"พวกเขาไม่ได้ไต่ขึ้นไปสู่ขั้นถัดไปด้วยตัวเอง"<br /> เราต้องเรียนรู้ที่จะมองผลิตภัณฑ์ด้วยความใส่ใจในพวกเขาและผ่านสายตาของพวกเขา <br /> หากไม่โฟกัสที่พวกเขา การเติบโตจะช้าลง และ cohort (กลุ่มผู้ใช้ลักษณะเดียวกัน) จะเสื่อมถอย<br /> <br />
- การเสื่อมถอยของ cohort (Cohort Decay) คือสัญญาณ<br /> <br /> หากมีผู้ใช้มากพอ อิทธิพลของผู้ใช้ข้างเคียงจะเริ่มปรากฏใน cohort<br /> จะมองเห็นตัวชี้วัดเชิงปริมาณที่แสดงการเคลื่อนย้ายระหว่างแต่ละขั้นของผู้ใช้<br /> เช่น การเปลี่ยนจากผู้ใช้ฟรีเป็นผู้ใช้แบบชำระเงิน การเปลี่ยนจากผู้สมัครใช้งานเป็นผู้ใช้ที่แอ็กทีฟ เป็นต้น<br /> <br /> เมื่อดูค่าพวกนี้ในระดับ cohort จะเห็นได้ว่าค่าจะค่อย ๆ ลดลงระหว่างแต่ละ cohort <br /> เพราะมีทั้งผู้ใช้ข้างเคียงที่พยายามเข้ามาอยู่ในแต่ละเซกเมนต์ และมีคนที่พยายามขยับไปยังขั้นถัดไปภายในนั้นด้วย</p><p>** การค้นหาและนิยามผู้ใช้ข้างเคียง <br /> <br /> ขั้นแรกของการมองผลิตภัณฑ์ผ่านสายตาของผู้ใช้ข้างเคียงคือ <br /> การตั้งสมมติฐานว่าพวกเขาคือใคร และทำไมพวกเขาจึงกำลังเผชิญความยากลำบาก<br /> <br />
- เป้าหมายคือการมองเห็นภาพรวม ไม่จำเป็นต้องสมบูรณ์แบบ<br /> <br /> ต้องกางตัวเลือกทั้งหมดที่เป็นไปได้ออกมาก่อน (Landscape) แล้วระบุผู้ใช้ข้างเคียงที่ควรโฟกัสจากในนั้น และเพราะบ่อยครั้งต้องเลือกหลายกลุ่ม การรู้จักผู้ใช้ข้างเคียงเพียงกลุ่มเดียวจึงไม่เพียงพอ อีกทั้งมันไม่มีทางสมบูรณ์แบบได้ หากมัวแต่หาความสมบูรณ์แบบก็จะเริ่มไม่ได้เลย<br /> <br /> ขั้นตอนมีดังนี้ <br /> → ตั้งสมมติฐานเกี่ยวกับผู้ใช้ข้างเคียง <br /> → เลือกกลุ่มที่จะโฟกัส <br /> → ให้ทีมมองผลิตภัณฑ์ผ่านสายตาของพวกเขา <br /> → จากนั้นทดลอง และตรวจสอบพร้อมเรียนรู้ผ่านการพูดคุยกับลูกค้า<br /> → อัปเดตตัวเลือกที่สามารถเลือกได้ (Landscape) แล้ว<br /> → เลือกจากตัวเลือกเหล่านั้น<br /> แล้วทำสิ่งนี้ซ้ำไปเรื่อย ๆ เหมือนปั้นก้อนหิมะให้กลิ้งต่อเนื่อง <br /> <br />
