso in Pensieri lenti e veloci, lettura davvero consigliata.

Le euristiche nei business model

Ciò che vorrei evidenziare qui sono alcune euristiche dell’economia comportamentale (e i relativi bias) che si attivano frequentemente quando costruiamo la nostra lettura del mercato.

Le analizziamo seguendo il solito percorso che ho descritto qua e in particolare soffermandoci sull’area più a rischio, quella del problem solution fit, quando le ipotesi che andiamo a fare sul mercato necessitano di una validazione condotta in modo adeguato.

Nel mio lavoro attivo spesso strumenti finalizzati a evitare gli errori di giudizio collegati a queste euristiche. Senza fare riferimento diretto ai concetti dell’economia comportamentale, si può riscontrare come molte delle metodologie del mondo Lean e Design Thinking (Visual Management, A3, …) siano costruite anche con queste finalità.

1. L’abito non fa il monaco

Abbiamo già visto che la costruzione di un business model parte sempre dall’individuazione di un particolare segmento di clienti e dei problemi che vogliamo loro risolvere.

In questa fase tipicamente scatta un’euristica di rappresentatività. Come spiega bene Kahneman, abbiamo la forte tendenza a trascurare le probabilità a priori.

Qualche giorno fa, presso un cliente, ho avuto testimonianza diretta di questo processo. Cercando di individuare i mercati esteri con maggiore potenzialità, il gruppo di lavoro ha iniziato a esaminare le caratteristiche dei prodotti da esportare. Provando così a individuare i Paesi che potessero essere più sensibili a queste caratteristiche.

C’erano discorsi del tipo:

“Visto che il nostro prodotto è ecologico, di ottimo design e quindi perfetto per un pubblico attento a qualità e green. Dovremmo tentare di vendere in Paesi che riteniamo sensibili a queste caratteristiche, come il Giappone”.

E c’era forte consenso attorno a questa idea.

È andato in secondo piano il fatto che attualmente il Giappone importa solo il 6% dei prodotti del settore, mentre il 40% delle esportazioni va negli USA.

Anche fosse vero che il Giappone ha una probabilità più alta di apprezzare i nostri prodotti, le potenzialità del mercato, in questo esempio semplificato, dovrebbero combinare quelle “a priori” (40% USA e 6% Giappone) con quelle specifiche (molto maggiori per il Giappone).

Trascurare le probabilità a priori è un errore tipico del nostro modo di pensare perché preferiamo concentrarci sulla rappresentatività del prodotto o del cliente.

L’esempio più comune per capire questo bias è relativo al profilo di uno studente, Giacomo, che mostra attitudini molto adatte al lavoro di creativo. Se dovessimo ipotizzare quale facoltà universitaria stia frequentando, tenderemmo a suggerire corsi legati alla creatività, come architettura o arte. Tendiamo a trascurare che l’80% degli studenti sia iscritta in quell’università a corsi come ingegneria e legge e che quindi la rappresentatività di Giacomo debba essere incrociata, nel nostro tentativo di previsione, con quella a priori delle facoltà più frequentate.

Il bias legato alla rappresentatività è molto frequente e compare spesso nella fase in cui cerchiamo di definire il segmento cliente che più si adatta alla nostra idea di business.

Non trascuriamo, in queste fasi, le probabilità a priori di vendere ai segmenti che già manifestano una maggior attitudine a comprare prodotti del nostro settore e della nostra fascia di mercato.

 

2. “Ciò che sappiamo è tutto quel che c’è”

Un altro tipico approccio che abbiamo quando dobbiamo prevedere qualcosa o fare delle ipotesi è quello di limitarci alle informazioni in nostro possesso e dar loro un valore superiore a quanto effettivamente abbiano.

È il bias della disponibilità. Kahneman gli ha dato l’acronimo WYSIATI: What You See Is All There Is.

In questo ci viene molto incontro la Lean. In particolare i metodi di Problem Solving come l’A3 costringono a una lettura del contesto e a un’analisi approfondita dei dati e delle cause prima di proporre soluzioni.

Dobbiamo evitare la tendenza ad applicare la legge dei piccoli numeri, che in linea con l’euristica della disponibilità ci spinge a sopravvalutare la significatività di un campione limitato di dati.

Siamo pigri, lo abbiamo già detto, e ci piace utilizzare i pochi dati a disposizione per scovare nessi causali anche dove le dinamiche sono di pura casualità. In altre parole ci piace pensare di poter trovare delle leggi che regolano i fenomeni e forziamo questo desiderio anche quando non abbiamo sufficienti dati a conferma.

Ci raccontiamo storie ricostruendo il passato.

Proprio quello che non faceva Shirer e che rende la narrazione non a posteriori dell’ascesa del nazismo qualcosa di eccezionale.

Spostare la lettura dei dati da un racconto verbale a un’esperienza comune e collaborativa attraverso il Visual Management e la trasparenza delle informazioni permette di incrociare punti di vista e rimuovere preconcetti o letture troppo facili delle cause di un fenomeno. Anche perché spesso queste cause non esistono. I fenomeni sono governati dal caso molto più di quanto ci piaccia credere.

 

3. L’ippopotamo da far uscire dall’ufficio

L’effetto àncora è molto amato dai negoziatori che sanno imporre il loro gioco all’altra parte attraverso un utilizzo intelligente di euristiche e bias. Un’àncora può essere anche una semplice quotazione di un servizio che detta il punto di partenza della discussione e che lega in qualche modo la negoziazione a quel riferimento.

Più in generale è utile rimuovere influenze reciproche nelle discussioni attorno alla visione del mercato.

La suggestione è un effetto priming che evoca selettivamente evidenze compatibili.

Con i nostri racconti e le nostre affermazioni, nei confronti e nei meeting continuiamo a produrre ancoraggi cui le persone si legano. Difficile poi staccarsene. In ambiente fortemente gerarchizzato questo processo diventa molto limitante.

Molta parte dell’Action Learning cerca di eliminare questi processi, ad esempio rimuovendo le affermazioni dalla discussione iniziale in cui si cerca di comprendere il problema.

Nel mio lavoro amo spesso utilizzare un approccio finalizzato a eliminare in ogni riunione le influenze reciproche, come quella dell’HiPPO (highest paid person’s opinion, highest paid person in the office).

Faccio in queste occasioni scrivere le opinioni o i giudizi quantitativi di ognuno su un foglio e poi faccio leggere ad alta voce quanto è stato scritto. L’effetto è sempre molto positivo perché apre a un confronto più aperto e meno influenzato da letture e punti di vista altrui.

 

Conclusioni

L’uomo razionale descritto da molti economisti è pressoché scomparso. Le letture empiriche fondate sul metodo scientifico hanno rimosso progressivamente costruzioni razionali che Taleb direbbe platonizzanti. Si è scoperto un mondo governato da processi mentali a volte irragionevoli e che possono portare a scelte e decisioni sbagliate.

Su queste premesse si fonda l’approccio sperimentale verso la costruzione di visioni di mercato e processi di business. Molti strumenti sono a nostra disposizione per agire in modo meno rischioso e per rimuovere bias di pensiero che mettono a rischio il nostro tempo e i nostri investimenti.

Le metodologie del Lean Thinking e in particolare il Lean Startup si fondano su una forte consapevolezza della necessità di approcci progressivi di questo tipo. Nel nostro lavoro abbiamo introdotto, anche da altre discipline, metodi e strumenti che aiutano a lavorare con un approccio fondato su una collaborazione virtuosa tra le risorse coinvolte.

Tags | , , , , ,

14

Sep
2017

In Business Model
Innovazione
Product Design
Strategia

By stefanoschiavo

Come faremo i soldi? La lezione di Monetizing Innovation per costruire un business/2

On 14, Sep 2017 | In Business Model, Innovazione, Product Design, Strategia | By stefanoschiavo

Recentemente stiamo esplorando approcci alla costruzione di un modello di business complementari al Lean Startup.

Abbiamo parlato in un altro post della lezione di Monetizing Innovation. Abbiamo visto che si può pensare di “partire dai soldi”. O meglio, dai soldi che il nostro cliente è (forse) intenzionato a pagare.

Serve aggiungere qualche ulteriore spunto e poi invitiamo comunque a leggere il bel libro di Madhavan Ramanujam e Georg Tacke. Il loro pensiero attorno ai business model è originale e di sicuro interesse.

Come si sposa però questo approccio con le idee del Lean Startup? La costruzione iterativa e sperimentale del modello che abbiamo introdotto qua è in linea con questo approccio? In che fasi si comincia a parlare di prezzi di vendita?

Proviamo a suggerire qualche risposta.

Il prezzo nel Lean Canvas

L’abbiamo detto più volte. L’approccio Lean allo sviluppo del business è un approccio empirico. Lo stesso della scienza da qualche secolo. Osservo la realtà (il go see del Lean Thinking). Faccio delle ipotesi su come funzionerà il modello (induzione). Ne deduco delle conseguenze. Verifico se le mie conclusioni sono corrette. Semplificando un po’…

Con questo modello induttivo-deduttivo non dimostro mai niente in maniera certa, ma riduco progressivamente l’incertezza. Ne parleremo meglio in un post dedicato.

