Fermer

juillet 23, 2022

Les bases de l’expérimentation et pourquoi c’est la clé de la croissance de votre startup6 minutes de lecture



Opinions exprimées par Chef d’entreprise les contributeurs sont les leurs.

Certaines personnes disent donner aux clients ce qu’ils veulent, mais ce n’est pas mon approche. Notre travail consiste à déterminer ce qu’ils voudront avant qu’ils ne le fassent. –

Entente préférences des clients est essentiel à la conduite , mais les clients ne savent généralement pas ce qu’ils veulent. En tant qu’entreprise, il est avantageux de mieux comprendre les clients et de déduire ce qu’ils attendent de vous. C’est là que les expériences aident !

Les startups avec des données historiques limitées obtiennent généralement une meilleure compréhension des besoins des clients en exécutant expériences commerciales sur une entité plutôt que d’exécuter des analyses sur des données historiques. Vous pouvez faire de l’expérimentation la clé de la croissance de votre startup si vous pouvez établir la bonne stratégie, la bonne approche et les bonnes méthodologies. Voyons d’abord ce qu’est l’expérimentation.

Lié: Expérimentation et A/B Testing : une stratégie incontournable de croissance du e-commerce

Qu’est-ce que l’expérimentation ?

L’expérimentation, ou ce qu’on appelle parfois vaguement Test A/B, est une méthode où une hypothèse commerciale est pratiquement testée sur les consommateurs. Souvent, une organisation ne dispose pas de données historiques pour analyser les décisions commerciales. De même, ils pourraient envisager certaines décisions pour lesquelles on ne peut pas disposer de données historiques, comme tester une nouvelle stratégie de tarification qu’ils n’ont jamais essayée. Dans ces scénarios, nous menons une expérience.

Nous suivons une méthodologie dans laquelle nous prélevons un petit échantillon de l’ensemble de la population qui sera affectée par la décision et leur présentons une nouvelle fonctionnalité. Nous comparons les résultats observés à partir de ce groupe de test à un groupe de contrôle qui n’a pas été initié à la fonctionnalité et comprenons si cette fonctionnalité particulière peut être bénéfique pour les consommateurs et l’entreprise. En utilisant cette méthodologie spécifique, nous évaluons laquelle de nos hypothèses sera la plus valable et nous mettons en œuvre la même chose. C’est l’expérimentation en un mot pour vous.

Cette série d’articles en trois parties abordera ce qu’est l’expérimentation, pourquoi l’adopter, les éléments d’une expérience réussieles raisons courantes de l’échec des expériences et certains biais comportementaux affectant les résultats des expériences.

Lié: Transformez votre entreprise en encourageant l’expérimentation et le changement

Pourquoi expérimenter ?

Les deux raisons évidentes pour mener des expériences sont de tester des hypothèses et de prouver la causalité :

Tests d’hypothèses:

En règle générale, les humains prennent des décisions basées sur des sentiments et des intuitions. Analyse des données est une antithèse qui soutient la prise de décision basée sur les données. Mais toutes les données ne sont pas identiques. Vous vous retrouverez dans des situations où vous pensez que des modifications spécifiques de la fonctionnalité peuvent augmenter votre métrique principale (telle que la croissance ou les revenus). L’hypothèse peut sembler raisonnable pour vous et vos collègues, mais ce n’est pas une garantie de succès car vous ne disposez d’aucune donnée à l’appui. Dans une telle situation, l’expérimentation est cet ami qui peut vous fournir une réponse fondée sur des données qui peut valider (ou annuler) votre hypothèse.

Pour prouver la causalité :

La corrélation contre la causalité est une question vivante dans . Deux variables ou plus sont considérées comme liées dans un contexte statistique si les valeurs d’une variable augmentent ou diminuent lorsque la valeur d’une variable change. Ce changement peut avoir deux cas :

Corrélation est une mesure statistique (exprimée par une valeur comprise entre -1 et 1) qui décrit l’ampleur et la direction d’une relation entre deux ou plusieurs variables. Cependant, une corrélation entre les variables ne signifie pas automatiquement que le changement d’une variable est la cause de la différence de valeur de l’autre variable.

Causalité indique que le changement d’une variable résulte des changements d’une autre variable, c’est-à-dire qu’il existe une relation de cause à effet entre les deux variables.

Théoriquement, la différence entre corrélation et causalité est facile à identifier. Cependant, cela ne reste pas facile dans la pratique. Expériences randomisées aider à différencier ces deux réalités pour trouver de véritables effets de causalité. Les expériences randomisées sont la norme dans le monde réel pour comprendre si un changement spécifique peut créer une différence dans le résultat. Par exemple, une expérience clinique contrôlée randomisée établissant l’efficacité d’une pilule permet de confirmer que l’effet est le résultat de l’intervention et non d’autre chose.

Pas gourmand en ressources comme les expériences du monde réel :

Les expériences numériques ne sont pas gourmandes en ressources par rapport aux expériences hors ligne. Il n’a pas besoin de financement supplémentaire ou d’arrangements requis pour des expériences dans le monde réel. Vous n’avez pas besoin de recruter des participants ou de dire aux utilisateurs qu’ils font partie d’une expérience ! Alors, en quoi est-ce exactement différent de l’analyse de données ?

Lié: Pour réussir, vous devez continuellement faire évoluer votre entreprise

Qu’est-ce qui différencie les expériences des analyses ?

La source de données pour l’analyse est l’élément fondamental qui différencie l’expérimentation de l’analytique. En règle générale, il existe deux façons d’obtenir des données pour une analyse quantitative :

Historique: Données historiques inclut des données stockées par l’entreprise dans ses entrepôts de données sur ce qui s’est passé dans le passé, ce qui aide à comprendre comment les utilisateurs se comportent sur votre plateforme. Les données historiques permettent d’effectuer diverses analyses, y compris le comportement des utilisateurs et l’identification des segments de clientèle.

Expérimental: Les expériences vous aident à valider les hypothèses commerciales, car une nouvelle idée de changement ne disposera pas de données historiques essentielles pour valider le changement. On pourrait mener des expériences pour observer les réponses des utilisateurs à un changement d’application ou à un ajout de fonctionnalité et les comparer au comportement du groupe de contrôle.

L’expérimentation peut être votre amie et un catalyseur commercial, qui est un processus largement discuté et couramment utilisé, mais qui n’est généralement pas exécuté sans erreurs. Le prochain article de cette série discutera des éléments clés qui définissent une expérience réussie et des quatre raisons courantes pour lesquelles échecs d’expérience.




Source link

0 Partages