27 episodes

Allt om digital tillväxt och att jobba datadrivet med Joni Lindgren och Jasmin Yaya på scilla.studio.

Datadrivet Joni Lindgren & Jasmin Yaya

    • Technology

Allt om digital tillväxt och att jobba datadrivet med Joni Lindgren och Jasmin Yaya på scilla.studio.

    Så har Dreams lyckats sprida insikter till hela organisationen — Intervju med Kathleen Asjes, Head of Research & Insights på Dreams

    Så har Dreams lyckats sprida insikter till hela organisationen — Intervju med Kathleen Asjes, Head of Research & Insights på Dreams

    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.

    • 36 min
    Eatit: "Vi har lärt oss att det viktiga är att fokusera på användarnas problem, inte sälj eller investeringar" — Theresia Silander, VD och grundare på Eatit

    Eatit: "Vi har lärt oss att det viktiga är att fokusera på användarnas problem, inte sälj eller investeringar" — Theresia Silander, VD och grundare på Eatit

    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.

    • 49 min
    Kalla det inte för growth-team

    Kalla det inte för growth-team

    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.

    • 21 min
    Roller i experiment-team

    Roller i experiment-team

    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.

    • 7 min
    När Joni fick en WOW-upplevelse av data

    När Joni fick en WOW-upplevelse av data

    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.

    • 9 min
    Så kommer du igång med experiment

    Så kommer du igång med experiment

    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.

    • 32 min

Top Podcasts In Technology

Listeners Also Subscribed To