İş Fikirleri için Veriye Dayalı Doğrulama: Adım Adım Kılavuz

Bir yan projeye başlamak istiyorsunuz ancak nereden başlayacağınızı bilmiyor musunuz? İş fikirlerini doğrulamak için veriye dayalı bir yaklaşım, başlamanın harika bir yoludur. Bu yöntem, varsayımlar ve tahminler yerine gerçeklere ve verilere dayalı kararlar vermenize yardımcı olur.

Bu makalede, veriye dayalı doğrulama yoluyla iş fikirleri oluşturmaya ve doğrulamaya yönelik adım adım bir kılavuz sunacağız.

Bu kılavuzda:

• Nasıl Fikir Üretiriz?
• Verileri Alın
• Yapay Zeka Kullanarak Fikir Doğrulama
• Bonus: Müşteri Keşfi
• Çözüm

Hadi hadi bakalım!

💡 Nasıl Fikir Üretiriz?

İş fikirleri bulmanın birçok yolu vardır: Kendimizin veya başkalarının yaşadığı sorunları belirleyebilir, hangi çözümlerin mevcut olduğunu araştırabilir, potansiyel müşterileri bulup onlarla konuşabilir, anketler oluşturabilir, pazarı anlamak için rakip analizini kullanabiliriz vb. Ya da Paul Graham'ın dediği gibi yakın zamanda şunları söyledi :

Yeni fikirler edinmenin yolu anormallikleri fark etmektir: Tuhaf, eksik veya bozuk görünen şey nedir?

Ardından, minimum düzeyde uygulanabilir bir ürün (MVP) oluşturun, bunu kullanıcıların kullanımına sunun ve müşteri geri bildirimlerini ölçün. Daha sonra bu geri bildirimi alırız ve doğru ürün pazarına uygun olanı bulana kadar (veya kendi ekseni etrafında dönerek veya projeyi tamamen bırakana kadar) bunu yineleriz.

Potansiyel müşterilerimizle konuşmak süreç boyunca çok kritiktir ve bu, özellikle aramızdaki daha içe dönük girişimciler için biraz zorlu bir deneyim olabilir. Bazen bu potansiyel müşterileri nerede bulacağınızın net olmadığından bahsetmiyorum bile: Twitter, Reddit...vs.

Peki ya kullanıcılarla konuşmadan önce doğrulama yapmanın bir yolunu bulsak?

Tekerleği yeniden icat etmemize gerek yok. 0'dan 1'e gitmek tek yol olmayabilir. Jakob Greenfeld'in konuyla ilgili mükemmel makalesi çok yerinde:

Çoğu insan dünyayı değiştirmek için işe girmez. Sadece değer sağlamak, karşılığını almak ve bunu kendi şartlarına göre yapmak istiyorlar.

Günümüzde çevrimiçi olarak ücretsiz olarak erişilebilen çok sayıda veri bulunmaktadır. İşin püf noktası, verilerin bizim bakış açımıza göre mutlaka veri gibi görünmemesidir. Bu özel örnekte uygulama mağazalarından bahsediyorum.

Uygulama mağazaları harika bir kaynak çünkü pek çok farklı veri türünü merkezileştiriyorlar: derecelendirmeler, yorumlar vb. Herhangi bir uygulama mağazası bunun için çalışabilir (Google, Apple, Amazon…vb). Aynı yaklaşım, yazılım inceleme toplayıcılarından (G2, Capterra vb.) kaynaklanan veriler için de kullanılacaktır. Verileri platformun içinden görselleştirmek bile mümkün olabilir, ancak bu ücretli bir hizmet olacaktır.

Başarısızlıktan öğrenebildiğimiz kadar başarıdan da öğrenebileceğimize kesinlikle inanıyorum. Bunu akılda tutarak, iş fikirlerini bulmak ve doğrulamak için uygulama mağazası verilerini kullanmak, yalnızca en iyi performansa sahip uygulamalara güvenmek anlamına gelmez. Ayrıca beklendiği kadar iyi performans göstermeyen uygulamaları analiz edebilir veya gelecek vaat eden bir konseptin neden başarılı olmadığını araştırabiliriz.

Fikir çok basit: Düşük puan alan ancak sıklıkla indirilen bir uygulama, bir ihtiyacın var olduğuna ve bunu daha etkili bir şekilde yapmanın mümkün olduğuna dair bir sinyaldir.

🧲 Verileri Alın

İhtiyacımız olan verileri Play Store'dan almak, teknoloji konusunda ne kadar bilgili olduğumuza bağlı olarak oldukça basittir. Octoparse gibi çevrimiçi olarak mevcut birçok araçtan birini kullanarak kazıyabiliriz. Süreç net değilse, çözmek için bu kılavuzu kullanmayı düşünün. Nispeten basit olmalı.

