Redaktörens anteckning: Joe Procopio är Chief Product Officer på Skaffa Spiffy Och grundaren av undervisningstartup.com. Joe har en lång entreprenöriell historia i triangeln som inkluderar Automated Insights, ExitEvent och Intrepid Media. Han skriver en exklusiv kolumn om entreprenörskap för WRAL TechWire. Hans kolumner publiceras på måndagar som en del av TechWires Uppstart måndag paket.
+ + +
FORSKNINGSTRIANGELPARK – Att växa ditt företag är inte raketvetenskap. För de flesta startups är skillnaden mellan framgång och misslyckande skillnaden mellan att fumla runt i mörkret och att följa en väl upplyst väg mot tillväxt.
Ingen kommer att lysa upp den vägen åt dig.
I över 20 år av att bygga startups med hjälp av data för att skapa effektiva, upprepningsbara strategier för tillväxt, har jag lärt mig att varje väg är unik för varje företag. Det största misstaget en entreprenör kan göra är att överge det de vet är sant om sitt eget företag för att följa någon annans tillväxtplan som de inte får missa.
Joe Procopio (Foto med tillstånd av Joe Procopio)
Om du kan bygga upp din start till ett livskraftigt företag har du allt du behöver för att skapa dragkraft och skala den verksamheten.
Så här gör du.
Om du vill skala, låt data vara ditt ljus i mörkret
Jag har sett det miljontals gånger: En grundare kommer att bygga en startup till någon initial framgångspunkt och sedan frysa — osäker på exakt varför deras kunder är så förtjusta i deras produkt eller tjänst.
Förra veckan skrev jag ett inlägg beskriva de mest kritiska misstagen startup grundare och ledare gör när de står inför uppgiften att skala sin initiala framgång. För det mesta har dessa grundare och ledare rätt idé – med hjälp av data som en guide för att bestämma riktningen och omfattningen av deras nästa drag. Problemet är nästan alltid i utförandet:
- Att hålla ett för hårt grepp om den första framgången och låta nya möjligheter glida iväg.
- Lyssnar på fel signaler och jagar obevisade teorier.
- Att låta ett överflöd av optimism eller pessimism grumla beslutsprocessen.
Vem som helst kan berätta för dig att du bör använda data som ditt ljus i mörkret för tillväxt. Så hur ser du till att du använder den på rätt sätt? Jag kommer att upprepa de GÖR INTE jag skrev om i förra inlägget och ge dig handlingskraftiga strategier att utföra istället.
GÖR INTE så här: Rid en våg för lång
Det största misstaget en startupgrundare eller ledare kan göra är att analysera all data kring företagets initiala framgång, bara titta på det positiva och besluta sig för att hålla kursen. Ingenting varar för evigt, alla bra saker måste komma till ett slut, och om ditt företag växer finns det ingen övre gräns för var dina siffror ska vara.
Gör så här: Experimentera alltid
Du bör vara i ett konstant tillstånd av kontrollerade experiment med din produkt, din positionering, din marknadsanpassning, din pitch och dina meddelanden. Du behöver inte grossistförändringar med varje ny version eller förändring, men du behöver ta flera steg in i mörkret för att se om du kommer att stuva tån så att säga.
En läsare frågade: Hur mycket tid ska jag ägna åt att skapa rapporterbar data från en MVP? Mitt svar är "Allt", eller åtminstone så mycket tid du kan. En MVP utan en spårningsmekanism vid varje interaktion, från första upptäckten av verksamheten till att avsluta försäljningen, är bara ett väldigt dyrt sätt att fumla runt i mörkret.
Det spelar ingen roll om du säljer SaaS-programvara eller trädgårdsredskap. Varje kontaktpunkt i upptäckten, transaktionen och användningen av den produkten bör spåras, automatiskt eller manuellt, inklusive när interaktionen ägde rum, hur den hände, vad resultatet eller nästa steg var och vad det resultatet eller nästa steg betyder för intäkter och kostar.
Du bör spåra varje datapunkt och låta resultaten sortera ut sig själva. Jag kan inte berätta hur många gånger jag har frågat en grundare om de spårade en datapunkt och svaret var nej och anledningen var att de inte kände att de behövde det.
Om det är en sak jag har lärt mig om produkt-marknadsanpassning så är det att du inte vet om en datapunkt är viktig eller inte förrän du empiriskt kan bevisa att den inte är det. Du kan inte bevisa det förrän du spårar det. Den enda varningen jag vill lägga till är att du måste dra gränsen med ansträngning. Om en datapunkt är för dyr att spåra kan du behöva gissa.