Il Lean Startup coglie appieno questa lezione che ci hanno lasciato gli scienziati e la traduce in strumenti e metodologie sempre più consolidati. Ci piace molto il Lean Canvas di Ash Maurya perché legge proprio in ottica di problema e soluzione questo percorso.

  1. Si individua i segmenti target
  2. Si analizzano i problemi
  3. Si propone un valore che soddisfi meglio delle attuali alternative le sue esigenze.
  4. A partire da questa promessa, si costruiscono prodotti e servizi
  5. Si definisce un modello economico-finanziario
  6. Si impostano una comunicazione e un processo commerciale adeguati

Ma il prezzo dove arriva? Nel modello economico-finanziario? Nella definizione del prodotto e dei servizi? Addirittura nella comunicazione?

Un potente grimaldello

Monetizing Innovation anticipa molto il momento in cui incontrare il cliente e testare la sua disponibilità a pagare un certo prezzo. Una sorta di grimaldello per testare il valore della nostra proposta. Pagare mette in luce immediatamente l’urgenza e la rilevanza che la nostra proposta ha per il cliente. Si esce da un ipotetico interesse manifestato attraverso click e parole e si entra nel confronto economico.

In qualche modo il passaggio sul prezzo è alla base della costruzione del prodotto e delle sue feature. Dopo la Value Proposition, centrale nel processo di definizione del valore per il cliente, sta bene costruire una soluzione che risponda alle problematiche emerse e che non introduca più feature di quelle necessarie.

Alcuni passaggi operativi

Il libro ci racconta diverse regole per far questo al meglio. Proviamo a esaminarne alcune collegate più direttamente al business model.

Quanto è disposto a pagare il cliente?

Allontanarsi presto dall’ufficio e andare a incontrare il cliente è centrale. L’abbiamo visto quasi in ogni approccio all’innovazione. Un eccesso di teorizzazione ci conduce a costruire un mondo delle idee separato dalla realtà.

In questo senso anche Monetizing Innovation ci invita a un confronto con il cliente molto anticipato.

Sviluppare un confronto con il cliente sulla sua disponibilità a pagare (“willingness to pay”) al più presto nel processo di sviluppo del prodotto. Se non si procede subito, non si riusciranno a dare priorità alle feature del prodotto che si sta sviluppando e non si capirà se si sta costruendo qualcosa che i clienti pagheranno fino a che non si arriverà sul mercato.

A cosa ci serve questo incontro anticipato sulla disponibilità a pagare? Sostanzialmente a tre cose:

  1. Ci dirà subito se esiste una possibilità di monetizzare il prodotto o no
  2. Ci aiuterà a dare le priorità e a progettare il prodotto con il giusto insieme di feature
  3. Ci aiuterà a evitare i quattro tipi di fallimento visti all’inizio nel precedente post

 

 

 

 

Sembra scontato, ma la gran parte delle aziende non attiva un confronto diretto finché il prodotto non è sul mercato. Il prezzo è definito all’ultimo e risulta quasi la conclusione del processo di sviluppo prodotto anziché il suo punto di partenza. Si capisce bene come il libro ci dia un suggerimento spiazzante.

Pensiamo ai settori in cui i produttori presentano i propri nuovi prodotti in contesti fieristici. È come se l’evento pubblico fosse il pretesto per un confronto su feature e prezzi, ma a quel punto sono già andato molto avanti nel processo di sviluppo. In altri casi invece si va sul mercato sperando di averci azzeccato, pronti a cambiare in funzione dei feedback in arrivo.

Che tipo di informazioni stiamo cercando di scoprire?

Prima di addentrarci sul valore delle singole feature del prodotto o del servizio, ci interessa determinare la disponibilità a pagare generale dei clienti. Vorremmo conoscere il range di prezzo che i clienti considerano ragionevole. E, ovviamente, dobbiamo capire se questo range funziona per la nostra azienda.

In seconda battuta siamo interessati a capire quanto valore i clienti mettano su ogni singola feature. Quali feature i clienti valorizzano di più e per le quali sarebbero quindi propensi a pagare di più.

Questo step ci aiuterà a creare una roadmap per il prodotto—quali feature sviluppare per prime, le successive, e così via. Ci focalizzerà sulle caratteristiche che generano il maggior interesse nel cliente e ci aiuteranno a evitare un feature shock.

Come gestire il confronto con il cliente?

Ci sono metodi strutturati per gestire una conversazione (termine preferito a quello di intervista) sulla disponibilità a pagare. Il libro ce ne propone cinque in scala crescente di complessità.

Approccio Diretto
Incontriamo il cliente del segmento target e poniamo domande dirette sul valore del prodotto e sulle sue caratteristiche. Con un trucco: a ogni domanda segue sempre quella più potente di tutte: “Perché?”

Nelle prime fasi dell’innovazione si tratta di un metodo potente. È facile e, appunto, diretto. Chiedendo a un sufficiente numero di persone la loro disponibilità a pagare, possiamo definire un primo range di ciò che il mercato generalmente è disposto a pagare. Inoltre, ci segnalerà velocemente se siamo completamente fuori strada (specialmente quando la disponibilità a pagare del mercato è molto inferiore a quella che ci aspettiamo).

La valenza statistica dipende dai mezzi a disposizione nella selezione del campione (per definire una significatività adatta) e per la conduzione degli incontri. Ciononostante la sola attivazione di un confronto diretto con potenziali clienti “veri” consente di attivare un percorso di consapevolezza ed empatia con il mercato  fondamentale per chi tenta di innovare l’offerta.

  1. Probabilità d’acquisto. Un mezzo più quantitativo e strutturato di indagare sulla disponibilità a pagare è quello di simulare scenari d’acquisto. In questi chiediamo ai clienti di scegliere un’opzione tra diverse. Possiamo mostrare un insieme di prodotti con prezzi differenti e combinazioni di feature e quindi domandare quali sceglierebbero (includendo di non scegliere alcuna opzione). Non si fa esprimere direttamente il cliente su un prezzo. Vale sempre la regola di chiedere “Perché?” dopo ogni scelta. Poi si cambia scenario (es. le caratteristiche del prodotto e la combinazione di prezzi) e si chiede di scegliere ancora. Stiamo così investigando i modelli mentali e le regole che le persone usano per prendere decisioni. Questo ci permetterà di capire quali aspetti del prodotto portino la maggior parte del valore e quanto le persone pagheranno per essi.

    Nella pratica, si mostra il concept di un nuovo prodotto, si spiegano il valore e i benefici, si aggiunge un prezzo e si chiede: “Su una scala da 1 a 5, dove 1 è ‘Non comprerei mai questo prodotto’, quanto valuteresti questo prodotto?” Se la risposta è 4 o 5, ci si ferma. Se la risposta è minore o uguale a 3, si abbassa il prezzo e si domanda ancora. Si chiede un po’ di volte e si vede se le persone aumentano la loro valutazione (nel qual caso, riducendo il prezzo, il prodotto diventa più attrattivo) o no (nel qual caso abbiamo un problema di prodotto/innovazione e ritoccare il prezzo potrebbe non bastare). Questo è il modo più semplice per vedere se realmente qualcuno acquisterebbe il prodotto nel caso fosse disponibile. Generalmente, dai benchmark, se qualcuno dice 5, la probabilità che compri il prodotto è al 50%. Se dice 4, la probabilità cade a 10-20%. Benché cambi tra settore e settore, queste indicazioni possono essere un’indicazione abbastanza valida.

  2. Most-least. È un metodo un po’ più complesso. Iniziamo individuando un insieme finito di caratteristiche (dieci, per esempio). Quindi scegliamo un sottoinsieme di queste (ad esempio sei feature) e chiediamo ai clienti di identificare la feature cui danno maggior valore. Quindi mostriamo un altro sottoinsieme dalle stesse caratteristiche di partenza e ripetiamo la richiesta. Ripetiamo il processo per un po’ di volte finché non abbiamo esaurito le combinazioni.
    Questo è il metodo più veloce per determinare le priorità relative tra le feature e identificare così le leader (di maggior valore), le filler e le killer (di minor valore). Questo metodo forza le persone a fare compromessi e a indicare quali feature considerano di valore e quali no.

    La logica dietro il metodo è che quando si fornisce un insieme di feature, le persone possono facilmente identificare gli estremi. Ma le persone hanno difficoltà a identificare i valori intermedi. Così cambiando i sottoinsiemi e chiedendo le domande (most-least) ripetutamente forziamo le persone a fare gli appropriati compromessi. Questo aiuta a identificare le priorità relative di un insieme di feature.

