»Man kan altid mærke product/market fit, når det sker,« skrev Marc Andreessen i juni 2007. Kunderne køber lige så hurtigt, som du kan producere. Pengene hober sig op. Du ansætter i en fart. Og når det ikke sker, tilføjede han, kan man altid også mærke det.
Det er en pragtfuld sætning, og den er til ingen verdens nytte for en stifter, der er i tvivl. De fleste stiftere er i tvivl. De har nogle kunder, hvoraf nogle virker tilfredse, og en vækstkurve, der kan læses begge veje. Det, de gerne ville have, er et termometer.
En marketingmand ved navn Sean Ellis gav dem et. Det har ét spørgsmål og én beståelsesgrænse, og i femten år har det været det tætteste, startupverdenen kommer på en officiel test. Det fortjener et nærmere blik, end det plejer at få, for tallet, det giver, er det mindst værdifulde ved det.
En følelse med et tal
Spørgsmålet lyder: »Hvordan ville du have det, hvis du ikke længere kunne bruge produktet?« Der er tre svar at vælge imellem. Meget skuffet, lidt skuffet, ikke skuffet.
Ellis stillede spørgsmålet til brugerne hos næsten hundrede startups og ledte efter et mønster. Han fandt et. I gengivelsen fra Rahul Vohra, stifter af e-mailfirmaet Superhuman, »var det magiske tal 40 %«. Virksomheder, der havde svært ved at vokse, havde næsten altid under 40 % af brugerne, der valgte »meget skuffet«. Virksomheder med medvind havde næsten altid flere.
Vohras egen historie er grunden til, at testen er berømt. I sommeren 2017 stillede Superhuman sine brugere spørgsmålet, og 22 % sagde, at de ville blive meget skuffede. Tre kvartaler senere var tallet 58 %. Et tidligere kendt resultat tilhører Slack. I 2015 spurgte iværksætteren Hiten Shah 731 Slack-brugere, og 51 % sagde, at de ville blive meget skuffede over at miste det.
Der er altså et spørgsmål, en grænse og en række succeshistorier. Hvad der ved nærmere eftersyn ikke er ret meget af, er fundament. Ellis har beskrevet grænsen som »en smule vilkårlig«, en streg, han trak efter at have sammenlignet de omkring hundrede virksomheder. Det er en iagttagelse om startups, der allerede var vokset eller ikke var det. Vi har ikke kunnet finde en offentliggjort test af, om scoren forudsiger, hvad der sker bagefter.
Hvem der blev spurgt
Det første, der skævvrider tallet, er gæstelisten.
Se igen på Superhuman. Scoren steg ikke fra 22 % til 58 % ved produktarbejde alene. Det første spring kom af en beslutning om, hvem der skulle tælles med. Vohras team så på, hvem de meget skuffede brugere var, mest stiftere, ledere, direktører og folk i forretningsudvikling, og beregnede scoren igen kun for den slags kunder. Den steg til 33 %. Produktet var ikke ændret med en linje kode. Det var nævneren.
Det er helt legitimt, og Vohra lægger ikke skjul på det. Men det viser, hvor meget spillerum der er. Slack-tallet er lige så blødt. Shahs 731 svarpersoner kom via hans eget tweet, hans e-mails og beskeder, en vens mailingliste og enhver, der sendte linket videre. Folk, der svarer på en fremmeds undersøgelse om Slack, er ikke et tværsnit af dem, der bruger Slack.
Hver version af undersøgelsen har også et mere stille filter indbygget. Spørgsmålet kan kun stilles til dem, der stadig er der. De, der prøvede produktet og gik igen, og som har mest at sige om fit, står ikke på listen. Det problem ser vi på i survivorship bias i kundefeedback.
Så er der almindelig regning. Vohra mener, at omkring 40 svar er nok til at give en »retning«, og Superhuman havde kun 100 til 200 brugere at spørge. Med 40 svar har en score på 40 % en fejlmargin på omkring 15 point til hver side. Det sande tal kan være 25 %, altså fiasko, eller 55 %, altså triumf. Vores guide til stikprøvestørrelse i undersøgelser viser regnestykket. I den størrelsesorden, hvor de fleste startups kører undersøgelsen, ligger beståelsesgrænsen godt inde i støjen.
Ville du blive skuffet?
