Come capire velocemente cosa vogliono gli utenti

E come conquistare una Lambo come risultato... beh, più o meno.

In breve

• Titolo clickbait ✅
• The Startup Rollercoaster: lanciato su AppSumo e, rullo di tamburi, venduto a un pubblico di ben 12 persone! Che fiasco!
• Modalità Detective: ci siamo grattati la testa, poi ci siamo tuffati a capofitto nelle recensioni software, alla ricerca dell'elusivo "perché" dietro la nostra spettacolare caduta a terra.
• Nugget Hunting: ha fatto centro analizzando le recensioni dei software. Si è scoperto che gli utenti ci dicevano esattamente di cosa avevano bisogno. L'azienda è comunque fallita, più o meno.
• RAG Swag: ho letto letteralmente migliaia di recensioni, poi mi sono imbattuto in LLM e OpenAI (grazie a Dio). Ora quella cosa sta sfornando spunti come guardare Netflix ininterrottamente.
• Perché preoccuparsene? 👉 Le recensioni sono ricche di informazioni e possono potenziare la tua comprensione dei clienti, aiutandoti a evitare disastri nelle startup.
• Il quadro generale: non si tratta solo di schivare i proiettili, ma di accelerare verso il successo: pensa alle intuizioni che aprono la strada all'adattamento problema-soluzione, forse persino all'adattamento prodotto-mercato e potenzialmente a quella Lamborghini che aspetta al traguardo.

L'esperienza insegna duramente, ma è quella che insegna meglio.

All'inizio del 2022, mi sono trovato in una posizione davvero unica e scomoda. Ero appena entrato a far parte di una startup che era nel bel mezzo dello sviluppo di una nuova generazione della loro piattaforma di automazione dei processi. Quando sono salito a bordo per guidare il loro reparto marketing, avevano già trascorso più di un anno a svilupparla, investendo molto tempo e risorse in quello che ci si aspettava fosse un prodotto rivoluzionario. All'inizio, sembrava promettente: l'UX era di gran lunga superiore rispetto alla piattaforma legacy e notevolmente più facile per i novellini come me creare flussi di lavoro funzionanti e senza codice. Poi, dopo molti mesi di duro lavoro, abbiamo finalmente lanciato su AppSumo. 12 persone l'hanno acquistato: ahia! Sembrava di organizzare una festa in cui tutti rispondono "sì" e poi finisci per ballare da solo con il tuo gatto.

All'epoca ero perplesso. Semplicemente non capivo perché questo non avrebbe attirato più interesse da parte degli utenti, dato che l'offerta a vita era un vero affare (tempo di rima)! Il feedback dal lancio di AppSumo era chiaro: il nostro prodotto non era pronto. Gli utenti lo descrivevano come "incompleto" o " un bel giocattolino ". Era l'equivalente di essere friend-zoned da una ragazza carina dopo aver raccolto tutto il tuo coraggio per invitarla a un appuntamento.

Ora, a posteriori, dopo aver utilizzato ampiamente piattaforme simili come make.com (ex Integromat), capisco perché nessuno la volesse. Ma allora non era ovvio per me. Mentre il dolore iniziale di questo rifiuto si attenuava, eravamo sempre più determinati a capire cosa mancasse per rendere il prodotto davvero desiderabile.

Ciò che ha reso l'intera situazione ancora più difficile è stato il fatto che a quel punto il nostro team era cresciuto fino a oltre 40 dipendenti e, con solo circa 1 milione di € in ARR dall'attività legacy, stavamo bruciando il nostro finanziamento iniziale a un ritmo allarmante. Il tempo stava per scadere.

Nel tentativo di identificare le 3-4 caratteristiche chiave necessarie per trasformare questo in un successo al botteghino, ho contattato gli utenti della vecchia piattaforma. Mentre potevo ottenere alcune informazioni, i clienti esistenti avevano spesso soluzioni altamente specifiche e personalizzate, rendendo quasi impossibile delineare un modello chiaro per il "prodotto perfetto". Pressato da vincoli finanziari e limitato dalla disponibilità dei nostri clienti, la mia capacità di condurre interviste era limitata a circa tre al giorno, non abbastanza per capirlo in tempo.

