Datadrivet

Torkel Öhman är CTO på Amanda AI som skapar och optimerar kampanjer helt automatiskt för Google Ads, Meta och Bing med machine learning. Deras verktyg läser av e-handelns alla produkter och skapar individuella annonser för de olika produkterna anpassade för de olika plattformarna. De kan senare också analysera resultaten av annonserna för att bestämma hur annonserna ska gå fortsättningsvis. Nu är de 30 personer som jobbar på Amanda AI.

Torkel var analysansvarig på sitt förra jobb där de hade en e-handel med hundra tusentals produkter i flera tusen kategorier. Då är det omöjligt att manuellt göra annonser för hundra tusentals landningssidor för varje produkt. Då föddes idén att automatisera annonseringen.

Torkel startade själv en egen e-handel, en drop-shipping-sajt, och testade den första versionen av verktyget på Google sökannonser och såg att den fungerade väldigt bra, och därefter byggde de på första versionen.

Amanda AI har flera olika moduler. En modul hämtar information om produkten och lägger den i en databas: beskrivningen, produktbild, pris, sökord, url, lagersaldo etc. All information i databasen kan sedan göras om till annonser.

När annonserna skapats och körs kan verktyget avgöra hur budget ska allokeras beroende på många olika faktorer som exempelvis visningar, klickgrad, kostnad per klick, bounce rate etc.

Vi pratar om Amanda AIs growth loops, vilken tillväxtstrategi de har och hur de tar reda på vad de ska bygga och släppa i sin produkt.

Datadrivet är en podd av scilla.studio.

Vill du ha hjälp med att komma igång med experiment i ditt team? Hör av dig till oss på scilla.studio eller på Linkedin.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet?

Hör av dig till oss på Linkedin:

Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

This is the first Datadrivet episode in English!

We came across an article from Maria Petrova, VP of Product at Supermetrics from her talk at SaaSiest conference - How Voice of the Customer Can Change Your Product.

Supermetrics helps their customers to gather data from many sources in one place, many in marketing.

Maria shares how they have a structure and process for bringing user feedback into product development. Every Friday they go through feedback from users.

Datadrivet is a podcast by scilla.studio.

Do you want help getting started with experimentation in your team? Get in touch with us at scilla.studio or on Linkedin.

Do you want to join in and tell us about how your company works with data-driven work? Get in touch with us on Linkedin:

The podcast hosts are Joni Lindgren and Jasmin Yaya.

Tom Airaksinen är Product Owner på PE Accounting. Vi såg att Tom Airaksinen ska prata på Product Management Festival 8-9 november och tyckte att ämnet han ska prata om verkade sjukt spännande och bjöd in honom till Datadrivet. Rubriken på föreläsningen är Scrappy Mixed Methods – The Resource-Strapped PM’s Guide to Getting Data-Informed.

Tom berättar vad det handlar om:

• Mixed methods är när man kombinerar kvantitativa och kvalitativa metoder för att samla insikter.
• Scrappy: Man kan göra mycket med små medel – man behöver inte dyra verktyg och många seniora roller för att ta sig fram.

Tom har tidigare länge jobbat som UX designer och jobbat med kvalitativ datainsamling. Därefter lärde han sig också kvantitativ datainsamling för att kunna få en mer komplett bild. Efter ett tag kom han på att han ville utveckla sig ännu mer och gå mot produktledning. Tom vill även slå ett slag för att alla inom produkt borde lära sig SQL och själv kunna titta i databasen.

Vi pratar om rollerna PO och PM: Tom gillar definitionen som han hörde på Crisp: Product Ownerns viktigaste jobb är: Maximizing the amount of work not done. För vi har ju alltid begränsat med tid och resurser.

Tom är PO för appen och funktionerna på webben skiljer sig från appen. Genom att titta i databasen märkte de också att behoven hos användarna inte möttes upp av funktionerna för att registrera resor och traktamenten. De gjorde en enkel prototyp där de kunde testa sin hypotes. Sen kom en pandemi, så folk slutade ju resa i jobbet. Data to the rescue - de bytte spår till chefsadmin istället (attest/godkännande) som de visste anekdotiskt att folk ville ha. De hörde av sig till en av användarna som hade bett om andra funktioner och tog en intervju på Teams i 25 minuter. Varför vill man ens ha något chefigt i mobilen? Vad gör en chef i PE liksom och hur skulle appen komma in i det. Lärdomarna var bland annat att pushnotiser har ett helt annat värde än Tom förstått, cheferna slapp kolla jobbmejl på semestern när löner behöver godkännas.

Tom brukar tänka att man kan lägga feedback i 3 olika hinkar:

• Nej, det här var konstigt och vi struntar i det
• Det här vill vi undersöka vidare
• Ja, det här är ju guld!

De använde sig av Hotjar för att lägga upp små enkäter som i popup för att fråga om användarna ville ha olika funktioner på relevanta sidor. På några dagar fick de hundratals svar! Tyvärr formulerade de frågan som en dubbelfråga: “Skulle du vilja kunna godkänna/attestera fakturor via mobilen?”. Det är alltså viktigt att ställa frågan, men också att formulera frågan korrekt så att svaren går att använda. Efter att ha kollat i databasen och sedan kollat på kvalitativ data hittade de till slut rätt.

Datadrivet är en podd av scilla.studio.

Vill du ha hjälp med att komma igång med experiment i ditt team? Hör av dig till oss på scilla.studio eller på Linkedin.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet?

Hör av dig till oss på Linkedin:

Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Vi fick en fråga på Linkedin från Jenny Rydebrink på Gardenize (app för trädgårdsintresserade) om hur man lyckas slå igenom på App Store och Google Play. Så vi bjöd in Jimmy Hagelfors som idag är COO på Brick. Brick är en powerbank sharing-app, om du får slut på batterier på stan kan du bara plocka upp en powerbank.

Jimmy har länge jobbat med App Store Optimization (ASO) för flera olika appar. Man kan säga att det är konverteringsoptimering med lite SEO inom app stores.

När du ska optimera för app stores har du ganska få element att spela med:

• Ikon för appen

• Titel

• Beskrivande text

• Bilder

• Video

• Undertitel (bara på iOS)

• Keywords (bara i iOS)

Med tiden tillkommer också:

• CTA

• Ratings

• Reviews

Sedan 2021 kan man göra A/B/C test i både Apple App Store och Google Play.

När Jasmin ska börja jobba med experiment i en organisation som inte är van vid att göra det sedan innan är det enklare att göra experiment med saker som inte är så känsliga i organisationen – exempelvis e-postutskick eller app stores. Hos de flesta bolag finns det inte någon dedikerad person som jobbar med app store optimization – även om stora appbolag borde ha det. När teamet har kommit igång med experiment och bevisat att det går att öka lärande och resultat har man vunnit organisationens förtroende att börja experimentera mer i produkten. Det är bra att kunna designa snabbt själv.

Beroende på vilken kategori av app du har och vad din produkt är kommer optimeringen se olika ut.

Det är svårt att kunna påverka att bli featured i app stores. Ibland kan det ge jättebra resultat, ibland ger det inte särskilt långvariga resultat.

Jimmy’s tips:

1. Kolla på hur första vyn ser ut. Få det att se imponerande ut för dina användare.

2. Se till att appen har hög retention – annars är all trafik du skickar till appen bortkastade resurser.

3. Nu kan din app store optimization börja!

4. Testa dig fram med A/B test i app stores. Testa ett element i taget. Testa, testa, testa!

5. Be om reviews när din användare har haft sitt happy moment.

6. Anpassa för olika marknader: Om appen finns på flera marknader är tipset att anpassa innehållet i app store till marknaden, exempelvis med bilder på personer, miljöer från marknaden och språk.

Vi går inte in på Apple Search Ads eller App Store Ads.

Datadrivet är en podd av scilla.studio.

Vill du ha hjälp med att komma igång med experiment i ditt team? Hör av dig till oss på scilla.studio eller på Linkedin.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet?

Hör av dig till oss på Linkedin:

Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Vad gör att en Product Manager är bra? Joni och Jasmin har jobbat som Product Managers och jobbat med många Product Managers. Jasmin har funderat på det här med Product Roadmaps. Det är ett sätt som en del Product Managers kan kommunicera till resten av organisationen vad de gör och vad de har tänkt fokusera på. Det är visuellt och tydligt i och med att allt har sin plats på en tidslinje i ett ganttschema. Det ser ut som olika långa tjocka streck, eller korvar – och i en organisation Jasmin varit i kallade de alla möten kring olika produktteams roadmap för korvmöten.

Unpopular opinion: Jasmin är emot roadmaps för det ger en falsk förhoppning om att det vi bygger är rätt saker. Det ser strukturerat ut men verkligheten fungerar inte så. Vi vet inte på förhand hur lång tid det tar att utforska ett område – eller om det ens är värt att lägga mer tid på att utforska det. Det går helt enkelt inte att planera hur lång tid vi behöver lägga på att skapa väl fungerande delar i produkten. En del PMs är snarare roadsmap administratörer än att faktiskt leda och hantera utvecklingen av produkten.

Jasmins förslag är att jobba mot mätbara affärsmål istället för att planera olika features som ska byggas.