Slutligen ska jag tillägga att du bör balansera hur många experiment du gör samtidigt. Jag skulle rekommendera att du alltid gör mer än ett experiment åt gången, för när du försöker skala är tiden alltid kort. Men en sak att tänka på är att se till att effekten av ett experiment inte grumlar resultatet av ett annat.
Om du till exempel lägger till en ny funktion, var försiktig med hur drastisk förändring du sedan gör i dina meddelanden. Om din nya funktion är fantastisk och dina nya meddelanden suger, har du precis gett dig själv en falsk negativ.
Gör INTE så här: Döda kassakon
Naturligtvis är motsatsen till analysförlamning en grossistförändring som överger vinsterna från den initiala framgången i tillväxtens namn.
Ett klassiskt exempel är uppstarten som lockar miljontals kunder för en gratis produkt (säg innehåll) och sedan ser dollartecken om de tar ut dessa "kunder" ett litet pris för samma produkt (säg, 1 USD i månaden). Två saker händer vanligtvis och de kommer båda som en överraskning:
- De allra flesta av dessa "kunder" kommer inte att konvertera.
- Kostnaden för att betjäna de nya betalande kunderna visar sig vara mycket mer än de intäkter de genererar.
Gör så här: Leta efter gröna skott
Massiva ekar dyker inte upp över en natt. De börjar med gröna skott. När du gör någon förändring i hur ditt företag fungerar, kommer du att främja viss negativitet i din nuvarande kundbas. Istället för att hygge din skog och bli chockad när ingenting växer ut, plantera om ett enda träd först och övervaka hur den nya tillväxten sker.
Dessa mätningar bör alltid baseras på intäkter och retention. När du gör ändringar i din produkt eller tjänst försöker du öka dina intäkter och behålla både nya och gamla kunder längre.
När du kör dina experiment, ställ hypoteser för de förväntade resultaten. Med andra ord, om du gör en förändring, bör den förändringen resultera i att X % nya kunder betalar Y % mer i Z % kortare tid. Anta sedan effekten på din befintliga bas: Vi planerar att förlora X % av våra kunder och dessa kunder bör inte vara mer än Y % värdefulla för oss.
Överge misslyckade experiment snabbt. Du behöver inte klippa av dem utan förvarning, utan kunna ångra dem, ta tillbaka dem till huset och justera dem tills du fixar de procentsatserna. Detta gäller särskilt när du förlorar fler kunder än du förväntade dig eller förlorar kunder som var mer värdefulla för dig än du förväntade dig.
Gör INTE så här: Ge upp makrot för mikron
Bara för att en idé inte fungerar betyder det inte att det var en dålig idé. Små förändringar i din data, bra eller dåliga, kräver inga genomgripande åtgärder. För att bli metaforisk igen bygger man inte en skyskrapa på en grund som inte har satt sig — och man river inte ner en skyskrapa för att taket läcker.
Gör så här: Agera på mönster, inte på datapunkter
För att skala måste du definiera din framgång som intäkter minus kostnad och upprepa och expandera. För att växa måste du definiera din framgång som livstidsvärdet för en kund (LTV) minus kostnaden för att skaffa en kund (CAC) och expandera.
En dålig datapunkt, en dålig kund, en misslyckad relation kan kasta din trendlinje av, men det kanske inte dikterar trenden i sig. Samma på andra sidan. En bra kund betyder inte att experimentet fungerade.
Så när vi pratar om risk inom entreprenörskap, är risk inte att göra nästa djärva drag, eller att svänga i en riktning som ingen förväntar sig – det är spel. Risk är att bestämma när ett mönster växer fram baserat på ett begränsat antal datapunkter.
För att svara på en annan fråga som kom ut från förra inlägget: Hur använder man framgångsrikt anekdotiska bevis när de inte klarar någon form av signifikanstest?
Detta är skillnaden mellan att vara en bra entreprenör och en dålig entreprenör. Och det handlar om risk och begränsning. Du, som ägare till idén och ledare för utförandet, måste fatta det risk/belöningsbeslutet i tid, baserat på de mönster som dig känna igen.
Alla företagare kan sälja en bra produkt. Inte alltför många entreprenörer kan känna igen en bra produkt.
Komma till avgörande data är den svåraste delen av datadriven tillväxt. Men när man väl kommer dit går det nästan automatiskt. När du har förtroende att du kan få $X mängd LTV för $Y mängd CAC, det är då du trycker på gaspedalen.
Att fylla gapet mellan självförtroende och avgörande är det som gör en stor entreprenör.
+ + +
Hallå! Om du tyckte att det här inlägget var användbart eller insiktsfullt, överväg att registrera dig för mitt veckobrev på joeprocopio.com så att du inte missar några nya inlägg. Det är kort och rakt på sak. Eller om du vill ha mer taktiska startråd direkt till din inkorg, få en gratis provperiod på Teaching Startup.
