Como descobrir a ideia certa?
Resumo do Livro: The Right It
Esse texto é um resumo traduzido do livro The Right It: Why So Many Ideas Fail and How to Make Sure Yours Succeed (lançamento em 26 de fevereiro de 2019) do autor e ex-diretor de engenharia na Google, Alberto Savoia. Em português poderíamos traduzir o nome para algo como “A ideia certa — Por que tantas ideias falham e como ter certeza de que as suas ideias terão sucesso?”.
O autor trata tópicos relacionados a validações de mercado de forma rápida e barata com nossos próprios dados.
Tópicos do resumo:
- Definição da Hipótese de Engajamento de Mercado [HEM]: XYZ → xyz
- Quatro problemas do mundo das ideias
- A Lei do Fracasso de Mercado
- Dados — Seus Próprios Dados
- Pretótipo (por mais que pareça, não é um erro de digitação; a palavra aqui é pretótipo e não protótipo) — O que é e como se define um pretótipo
- Técnicas de pretotipagem
- Ferramentas de análise: Medidor de Pele em Jogo e Medidor da “Ideia Certa”
- Táticas para diminuir distância dos dados, horas para dados e dinheiro para dados
Se você deseja apoio com validação de produtos, entre em contato.
Definição da Hipótese de Engajamento de Mercado [HEM]
O autor define a Hipótese de Engajamento do Mercado (HEM) como a hipótese que identifica sua crença ou suposição fundamental sobre como o mercado se envolverá com sua ideia. Ela articulará sua visão de como o mercado responderá e usará sua ideia.
Como o MEH é tão importante, ela deve não apenas ser clara, mas também deve ser testável e expressa usando números sempre que possível.
Zoom: Hipótese XYZ
O autor instrui a dar um zoom e definir a HEM com XYZ:
- X é uma porcentagem específica do seu mercado-alvo. Quão grande fatia, qual porcentagem do nosso mercado-alvo podemos capturar?
- Y é uma descrição clara do seu mercado-alvo. Qual é o nosso mercado alvo?
- Z é como você espera que o mercado se envolva com a sua ideia. Como e exatamente até que ponto o mercado alvo se envolverá com o nosso produto?
Teremos uma frase como “Pelo menos X% de Y irão Z”.
Os valores iniciais para X, Y e Z são apenas pontos de partida — as melhores estimativas baseadas no tamanho mínimo de mercado que acredita ser necessário para que sua ideia seja viável.
Além de permitir que a ideia seja testável, a Hipótese XYZ é uma ótima ferramenta para fazer com que as equipes explicitem suas suposições implícitas.
Exemplo que o autor dá de uma hipótese antes de aplicar o XYZ:
- Algumas pessoas que vivem em cidades muito poluídas estarão interessadas num dispositivo de preço razoável para ajudá-las a monitorarem e evitarem poluição do ar.
Perceba que é uma hipótese vaga e com muita coisa implícita.
Agora, veja como essa hipótese ficaria depois de aplicar o XYZ:
- Ao menos 10% das pessoas que vivem em cidades com índice de qualidade do ar (AQI = Air Quality Index) maior que 100 comprarão um sensor portátil de poluição por $120.
A hipótese se tornou mais explícita, com números, porém, ainda não tão acionável pra testar.
Super Zoom: Hipótese xyz (em minúsculo)
O objetivo do super zoom (hippozooming) é aumentar o zoom até que você tenha uma versão dessa hipótese que seja acionável e testável no momento. É uma maneira de ir de XYZ para xyz, uma versão menor, mais simples e imediatamente mais verificável de sua Hipótese de Engajamento de Mercado (HEM). A ideia é que, se XYZ for verdadeiro, então xyz também deve ser verdadeiro — mas xyz é muito mais fácil de testar e verificar.
Y → y
O Y maiúsculo da sua Hipótese de Engajamento do Mercado (HEM) representa o seu mercado alvo final — todas as pessoas no mundo que você acha que vão querer comprar o seu produto assim que ele estiver disponível.
Para super zoom, pegue esse enorme mercado e amplie até ter um subconjunto pequeno, local, mas representativo dele. Vá de Y, o mercado inteiro, para um mercado de teste inicial pequeno, gerenciável e fácil de alcançar. Imagine um desses vídeos em que a câmera faz zoom de uma visão do nosso planeta no espaço até um continente, depois para um país e, em seguida, até uma cidade ou até mesmo um edifício específico. Isso é exatamente o que eu o autor pede pra você fazer em sua mente com sua hipótese.