  3. Build-your-own. È un metodo in cui sarebbe necessario avere un’idea di riferimento della disponibilità a pagare del cliente. Servirebbe sapere già che valore dà a ciascuna feature (magari attraverso i precedenti tre metodi). In questa ipotesi, diamo ai clienti la nostra lista delle caratteristiche e chiediamo loro di costruire il loro “prodotto ideale” selezionando le feature che apprezzano di più. Il compromesso che rende l’operazione problematica è che ad ogni caratteristica aggiunta aumenta il prezzo del prodotto. Ci interessa capire dove si ferma il processo e così comprendere le aspettative di prezzo e valore.

    Utilizziamo questo metodo per identificare come potrebbero essere i package ideali per ogni cliente (per quanto riguarda feature e combinazione di prezzo). È inoltre possibile testare per segmenti e bundle/package diversi. In particolare, se si dispone di gruppi significativi di clienti variando i gradi di funzionalità nel loro prodotto ideale, si dovrebbe poter evitare un approccio one-fits-all e segmentare la base clienti. Come minimo, dal momento che si sa come sono state aggiunte molte funzioni per costruire un prodotto ideale, è possibile utilizzare queste informazioni per evitare un feature shock.

  4. Simulazioni d’acquisto. È il metodo più avanzato. Viene chiamato analisi congiunta. È una versione più evoluta delle Probabilità d’acquisto perché aggiungiamo ipotesi di prezzo sul prodotto e sulle feature.

    Forniamo ai clienti un prodotto che ha una serie di feature specifiche e un prezzo, poi chiediamo se lo acquisterebbero. Quindi cambiamo il set di feature e prezzo e ripetiamo la domanda. In genere, si mostrano 5-8 combinazioni e si vede come reagiscono le persone.

    Questo metodo è più vicino a una vera e propria situazione di vendita. Variando feature e prezzi in modo sistematico, è possibile stimare il valore delle feature e la disponibilità a pagare per ciascuno di essi. C’è un prerequisito per utilizzare questo metodo: identificare un buon insieme di caratteristiche e avere una buona comprensione approssimativa della disponibilità a pagare.

    Sulla base del risultato, è possibile costruire un modello basato sul mercato per stimare la probabilità di acquisto di qualsiasi combinazione di caratteristiche e prezzo per il prodotto. Questo metodo è molto utile per la modellazione di scenari avanzati.

One-Size-Fits-All

Un secondo aspetto chiave che emerge da Monetizing Innovation è risonante con i concetti del Lean Business Model.

Non forziamo soluzioni che siano adatte a tutti gli scopi. Che ci piaccia o no, i nostri clienti sono diversi e quindi la segmentazione della clientela è fondamentale. Ma una segmentazione basata su dati sociodemografici – il principale modo con cui le aziende raggruppano i loro clienti – è fuorviante. Si dovrebbero costruire segmenti sulla base di differenze nella propensione dei clienti a pagare (WTP) per il nostro nuovo prodotto.

L’attacco all’utilizzo delle medie quando si vuole fare innovazione è comune a tanti approcci recenti (pensiamo solo al celeberrimo Cigno Nero di Nassim Nicholas Taleb. Ne parleremo meglio in altri post. Qui basti dire che i nostri clienti sono differenti tra loro. Hanno bisogni diversi, diverse possibilità di pagare e variano nel grado in cui considerano il valore dei benefit chiave del nostro prodotto.

Divertente e istruttiva l’individuazione di un personaggio rispondente ad alcune caratteristiche sociodemografiche tipiche di questo tipo di segmentazione (nazionalità, ricchezza, età, famiglia, residenza).

Anche se il Principe Carlo e Ozzy Osbourne dei Black Sabbath hanno ‘customer personas’ simili basate su certe caratteristiche, i loro bisogni e le loro preferenze indiscutibilmente differiscono.

Quando si tratta di innovazione, c’è un solo modo corretto per segmentare: sulla base dei bisogni dei clienti, del valore, e della loro disponibilità a pagare per un prodotto o servizio che fornisce quel valore.

Qui ci ritroviamo molto nell’approccio del Lean Startup. Con queste premesse possiamo individuare alcuni errori tipici del processo di segmentazione.

  1. Segmentare troppo tardi
    Si inizia spesso con un prodotto che sposi un po’ tutte le esigenze. In inglese one-size-fits-all. La segmentazione sembra questione di marketing e sales, mentre il product development non la ritiene centrale. Questo in particolare in settori technology-driven. Ma questo porta al rischio di creare prodotti cui nessun segmento si affeziona davvero.
  2. Segmentare solo sulla base di caratteristiche osservabili
    Il product design dovrebbe segmentare sulla base delle esigenze dei clienti (pain & gain risolti, problemi urgenti, valore prodotto e disponibilità a pagare emersa nelle diverse analisi).

    Il fatturato (per il B2B), l’età (per il B2C) e le altre caratteristiche osservabili sono spesso del tutto non correlate con ciò che conta di più nella progettazione dei prodotti.

  3. Aver troppi schemi di segmentazione
    Se d’altronde si esagera sovrapponendo diverse metodologie di segmentazione avremo un effetto negativo. Si giungerà a uno stato di confusione che bloccherà l’azione.

    Idealmente, la nostra azienda dovrebbe utilizzare un unico schema di segmentazione valido per tutte le funzioni aziendali.

Il concetto di base è quello di attivare un processo di segmentazione dei clienti da subito, in particolare basandosi sulla disponibilità a pagare emersa nella fase di analisi descritta prima. Questo processo appartiene al product design ed è preliminare ad ogni decisione sul prodotto.

Conclusioni

Abbiamo visto come il fattore prezzo possa entrare nella costruzione di un business model già nelle prime fasi. Si può andar oltre la determinazione di un prezzo che risponda alla copertura di costi e mark-up, così come si può pensare a una politica di pricing non vincolata alle logiche dei concorrenti nel settore.

Il valore che il prezzo esprime è quello che il cliente è disposto a pagare. Può essere scomposto nelle diverse feature della nostra offerta, può essere pensato come un modo per affrontare diversi segmenti della domanda, ma il consiglio è quello di affrontarlo in una fase iniziale del processo di sviluppo del prodotto, non alla fine come elemento di vendita e marketing.

Tags | , , , ,

06

Sep
2017

In Business Model
Innovazione
Lean Startup
Strategia

By stefanoschiavo

Come faremo i soldi? La lezione di Monetizing Innovation per costruire un business/1

On 06, Sep 2017 | In Business Model, Innovazione, Lean Startup, Strategia | By stefanoschiavo

Lo sviluppo di un business model può partire in diversi modi. A volte, come spesso accade nel mondo delle startup digitali, è la tecnologia che dà la scintilla. In altri casi può essere un problema di un cliente che non trova oggi adeguata risposta. Ci sono situazioni in cui l’intuizione prevale, altre in cui un’impostazione rigorosamente scientifica può dare straordinari risultati.

Dietro l’idea ci sono diversi aspetti che devono essere valutati. Un business model è fondato su un equilibrio non semplice da trovare tra elementi che interagiscono.

Abbiamo parlato della priorità degli elementi relativi all’efficacia di mercato. Cliente. Problema. Value Proposition. E poi di quelli che toccano gli aspetti di efficienza, scalabilità e fattibilità. Soluzione. Marketing. Metriche. Motore della Crescita. Traction.

Come detto in altri post, si tratta spesso di modelli complessi e non solo complicati. Per intenderci il famoso piatto di spaghetti in cui indovinare cosa succederà quando comincerò a muovere la forchetta non è davvero semplice.

Un libro di qualche tempo fa dà un suggerimento interessante. Consiglia un punto di partenza prioritario per comprendere da subito rilevanza ed efficacia della mia idea. Partire ad analizzare i complessi elementi del modello partendo dal sistema di monetizzazione. In altre parole, come faremo i soldi?

In questo post proviamo a discutere un po’ delle indicazioni presenti in Monetizing Innovation. Non esauriremo in questo tutti i contenuti di cui è ricco il testo. Vediamo le premesse e alcune delle proposte operative per fondare la crescita del proprio modello di business sui principi di monetizzazione alla sua base.

Monetizing Innovation

Monetizing Innovation parte in maniera forte. I primi capitoli danno esempi concreti e delineano un quadro operativo a volte spaziante. L’esempio dell’introduzione sul mercato della Porsche Cayenne vuole riassumere alcuni elementi cardine di un’innovazione ben riuscita. La Porsche è stata attenta ai bisogni del cliente, al valore fornito, alla willingness to pay e al conseguente pricing quando ha sviluppato la Cayenne. Ma di fronte a un esempio virtuoso, se ne trovano tanti di insuccesso.

La domanda che si pongono gli autori Madhavan Ramanujam e Georg Tacke è fondante di quanto poi scriveranno. Perché la maggioranza dei nuovi prodotti fallisce?

Il fallimento nasce quando non si pone la volontà di pagare per un nuovo prodotto da parte del cliente al centro del product design

Product development

Il processo di sviluppo del prodotto rischia di seguire un iter inverso a quello ideale. La grande centralità di tecnologia, processi e materiali porta spesso in secondo piano il mercato. A volte anche con ragione, quando ad esempio la forza vendita assume un atteggiamento conservativo. Ciononostante gli autori mettono in rilievo come la sequenza più virtuosa che dovrebbe alimentare il processo di sviluppo dei prodotti prevede “mercato e prezzo, poi design, poi produzione”. In altre parole, si propone di progettare il prodotto attorno al prezzo.

