ProductTank München #12 - Data driven products

Beim ProductTank treffen sich regelmäßig Produktmanager und alle, die sich dafür interessieren, zum Austausch der verschiedensten Themen. Am Montag fand dies in München bereits zum zwölften Mal statt und DieProduktMacher freuen sich als Mitorganisatoren besonders über die zahlreichen Teilnehmer.

Die Location war an diesem Montag aber auch wirklich einzigartig. Im 25. Stock des IBM Watson IoT Center muss man sich einfach mal fünf Minuten nehmen um die Aussicht über München in der Abendsonne zu genießen. Wir haben dabei natürlich nicht vergessen, warum wir eigentlich da waren, also zurück zur Frage des Abends: How to build a data driven product?

Mit klarer Strategie zum datengetriebenen Produkt

Stichwort „Data driven Product” – da ist ein der Gründer der Strategieberatung Datentreiber mit Sicherheit ein guter Anlaufpunkt. Martin Szugat, der erste Redner des Abends, berät Unternehmen strategisch beim digitalen Wandel zu datengetriebenen Geschäftsmodellen und -prozessen. Sein Ansatz hierbei ist das sogenannte Data Strategy Design Kit, eine Erweiterung des allseits bekannten Business Model Canvas.

„Die Daten Grundlage muss genau analysiert und definiert werden, wenn sie für das Geschäftsmodell zentral ist.” Was ist mein genaues Vorhaben und welche speziellen Daten benötige ich hierfür? Woher kann ich welche Daten beziehen? Besonders wichtig: Wie kann ich ein Datenfundament aufbauen, dass einzigartig ist und meinen USP darstellt? Fragen für die eine Lösung gefunden werden muss. Als ein Beispiel nennt Martin “Data Traps” – das bedeutet einen kostenlosen Service anzubieten, um kostenlos bestimmte Daten von Kunden zu bekommen. Gerade für kleine Unternehmen ist das ein interessanter Ansatz. Ein weiterer Stichpunkt ist der Data Network Effect. Aus einem guten Data Set können gute Algorithmen abgeleitet und somit bessere Produkte entwickelt werden. Dies lockt mehr Kunden, die wiederum das Data Set erweitern usw.

Doch wie wird mit sensiblen Daten umgegangen und in wie fern müssen Kunden geschützt werden? Das heizte die anschließende Diskussion ordentlich an und es wurde klar, dass hier noch Klärungsbedarf besteht. Letztendlich gibt es nur Hypothesen, die aufgrund des neuen Datenschutzgesetztes erst validiert werden müssen. Die Frage ist, wie strikt die Gesetze tatsächlich ausgelebt werden und das bleibt spannend.

A/B Testing ohne unnötige Extrarunden

Der zweite Vortrag drehte sich rund um Usability vs. A/B Tests, oder doch beides? Steffen Kastner, der Head of Product Management bei der UnternehmerTUM, hat eine klare Antwort:

„Kein A/B Testing bevor nicht zumindest ein einfacher Usability Test durchgeführt wurde.” Für ein erfolgreiches A/B Testing gibt es viele Methoden und Best Practices. In den Fokus stellte Steffen die Wichtigkeit einer passenden Hypothese. Grund hierfür ist das dadurch mögliche gezielte Vorgehen während des Tests. Wild herumprobieren hilft nicht viel, es muss schon zuvor das zu behebende Problem erkannt werden – ins Innere der Box geschaut, nicht nur Input und Output analysiert werden. Schon wenige Nutzertest können aufzeigen, wo ein eventuelles Problem besteht. Dies kann dann behoben werden - anschließend durch einen A/B Test ausgeschlossen werden.

Ein entspanntes Get together bei schönstem Sonnenuntergang rundete den erfolgreichen ProductTank ab. Wir freuen uns schon auf den nächsten und hoffen, wir konnten dich auch begeistern!

Falls du mehr darüber erfahren möchtest, hier noch ein paar interessante Links:

Mit Design Thinking zum datengetriebenen Marketing: https://www.slideshare.net/Datentreiber/mit-design-thinking-zum-datengetriebenen-marketing

Verschiedene Templates (Canvas): https://www.creatlr.com/collection/z26KQHGYOveEDZMTR4UHKg/datenstrategiedesign/

Myths, Lies and Illusions of AB and Split Testing: https://de.slideshare.net/sullivac/myths-lies-and-illusions-of-ab-and-split-testing