Jak znaleźć pierwszy „Aha! moment” w Twoim produkcie?

Tracisz większość użytkowników na etapie okresu próbnego w Twoim produkcie, a płacący użytkownicy szybko z niego rezygnują? Możliwe, że nie do końca zrozumieli lub docenili wartość Twojego rozwiązania. Nie doświadczyli prawdziwego… „Aha! moment”.

Aha! moment to kluczowy moment w Customer Journey Twojego użytkownika. To moment, w którym użytkownik zaczyna rozumieć i doświadczać, jakie korzyści może przynieść mu Twój produkt.

„Aha moment — moment nagłego uświadomienia, inspiracji, spostrzeżenia, rozpoznania czy zrozumienia.” – słownik Merriam

Jeśli Twoi użytkownicy nie będą w stanie osiągnąć „Aha! momentu” i dzięki temu stwierdzić, że Twój produkt może sprostać ich oczekiwaniom – prawdopodobnie odejdą. Aby tego uniknąć, ważne jest, aby skupić się właśnie na znalezieniu pierwszego „Aha! momentu” klienta. Brak „Aha! moment” jest silnym wskaźnikiem, że należy wprowadzić zmiany w produkcie.

W tym artykule przyjrzyjmy się bliżej jak poradzić sobie w sytuacji, gdy nie znamy „Aha! momentu” naszych użytkowników. Przedstawię Ci jak wygląda mój proces działania w takiej sytuacji – Krok po kroku, zaczynając od podstaw.

Krok 1: posłuchaj swoich użytkowników

Zawsze zaczynam od słuchania swoich użytkowników. Na start prowadzę trzy badania jakościowe, które mają dać mi bardziej całościowy obraz tego, czego użytkownicy szukali w moim produkcie i co chcieli w nim osiągnąć.

Te 3 badania jakościowe to:

1️⃣ Zadaj to pytanie podczas pierwszego kontaktu użytkownika z produktem: Co chcesz osiągnąć dzięki produktowi?

2️⃣ Przeprowadź 30 luźno ustrukturyzowanych sesji onboardingowych na żywo z nowymi klientami

3️⃣ Przeanalizuj wszystkie dostępne źródła feedbacku potencjalnych i nowych klientów (zgłoszenia do supportu, społeczność, opinie klientów itp.)

W efekcie tych przeprowadzonych badań otrzymuję taki uproszczony przykład outputu:

Najpierw przyjrzyjmy się jednak bliżej tym 3 badaniom.

1️⃣ Co chcesz osiągnąć dzięki <nazwa twojego produktu>?

To pytanie okazało się niezłym game changerem. Zadaje go użytkownikowi podczas pierwszego kontaktu z produktem (np. prosta ankieta, czat). Jeśli nie ma odpowiedzi – ponawiam to pytanie mailowo.

• Output: 50–100 sygnałów (insightów)
• Czas na zdobycie: zależy od liczby nowych użytkowników.
• Wydajność: ok. 10% odpowiedzi na wiadomości na czacie, 40% otwarć wiadomości email, 3% odpowiedzi na maila.
• Czas na podsumowanie wyników: 2,5–5 godzin (przy założeniu 3 minut na sygnał)

2️⃣ 30 sesji onboardingowych z nowymi klientami

Drugim krokiem jest poprowadzenie kilkudziesięciu sesji onboardingowych. Sesje zaczynam od nowych klientów – są oni zwykle bardziej chętni do przeprowadzenia rozmowy onboardingowej. Możesz oczywiście także spróbować rekrutować to tego procesu użytkowników, którzy nie są jeszcze twoimi klientami, ale to będzie trudny temat — nie polecam zaczynać od tego.

Każda sesja onboardingowa jest luźno zorganizowana przez naszego Customer Success Manager’a (CSM) — jest to sesja wideo, podczas której pytamy klientów o ich backround, o to, co mają nadzieję osiągnąć podczas korzystania z produktu, jakie są ich obecne przeszkody/problemy itp.

Kiedy słyszymy ich wstępne odpowiedzi, CSM przeprowadza przedstawienie podstawowych i najważniejszych funkcji produktu. Niejednokrotnie słyszeliśmy podczas tego onboardingu: „ooo, to jest to czego szukałem” itp. To był dla nas świetny sygnał sugerujące potencjalny „Aha moment”.

Następnie po każdej sesji przeglądaliśmy nagrania i zapisywaliśmy sygnały (insighty).

• Output: 7 sesji wideo, w ramach każdej bogatej w treść sesji możesz przechwycić około 50 sygnałów
• Czas na zdobycie: 1–2 tygodnie na rekrutację, 2–3 tygodnie na zaplanowane sesje. Sesje 7×30 minut = 3,5 godziny
• Czas na podsumowanie wyników: 8–12 godzin (co najmniej dwukrotność czasu sesji)

3️⃣ Analizowanie wszystkich dostępnych źródeł feedbacku

Kolejnym krokiem było przeanalizowanie wszystkich aktualnie dostępnych źródeł feedbacku od potencjalnych i nowych klientów. Przeglądaliśmy zgłoszenia z supportu, rozmowy naszej społeczność, opinie klientów itp.