Det bästa sättet att påverka sina stakeholders på är inte i ett konferensrum med presentationsslide. Utan att ta en fika, promenad, lunch och där får de ta del av informationen istället:

• De viktigaste affärsmålen teamet ska påverka
• Nämn du problemet
• Vad nyckeltalet är idag
• Vad du vill ta reda på om produkten och användarna
• Vad har teamet för hypoteser
• Visa en prototyp i mobilen
• Arbetssättet är att ni testar vilka features som kan ge bäst resultat

Om du jobbar i en organisation där ni jobbar med ganttscheman och roadmaps kan du försöka styra det till att istället prata om business metrics. Det gör att fler i organisationen efter 6-12 månader kommer prata om business metrics de jobbar mot, vad deras hypoteser varit och vad de har lärt sig – istället för alla features de har byggt och vad som lanserades i tid.

Det är inte bara Product Managerns ansvar att jobba på det här sättet, det är jätteviktigt att ledningsgruppen jobbar på det här sättet. Och märker du att det ledningen inte är öppen för att jobba på något annat sätt än product roadmaps, kanske du får fundera på om det är värt för dig att vara kvar.

Datadrivet är en podd av scilla.studio.

Vill ni ha hjälp med att sätta upp ett experiment team?

Hör av dig till oss på scilla.studio eller på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet?

Hör av dig till oss på Linkedin.

Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Digital tillväxt – vad är det? Alla vill ju växa – och digitalt är såklart ett snabbt sätt. Men företagsledare har olika idé om hur det ska gå till. Man kan dela in tillväxtstrategier i 3 olika kategorier: 

• Marknadsledd tillväxt – Organisationen satsar på att växa genom marknadsföring. 

• Säljledd tillväxt – Organisationen satsar på att skapa en säljorganisation som driver tillväxt 

• Produktledd tillväxt – Det som vi har nördat in oss i. 

När en organisation har förstått att det är produkten som är den största drivaren till tillväxten. Produkten är så pass fantastisk att användarna vill fortsätta använda tjänsten och vill rekommendera den till andra. Produktledd tillväxt är lika fokuserad på retention som att få in nya användare. Säljledd tillväxt till exempel har en mycket högre prio på sin säljorganisation, och marknadsledd tillväxt har större budget till annonsering och marknadsföringsaktiviteter. 

Några exempel på bolag som växt snabbt med produktledd tillväxt: Plick och Slack. 

Vi går igenom begreppet Growth Loops som är ett effektivt sätt att växa på. Det är när vi bygger mekanismer i produkten som gör att användningen i tjänsten gör att den kan växa. En annan grej som är som är specifikt för produktledd tillväxt är experiment. Vi testar olika antaganden om hur vi kan lösa problemen på bästa sätt så att vi endast bygger det som verkligen har potential – allt annat är ett litet test som inte tagit särskilt många timmar att bygga. Allt som ska byggas fullt ut kostar ju både tid och pengar. Vi vill hellre ta beslut på insikter om användarna snarare än någons åsikt. För sanningen är att de flesta idéer ger inte det resultatet vi vill – vilken idé som ger önskat resultat får vi reda på genom att testa den. Låt oss göra det på så riskfritt sätt som möjligt. 

Datadrivet är en podd av scilla.studio. Vill ni ha hjälp med att sätta upp ett experiment team? Hör av dig till oss på scilla.studio eller på Linkedin. Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin. Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

I veckans avsnitt träffar vi Johan Johansson som är senior strateg på Carat. Johan brinner för analys och delar ofta med sig av guldkorn han kommer över.

Nyligen släppte han en kurs som heter Förbättra ditt analytiska tänkande på Framgångsakademin – det är hans sätt att göra Sverige mer analytiskt och smartare.

För att bygga en framgångsrik och effektiv organisation behövs dessa saker:

• People
• Processes
• Tools

Det smartaste en organisation kan göra är att investera i en process som tvingar en att bli datadriven. Bara för att vi köper ett nytt verktyg betyder det inte att vi blir effektiva.

6 steg för att jobba mer analytiskt

Steg 0: Sätta upp tydliga mål

Vi måste börja med att veta vad vi ska uppnå och hur vi ska mäta det.

Steg 1: Gör observationer baserat på data och fakta

Gå från åsikt till en objektiv observation, som backas upp av data.

Steg 2: Omvandla dina observationer till insikter

Förklara varför det är ett problem så att andra personer förstår – det ska kännas i både hjärtat och hjärnan.

Steg 3: Föreslå åtgärder

Förslag på hur vi kan åtgärda problemet. Du är sällan den första personen som står inför det problemet. Andra har tänkt på det förut. Så börja där och våga komma med några generella rekommendationer.

Steg 4: Visa effekten av dina insikter

Förklara vad dina rekommendationer kan få för effekt och hur det kan mätas. Formulera hypoteser som kan tas till backlogs och verksamhetsplaner, det gör det lättare att prioritera det som är viktigast.

Steg 5: Bestäm vem som ska göra vad

Se till att rätt personer är med för att besluta om vem som gör vad. Teamet och beslutsfattare måste vara med!

Steg 6: Följ upp och ser effekten av dina åtgärder

Vem ska följa upp. Hur lång tid tror vi att det kan ta innan vi kan mäta effekten? När tycker vi att vi har lyckats?

Johan Johansson på Linkedin: https://www.linkedin.com/in/johanjohansson1

Datadrivet är en podd av scilla.studio.

Vill ni ha hjälp med att sätta upp ett experiment team? Hör av dig till oss på scilla.studio eller på Linkedin.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin.

Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Isa Cederberg, Head of Marketing and Development på Birds Relations berättar om hur man kan jobba för att på ett snabbt och effektivt sätt för att validera sina hypoteser och idéer innan man påbörjar utvecklingen av en produkt eller ny feature.

Birds Relations är en app av två parterapeuter för par som vill ha det härligare och bättre tillsammans. Grundarna har över 10 års erfarenhet av att jobba som parterapeuter och ville digitalisera upplevelsen av par i rummen och lanserade i juli 2021.

Joni har testat appen och tycker att den har ett trevligt användarflöde.

Vi har bjudit in Isa för hon är lika nördig som oss i att vilja testa användarupplevelser, testa och validera hypoteser och jobba datadriven med produktutveckling.

Isa kom in i idéstadiet och började ställa många jobbiga frågor om hur de ska mäta och bygga sin tjänst. Isa hade en kompetens som de inte hade. De hade en klickbar prototyp men som de ännu inte börjat testa. Isa började med att backa allt arbete till att förstå paren innan de ens börjar gå i parterapi – alltså lära känna målgruppen i en fas där de inte träffar dem i sin vardag. Förstå vad som motiverar dem, deras problem, hur når vi dem.

Prototypen blev en ingång för att kunna ha djupintervjuer. Ett tips från Isa är att använda just prototypen som en ursäkt eftersom det är lättare att få andra att ställa upp på användartester än djupintervjuer, men sen tar man halva tiden till djupintervjuer.

När de väl hade insikter gjorde de om prototypen till en analys av relationen med formulär-verktyget Typeform. Därigenom kunde de lära sig massor om behoven hos målgruppen.

Isa berättar om hur de gick till väga i början av produktutvecklingen för att så snabbt som möjligt validera sina idéer och skapa en första produkt som passar målgruppens behov.

Målet var att skapa en minimum testable product (MTP istället för MVP). Hon använde sig av verktyget Bubble.io för att kunna skapa en första app. Bubble är ett low-code-verktyg som bygger både front-end, back-end, databas, tracking, autentisering av användare etc endast med drag and drop. På 3-4 veckor hade hon skapat en första version som de kunde testa, och iterera på och testa vidare med. Med resultatet av de testen fick de sin första investering.

Med hjälp av Bubble har de väldigt snabbt kunna testa sin produkt och anpassa den redan från dag 1 – en väldigt snabb och riskfri Product Discovery där det har kunnat validera användarintresse och marknadsföringen tidigt, innan produkten finns.

En annan framgångsfaktor är att Isa har en uttalad lista med personer som kan ge råd om marknadsföringen som Isa kan fråga och bolla med.

Isa och grundarna pratade tidigt om hur de vill arbeta och driva bolaget, här är några frågor som Joni, Linda och Jasmin tog upp när de grundade scilla.studio: https://drive.google.com/file/d/1pbA3X4DxHlFcsIT5YZ2PXTmKShgF9CHl/view?usp=sharing

Allt detta som Isa har gjort finns inte som en utbildning att köpa, men en sån otroligt värdefull erfarenhet! Hade det funnits en sådan utbildning hade vi utan tvekan anställt från den!

Datadrivet är en podd av scilla.studio. 

Vill ni ha hjälp med att sätta upp ett experiment team? Hör av dig till oss på scilla.studio eller på Linkedin.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin.

Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Jasmin har faciliterat en workshop för ett ganska nytt tvärfunktionellt team som jobbar med experiment. Teamet började med 0 experiment och är nu uppe i 5 experiment i månaden. De lär sig alltså fem saker varje månad och vill lära sig i ännu högre hastighet.

Det som hindrar dem från att få ut fler experiment i månaden är snarare HUR de arbetar tillsammans än VAD de gör.

Terminologin visar sig också vara viktig. Vad definierar vi som experiment?

Vad är förväntningarna på teammedlemmarna? Vem ansvarar för vad? Hur kommunicerar vi med varandra?

Så länge det är missförstånd kring allt detta kan de inte bli mer effektiva utan stannar i diskussioner och frustration.

Under workshopen redde vi ut vad som skapar mest frustration och hinder och föreslog nya arbetssätt och fördelningar på arbetet.

Dela med dina kollegor och branschkompisar att podden Datadrivet äntligen är igång igen!