Gli innovatori di prodotto di maggior successo iniziano determinando quale sia il valore cercato dal cliente e cosa voglia davvero pagare, poi progettano i prodotti attorno a questi input e definiscono una chiara strategia di monetizzazione che rispettano fino in fondo

I motivi del fallimento

Il 72% dei nuovi prodotti introdotti negli ultimi cinque anni è fallito – o nel raggiungere gli obiettivi prefissati di revenue o reddito, o fallito del tutto
(Sarah Green Carmichael, “The Silent Killer of New Products: Lazy Pricing”, Harvard Business Review, September 9, 2014)

I dati che le ricerche presentano non sono confortanti. Molti dei progetti di innovazione di prodotto falliscono. La maggior parte per essere precisi. Il libro però cerca di leggere un aspetto positivo. I pattern ricorrenti nel fallimento della monetizzazione di nuovi prodotti sono solo quattro. Non una grande consolazione forse, ma può dare spazio a comportamenti intelligenti nello sviluppo della propria innovazione.

Vediamo quindi le quattro principali cause individuate da Ramanujam e Tacke.

1. Feature shock

Si potrebbe riassumere in questa situazione: “quando si dà troppo e si riceve troppo poco”. Il valore del prodotto è minore della somma delle sue parti. Ci sono prodotti costosi da produrre, “over engineered”, difficili da spiegare e spesso proposti a prezzi troppo alti.

Nel libro è presentato il caso del Fire di Amazon, in cui le feature presentate sono considerate eccessive e incoerenti. Il messaggio legato al prodotto determina così confusione nel possibile cliente

Dovremmo accorgerci di essere in questa situazione quando sentiamo frasi come “ma potremmo anche aggiungere questo…”, “meglio non prendere rischi”, “i clienti non sanno quello che vogliono, decidiamo noi cosa produrre”, “il nostro mercato non è segmentato; facciamo una sola versione che va bene sempre”, “serve qualche novità per il mercato”, …

2. Minivation

La situazione qua è diversa. Siamo un po’ timidi e non capiamo le vere potenzialità della nostra innovazione. In qualche modo “chiediamo troppo poco”. I prodotti non colgono né l’intero potenziale mercato né il potenziale prezzo pieno.

In questo caso il libro presenta il caso di Valeo, sensore per il parcheggio che il fornitore ha venduto tenendo conto di un classico mark-up sul costo di produzione senza comprendere appieno il valore che il cliente (casa automobilistica) riconosceva all’innovazione

3. Le gemme nascoste

Se non si cerca bene, si rischia di non trovare le gemme. Un’azienda può avere un’idea brillante, ma non riesce a riconoscerla e a quantificare il valore del prodotto per i clienti. Le gemme nascoste spesso finiscono nel limbo, né lanciate né uccise.

Il caso presentato per questa situazione è quello della negativa gestione dell’innovazione digitale nella strategia di prodotto di Kodak.

Sono allarmanti frasi come “non sappiamo cosa farcene di questo”, “non è un business che fa per noi”, “non abbiamo un processo strutturato per questo”, “non è nel nostro DNA”, “va contro la nostra cultura”.

4. Undead

Si tratta della situazione molto diffusa in cui nessun cliente manifesta un interesse per il nostro prodotto. Noi perseveriamo, per inerzia o per altre motivazioni.  Abbiamo così prodotti che esistono ancora sul mercato, ma la cui domanda è inesistente.

Il prodotto, a tutti gli effetti, è morto, ma continua ad aggirarsi nel mercato come uno zombie. E in azienda girano frasi come “non sarò quello che dirà di no”, “personalmente non lo comprerei mai, ma…”, “lascia stare le ricerche, io conosco questo mercato…”, “aspettiamo più dati prima di chiudere il rubinetto”, “ormai la macchina è partita”, “siamo andati troppo in là… non possiamo fermarci qui”.

I casi di Google Glass e Segway sono esempi che gli autori collegano al fenomeno dell’Undead

Le regole per il successo nel processo di innovazione

Si può evitare di veder fallire la nostra idea, ma serve giocare con regole differenti. Il libro propone in particolare nove nuove regole per il successo nell’innovazione.

  1. Aprire un confronto con i clienti sulla willingness to pay subito nel processo di sviluppo del prodotto.
  2. Non forzare una soluzione che vale per tutti
  3. La configurazione di prodotto e il bundling sono più scienza che arte.
  4. Scegliere il pricing e il modello di revenue corretti.
  5. Sviluppare una strategia di pricing.
  6. Disegnare un business case usando i dati sulla willingness to pay del cliente.
  7. Comunicare il valore dell’offerta in modo chiaro e coinvolgente.
  8. Comprendere i lati irrazionali della domanda.
  9. Mantenere integrità nel pricing.

Sono tutti suggerimenti utili e ognuno necessita di un approfondimento. In un prossimo post vedremo come si declinano queste regole con un bel po’ di suggerimenti operativi.

Conclusioni

Abbiamo visto, partendo dalle considerazioni contenute nel libro Monetizing Innovation, quale possa essere un processo di innovazione di prodotto che eviti di incorrere nei tipici motivi di fallimento. In particolare abbiamo visto i quattro pattern più diffusi che si riscontrano nei fallimenti di idee di innovazione. Lo studio di queste casistiche ci permette di individuare alcune regole di comportamento virtuoso nel processo di product development.

Questi aspetti si integrano nel processo di costruzione di un business model ed entrano a nostro avviso in modo importante nel passaggio dalla fase di analisi del valore a quello della fattibilità e viabilità nel mercato della nostra idea. A cavallo per intenderci tra la prima e la seconda fase della definizione di un Lean Canvas descritta in questo post.

Tags | , , , ,

Quale organizzazione per innovare i modelli di business? La lezione di Laloux

On 30, Aug 2017 | In Business Model, Futuro, Lean Startup, Lean Thinking, Management, Organizzazione | By stefanoschiavo

Costruire un modello di business non è (solo) un esercizio formale.

Non si tratta cioè di redarre un business plan sulla carta. Sì, gli investitori e i partner ci chiedono prospetti pluriennali di risultati finanziari. Della credibilità di quei numeri parliamo però in un altro post. Diciamo qui solo che servono spesso a tranquillizzare rispetto a un mondo esterno ignoto e in cambiamento. E a poco più.

Dicevamo che costruire un modello di business non è un esercizio di stile.

E allora cos’è? Possiamo considerare la costruzione di un business model come un esperimento. Qua ne abbiamo già parlato. Ipotesi da testare, rischi e costi da minimizzare. Fail fast fail cheap, come si usa dire.

Uscire dal nostro spazio

Uscendo al più presto dall’impostazione teorica del modello, dobbiamo andare subito out of the building e incontrare i clienti. Dobbiamo capirne un po’ di più, apprendere quanto più possibile e quanto più rapidamente. Una chiacchierata con un cliente in target, nelle prime fasi, vale più di tante analisi statistiche. È un processo di consapevolezza che ci fa crescere.

Come in tutto ciò che si sposta dagli schemi alla realtà, entrano in gioco però le persone che agiscono quotidianamente insieme a noi. Non possiamo tralasciare di considerare ciò che spinge le persone a impegnarsi nel lavoro se vogliamo costruire un business che funzioni.

In questo post proviamo a raccontare qualche cosa emersa nella lettura di Reinventare le organizzazioni. Premesso che è un libro molto di moda e che parla solo marginalmente di quanto adesso riportiamo, vale la pena leggerlo anche solo per non essere d’accordo, come noi, su tutto quel che dice.

Reinventare le organizzazioni

Frederic Laloux, l’autore, parla di stadi della consapevolezza umana e ci racconta delle fasi che l’uomo ha attraversato dai tempi antichi fino ad oggi per organizzare le proprie attività. Nel libro è un percorso cromatico che arriva al futuribile colore Teal (foglia di the). Si punta all’autoorganizzazione che supera i limiti delle attuali organizzazioni, che sono un mix di Ambrato, Arancione e Verde. Di seguito lo schema di Laloux che riepiloga gli aspetti chiave, tralasciando le fasi dell’Infrarosso-reattivo e del Magenta-magico che non appartengono (quasi) mai alle organizzazioni delle attuali aziende.

Quello che ci interessa è la relazione tra le caratteristiche dei diversi modelli e le condizioni organizzative per fare innovazione.

Come dobbiamo costruire la nostra organizzazione per far funzionare il nostro nuovo modello di business? Come facciamo a non perderci per strada colleghi talentuosi? Come possiamo attirare le figure giuste che ci possano aiutare nella nostra strada? Come facciamo a creare il contesto ambientale più adatto all’innovazione o al cambiamento?

I modelli vincenti tra meritocrazia e obiettivi

Laloux se la prende spesso con i modelli attualmente apparentemente più evoluti: l’Arancione e il Verde. In particolare il modello Arancione delle nostre medie e grandi aziende è quello centrato sull’efficienza e il merito.