- รู้ว่าใครประสบความสำเร็จอยู่ตอนนี้ และเพราะอะไร<br /> <br /> หากต้องการเข้าใจผู้ใช้ข้างเคียง การรู้ว่าตอนนี้ใครคือคนที่ประสบความสำเร็จ และทำไมพวกเขาจึงสำเร็จจะช่วยได้มาก<br /> เพราะผู้ใช้ข้างเคียงต่างจากคนเหล่านั้นเพียงหนึ่งคุณสมบัติหรือมากกว่านั้นเท่านั้น (ไม่ใช่ทั้งหมด)<br /> คุณสมบัติเหล่านั้นจะสร้าง Expansion Vector ขึ้นมา<br /> <br /> ยกตัวอย่าง Instacart ผู้ใช้สุขภาพดีที่คิดเป็น 75% มีลักษณะดังนี้<br /> <br /> → ผู้หญิง<br /> → อาศัยอยู่ในเมือง (Urban)<br /> → อยู่ในบางเมืองที่เจาะจง<br /> → เป็นหัวหน้าครัวเรือน<br /> → มีลูกอย่างน้อยหนึ่งคน<br /> → มีฐานะดีกว่าและอ่อนไหวต่อราคาน้อยกว่า<br /> → ยินดีใช้เวลาประมาณ 1 ชั่วโมงในการจัดรายการสั่งซื้อบน Instacart<br /> <br /> บางข้อเรารู้จากข้อมูล บางข้อรู้จากการพูดคุยกับลูกค้า และบางข้อเป็นสิ่งที่อนุมานเอา<br /> แต่ละข้อสร้าง Expansion Vector ได้ดังนี้<br /> <br /> → ผู้หญิง ⇨ ผู้ชาย<br /> → เมือง ⇨ ชานเมือง (Suburban)<br /> → บางเมืองที่เจาะจง ⇨ เมืองอื่น ๆ<br /> → หัวหน้าครัวเรือน ⇨ สมาชิกในครัวเรือน<br /> → มีลูกหนึ่งคน ⇨ ครอบครัวเล็ก คู่รัก คนโสด<br /> → มีฐานะดีและอ่อนไหวต่อราคาน้อย ⇨ อ่อนไหวต่อราคา<br /> → ยอมลงแรงกับการสั่งซื้อ ⇨ ไม่อยากเสียเวลากับการสั่งซื้อ<br /> <br /> โดยทั่วไปยิ่งแบ่งละเอียดก็ยิ่งดี แต่คุณสมบัติเหล่านี้มีหมวดหมู่ร่วมกันอยู่ <br /> หมวดหมู่ใดจะเกี่ยวข้องและมีผลมากน้อยแค่ไหนนั้นขึ้นอยู่กับผลิตภัณฑ์<br /> <br /> → เพศ<br /> → อายุ<br /> → รายได้<br /> → ที่ตั้ง<br /> → ภาษา<br /> → ความอ่อนไหวต่อราคา<br /> → ระดับการใช้เทคโนโลยี (Tech Enablement)<br /> → ความพร้อมหรือความเชี่ยวชาญของลูกค้า<br /> → ความสามารถของอุปกรณ์<br /> → use case ของผลิตภัณฑ์<br /> → บทบาท (Role)<br /> → บริษัท <br /> <br />
- ใครคือผู้ใช้ข้างเคียง ?<br /> <br /> เมื่อเราตั้งสมมติฐานได้แล้วว่าใครคือคนที่ลงหลักปักฐานกับผลิตภัณฑ์ได้สำเร็จและเพราะอะไร ก็จะสามารถสมมติกลุ่มผู้ใช้ข้างเคียงที่เป็นไปได้ขึ้นมาได้<br /> จำเป็นต้องเปลี่ยนอย่างน้อยหนึ่ง vector จากที่พบข้างต้น<br /> <br /> การวิเคราะห์ข้อมูลแบบนี้ควรทำแบบ bottom-up<br /> แทนที่จะใช้เวลาพูดคุยกับผู้ใช้นาน ๆ อย่างเดียว ให้คอยดูผ่านข้อมูลว่าเกิดอะไรขึ้นที่ขอบของแต่ละวง<br /> <br /> เมื่อดูข้อมูลที่ Instacart เราพบว่าแม้แต่ผู้ใช้ที่ประสบความสำเร็จในปัจจุบัน ตอนเริ่มต้นก็ยังใช้เวลานานในการจัดรายการสั่งซื้อ<br /> สมมติฐานของเราคือ ผู้ใช้ปัจจุบันของเราคือคนที่ตั้งใจจะใช้เวลาหลายชั่วโมงเติมสินค้าใส่ตะกร้าแทนการไปที่ร้านด้วยตนเอง<br /> สิ่งนี้ทำให้เราสามารถโฟกัสกับการทำให้ผลิตภัณฑ์ค้นหาได้ง่ายสำหรับผู้ใช้กลุ่มแรกที่ไม่ได้มีความตั้งใจจะใช้เวลาแบบนั้น<br /> <br /> ตอนดูข้อมูลของ Instagram ในช่วงแรก เราเห็น Organic web traffic ปริมาณมหาศาลไหลเข้ามา แต่คนเหล่านั้นไม่ได้สมัครใช้งานหรือเปลี่ยนเป็นผู้ใช้ที่มีสุขภาพดี<br /> ตอนแรกเราไม่รู้สาเหตุ แต่หลังจากสำรวจข้อมูลอย่างมาก เราก็สามารถนิยามผู้ใช้ข้างเคียงได้จากเหตุผลต่าง ๆ เช่น พวกเขามาจากไหน ทำไมจึงเข้าผ่านเว็บ และปัจจัยอื่น ๆ </p><p>- ทำไมพวกเขาจึงเป็นผู้ใช้ข้างเคียง ?<br /> <br /> แค่รู้ว่าใครคือผู้ใช้ข้างเคียงยังไม่พอ ต้องรู้ด้วยว่าทำไมพวกเขาจึงลำบาก <br /> เพื่อให้ทำเช่นนั้นได้ การ "เอาใจเขามาใส่ใจเราในฐานะผู้ใช้ข้างเคียง" เป็นเรื่องสำคัญมาก<br /> <br /> โดยพื้นฐานแล้วทีมผลิตภัณฑ์/ทีมพัฒนาเป็นผู้ใช้ระดับสูง จึงเป็นเรื่องยากมากที่พวกเขาจะเข้าใจผู้ใช้ข้างเคียงอย่างลึกซึ้ง <br /> หากจะตั้งสมมติฐานว่าเหตุใดพวกเขาจึงประสบปัญหา ขอแนะนำ 4 เทคนิค<br /> <br />
-
กลายเป็นผู้ใช้ข้างเคียง<br /> Dogfooding ทดลองใช้ผลิตภัณฑ์ภายใต้เงื่อนไข/สภาพแวดล้อมของพวกเขา เริ่มจากทำให้ทีมได้สัมผัส flow ของผู้ใช้ใหม่อย่างต่อเนื่อง<br /> ท้ายที่สุดแล้วให้สร้างเครื่องมือที่สามารถจำลองประสบการณ์ของผู้ใช้ข้างเคียงได้<br /> → Instagram ต้องหาวิธีสัมผัสประสบการณ์อุปกรณ์ ความเร็วเครือข่าย และภาษาที่หลากหลาย เมื่อผู้ใช้ข้างเคียงขยายไปสู่ระดับนานาชาติ<br /> → Facebook ใช้เครื่องมือที่เรียกว่า Air Traffic Control เพื่อควบคุมความเร็วเครือข่ายและทำให้ทีมได้สัมผัสประสบการณ์นั้น <br /> → Instacart ต้องหาวิธีสัมผัสสภาพแวดล้อมของรัฐแคนซัสที่แตกต่างจากซานฟรานซิสโกโดยสิ้นเชิง<br /> การใช้ชีวิตแบบผู้ใช้ข้างเคียงในทุกวันจะช่วยให้มองเห็นสิ่งที่ปกติสังเกตได้ยาก<br /> <br />
-
สังเกตผู้ใช้ข้างเคียง <br /> ดูว่าผู้ใช้ข้างเคียงใช้ผลิตภัณฑ์อย่างไรผ่านการทดสอบ usability<br /> ให้พวกเขาพูดออกมาว่าระหว่างสมัครใช้งานและ activation นั้นติดขัดหรือยากตรงไหนบ้าง<br /> <br />
-