Datadrivet är en podd av scilla.studio. Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Vill ni ha hjälp med att sätta upp ett experimentteam? Hör av dig till oss på scilla.studio eller på Linkedin.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin.

Första halvåret 2021 släppte Joni och Jasmin 27 (!) avsnitt av Datadrivet. Nästan ett helt år har gått sedan vi släppte senaste poddavsnittet. Sedan hösten 2020 driver Joni och Jasmin tillsammans med Linda Eriksson scilla.studio.

Vi har under senaste året fokuserat på scilla.studios egna tillväxt, dels med uppdrag och dels med rekrytering - och vi rekryterar fortfarande! Kolla här: https://jobs.scilla.studio/jobs

Scilla studio är ett konsultbolag som hjälper tech-bolag att växa, jobba datadrivet och skapa produkter som deras användare älskar. Vi har Product Managers, utvecklare, Growth Analysts och UX Designers som tillsammans kan jobba med exempelvis experiment, validera idéer, coacha team och skapa process för high tempo testing och optimera onboarding i appen.

Sedan vi poddade sist har vi bland annat har vi jobbat med dessa uppdrag:

• Aller Media
• Ridely
• Mentimeter
• Plick

Dessutom har vi testat egna produktidéer, Vi berättar om vilka som inte har funkat och några som har funkat!

Vi har också flyttat till nytt kontor: Terminalen – fantastisk utsikt finns, kom och ät lunch med oss!

Dela med dina kollegor och branschkompisar att podden Datadrivet äntligen är igång igen!

Datadrivet är en podd av scilla.studio.

Vill ni ha hjälp med att sätta upp ett experiment team? Hör av dig till oss på scilla.studio eller på Linkedin.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin.

Vi som leder podden heter Joni Lindgren och Jasmin Yaya.

Intervju med Kathleen Asjes, Head of Research & Insights på Dreams.

Dreams är ett Fintech-bolag som hjälper sina användare att komma igång med att spara pengar och nå sina drömmar med hjälp av att sätta mål som du kopplar olika regler, så kallade spar-hacks. Ett exempel är spar-hacket "Tjuven" som tar en lite pengar varje vecka utan att du vet om hur mycket och när, och efter ett tag har användaren plötsligt lyckats spara pengar.

Joni och Kathleen jobbade ihop på Schibsted för att hitta insikter, de delade mindset om att jobba mot ett gemensamt mål och prioritera hårt.

Kathleens team Research & Insights jobbar med att ta fram insikter till produktteamen baserat på kvantitativ och kvalitativ research.

När Kathleen började på Dreams började hon med att fråga personer i organisationen om vad var och en behövde för typ av insikter och vad deras utmaningar var. Några av de vanliga frågorna var "Vad gör våra användare?", "Vad gör de i appen?" "Varför sparar de kortsiktigt?", "Vilket är det mest populära sparhacket?".

Förra sommaren jobbade de intensivt med att ta fram hela kundresan. De baserade det på intervjuer med användare, datan från produkten och insikter från sitt forskarteam som undersöker hur hjärnan fungerar när det gäller att spara pengar. De använde sig av verktyget PingPong för att göra användartesterna. https://www.hellopingpong.com/

Genom att dela insikter en gång i veckan slår de hål på myter om användarna och produkten.

Vill ni ha hjälp med att sätta upp ett experiment team är det bara att ni hör av er till oss på Linkedin.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin.

Vi som leder podden heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Theresia Silander, VD och grundare på Eatit – ett Kry för dietistvård. Resan till att Eatit ser ut som den gör idag har växt fram på ett intressant sätt. Från närodlade råvaror, till kostråd från hälsodata, till vad produkten är idag. Eatit är en app där patienter med ex obesitas, prediabetes, diabetes eller fettlever får behandling av en dietist över video. Dietisten och appen samverkar för att stötta patienten i beteendeförändringar för mer hälsosamma vanor och viktnedgång (för vissa patienter).

Ambitionerna har varit höga från start. Dels vilka resultat de vill nå, dels hur de vill nå de målen. Visionen är att göra det enklare att fatta hälsosamma beslut. Missionen är att möjliggöra för 100 miljoner människor senast 2030 att leva ett längre och lyckligare liv genom livsstilsförändringar.

Eatit har gjort många misstag och lärt sig från dem:

• Utgick från en teknik de såg stora möjligheter med (hälsodata från exempelvis Werlabs, wearables, smartphones) inte ett problem.
• Försäljning mot felmålgrupp. Deras första kunder var early adopters till den nya tekniken. De fick intäkter från dem men de förde dem ej närmare lösningen (snarare längre åt fel håll). De tog tid från dem att "ta hand om" kundsupport, bygga features på etc.
• De gjorde arbetet med hypoteserna och experimenten för stora. Mätte för mycket. Hade för många datakällor. Blev för tungt att göra det när de inte hade erfarenhet från det tidigare i kombination med att de skulle ta hand om kunderna och leda produktutvecklingen som pågick för de kunderna.
• "Maxa" lärdomarna. Ville lära sig så mycket som möjligt från varje experiment för tidigt i sin utveckling. Det gjorde att experimenttakten blev för lång och de blev för tunga att göra för ett litet bolag så de orkade ej hålla ambitionen uppe för arbetssättet.
• De trodde att de arbetade rätt efter som de sålde tidigt, jobbade datadrivet etc. Men de "förblödde genom papercut", tog för lång tid att röra sig framåt.
• För stort och bra utvecklarteam för tidigt. De ville ge teamet framgångar och spännande utmaningar för att stanna kvar. Men kunde inte experimentera i samma takt som de klarade av att utveckla och ta fram saker. De fick även göra saker som Eatit trodde skapade värde. Men då byggde de för mycket och ännu mer åt fel håll.

Vad Eatit lärde sig/skulle ha gjort idag:

• Utgå från ett problem
• Lägg all energi på problemet, ej på att bygga
• "Out of the building"
• Ha massor med pengar eller inga pengar (ej papercut till döds)
• För de pengar man har ta in folk som har byggt upp en datadriven organisation tidigare. Iaf som konsulter på några timmar
• Idag hade de försökt göra fler "modiga gissningar" och ta större hopp framåt
• Försökt göra fler korta experiment och inte räknat med att lära sig ngt i början utöver att göra experiment

Vill ni ha hjälp med att sätta upp ett experiment team är det bara att ni hör av er till oss på Linkedin.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

I Facebook-gruppen Product Owners & Agile Coaches var det en person som ville ha tips på hur han kan starta ett growth-team i organisationen. Joni kommenterade att "kalla det inte för ett growth team", det har Joni lärt sig den hårda vägen.

Vad teamet ska göra är att experimentera så mycket som möjligt för att ta reda på hur produkten kan växa så mycket som möjligt. Helst ska teamet ligga under produkt – inte under marknad eller någon annan stans i organisationen. Dels för att arbetssätten liknar hur ett produktteam jobbar än hur marknadsavdelning jobbar. Det behövs mycket mer analys och teknisk kompetens. Dels för att det blir lättare att vara användarcentrerad om man mäts av produkten och inte av marknad.

Förslagsvis kan man kommunicera såhär i sin organisation: "Vi behöver lösa vårt problem med att växa problemet, därför behöver vi ett tvärfunktionellt team som tar hand om det. Låt oss börja med Activation/Onboarding som tar reda på hur vi ska lösa problemet med hjälp av experiment."

Se till att fokusera på att prata om vilket nyckeltal som ni prioriterar mot, snarare än var i organisationen teamet ska befinna sig.

Kanske ser till och med Joni och Jasmin inte likadant på vad det ska kallas och hur teamet ska jobba?

Vad vi kallar team och vad vi gör betyder mer än vi tror. Olika begrepp klingar olika i olika organisationer. I vissa organisationer låter test och experiment som att det mest bara leks runt lite.

Länk till Facebook-gruppen Product Owners & Agile Coaches: https://www.facebook.com/groups/productmanagementsweden

Vill ni ha hjälp med att sätta upp ett experiment team är det bara att ni hör av er till oss på Linkedin.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Jasmin föreläste nyligen för några startups om att komma experimentera. Ett av företagen hörde av sig för att få hjälp med att komma igång med experiment.

Steg 1 – Vad har ni er backlog redan nu, vad har bi tänkt bygga? Det är det första vi skulle vilja göra experiment på för att förstå vad av det vi ska bygga ut i full skala, och vilka saker vi inte ska satsa på. Det händer ganska ofta att experiment hamnar i en egen backlog vid sidan av det som ska byggas.

Steg 2 – Så titta i er befintliga backlog och försök att göra om det till små experiment. Vad är det absolut minsta vi ska bygga? Vilken sort experiment passar bäst för att snabbt kunna ta reda på att det ni vill bygga är rätt sak att bygga?

Steg 3 – Prioritera vilka experiment som ska byggas. Det har vi ett avsnitt om: Process: Ta fram idéer & prioritera dem

Steg 4 – Samla personer med olika roller för att starta testen. Vi behöver:

• analytiker för att kunna sätta upp experiment och mäta resultatet
• UX-designer som kan skapa visuellt användbara flöden
• utvecklare som bygger funktionaliteten
• copywriter som kan skriva innehåll
• marketer om testen innebär att vi behöver driva trafik
• en Product Manager som kan hålla ihop allt och se till att det finns mål, att saker prioriteras, en champion som ser till att rätt människor börjar samarbeta och att det är det minsta möjliga som testas.

