Tall knuser og suksess: Hvordan lage en vellykket oppstartsvekstplan ved hjelp av data

Redaktørens notat: Joe Procopio er Chief Product Officer på Få Spiffy Og grunnleggeren av undervisningstartup.com. Joe har en lang entreprenørhistorie i trekanten som inkluderer Automated Insights, ExitEvent og Intrepid Media. Han skriver en eksklusiv spalte om entreprenørskap for WRAL TechWire. Spaltene hans publiseres på mandager som en del av TechWire's Oppstart mandag pakke.

+ + +

FORSKNINGSTREKANTPARK – Å utvide virksomheten din er ikke rakettvitenskap. For de fleste startups er forskjellen mellom suksess og fiasko forskjellen mellom å famle rundt i mørket og å følge en godt opplyst vei mot vekst.

Ingen kommer til å lyse den veien for deg.

I over 20 år med å bygge startups ved å bruke data for å lage effektive, repeterbare strategier for vekst, har jeg lært at hver vei er unik for hver virksomhet. Den største feilen enhver gründer kan gjøre er å forlate det de vet er sant om sin egen virksomhet for å følge andres vekstplan som ikke kan gå glipp av.

Hvis du kan bygge oppstarten din til en levedyktig virksomhet, har du alt du trenger for å skape trekkraft og skalere virksomheten.

Slik gjør du det.

Hvis du vil skalere, la data være lyset ditt i mørket

Jeg har sett det en million ganger: En grunnlegger vil bygge en oppstart til et første suksesspunkt og deretter fryse – usikker på nøyaktig hvorfor kundene deres er så forelsket i produktet eller tjenesten deres.

Forrige uke skrev jeg et innlegg skisserer de mest kritiske feilene oppstartsgründere og -ledere gjør når de står overfor oppgaven med å skalere sin første suksess. Mesteparten av tiden har disse grunnleggerne og lederne den rette ideen – ved å bruke data som en guide for å bestemme retningen og omfanget av deres neste trekk. Problemet er nesten alltid i utførelsen:

• Holde for hardt grep om den første suksessen og la nye muligheter slippe unna.
• Å lytte til feil signaler og jage uprøvde teorier.
• Å la en overflod av optimisme eller pessimisme tåkelegge beslutningsprosessen.

Hvem som helst kan fortelle deg at du bør bruke data som lys i mørket for vekst. Så hvordan sikrer du at du bruker den riktig? Jeg skal gjenta de IKKE-Ikke jeg skrev om i forrige innlegg og gi deg handlingsrettede strategier for å utføre i stedet.

IKKE gjør dette: Kjør en hvilken som helst bølge for lang

Den største feilen en startup-gründer eller leder kan gjøre, er å analysere alle dataene rundt selskapets første suksess, kun se på det positive og bestemme seg for å holde kursen. Ingenting varer evig, alle gode ting må ta slutt, og hvis virksomheten din vokser, er det ingen øvre grense for hvor tallene dine skal være.

Gjør dette: Eksperimenter alltid

Du bør være i en konstant tilstand av kontrollert eksperimentering med produktet ditt, posisjonering, markedstilpasning, pitch og meldinger. Du trenger ikke store endringer med hver ny versjon eller endring, men du må ta flere skritt inn i mørket for å se om du kommer til å stubbe tåen, for å si det sånn.

En leser spurte: Hvor mye tid bør jeg bruke på å lage rapporterbare data fra en MVP? Mitt svar er "Alt", eller i det minste så mye tid du kan. En MVP uten sporingsmekanisme på hver interaksjon, fra første oppdagelse av virksomheten til å avslutte salget, er bare en veldig kostbar måte å famle rundt i mørket.

Det spiller ingen rolle om du selger SaaS-programvare eller hageverktøy. Hvert berøringspunkt i oppdagelsen, transaksjonen og bruken av det produktet bør spores, automatisk eller manuelt, inkludert når interaksjonen skjedde, hvordan det skjedde, hva resultatet eller neste trinn var, og hva det resultatet eller neste trinnet betyr for inntektene og kostnader.

Du bør spore hvert datapunkt og la resultatene sortere ut av seg selv. Jeg kan ikke fortelle deg hvor mange ganger jeg har spurt en grunnlegger om de sporet et datapunkt og svaret var nei, og grunnen var at de ikke følte at de trengte det.

Hvis det er én ting jeg har lært om produkt-markedstilpasning, er det at du ikke vet om et datapunkt er viktig eller ikke før du empirisk kan bevise at det ikke er det. Du kan ikke bevise det før du sporer det. Det eneste forbeholdet jeg vil legge til er at du må trekke grensen med innsats. Hvis et datapunkt er for dyrt å spore, må du kanskje gjette.

Til slutt vil jeg legge til at du bør balansere hvor mange eksperimenter du gjør samtidig. Jeg vil anbefale å alltid gjøre mer enn ett eksperiment om gangen, fordi når du prøver å skalere, er tiden alltid kort. Men en ting du bør vurdere er å sørge for at virkningen av ett eksperiment ikke skygger for resultatene av et annet.