È un modello nato quando il perseguimento dell’efficacia sostituisce la morale come metro per la presa di decisioni. Prima si doveva fare solo ciò che ci veniva chiesto di fare. Adesso possiamo finalmente “mettere in discussione l’autorità, le norme del gruppo e lo status quo ereditato”. Lo stadio Arancione “ha aperto le porte alla ricerca scientifica, all’innovazione e all’imprenditorialità”.

In questo modello, in cui, come in quello Verde, non neghiamo di trovarci a nostro agio, ci siamo focalizzati su innovazione, responsabilità, meritocrazia. Le organizzazioni Arancioni sono guidate dai processi e dai progetti. Non più il “comando e controllo” delle aziende fordiste (Ambrate), ma “previsione e controllo”. La “gestione per obiettivi” diventa il mantra.

Ma c’è un problema…

Uno dei processi aziendali chiave nel modello Arancione è quello di budgeting. Laloux è convinto che esso fallisca uno dei suoi obiettivi primari: “rendere le persone responsabili e motivate al raggiungimento degli obiettivi”.

Il cambio dalla stratificazione Ambrata alla meritocrazia Arancione ha dato la nascita alle moderne risorse umane e al loro arsenale di processi e pratiche, quali la valutazione della performance, i sistemi incentivanti, la pianificazione delle risorse, la gestione del talento, la formazione sulla leadership e i piani di successione.

Questa razionalizzazione ha creato un orientamento alla perfezione e alla sicurezza. Alla tranquillità data dai numeri. All’idea di avere tutto previsto e controllato e di doversi solo conformare ai piani. Business Plan e Diagrammi di Gantt.

Laloux ci dice invece che va bene che i team abbiano difficoltà. Dalle difficoltà emerge l’apprendimento.

Come organizzarsi per accogliere le novità?

Ecco i punti salienti di questa critica.

Le economie di scala e di abilità permesse dalle funzioni di staff sono spesso controbilanciate da diseconomie di motivazione prodotta. È auspicabile cercare di evitare o limitare le funzioni di staff.

Non serve attivare alcun team dirigenziale e bisogna limitarsi a veramente poche riunioni. in particolare evitare riunioni periodiche prefissate tra le squadre, ma far nascere l’esigenza di incontri sulla base di quanto avviene nel lavoro quotidiano.

È un modo organico di gestire un’organizzazione, in cui la struttura segue le esigenze emergenti e non il contrario.

Le risorse impegnate in azienda “possono contare solo sul potere di persuasione”. Si tratta di una delega inversa. I team di prima linea fanno tutto, tranne ciò che decidono autonomamente di spingere verso l’alto.

Questione di fiducia

È la fiducia e non il controllo che determina la relazione tra le persone coinvolte nei processi aziendali.

I dipendenti sono considerati “persone ragionevoli che faranno la cosa giusta”. Sono così necessari pochi meccanismi di controllo. I collaboratori che “prima lavoravano per lo stipendio, ora si sentono responsabili del loro lavoro ed orgogliosi di un lavoro ben fatto”.

La scelta sulle priorità

Come si fa allora a definire le priorità? Chi decide, in un ambito di autoorganizzazione, cosa dovrebbe avere la precedenza?

Secondo Laloux, è tutto troppo complesso per affidarsi a una pianificazione preventiva. Ci si deve fidare dell’intelligenza autonoma e naturale del sistema. L’alternativa assomiglia all’economia pianificata che ha già mostrato i suoi limiti in ambito macroeconomico e che invece sembra continuare a essere sulla breccia in quello aziendale.

L’autoorganizzazione porta i principi che sostengono economie di mercato libero di successo all’interno delle organizzazioni.

Risorse pigre o automotivate?

Un passaggio del libro è davvero illuminante. Si tratta del riferimento ai lavori di Douglas McGregor.

“La Teoria X e la Teoria Y di Douglas McGregor affermava che i manager possono avere due insiemi di credenze relativamente ai dipendenti: alcuni pensano che i dipendenti siano intrinsecamente pigri e che eviteranno di lavorare appena possibile (Teoria X); altri pensano che i lavoratori possano essere ambiziosi, automotivati, ed esercitare l’autocontrollo (Teoria Y). Qualunque assunto di base abbiate circa la natura umana, sarà convalidato dalla risposta che il vostro comportamento evocherà nelle persone intorno a voi. Quale insieme di assunti di base è quello vero? Si potrebbe dibattere su questo argomento all’infinito. McGregor ebbe un’intuizione essenziale che da allora è stata convalidata di volta in volta: entrambe sono vere. Se guardi alle persone con sospetto (Teoria X) e le sottoponi a ogni genere di controllo, regole e punizioni, cercheranno di ingannare il sistema e tu sentirai che il tuo pensiero è convalidato. Tratta, invece, le persone con pratiche basate sulla fiducia e loro ricambieranno la fiducia con un comportamento responsabile. Di nuovo, sentirai che il tuo pensiero è convalidato. Espresso in termini di psicologia dello sviluppo, se crei una forte struttura e cultura Ambrata/Arancione, le persone finiranno per rispondere in modo Ambrato/Arancione; crea un contesto Teal abbastanza forte e le persone tenderanno a
comportarsi di conseguenza”

L’ambito di lavoro di chi innova

“L’innovazione si muove, per sua natura, in sistemi complessi, autoportanti, autoorganizzati, non lineari e adattivi”. Serve un’impostazione organizzativa adatta a relazionarsi con questo tipo di contesto. Laloux propone il modello Teal, che supera sia la rigidità Arancione che la famiglia Verde.

Alcuni concetti sono di grande ispirazione.

Un nuovo paradigma

In sintesi, il paradigma manageriale oggi più diffuso si basa sull’idea di prevedere e controllare. Il problema conseguente sta nel fatto che questo ci dà l’illusione di controllo e non un controllo vero e proprio. Serve poratre nell’organizzazione un cambio di paradigma, una sorta di guida dinamica, “che non si basa su previsione e controllo, ma su percezione e risposta”.

La metafora è quella dell’agricoltore che guarda avanti di decenni, ma pianifica solo per il giorno dopo.

Bisogna perseguire soluzioni che siano fattibili attraverso iterazioni veloci. Ritroviamo i concetti che abbiamo descritto parlando di Lean Startup. Previsione e controllo ci porta verso la ricerca di risposte perfette.

Se il futuro può essere previsto, allora il nostro compito consiste nel trovare le soluzioni che portano i migliori risultati. Le previsioni sono utili in un mondo complicato, ma perdono ogni rilevanza in un mondo complesso.

Un mondo complesso o complicato?

Per capire la differenza, Laloux fa l’esempio di un aereo come un Boeing 747. Si tratta di un sistema complicato. “Ci sono milioni di pezzi che devono funzionare insieme senza problemi. Ma tutto può essere tracciato; quando si sostituisce un pezzo, si dovrebbe essere in grado di prevederne tutte le conseguenze”. Altra storia invece quella di un piatto di spaghetti. In questo caso il sistema è complesso. “Anche se si hanno solo poche decine di «parti», è praticamente impossibile prevedere cosa accadrà alla fine quando si tira uno spaghetto che sporge dalla ciotola”.

Nei sistemi complicati, possiamo cercare di individuare la soluzione migliore. Nei sistemi complessi, abbiamo bisogno di soluzioni fattibili e iterazioni veloci.

La cosa più difficile da prevedere è il futuro

Fare previsioni ci dà un confortante senso di controllo, ma la realtà è che le organizzazioni e il mondo in cui viviamo sono diventati sistemi complessi. In tali sistemi, diventa privo di senso prevedere il futuro e, quindi, analizzare la nostra strada verso la decisione migliore. Quando lo facciamo, per abitudine, sprechiamo solo energia e tempo per produrre un’illusione di controllo e perfezione.

Gli innovatori non cercano di prendere la miglior decisione possibile. Perseguono invece, nell’esplorazione di un nuovo modello di business, una soluzione fattibile, implementabile con velocità. Nuove informazioni permetteranno di prendere nuove decisioni e di modificare quelle già prese.

Siamo in pieno ambito Lean e Agile. L’adattamento continuo all’evoluzione della nostra conoscenza del contesto. L’autoorganizzazione è, secondo Laloux, la naturale evoluzione organizzativa di chi abbraccia queste filosofie.

In questo modo, di fronte a una soluzione fattibile, cioè una soluzione “che nessuno crede possa peggiorare le cose”, la si adotterà.

Le decisioni non vengono posticipate solo perché qualcuno pensa che avere più dati o più analisi potrebbe portare a una decisione migliore. La decisione può essere rivista in qualsiasi momento se arrivano nuovi dati o se qualcuno si imbatte in un’idea migliore.

Come su una bicicletta

Un’altra metafora di Laloux è quella della bicicletta: “invece di cercare di calcolare l’angolo perfetto, il ciclista sale sulla bici subito, inizia con un angolo che gli sembra corretto e quindi continua a regolarlo per raggiungere la destinazione”.

