إذا كنت من مؤسسي الشركات الناشئة في مرحلة مبكرة، فإن سرعة التعلم أمر بالغ الأهمية. إن القدرة على اختبار ورفض أو مضاعفة الفرضيات لمساعدتك في تحديد ما إذا كنت تقوم ببناء العمل والمنتج المناسبين للعميل والسوق المناسبين أمر ضروري. بحث المستخدم النوعي في بيئته الطبيعية يمكن أن يؤدي إلى مفاجآت ودروس مستفادة قيمة.
عندما تتنقل في متاهة الأفكار وتستكشف ملاءمة المنتج للسوق في مراحله الأولى، فإنك بحاجة إلى طرق إرشادية لتحديد ما إذا كنت تسير في الاتجاه الصحيح أو على وشك الوصول إلى طريق مسدود.
يُعد كتاب اختبار الأم لروب فيتزباتريك مرجعاً قيماً ومفيداً. في هذا المقال، سأشارك جزءاً من تجربتي في الحصول على تعليقات حول الاستكشافات المبكرة، سواء كمؤسس لـ CodeYam أو خلال العقد الماضي في الشركات الناشئة التقنية. إنها ممارسة قمت بصقلها باستمرار وما زلت أتعلم منها وأحسنها.
بدأت هذه الرحلة عندما اكتشفت كتاب وعملية تصميم السبرنت (Design Sprint)، التي طورها فريق GV أثناء عملهم في شركة Kamcord الناشئة حوالي عام 2017. لقد طبقت هذه العملية بأشكال مختلفة على مر السنين، بالإضافة إلى سباق أبحاث GV الذي أنشأه مايكل مارجوليس، للمساعدة في استكشاف المشكلات وتسريع عملية التعلم واختبار الأفكار الجديدة بطرق منخفضة المخاطر.
في الشركات التقنية الكبرى، غالباً ما يحمل مصطلح سباق التصميم دلالات مختلفة تماماً. قد تتخيل المصممين يقضون أسبوعاً (أو أكثر) من وقت فريق التطوير والمنتج في العمل على أفكار، والتي قد تكون ممتعة ومثيرة للاهتمام، ولكنها نادراً ما تتحول إلى أولويات بناء فعلية. هذه الأفكار العابرة التي لا تؤدي إلى نتائج حقيقية هي عكس ما أقصده هنا، وعكس استخدام جوانب عملية السبرنت لتحقيق إنجازات حقيقية.
وبدلاً من ذلك، نحاول الحصول على تعليقات حقيقية من العملاء المحتملين و/أو مستخدمي المنتج (أو الذين قد يكونون مستخدمين لمنتج مستقبلي محتمل لم يتم إنشاؤه بعد). نحن نحاول الحصول على تعليقات ذات صلة من مجموعة صغيرة وممثلة بأسرع ما يمكن لاختبار المخاطر والفرضيات والافتراضات وإبلاغنا بكيفية تحقيق أهدافنا بنجاح (أو الفشل بشكل أسرع والمضي قدمًا في التعلم).
من المحتمل أن تكون أدوات الذكاء الاصطناعي الجديدة بمثابة دفعة كبيرة من حيث الحصول على تعليقات مفيدة بشكل أسرع. ومع ذلك، ما زلت أجرّب أفضل السبل لاستخدام تلك العناصر في هذه العملية. سأشارك ما أفعله اليوم، على الرغم من أنني أتوقع أن هذا قد يتغير.
ومع ذلك، بصفتك مؤسساً في مرحلة مبكرة، من الضروري أن تكون في الساحة وتتحدث مع الأشخاص الذين هم بالفعل، أو من المحتمل أن يصبحوا، المشترين و/أو المستخدمين لمنتجك.
حتى لو كان من المفترض أن يستخدم منتجك وكلاء الذكاء الاصطناعي، فمن المحتمل أن يكون هناك إنسان في مكان ما على طول الطريق مسؤول عن هؤلاء الوكلاء و/أو يشتري منتجك ويقرر نشره. ابحث عن هؤلاء الأشخاص وتحدث معهم.
استخدم أدوات الذكاء الاصطناعي لتوضيح الفرضيات وتسريع الاختبار، لكن لا تستخدمها لتحل محل التحدث إلى عملائك أو مستخدميك من البشر.
مجالات تطبيق بحث المستخدم النوعي
بعض المجالات التي سعيت فيها، غالبًا مع فريق صغير رغم أنني في بعض الأحيان منفردًا، للحصول على تعليقات نوعية واستخدمت عناصر عملية السبرنت بنجاح تشمل:
- اختبار أفكار المنتجات الجديدة.
