Ürün-Değer Uyumu (Gerçek PMF)

Bir ekibe “ürününüz ne işe yarıyor?” diye sorun; büyük ihtimalle bir kategori adı alırsınız: “Biz bir CRM'iz.” “Biz bir insan kaynakları platformuyuz.” Sonra aynı soruyu en iyi müşterilerine sorun. Cevaplar kategoriye benzemez, daha çok şöyle olur: “Ay sonu mutabakatı iki günden yarım güne indirdi.” “Yeni gelen satışçıyı ilk haftada telefona oturttu.”

Kategori adı sizin kendinize anlattığınız hikâyedir. Müşterinin anlattığı ise uyumun gerçek tarifidir. Ürün-değer uyumu, o ikinci cümleyi bulup mühendislik, satış ve pazarlamanın ortak diline çevirme işidir.

Ne zaman ihtiyacınız var?

PMF sinyalleri görmeye başladıktan sonra, ama ölçeklemeye geçmeden önce. Somut işaretler:

• Bazı müşteriler ürünü seviyor, bazıları denemekle yetiniyor ve aradaki farkı açıklayamıyorsunuz.
• Satış, pazarlama ve ürün ekipleri “ideal müşteri” konusunda farklı tanımlar kullanıyor.
• Onboarding herkese aynı akışı gösteriyor, ama yalnızca bazı kullanıcılar “aha” anına ulaşıyor.
• Yeni işe alınan biri ürünü bir cümleyle anlatamıyor.

Erken olduğu durum: henüz hiçbir kullanıcı grubunda belirgin bir bağlılık yoksa, uyumu tanımlamaya çalışmak spekülasyon olur. Önce fit'in izini bulun; onu tanımlamak sonraki iştir. Fit'in kanıtını arama disiplini, PMF arayışı yazısının konusu.

Çoğu ekibin atladığı nokta

Ekipler uyumu bir “evet/hayır” bilgisi sanır. Ürün-değer uyumu aslında bir sınır haritasıdır. Ürün bazı kişiler için, bazı koşullarda, belirli bir işte harika çalışır; başka koşullarda zayıftır. Bu sınırı çizmeyen ekip, hem ürünü hem satışı herkese göre ayarlamaya çalışır ve ortalamada kaybolur.

Clayton Christensen'ın Jobs-to-be-Done çerçevesi bu noktada işe yarar çünkü bir kişiyi değil, bir durumu tarif eder. Yaygın kullanılan kalıp şöyle: “[Belirli bir durumda] olduğumda, [bir ilerleme] sağlamak istiyorum ki [bir sonuç] olsun.” Aynı kişi bir durumda ürününüzü işe alır, başka bir durumda almaz. Uyum, kişiyle değil, kişinin içinde bulunduğu durumla kurulur.

Uyum bir müşteri etiketi değil, bir durum tarifidir: kim, hangi anda, hangi işi bitirmeye çalışırken.

Bir sahne düşünün. İki ekip aynı fatura otomasyonunu kullanıyor. Birincisi ay sonunda yüzlerce faturayı iki kişiyle kapatmaya çalışan bir muhasebe ofisi; ikincisi ayda otuz fatura kesen bir ajans. Aynı ürün, aynı özellikler. Birincisi için ürün bir iş yükü kurtarıcısı, ikincisi için “güzel olur” düzeyinde bir kolaylık. Retention eğrileri de büyük ihtimalle ayrışır. Siz bunları ayrı tanımlamadığınız sürece, ortalama tablo ikisini de yanlış anlatır.

Bu çerçeve aynı zamanda sınırı pazarlama açısından netleştirir. “Kimler için değilsiniz?” sorusunu cevaplayabilen bir ekip, doğru olmayan müşteriyi baştan filtreler; bu da churn'ü ve destek yükünü düşürür. Satış ekibine “herkes aday” demek, kısa vadede pipeline'ı şişirir, orta vadede iptal oranını.

Bu yazının PMF yazısından farkı şu: PMF “var mı?” sorusudur, ürün-değer uyumu “tam olarak neyin, kimin için, neden var olduğu?” sorusudur. İkincisini cevaplayamazsanız birincisini tekrar üretemezsiniz.

Uygulama planı

1. En iyi kullanıcıları davranışla tanımlayın

“En iyi” demek, en çok ödeyen ya da en çok konuşan demek değil. Retention'ı yüksek, ürünü iş akışının merkezine koymuş, kendiliğinden tavsiye eden kullanıcıları belirleyin. Genellikle toplamın küçük bir dilimidir ve önemli olan, onların ortak özelliklerini bulmak: hangi rol, hangi ölçek, hangi mevcut araç, hangi tetikleyici. Ortak özellik bulunmuyorsa, tanımlanacak bir uyum henüz yok demektir; bu da değerli bir bulgudur.