De gånger det har funkat allra bäst för Jasmin har det funnits två olika Product Managers, en mer strategisk och en mer operativ som jobbar parallellt med varandra. Alltså en som jobbar med visionen och strategi och en som gör ut strategin, för det är svårt att vara både och samtidigt.

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

När fick du en WOW-upplevelse från data senast? Joni berättar om en ett uppdrag där hon tog reda på att 83% av alla besökare till en landningssida redan var kunder. All trafik som drev till den sidan var köpt trafik och egentligen menad för de som inte redan var kunder. Det fanns flera olika team och stora delar av organisationen som jobbade med den här typen av sälj. Hon satt alltså på en insikt som skulle påverka många människors jobb och en stor del av budgeten. Det fanns så många konsekvenser av denna enda datapunkten. Hur kommunicerar man till organisationen att nästan alla resurser egentligen bara slängs bort?

Det första hon gjorde var att gå till analysteamet för att stämma av den här datan för att se till att den är samlad på rätt sätt, den är räknad på ett sätt som stämmer, och tolkat den korrekt. Därefter kollade hon med sitt team om vilka hypoteser de kunde ta fram med hjälp av den nya insikten.

Det hela började med att hon tittade på webbdatan och ville veta hur stor andel av trafiken till den sidan som redan var kunder. Så hon använde sig av Hotjar för att skapa en popup poll och frågade användarna helt enkelt. Efter några dagar hade hon fått in flera tusen svar.

En konsekvens av den här insikten var att hon tog reda på varför så många befintliga kunder klickar på annonser. Det visade sig att de ville interagera mer med varumärket och få mer kommunikation. Därför gjordes organisationen om och det skapades flera olika produktteam med olika fokus, där ett team fokuserade på att bygga produkter för att sälja till nya kunder, och ett team som fokuserade på att bygga produkter till befintliga kunder.

Det vore jättekul att få höra på era wow-upplevselser från data!

Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin. 

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Tidigare i veckan höll vi en workshop om att experimentera och vill dela med oss av vad vi pratade om. Vi börjar med de tre olika huvudgrupper av experiment: 

• Enkäter och kvalitativa undersökningar 
• Painted door tests eller Smoke tests 
• A/B test 

Det finns några olika tillfällen då A/B-test är användbara. Dels vid ren optimering, dels för att ta reda på om ett helt paket av förändring i en release inte har en negativ eller överraskande effekt. Det tredje tillfället som A/B-tester är användbara är när vi vill validera nya idéer. A/B-tests är perfekta för det! Det är det primära skälet till att jobba med A/B-test. Vi vill uppmuntra produktorganisationer att ta reda på vad av det som ligger i backloggen eller roadmapen som borde byggas – det gör ni med hjälp av experiment! 

2009 släppte Microsoft en rapport där de hade tagit reda på vad som gjorde att ett team nådde sina mål effektivt. Det var inte att de hade bättre utvecklare, eller att de hade bättre idéer. Det enda som skiljde de framgångsrika teamen med de andra teamen var att de snabbare kunde slänga idéer som inte hade någon effekt. Det visade sig att ca 1/3 av allt som samtliga produktteamen byggde gav en positiv effekt på målet, 1/3 hade ingen effekt alls, och 1/3 hade påverkade målet negativt. Så enda skillnaden var tiden till att kasta bort dåliga idéer. 

Organisationer och team som experimenterar i hög hastighet brukar prata om win rate, alltså hur stor andel av alla idéer gav ett önskat resultat. Microsoft, Pinterest och Slack har delat med sig att deras win rate ligger på ca 30%. Facebook som har ca 22 000 experiment igång samtidigt säger att deras win rate är 15% och Google som släpper ca 300 000 experiment per år säger att deras win rate ligger på 10%. Ju mer innovativa och galna idéer du testar desto lägre kommer win rate vara, men möjligheten till att just innovera ökar. 

Ronny Kohavi delade nyligen en bild från 2007 när Microsoft hade en strategikonferens där han pitchade "Accelerating Innovation with A/B Testing" för dem. 

https://www.linkedin.com/posts/ronnyk_abtesting-microsoft-experimentguide-activity-6790503518840201216-Z22y Vissa vill gärna gå på intuition, men det kan missleda oss. Vi tror oftast väldigt mycket på våra egna idéer, just för att de är våra egna idéer. 

Om vi inte ska gå på intuition brukar en del säga att vi ska gå på vad datan säger oss. Med enbart data kan också vara missledande för oftast handlar det om att titta på gammal data. Därför behöver vi ett verktyg som hjälper oss att ta affärsbeslut och det verktyget är experiment! 

För att komma igång med A/B-tester behöver du göra dessa saker: 

Alla har idéer på hur man kan förbättra målet. Samla in alla idéer, gör om dem till hypoteser, definiera ett minsta möjliga test. Tänk "Vad kan vi få ut på 1/2 dag eller 1 dag?". Det här förarbetet gör att det blir lätt att analysera när testet är klart. Du vet vad du ska mäta, vilken effekt du letar efter och det blir lätt att svara sant eller falskt på hypotesen. Samla teamet så att ni kan prioritera era hypoteser. Det har vi ett avsnitt om: Process: Ta fram idéer & prioritera dem. Gör så många Build-Measure-Learn-loopar som möjligt varje vecka. Bygg så litet som möjligt. Våga prioritera bort att bygga välbyggda saker till förmån att kunna testa många saker fort. Det som visar sig funka tas vidare och byggs robust, det andra slängs.

 Vill du vara med och berätta om hur ditt företag jobbar med att jobba datadrivet? Hör av dig till oss på Linkedin. 

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Jasmin har nyligen blivit kontaktad av ett företag som vill ha ny sorts marknadsföring. När hon tittar på deras data ser hon att 80% av alla som registrerar sig för tjänsten aldrig mer kommer tillbaka. Det är något vi nämnt i avsnitten Next Feature Fallacy och Product Death Cycle.

Lösningen är alltså inte att driva ännu mer trafik till tjänsten. Lösningen är heller inte att utveckla produkten med att bygga nya features för de användare som är kvar i tjänsten. Lösningen är att skapa en bättre första upplevelse, en så kallad onboarding så att en ny registrerad användare kommer tillbaka 1 dag efter, 7 dagar efter och 30 dagar efter.

En kul nyhet är att Jasmin har börjat jobba på scilla.studio och är numer kollega med Joni, inte bara poddkollega! YAY!

Våra tips till alla företagsledare, produktägare eller liknande:

Tips 1: Se till att ta fram datan i form av en kurva där x-axeln är antal dagar sedan signup och y-axeln är antal användare som är kvar i tjänsten.

Tips 2: Försök att göra en plan för vad som händer de första 7 dagarna för en ny användare redan innan du lanserar.

Tips 3: Anta inte att den första lösningen är den bästa, utan testa och lär dig från datan!

Jasmin och Joni har tittat på onboardingen för några olika tänster: Trello, Mentimeter, Blocket, Memmo, Shopify, Havenly.

Vill du vara med och berätta om hur ditt företag jobbar datadrivet? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Alexandra MacRae är Head of Marketing och Customer Experience på Avinode Group. Avinode är ett bolag som är relativt okänt i Sverige och för gemene man, men kort beskrivet är det ett B2B SaaS-bolag i Business Aviation. De är marknadsledande och kundbasen är utspridd i hela världen.

I avsnittet med Fredrik Sterner Cederlöf från Polestar berättade han om hur Polestar mäter NPS i hela kundresan. Han berättade också att han hade snott allt från just Alexandra MacRae. Så självklart ville vi prata mer med henne!

Alexandra berättar om att de mäter kundnöjdheten med hjälp av ett samlat metric de kallar för Customer Health Score.

Rent konkret är ett Customer Health score en kombination av Net Promoter Score, Customer Effort Score och Customer Satisfaction Score samt activity/engagement metrics. De visualiserar resultatet i en matris som är grön, gul och grön. Det gör att de enkelt kan se vilka kunder som är hälsosamma och vilka som inte är det. Utifrån det så har de en playbook som definierar vilka actions som ska tas och hur – beroende på vart en kund befinner sig i matrisen.

Organisationen använder Customer Health Score som ett verktyg för att kunna förstå och agera på kundnöjdheten. Mätningen ger Customer Service-organisationen insikter om vilka kunder som är nöjda och därmed inte behöver särskilt mycket attention, de är gröna – så man istället kan fokusera på de som är i gult eller rött och jobba för att förflytta de upp i matrisen.

Det blir också extra spännande när man lägger till en Y och X axel som visar MRR (Monthly Recurring Revenue) eller ARR (Annual Recurring Revenue) samt hur mycket meningsfulla interaktionen företaget har haft med stakeholders hos kunden.

Så problemet de kan lösa hos kunden är att proaktivt höra av sig och boka in ytterligare träning i produkten, eller lära sig mer om specifika problem som de upplever på givna touch points i deras kundresa.

De använder sig av Wootric för att ställa frågorna. https://www.wootric.com/. De kopplar ihop det med CRM-data i Power BI.

Vi frågar ofta våra gäster om de vill slå hål på någon myt de stöter på i jobbet. Alexandra säger att en myt kring att jobba datadrivet är att bara mäta. Mäta är steg 1, att göra någonting åt datan på ett repetitivt och skalbart sätt som ger effekt är det som gör att man nåt effekt!