- اختبار عروض القيمة والرسائل.
- اختبار الصفحات المقصودة.
- التعرف على مجموعة مستخدمين أو سوق.
- التحقق من (أو إبطال) أنك تعالج بالفعل مشكلة/نقطة ألم ذات معنى.
- الحصول على إشارة مبكرة حول الرغبة في تجربة منتج أو خدمة.
- تعلم الاستعداد للدفع.
- معرفة أجزاء واجهة المستخدم/تجربة المستخدم الخاصة بالمنتج التي تعمل أو التي تسبب الارتباك.
- من بين حالات الاستخدام الأخرى.
إحدى الأفكار غير البديهية هي أن بحث المستخدم أداة ممتازة لمساعدتك على إدراك متى فشلت في تحقيق هدفك. ربما الفكرة التي وقعت في حبها لا تنطبق على المجموعة التي اعتقدت أنها ستكون عملائك. ربما تدرك أن السوق صغير جدًا أو يصعب الوصول إليه. إحدى أكبر قيم البحث النوعي هي القدرة على الفشل والتعلم من تلك الإخفاقات بشكل أسرع.
من خلال تقليل مقدار الوقت والجهد اللازمين لإدراك أن شيئًا ما لا يعمل، فإنك توسع مدرجك للتجربة والتكرار للوصول إلى شيء غير عادي.
إذا كنت شركة ناشئة مدعومة بالمشروع، فمن المحتمل أنك تتخذ خطوة كبيرة وطموحة (نحن في CodeYam!). إن القدرة على التعلم من خلال حلقات ردود الفعل الأسرع التي يفتحها البحث النوعي أمر ذو قيمة كبيرة. فهو يساعدك على إحراز التقدم، أو المحورية، بشكل أسرع وبثقة أكبر.
سواء كنا نختبر منتجًا برمجيًا فعليًا أو مجرد أفكار أولية من خلال نماذج التصميم الأولية، فإننا قادرون على الحصول على نسخة جيدة بما يكفي من فرضيتنا أمام جمهورنا المستهدف والتعلم من ردود أفعالهم الصادقة.
يبدأ هذا المنشور سلسلة جديدة (سيتم تحديد طولها لاحقًا) والتي تتعمق في مجموعة من موضوعات بحث المستخدمين المتصلة؛ بدءًا من معرفة من تتحدث إليه، وأين يمكن العثور عليه، وكيفية طرح الأسئلة الصحيحة، وكيفية جمع التعليقات النوعية المفيدة. سأقوم بسحب أمثلة حقيقية من CodeYam والأبحاث السابقة لإضفاء الحيوية على كل هذا.
بعض المواضيع المقترحة للتغطية في السلسلة القادمة:
- كيفية توظيف الأشخاص المناسبين لأبحاث المستخدم، وخاصة ما قبل المنتج.
- تصميم دليل بحثي متين.
- كيفية إجراء مقابلة بحثية.
- تحديد ما سيتم اختباره (ومتى).
- كيف نتعامل مع أبحاث المستخدم في CodeYam.
- الدروس المستفادة بشق الأنفس من الجهود البحثية السابقة.
- تسريع سير العمل البحثي باستخدام الذكاء الاصطناعي.
- الأدوات التي نستخدمها مثل FigJam، وCraigslist، وSuperhuman، وChatGPT، وClaude، وكيفية ملاءمتها للعملية.
في حين أن احتياجات الشركات الناشئة ليست مقاسًا واحدًا يناسب الجميع أبدًا، فإن هدفي من مشاركة هذا هو مساعدة المؤسسين الآخرين، وخاصة أولئك الذين هم مناسبون لسوق ما قبل المنتج أو الذين يجرون البحث والتطوير ليقرروا ما إذا كان ينبغي عليهم التركيز أو المضاعفة على استراتيجية أو اتجاه المنتج. آمل أن يمنح هذا المؤسسين الآخرين وفرقهم رؤى قابلة للتنفيذ وأدوات مفيدة لتسريع حلقات ردود الفعل الخاصة بهم.
إذا كنت تجري بحثًا عن المستخدمين لاستكشاف أفكار الشركات الناشئة أو اتخاذ قرارات تتعلق بالمنتج أو الهندسة ولديك أسئلة أو تعليقات، سأكون سعيدًا بالدردشة. تواصل في أي وقت مع نادية [at] كوديام.كوم.
إذا كنت ترغب في متابعة ما نقوم بتطويره واستكشافه في CodeYam، يمكنك أيضاً الاشتراك في مدونة شركتنا.