Den anden vanskelighed er selve spørgsmålet. Det spørger ikke, hvad folk gjorde. Det beder dem forestille sig et tab og forudsige deres egne følelser omkring det.
Det er mennesker ikke gode til. Psykologer, der studerer den slags forudsigelser, har et navn for den typiske fejl, impact bias: Vi overvurderer, hvor stærkt og hvor længe fremtidige begivenheder vil påvirke os. Tabet fylder meget, når vi forestiller os det. Så sker det, og vi vænner os til det en del hurtigere, end vi troede.
Softwareskribenten Justin Jackson har beskrevet oplevelsen fra kundens side. Han var sikker på, at han ville blive ærgerlig, da Microsoft lukkede den kalenderapp, han brugte, Sunrise. Så lukkede den, han skiftede til en anden kalender, og »enhver følelse af skuffelse forsvandt ret hurtigt«. Han ville have sat kryds ved »meget skuffet« i en hvilken som helst undersøgelse.
Det er i familie med kløften mellem det, folk siger, og det, de gør. En kunde, der siger, at han ville blive meget skuffet, fortæller dig noget sandt om, hvordan produktet føles i dag. Det er ikke et løfte om at blive, og endnu mindre et løfte om at betale.
Hvad undersøgelsen er god til
Intet af dette gør undersøgelsen til en spildt e-mail. Det betyder, at scoren har fået den opmærksomhed, der tilkommer resten.
Superhuman stillede fire spørgsmål, ikke ét. Efter det berømte kom tre til: Hvilken type mennesker tror du ville få mest ud af produktet? Hvad er den vigtigste fordel, du får af det? Og hvordan kan vi forbedre det for dig? Teamet læste heller ikke svarene i én bunke. De sorterede dem efter det første spørgsmål.
Gruppen »ikke skuffet« blev lagt helt til side. De mennesker kunne ikke vindes, og at bygge til dem ville have trukket produktet væk fra dem, der elskede det. Gruppen »meget skuffet« fortalte teamet, hvad produktet var til for: i deres tilfælde hastighed. Den interessante gruppe lå i midten. Blandt de »lidt skuffede« beholdt teamet kun dem, der også nævnte hastighed som den vigtigste fordel, og det var deres ønsker, der kom på roadmappet. De ville det samme som entusiasterne, og noget holdt dem tilbage.
Set på den måde er undersøgelsen et sorteringsværktøj. Den fortæller dig, hvis feedback du skal vægte, og hvis du skal lade ligge. Det er det sværeste spørgsmål, når man skal prioritere featureønsker, og en bunke usorterede kommentarer kan ikke besvare det.
Et par vaner gør den mere ærlig. Send den kun til folk, der har brugt hjertet af produktet for nylig, for ingen bliver skuffet over at miste noget, de aldrig åbner. Oplys antallet af svar ved siden af scoren, og det interval, scoren kan ligge i. Hold målgruppe og ordlyd fast fra runde til runde, så en stigning betyder noget. Og læg resultatet ved siden af det, folk gør. Hvis 45 % siger, at de ville blive meget skuffede, og halvdelen ikke har logget ind i en måned, så tro på logintallene.
Spørg frem for alt hvorfor. »Meget skuffet« er to ord. Kunden, der valgte dem, kan som regel fortælle dig, hvad han skulle tilbage til, og det svar, regnearket eller konkurrenten eller de to timer hver fredag, er den egentlige beskrivelse af dit marked.
Andreessen havde sandsynligvis ret i, at man kan mærke product-market fit, når det sker. Undersøgelsen kan ikke levere følelsen, og en stifter, der har brug for fyrre kunder til at fortælle sig, om han har det, aner måske allerede svaret. Men følelsen fortæller dig ikke, når den kommer, hvem du kan takke for den, eller hvad de vil have som det næste. Det må du stadig spørge om.
Sådan hjælper Diaform
Diaform stiller product-market fit-spørgsmålet i en kort chat og spørger derefter hvorfor. AI-intervieweren spørger ind til vage svar, så langt du tillader, så »meget skuffet« kommer sammen med, hvad kunden ville gøre uden dig. Hver samtale får et resumé med ordrette citater, og AI-rapporter grupperer årsagerne efter tema. Den afgør ikke, om du har product-market fit, og en lille stikprøve er stadig en lille stikprøve. Der er en gratis prøveperiode på 14 dage.
