Superhuman สร้างเอนจินเพื่อค้นหา PMF ได้อย่างไร

Superhuman ผู้ก่อตั้งและ CEO Rahul Vohra เขียนบทความนี้ในปี 2018 เกี่ยวกับวิธีค้นหา Product/Market Fit โดยอ้างอิงจาก GetLaka ระบุว่า Superhuman เป็นบริการที่มีลักษณะดังนี้

• วางตำแหน่งตัวเองเป็น “สตาร์ทอัพที่สร้างประสบการณ์อีเมลที่เร็วที่สุดในโลก”
• ก่อตั้งในปี 2014 ระดมทุนได้ $108M และมีพนักงาน 100 คน
• รายได้ต่อปีในปี 2021 อยู่ที่ $18M

สามารถอ่านคำแปลฉบับเต็มได้ที่ลิงก์นี้

===

บทนำ

• ทุกคนรู้ว่าสตาร์ทอัพต้องไปให้ถึง Product/Market Fit (ต่อไปจะเรียกว่า PMF) แต่พอลองลงมือหาจริง ๆ คนส่วนใหญ่กลับไม่ค่อยรู้ว่า PMF คืออะไรกันแน่ และต้องไปให้ถึงอย่างไร
• Marc Andreessen เคยบอกว่าคุณจะรู้ได้แน่นอนว่าผลิตภัณฑ์ของคุณไปถึง PMF หรือยัง (ถ้ายังไม่ถึง การบอกต่อจะไม่เกิด การใช้งานจะไม่โต ข่าวที่ออกมาก็เป็นเพียงเสียงจ้อกแจ้ก วงจรการขายยาวเกินไป และดีลจำนวนมากจะปิดไม่ได้) ซึ่งฉันเห็นด้วย 100% แต่การอธิบายเรื่องนี้ในเชิงปริมาณนั้นยากมาก
• นั่นเป็นเพราะคำอธิบายของ PMF เหมาะกับบริษัทที่เปิดตัวผลิตภัณฑ์ไปแล้วมากกว่า หากยังไม่เปิดตัวผลิตภัณฑ์ เราต้องการคำศัพท์และกรอบคิดที่เหมาะสม เพื่ออธิบายสถานะปัจจุบันของเราให้ถูกต้อง โน้มน้าวทีมว่าเรายังไม่พร้อม และพาไปสู่ขั้นตอนถัดไป
• ดังนั้นฉันจึงย้อนวิเคราะห์กรณี PMF หลาย ๆ แบบ และสร้างคู่มือ 4 ขั้นตอนที่ Superhuman ใช้สร้างเอนจินเพื่อค้นหา PMF สำหรับคนที่อยากลองใช้เอนจินนี้ด้วยตัวเอง ลองใช้เครื่องมือแบบอินเทอร์แอ็กทีฟนี้

ตัวชี้นำล่วงหน้าของ PMF คือ “สัดส่วนของผู้ใช้ที่จะรู้สึกผิดหวังมาก หากไม่สามารถใช้ผลิตภัณฑ์นี้ได้อีก”

• Sean Ellis สำรวจบริษัทกว่าร้อยแห่ง และสรุปว่าเมื่อค่าตัวเลขนี้เกิน 40% โอกาสที่ผลิตภัณฑ์จะประสบความสำเร็จจะสูงมาก (ผลสำรวจของ Slack ในปี 2015 คือ 51%)
• จากแนวคิดนี้ Superhuman จึงส่งแบบสำรวจต่อไปนี้ให้ผู้ใช้ราว 100 คนที่เคยใช้ Superhuman อย่างน้อย 2 ครั้งในช่วง 2 สัปดาห์ที่ผ่านมา
  1. หากคุณไม่สามารถใช้ Superhuman ได้อีกต่อไป คุณคิดว่าจะรู้สึกอย่างไร? A) ผิดหวังมาก B) ผิดหวังเล็กน้อย C) ไม่ผิดหวัง
  2. คนประเภทไหนที่ใช้ Superhuman แล้วจะได้ประโยชน์มากที่สุด?
  3. ประโยชน์ที่สำคัญที่สุดที่คุณได้รับจาก Superhuman คืออะไร?
  4. เราควรปรับปรุง Superhuman อย่างไรให้ดีขึ้น?
• จากคำตอบข้อ 1 มีเพียง 22% ที่ตอบว่า “ผิดหวังมาก” จึงชัดเจนว่าเรายังไปได้ไม่ถึง