Seja agressivo com o super zoom, mas certifique-se de não dar tanto zoom que você tenha um tamanho de amostra muito pequeno para ser estatisticamente significativo (por exemplo, seus dois colegas de quarto, sua mãe e aquele cara estranho do outro lado da rua).
Então, qual é o tamanho da amostra? Algo no bairro de 100 a 1.000 pessoas receberia um aceno de aprovação da maioria dos estatísticos. Mas você precisa garantir que a população que você experimenta seja representativa de seu mercado-alvo (o tipo de pessoa que pode realmente comprar seu produto ou serviço).
Dando super zoom no exemplo do índice de qualidade do ar:
- Começamos o XYZ com “Ao menos 10% das pessoas que vivem em cidades com índice de qualidade do ar (AQI = Air Quality Index) maior que 100 comprarão um sensor portátil de poluição por $120.”.
- Então, aplicando o super zoom para extrair o xyz:
- De Y: [todas as cidades] do mundo com um AQI maior que 100 → Para y: [Pequim, China].
- De Y: [todas as cidades] do mundo com um AQI maior que 100 → y: [os pais da Beijing Tot Academy — pré-escola com aproximadamente 300 crianças].
Agora, com esse super zoom, uma definição da Hipótese xyz:
- Pelo menos 10% dos pais da Beijing Tot Academy vão comprar um sensor portátil de poluição de 800 yuan.
Com esse super zoom na China, alteraríamos até mesmo a moeda para uma moeda local específica.
Quatro problemas do mundo das ideias
O problema da tradução
O primeiro problema que enfrentamos na terra dos pensamentos é a comunicação. Até eles terem tomado alguma forma ou estarem tangíveis, sua ideia para um novo produto ou serviço é apenas uma abstração.
No momento que você tenta comunicar o que você tem em mente para alguém, você encontra um desafio de tradução— especialmente se sua ideia é nova e diferente de qualquer coisa que essa pessoa já tenha visto.
A maneira como você imagina o novo produto e seu uso pode ser completamente diferente da maneira como as outras pessoas o imaginarão depois de descrevê-lo. A interpretação de sua ideia será distorcida por seus próprios trolls mentais: suas crenças, preferências e preconceitos pessoais.
O problema da predição
O autor diz que mesmo que você consiga comunicar com sucesso sua ideia sem grandes distorções, você se deparará com outro problema grave.
As pessoas são notoriamente ruins em prever se elas realmente iriam querer ou iriam gostar de algo que ainda não experimentaram — e também como ou com que frequência elas realmente o usariam.
Conclusão: como espécie, nós falhamos miseravelmente em prever se, como e com que frequência nós usaríamos um novo produto ou serviço.
O problema da “Pele em Jogo” (Skin in the game) — Tradução livre: Problema de “dar a cara a tapa” :)
Ele considera esse problema algo central no livro. O conceito de “Pele em Jogo” se refere à idéia de ter algo a perder ou ganhar com o resultado.
As pessoas adoram dar opiniões e conselhos. A maioria faz isso sem refletir muito quando não está com a pele em jogo— porque não tem nada a perder ou ganhar de qualquer forma.
Empreendedores, inventores e investidores em uma nova ideia automaticamente têm sua própria “Pele em Jogo”, e muita.
Isso significa que você tem algo em risco, algo significativo para ganhar ou perder, dependendo do resultado. A “Pele em Jogo” é uma indicação de que você está levando a sério sua ideia e que vai lidar com os desafios à medida que surgem em vez de abandonar a ideia no primeiro sinal de problema.
“Pele em Jogo” indica compromisso, seriedade e consideração.
Ao mesmo tempo, o autor indica para certificar-se para não colocar pele demais em jogo para desenvolver uma ideia até que possa demonstrar que o mercado está suficientemente interessado de também investir sua pele em jogo. Não opiniões, não previsões, mas pele.
A menos que as pessoas coloquem um pouco da sua própria pele em jogo, você não poderá contar essas pessoas como prováveis clientes ou usuários. Em vez disso, elas são meramente espectadores — elas não têm nada a perder.
Então, quando se trata de avaliar o potencial de mercado de uma ideia e a probabilidade de sucesso, nossa decisão deve ser baseada em dados concretos e os dados devem vir com alguma pele em jogo.
