Vergeet bouwen-meten-leren, gebruik experimenteercycli

Als business coach bij Global School for Entrepreneurship begeleidt Jeroen Coelen studenten bij hun start-up reis. Hij biedt coaching aan waarbij studenten eerlijke feedback, inspiratie en relevant advies kunnen verwachten. Jeroen gebruikt zijn expertise in het navigeren door de vroege stadia van start-ups om studenten te inspireren om met vertrouwen nieuwe ondernemingen te beginnen. Met zijn blogs geeft Jeroen praktische tips voor het ontwikkelen van probleemgerichte oplossingen, stelt hij manieren voor om je klanten beter te begrijpen en beveelt hij kaders aan die helpen de chaos van start-ups te begrijpen. We zijn blij dat we Jeroen's blogs mogen hosten, omdat ze unieke inzichten geven over de aard van het opstartproces, lees hieronder verder.

n deze editie:

• Waarom bouwen-meten-leren niet altijd werkt
• Hoe experimentele cycli het leren vervroegen
• Bonus: Job to be Done lezing

Vergeet bouwen-meten-leren

Build-Learn-Learn (BML) klinkt goed op papier, maar in de praktijk loopt het vaak scheef (zie onderstaande afbeelding).

 

Ik zie vaak dat oprichters het grootste deel van hun tijd besteden aan bouwen, veel minder aan meten en niet aan leren. Oh nee, waarom zou dat slecht zijn?

Nou om te beginnen, te veel tijd doorbrengen met bouwen brengt je in de "vals gevoel van vooruitgang"-valstrik. Als je aan het bouwen bent, is er niets dat zegt: dit zuigt. (Ik sluit bugs op foutieve code uit)

Naast buggy code ben jij de enige feedback loop en het is verleidelijk om mild te zijn voor jezelf.

De risico's van pre-product-markt-fit startups gaan vaak niet over technische haalbaarheid, terwijl "bouwen" meestal de onzekerheid over het haalbaarheidsaspect van een startup-idee verzacht.

Focus op leren in plaats van bouwen

BML bevat geen expliciete stap die benadrukt: "Wat moeten we nu leren?" Ook al heeft Ries het over risicovolle aannames, de build-measure-learn loop is er niet expliciet aan gekoppeld.

In de praktijk kan dit leiden tot ongeleide iteraties die nergens toe leiden, terwijl risicovolle veronderstellingen een geweldig voertuig zijn voor gericht leren.

Met behulp van de experimentele cycluszal je focus verschuiving van bouwen naar leren. Ik haat acroniemen, dus ik ga het niet de IDEE-cyclus noemen, maar je mag het wel, ik sta het toe.

Wanneer beginnen met experimentele cycli?

Je kunt geen riskante veronderstellingen formuleren over een onduidelijk concept, ik schrijf hierover uitgebreid hier. De enige risicovolle aannames in het stadium van de "fuzzy chaos" zijn "is er een probleem op te lossen?" of "kunnen we iets toevoegen om waarde te creëren?".

Deze risicovolle veronderstellingen zijn zo breed dat, naar mijn ervaring, gewoon praten met veel klanten en belanghebbenden je het beste helpt om door die vage chaos te navigeren. Op een gegeven moment zul je ervaren dat je kunt gaan nadenken over concrete waardeproposities. Dat is je cue.

Een kort overzicht van de experimentele cyclus

1. Selecteer risicovolle veronderstelling

Kijk eens naar je startup concept. Dat kan via vele lenzen, zoals de BM-toolkit, Business Model Canvas, Wenselijkheid-Betrouwbaarheid-Haalbaarheid, Lean Canvas. Allemaal bedoeld om structurele gebreken in jouw bedrijf aan het licht te brengen. Elke bouwsteen is een veronderstelling.

Risicovolle veronderstelling: Stelling die waar moet zijn voor het succes van je startup waarvoor je geen bewijs hebt om te controleren of ze waar zijn.

Mijn ervaring is dat 9 van de 10 keer de meest riskante aannames bij een startup in een vroeg stadium draaien om wenselijkheid. Daarom haat ik de focus van het bouwen van uitgebreide prototypes.

Tip: Wees niet mild, maar eerlijk. Als je een fietsabonnement idee hebt, zeg dan niet als riskante veronderstelling "Mensen gebruiken hun fiets in hun leven om zich te verplaatsen" als je in Nederland woont. Natuurlijk moet dat waar zijn, maar het is waar als je maar één keer uit je raam kijkt. Geen experiment nodig. "Mensen zijn bereid een abonnement te betalen voor een fiets" was veel riskanter voor De begindagen van Swapfiets.

2. Ontwerp experiment

Zoek uit welk experiment gegevens oplevert die je helpen het risico in jouw risicovolle veronderstelling te verminderen.

Er zijn veel experimenten ter inspiratie kijk in het boek 'Testing Business Ideas'. Het selecteren van het juiste experiment voor de risicovolle aanname kan soms lastig zijn. Dit is een intuïtieve spier om te trainen.

Gebruik een 'testkaart' (PDF) om je experimentele opstelling vast te leggen. Ze zijn heel kort en superhandig om zeker te zijn dat je alle vakjes bedekt.

Tips voor maatregelen

"Niet alles wat telt kan geteld worden, en niet alles wat geteld kan worden telt." - Cameron (1963)

Let vooral op de maatregel. Gekwantificeerde maatregelen worden overschat. Soms moet je gewoon dingen observeren.

Meet niet alleen scans op een QR-code op een flyer als je ook de reactie van mensen tijdens het lezen van die flyer kunt observeren. Beide zijn even waardevol.

3. Experiment uitvoeren

Doe je ding. Misschien faal je wel. Dat is niet erg.

4. Evalueer het experiment

Gebruik een leerkaart (PDF) om je resultaten te verwerken. Bespreek met je team. Hoe moeten we de gegevens interpreteren? Wat zijn de implicaties van dit resultaat?

"We hebben gelijk als" is geen heilige graal

Neem je 'wij-zijn-juist-als'-punt van je testkaart niet te serieus. Dat afkappunt is slechts een sonde voor reflectie voor jezelf.

Een food startup die ik coachte had een experiment waarbij ze de verkoop via Instagram wilden verhogen. Hun 'wij hebben gelijk als': 25 maaltijden verkopen op 1 dag. Ze liepen echter tegen een productielimiet van 16 aan. Dat betekent: Ze waren uitverkocht, voor de allereerste keer.

Ze hebben hun doel niet gehaald. Is dat niet een zeer geslaagd experiment, om uit te verkopen? Nu leerden ze over hun productiecapaciteiten. Het volgende experiment was gericht op het uitbreiden van die capaciteiten.

Bonus: Diepe duik in het werk dat gedaan moet worden

Heb je gezien Christensen's Milkshake video? Wilt je meer weten over de te verrichten werkzaamheden? In deze lezingleg ik hiërarchieën van functies uit en hoe je functies kunt vinden in je gegevens.