Lean Startup und Innovation

Beim bauen neuer Produkte oder beim Gründen eines neuen Unternehmens welches neue Produkte oder Dienstleistungen an den Markt bringen möchte, muss man sich im klaren sein, dass folgende 2 Punkte unbekannt sind:

1. Die Probleme die es zu lösen gilt

2. Die Lösung zur Behebung der Probleme

Es existiert eine Vorstellung der oben genannten Punkte jedoch müssen die 2 Punkte reifen. Da diese 2 Punkte so ungewiss sind, können sie auch nicht mir herkömmlichen Management Methoden angegangen werden, da diese Methoden auf historische Daten zurückgreifen.

Das Ziel eines Startups ist es so schnell wie möglich herauszufinden, welches Produkt, welcher Service gebaut werden muss, der die Probleme der Kunden löst und wofür die Kunden auch bezahlen (mit Geld, Informationen, Aufmerksamkeit, etc).

Ein Startup ist eine Unternehmung, die so aufgestellt ist, dass sie ein neues Produkt oder Service, eine Innovation, unter extremer Unsicherheit hervorbringt.

Die Lean Startup Methode gibt die Prozesse vor, die benötigt werden um aus Visionen, Ideen und Konzepten, Innovationen zu generieren. Die Lean Startup Methode gibt Hilfestellung bei der:

Planung: Identifikation der Arbeitsschritte im Innovations-Prozess
Durchführung: Methoden (Best Practices), Prozesse, Verantwortlichkeiten für Erfolgs-Meilensteine

Der Unterschied zwischen Erfolg und Misserfolg liegt in dem Wissen, bzw. der Fähigkeit herauszufinden, welche Teile eines Plans funktionieren und welche nicht.

Von bewusst nach unbewusst

Wenn nun Problem, Lösung und auch die Kunden so unbekannt sind, mit welcher „Konstante“ kann man denn beginnen. Die Antwort: Die Vision!

Vision: ändert sich kaum
Strategy: kann sich ändern/ drehen (pivot); die richtigen Fragen stellen
Produkt: wird ständig optimiert

Die Aufgabe ist es ein Synthese zwischen Unternehmensvision uns was Kunden akzeptieren zu finden.

Hierzu muss ein Unternehmer eine Organisation bauen, die die aus der Vision & Strategie gewachsenen Annahmen und Ideen systematisch testen kann.

Kunden: Denn Sie wissen nicht was Sie wollen

Lösungen beheben Probleme von Kunden. Jedoch wissen die Kunden meisten nicht was sie wollen, und nicht alles was Kunden verlangen ist das was sie wirklich wollen. Man muss die Wünsche der Kunden erahnen. Das heisst nicht, dass man die Wünsche der Kunden missachten soll, im Gegenteil, mann muss sich sogar darauf fokussieren. Es ist wichtig zwischen den Zeilen zu lesen, und die Wünsche der Kunden die sie meist selbst nich artikulieren können müssen mit Kunden getestet werden.

Es gibt jedoch 2 gute Nachrichten:

Das Verhaltung der Kunden ist messbar
Das Verhalten der Kunden ist änderbar

Durch initiale Kundenergründungen (z.B. Telefonate und Interviews) können Kunden-Typen (sogenannte Buyer Personas) erstellt werden, die es erlauben den potentiellen Kunden und seine Probleme zu verstehen.

Bevor die Diffusion einer Innovation erreicht werden kann (verkauf in den Massenmarkt), sind es zunächst die ersten Kunden, die Early Adopters, auf die man sich fokussieren sollten. Diese stehen neuen Dingen meistens offen gegenüber und geben auch das beste Feedback. Sie geben sich auch mit nicht ausgereiften Produkten zufrieden. Sie suchen früh nach einem Wettbewerbsvorteil.

Ideen -> Entwickeln -> Produkt -> Messen -> Daten -> Lernen

Die Lean Startup Methodik lehrt, wie man ein Startup führt. Anstatt komplexe Pläne zu erstellen, die auf Annahmen basieren, kann man mit den Entwickeln – Messen – Lernen Wiederholungen kontinuierlich Anpassungen durchführen. Die Laufzeit durch den Feeback Loop sollte so gering wie möglich sein.

Die Planung des Build-Measure-Learn verläuft jedoch ihn gegengesetzter Richtung:

Man legt fest was man Lernen möchte
Mit Innovation Accounting wird festgelegt was gemessen werden muss um validiertes Lernen zu erhalten
Man leg fest welches Produkt entwickelt werden soll um das Experiment laufen zu lassen.

1. Ideen

Vertrauensvorschuss Annahmen (Leaf of Faith Assumptions):

Wert-Hypothese: Testet ob ein Produkt oder Dienstleistung einen Wert für den Kunden liefert
Wachstums-Hypothese: Testet wie neue Kunden auf ein Produkt aufmerksam werden. Die ersten Kunden sollten die sogenannten Early Adopters sein.

