7.2

Lean Startup: test forretningsmodellen

…

I dette afsnit

  • Eksperimentet der beviste, at startups bør arbejde som forskere.
  • Din Business Model Canvas er en samling gæt, ikke en facitliste.
  • Hvordan man finder de mest risikable antagelser og tester dem først.
  • Lean Startup (Eric Ries): Build-Measure-Learn, pivot og persevere.
  • Minimum Viable Product: hvad det er, og hvad det ikke er.

I et af de mest elegante eksperimenter i nyere iværksætterforskning samlede Arnaldo Camuffo og en gruppe kolleger 116 italienske startups og delte dem tilfældigt i to grupper. Begge fik samme startup-undervisning, men den ene gruppe lærte derudover at arbejde som forskere: formulér dine antagelser som hypoteser, design tests, mål resultaterne, og konkludér ud fra data i stedet for mavefornemmelse. Resultatet blev offentliggjort i tidsskriftet Management Science i 2020. Forsker-gruppens omsætning voksede hurtigere end kontrolgruppens, og mindst lige så interessant: de var markant mere tilbøjelige til at kaste den oprindelige idé over bord og skifte kurs, når data pegede en anden vej. Kontrolgruppen holdt oftere fast i den første idé. Moralen rummer hele dette afsnit: en startup er en stak hypoteser, der skal testes, før de bliver til en plan. Og din Business Model Canvas fra afsnit 1.4? Den er dit hypotesekatalog.

Canvas'et er en samling gæt

Definition

En antagelse (hypotese) i en forretningsmodel er en ikke-bevist påstand, som modellen er afhængig af for at fungere, fx "kunderne vil betale denne pris", "vi kan producere billigt nok" eller "kunderne finder os via de valgte kanaler".

Når en iværksætter udfylder sit canvas første gang, er hvert eneste felt en hypotese: "vi tror, at kunderne vil…". Det er der intet galt i. Problemet opstår, når gættene behandles som fakta. Den klassiske dødsrute: brug et år og hele opsparingen på at bygge det perfekte produkt, lancér, og opdag så, at ingen ville have det. Løsningen er at teste de vigtigste antagelser billigt og hurtigt, før de store penge bruges.

Hvilke antagelser testes først?

Ikke alle gæt er lige farlige. Prioritér med to spørgsmål: (1) Hvor sikre er vi på, at det er sandt? (2) Hvor galt går det, hvis det er forkert? De antagelser, der scorer højt på begge (meget usikre og kritiske for hele modellen), kaldes de mest risikable antagelser, og de skal testes først.

HØJ KRITIKALITET ↑ LAV KRITIKALITET ↓ USIKRE PÅ DEN SIKRE PÅ DEN Test først Hold øje Test billigt senere Ignorér Usikker og kan vælte alt. Brug testkræfterne her. Vigtig, men allerede underbygget. Tjek en gang imellem. Usikker, men billig at tage fejl på. Sikker og uden konsekvens.
Figur 7.2.a: Prioritér antagelserne efter sikkerhed (vandret) og kritikalitet (lodret). De usikre og kritiske testes først.

Eksempel

Antagelse vs. antagelse

En madbox-startup antager både, at "kunderne vil betale 79 kr. pr. portion", og at "æsken skal være grøn". Begge er gæt, men prisantagelsen kan vælte hele forretningen, mens æskefarven højst koster en omtryksregning. Test prisen først. At møderne alligevel oftest ender i farvediskussionen, har et navn i ledelseslitteraturen: Parkinsons trivialitetslov. Vi bruger tiden på det, alle kan have en mening om.

Lean Startup: Build-Measure-Learn

Metoden bag forsker-tilgangen blev folkeeje med Eric Ries' bog The Lean Startup (2011). Ries' opgør er rettet mod den traditionelle rækkefølge (skriv forretningsplan, rejs kapital, byg færdigt produkt, lancér), som er langsom, dyr og katastrofal, hvis planens antagelser var forkerte. Alternativet er en cyklus:

Definition

Build-Measure-Learn er Lean Startups centrale feedback-loop: byg den mindste version, der kan teste én antagelse; mål hvordan rigtige (potentielle) kunder reagerer, altså deres adfærd, ikke deres meninger; og lær: holder antagelsen? Herefter gentages cyklussen med næste antagelse, eller kursen ændres.

Efter hver læringsrunde står valget mellem to ord, der er blevet startup-verdenens grundordforråd: persevere (data bekræfter antagelsen: fortsæt og test den næste) eller pivot (data afkræfter den: skift kurs til nyt kundesegment, ny indtægtsmodel eller nyt problem at løse, mens den grundlæggende læring beholdes). Husk Camuffo-eksperimentet: det var forsker-gruppen, der oftest skiftede kurs, og den klarede sig bedst. En pivot betyder, at systemet virker. Du opdagede fejlen for 5.000 kroner i stedet for 500.000.