Di conseguenza, ho deciso di cambiare rotta e ho scelto un metodo di ricerca alternativo in cui mi ero imbattuto in precedenza: analizzare le recensioni software dei concorrenti diretti e dei prodotti adiacenti. Ciò che ho scoperto è stata una vera e propria miniera d'oro: un tesoro di cose che mi piacciono, non mi piacciono, aspettative, casi d'uso e richieste di funzionalità. Ho trascorso una settimana, forse anche di più, esaminando meticolosamente questo feedback, raccogliendo ogni minima informazione utile in un foglio di calcolo e, infine, elaborando una roadmap completa per i nostri sviluppatori da spedire il prima possibile.

Le intuizioni della nostra ricerca sono state illuminanti, ma il tempo era contro di noi. Il nostro ultimo disperato tentativo è sembrato un'Ave Maria e alla fine non ha funzionato. Semplicemente non c'era abbastanza tempo per applicare ciò che avevamo imparato dalle recensioni e non siamo riusciti a garantire i fondi necessari per superare questa fase di implementazione. Inoltre, il feedback negativo iniziale dal lancio di AppSumo aveva avuto il suo peso, il morale era crollato e abbiamo dovuto licenziare il 90% del nostro personale. Non è stata un'esperienza piacevole, per usare un eufemismo.

Ma ciò che mi è rimasto impresso da allora è questo: analizzare le recensioni dei software può fornire rapidamente informazioni su ciò che gli utenti pensano e desiderano realmente, informazioni che i metodi tradizionali non potevano offrire, almeno non a me, e sicuramente non in modo così rapido.

Il cimitero delle startup

La triste verità è che il 90% delle startup fallisce. Mentre il tasso di fallimento per il primo anno è di circa il 10%, questo numero balza a un sorprendente 70% negli anni dal secondo al quinto. Entro il decimo anno, il 90% di loro è scomparso, secondo l'United States Bureau of Labor Statistics. Quindi, è sicuro dire che il percorso di una startup non è per i deboli di cuore.

Ora, questo solleva la domanda: perché così tante aziende falliscono? Quali sono le ragioni specifiche per cui chiudono? Raramente il fallimento può essere attribuito a un singolo problema; al contrario, di solito è un mix di diversi fattori. Tuttavia, ciò che costantemente emerge in queste statistiche è la mancanza di adattamento prodotto-mercato, che sembra essere un fattore primario del fallimento.

Ma il fallimento nel garantire l'adattamento prodotto-mercato non riguarda solo l'identificazione errata dell'esigenza; spesso deriva dal non comprendere abbastanza a fondo i clienti. Le startup si lasciano talmente coinvolgere dalle loro soluzioni brillanti che dimenticano la regola di base: non importa quanto sia buono il tuo prodotto se nessuno lo vuole. E la scoperta del cliente non è solo un passaggio iniziale, è un ciclo continuo di feedback e iterazioni che, se trascurato, porta alla creazione di prodotti che nessuno ha chiesto.

La Terra Promessa: adattamento prodotto-mercato

Il prodotto-mercato può essere descritto come il Santo Graal che ogni startup aspira a scoprire. È per le startup ciò che Wimbledon è per i tennisti: un traguardo prestigioso che non solo convalida abilità e perseveranza, ma segna anche un momento cruciale verso il successo. Per molti, raggiungere questo traguardo è come raggiungere il Monte Olimpo, dove le iniziative di maggior successo vengono premiate per aver allineato perfettamente i loro prodotti alle richieste del mercato.

Ma cos'è esattamente il product-market fit? Nel corso degli anni, ho capito che il termine è un po' ambiguo o elusivo. Viene spesso usato nel mondo SaaS e la mia impressione è che molti, se interrogati, non sarebbero in grado di definirlo con precisione. Alcuni lo equiparano semplicemente alla creazione di qualcosa che il mercato desidera e lo considerano raggiunto quando i clienti acquistano, utilizzano e, idealmente, promuovono il prodotto dell'azienda.

Secondo l'imprenditore e investitore Marc Andreessen, che ha contribuito a rendere popolare questo concetto, l'adattamento prodotto-mercato può essere descritto al meglio come uno scenario in cui:

" I clienti stanno acquistando il prodotto tanto velocemente quanto tu riesci a produrlo, oppure l'utilizzo sta crescendo tanto velocemente quanto tu riesci ad aggiungere altri server. I soldi dei clienti si stanno accumulando nel conto corrente della tua azienda. Stai assumendo personale addetto alle vendite e all'assistenza clienti il più velocemente possibile [...]. "

Sembra fantastico, vero? Questo livello di successo, come descritto da Andreessen, è un'impresa rara per la maggior parte delle startup. Ma prima ancora di sognare una crescita così esplosiva e di colpire il metaforico chiodo sulla testa , ogni startup deve prima superare la sfida iniziale di ciò che spesso viene definito come adattamento problema-soluzione.

