a close up of a knife

Beslutninger om implementeringer tas ofte for tidlig. Vi kjører på magefølelse og god stemning, og beslutter en fremdrift for å holde opplevelsen av fart fremover. Det er lite sannsynlig at troverdige data om slike beslutninger prioriteres i etterkant. Dette er tema som gjerne først kommer opp i erfaringsmøter lenge etter endringen er implementert. Kanskje ses det i trafikktall og bruksmønstre. Kanskje ses det direkte i omsetning. Kanskje kjennes en dårlig løsning på kroppen av de ansatte. Første typiske reaksjon er gjerne å legge på mer tid, mer ressurser og mer penger for å løse "barnesykdommer".

Er det verdifullt?

I dette etterspillet med planlegging mot neste faser så er det fortsatt ingen som vet om endringen faktisk vil ha tilstrekkelig verdi for lønnsomhet - noen gang. Kanskje et år etter at prosjektet startet så er det enda ingen som kan levere data til å dokumentere og visualisere endringens nåværende eller kommende realistiske verdi. Er det ikke rart? Og mest rart at det dessverre nok er hverdagen hos altfor mange.

Det er de færreste initiativ som virkelig skaper merkbar verdi for virksomheter. Om det er markedskampanjer, produktutvikling eller utvikling og leveranse av tjenester og løsninger. Vi forstår ofte veldig sent hva de unike, gode idéene er. Kanskje så sent at konkurrenter både har kopiert og forbedret allerede. Og kanskje lar vi dårlige idéer leve altfor lenge før noen tør å si "stopp".

Hvordan eksperimentere?

Eksperimentering er en vitenskapelig metode som handler om å skaffe en sterk antagelse om riktighet og risiko så tidlig som mulig. Vaksiner er den åpenbare sammenligningen. Vi kunne aldri tenkt oss å godkjenne vaksiner basert på spørreundersøkelser. Eller en fokusgruppe. Vaksiner testes med en eller flere varianter mot kontrollgrupper, og med alt annet likt så forsøker vi å måle en effekt. Om eksperimentet er konstruert fornuftig, så er det effekter vi med rimelig stor antagelse tror gjelder etter hvert som vi øker distribusjonen ut til alle.

Vaksiner er for øvrig et interessant utgangspunkt. For med digitale tjenester kan eksperimenter gjennomføres i et mye høyere tempo. Eksperimenter kjøres normalt fra start til slutt i løpet av få uker. Vi kan utføre eksperimenter med tydelige endringer i variantene for å avdekke riktig retning for videre utvikling. Og kanskje også senke terskelen for feilmargin for ytterligere reduksjon i tiden et eksperiment tar. Eksperiment gir langt mer innsikt enn et enkelt "ja"/"nei", og balanserte beslutninger basert på mange målbare effekter vil øke tryggheten. Eksperiment på maksimal fart kan gjennomføres i løpet av dager, og mange gjennomførte eksperiment vil i sum som regel alltid gi et samlet bedre sluttresultat med langt mer læring og innsikt enn få større eksperiment. Derfor er det ingen selvmotsigelse at mange eksperimenter faktisk gir mest fart.

Hvor mye besøk trenger jeg?

Hvor stor testgruppe du trenger for å få svar i en A/B test avhenger av flere faktorer. Vi har derfor laget en kalkulator hvor du kan endre verdier for faktorene som påvirker hvor størrelsen på testgruppen må være. Sjekk ut vår kalkulator og se hvordan fart i eksperimentering kan økes gjennom vår løsning.

 

Prøv vår A/B test-kalkulator