📣 🎉 YENİ EĞİTİM! Ürün Yönetimi Temelleri eğitim programımız açılmıştır. Detayları Eğitimler menüsünden görebilirsiniz. 📣 🎉

Bağlantı Kopyalandı!

Bülten #34: Yeni bir şeye “başarı” metriği belirlemek

Bültene hoş geldin 👋

Bu sayının konusu “başarı” metriklerini (success metrics) belirlemek: Ne olduklarını kısaca bir tanımladıktan sonra belirlemenin zorluğundan bahsedip, ne yapılabileceğine dair fikirlerimizi paylaştık ve faydalı kaynakları yazının sonuna iliştirdik. Umarız bu konuya dair farklı bir bakış açısı kazandırabiliriz!

İyi internetler,
Burcu


🔋Bültenin bu sayısı Borda Technology desteğiyle yayınlanmaktadır.

Biz kimiz, ne yapıyoruz? 10 yılı aşkın süredir IoT ürünlerimizle hastanelerin hem dijital dönüşümüne hem de bunun ötesinde daha akıllı hale gelmesine katkıda bulunuyoruz. İstanbul ve İzmir/Urla’da toplam 90 kişiyiz. Amerika, Rusya ve İsveç’te de ofislerimiz mevcut. Yukardaki QR sana ne yaptığımızı en iyi şekilde anlatacaktır.

Peki bunu nasıl yapıyoruz? 45 kişilik teknolojik ekibimiz hastanelerdeki demirbaş, hasta ve personel süreçlerini IoT sensörler sayesinde uçtan uca otomatik olarak takip ederek hem süreçsel hem anlık faydalar sağlıyor. Tüm dünyada ürünlerimiz 50’den fazla hastanede aktif olarak kullanılıyor.

Hedefimiz ne? Şirketimizi global pazarda lider konuma getirmek istiyoruz ve bunu yalnız çok iyi bir ekiple gerçekleştirebiliriz. Dünyada sağlığı dönüştürecek ekibin bir parçası olmak ve bunu son teknolojilerle yapmak seni de heyecanlandırıyorsa:

Açık Pozisyonlarımızı İncele

Geçtiğimiz hafta gerçekleştirdiğimiz parkur oyunları ve barbekü temalı şirket etkinliğimizi buradan izleyebilirsin. Belki bir sonraki etkinliğimizde sen de aramızda olursun!


“Başarı” metrikleri

  1. Nedir? Neden zor?

  2. Ne yapılabilir?

  3. Faydalı kaynaklar


1. Nedir? Neden zor?

Başarı metrikleri, yeni bir ürün ya da özellik geliştirilirken üzerine düşünülen, bu ürün/özellik kullanıcılara sunulduğu andan itibaren aktif biçimde ölçümlenmeye başlanan ve bu ürünün/özelliğin başarılı olup olmadıklarını ölçümlemeye ve duruma göre aksiyon alabilmeye yarayan metrikler.

Belirlemek zor, çünkü doğası gereği henüz ortada bir çıktı yokken, belirsizlik halindeyken, varsayımlar ve geçmiş öğrenimler üzerine düşünülerek ortaya çıkarılabiliyor. Bir Google araması sonucunda sayfalarca blog yazısının NPS, DAU/WAU/MAU, MRR, CSAT gibi bir sürü ölçümleme pratiğini ürün başarı metriklerine örnek uygulamalar olarak önerdiğini görebilirsiniz. Ürünün iş modeline ya da gelir modeline göre değişen, farklı bir sürü metrik de var: İçerik sitelerinin, API ürünlerinin, SaaS ya da e-ticaret platformlarının başarı metrikleri de birbirlerinden epey bir farklı örneğin. Bu içeriklere ve önerilere göre hareket etmeye çalışınca nereden başlayacağını bilemeyebiliyor insan çünkü hepsi çoktan yapılandırılmış ölçümleme sistemlerine göre yazılıp çiziliyor ve biraz da jenerikler, geriden geliyorlar (lagging). Mevcutta kullanımda olan ürün ya da özellikler için bu hazır metrikler belki çalışabilir, ancak yeni bir ürün ya da bu ürün için yeni bir özellik geliştirirken başarı metriği belirlemek bana göre o kadar da kolay değil. Özellikle ürün ve şirket stratejisini destekleyecek, uzun soluklu ve anlamlı metrikler belirlenmek isteniyorsa.

2. Ne yapılabilir?

  • Öncelikle belirsizliğin fırsatları yarattığını söylemek gerek. Karar alırken belirsizlik hep olacak ve bu aslında sağlıklı da bir şey, çünkü ürünün hala gelişebileceği bir alanının ve pazarının olduğunu gösteriyor. Metriklere karar vermenin de bu belirsizliğin bir parçası olduğunu unutmamak gerekiyor.

  • Bir yerden başlamak gerektiğini içselleştirmek önemli. Eldeki mevcut bilgilerle ve varsayımlarla uygun görünen bir metriğe ve nasıl ölçümleneceğine karar vermek, daha sonra bu yapının güncellenebileceğini unutmamak gerekiyor. Ürün geliştirmenin doğasında olan deneme/yanılma ya da “deneyleme” yaklaşımı burada da devam edebilmeli: Zaman içinde tecrübelendikçe sonuçların güvenilirlik düzeyi de artacaktır.