พูดคุยกับผู้ใช้ข้างเคียง<br /> ผ่านแบบสำรวจหรือการสนทนาโดยตรง ถามว่าทำไมผู้ใช้ข้างเคียงจึงใช้ผลิตภัณฑ์ แก้ปัญหาอะไร และมีทางเลือกอื่นใดที่พวกเขากำลังพิจารณาอยู่บ้าง<br /> ที่ Instagram พบว่ามีผู้ใช้จำนวนมากขึ้นที่หลังจาก log out แล้วไม่สามารถ log in กลับเข้ามาได้อีก<br /> → จึงเกิดสถานการณ์ที่ต้องตัดสินใจว่าจะทำให้การ log out ยากขึ้น หรือทำให้การ log in กลับมาง่ายขึ้น<br /> → สิ่งที่ได้รู้จากการคุยกับผู้ใช้ที่ log out โดยตั้งใจ<br /> → 1. บางคนใช้โทรศัพท์แบบเติมเงินจึงกังวลเรื่องการใช้ดาต้า หรือไม่ก็แชร์โทรศัพท์กับครอบครัว<br /> → 2. มีการใช้อีเมลปลอมจำนวนมาก ในโลกตะวันตกผู้คนมีอีเมลหลายอัน แต่ในระดับนานาชาติไม่เป็นเช่นนั้น หลายคนใช้แค่ข้อความ SMS<br /> → เมื่อรู้สองข้อนี้แล้ว ก็สามารถหาทางเลือกเชิงสร้างสรรค์เพื่อแก้แต่ละ use case ได้<br /> <br />
-
ไปหาผู้ใช้ข้างเคียง <br /> ไปยังสภาพแวดล้อมของผู้ใช้ข้างเคียงโดยตรง เพื่อดูว่าพวกเขาใช้ผลิตภัณฑ์ในสภาพแวดล้อมแบบใด และทำความเข้าใจ workflow ข้อจำกัด และความต้องการของพวกเขา</p><p>** การจัดลำดับผู้ใช้ข้างเคียง<br /> หนึ่งในความล้มเหลวที่พบบ่อยที่สุดคือการจัดลำดับผู้ใช้ข้างเคียงที่จะต้องโฟกัสผิดพลาด<br /> <br />
-
ผู้ใช้ข้างเคียงควรต่างออกไปเพียงหนึ่งหรือสองคุณสมบัติเท่านั้น<br /> หากมี 5 vector แล้วต่างกันทั้ง 5 ข้อ นั่นคือการเลือกที่ผิด<br /> มันเหมือนกับการพยายามตีโฮมรันทุกครั้งที่เหวี่ยงไม้ <br /> <br /> ผู้ใช้ข้างเคียงไม่ใช่การจับกลุ่มใหญ่กลุ่มเดียว แต่คือการนิยามให้ละเอียด แล้วค่อย ๆ ขยายขั้นเหล่านั้นออกไป<br /> <br />
-
ผู้ใช้ข้างเคียงไม่ใช่ทุกกลุ่มจะเป็นโอกาส<br /> แม้จะมีหลายเซกเมนต์ แต่แค่มีอยู่ก็ไม่ได้หมายความว่าจำเป็นต้องให้บริการพวกเขาทั้งหมด<br /> หัวใจสำคัญคือเซกเมนต์นั้นต้องสอดคล้องกับทิศทางเชิงกลยุทธ์ของผลิตภัณฑ์<br /> <br />
-
แก้ปัญหาภายในก่อน<br /> ควรเลือกกลุ่มผู้ใช้ข้างเคียงที่มองเห็นได้จาก funnel ภายในก่อน<br /> พวกเขาได้ใช้ผลิตภัณฑ์ของเราด้วยความตั้งใจอยู่แล้ว แต่ไม่ประสบความสำเร็จ ดังนั้นการแก้ปัญหาให้พวกเขาจึงส่งผลในระยะสั้นได้<br /> <br /> Elena : ลำดับความสำคัญของผู้ใช้ข้างเคียงสำหรับผลิตภัณฑ์ B2B<br />
-
กลุ่มผู้ใช้เดิมที่สามารถสร้างรายได้เพิ่มได้<br />
-
กลุ่มผู้ใช้เดิมที่สามารถสร้างมูลค่าเพิ่มได้ทางอ้อม (เช่น กลุ่มผู้ใช้ที่ไม่ทำรายได้แต่มีผลด้านไวรัล)<br />
-