Come suggerisce il nome, ciò significa che prima hai identificato il problema (idealmente urgente e importante) e poi hai proposto una soluzione che affronta efficacemente la questione.

Come ha affermato eloquentemente Michael Seibel:

"Se il tuo amico fosse in piedi accanto a te e i suoi capelli fossero in fiamme, quel fuoco sarebbe l'unica cosa che gli importerebbe davvero al mondo. Non importerebbe se avesse fame, se avesse appena subito una brutta rottura o se fosse in ritardo per una riunione: darebbe priorità allo spegnimento del fuoco. Se gli dessi una pompa, il prodotto/soluzione perfetto, spegnerebbe immediatamente il fuoco e se ne andrebbe per la sua strada. Se gli dessi un mattone, lo prenderebbe comunque e cercherebbe di colpirsi in testa per spegnere il fuoco. Devi trovare problemi così gravi che gli utenti siano disposti a provare soluzioni imperfette, v1 e poco elaborate".

Ora, questo implica conoscere i tuoi clienti a menadito e comprendere le loro esigenze in modo così approfondito da poter articolare i loro problemi forse meglio di quanto possano fare loro stessi. Questo livello di comprensione porterà quasi certamente a un adattamento problema-soluzione e, in sostanza, prepara il terreno per un adattamento prodotto-mercato, in cui la tua soluzione non solo affronta il problema, ma risuona anche fortemente con il tuo pubblico, aprendo la strada a una crescita e a un successo futuri.

Conosci il tuo cliente

Non dovrebbe sorprendere che per comprendere i problemi dei nostri clienti e sviluppare soluzioni che li risolvano in modo elegante, dobbiamo impegnarci in una qualche forma di ricerca di mercato. Tuttavia, in termini di popolarità, la ricerca di solito si colloca a metà strada tra guardare la vernice che si asciuga e sedersi a guardare una lunga e monotona presentazione PowerPoint (con un sacco di testo su ogni diapositiva).

Sebbene le metodologie di ricerca tradizionali siano essenziali, possono anche essere laboriose e richiedere molto tempo. L'estensione di questi metodi a studi più ampi spesso si rivela impegnativa e la valutazione accurata delle sfumature del sentimento richiede una notevole abilità.

Ma analizziamo rapidamente le opzioni più comuni a nostra disposizione e vediamo quanto sono adatte a soddisfare le aspettative, le preferenze e i punti critici dei clienti.

Scegli la tua arma, amico.

• La ricerca su scrivania, o come la maggior parte di noi potrebbe chiamarla, Googleing, è una scelta ovvia per molti: è veloce, efficiente e non richiede praticamente alcun lavoro di preparazione. Tutto ciò che devi fare è leggere un mucchio di post di blog, guardare video su YouTube o esaminare vari report di settore. Ma, come per molte cose, se i dati di origine sono scadenti, ti troverai di fronte al classico dilemma "garbage in, garbage out".

