Vad är lean hypotestestning?
Lean hypotestestning är ett tillvägagångssätt för agil produktutveckling som är utformat för att minimera risk, öka utvecklingshastigheten och förfina produkt-marknadsanpassningen genom att bygga och iterera på en minimum viable product (MVP).
Konceptet produktexperimentering blev berömt genom Eric Ries som en del av lean startup-metodiken. I grunden handlar MVP-konceptet om att skapa en lärcykel. Istället för att ägna långa utvecklingstider åt att bygga en fullt polerad slutprodukt arbetar team inom lean produktutveckling i korta, iterativa cykler. Varje cykel ägnas åt att lansera en MVP, definierad som en produkt som byggs med minsta möjliga arbetsinsats i syfte att testa och validera produkten med användare.
Inom lean hypotestestning kan själva MVP:n formuleras som en hypotes. En välutformad hypotes bryter ned en fråga i problem, lösning och resultat.
När du definierar en bra hypotes, börja med ett meningsfullt problem: en fråga eller smärtpunkt som du vill lösa för dina användare. Team använder ofta flera kvalitativa och kvantitativa källor för att avgränsa och beskriva detta problem.
Exempel på lean hypotes
Tänk dig att du upptäcker ett problem: användare avbryter ett registreringsflöde i högre grad än förväntat. Efter lite research upptäcker du att registreringsprocessen tar längre tid än branschgenomsnittet – och du har sett användarfeedback om hur långsam din applikation är. Registreringsflödet gör det heller inte tydligt vad fördelen med din produkt är.
Du erbjuder en lösning. Lösningen kan vara en funktion, produktidé eller produktinriktning som adresserar det beskrivna problemet. I vårt exempel kan lösningen vara att göra registreringsprocessen snabbare genom att minska antalet formulärfält och göra värdeerbjudandet tydligare. Detta fungerar som din hypotes, som du sedan kan iterera på.
Du kanske vill erbjuda en motivering eller teori om varför denna lösning är den rätta. I vårt exempel är teorin att användare avbryter registreringsprocessen eftersom den tar för lång tid och de inte förstår värdet.
Statistik och hypotestestning
Det är viktigt att vid testning av en hypotes säkerställa att du fastställer p-värden och att du har ett tillräckligt stort urval för att undvika statistiska fel. Om du till exempel inte tar hänsyn till statistisk signifikans kan du råka ut för ett typ 1-fel, där du tror att ditt test har en effekt, när det i själva verket inte har någon påverkan (en nollhypotes).
Om du inte korrekt tillämpar den vetenskapliga metoden på din testmetodik kan du felaktigt se fördelar som bara beror på slumpen och som egentligen inte är signifikanta. Du kan använda vår urvalskalkylator för att välja rätt urvalsstorlek som behövs för ett experiment, givet din grundläggande konverteringsgrad och konfidensintervall.
