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 | , , , , ,

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 | , , , , ,

Qual è il mio modello di business? Alcuni spunti per capirlo da Lean Analytics

On 29, Sep 2017 | In Digital Lean, Digital Transformation, Lean Startup, Lean Thinking, Non categorizzato | By stefanoschiavo

Torno sulla questione metriche. Divento noioso, ma non ci si può fare niente. Le metriche servono.

Le ha messe il nostro caro Ash Maurya in un bel quadrante tutto dedicato a loro nel Lean Canvas. Occupano buona parte di quel fantastico strumento di problem solving che è l’A3 della Lean. Parlate poi con un esperto di finanza anche tradizionale e sarà l’unico argomento su cui vi troverete d’accordo con lui 🙂

Un libro che parla, accuratamente e bene, di metriche è Lean Analytics.

Lo dico subito. È una miniera di informazioni e si potrebbe partire da lì per parlare di milioni di cose interessanti per chi si occupa di business model. Ma qua voglio parlare di una cosa che viene prima delle metriche anche se apre la strada al loro utilizzo.

Mi riferisco a comprendere in quale modello di business siamo.

 

In che business siamo?

La domanda sembra troppo facile. E infatti, come spesso in questi casi, lo sembra solo.

L’invito che mi hanno fatto gli autori per tutto il tempo di lettura è stato quello di focalizzarmi (“Focus!”) e quindi di non distrarmi. Avendo ascoltato il libro tramite lo smartphone guidando la macchina, mai consiglio è stato più utile 🙂 A parte la voce inglese un po’ metallica, il messaggio principale è passato. Una metrica alla volta per far crescere il business. Ma quale?

Alistair Croll e Benjamin Yoskovitz la mettono giù facile. Parti da dove fai i soldi. Lì sta il centro di tutto. Nel lungo termine la cosa che traina il tuo business è quella lì e proprio quella aiuta a capire in che business sei.

Girando un po’ ci si accorge presto che siamo circondati di gente capace di costruire prodotti straordinari e risolvere problemi tecnici assurdi. E alcuni di questi possono attrarre i clienti giusti, ma poi, diciamolo, pochi fanno davvero i soldi.

Una limonata fresca!

Alistair e Benjamin mi hanno quindi invitato a spiegare il mio business pensando a una bancarella della limonata. Provando a descriverne il business model, potrei infatti ricondurre tutto a vendere limonata a più di quanto mi costi produrla.

Volendo spiegare meglio potrei dire che ci sono costi variabili per ingredienti e materiali (limoni, zucchero, l’acqua e i bicchieri), costi di marketing una tantum (la bancarella, l’insegna, il frigo, un giovane parente che stia nello stand per strada), costi orari del personale (abbastanza irrisori quando si tratta di ragazzi…).

Potrei spingermi a dire che i ricavi dipendono dal prezzo a cui vendo e dal numero di limonate vendute. Se a questo punto mi chiedessero quale sia la parte più rischiosa del business, non sarebbe difficile citare i costi futuri dei limoni, il clima, il traffico pedonale nel quartiere, …

È facile, partendo da qua, dire a spanne quante limonate devo vendere per pareggiare i costi (break-even point) o quante per darmi uno stipendio dignitoso.

Beh, per decidere che metriche tenere sotto controllo, dovrei saper descrivere il mio business, per complesso che possa apparire, allo stesso modo di quanto fatto per la bancarella di limonate.

Un passo indietro

Ecco quindi il trucco. Devo fare un passo indietro. Ignorare i dettagli inutili, pensare solo alle componenti principali del business. Ma dove vado a cercarle?

In realtà posso semplificare molto la lettura del modello di business. Basterebbe partire da due fattori chiave sempre presenti:

  • l’orientamento verso la crescita,
  • il motore che la attiva e la alimenta.

Ecco! Sto toccando gli elementi essenziali. Serve però capire un po’ meglio il fattore crescita.

Il Motore delle Crescita

La crescita può essere raggiunta attraverso un motore della crescita di quelli proposti da Eric Ries: stickiness, virality o revenue.

Ne parlo da altre parti, ma la cosa è intuitiva.

O il cliente, una volta acquisito, non riesce più a fare a meno di me (siamo nella stickiness) o si crea un meccanismo virale di passaparola che genera una crescita virtuosa dei clienti (virality) o pago per comprare clienti a un prezzo più basso di quanto loro mi pagheranno (revenue). Facile.