For eksempel, hvis du legger til en ny funksjon, vær forsiktig med hvor drastisk endring du deretter gjør i meldingene dine. Hvis den nye funksjonen din er kjempebra og de nye meldingene dine er dårlige, har du nettopp gitt deg selv en falsk negativ.

IKKE gjør dette: drep kontantkua

Selvfølgelig er det motsatte av analyselammelse et engrosskifte som forlater gevinstene fra den første suksessen i vekstens navn.

Et klassisk eksempel er oppstarten som tiltrekker seg millioner av kunder for et gratis produkt (f.eks. innhold), og så ser dollartegn hvis de belaster disse "kundene" en liten pris for det samme produktet (f.eks. $1 i måneden). To ting skjer vanligvis, og de kommer begge som en overraskelse:

1. De aller fleste av disse "kundene" vil ikke konvertere.
2. Kostnaden for å betjene de nye betalende kundene viser seg å være langt mer enn inntektene de genererer.

Gjør dette: Se etter grønne skudd

Massive eiketrær dukker ikke opp over natten. De starter med grønne skudd. Når du gjør endringer i hvordan virksomheten din opererer, kommer du til å fremme noe negativitet i din nåværende kundebase. I stedet for å rydde skogen og bli sjokkert når ingenting vokser ut, plant først et enkelt tre og overvåk hvordan den nye veksten skjer.

Disse målingene bør alltid være basert på inntekt og oppbevaring. Når du gjør endringer i produktet eller tjenesten, prøver du å øke inntektene dine og beholde både nye og gamle kunder lenger.

Når du kjører eksperimentene, setter du en hypotese om de forventede resultatene. Med andre ord, hvis du gjør en endring, bør den endringen føre til at X % nye kunder betaler Y % mer i Z % mindre tid. Sett deretter en hypotese om innvirkningen på din eksisterende base: Vi planlegger å miste X % av kundene våre, og disse kundene skal ikke være mer enn Y % verdifulle for oss.

Avbryt mislykkede eksperimenter raskt. Du trenger ikke å kutte dem av uten forvarsel, men kunne angre dem, ta dem tilbake til huset og justere dem til du fikser disse prosentene. Dette gjelder spesielt når du mister flere kunder enn du forventet eller mister kunder som var mer verdifulle for deg enn du forventet.

IKKE gjør dette: Gi opp makroen for mikroen

Bare fordi en idé ikke fungerer, betyr det ikke at den var en dårlig idé. Små endringer i dataene dine, gode eller dårlige, krever ingen omfattende handling. For å bli metaforisk igjen, bygger du ikke en skyskraper på et fundament som ikke har satt seg - og du river ikke ned en skyskraper fordi taket lekker.

Gjør dette: handle på mønstre, ikke på datapunkter

For å skalere må du definere suksessen som inntekt minus kostnader og gjenta og utvide. For å vokse må du definere suksessen din som livstidsverdien til en kunde (LTV) minus kostnadene for å skaffe en kunde (CAC) og utvide.

Ett dårlig datapunkt, en dårlig kunde, ett mislykket forhold kan forkaste trendlinjen din, men det dikterer kanskje ikke selve trenden. Samme på den andre siden. En god kunde betyr ikke at eksperimentet fungerte.

Så når vi snakker om risiko i entreprenørisme, er ikke risiko å gjøre det neste dristige trekk, eller å svinge i en retning ingen forventer - det er gambling. Risiko er å bestemme når et mønster dukker opp basert på et begrenset antall datapunkter.

For å svare på et annet spørsmål som kom ut av forrige innlegg: Hvordan kan du bruke anekdotisk bevis når det ikke består noen form for signifikanstest?

Dette er forskjellen mellom å være en god gründer og en dårlig gründer. Og det kommer ned til risiko og redusering. Du, som eier av ideen og leder av gjennomføringen, må ta den risiko/belønningsbeslutningen i tide, basert på mønstrene som du gjenkjenne.

Enhver gründer kan selge et godt produkt. Ikke så mange gründere kan gjenkjenne et flott produkt.

Kommer til avgjørende data er den vanskeligste delen av datadrevet vekst. Men når du først kommer dit går det nesten automatisk. Når du har selvtillit at du kan få $X beløp av LTV for $Y beløp CAC, det er når du trykker på gasspedalen.

Å fylle gapet mellom selvtillit og avgjørende er det som gjør en stor gründer.

+ + +

Hei! Hvis du synes dette innlegget var nyttig eller innsiktsfullt, kan du vurdere å melde deg på mitt ukentlige nyhetsbrev på joeprocopio.com slik at du ikke går glipp av nye innlegg. Den er kort og saklig. Eller hvis du vil ha mer taktisk oppstartsråd direkte til innboksen din, få en gratis prøveversjon av Teaching Startup.

Mer fra Joe Procopio:

Dataknusing og oppstart: Ikke la det ødelegge drømmen