Jede Idee ist eine Annahme, denn erst nach dem Testen mit den Kunden kann die Idee validiert werden. Diese Annahmen/ Ideen sollten sich an der Vision des Unternehmens ausrichten.

Strategische Entscheidung und somit die Ausrichtung der Annahmen und Ideen basiert auf Kundenverständnis, Kundenfeedback und Kundenbeobachtungen. Kundennähe und Kundeninformationen aus erster Hand sind wichtige Bestandteile für erfolgreiche Innovationen.

2. Entwickeln -> Produkt

Aus Ideen werden sogenannte Minimum Viable Produkte entwickeln. Diese haben das Hauptziel die oben genannten Hypothesen zu testen.

Minimum Viable Produkt (MVP) entwickeln:

Mit einem MVP messen was Kunden tatsächlich mit einem Produkt machen
Wenn Experimente negativ sind, daraus lernen, und die Strategie anpassen
Auf Kundenfeedback hören
Der MVP muss Funktionen beinhalten um die Auswirkungen zu messen

Ein MVP besteht nur aus den Bestandteilen die es benötig,t um eine neue Hypothese zu testen. Alles andere ist Abfall (Waste).

Die wichtigste Fragen die ein MVP (in den meisten Fällen) beantworten sollte ist:

Was muss getan werden, damit Benutzer mit dem Produkt kontinuierlich interagieren und diesen Ihren Freunden weitererzählen?

Wenn wir nicht wissen wer der Kunde ist, wissen wir auch nicht was Qualität ist.

Bei größeren Unternehmen mit bekaannten Marken können nicht ausgereifte MVPs „schaden“ anrichten. Hier besteht die Möglichkeit die MVPs vorerst unter einer eigenen Marke zu testen.

Experiment (wo gehört da hin, zu Build?)

Durch Experimente werden Business Pläne in Ihre Einzelteile zerlegt und jedes Einzelteil kann empirisch getestet werden. Jedes Produkt, jedes Feature, jede Marketing Campagne, alles was ein Startup macht, ist ein Experiment um validiertes Lernen zu erhalten.

Experimente testen die Strategie des Startups.

Experimente folgen einem wissenschaftlichem Ablauf:

Hypothese aufstellen mit Vorhersagen
Die Vorhersagen empirisch testen
Wissenschaftliche Exprimente basieren auf einer Theory, im Startup ist die Vision die Theorie

Experimente liefern schnellere uns bessere Ergebnisse als Markforschungen, da Kunden meistens nicht wissen, was sie wollen. Experimente liefern:

Akkurate Daten über Kunden, da echtes Kundenverhalten beobachtet wird und nicht hypothetische Fragen gestellt werden
Möglichkeiten der Interaktion mit dem Kunden da dieser bereits mit dem PRodutk interagiert. So lernt man mehr über deren Bedürfnisse und Wünsche
mehr informationen als Marktforschungen könnten, da ein Kundenverhalten nicht vorhersagbar durch eine Marktforschung ist.

3. Messen -> Daten (Measure -> Data)

Messen wie Kunden auf auf Produkt reagieren. Hierzu muss man sicherstellen, dass man Kunden hat die das Produkt haben wollen und eventuell auch bereit sind dafür zu bezahlen.

Normales Account wie in gestandenden Firmen funktioniert nicht bei Startups, da Erfahrungswerte fehlen. Startups sind so unvorherssehbar, dass Forecasts und Milensteine wenig Sinn machen.

Innovations-Accounting

Quantitatives Vorgehen um zu sehen ob Annahmen Früchte tragen

3 Lern-Meilensteine

Baseline erstellen: Echte Daten durch ein MVP erhalten. Die riskantesten Annahmen zuerst testen.
Wachstumsmotor tunen: Von Baseline zum Ideal (Business Plan) bewegen durch Iterationen bis zu einem Entscheidungspunkt. Um validiertes Lernen zu beweisen, muss jede Änderung eine positive Änderung in einer Metrik bewirken.
Weitermachen (persevere) oder Umdrehen (pivot): Ab hier sollte die Lernkurve wieder ansteigen.

Lean Starup Unternehmen haben eine klaren Baseline, einer Hypothese wie eine Metrik verbessert werden kann und einer Reihe von Experimenten um diese Hypothese zu testen.

Cohort Analysen

Cohort Analysen sind eines der wichtigsten Tools für Startups. Anstatt sich Gesamtsummen anzuschauen, vergleicht man Kundengruppen die mit dem Produkt in Kontakt kommen.

z.B Registrierte Nutzer vs. Nutzer mit Aktivität vs. Zahlende Nutzer (Zahlen am Ende des Funnels sind am wichtigsten)

Mit Cohort Analysen kann man auch besser mit Kunden sprechen, denn diese erlauben es die richtigen Fragen zu stellen.