Dit canvas: ni felter fulde af antagelser Byg Mål Lær den mindste test adfærd, ikke meninger holdt den? GENTAG PERSEVERE NÆSTE ANTAGELSE Pivot: skift kurs nyt segment, ny indtægtsmodel
Figur 7.2.b: Build-Measure-Learn. Hver runde gennem kredsløbet gør et gæt til viden. Ved lær vælges vejen: persevere fører tilbage til næste antagelse, pivot fører modellen i en ny retning.

Pas på

"Lean" betyder ikke "nærig". Pointen er at minimere spildt tid og spildte ressourcer på ting, man endnu ikke ved er rigtige. Man må gerne investere stort, bare ikke i at bygge det fulde produkt, før antagelserne bag det er valideret.

Minimum Viable Product (MVP)

Definition

Et Minimum Viable Product (MVP) er den version af produktet, der med mindst mulig indsats gør det muligt at indsamle mest mulig valideret læring om kunderne (viden, der er bevist med rigtige kunders adfærd, ikke gættet ved skrivebordet). Det er ikke nødvendigvis et lille eller dårligt produkt, men den hurtigste vej gennem Build-Measure-Learn-cyklussen.

MVP-type Hvad man gør Tester typisk
Landingsside-test Simpel hjemmeside med produktbeskrivelse og en tilmeld/køb-knap, før produktet findes Er der overhovedet efterspørgsel?
Wizard of Oz Kunden tror, servicen er automatisk og færdig, men bag kulissen udføres alt manuelt af mennesker Løser løsningen kundens problem, før teknologien bygges?
Concierge-MVP Ydelsen leveres 1:1 og håndholdt til de første kunder, og kunden ved godt, at det er håndarbejde Hvad har kunden reelt brug for, og vil de betale?
Prototype/mockup Klikbar demo eller fysisk model uden fuld funktionalitet Er værditilbuddet og oplevelsen forståelig?

Tabel 7.2: Fire MVP-typer og hvad de tester

Eksempel

Dropbox: en video som MVP

Før Dropbox var færdigudviklet til et bredt publikum, lavede grundlæggeren Drew Houston en simpel demo-video, der viste, hvordan produktet ville virke, og lagde den på nettet i 2008. Ventelisten voksede efter Houstons egen beretning fra omkring 5.000 til 75.000 tilmeldinger i løbet af et døgn. Efterspørgslen var bekræftet, før man brugte kræfter på at gøre produktet klar til masserne. MVP'en var i praksis en film.

Test billigt: konkrete metoder

  • Kundeinterviews: spørg til kundens problem, ikke til din løsning ("ville du købe min app?" giver høflige løgne; "hvordan løser du X i dag?" giver data).
  • Spørgeskema: kvantificér interessen i en større gruppe.
  • Landingsside + annoncer: mål klik og tilmeldinger, før produktet findes.
  • A/B-test: test to varianter (fx to priser) mod hinanden.
  • Forudbestilling: den stærkeste test af betalingsviljen. Beder du kunden lægge penge på bordet, før produktet er færdigt, måler du ikke interesse, men beslutning. (Den siger til gengæld intet om, hvorvidt kunden bliver hængende bagefter.)

Pas på

"Jeg spurgte mine venner, og de synes, det er en god idé" er ikke en test. Venner har alle mulige grunde til at være positive, og meninger er ikke adfærd. Den stærkeste validering kommer fra, at fremmede mennesker handler: betaler, tilmelder sig, bruger deres tid. Vennernes ros er høflighed forklædt som markedsdata.

Nyere viden

Camuffo-eksperimentet fra indledningen er siden gentestet i stor skala: 759 virksomheder fordelt på fire nye lodtrækningsforsøg, offentliggjort i Strategic Management Journal i 2024. Forsker-gruppen skiftede igen hellere kurs end at holde stædigt fast, men sjældent mange gange i træk: et par velbegrundede pivots, ikke en stribe. Og det store forsøg kunne noget, det lille ikke kunne: vise, at forsker-gruppen også lukker flere idéer ned. Det er den sværeste beslutning af dem alle, og data gør den lettere at træffe. Selve kernen i Lean Startup, at antagelser skal formuleres og efterprøves, begyndte som praktikernes tommelfingerregler. I dag er den afprøvet i flere lodtrækningsforsøg, og de hidtidige resultater er lovende. Bemærk ekkoet fra resten af bogen: hellere data end anekdoter, ligesom da survivorship bias i afsnit 1.5 advarede mod kun at studere dem, der klarede sig.

Tænk efter

  1. Vælg et felt i en Business Model Canvas for en (rigtig eller opfundet) startup. Formulér feltets vigtigste antagelse som en testbar hypotese: "Vi tror, at …"
  2. Design en konkret, billig test af netop den antagelse. Hvilken MVP-type fra tabellen ville du bruge, og hvilke data ville overbevise dig?
  3. Testen viser, at antagelsen var forkert. Ville det kræve en pivot eller blot en justering? Og hvorfor er det ifølge Camuffo-eksperimentet en succes, ikke en fiasko, at finde ud af det nu?