Stein-Viggo Grenersen

Denna artikel handlar om att ramarna och beslutsunderlaget för vad digital tjänsteutveckling innehåller måste utvidgas och att det ställs krav på att antaganden om värde ersätts med metod som kan mäta värde.

”We aim to make mistakes faster.” Utan sammanhang kan uttalandet se lite konstigt ut, men detta är ett viktigt mantra hos en Optimizely-kund. Om vi visste att allt vi gjorde var rätt och skapade önskat värde, hade det nog varit dumt att göra misstag. Men faktum är att misstag ofta kan spara mycket tid och pengar eftersom det gör att man inte fortsätter i samma spår, som ändå är dömt att misslyckas längre fram i tiden.

Nästan all innovation sker i små steg och experimentering är det verktyg som avgör om det du gör skapar värde. I en digital vardag kan även den minsta förbättring ge stora utslag. Varje ändring eller anpassning du gör har ett önskat resultat, men erfarenheten visar att 9 av 10 experiment har inget eller negativt uppmätt värde! Därför är hastighet och antalet experiment nyckeln till att driva på innovation. Hör Stefan Thomke prata om hur experimentering är motorn som driver på innovation!

Om alla är överens om vilket som är det bästa valet, så måste det väl vara rätt? Andra gör ju trots allt detsamma. Amy Vetter ansvarar för kundupplevelserna på Reckitt Benckiser, som äger en lång rad globala varumärken, inklusive välkända fotvårdsprodukter från Scholl. Amys föredrag på Optimizely-konferensen Opticon gav exempel på varför antaganden måste testas. Detta föredrag bör vara en kursplan för alla inom e-handel och digitala tjänster!

Frågan om hur snabbt insikter omsätts till handling är kärnan i experimentering. Vi kan fatta beslut baserat på åsikter, fokusgrupper, undersökningar och de bästa avsikterna. Men experimentering ger mer korrekta och snabbare resultat än något annat alternativ.

Hur får vi egentligen mest tillbaka för tid, pengar och insats? Vi prioriterar efter bästa förmåga från backlog och önskelistor inom de ramar vi har för utveckling. Men vet vi om resultatet blir tillräckligt bra? Kommer kunder och användare att uppskatta det vi gör i tillräcklig utsträckning för att investeringen faktiskt ska vara lönsam? Svaren kan hittas genom gradvis utrullning och experimentering.