È molto più veloce la progressione di aziende che non si limitano a poche importanti manovre, ma che sviluppano tante iterazioni veloci. L’energia spesa è inferiore e non perdono tempo. Si tratta di portare in tutti i collaboratori questo approccio che non è per niente diffuso e che anzi troverà molte resistenze per chi è abituato a muoversi con la necessità di un controllo assoluto, per quanto solo apparente, sul futuro.

C’è anche una specie di “affetto per la sua idea” che si sviluppa in chi ha creato un piano molto elaborato e dettagliato.

Quando le decisioni sono piccole e sono riviste spesso, diventa anche molto più facile correggere una decisione che si rivela sbagliata. (Mentre quando abbiamo investito tanto impegno nella definizione delle soluzioni migliori, ci sentiamo quasi legati ad esse e ne restiamo invischiati molto più a lungo del necessario quando le cose non vanno come previsto). Alla fine, paradossalmente, ci sentiamo più sicuri in un mondo in cui rinunciamo all’illusione di aver acquisito il controllo cercando di predire il futuro e impariamo a lavorare con la realtà nel suo divenire.

Conclusioni

Il contesto culturale necessario all’innovazione dei modelli di business in un’azienda nuova o consolidata richiede un approccio organizzativo rinnovato. Molto è già all’interno della cultura del Lean Thinking o del Design Thinking di cui abbiamo spesso parlato. Frederic Laloux cerca di superare, nell’ambito della costruzione di contesti collaborativi adatti a problemi complessi, queste impostazioni portando a pieno compimento il processo di autonomia decisionale (non solo il come, ma anche il cosa) delle persone coinvolte in un’organizzazione.

Molte delle idee, che ricalcano spesso i concetti dell’Holacracy, possono essere forse eccessive per le organizzazioni che costituiscono oggi la nostra più comune esperienza aziendale. Alcuni aspetti entrano però in profonda connessione con quanto abbiamo esplorato nell’ambito del Lean Startup. In questo post abbiamo cercato di porre l’attenzione su alcuni di questi. Senza affrontare tutto quanto analizzato e proposto dall’autore, abbiamo colto alcune intuizioni utili nei contesti di grande innovazione che caratterizzano le aziende co cui collaboriamo.

Infine due citazioni nel libro che chiariscono ancor più questa impostazione e che vanno in risonanza con i contenuti di Laloux.

L’ideologia di leadership e di management che oggi sostiene le grandi organizzazioni umane rappresenta un limite per il successo organizzativo tanto quanto l’ideologia del feudalesimo è stata un limite per il successo economico nei secoli XVI e XVII. (Gary Hamel)

 

L’unica cosa che sappiamo del futuro è che sarà differente. Tentare di predire il futuro è come tentare di guidare di notte lungo una strada di campagna a fari spenti mentre guardiamo attraverso lo specchietto retrovisore. Il miglior modo per predire il futuro è crearlo. (Peter Drucker)

Tags | , , , , , ,

Come integrare Lean e Design Thinking nell’innovazione del proprio business?

On 02, Aug 2017 | In Business Model, Design Thinking, Lean Startup, Lean Thinking, Management | By stefanoschiavo

Quando si cambia il proprio approccio al business ci si trova spesso di fronte a un bivio. Da una parte vorremmo razionalizzare i nostri processi di innovazione. Dall’altra vorremmo aprire la strada a nuovi punti di vista, sconvolgendo le “regole del gioco”.

Snelli e agili o creativi e disruptive? Possiamo tenere insieme le due cose? O dobbiamo rassegnarci a una alternativa tra rigore manageriale e fantasia del designer?

Se vogliamo poi aiutarci seguendo approcci consolidati che hanno dimostrato la loro validità nel mondo, il dilemma si ripropone.

Lean Thinking vs Design Thinking?

Design Thinking e HBRÈ indubbio che il Lean Thinking (ne abbiamo già parlato) possa essere un paradigma di riferimento per l’innovazione nei processi aziendali. Il suo focus è posto sul cliente e sul valore che possiamo generare per esso. Il miglioramento continuo diventa il motore per attivare questo percorso.

D’altro canto il Design Thinking ha proposto un approccio più centrato sul cambiamento del punto di vista. Sull’interpretazione divergente del problema. Reframing the problem e altre espressioni di questo genere ci conducono verso un processo creativo libero da vincoli e bias.

Sono modelli integrabili? Per dirlo, proviamo a comprendere meglio di cosa parliamo quando parliamo di Design Thinking.

Cos’è il Design Thinking?

Il termine Design Thinking è stato introdotto negli anni ’90 da David Kelley e Tim Brown di IDEO con Roger Martin. Racchiude in un concetto unico metodi e idee che si sono accumulati in molti anni. Il Design thinking fa riferimento a strategie creative che i designer utilizzano durante il processo di progettazione.

Tim Brown e David Kelley

Tim Brown e David Kelley

Il Design thinking rappresenta anche un approccio che può essere usato per affrontare problemi e sfide al di fuori della pratica professionale del design.

“Here’s what I love about being a designer: serving people’s needs and solving complex challenges. Here’s what I don’t like much: using precious resources to create stuff that people use for a limited time and then send to the dump” (Tim Brown)

Design Thinking e processi di innovazione

Il Design Thinking è prima di tutto un modo di pensare, ma allo stesso tempo presenta dei processi per affrontare l’innovazione. Propone un approccio al problem solving centrato sulla persona. Racchiude un’impostazione pratica che consente di generare innovazione. L’innovazione può portare alla differenziazione della propria proposta e a un conseguente vantaggio competitivo.

Schema Ciclo Design ThinkingIn termini operativi, questo approccio si può tradurre in un processo composto da sei distinte fasi in un framework che segue un flusso di tre macrofasi:

  • comprendere
  • esplorare
  • materializzare

 

In queste ricadono poi le sei fasi del processo.

1. Empatizzare

empathy mapSe l’obiettivo fosse il miglioramento dell’esperienza iniziale di un nuovo nostro cliente, la prima cosa da fare sarebbe parlare con un insieme di clienti reali. Get out of the building, uscire dai nostri uffici e confrontarci con i clienti. Con ciò che essi fanno, pensano, vogliono, chiedendosi cosa li stimoli o demoralizzi, dov’è la frustrazione attuale, quali sono i Pain and Gain. L’obiettivo è raccogliere abbastanza osservazioni per entrare in empatia con il cliente e la sua prospettiva.

2. Definire

Siamo entrati in relazione con i soggetti coinvolti nel tema dell’innovazione. Una questione da affrontare prioritariamente è quella di capire se il problema ipotizzato per il cliente esista davvero. Combinando tutte le ricerche e osservazioni, dobbiamo evidenziare i bisogni dei clienti. Cominciamo così a scoprire le opportunità di innovazione.

3. Ideare

Questa è una fase di divergenza. Lanciamo una serie estesa di idee creative e anche bizzarre che rispondono ai bisogni insoddisfatti del clienti. Sono quelli identificati nella fase precedente. I membri del team devono lavorare insieme e proporre molte idee diverse. Qui serve massima libertà, nessuna proposta è inadeguata e la quantità è più importante della qualità. Poi scambiamo le idee nel team mixando e remixando, costruendo ognuno sulle idee degli altri.

4. Prototipare

Ideo CardsÈ uno degli aspetti chiave del Design Thinking che lo accomuna con gli approcci Lean. Si invita a costruire ora delle rappresentazioni reali e tattili di una parte delle idee. L’obiettivo è comprendere quali parti della nostra idea funzionano e quali no. In questa fase iniziamo a pesare l’impatto rispetto alla fattibilità delle idee attraverso i feedback sui prototipi. Rendiamo le idee tattili. Se fosse una landing page, dovremmo disegnare un wireframe e ricevere feedback internamente. Cambiamo in base ai feedback e prototipiamo ancora e così via testando su nuovi gruppi di persone.

5. Testare

Il cliente rimane però il centro di tutta l’attività. Torniamo dai clienti e ci chiediamo se la soluzione cui siamo arrivati incontri i loro bisogni. Ha migliorato il loro modo di sentire, pensare e fare? Mettiamo il prototipo davanti a clienti reali e verifichiamo che raggiunga i suoi obiettivi.

6. Implementare

Il designer non finisce il ciclo con un test. La realizzazione della visione è parte integrante e fondamentale dell’innovazione. Assicuriamoci che la soluzione sia materializzata e impatti sulle vite dei clienti. È la parte più importante, ma è quella più spesso trascurata. Il Design Thinking non libera dalla verifica che le cose funzionino davvero. Perché il Design Thinking sia d’impatto nell’organizzazione e perché l’innovazione sia reale, bisogna che la visione diventi realtà. Il successo del Design Thinking sta nell’abilità di trasformare un aspetto della vita reale del cliente.

Perché introdurre il Design Thinking?