Vill du vara med och berätta om hur ditt företag jobbar datadrivet? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Seif Fendukly är Product Manager för teamet Conversion & Activation på ljudboksstreamingtjänsten Storytel. Han är data- och systemvetare i grunden och har tidigare jobbat som konverteringsoptimeringskonsult med bland annat Natural Cycles och Lifesum. Han delar många olika experiment han gjort på flera bolag. 

Seifs team jobbar med onboarding i Storytels app, att nya användare känner att WOW, det här är en kul app som jag vill använda. 

Precis som i alla streamingtjänster är innehållet den allra viktigaste faktorn i produkten. 

Ett annat projekt som Seifs team jobbar med är att ta reda på hur konverteringsgraden för bokdetaljsidor kan ökas. I och med att den som kommer till sidan själv har gjort en sökning på bokens titel vet de att den här personen är intresserad av just den boken, men ändå konverterar de inte. En sak som de har sett är viktigt är hur de kommunicerar Stotytels erbjudande. 

Olika marknader har olika beteenden, i vissa marknader är det inte lika vanligt att läsa eller lyssna på böcker. 

I ett A/B-test de nyligen gjorde där de testade att ändra designen på sidan, gjorde de ett klassiskt misstag i konverteringsoptimering eftersom de ändrade många olika saker. Det enda de kunde se var att den nya designen gav sämre konvertering, då var det bara att stryka den designen men de kunde inte lära sig så mycket mer av det experimentet. Det är ganska svårt att övertyga andra om att det inte är en “ful design” som är problemet och att en “snyggare” design skulle kunna förbättra konverteringen. 

Seif berättar om hur de prioriterar sin backlog och en framgång har varit att jobba nära teamet och peppa alla i planeringen och göra prioriteringen tillsammans utifrån affärsmålen där produkten ska stötta i det. 

Seif delar även ett case från Lifesum som är en app för att planera och registrera sin mat för att nå en kroppsvikt man vill ha. En utmaning de hade där var att förklara vad värdet var med premium-abonnemanget. De förstod att användarna inte förstod skillnaden mellan gratisversionen och betalversionen. De löste det genom att utgå från en checklista med sex frågor som användarna frågar sig när de hamnar på en landningssida och behöver svar på för att vilja gå vidare. 6 frågor som användare frågar sig själva när de landar på en sida:

• Relevans – Vad är syftet med sidan och vad kan jag förvänta mig?

• Värde – Vad finns det för värde för mig? På vilket sätt löser tjänsten mina problem bättre än andra?

• Förtroende – Vad tycker andra om tjänsten och hur har andra blivit hjälpta?

• Action – Vad vill sidan att jag ska göra? Finns det en tydlig Call To Action?

• Användbarhet – Är det tillräckligt enkelt och smidigt att använda den här tjänsten?

• Försäkran – Om jag köper den här binder jag upp mig för alltid?

Utifrån dessa sex principer började de titta på hur de kunde svara på alla dessa frågor på landningssidan och lyckades öka konverteringsgraden otroligt mycket. De lyckades även öka Retention och Lifetime Value.

Vill du vara med och berätta om hur ditt företag jobbar datadrivet? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Zarko Lindkvist är Head of Growth på konsultbyrån Valtech och har jobbat med digitala plattformar i över 10 år, och har haft många olika roller.

Att ha en 10-årsplan är nästan omöjligt, det viktigaste är att lära sig mer om vad vi kan göra här och nu.

Han berättar om sina uppdrag för Kivra och Cancerfonden. På Kivra satte de upp en process för att kunna göra två tester i veckan under första året. Allt från att formulera ett tydligt mål, göra om sina idéer till hypoteser, prioritera hypoteserna utifrån ett ramverk, att bestämma en win rate för experimenten, och se till att få ut så många experiment som möjligt. De har också haft bra förutsättningar för att kunna jobba med experiment: ett extremt tydligt mål, fullt mandat och alla i teamet var engagerade.

Om man vänder på det så har vi ett recept för misslyckande: otydliga mål, oengagerade personer i teamet, och där teamet inte har mandat.

Jag har ett mindset och en approach, men jag har ju inte svaren på vilka taktiker vi ska göra för att lyckas.

Ett annat uppdrag Zarko har jobbat med är Cancerfonden som ville bli mer datadrivna. Cancerfondens mål är ju att samla in mer pengar, vilket Zarko kommunicerade och frågade efter kontinuerligt. “Hur mycket pengar kan det här projektet att dra in och vad kommer det att kosta?” Ungefär ett halvår senare hade alla enheter med ett intäktsmål och konverteringsmål i sin målplanering. När målet var satt, trackingen var gjord och data började flöda in kunde de också visualisera datan. Zarko engagerade alla olika personer för att skapa sina egna dashboards. Det gjorde de förstod vad datan innebar, kände ägandeskap över den och att dashboardsen användes, och de tyckte det var roligt att följa datan. Dashboardsen var lättillgängliga och lätta att förstå.

Några myter som Zarko vill slå hål på:

• Det finns inte bara en analytiker. Det finns olika typer av analytiker (från implementation och datakvalitet, till businessanalys och CRO).
• Att jobba datadrivet är inte en persons ansvar, det är nåt som måste genomsyra det vi alla gör. Det är ett mindset och vi behöver dela på ansvaret för att tänka och jobba så.
• Datadrivet är inte en ny tågvagn som bara kopplas på andra initiativ. Datadrivet förändrar hur man gör allt det andra och alla behöver hoppa på det tåget.

hear! hear!

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Om du inte har lyssnat på avsnittet Next Feature Fallacy, rekommenderar vi dig att göra et.

Product Death Cycle är en förlängning av Next Feature Fallacy. Det är väldigt lätt att hamna där, men också lätt att ta sig ur den.

Ingen använder produkten > fråga användarna vilka features som saknas > bygg saknad feature > ingen använder produkten....

Länk till tweeten: https://twitter.com/davidjbland/status/467096015318036480

Att bygga features som kunderna saknar kommer inte att göra att fler använder produkten. Fråga användarna varför dom slutade använda produkten istället.

80% av alla användarna lämnar produkten innan 30 dagar. Det är av de 80 procent som slutade använda produkten som vi kan lära oss saker av.

Om ditt enda verktyg är en hammare kommer allt se ut som en spik. Och utvecklare kan utveckla nya features, så de kommer försöka lösa problemet med att bygga nya features. Istället behöver vi fråga oss själva varför i ska lösa problemet på det sättet vi löser det.

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin. 

Vi som pratar heter Joni Lindgren och Jasmin Yaya. 

Producerat av Niklas Bryngelsson.

Andreas Quensel arbetar som Growth Product Manager på appen Heja. Heja som är en app som fokuserar på lagkommunikation för idrottslag. Över 130 000 lag använder Heja globalt och de största marknaderna är USA och England. 

Tidigare har han arbetat i olika marknads- och analyschefsroller inom Bonnier News och Expressen. 

Heja har satt upp en strukturerad process för hur de arbetar med insikter: De utgår från företagets strategi – vad ska organisationen fokusera på under det kommande året? Det är till stor del olika nyckeltal som de tror att de kan förbättra och som kommer att ge en stor effekt. Exempelvis intäkt per betalande lag, konvertering till betalande kund eller activation rate (i Hejas fall andelen lag som nått minst 6 medlemmar inom 7 dagar). Efter detta prioriterar Growth-teamet vilka nyckeltal som de börjar att arbeta med. 

De utgår från vår end-to-end modell och ser vad som händer med tillväxt och intäkter när olika KPI:er förbättras olika mycket. Modellen är ett spreadsheet som Andreas delar med sig av till lyssnarna. Dä skickar de in input som retention (hur länge lag stannar i appen), activation rate (andelen lag som når minst 6 användare), acquisition loopar (betalda-kanaler, WOM, organiska virala loopar), samt alla delar i monetization (konvertering till betalande kund, snittpris, renewal rate etc). Genom att ha allting i en modell kan de modellera hur alla faktorer påverkar varandra, exempelvis hur lag från betalda kanaler även skapar nya lag tack vare virala loopar. 

Efter detta har de en öppen workshop för att generera idéer där vem som helst får vara med De idéer de tror mest på skapar de hypoteser kring utifrån mallen: “Eftersom vi sett (data/insikter) tror vi att denna förändring kommer att få denna effekt.” Hypoteserna rangordnas sedan efter (potential, learning, ease, samt confidence). 

Efter detta börjar den klassiska build-measure-learn loopen. Ibland kan de börja med att göra ut ett experiment direkt, och ibland börjar de med research (surveys / användarintervjuer) för att lära/stärka hypotes. 

Att jobba datadrivet har varit lite av en icke-fråga på Heja. När Andreas började fanns hela data-strukturen på plats och flera i bolaget hade gått Reforges utbildning inom growth. Det har gjort att alla har samma tänk och vokabulär. För Andreas del handlade det därför om att skapa en process tillsammans med teamet och sedan iterera den kontinuerligt. De delar resultat och insikter varje vecka för hela bolaget. 

Länk till spreadsheet med Growth-modellen: https://docs.google.com/spreadsheets/d/1hjYuRDXIwpeiGe-6__ctmphQGUqRNAUG5ZpQ2K2VNng/edit?usp=sharing 

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin. 