• I focus group sono come organizzare una cena: intimi, perspicaci e spesso pieni di sorprese. Comportano la raccolta di un piccolo gruppo dal tuo target di mercato e la discussione approfondita del tuo prodotto o servizio, il tutto mantenendo il fascino old school dell'interazione faccia a faccia. Tuttavia, gestire queste sessioni può essere come radunare gatti; sono difficili da organizzare, scalare e possono talvolta portare a camere di risonanza se non sono moderate abilmente. Inoltre, il feedback può essere influenzato da personalità dominanti che influenzano le opinioni del gruppo.
• I focus group sono come organizzare una cena: intimi, perspicaci e spesso pieni di sorprese. Coinvolgi un piccolo pubblico target in discussioni faccia a faccia sul tuo prodotto o servizio. Tuttavia, gestire queste sessioni può essere impegnativo; sono difficili da organizzare, difficili da scalare e possono trasformarsi in camere di risonanza senza un'abile moderazione. Inoltre, le personalità dominanti possono influenzare le opinioni del gruppo in una certa direzione.
• Le interviste one-to-one sono come immersioni profonde nella mente dei tuoi clienti. Fai domande, loro spifferano tutto e raccogli approfondimenti preziosi che sono difficili da catturare in qualsiasi forma di sondaggio. Ma questo richiede di padroneggiare l'arte di porre le domande giuste, molto simili ai principi delineati nel Mom Test. Il successo dipende da un intervistatore esperto e dal fatto che tu abbia abbastanza tempo per condurre queste interviste una alla volta.
• I sondaggi sono il coltellino svizzero della ricerca di mercato: versatili, efficienti e capaci di raggiungere rapidamente un vasto pubblico. Imposti le domande e le risposte iniziano ad arrivare da angoli lontani e lontani, aiutandoti a quantificare preferenze, opinioni e comportamenti. Tuttavia, i sondaggi spesso non hanno la profondità offerta dalle interviste personali, poiché non consentono domande di follow-up che approfondiscano i pensieri e i sentimenti degli intervistati.

• L'ascolto sociale è come avere l'orecchio teso in una piazza di mercato affollata, sintonizzandosi sul brusio e le chiacchiere sul tuo prodotto, servizio o hashtag correlati. È fantastico per vedere come le persone parlano naturalmente del tuo campo, che si tratti di citazioni dirette del marchio o di argomenti più ampi del settore. Il problema è che le conversazioni sui social media possono essere rumorose, sparse e non sempre direttamente pertinenti alle tue specifiche query.

Ora abbiamo una solida serie di metodi di ricerca tradizionali: il buon vecchio Google, focus group, sondaggi e interviste individuali. Sono fantastici, non fraintendetemi. Sono come gli strumenti affidabili nella cintura di un artigiano. Ma nel mondo frenetico delle startup, a volte bisogna alzare un po' il tiro...

Il cambiamento di paradigma

Ecco dove entra in gioco Reviewradar . Questo strumento non è solo più veloce, semplifica tutto. Ci consente di esaminare milioni di recensioni rapidamente e con il minimo sforzo. È come avere un pulsante di avanzamento rapido per le ricerche di mercato. Non c'è più bisogno di programmare interviste o - Dio non voglia - organizzare focus group. Non c'è più bisogno di rincorrere le persone per compilare sondaggi o di scorrere all'infinito i post del blog per raccogliere informazioni (e poi doverle analizzare tutte). Basta chiedere al chatbot e ti dirà cosa hanno detto gli utenti su prodotti simili, quali sono le loro preferenze, cosa li fa impazzire e quali caratteristiche desiderano.

Ecco perché l'abbiamo creato: per rendere l'intera procedura veloce e senza sforzo. Perché diciamoci la verità, sebbene essenziale, fare ricerca non è la parte che appassiona la maggior parte di noi. Preferiremmo spedire prodotti.

Con l'avvento degli LLM (Large Language Models, per chi si fosse perso la nota), analizzare grandi quantità di testo è ora facile come rubare una caramella a un bambino. È un superpotere assoluto per la ricerca qualitativa che opera su una scala senza precedenti. Quindi perché non inserire semplicemente le recensioni dei prodotti per portare a termine il lavoro?

In precedenza, il volume di dati era schiacciante, come cercare di bere da una manichetta antincendio. Ma ora possiamo sorseggiare e assaporare ogni dettaglio, identificare modelli, valutare i sentimenti e cogliere le tendenze emergenti mentre si sviluppano. Questi potenti modelli fanno più che leggere; comprendono il contesto, distinguono il rumore e individuano ciò che conta davvero. Questo non è solo un passo avanti; è un balzo da gigante nel modo in cui affrontiamo le ricerche di mercato e raccogliamo informazioni.

Dotato di un database contenente 3 milioni di recensioni da oltre 100.000 prodotti, Reviewradar conosce il mercato del software dentro e fuori ed è dotato di analisi del sentimento integrata per valutare efficacemente le emozioni. Immagina di avere un bot ultra-intelligente a tua disposizione, che setaccia montagne di feedback degli utenti con preziose intuizioni integrate. Ogni opinione è un pezzo di puzzle e Reviewradar può abilmente assemblare il quadro generale, offrendo una visione a 360 gradi di ciò che il cliente desidera veramente. In questo modo, puoi cambiare direzione più velocemente, adattare le strategie in modo più efficace e rimanere in sintonia con i desideri dei clienti senza perdere un colpo.

