Do nové epizody DesignDev podcastu si Dominik pozval Tomáše Vovese, Product Growth Team Leadera v Livesportu. Tomáš patří mezi lidi, kteří v Livesportu vybudovali A/B testing od úplného začátku a dnes vede tým, který pomáhá rozhodovat o vývoji produktu na základě dat.
Livesport dnes působí ve více než 50 zemích a má přes 155 milionů měsíčních uživatelů. V takovém měřítku už nejde spoléhat na odhad. Každá změna musí dávat smysl nejen produktově, ale i byznysově.
Tomáš u toho byl od začátku. Přišel do firmy jako první CRO specialista, kdy experimentování ještě nebylo standardní součástí vývoje. Dnes vede Product Growth tým a A/B testing je přirozenou součástí rozhodování napříč firmou.
V epizodě jsme se bavili o tom, jak se taková změna buduje, co funguje v praxi a kde firmy nejčastěji naráží.
Livesport začínal bez nástrojů, bez procesů a bez infrastruktury. První testy běžely přes bezplatné nástroje a hlavním zdrojem byl čas a iniciativa.
Klíčovou roli sehrála systematická dokumentace a postupné zapojení dalších týmů. Dnes je experimentování součástí vývoje většiny nových funkcí.
Jedna z důležitých myšlenek: kultura experimentování nevznikne zavedením nástroje. Vzniká postupně, díky důvěře ve výsledky a sdílení poznatků napříč firmou.
Velká část experimentů nepotvrdí původní očekávání. Přesto mají hodnotu.
Pomáhají vyloučit řešení, která by jinak stála týdny nebo měsíce vývoje. Týmy tak mohou upravit směr včas a soustředit se na to, co skutečně funguje.
Jak Tomáš říká, největší přínos není jen v nalezení lepší varianty, ale v tom, že firma ví, jakým směrem se nevydat.
Každý test začíná jasně definovanou hypotézou a očekávaným výsledkem. Tým si předem určí, co přesně chce ověřit a jak pozná, že test splnil svůj účel.
Důležitou součástí je i sdílení výsledků. Livesport má otevřenou dokumentaci experimentů, ke které mají přístup ostatní týmy. Díky tomu mohou navazovat na předchozí poznatky a vyhnout se opakování stejných slepých cest.
AI dnes v Livesportu pomáhá například s přípravou experimentů a dokumentace. Díky historickým datům dokáže navrhovat strukturu testů nebo pomoci s formulací hypotéz.
Výsledkem je více času na samotné rozhodování a méně času na administrativu.
Tomáš zároveň zdůrazňuje, že největší přínos AI vidí právě v generování nových hypotéz a hledání příležitostí, které by jinak zůstaly přehlédnuté.
Jeden článek nikdy nestačí. Vybrali jsme další, které vás posunou zase o kus dál.
Existuje spousta názorů na to, jak je výzkum důležitý při vytváření produktů. Někteří tvrdí, že inovátoři nepotřebují znát potřeby uživatelů, protože inovátoři se nesmí ptát. Často přitom svým způsobem interpretují výroky Forda či Jobse. Jiní naopak tvrdí, že bez výzkumu není možné dělat správná rozhodnutí. Ale která cesta je ta správná?
Je super, když se můžete setkat s uživateli vašeho produktu a otestovat s nimi první prototyp či získat pohled toho, jak vaše cílová skupina přemýšlí, jaké starosti je trápí a jaké jsou jejich cíle. Práce s respondenty ale také může přinášet řadu problémů. V tomto článku se podíváme na ty, které nejčastěji řešíme a jak se jim snažíme předcházet.