500.000'den fazla indirilen ancak 3 yıldız veya daha düşük derecelendirmeye sahip uygulamalar arıyoruz. Bu bize neyin yüksek talep gördüğünü (çünkü insanlar ihtiyaç duymasalar neden indirsinler ki?) ama kötü uygulamanın kullanıcı memnuniyetsizliğine neden olduğunu söyleyecektir.

Aynı şekilde, indirme sayısı düşük olan, en iyi puan alan uygulamalara göz atmak da ilginç olabilir. Bu, doğru kişilerin önüne çıkabilen harika bir ürünün potansiyele sahip olduğunun bir göstergesi olabilir.

Sonuç, 4-5 sütunlu bir CSV'ye benziyor:

1. Veri Temizleme

Eldeki ham verilerle, bunlardan bir anlam çıkarmak ve ilgili bilgileri bulmak isteyeceğiz.

Hızlı bir analiz, hariç tutulması gereken bazı segmentleri belirlememize olanak tanıyacaktır. 1 milyondan fazla indirilen uygulamalar genellikle devlerin (Amazon Prime, Google vb.) mobil versiyonlarıdır. Büyük hayaller kurmak önemli olsa da şu anda bunun önemi yok.

Bu nedenle uygulamaları 500 bin ila 1 milyon indirme sayısına göre filtreleyeceğiz.

2. Analiz Uygulaması

Verileri kategorilere göre aşağıdaki gibi topladım:

İkinci alan, verilerimizdeki o kategorideki uygulamaların sayısını, sonuncusu ise o kategorinin ortalama derecelendirmesini gösterir.

İlk 3 kategori araçlar, eğlence ve finanstır ve ortalama puan 2,7 civarındadır. Bu, 3 kategorinin tamamında en az 500 bin kez indirilen 1375 uygulama anlamına geliyor. Bu, karşılanmayan birçok ihtiyaç ve memnun olmayan kullanıcılar anlamına geliyor.

Grafikleri tercih edenlerimiz için:

Mavi grafik ortalama derecelendirmeyi, turuncu grafik ise söz konusu kategorinin tüm listeye göre yüzdesini temsil eder. İdeal nokta, turuncu grafiğin mavi grafikle (bir miktar farkla) örtüştüğü yerdir; bu, o kategorideki uygulamaların yüksek konsantrasyonunu gösterirken aynı zamanda kötü derecelendirmeleri de gösterir. Grafik, yukarıdaki tabloda zaten şeffaf olanı doğrulamaktadır.

Şu andan itibaren dünya bizim istiridyemizdir. Analizi daha derine ve ilginç bulduğumuz herhangi bir yöne götürebiliriz.

Örneğin Araçlar kategorisine daha yakından bakalım.

3. Ticaretin 'Araçları'

'Araçlar' kategorisindeki uygulamalar içinde, en az 1 milyon indirmeye sahip uygulamaları arayacağız ve bunları ortalama derecelendirmeye göre (artan şekilde) sıralayacağız.

Liste hala oldukça uzun ama en azından bir niş alanımız ve bazı başlangıç hedeflerimiz var. Daha sonra her uygulamayı derinlemesine inceleyebilir ve özelliklerini, rakiplerinin kim olduğunu ve uygun olduğunda pazar potansiyelinin ne olduğunu kontrol edebiliriz. Örneğin listedeki her ürün için toplanan incelemelere ilişkin bazı duyarlılık analizleri yapabilir ve ana temaları/anahtar kelimeleri çıkarabiliriz. Bu, söz konusu nişteki herhangi bir yeni ürünün acil iyileştirme alanlarını (veya hatta özelliklerini) belirlemenin iyi bir yolu olacaktır.

Amaç, belirli bir niş hakkında daha fazla bilgi edinmek ve bu verileri bir sonraki adıma taşımaktır.

Bu nedenle, iyi bilinen doğrulama yöntemlerine ek olarak, fikirleri daha da doğrulamak için iki ek araç önerebilirim. Yararlı içgörülerin kilidini açmak için bunların tümü birleştirilebilir; bu aslında neyin hangi bağlamda yararlı olduğunu belirleme meselesidir.

🤖 Yapay zeka kullanarak fikir doğrulama

Evet, yapay zeka çok popüler ve hayır, bu sadece trendden yararlanan başka bir rehber değil. Sonuçta bu ChatGPT ile ilgili değil. Şimdilik .

Roiquant, kuruculara yönelik bir startup zeka platformudur. Rekabet ortamı, ölüm sonrası analiz vb. gibi farklı veri hizmetleri sunuyorlar. Bizim durumumuzda onların "Fikir Doğrulama" aracıyla ilgileniyoruz.