คู่มือ 4 ขั้นตอนเพื่อเพิ่มประสิทธิภาพ PMF

1. แบ่งกลุ่มผู้ใช้เพื่อหาคนที่สนับสนุนผลิตภัณฑ์ และระบุลูกค้าที่มีความคาดหวังสูง (HXC, high-expectation customers)
   a. วิเคราะห์ persona ของกลุ่มที่ตอบ “ผิดหวังมาก” ในคำถามข้อ 1
   b. ตัดคำตอบของผู้ใช้ที่ไม่ใช่ persona นี้ออกจากคำตอบทั้งหมด
   c. วิเคราะห์ว่าคนในกลุ่ม “ผิดหวังมาก” ตอบคำถามข้อ 2 อย่างไร
   d. นำคีย์เวิร์ดที่ได้มาผสานกับ HXC framework เพื่อสร้างโปรไฟล์ลูกค้าหลักของเราให้ชัดเจนมีชีวิตชีวา
2. วิเคราะห์ฟีดแบ็กเพื่อเปลี่ยนผู้ใช้ที่ “ผิดหวังเล็กน้อย” ให้กลายเป็นแฟนพันธุ์แท้
   a. วิเคราะห์ว่ากลุ่ม “ผิดหวังมาก” ตอบคำถามข้อ 3 อย่างไร (ผู้ใช้ที่รัก Superhuman ชอบเรื่องความเร็ว สมาธิ และฟีเจอร์คีย์ลัดบนคีย์บอร์ดมากที่สุด)
   b. เมินฟีดแบ็กจากกลุ่ม “ไม่ผิดหวัง” อย่างสุภาพ เพราะคนกลุ่มนี้ทำให้เราเสียสมาธิ
   c. แบ่งกลุ่ม “ผิดหวังเล็กน้อย” ออกเป็น 2 กลุ่ม ตามว่าพวกเขาเห็นคุณค่าหลักที่สุดของเราตามที่กลุ่ม “ผิดหวังมาก” บอกไว้หรือไม่ (ในกลุ่ม “ผิดหวังเล็กน้อย” ซึ่งคิดเป็น 45% ของผู้ตอบทั้งหมด มี 30% ที่มองว่าความเร็วคือคุณค่าหลัก และ 15% ที่ไม่คิดเช่นนั้น)
   d. เมินฟีดแบ็กจากกลุ่ม “ผิดหวังเล็กน้อย” ที่ไม่เห็นคุณค่าหลักนี้อย่างสุภาพ เพราะไม่ว่าเราจะทำอะไร พวกเขาก็คงไม่ขยับไปเป็นกลุ่ม “ผิดหวังมาก”
   e. กลุ่ม “ผิดหวังเล็กน้อย” ที่เห็นคุณค่าหลักนี้อาจกลายเป็นแฟนพันธุ์แท้ได้ด้วยความพยายามอีกเพียงเล็กน้อย จึงต้องวิเคราะห์ว่าพวกเขาตอบคำถามข้อ 4 อย่างไร (ปัญหาใหญ่ที่สุดคือยังไม่มีแอปมือถือ รองลงมาคือการเชื่อมต่อกับแอปอื่น การจัดการไฟล์แนบ และการจัดตารางเวลา)
3. วางโรดแมปโดยเพิ่มสิ่งที่ผู้ใช้รักเป็นสองเท่า และแก้ปัจจัยรบกวน
   a. ใช้ครึ่งหนึ่งของ product roadmap ไปกับการเพิ่มสิ่งที่กลุ่ม “ผิดหวังมาก” รักให้มากขึ้นเป็นสองเท่า (Superhuman เร็วมากอยู่แล้ว แต่ก็ทำให้เร็วยิ่งขึ้นไปอีก เช่น UI ตอบสนองภายในไม่ถึง 100ms และการค้นหาก็เร็วกว่า Gmail อยู่แล้ว แต่ก็ปรับให้ UI ตอบสนองภายในไม่ถึง 50ms และทำให้การค้นหารู้สึกเหมือนเกิดขึ้นทันที)
   b. ใช้อีกครึ่งหนึ่งของโรดแมปไปกับการเปลี่ยนกลุ่มที่ “มีคุณค่าเดียวกับกลุ่มผิดหวังมาก แต่ตอนนี้ยังผิดหวังเล็กน้อย” ให้เปลี่ยนใจ
   c. จัดลำดับความสำคัญด้วยการวิเคราะห์ต้นทุน-ผลกระทบแบบง่าย ๆ
   d. ผลกระทบของข้อ b วัดจากจำนวนครั้งที่มีการร้องขอฟีเจอร์นั้น
   e. ผลกระทบของข้อ a อนุมานจากสัญชาตญาณ เมื่อสร้างโปรไฟล์ HXC แล้วเข้าใจลูกค้าอย่างลึกซึ้ง สัญชาตญาณก็จะแม่นยำขึ้น
4. ยึดตัวเลข PMF เป็นตัวเลขสำคัญที่สุด และทำกระบวนการนี้ซ้ำ
   a. ส่งแบบสำรวจให้ผู้ใช้ใหม่อย่างต่อเนื่อง เพื่อสังเกตการเปลี่ยนแปลงของตัวเลข PMF รายสัปดาห์/รายเดือน/รายไตรมาส และต้องระวังไม่ให้ผู้ใช้คนเดิมตอบซ้ำ
   b. เมื่อผลิตภัณฑ์เติบโตขึ้น ก็จะครอบคลุมกลุ่มผู้ใช้ได้มากขึ้น และทำให้ตัวเลข PMF ลดลงได้ ดังนั้นควรวิเคราะห์แบบสำรวจทุกไตรมาสและทำโรดแมปใหม่อีกครั้ง