Il business viene spesso affrontato partendo dagli obiettivi dell’azienda. Questa visione dall’interno rischia di far perdere di vista il cliente e gli stakeholder coinvolti nei nostri progetti. Il Design Thinking ha sviluppato un modo di pensare e delle metodologie (interessante quelle riassunte nelle 51 cards di Ideocentrate sul cliente.

Lavorando partendo da un contatto diretto con il destinatario, i progetti rispondono alle necessità reali dei clienti e non a bisogni immaginari. Il Design Thinking mette al centro l’uomo anche nella progettazione stessa. Fa leva su un’esperienza di gruppo e stabilisce un linguaggio e dei riferimenti comuni creando il giusto ingaggio dei partecipanti.

Jakob NielsenQuesto approccio incoraggia l’innovazione perché esplora direzioni molteplici per lo stesso problema. Jakob Nielsen ha detto

“a wonderful interface solving the wrong problem will fail”

Il Design Thinking concentra le energie creative sul problema “giusto”.

Il Design Thinking nel business utilizza la sensibilità e i metodi del Design per far incontrare i bisogni delle persone con ciò che è tecnologicamente fattibile e ciò che è “viable” sul mercato in termini di business strategy.

Design Thinking Schema fattibilità desiderabilità viability

Dove si raccordano Design Thinking e Lean Startup?

L’alternanza di fasi di divergenza e di convergenza caratterizza un processo di Design thinking. Il Lean Startup sposta questa iterazione e sequenza in chiave di definizione del business model.

Right Problem Right Solution

Conclusioni

C’è spazio per integrare il Design Thinking nel processo descritto per l’implementazione del Lean Startup?

Dopo aver delineato le caratteristiche più rilevanti del Design Thinking applicato al business, pensiamo di poter rispondere affermativamente. Abbiamo recentemente verificato come i cicli di esplorazione del Design Thinking possano assumere un carattere più strutturale nello sviluppo dei business model. Questo è permesso dall’inserimento di impostazione e tool all’interno della gestione dell’innovazione aziendale Lean.

Il singolo progetto su cui tradizionalmente opera il Design Thinking consente di giungere a prodotti e servizi di successo. Gli strumenti da esso implementati sono integrabili in un iter progettuale più ampio descritto dal Lean Startup.

Si tratta di introdurre approcci culturali e strumenti operativi che nascono nel mondo dei designer all’interno delle fasi di esplorazione del nuovo business. Il legante è il percorso iterativo e sperimentale che contraddistingue il Lean Thinking nella sua declinazione nel business model.

Sharazad ha sviluppato e testato una piattaforma operativa capace di compiere questa integrazione con successo e pensiamo sia possibile implementarla nei più diversi contesti di business.

Tags | , , , , , ,

Come scegliere le metriche in un percorso di innovazione Lean del modello di business?

On 26, Jul 2017 | In Business Model, Lean Startup, Lean Thinking, Management, Non categorizzato | By stefanoschiavo

L’utilizzo di metriche in un percorso di innovazione è uno degli aspetti che caratterizzano la cultura del Lean Thinking (ne abbiamo parlato qua).

Si tratta della centralità della consapevolezza su come stiano davvero le cose. Non perdersi in considerazioni astratte chiusi in un ufficio. Andare invece a vedere cosa succede realmente. Andare in quello che i giapponesi chiamano Gemba, ossia “the real place”, il luogo dove il valore viene creato.

Si tratta di ricondurre la pratica manageriale a una gestione diretta dei processi. Rimanere collegati con la realtà e con il valore concretamente creato per il cliente.

Questo approccio ha un’evidente conseguenza nel modo di misurare i processi aziendali. Si preferiranno metriche quick and dirty, che consentano un controllo continuo e diretto di come stanno andando le cose. E si preferirà che queste metriche siano direttamente sotto il controllo di chi lavora nel processo. Che siano comprensibili e utilizzabili per l’azione quotidiana. Non destinati a un complesso sistema di reportistica verso gli strati direzionali più lontani dal Gemba. Questa impostazione risulta interessante nell’utilizzo del metodo A3 per attivare un percorso di Problem Solving.

Più in generale la scelta delle metriche di misurazione determina ciò che le persone coinvolte faranno e le loro priorità. In ultima analisi ciò che otterremo dal progetto. You get what you measure!

Le metriche in un processo di innovazione

Usciamo dall’ambito di analisi dei processi operativi ed entriamo in quello dell’innovazione nei modelli di business. Queste logiche valgono ancora e anzi determinano delle conseguenze importanti nel modo di scegliere le metriche di valutazione del successo della nostra azione.

Business model e metodo scientifico

Ne abbiamo parlato in un altro articolo. Il Lean Startup può essere un paradigma utile a impostare un’innovazione del modello di business aziendale. Esso si fonda sul metodo scientifico e su una serie di fasi rapide ed efficaci di sperimentazione.

Il metodo scientifico prevede di sviluppare una serie di ipotesi sul mercato che stiamo affrontando. Ci invita a porci nelle condizioni di verificare gli aspetti più critici legati al modello da noi ideato.

Il ciclo Build-Measure-Learn

Build Measure Learn Cycle

Build Measure Learn Cycle

Si tratta di predisporre un ciclo Build-Measure-Learn. In questo modo la misura di quanto costruito permette di massimizzare il nostro apprendimento. Ma cosa apprendere? La chiave è comprendere la veridicità delle nostre ipotesi progettuali. Ciò che dobbiamo massimizzare sono la focalizzazione, la velocità (anche qui vale la regola quick and dirty) e appunto l’apprendimento.

In un’impostazione di questo tipo può essere prioritario misurare dei parametri che permettano di agire immediatamente sul nostro modello. Come nel caso del miglioramento dei processi aziendali, dobbiamo avere la percezione reale di come stanno andando le cose rispetto ai nostri obiettivi.

Metriche diverse in fasi diverse

Inizialmente dovremo preferire metriche che dimostrino l’efficacia del nostro modello. Successivamente verificheremo l’efficienza, la sostenibilità e la scalabilità di esso.

Per efficacia si intende la capacità di rispondere alle esigenze del cliente ipotizzate nel modello di business. Più in generale è spesso utile verificare

  • l’esistenza stessa del cliente ipotizzato nel nostro target,
  • la sua dimensione come possibile mercato,
  • la consistenza e urgenza dei problemi individuati,
  • l’insoddisfazione rispetto alle alternative a disposizione.

Le misurazioni

  • sull’efficienza dei nostri processi,
  • sull’adeguatezza della nostra soluzione,
  • sulla nostra capacità di comunicare e gestire la relazione con il cliente,
  • sull’equilibrio dinamico del modello economico e finanziario

risultano fattori da verificare successivamente. Appartengono all’analisi dell’efficienza e della scalabilità, ma è chiaro che analizzare le prestazioni economiche di un business senza un cliente sarebbe poco utile!

Vanity metrics e Actionable metrics

Running Lean - Ash Maurya

Running Lean – Ash Maurya

In particolare dobbiamo evitare metriche che crescono continuamente per il solo fatto di affrontare il mercato. I like nei social network sono quasi sempre una delle cosiddette vanity metrics. Servono solo a compiacere la voglia di apprezzamento sul proprio operato. Non forniscono alcun elemento utilizzabile nella costruzione della nostra soluzione per il mercato.

Cerchiamo invece metriche actionable. Sono quelle che ci consentono di attivare un percorso virtuoso di contromisure verso ipotesi non confermate dai nostri esperimenti. Si va dal modificare alcuni assunti iniziali fino a cambiare radicalmente il modello (Pivoting) in una logica di miglioramento continuo tipico della cultura Lean.

“An actionable metric is one that ties specific and repeatable actions to observed results” (Ash Maurya)

Gli esperimenti stessi (i Minimum Viable Product) sono costruiti per misurare le ipotesi più a rischio e le metriche che ne derivano vanno a testare queste ipotesi.

Conclusioni

Solitamente pensiamo alle metriche come strumento di controllo sui processi, come valutazione sul gap tra quanto abbiamo previsto e quanto sta accadendo. L’obiettivo delle metriche sembra quindi quello di poter cambiare rotta quando quella impostata risulta inadeguata. Questo può valere quando la rotta è certa, quando c’è una chiara visione di dove vogliamo andare e di dove stiamo andando…

Su una rotta sconosciuta…

In una fase di innovazione la conoscenza stessa di dove dobbiamo andare non c’è. Siamo alla ricerca di quale sia la meta. In questa fase dobbiamo puntare ad aprire un confronto con l’esterno per apprendere quale sia il valore cercato dal mercato. Potrebbe essere importante valutare l’interesse generato nel mio cliente prima ancora della disponibilità ad acquistare. Testare la capacità di vendere potrebbe essere ancora prematuro e non permettere di valutare le potenzialità reali dell’innovazione che stiamo sviluppando.

Cosa misurare allora? Non c’è una regola che vale sempre. Quasi sempre però si tratta di attivare metriche che misurino il valore creato e non la nostra capacità di fare.