Zagłębiliśmy się w problemy opisane w tych zgłoszeniach. Ważne jest, żeby odfiltrować stałych klientów i spojrzeć tylko na informacje od potencjalnych i nowych klientów.

• Output: 50–150 sygnałów (insightów)
• Czas na zdobycie: zależy od liczby zgłoszeń do supportu.
• Czas na podsumowanie wyników: 4–12 godzin. Zakładając 5 minut na zgłoszenie do supportu, aby zrozumieć i przechwycić sygnały.

Finalnie otrzymałem 150–300 ustrukturyzowanych sygnałów od naszych użytkowników –  uporządkowanych według trudności dla użytkownika, kategori, obszarów itp. Pomogło to w późniejszej analizie.

Krok 2: analiza danych

Wiemy już, jakie trudności i obszary pojawiły się w insightach od użytkowników. Zwykle mamy tu też poczucie, które z nich są rzeczywiście silnie powiązane z tym, by klienci mogli łatwo zrozumieć wartość mojego produktu.

Warto sobie jednak zadać kilka dodatkowych pytań, które wyodrębnią nam realne akcje użytkownika porwadzące do „Aha! moment”:

• W jaki sposób te zidentyfikowane trudności przekładają się na działania, które można lub należy wykonać w moim produkcie?
• Czy przychodzą mi do głowy jakieś konkretne metryki, które mogą o „Aha! Moment” świadczyć?

Wybieram wtedy 5–7 najlepszych działań, które moim zdaniem pomogą klientom podczas onboardingu i sprawią, ze klienci dalej  będą korzystali z mojego produktu.

Tak wygląda taka analiza, którą prowadzę razem z zespołem:

1️⃣ Analiza retencji

Wybieramy  grupę klientów, którzy zaczęli nam płacić (np. 90–180 dni temu) i analizujemy ich retencję.

Oto przykładowy wynik tej analizy:

Liczba użytkowników: 3 000

* W przykładzie powyżej zakładam tylko 1 segment klientów, a pokazane liczby są tylko przybliżone.

Na podstawie tej krótkiej analizy otrzymaliśmy mocnych kandydatów do pierwszego zestawu potencjalnych akcji wywołujących „Aha! moment”. Dla powyższego przykładu były to akcje 1, 2 i 5.

2️⃣ Analiza płatności

W kolejnym kroku sprawdziliśmy, które z tych trzech wybranych akcji także wyróżniały się dobrym współczynnikiem konwersji z wersji próbnej (trial) do płatnej.

Do analizy wybraliśmy grupę klientów, którzy rozpoczęli okres próbny ok. 30-60 dni temu.

Oto przykładowy wyniki tej analizy:

Liczba użytkowników: wersji próbnej: 10 000

W powyższym przykładzie uzyskałem 2 kluczowe spostrzeżenia:

• Zarówno analiza retencji, jak i płatności sugeruje, że Akcja 1 i 5 to akcje których ukończonenie potencjlanie wywołuje „Aha! moment” u użytkowników.
• Gdy wykonywana jest Akcja 2, dzieje się coś niesamowitego, ale widać że są jakieś blokery w procesie onboardingowym, które należy usunąć. Potem możemy przeanalizować ponownie tę akcję w przyszłości. Być może jest to również kluczowa akcja do wykonania, by uzyskać „Aha! moment”.

3️⃣ Nieoczywiste akcje

Poza spojrzeniem w dane – warto również zadać sobie dodatkowe pytanie — czy istnieją w naszym produkcie jakieś dodatkowe akcje, które klienci powinni wykonywać podczas onboardingu? Akcje, które powinny wywoływać „Aha! Moment”?

Nie pomijaj tej części. Czasem sama naliza danych nie wystarczy.

Dalsze analizy? Zatrzymaj się

Możesz dalej analizować różne kwestie związane z „Aha moment”. Możesz przeanalizować kombinacje poszczególnych akcji, możesz przeprowadzić dodaktowe badania na potencjalnych klientach z zespołem marketingu, możesz poszukać nieoczywistych akcji w oparciu o swoją intuicję.

Możesz to zrobić, ale… na start nie warto! Jeśli dopiero zaczynasz z poszukiwaniami „Aha! Momentu!” skoncentruj się na najważniejszych działaniach i wystartuj z czymś prostym. Te kilka pierwszych kroków, które pokazałem w artykule i tak są już ogromnym przedsięwzięciem na początek.

Czy to jest mocno naukowe podejście? Nie. Czy wyników nie da się podważyć? Da się. Czy radykalnie zmieni to Twoje postrzeganie potrzeb klientów i potencjalnie zwiększy Twoje przychody? Zdecydowanie TAK!

Zaczynajmy!

Mam nadzieję, że powyższe wskazówki pomogą Ci lepiej zrozumieć, w jaki sposób możesz podejść do znalezienia pierwszego „Aha! momentu” w swoim produkcie. Pomoże Ci to postawić odpowiednie hipotezy i finlanie zbudować onboarding w produkcie na podstawie znalezionych realnych sygnałów, a nie tylko przeczuć. Zaczynamy!