ผู้ใช้ข้างเคียงหน้าใหม่โดยสิ้นเชิง<br /> <br /> เมื่อต้องพิจารณาผู้ใช้ข้างเคียง ควรพิจารณาด้วยว่าในระยะยาวกลุ่มนั้นเป็นกลุ่มที่กำลังเติบโตหรือไม่ </p><p>** สภาพแวดล้อมของผู้ใช้ข้างเคียงที่เปลี่ยนแปลงไป <br /> <br /> ตอนที่ฉันเริ่มทำงานที่ Instagram กลุ่มผู้ใช้ข้างเคียงคือผู้หญิงอายุ 35-45 ปีในสหรัฐฯ ที่มีบัญชี Facebook อยู่แล้ว แต่ยังไม่เห็นคุณค่าของ Instagram<br /> พอใกล้ถึงตอนที่ฉันออกจาก Instagram กลุ่มนั้นกลายเป็นผู้หญิงในจาการ์ตาที่ใช้โทรศัพท์ Android 3G แบบเติมเงิน <br /> ระหว่างสองช่วงนั้น ผู้ใช้ข้างเคียงที่เราแก้ปัญหาให้มีอยู่ราว 8 กลุ่มที่แตกต่างกัน<br /> <br /> ผู้ใช้ข้างเคียงเปลี่ยนแปลงไปได้จากหลายสาเหตุ<br /> <br />
-
ได้ข้อมูลใหม่ ๆ : เช่น ทดลองกับผู้ใช้ข้างเคียงแล้วได้ผลลัพธ์ที่ไม่คาดคิด, ได้เห็นข้อมูลใหม่, หรือเกิดสมมติฐานใหม่จากการวิจัยผู้ใช้<br />
-
มีผู้ใช้ใหม่เพิ่มขึ้นอย่างต่อเนื่อง<br />
-
มีคุณค่าใหม่ถูกเพิ่มเข้ามาในผลิตภัณฑ์<br /> <br /> สิ่งที่ควรจับตาตามการเปลี่ยนแปลงของสภาพแวดล้อมเหล่านี้<br /> <br />
-
ต้องใช้เวลาเพื่อทำความเข้าใจว่า "ทำไมถึงเป็นแบบนั้น" : เมื่อผลการทดลองออกมา ต้องคิดเสมอว่าทำไมมันถึงได้ผล/ไม่ได้ผล<br />
-
ต้องพยายามอย่างต่อเนื่องกับการลงทะเบียนผู้ใช้ การเปิดใช้งาน การมีส่วนร่วม และการสร้างรายได้ของผู้ใช้<br />
-
ต้องขยายต่อไปโดยก้าวข้าม threshold ของผู้ใช้ข้างเคียงอย่างต่อเนื่อง </p><p>"ผลิตภัณฑ์ที่ประสบความสำเร็จทั้งหมด หากต้องการรักษาอัตราการเติบโตไว้ สุดท้ายแล้วจำเป็นต้องย้ายโฟกัสจากผู้ใช้หลักไปสู่ผู้ใช้ข้างเคียง<br /> <br /> ทฤษฎีผู้ใช้ข้างเคียงต้องการแนวทางต่อความเป็น 'ผู้ใช้เป็นศูนย์กลาง' ที่แตกต่างออกไปโดยสิ้นเชิง<br /> ต้องเลิกใช้ persona แบบคงที่ และยึด persona ที่พัฒนาเปลี่ยนแปลงแบบไดนามิกตามพฤติกรรมการ adoption ของผลิตภัณฑ์เป็นพื้นฐาน<br /> ทุก ๆ 3-6 เดือนที่กำลังเติบโต ต้องปรับทิศทางของทีมให้หันไปคิดถึงผู้ใช้ข้างเคียงรายถัดไป ว่าพวกเขาสนใจอะไร และเรากำลังแก้ปัญหาอะไรให้พวกเขา<br /> <br /> หากทำสำเร็จ cohort retention, อัตราการมีส่วนร่วม และการสร้างรายได้ของกลุ่มผู้ใช้ข้างเคียงที่เป็นเป้าหมายจะดีขึ้น <br /> และจะสามารถรักษาอัตราการเติบโตต่อไปได้แม้บนฐานผู้ใช้ที่ใหญ่ขึ้นเรื่อย ๆ <br /> รวมถึงจะสามารถค้นพบผู้ใช้ข้างเคียงรายถัดไปได้อย่างต่อเนื่องด้วยความพยายามเพียงเล็กน้อย"</p>
1 ความคิดเห็น