2. Satın alma anını çözün

Bu kullanıcılar ürüne neden o gün geldi? Önceki çözümlerinden ne bırakıldı, hangi olay tetikledi? Her görüşmede “ne oldu da arama başladınız?” sorusunu sorun. Tetikleyici olay, durum tarifinizin ilk yarısıdır ve çoğu zaman pazarlama mesajınızı da belirler: insanlar kategori aramaz, yaşadıkları olaya çözüm arar.

3. İlerleme ve bedeli ayırın

Kullanıcı hangi ilerlemeyi bekliyordu ve hangi bedelleri göze aldı: öğrenme eforu, veri taşıma, ekip içi ikna, alışkanlık değişikliği? Değerin iki yanını da çıkarın. Bedelin yüksek olduğu yerde, ilerleme çok büyükse uyum oluşur; yoksa kullanıcı denemeyi bırakır.

4. Uyum cümlesini yazın

“[Belirli rol], [belirli bir tetikleyici] sonrası, [belirli işi] [belirli engel] varken yapmak istiyor; ürünümüz [somut sonucu] sağlıyor.” Bu cümleyi iki farklı ekip üyesine okutun ve aynı müşteriyi hayal edip etmediklerine bakın.

5. Uyumu ürün, fiyat ve onboarding'e yayın

Onboarding'i uyum cümlesindeki sonuca götüren en kısa yola göre yeniden çizin. Uygun olmayan segment için ya ayrı bir yol açın ya da kibarca yönlendirin. Fiyatlama paketlerini de bu durumun değerine bağlayın, özellik sayısına değil.

Neyi ölçmeli?

• Segment bazlı aktivasyon oranı: Uyum cümlenize uyan kullanıcıların ilk değer anına ulaşma oranı. Öncü gösterge.
• Uyumlu ve uyumsuz segment retention farkı: Tanımınızın gerçekten ayrıştırıp ayrıştırmadığının testi.
• Satış kazanma oranı, uyum puanına göre: Fırsatları uyum seviyesine göre etiketleyin; kazanma oranı ayrışıyorsa tanım işe yarıyor.
• Destek biletinin müşteri başına yükü: Uyumsuz müşteriler genelde en çok destek isteyenlerdir.

Tuzaklar

Demografik tarif. “30-45 yaş, yönetici” bir durum değildir. Demografi, davranışın gölgesidir; asıl tarif, ne yapmaya çalıştıklarıdır.

Herkesi uyumlu saymak. Satış hedefi baskısı yüzünden sınırı esnetmek. Bugün kazandığınız uyumsuz müşteri, altı ay sonra hem churn hem referans olarak size geri döner.

Tanımı bir kez yazıp kaldırmak. Pazar ve ürün değiştikçe uyum cümlesi de eskir. Üç ayda bir, en yeni en iyi müşterilerle yeniden sınayın.

Yapay zekâ çağında bu strateji

Yapay zekâ ürünlerinde ilk kullanım merakla şişebilir. İnsanlar yeni bir şeyi denemek için kayıt olur, birkaç ay oynar ve gider; erken aylardaki retention eğrisi bu yüzden uyumu olduğundan güçlü gösterebilir.

Daha sağlam bir kanıt, retention eğrisinin düzleştiği seviyedir: meraklılar gittikten sonra kalan kullanıcı tabanı. a16z'nin analizine göre incelenen eğriler çoğunlukla üçüncü ay civarında düzleşiyor; düzleşmenin nerede başladığı ürünün ne kadar geniş kullanıldığına ve paywall'ın nasıl kurulduğuna bağlı. Örneklem, yıllık yinelenen geliri 1 milyon doları aşan, seçilmiş düzinelerce yapay zekâ şirketi. Kendi eğrinizin nerede düzleştiğini kendi cohort matrisinizde görebilirsiniz.

Pratik kural. Eğriyi uyum cümlenize uyan ve uymayan segmentlere bölün; düzleşmenin hangi seviyede ve hangi ayda başladığını ikisi için ayrı okuyun.

Bizim yorumumuz: küçük ama düzleşen bir çekirdek, büyük ve sürekli akan bir kullanıcı kitlesinden daha değerli bir uyum izi olabilir. İlk aylardaki hacim, çekirdeğin ne kadar büyüyebileceğini söylemez.

Bu hafta başlayın

1. En iyi sekiz müşterinizi seçin ve her birine “ürünü aramaya başlamanızı tetikleyen olay neydi?” sorusunu sorun.
2. Cevaplardan tek bir uyum cümlesi taslağı yazın ve satış, ürün ve pazarlamadan birer kişiye okutarak aynı müşteriyi düşünüp düşünmediklerini kontrol edin.
3. Son 30 günde kaybettiğiniz üç müşteriyi bu cümleye göre değerlendirin: uyumsuz muydular, yoksa uyumlu olup başka bir sorun mu vardı?