这是AI翻译的帖子。
选择语言
durumis AI 总结的文章
- 本文介紹一種以人為本的現象中心方法作為企業決策的基礎,指出了僅關注大趨勢的局限性,強調對人行為的理解。
- 本文提出通過現象觀察進行歸納性問題解決,克服了傳統假設驅動方法的局限性,並說明了如何尋找更豐富、更具差異化的成長機會。
- 本文介紹了從多個來源收集數據、進行民族誌學深入分析、利用顧客洞察、製作原型和進行試驗等步驟,開發新產品和方案的具體流程。
接續第一篇文章...
在此介紹現象驅動式方法,a phenomenon-driven approach。
A. 分析的重點是「現象」
過於強調大趨勢,會讓說明個別情況變得困難。在以商品價值為中心的做法中,過度強調市場和目標群體的大小,會 讓難以專注於理解客戶的需求和渴望,而這將導致缺乏關於未來應該提供什麼新產品的基準信息。此外,在採用以 產品為中心的做法時,如果在流程初期匆忙轉變為解決問題模式,最終可能導致開發出與現有產品相似的產品,或 者投資於無法滿足市場需求的產品,這會大幅增加風險。
為了避免這些陷阱,我建議採用現象驅動式方法。現象學關注日常生活,即人們之間的刻意關係,以及人們感興趣 和經歷的事情的意義。 對於駕駛員來說,汽車的作用如何改變?我們與金錢的關係為什麼如此抽象?為什麼患者會創造自己的用藥策略? 簡單來說,現象學讓我們理解,我們不僅僅是在看裝有可口可樂的玻璃瓶。我們看到的是能喚起情感和聯繫的可樂瓶, 是留下混亂、懷舊、快樂或厭惡想法的玻璃瓶。
相關方面,必須包含以下三個基本理解要素。
- 理解成為人是什麼意思
- 了解人類行為的研究方法
- 推論能夠發現新的洞察力的過程
現象驅動式方法的主要挑戰是在特定概念和解決方案開發之前需要更多分析。相反,這種方法將獲得更加豐富、 差異化,並且潛在獨特的成長機會的回報。
B. 從觀察結果推斷最佳解釋的溯因(abductive)問題解決方法
假設驅動的問題解決方法已經廣泛應用於企業業務戰略世界。這種方法在提供大多數快速、簡單且結構化的框架 方面很有效。但是,在充滿不確定性的其他情況下,它不能用於開發創新的想法,這也是顯而易見的局限性。考 慮到作為人類的確認偏差,假設驅動的解決方案僅限於探索可以想像的假設,並且只能幫助判斷現有偏見中哪一 個最有可能解決問題。
另一方面,溯因是積極尋找可能與現有假設和偏見相矛盾的數據,然後嘗試理解這些數據的過程。因此,推理的形式如下:觀察到令人驚訝的事實 C。但是如果 A 是真的,C 就一定是個問題。因此,有理由懷疑 A 是否是真的。相關方面,成功的溯因問題解決方法的特點是數據過載、持續的模式識別、公開和批判性討 論,這些過程比預期要激烈得多。
C. 使用多種互補方法收集數據
根據現象觀察結果為基礎的溯因問題解決原則,需要從多種來源收集數據,以使隱藏的盲點暴露出來。這個過程 需要基於對人類的豐富和微妙理解的觀點。這種觀點只能通過深入的定性研究、大量數據驗證和嚴格的財務分析 來獲得。但是,許多企業在將定性數據應用於 NPV 計算或確定客戶細分規模時,卻沒有同樣的信心和嚴格的態度 ,因此僅僅從多個來源收集數據是不夠的,更重要的是要謹慎選擇何時收集數據。
- 首先定義應該引導分析的現象。(對於家電行業的企業來說,這可能是「家」,對於葡萄酒行業的企業來說 ,這可能是「宴會」。)
- 進行內部訪談和開放式調查,以定義企業的 DNA。
- 確認未來的變革的長期動力,並利用社會經濟數據定義潛在的熱點。
- 利用定性數據(行業、相關行業、學術專家訪談),尋找相關現象中新的客戶/消費者行為變化的跡象。
- 在每個潛在的增長平台上,尋找可以嘗試的商業機會,以實現新的商業可能性。
D. 從抽象數據中具體化
現在解決企業高管面臨的根本問題。決定應該投資於哪些可能性,以及如何讓這些變革影響直接組織等問題的答 案。基於獲得的數據,提出了以下五個步驟。
1. 在特定市場進行民族誌學深度分析,以了解將引導該提議的客戶的未滿足需求和目標。
2. 利用客戶/消費者洞察力提出想法,並選擇最佳想法。
3. 將其中最好的想法製作成原型。
4. 對真實客戶進行原型測試。
5. 評估對市場的影響,然後將新的產品和提議傳達給內部直接組織或出售給外部合作夥伴,如果確認結果 無法達到預期,則需要放棄。
這個過程不僅提供了結構化的框架,還有助於更敏捷的流程推進。也就是說,不好的想法可以在早期被淘汰, 從而留出更多時間和成本來利用好的想法。
-
最後,我要說明的是,擺脫確定性的舒適感並不是對所有企業都有意義的投資。我只是確信,本文介紹的現象驅動 式方法相關的分析難題,最終將得到更具吸引力的機會發現的回報,這將為未來幾年的競爭性差異化提供源泉。