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

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.

1. 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.

2. 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.

3. 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.

4. 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.

5. 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.

La giusta segmentazione

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. Basarsi 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.

By stefanoschiavo