Tags | , , , , ,

Sviluppare un modello di business innovativo tramite il Lean Thinking

On 24, Jul 2017 | In Business Model, Design Thinking, Lean Startup, Lean Thinking, Management, Strategia | By stefanoschiavo

L’impostazione di una strategia chiara e coerente è un elemento critico nello sviluppo di ogni impresa. Per molto tempo si è dato risalto alla costruzione di business plan organizzati in maniera molto accurata con una prospettiva temporale lunga e indicazioni operative molto dettagliate.

Questa logica di approccio alla strategia di un’azienda ha trovato dei forti limiti nella necessità di cogliere velocemente le evoluzioni del contesto competitivo. Un business plan fatto di molti dati e attività sequenziali organizzate secondo Gantt tempificati rischia di essere un documento poco utile e troppo vincolante rispetto alle esigenze di apprendimento e dialogo con il mercato.

Recentemente si è sviluppato un approccio che integra la visione del Lean Thinking al miglioramento continuo con quella delle startup del mondo digitale, alla base della Digital Transformation che molte aziende oggi affrontano. Ne parliamo più accuratamente in questo post.

Business model e business plan

Se il business plan rimane uno strumento importante per il confronto con soggetti istituzionali e per la verifica dei numeri dell’impresa nel medio periodo, esso rischia d’altra parte di non essere il modo ideale per affrontare le prime fasi di un progetto innovativo.

Più adatta a queste fasi, in cui il grado di comprensione del cliente risulta molto limitato, è l’impostazione di un business model che legga complessivamente il mercato e la nostra offerta nei suoi confronti.

I canvas


Sono nati diversi strumenti, molto agili ed efficaci, finalizzati alla costruzione di un business model “raccontabile” ai diversi stakeholder coinvolti. Molto famoso e diffuso è il Business Model Canvas di Alexander Osterwalder. Il mondo Lean ha visto nascere approcci e strumenti alternativi tra cui citiamo il Lean Canvas e il Value Proposition Canvas.

 

Prima l’efficacia

Al di là dei diversi strumenti che possono essere utilizzati nella sua elaborazione, un modello di business snello consente di focalizzare la propria attenzione sull’apprendimento attorno al problema che si sta risolvendo anziché sulla costruzione della soluzione per il mercato.

Si preferisce concentrarsi, nelle prime fasi, sull’efficacia di quanto si sta facendo anziché sull’efficienza di come si fa. Con un’espressione inglese che rende bene l’idea, non si tratta di “Doing Things Right” (Fare le cose correttamente), ma di “Doing the Right Things” (Fare le cose giuste).

 

L’approccio del Lean Thinking alla strategia

Nasce così l’idea di portare l’approccio scientifico e dubitativo del tradizionale Lean Thinking all’interno di un percorso iterativo di test su ipotesi progettuali che mira a ridurre progressivamente i margini di incertezza, limitando al contempo rischi, costi e tempi collegati al progetto di business.

Come si procede?

Operativamente esiste un percorso ormai consolidato nello sviluppo di una strategia Lean nella costruzione del Business Model. All’inizio si legge il mercato iniziando dalla comprensione del cliente e dei problemi che oggi affronta. Lo si fa con tool che provengono dal Marketing e dal Design Thinking e che mettono in risalto anche gli aspetti psicologici e le emozioni del cliente, ma che poi confrontano tutte queste valutazioni con le alternative oggi presenti sul mercato.

Che valore creiamo per il cliente?

L’esito di questa prima fase è un’ipotesi forte sulla Value Proposition del nostro progetto. Cosa stiamo portando al cliente come valore che gli farà preferire la nostra proposta alle altre a disposizione? Questo è il passaggio più importante e conclusivo della fase di valutazione del business model. Successivamente si vanno a costruire gli elementi di fattibilità.

Come realizzeremo il nostro prodotto?

La fase successiva costruisce un modello coerente con quanto finora esplorato. Si affrontano i dettagli e le caratteristiche della soluzione, si definiscono strumenti e azioni di comunicazione e marketing, si valutano gli aspetti economici e finanziari concentrandosi sugli elementi critici come il motore della crescita, si definiscono gli elementi di misura della nostra crescita con metriche adatte al business ideato.

Alcuni aspetti come Unfair Advantage, metriche “actionable”, Traction e così via possono arricchire il business model.

 

Sono solo ipotesi…

Uno dei concetti più importanti in questo approccio snello alla strategia di business è quello che sta alla base di ogni approccio scientifico. La consapevolezza di non sapere. Quanto finora detto, da sviluppare in tempi rapidi e con dati “quick and dirty” anziché tramite elaborate analisi di mercato, è solo un’ipotesi da testare.

È per questo che successivamente alla definizione di un primo modello di business, si andranno a valutare alcuni aspetti chiave attraverso esperimenti già diretti al mercato. Ci si riferisce a essi con il termine Minimum Viable Product (MVP) e sono caratterizzati da una grande velocità di esecuzione (“la prossima settimana…”), da una forte focalizzazione su un elemento specifico da valutare e sulla massimizzazione dell’apprendimento conseguente alla sua esecuzione.

Un’immagine molto diffusa tra gli appassionati all’argomento è questa di Henrik Kniberg.

 

 

Ma cosa misurare?

L’approccio Lean alla strategia invita a misurare da subito gli aspetti più critici del progetto, quelli che potrebbero avere le conseguenze più rilevanti (impossibilità di realizzare l’iniziativa, cambiamento completo del modello, …). Si tratta cioè di testare le ipotesi a rischio. In un e-commerce potrebbe essere ad esempio più importante valutare la percentuale di resi anziché il dimensionamento dei magazzini.

Esistono anche in questo caso strumenti consolidati per valutare quali priorità dare ai diversi rischi connessi con le ipotesi del modello. Risk Dashboard o Post-Mortem Analysis sono tra esse, ma anche in questo caso si possono attivare tool diversi in base alle specifiche peculiarità del business.

Un percorso iterativo

Come detto precedentemente, l’impostazione Lean non si fonda su un’idea di business plan chiusa e vincolante, ma al contrario valorizza la capacità di adattamento del modello ai feedback provenienti dal mercato. La costruzione di esperimenti successivi conduce a un prodotto o servizio spesso distante da quanto ipotizzato inizialmente, ma caratterizzato da una maggior probabilità di funzionare sul mercato.

Da dove partire?

Nonostante l’approccio metodologico sia legato a strumenti e princìpi molto consolidati, l’elemento organizzativo e culturale, come sempre, ha un ruolo centrale nel successo di queste iniziative.

La comprensione dell’impostazione alla base del Lean Thinking serve a creare allineamento e visione comune. Un team che abbia condiviso una visione snella alla costruzione del business ha più probabilità di realizzare un’innovazione che risponda alle esigenze del mercato.

Partire da sessioni di formazione applicando velocemente concetti e strumenti alle proprie attività può essere un buon modo per iniziare.

Tags | , , , , , , ,

Lean vs Design Thinking! Cosa è successo ieri a Trieste?

On 21, Jul 2017 | In Action Learning, Business Model, Design Thinking, Laboratori, Lean Startup, Lean Thinking | By stefanoschiavo

Ieri abbiamo sperimentato un confronto tra discipline che mettono al centro del loro approccio la persona. Inevitabile in questi casi pensare al Lean e al Design Thinking.

Ospitati da Area Science Park, abbiamo coinvolto dei partecipanti entusiasti in un’esplorazione culturale e metodologica di princìpi, rituali e strumenti delle due filosofie human-centered. Abbiamo iniziato evidenziando le peculiarità nella visione del ruolo delle persone nei processi di innovazione, ma quasi subito abbiamo provato a testare quanto raccontato.

Ci siamo dedicati alla tradizionale prova di riprogettazione della pausa caffè, ma con una certa attenzione a non pensare tanto all’area caffè (con lo spazio, gli oggetti, le persone, …), quanto all’idea stessa di pausa in cui rilassarsi, parlare, sfogarsi, divertirsi, ritemprarsi, perder tempo, essere inefficienti o forse creativi…

Per ampliare così tanto la visione abbiamo usato i tool che ci suggerisce IDEO nelle sue pubblicazioni e abbiamo però dato una nostra interpretazione che lega i momenti divergenti della progettazione design-driven con quelli business oriented del Lean Startup.

Il risultato, lo ammettiamo, è andato oltre le aspettative. La complementarietà, in alcuni quasi sequenzialità, dei due approcci è stata sorprendente. Momenti diversi nella comprensione del contesto, nella generazione di idee, nell’esplorazione di problemi e soluzioni, nelle fasi di test e prototipazione hanno evidenziato come le due discipline siano parte di un percorso integrabile in cui il principio creativo della divergenza si sposa con l’iterazione sperimentale nel test di mercato.

Vari i momenti divertenti tra cui quello in cui il metodo Fly on the Wall si è quasi trasformato in una scuola di stalking 🙂

Alla fine la conferma da parte dei partecipanti del valore e dell’applicabilità operativa di quanto appreso e questa è stata la massima soddisfazione in una giornata da ricordare.

Tags | , , , , , ,