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Fredrik Sterner Cederlöf är Head of Global Customer Insight & Analytics inom Customer Experience på Polestar. Polestar är ett svenskt bilmärke som tillverkar hybrid- och elbilar och härstammar från Volvo Personvagnar, baserat i Göteborg, Sverige. https://www.polestar.com/se/

Han har arbetat med digital utveckling sedan millenniumskiftet i olika roller, men senaste decenniet som analytiker och förändringsarbete med tyngd på att bygga analysteam. Föreläser på Berghs, Hyper Island, IHM inom data storytelling, CX mätning & grundläggande statistik.

Teamet jobbar utifrån sin kunds kundresa för att skapa insikter om kunderna som bolaget kan agera på. Från att någon blir intresserad, testkör bilen, under ett köp, när köpet väl är gjort och kunden börjar använda bilen, ända till att du kanske lämnar tillbaka bilen någon gång i framtiden. Just kundresan är ett effektivt verktyg som de använder sig av för att tillsammans förstå dina kunder.

De samlar in kval- och kvant-data och just nu går mycket av arbetet åt till att få korrekt spårning, visualisera datan, tillgängliggöra och sprida datan och insikterna i organisationen.

Hela bolagets mål är baserat på kundnöjdheten, för om kunderna är nöjda driver det försäljningen. Det är första gången som Fredrik under sin karriär upplevt att ett bolag har just kundnöjdheten är huvudmål - på riktigt. Fredriks team mäter kundupplevelsen och Net Promoter Score (NPS) i flera olika tidpunkter under kundresan; dels NPS för Shop och NPS för Own.

Ett exempel på hur de har tillgängliggjort datan för organisationen är att de har lyft fram kundkommentarer in i Slack. Så fort en kund skrivit en kommentar blir det synligt för produktteamen. Därmed blir kundkommentaren synlig, teamet kan lättare empatisera med sina kunder och snabbare göra rätt åtgärder för att hjälpa sina kunder.

En annan metric som är viktigt för teamet att mäta är Customer Effort Score (CES), alltså hur mycket krävs av kunden för att gå vidare i ett moment, exempelvis boka en testkörning. Om de ser att kunderna ger låga betyg kan de börja justera just den upplevelsen. Det i kombination med NPS kan de förstå vad som behöver förbättras.

Polestar har många olika datakällor, dels fysiska kanaler som retail-miljöer och serviceställen och ca 45 olika digitala touchpoints som exempelvis appen, webbplatsen. På alla dessa touchpoints hämtas både kvalitativ och kvantitativ data in.

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Niklas Bryngelsson.

Next Feature Fallacy: En falsk slutsats om att nästa funktion du adderar helt plötsligt kommer få många fler att använda din produkt mycket mer.

Tyvärr visar datan gång på gång igen att majoriteten av användarna slutar använda produkten innan de ens får chansen att upptäcka den nya funktionen som byggts.

Produktteam bygger hela tiden nya funktioner – men få produktteam mäter vad det fick för effekt på slutmålet. Slutmålet borde ju vara att fler använder tjänsten oftare. Nya funktioner skeppas, men hur gick det då? Sanningen är tyvärr att de allra flesta nya features inte har någon påverkan på det slutgiltiga målet, men det upptäcks inte för om inte produktteamet mäts på det.

Produktteam som jobbar agilt mäts på hur snabbt de kan bygga saker – men bygger de rätt saker?

Nästan inga företag som Joni och Jasmin har jobbat med har koll på sin 1 Day Retention, 7 Day Retention, 30 Day Retention.

Produktteamet tänker hela tiden på "hur kan vi göra den här produkten bättre?". Då är det logiskt att tänka "vad är nästa feature?". Vi tänker att det är logiskt - men det är inte det.

Vi behöver ett KPI att mäta mot som snabbt visar om vi bygger rätt saker eller inte, snarare än story points eller burndown rate.

Om vi optimerar för att bygga många saker snabbt kommer vi inte optimera för att lära oss snabbt. Det vi mäter är det vi optimerar. Därför är det viktigt att se till att vi mäter rätt saker!

Den agila metoden är inte skapad utifrån användarens behov. Lean-metodiken är det. Man kan vara agil i Lean-metodiken.

Det behöver alltså finnas en kultur i organisationen där lärandet står över allt annat, där man tror på att om vi lär oss snabbare än våra konkurrenter kommer vi att vinna. Den kulturförändringen måste komma från ledningsgruppen i organisationen.

Exempelvis för en sociala medie-plattform skulle produktmålet kunna vara Daily Active Users (att användarna kommer tillbaka varje dag). Om en feature visar sig inte påverkar målet, ska vi då släppa ut det? Ofta resonerar många sähär: "Men vi har ju lagt tid på att bygga det, så vi borde ju behålla det." Det kallas för Sunk Cost Fallacy.

Vi människor tenderar dessutom att lägga större vikt vid idéer som vi själva kommer på. Just därför är A/B-tester bra, de hjälper oss att hålla vår kognitiva bias (kognitivt knastänk enligt Joni) i schack.

Sammanfattning

1. Lärandet ska stå över allt annat. Det är en kulturförändring som måste komma från ledningsgruppen.

2. Mät inte nya features som byggts, mät resultat mot affärsmål eller förbättra användarbeteenden.

3. Istället för att lägga nästa sprint på att bygga en ny feature, lär er mer om hur användarna använder produkten de första 7 dagarna. Det kommer du förmodligen ha större nytta av!

4. Om du inte har verktyg för att kunna göra A/B tester så kommer du få ut betydligt mer att att låta produktteamet lösa det än att bygga nästa feature.

Länk till artikeln av Andrew Chen:

https://andrewchen.co/the-next-feature-fallacy-the-fallacy-that-the-next-new-feature-will-suddenly-make-people-use-your-product/

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Scilla Studio.

Emelie Ardby har 10 års erfarenhet inom affärsutveckling och produktutveckling och jobbar sedan två år som produktägare på den digitala magasintjänsten Readly. Innan dess jobbade hon många år inom Schibsted i olika bolag och olika roller.

Två viktiga saker för Emelie är att hon jobbar datadrivet och hennes förmåga att prioritera rätt idéer.

Vi pratar om att jobba datadrivet och hon ger massa konkreta exempel på olika projekt hon har jobbat i som gett henne många viktiga lärdomar.

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Scilla Studio.

I Jasmins team har de tagit fram idéer för nya test och prioriterat dem tillsammans.

Alla i teamet får komma med alla idéer de har, alla idéer är välkomna. Sedan klustrades idéerna ihop till olika kluster av så kallade teman eller spår vi skulle kunna tänkas jobba med. Därefter fick var och en rösta på vilket spår där vi skulle kunna lära oss mest och skapa mest värde för organisationen. 

Värde är kopplat till North Star Metric. Lärandet är viktigt för att organisationen ska kunna skaffa sig fler lärdomar än konkurrenterna så snabbt som möjligt. Att på ett enkelt och snabbt sätt få reda på om en taktik eller strategi är fel är mycket värdefullt.

Inom ett spår behöver vi sedan tömma våra huvuden på ännu fler idéer på vad vi skulle kunna testa. Vi formulerar idéerna som hypoteser. En hypotes kan formuleras såhär: Genom att göra x kommer vi nå mål y.

När vi har ett gäng hypoteser är det dags beskriva dem kort. Hur mäter vi testet? Hur ser testet ut? Hur många gånger uppskattar vi att vi behöver testa detta innan vi kan vara säkra på att resultatet är en insikt? 

Därefter behöver vi prioritera alla hypoteser. Det gör vi enligt en mall som vi länkar här nedan. Parametrarna som vi prioriterar efter är:

Värde: 0 – 5

Lätt att göra: 0 – 5

Lärande: 0 – 5

Hög risk: -1 eller 0

Värdet av dessa räknas ihop till en score (100% är högst, och 0% är lägst) för hela hypotesen. När alla hypoteser fått en score kan de sorteras efter hög till låg score och teamet har en priolista att gå efter.

Mallen är en justerad version av ICE-score-modellen: https://growthhackers.com/articles/a-simple-ice-score-calculator

Just den här mallen är det Daniel Hansson på Signific som ligger till grund för. 

Länk till Signific: https://signific.se/

Länk till Google Spreadsheet med mall för prioritering av idéer:

https://docs.google.com/spreadsheets/d/1OLfReMt4hTOB8Br1TKLqq4cChfOYxeKj8E3GVzAr29E/copy

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Producerat av Scilla Studio.

Adam Hjort är VP Customer Success på Loop54, som är en AI-baserad sökalgoritm för e-handlare.

Adam har jobbat på många olika B2B SaaS-bolag och hans erfarenhet är att många vill jobba datadrivet. En sak Adam har lärt sig är att även om en kund säger upp sig är det inte en förlorad kund, utan det går att vinna tillbaka kunden! Om man pratar med kunden går det att lära sig mycket och även rädda uppsägningen.

Exempelvis under våren 2020 var många kunden osäkra över vad som skulle hända i framtiden och bolagen ville inte ha fasta avgifter. Det handlar inte om att de var missnöjda kunder, utan snarare att de var osäkra över framtiden. En annan vanlig förändring är att det börjar en ny ansvarig som man inte har en relation med ännu.

Adam har märkt att det är lättare att prata i telefon än att skicka mail, det går att förstå vad som sägs mellan raderna.

Ett av Adams favitoritexperiment är en enkät med som skickas ut till aktiva användare för att ta reda på vad kunderna tycker om produkten. Han började skicka den här enkäten varje halvår via Intercom när han jobbade på Get Accept.