  • Ürünün ya da özelliğin gidişatını öğrenmeye yarayacak metrikleri “Başarı” metriği olarak isimlendirmeyebiliriz, başarılı olmak adına belirli bir beklenti oluşuyor ve kesinlik aranıyor çünkü. Bu beklenti doğru metriği seçmek konusunda endişe yaratıyor ve hatta ekiplerin bu metriği kendi hedefleri haline getirmelerine kadar gidebiliyor iş.

Bu üç maddenin özeti aslında şu: Ölçümlemeyle öğrenmeyi ve elimizdeki bilgilerle bir yerden başlayıp zaman içinde güvenilirlik düzeyini artırmayı nasıl başarabiliriz?

  • Seçtiğimiz metriklerin ve amaçladığımız hedeflerin güvenilirlik düzeyini artırmak için öncelikle aldığımız kararlara güvenebiliyor olmamız gerekiyor. Bunun yolu da bilgiye dayalı karar verebilmek: Araştırma yapmak, nicel ve nitel veri toplamak, ekiple bu bilgileri paylaşarak kolektif bir yetkinlik inşa etmek. Bu konuyla alakalı olarak “Araştırma Havuzu” yazımızı tavsiye ederim. Kişinin kendine ve kararlarına olan güvenini arttırması ise bambaşka bir konu, belki önümüzdeki günlerde bir sayıyı buna ayırabiliriz (imposter syndrome 👋).

  • Güvenilirlik düzeyini artırmanın bir diğer yolu da birim zamanda çok şey denemek ve deneyleme yaklaşımını ürün geliştirmenin bir parçası haline getirebilmek. Bu denemelerin sonuçlarına göre geliştirilecek özelliğin başarı kriterlerine daha çok katkıda bulunacağı konusunda daha emin olabiliyoruz.

  • Belirlediğimiz metriğin bize bir şeyler öğrettiğinden emin olmalıyız: Kullanıcılar bu ürünü/özelliği ne kadar kullanıyor, aktif kullanıcı sayımız artıyor mu gibi sorular genelde bir şey öğretme odaklı değil, gidişatı takip etmeye yarıyor. Hazır yeni bir özellik geliştiriyorken araya o alanda öğrenmeye çalıştığımız başka konuları da sıkıştırıp cevaplar alabilir ve ölçümlemeyi daha verimli hale getirebiliriz: Kullanıcıların ne kadarı emaillerini kontrol ediyor? Onboarding’de denediğimiz yeni akış görünürlüğü artırabildi mi? gibi gibi.

Peki bu yeni özelliğin beklentilere karşılık verebilmesini/verememesini nasıl tartacağız?

Başarı, bu yeni özellik sayesinde şirketin ve ürünün hedeflerine ve stratejisine ne kadar yaklaşıldığına bağlanmalı. Örneğin bir şirketin o sene için stratejik hedefi kullanıcı sayısını artırmaksa, canlıya alınan yeni özelliğe dair beklentiler ve başarı metriği de buna paralel olmalı —zaten odaklanılacak alanlar arasında bu şirket hedefine göre önceliklendirme yapıldığında, özelliği geliştirmeye başlamadan dahi işin “niye”si ve başarı kriteri gayet net oluyor. Yani aslında kritik nokta başarı metriklerinin tepeden uca belirlenmesi diyebiliriz. Bu yaklaşımın bana göre en güzel örneği North Star Metric, bu da tek başına bir yazı dizisi olacak kadar yoğun bir konu olduğundan keşfetmeyi şimdilik size bırakıyorum.

Bu metriğin ulaşması beklenen hedefi tanımlamak yine de güzel bir pratik. Bunu yaparken de yüzdesel hedefler yerine sayısal olanları tercih etmek öneriliyor: “Kullanıcı sayısını %3 artırmak” değil de, “toplam X yeni kullanıcı kazanmak” gibi. Zaman içinde devamlı ölçümleme sayesinde tahminlemeler de bilgiye dayalı hale gelmeye başlıyor ve hedefler daha gerçekçi hale geliyor.

3. Faydalı kaynaklar

  • Keeping designers and engineers excited about metrics – Link

  • Estimating the chances of something that hasn’t happened yet – Link

  • The problem with metrics is a big problem for AI – Link


İş İlanları

Tüm aktif ilanları görmek, ilk elden ilanı paylaşan üyelerimize ulaşmak ya da yeni bir ilan paylaşmak için Slack grubumuza katılın!


Bu sayılık bu kadar!

Bizi seveceğini düşündüğünüz birileri varsa, aşağıdaki butonu kullanarak haberdar edebilirsiniz:

Share Üretim Bandı Bülten

Bültenler
Bültene hoş geldin 👋 Geçen sayıda “Özellik/ürün uyumu”na yaptığımız girişten sonra serinin ikinci bölümündeyiz: Uyumun sağlanamadığını anlamaya yönelik…...
Bültene hoş geldin 👋 Bu sayıda yine mini bir seriye başladık: “Özellik/ürün uyumu”. Hakkının üç sayı olduğunu düşündüğüm…...
Bültene hoş geldin 👋 Bu sayıda mini serimizin son bölümündeyiz: “Bilgiyi arama davranışları”nı bir sürelik noktalıyoruz. İlk sayıda…...