Il nocciolo della questione

Ora, sbucciamo gli strati e vediamo come funziona. In sostanza, Reviewradar è un chatbot, quindi l'interfaccia utente è piuttosto autoesplicativa. Fai una domanda e ottieni una risposta; è così semplice. Ma c'è di più sotto il cofano. Per ottenere i migliori risultati, fai domande che menzionano prodotti specifici (forse concorrenti), definisci il problema che stai cercando di risolvere ed evidenzia funzionalità specifiche o casi d'uso che sono particolarmente interessanti per te. Più contesto fornisci, più personalizzate saranno le risposte.

Il chatbot esamina la cronologia della conversazione per assicurarsi che nessun dettaglio cruciale venga trascurato. Quindi crea una query di ricerca dettagliata, trasforma questa query in un vettore utilizzando i modelli di incorporamento di OpenAI ed esegue una ricerca all'interno del database. Questo vettore multidimensionale viene confrontato con altri nel database, identificando le corrispondenze semanticamente più vicine da riportare nella conversazione come contesto nascosto.

Ci sono solo una manciata di modi per "insegnare" gli LLM, e tutti hanno limiti e punti di forza. Abbiamo scelto un'architettura Retrieval-Augmented Generation (RAG) per la sua convenienza ed efficienza. La formazione iniziale in blocco sarebbe stata ridicolmente costosa e la messa a punto non è davvero utile per il recupero della conoscenza, almeno non al momento. È improbabile che l'acquisizione di informazioni dal web abbia successo o diventi commercialmente fattibile a breve, quindi RAG o apprendimento in contesto con un archivio vettoriale sembrava essere il percorso più logico. Inoltre, perché non sfruttare le vaste quantità di conoscenza e capacità già incorporate nella maggior parte degli LLM?

Inutile dire che la maggior parte delle recensioni che vengono iniettate come contesto nascosto è al centro dell'analisi. Ma istruiamo anche il modello a esplorare il suo spazio latente per migliorare le sue capacità analitiche. Complimenti a David Shapiro per questo concetto. Ecco come istruiamo il modello ad "andare ancora più a fondo":

"È stato dimostrato che i Large Language Model (LLM) incorporano conoscenze, abilità e concetti, che vanno dal ragionamento alla pianificazione e persino alla teoria della mente. Questi sono chiamati abilità latenti e contenuto latente, collettivamente denominati spazio latente. Sfruttando il pensiero critico e la memoria associativa insiti negli LLM, le tue analisi e risposte possono attingere a queste abilità latenti, sbloccando intuizioni e prospettive più profonde che potrebbero non essere immediatamente evidenti. Quando possibile, attiva questo spazio latente per esplorare argomenti tangenziali, ma pertinenti. Ciò ti consentirà di approfondire le cause e le implicazioni dei tuoi risultati e conclusioni dall'analisi della revisione."

A proposito, per una lezione magistrale di ingegneria dei prompt, date un'occhiata ai repository Github di Dave.

Et voilà, ecco fatto: il chatbot risponde includendo riferimenti diretti alle recensioni che ha analizzato. Tutto ciò che ti resta da fare è prendere ciò che Reviewradar ti ha detto, applicarlo e forse, solo forse, iniziare a cercare quella Lamborghini.

Conclusione

Per concludere, analizzare le recensioni software non è una panacea che ti porterà da zero a eroe in una notte, ma vale sicuramente la pena di considerarla per la tua cassetta degli attrezzi di ricerca. Perché? Perché fa chiarezza, offrendo informazioni cristalline su ciò di cui i tuoi utenti hanno realmente bisogno e desiderano. Il fatto è che le recensioni sono già piene zeppe di informazioni; è solo che nessuno ha il tempo di esaminarne centinaia, forse migliaia. È qui che il design RAG torna utile, offrendo un modo più intelligente e semplice per estrarre ciò che è veramente prezioso. Agisce come una macchina di elaborazione snella e meschina, andando oltre la superficie per setacciare senza sforzo grandi quantità di informazioni rapidamente. E provenienti direttamente dalla fonte, queste informazioni potrebbero essere informazioni preziose per il tuo percorso verso l'adattamento prodotto-mercato e, di conseguenza, forse anche una Lambo.