Hva er lean hypotesetesting?
Lean hypotesetesting er en tilnærming til smidig produktutvikling som er utformet for å minimere risiko, øke utviklingshastigheten og finpusse produkt-markedstilpasningen ved å bygge og iterere på et minimum viable product (MVP).
Konseptet produkteksperimentering ble gjort kjent av Eric Ries som en del av lean startup-metodikken. I kjernen handler MVP-konseptet om å skape en læringssyklus. I stedet for å bruke lange utviklingstidslinjer på å bygge et ferdig polert sluttprodukt, bygger team som jobber med lean produktutvikling i korte, iterative sykluser. Hver syklus er viet til å levere et MVP, definert som et produkt som er bygget med minst mulig arbeid for å teste og validere produktet med brukere.
I lean hypotesetesting kan selve MVP-et formuleres som en hypotese. En godt utformet hypotese bryter ned et problem i problemstilling, løsning og resultat.
Når du definerer en god hypotese, start med et meningsfylt problem: et tema eller smertepunkt du ønsker å løse for brukerne dine. Team bruker ofte flere kvalitative og kvantitative kilder for å avgrense og beskrive dette problemet.
Eksempel på lean hypotese
Tenk deg at du oppdager et problem: brukere avbryter en registreringsflyt i en høyere grad enn forventet. Etter litt research oppdager du at registreringsprosessen tar lengre tid enn bransjegjennomsnittet – og du har sett tilbakemeldinger fra brukere om at applikasjonen din er treg. Registreringsflyten gjør det heller ikke tydelig hva fordelen med produktet ditt er.
Du tilbyr en løsning. Løsningen kan være en funksjon, produktidé eller produktretning som adresserer det beskrevne problemet. I tilfellet med vårt eksempel kan løsningen være å gjøre registreringsprosessen raskere ved å redusere antall skjemafelt og gjøre verdiforslaget tydeligere. Dette fungerer som din hypotese, som du deretter kan iterere på.
Du kan ønske å tilby en begrunnelse eller teori om hvorfor denne løsningen er den riktige. I vårt eksempel er denne teorien at brukere avbryter registreringsprosessen fordi den tar for lang tid og de ikke forstår verdien.
Statistikk og hypotesetesting
Når du tester en hypotese, er det viktig å sørge for at du etablerer p-verdier og sikrer at du har et stort nok utvalg til å unngå statistiske feil. Hvis du for eksempel ikke tar hensyn til statistisk signifikans, kan du støte på en type 1-feil, der du tror testen din har en effekt, mens den faktisk ikke har noen innvirkning (en nullhypotese).
Hvis du ikke bruker den vitenskapelige metoden riktig i testmetodikken din, kan du feilaktig se fordeler som bare skyldes tilfeldigheter og som faktisk ikke er signifikante. Du kan bruke vår utvalgsstørrelseskalkulator for å velge riktig utvalgsstørrelse for et eksperiment, basert på din grunnleggende konverteringsrate og konfidensintervall.