Eitle Metriken & Actionable Metriken

Eitle Metriken (und deren Darstellung) geben ein rosiges Bild der Situation wieder. Diese Metriken sind meistens Gesamtsummen (z.B. Anzahl Benutzer, etc) die jedoch nichts über die Effektivität des Unternehmens aussagen.
Actionable Metriken (und deren Darstellung) geben Auskunft über den Erfolg des Unternehmens und der 3 Lern-Meilensteine (z.B. in Cohort Analysen, Metrik: Anzahl Benutzer in %)

Eigenschaften von Metriken:

Verfolgbar (actionable): Reports mir actionable Metriken zeigen einen klaren Ursache Wirkung Effekt. Welche Aktionen sind erforderlich um das Resultat zu wiederholen?
Zugänglich (accessible): Reports so einfach machen, dass Sie jeder versteht (siehe Beispiel Cohort Analyse)
Prüfbar (auditable): Daten und Reports sollten glaubwürdig sein. Die Erkenntnisse der Daten sollen auf jeden Fall auch mit Kunden besprochen werden um auch zu erfahren warum die Kunden sich die Kunden so verhalten wie die Daten es andeuten.

Beispiel Metriken (als eitel und actionable verwendbar):

Conversion Rates
Sign Ups/ Registrierungen
Sign Ins
Trials
Customer Lifetime Value
Activation Rate
Wiederholte Anwendung
Verkäufe

Split Tests

Split Tests sind Experimente in denen Kunden zur gleichen Zeit verschiedene Versionen vom Produkt erhalten. Somit lässt sich besser lernen, als wenn die Versionen nacheinander zur Verfügung gestellt werden. Eine zeitliche Differenz erhöht die Komplexität und die Einflussfaktoren können sich ändern.

Kanban

Kanban ist ein Prinzip des Lean Manufacturing. Für das Lean Srartup kann diese Unterteilung Sinnvoll sein (wobei pro Status immer eine Maximale Anzahl von Items sein darf, z.B. 3):

Backlog: Userstories wie in Scrum
In Entwicklung
Gebaut/ Erledigt
Validiertes Lernen: durch Splittests oder Kundenbefragung ein validiertes Ergebnis erhalten

Durch dieses System schafft man es, dass auch die Entwickler ein Interesse an dem Validierten Lernen haben, da ohne die Validierung die Pipeline nicht bearbeitet werden kann.

6. Lernen -> Ideen

WEnn man keine Fehler macht (oder machen darf), kann man nicht Lernen!

Lernen ist eine der vitalsten Funktionen in einem Startup. Durch kontinuierliches Lernen bring man in Erfahrung, welche Teile der Strategie funktionieren, um die Unternehmensvision zu erreichen. Man muss lernen was Kunden wirklich wollen, und nicht was sie sagen, dass Sie wollen. Man muss lernen herauszufinden ob man sich noch auf dem richtigen Weg befindet.

Experimente/ Beobachtungen bringen mehr als Focus Gruppen und Market Research. Kunden können nicht sagen was sie wollen, die Wahrheit kommt ans Tageslicht durch Aktionen oder Inaktionen der Kunden mit der Dienstleistung/ dem Produkt.

Zentrale Frage: Welche Aktivitäten generieren Mehrwerte welche sind Verschwenderisch? Mehrwerte sind Benefits für den Kunden. Man muss lernen was Mehrwerte für seine Kunden schafft.

Aus den Messungen lernen ob man weiter durchhält (Persevere) oder sich dreht (Pivot).

Validiertes, systematisches Lernen:

Methode um Fortschritte vorzuweisen
Prozess zum Aufzeigen von Wahrheiten und Fakten
Verhindert, dass man einem Plan folgt der nirgendwo hin führt
Empirische Daten gesammelt von echten Kunden

Positive Änderungen in den Metriken sind quantitative Validierungen, das man lernt.

Produktivität: Wieviel validiertes Lernen erhält man für den betriebenen Aufwand.

Pivot/ Persevere

Nach dem Build-Measure-Learn Loop wird entschieden ob man sich dreht oder weiter macht.

Wenn eine Hypothese sich als falsch herausstellt, ist eine größere Veränderung von Nöten. Eine neue Strategische Hypothese muss erstellt werden und erneut durch den Build-Measure-Learn Loop laufen.

Ein erfolgreicher Pivot zeichnet sich dadurch aus, dass die neuen Experimente produktiver sind als die Expeprimente vor dem Pivot.

Schlechte qualitative Ergebnisse leiten den Pivot ein. Neue Ideen und Hypothesen müssen geschaffen und getestet werden. Der Kreislauf wiederholt sich. Jeder Pivot schaltet neue Möglichkeiten zu neuen Experimenten ein.