1. Hur skulle du känna om du inte längre kunde använda produkten? Svarsalternativ: väldigt besviken, någorlunda besviken, inte besviken

2. Vilken plattform skulle du använda om du inte kunde använda produkten?

3. Vad är den främsta fördelen med produkten?

4. Vad upplever du behöver förbättras i produkten?

5. Vem är produkten lämpad för?

När man har fått in enkätsvar kan man börja grotta ner sig i datan och skära datan på olika sätt (exempelvis hur länge de har varit kunder, vad har de för produkter, vilken region de befinner sig i) för att ta reda på hur man ska sälja in produkten eller prioritera hur produkten ska vidareutvecklas. Svaren kan hjälpa en att prioritera och förklara backloggens prioritering för exempelvis stakeholders och investerare.

En oväntad fördel med att skicka ut enkäten är att enkelt kunna ge återkoppling till kunder som efterfrågar funktioner som redan finns. På ett väldigt enkelt sätt kunde de då göra kunderna lite nöjdare genom att svara att deras önskemål redan finns.

Adam är ju ny på Loop54 och vill jobba datadrivet redan från början. Då behöver han se till att samla mer information och data som inte finns på plats ännu. Ett sätt är att skicka en så kallad exit-intervju varje gång en kund säger upp sig. Det är en intervju som med fördel är ett samtal och syftet är att ta reda på varför kunderna slutar vara kunder. Exempel på frågor som kan ställas då är: Vilken leverantör har ni valt? Varför har ni sagt upp? Finns det någonting vi kan bli bättre på?

Länkar:

Verktyg som Adam gillar:

Zapier: https://zapier.com/

Pendo: https://www.pendo.io/

Intercom: https://www.intercom.com/

Loop54 https://www.loop54.com/

Vi som pratar heter Joni Lindgren och Jasmin Yaya.

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Producerat av Scilla Studio.

Digital analytiker, webbanalytiker, appanalytiker – det finns många olika titlar som beskriver rollen.

Den digitala analytikern får tillgång till människors beteende i ett gränssnitt. Men informationen är begränsad i form av siffror i en tabell. Analytikerns jobb är att ta reda på vad datan innebär och lära känna hur gränssnittet fungerar baklänges. Analytikerns blir användarens bästa kompis. Efter ett tag börjar analytikern komma på idéer på hur vi skulle kunna göra saker och ting bättre. Något behöver ta det vidare, exempelvis en produktägare, copywriter, UX designer eller utvecklare. En analytiker borde inte bry sig om organisatoriska avdelningsgränser. När analytikern har sett ett problem i datan ska den ta sig runt i organisationen för att se till att problemet blir löst.

Vi som pratar heter Joni Lindgren och Jasmin Yaya.

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Producerat av Scilla Studio.

I förra avsnittet pratade David Jurelius om allt som behöver finnas på plats innan experimenteringen börjar. Vi pratar om tracking, problem med cookie-döden, ITP, olika enheter och plattformar. I det här avsnittet fortsätter samtalet och vi fokuserar på själva teamet som jobbar med att samla in datan och vilka olika typer av roller och kompetenser som behövs.

Hur stort team behövs och och vilka kompetenser behövs för att samla datan och hålla datan ren?

Ju fler plattformar organisationen har, desto fler analytiker behövs det. Det behövs också olika sorters analytiker. David räknar upp några olika typer av roller som behövs för att samla och analysera data:

Analytics Engineer: har koll på tekniken så att datan kan samlas in på rätt sätt från olika plattformar. Här behövs någon som har koll på hur de olika plattformarna (iOS, Android, Samsung TV, Apple TV, Webbapp etc) tillåter att datan samlas och håller sig uppdaterad med utvecklingen. Kunde tidigare kallas för teknisk digital analytiker.

Data Engineer: ser till att data samlas in korrekt från många olika system i ett datakluster så att det går att göra någonting med den. Exempelvis data från CRM, point of sale, betalssystem och affärssystem ska samlas.

Digital Analytist / Business Intelligence Analyst: använder datan till för att få ut insikter från den.

Data Scientist: fokuserar på att bygga statistiska modeller eller machine learning-modeller.

Product Owner: politikern. Den som känner organisationen riktigt väl och vet vem vi ska prata med för att prioritera mätning. När det finns många olika plattformar behöver någon ha koll på hur mätning ska ske i olika plattformar.

Kommunicera med organisationen och gör det lätt för dem att höra av sig till er om frågor kring mätning. Bemöt alla frågor fort, då känner de sig sedda och känner att det här teamet bryr sig om mig och ser mig. 

Tiden är förbi då man kunde gå in i Google Analytics lite snabbt och få ut ett svar. Datan är för komplicerad när det inte bara finns en enda webbplats. En person som kommer och säger “Hej jag vill ha tillgång till Google Analytics, jag är ganska duktig, jag fixar det!” kommer inte få tillgång till Google Analytics. Den personen vet inte vad den tar fram för data från Google Analytics och hur den ska tolka och använda den datan, och risken finns att den sprider osanningar i organisationen. 

David pratar om vikten av att ha tillgång till tydlig dokumentation. Google Analytics har en bra dokumentation. Men så fort du börjar samla in datan själv behövs en tydlig dokumentation så att alla kan förstå hur och vad som samlas in. 

En grej som Jasmin tar med sig är att det verkligen behövs många olika kompetenser för att få analysen att funka. Tiden är förbi när det var en one man show att samla och analysera datan. Det är en team effort! 

Simo Ahava skriver ofta om nya uppdateringar och förändringar inom technical marketing på sin blogg

https://www.simoahava.com/

Google Analytics dokumentation

https://developers.google.com/analytics

Företag vi nämner:

Spotify, Lime, Voi, Mathem, Coop, TV4, C More

David Jurelius har över 10 års erfarenhet av mätning, webbanalys, Google Analytics, Firebase och SEO. Han har varit i organisationer som Hemnet, Aftonbladet, TV4, C More för att nämna några få. I det här avsnittet pratar vi om allt som behöver finnas på plats innan experimenteringen börjar. Vi pratar om tracking, problem med cookie-döden, ITP, olika enheter och plattformar.

David är skeptiskt mot att man ska testa allt. Han har jobbat mycket med product analytics där de byggt nya features. När du analyserar ett A/B-test är det viktigt att inte bara kolla på mätpunkten som du ville påverka. Du måste också kolla på det övergripande målet. En knapptryckning är ju inte viktigare än det stora målet som exempelvis konvertering och lojalitet. Oftast ger A/B-test inte en positiv förändring på båda mättalen. David nämner exempel från Hemnet.

Det finns mycket som är svårt att mäta, exempelvis url-struktur för SEO, eller brand awareness. Hur A/B-testar vi ens det? Det är för komplext att sätta upp test. Särskilt när det inte finns ett övergripande tydligt mål för tjänsten blir det extra svårt att avgöra hur ett test ska se ut och när ett resultat uppnåtts. Han betonar att han hatar när en ny produktchef kommer och bestämmer “Jag har sett den här funktionen hos en konkurrent, vi ska också bygga det!” Fråga hellre först de som har koll på datan om det går att se i den data som finns om våra egna användare om ett sådant behov ens finns.

Han nämner utmaningarna med att testa och delar upp en digital tjänst i tre olika delar:

- Klienten: vad ska vi exponera för utseende, exempelvis färgknapp, det påverkar ju inte funktionaliteten.

- Backend, alltså servern. Exempel: vi renderar till kunden att du är kvinna, du får bara se sminkprodukter när du går in på Amazon, en man får bara se avgasrör.

- Innehåll. Exempel: Aftonbladet eller Expressen testar olika rubriker för att se vilket som driver flest klick.

När vi testar olika saker i klienten ser vi just där och då vad användaren gör, men vi behöver se vad som händer över tid, men vad händer när användaren kommer tillbaka, konverterar den då? Problemet är att vi inte kan svara på det som vi kunnat förut. Det beror på att vi inte kan följa en användare över tid pga ITP (Intelligent Tracking Prevention), alla cookies tas bort från enheten.

Webbläsarna har fått nog av att annonsplattformarna (exempelvis Google har Double Click, Facebook har sin tracking pixel) har missbrukat sitt förtroende för att hantera cookies och personuppgifter. Det här skedde redan innan regleringar som GDPR och CCPA som tagits fram för att skydda personuppgifter. Nya Safari på iOS 14 har ITP som gör att cookies som kommer från en tredjepart får inte sättas i den webbläsaren. Den som har Mac kan ladda ner Safari Technology Preview, som är en försmak på Safari kommer att bli.

Kommentar från David: Jag nämner svepande ITP som egentligen bara är Safari, vilket är lite slarvigt av mig. Men men.

Webbplatsen om ITP har också text om alla andra tracking preventions

https://www.cookiestatus.com/

Google Tag manager’s server side tagging

Simo Ahavas introduktion. Till server side GTM
https://www.simoahava.com/analytics/server-side-tagging-google-tag-manager/

Officiella dokumentationen är också ganska bra

https://developers.google.com/tag-manager/serverside?hl=sv

Safari Technology Preview

https://developer.apple.com/safari/download/

Vi som pratar heter Joni Lindgren och Jasmin Yaya.

Producerat av Scilla Studio.

Ett sätt att ta reda på om din produkt eller tjänst kommer hålla är om dina kunder vill rekommendera dig. I det här avsnittet pratar vi om Net Promoter Score (NPS). Jasmin delar ett exempel på ett elbolag hon har jobbat med.