Sergio Zyman, Coca-Cola’s CMO, said marketing is about selling more stuff to more people more often for more money more efficiently.

La crescita viene dal saper manovrare questi aspetti.

Le manopole per guidare la crescita del business

Riassumo quanto visto finora.

Per capire in che business siamo, devo comprendere, come per la limonata, i fattori essenziali. Tra questi ci sta sicuramente la modalità con cui il business cresce. Ci sono pochi modi che riscontriamo sempre e sono legati ad alcune “manopole”. Quali?

Proviamo a vedere nel dettaglio i vari “more” di Zyman.

  1. More stuff significa aggiungere prodotti o servizi, in particolare quelli che sappiamo che i clienti vorrebbero. In altre parole possiamo applicare i metodi Lean allo sviluppo di nuovi prodotti piuttosto che far partire una nuova azienda da zero.
  2. More people significa aumentare i clienti, idealmente attraverso la viralità, il passaparola, ma anche attraverso pubblicità a pagamento. Il modo migliore sarebbe avere un servizio (come ad esempio Dropbox) che include nel prodotto stesso l’invito a invitare altri clienti e che implica un endorsement da parte dei clienti che invitano altri.
  3. More often significa stickiness (cioè che i clienti ritornino), un churn ridotto (cioè che non ci abbandonino proprio) e l’uso ripetuto (cioè che usino il nostro prodotto frequentemente). Quasi da subito la stickiness tende a essere un fattore chiave su cui concentrarsi, perché è difficile basarsi sulla viralità nelle prime fasi.
  4. More money significa fare upselling e massimizzare i prezzi che i clienti pagheranno, i ricavi dai click sugli ad, la quantità di contenuti che creeranno, …
  5. More efficiently significa infine ridurre i costi di consegna e di servizio di supporto, ma anche diminuire il costo di acquisizione dei clienti riducendo l’advertising a pagamento e incrementando il passaparola.

Un criterio di segmentazione per la crescita

La crescita richiede un particolare approccio verso il mercato. È anche un punto in comune tra la visione di Lean Analytics e Monetizing Innovation: la centralità della segmentazione. Ne ho parlato qua.

Per Croll e Yoskovitz bisogna dividere i clienti reali e di valore da quelli passeggeri, curiosi o addirittura dannosi.

Non è così semplice come sembra perché, diciamolo, chi di noi vuole privarsi di clienti, di qualsiasi tipo essi siano?

Si cercherà di massimizzare i clienti reali e di sbarazzarsi di quelli cattivi. Aggiungiamo un piccolo impedimento a inizio del processo di vendita per filtrare meglio da subito (una carta di credito da inserire a un certo step elimina facilmente i semplici curiosi…). O qualcosa di più sottile come non tentare di riattivare utenti che hanno abbandonato per un certo periodo il servizio.

Il discorso fila facile per sviluppatori di giochi online o per gli e-commerce che stoccano prodotti comprati con bassa frequenza, mentre si possono fare eccezioni per i business model SaaS che potrebbero godere della presenza (poco costosa) di clienti “curiosi” nelle modalità freemium. Ma i clienti veri bisogna trattarli meglio…

E quindi in che business ci troviamo?

Sono arrivato alla fine.

Business significa vendere. Chi vende è sempre orientato alla crescita. Per crescere serve concentrarsi sui clienti giusti che ci fanno guadagnare.

Sarebbe ora il momento di rispondere alla domanda da cui siamo partiti. In che business ci troviamo noi?

Il prodotto è più della cosa che si compra. È un mix di servizio, branding, credibilità, supporto, packaging e una miriade di altri fattori per cui si paga.

When you purchase an iPhone, you’re also getting a tiny piece of Steve Jobs’s persona.

Allo stesso modo un business model è una combinazione di cose diverse. Ciò che si vende, come si consegna, come si acquisiscono nuovi clienti e, appunto, come si fanno i soldi. Non dobbiamo confondere queste dimensioni.

Freemium isn’t a business model it’s a marketing tactic. SaaS isn’t a business model it’s a way of delivering software. The ads on a media site aren’t a business model they’re a way of collecting revenue.

Gli elementi chiavi del business model

In sintesi devo incrociare alcuni aspetti che, nella loro combinazione, descriveranno il mio business model.