İlk bileşen, burada gösterildiği gibi, sağlanan girdiye dayalı olarak fikrimizin "benzersizliğini" ölçer:

Açıklamak için yukarıdaki listedeki "Akıllı Klima" uygulaması örneğini kullanalım. Bilgimiz dahilinde girdileri gireceğiz ve tabii ki girdiler ne kadar kesin olursa sonuç da o kadar iyi olacaktır. Ancak diğer doğrulama süreçlerinde olduğu gibi amaç mükemmel bilgi durumuna ulaşmak değil; bu imkansız. Bunun yerine, herhangi bir şey oluşturmaya başlamadan önce mümkün olduğunca riski azaltmayı ve en kritik hipotezleri doğrulamayı hedefliyoruz.

Her kategori için farklı alt ölçümlerden hesaplanan genel bir başarısızlık riski ölçümü (bu örnekte %59,2) elde ediyoruz. Örneğin, konum ve pazarın %1 puan alması, dünyanın bu bölgelerinde iş yapmanın zorluğunu yansıtıyor.

%20'lik yenilik puanı aynı zamanda fikrimizin çok yenilikçi olmadığını da gösterir, bu da teknik olarak başarısızlık riskini artırır (ancak her zaman değil).

İşin sürdürülebilirliğiyle ilgili olarak sonuçları iyileştirecek başka bir bileşen daha var, ancak gerekli girdilerden bazıları (iş değerleme, para kazanma... vb.) bunun için henüz çok erken olduğundan aslında kapsamımız dahilinde değil.

Bu, git/gitme kararını vermemiz gereken aşamadır. "Yüksek riskli" (%70 ve üzeri) olarak değerlendirilen bir fikir anında vazgeçilmelidir. Bu biraz keyfi bir eşiktir ve bilimden çok sanattır.

🕵️ Bonus: Müşteri Keşfi

Artık ne aradığımız konusunda daha iyi bir fikrimiz olduğuna göre, potansiyel kullanıcılarla etkileşim kurmaya ve onların geri bildirimlerini almaya başlamanın zamanı geldi. Fikrimizi geliştirmemize yardımcı olacak bilgiler sağlayabilecekleri için konuşacağımız doğru kişileri belirlemek çok önemlidir.

Anahtar kelime aramaları, sosyal dinleme vb. yoluyla bu potansiyel ilk kullanıcıların yerini belirlemeye yardımcı olan birçok araç vardır. Bunu ileriki bir yazımızda ele alabiliriz.

Şimdilik iki spesifik çözümden bahsetmek istiyorum. Bunlardan ilki CustomerDiscovery.io'dur.

Şirket " girişimcilere çeşitli departmanlardaki geri bildirimleri toplamak, düzenlemek ve analiz etmek için hepsi bir arada bir çalışma alanı sunarak daha hızlı büyümelerine yardımcı oluyor ".

Özetle, bu platform kurucuların potansiyel erken benimseyenler ile röportaj yapmasına ve değerli geri bildirimler almasına olanak tanır; bu aşamada tam da ihtiyacımız olan şey budur!

İkinci çözüm Respondent.io'dur. Platform, biraz daha gelişmiş kullanıcı araştırma projelerine yöneliktir ve daha derin bilgiler sağlamak için birden fazla kritere (meslek, konum vb.) dayalı olarak incelenmiş kullanıcıları işe alma olanağı sağlar. Ayrıca katılımcılara "teşvikler" sağlama, yani görüşülen kişilere belirli bir miktar ödeme yapma (Proje Sahibinin takdirine bağlı olarak) olanağı da mevcuttur. Ve açıkçası, ödül ne kadar yüksek olursa o kadar iyi geri bildirim alırız.

Anlaşılacağı üzere bu, belirli bir olgunluk eşiğine ulaştığımızda kullanacağımız bir araçtır. Her proje için mükemmel bir uyum olmayabilir (özellikle bağımsız bilgisayar korsanları/tek başına girişimciler için) ama yine de iyi bir kaynaktır.

Çözüm

İşte, işte burada!

Bir fikri doğrulama süreci karmaşıktır ve çok fazla çaba gerektirir. Önemli olan sadece harika bir fikre sahip olmak değil, aynı zamanda pazarı, rekabeti ve potansiyel kullanıcıları anlamaktır.

Geleneksel fikir doğrulama yöntemlerini yapay zeka tabanlı araçlar ve müşteri keşif platformlarıyla birleştirerek fikri ve potansiyelini daha iyi anlayabiliriz. Bu, fikri takip edip etmeyeceğimiz ve bunu en iyi şekilde nasıl gerçekleştireceğimiz konusunda bilinçli bir karar vermemize yardımcı olacaktır.

Süreç sürekli iyileştirme ve ayarlama ile yinelemeli olmalıdır. Doğru yaklaşım ve doğru araçlarla fikrimizin en iyi başarı şansına sahip olmasını sağlayabiliriz!

Dikkatiniz için çok teşekkürler! 😄

Ben yolculuğa çıkan bir girişimciyim! Bu parçayı beğendiyseniz, geldiği yerde daha fazlası da olacak: Twitter ve The Generalist'in Thinkbox bülteni .