Frågan ställs på exakt samma sätt: "Hur troligt är det att du skulle rekommendera oss till dina kompisar på en skala mellan 0-10?" Dels kan du jämföra dig mot dig själv för att se om du fått nöjdare kunder efter en förändring. Du kan också jämföra dig med branschen i och med att frågan ställs på samma sätt. De som svarar 0-6 är dina detractors. De som svarar 7-8 är neutrala, även om det känns som en hög score betyder det här att de inte spontant skulle tipsa en kompis om tjänsten. De som svarar 9-10 är dina promotors – det är de som över en lunch spontant berättar om en fantastisk upplevelse de varit med om med ditt bolag. 

När du samlat in svaren kan du räkna om värdet till andel som är dina detractors och andel som är dina promoters. De neutrala räknas inte. Formeln ser ut såhär: % PROMOTORS – % DETRACTORS = NPS. Skalan är alltså –100 till 100. Under 0 är ju dåligt. 0 till 50 är ok. 50 är bra. Allt över 50 är jättebra.

Här finns NPS-kalkylator: https://delighted.com/nps-calculator

Du kan bland annat samla in svaren med popups. På din hemsida kan du använda ett verktyg som Hotjar till exempel. https://www.hotjar.com/. Många tror att popups är störiga, men vi har haft hög svarsfrekvens, så våga!

Vi nämner också försäkringsbolaget Hedvigs NPS. I juli delade de sina siffror för NPS. De har helt klart bäst NPS i branschen – en bransch som inte direkt är känd för att ha nöjda kunder.

Joni nämner också Greenly som hon är väldigt nöjd med. De började som en tjänst som visualiserar elförbrukningen och ger rekommendationer för att förbruka mindre el. Senare har de blivit även leverantör av el.

Joni tipsade Jasmin om GodEl. Från första början för att de har så himla bra nyhetsbrev! Men också för att de har 100% grön el såklart. På deras hemsida står det "Mest rekommenderade elbolaget enligt Sifo". Grattis!

Vi har en twist på NPS: Äkta Net Promoter Score! Istället för att fråga "hur troligt är det att..." fråga "Har du rekommenderat oss senaste 6 månaderna?" För det är en stor skillnad mellan en hypotetisk fråga och ett faktiskt beteende.

Meme: https://i.kym-cdn.com/photos/images/original/001/399/998/dac.jpg

Vi som pratar heter Joni Lindgren och Jasmin Yaya.

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin.

Producerat av Scilla Studio.

Vad är churn? Det är ett av de största anledningarna till att ett företag inte växer så snabbt som de vill. Om målet är att växa snabbt och mycket måste vi ha stenkoll på hur många kunder vi tappar jämfört med antal nya kunder vi får in. 

Det finns flera viktiga anledningar till att mäta och försöka minska sin churn: 

- Spara pengar genom att endast värva kunder som har potential att bli lojala kunder. 

- Tjäna pengar genom att behålla dina befintliga kunder. Det är ju billigare att behålla befintliga kunder än att försöka få in lika många nya. 

Tjänster vi nämner i avsnitten: 

- Hello Fresh: När Joni värvade en kompis till matkassen Hello Fresh. Kompisen blev dåligt bemött i början och avslutade prenumerationen. 

- Netflix. Jasmin kollade klart på en serie på en vecka, hade kvar prenumerationen men använde den inte, 3-4 månader senare sa hon upp abonnemanget. 

- Headspace: Joni hade meditationsappen i 1,5 år och älskade den. Sista 6 månaderna använde hon den inte men ville liksom inte säga upp prenumerationen för hon ville identifiera sig som en person som använder Headspace. 

Jasmin nämner en video där någon försöker säga upp sitt konto på Amazon utan att lyckas. Hon har letat febrilt på internets men misslyckats med att hitta det. När hon tänker efter noga så kanske det är ett ca fem år gammalt klipp? Schysst av Amazon att fixa det. Det äldsta klippet på Youtube för sökningen "How to delete Amazon account permanently" är från oktober 2016. Länk: https://www.youtube.com/watch?v=VS8wZP3nvSE 

Vi som pratar heter Joni Lindgren och Jasmin Yaya. 

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin. 

Producerat av Scilla Studio.

I förra avsnittet pratade vi om Churn och varför det är viktigt att mäta och försöka minska. När kunden väl vill säga upp sig kan vi skapa ett trevligt avslut för dem, ett så kallat Churnflöde. Där kan vi dels erbjuda kunden att pausa sitt medlemsskap för att kunna behålla dem, vi kan också ta reda på varför de vill säga upp sitt medlemsskap. Vi vill skapa balansen mellan att: 

- försöka behålla kunden. 

- ge dem en trevlig användarupplevelse även om det är i slutet av perioden då de är kunder. 

- lära oss mer om varför de vill sluta vara kund hos oss. 

En central del i att jobba datadrivet och kundcentrerat är att ta in feedback från kunden under hela kundens livscykel, även i slutet. Vi vill också erbjuda kunden en smidig upplevelse även i slutet. För vi vill ju att den som varit kund hos oss fortfarande kan ha en positiv eller neutral bild av företaget, även om den inte är kund längre. 

Vi använder Netflix churnflöde som exempel. I princip är ett churnflöde ett formulär med smart logik. 

Det är inte helt självklart vem i organisationen som ska äga churnflödet. Är det kundtjänst? Är det produktteamet? Är det kommunikation? Inte helt självklart. Om du jobbar som produktägare i ett produktteam där ingen i organisationen riktigt äger churnflödet, så kanske det är så att det är just du som ska ta tag i det och lägga in det i ditt teams backlog. Om du inte är produktägare är det svårare, för det krävs teknisk kompetens att skapa ett churnflöde. 

Bygg ett business case: Räkna ut hur mycket företaget förlorar på att kunder churnar såhär: 

- Ta reda på hur många som slutar vara kunder varje månad. Någon i företaget borde veta hur ni tar reda på detta. 

- Multiplicera det med vad genomsnittliga längden en är kund. 

Tre tips för dig som vill skapa ett churnflöde: 

1. Gör ett business case. 

2. Gör churnflödet tillräckligt enkelt. 

3. Gör det inte för enkelt att sluta vara kund. 

Vi som pratar heter Joni Lindgren och Jasmin Yaya. 

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin. 

Producerat av Scilla Studio.

Ett miniavsnitt är ett avsnitt där vi kort förklarar vissa begrepp. 

Det finns två sorters churn: 

Aktiv churn: När någon bestämmer sig för att "Jag vill inte vara kund längre." Och slutar betala eller avbryter sin prenumeration. Exempelvis som Jasmins exempel där hon slutade vara kund hos Netflix genom att säga upp prenumerationen. 

Passiv churn: När kunden själv inte är medveten om att de inte är kund längre. Kan även kallas för oavsiktlig churn. Exempelvis när prenumerationen betalas med et kontokort som slutar fungera. 

Det är viktigt att kunna skilja på de här olika grupperna. I och med att orsaken till att de churnar är olika, är även lösningen för dem olika. När vi vet orsaken till att en kund churnat kan vi börja jobba på ett sätt som är relevant för dem. 

Vi som pratar heter Joni Lindgren och Jasmin Yaya. 

Vill du vara med och berätta om hur ditt företag jobbar med att mäta och minska churn? Hör av dig till oss på Linkedin. 

Producerat av Scilla Studio.

Vi testar ett nytt format där vi bara berättar fritt om vad vi jobbar med just nu. Joni är frustrerad över att rekrytera till ett growth-team. Hon känner att så som hon skriver jobbannonsen hämmar vad hon egentligen vill att teamet ska kunna åstadkomma. Så hur ska vi göra när vi vill rekrytera till ett growth-team, då? Hon vände sig till gruppen Growth Hackers Sweden på Facebook och fick många bra svar och kommentarer. Jasmin är glad över att hennes team kommit så långt under hösten.

Vi som pratar heter Joni Lindgren och Jasmin Yaya. Har du frågor kan du höra av dig till oss på Linkedin. 

Producerat av Scilla Studio. 

Intresset för Growth och datadrivet arbetssätt har aldrig varit så stort som det är nu. 

Joni Lindgren och Jasmin Yaya förklarar sin bild av vad Growth är genom en egen 3-2-1-modell: 

3 områden som vi jobbar med inom growth: Retention, Monetization och Acquisition. 

2 sätt vi jobbar på: Analys av beteenden och processen High Tempo Testing. 

1 tvärfunktionellt team som gemensamt jobbar för att skapa tillväxt. 

Vem som helst kan starta en digital business, men alla lyckas inte. Datadrivet är en podd om att utveckla digitala produkter på ett smartare sätt genom att ta reda på vad som funkar bäst för din produkt och lyckas bättre än konkurrenterna. 

Vi som är dina poddvärdar heter Joni Lindgren och Jasmin Yaya. Vi har gått olika vägar och kommit till samma insikt: Att jobba datadrivet är grejen. 

Varje dag jobbar vi alla med olika saker – men hur vet vi om vi gör rätt saker och om det kommer få stor effekt? Svaret är såklart data! 

Vi ser att intresset för Growth, Growth Hacking, Growth Mindset växer. Många vill jobba datadrivet och växa, men har svårt att komma igång. Vi kommer dela tips om verktyg, taktiker, metoder, arbetssätt, ledarskap och mindset för att arbeta datadrivet. 

Du kan höra av dig till oss på Linkedin. Om du gillar podden får du gärna ge oss en rating i Apple Podcast eller skicka den till någon du tycker borde lyssna!