  1. Il canale di acquisizione, ovvero come la gente viene a conoscere la mia offerta
  2. La tattica di vendita, cioè  come trasformo i contatti in prospect e i prospect in clienti.
    Un esempio nei business web è che di solito

    1. o il cliente paga
    2. o ha qualche svantaggio che può essere rimosso pagando (qualche funzionalità in meno, limiti di tempo, presenza di noioso advertising, …)
  3. La fonte dei ricavi, cioè il modo in cui faccio i soldi. Possono arrivare direttamente dal cliente (attraverso un pagamento) o indirettamente (attraverso pubblicità, creazione di contenuti, analisi dei comportamenti, …). Può includere transazioni, sottoscrizioni, pagamenti in base al consumo, ricavi da advertising, rivendita di dati, donazioni e così via.
  4. Il tipo di prodotto è ciò che offro in cambio dei ricavi.
  5. Il modello di consegna è il modo in cui il prodotto arriva ai clienti

A partire da questi elementi, si possono trovare circa seimila combinazioni diverse (!) che portano quindi a un sacco di business model alternativi. Il consiglio è quindi di ragionare su questi elementi per il mio specifico business. Magari scoprendo delle similarità con analoghi business che assomigliano sorprendentemente al mio.

In Lean Analytics ci sono alcuni pattern tipici del web di cui magari parlerò in un altro post:

  • e-commerce business
  • SaaS
  • mobile application
  • media sites
  • user generated content
  • two-sided marketplace

Conclusioni

Definire il modello di business in cui sono non è semplice, ma è fondamentale per poter gestire la sua crescita guidati dai dati.

Alcuni pattern riconoscibili mi permettono di scoprire le cose davvero importanti. Riuscire a riassumere con chiarezza e semplicità ciò che fa funzionare il mio progetto mi consente di concentrarmi sulle cose che contano.

Lean Analytics ha il pregio di invitare con supporti concreti a focalizzarsi su pochi aspetti chiave. Lungo il percorso di crescita questi fattori prioritari cambieranno e si evolveranno, ma di volta in volta saranno pochi e significativi.

Questo approccio consente di applicare in modo focalizzato le logiche del Lean Startup di cui ho parlato in vari post tra cui questo.

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 | , , , ,

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 | , , , , , , ,

23

Jun
2017

In Digital Lean
Futuro
News

By stefanoschiavo

Una piattaforma metodologica per il Digital Lean

On 23, Jun 2017 | In Digital Lean, Futuro, News | By stefanoschiavo

Andrea De Muri ci sorprende sempre. Grazie alla sua inesauribile spinta verso i modelli che meglio rispondono alle esigenze attuali del business, ci ha portato negli ultimi anni a esplorare una possibile sintesi tra due aree di innovazione che a Sharazad piacciono da sempre: il Lean Thinking e la Digital Transformation.

Oggi possiamo dire che la sua ricerca, spesso condivisa in progetti didattici e consulenziali comuni, ha raggiunto una maturità che ci permette di presentarci con fiducia nelle più eterogenee situazioni in cui approcci snelli al business model sposano lo spirito della rivoluzione digitale.

L’esito è un sistema operativo di management che integra tool e metodologie consolidate in una visione sperimentale e iterativa alla crescita del business. Capita oggi sempre più spesso di spostare questo approccio dalla realtà didattica e formativa verso contesti applicativi aziendali anche molto strutturati.

Abbiamo iniziato qualche anno fa con le Fab Sessions, incontri dedicati a sperimentare modalità didattiche originali nel management: abbiamo esplorato le novità del Lean Startup, l’applicabilità nel business del Design Thinking, i modelli di programmazione e di Visual Management tra Kanban e Scrum e così via.

Alcune nuove consapevolezze oggi ci permettono di adattare i modelli alle specifiche realtà che incontriamo nei più diversi settori e scale. I tool specifici e le tecniche di lavoro cambiano e si evolvono, ma ci sembra di aver trovato nell’approccio iterativo e nel metodo sperimentale una chiave di lettura che accomuna il problem solving tramite gli A3 ai Canvas di Ash Maurya, i cinque principi e il PDCA del Lean Thinking al ciclo build-measure-learn di Eric Ries e così via.

Il prossimo passo è quello di applicare su scala sempre più complessa e sfidante questa impostazione in contesti di business diversificati, ma legati alla necessità di innovare il proprio modello di mercato partendo da una maggior considerazione del valore generato e del cliente cui ci si rivolge.

Tags | , , , , , ,