O problema do viés de confirmação
Os primeiros três problemas desafiam a validade das informações que coletamos. Este último é um problema de como interpretamos essa informação. A expressão viés de confirmação refere-se à nossa tendência (muito humana) de buscar evidências que confirmem nossas crenças ou teorias existentes e de evitar ou descartar qualquer coisa que se oponha a elas.
Em outras palavras, não apenas deixamos de buscar maneiras objetivas de coletar informações, mas também deixamos de olhar objetivamente para as informações que recebemos. Escolhemos e damos mais peso aos bits de dados que confirmam nossas crenças e descartamos aqueles que são contra eles.
A Lei do Fracasso de Mercado
A maioria das novas ideias irá falhar no mercado — mesmo que seja executada com competência. A maioria das novas ideias falha no mercado porque elas são “A Ideia Errada” — ideias que o mercado não está interessado, independentemente de quão bem elas sejam executadas. Sua melhor chance de ter sucesso no mercado é combinar a “Ideia Certa” com uma execução competente. Você não pode depender da sua intuição, das opiniões de outras pessoas ou dos dados de outras pessoas para determinar se uma nova ideia é a “Ideia Certa”.
A maneira mais confiável de determinar se uma nova ideia é provavelmente a “Ideia Certa” é coletar “Seus Próprios Dados”.
Dados —Seus Próprios Dados (Your Own Data — YODA)
Se não podemos confiar nas nossas opiniões, opiniões de outras pessoas ou nem mesmo em opiniões de especialistas, como podemos decidir se uma ideia que desejamos desenvolver provavelmente terá sucesso?
Você precisa de dados! Dados superam opiniões.
Seus Próprios Dados — YODA [Your Own Data]
O autor deixa claro: se concentre em obter seus próprios dados.
Ele cria uma sigla chamada YODA — Your Own Data, ou em português: Seus Próprios Dados. O que seria o “Seus Próprios Dados”? São os dados coletados em primeira mão pelo seu próprio time para validar sua própria ideia.
Isso é o oposto do que o autor chana de OPD — Other People Data, ou em português: Dados de Outras Pessoas. Dados de mercado coletados e compilados por outras pessoas, para outros projetos, em outros momentos, em outros lugares, com outros métodos e outros propósitos.
O autor destaca que não podemos nos basear nesse tipo de dado para determinar se uma ideia é provável de ter sucesso no mercado. É tentador, mas preguiçoso e perigoso esse atalho.
Os “Seus Próprio Dados” (YODA) possem muito mais valor do que “Dados de Outras Pessoas” (ODP) e o autor diz que não é difícil, nem consome tempo e nem é caro coletar esses dados. Na verdade, ele diz que normalmente é mais fácil, mais rápido e mais divertido do que pesquisar e se aprofundar em Dados de Outras Pessoas, que podem estar obsoletos.
Alguns critérios que devemos ter para garantir a validade dos dados:
- Ser Recente: os dados precisam ser frescos — quanto mais recente melhor. O que era verdade há algumas semanas atrás pode não ser verdade hoje. Especialmente pensando em negócios de tecnologia e no mundo online, onde as atitudes e expectativas das pessoas mudam mais rapidamente.
- Forte Relevância: os dados devem ser aplicáveis diretamente para o produto, serviço ou decisão que está sendo avaliada.
- Confiável — Procedência conhecida: não basear em dados coletados por outras pessoas, outras organizações ou outros projetos para tomar suas decisões. Não sabemos os métodos que as pessoas utilizaram para coletar e filtrar os dados. Não sabemos os vieses, influências e motivações que podem ter afetado quando os dados foram compilados e sumarizados.
- Estatisticamente Significante: os dados devem ser estatisticamente significantes. Devem ser baseados em uma amostra suficientemente larga para que o resultado não seja atribuído apenas a uma chance.
Os “Dados de Outras Pessoas” (ODP) falharão em um ou dois desses critérios.
O autor diz que os dados derivados de experimentos, ações e decisões de outras pessoas que trabalharam em ideias similares podem ser usados para suplementar e informar suas próprias ações e decisões. Mas não serão suficientes e não deveriam ser um substituto para sua própria coleta de dados.
Pretótipo
O que é um pretótipo? (pretotype)
Em vez de usar a palavra protótipo, o autor cria e defini um novo conceito, chamado pretótipo.
Abaixo traduzo algumas partes da explicação dele sobre o conceito:
“Como engenheiro, quando penso em um protótipo para uma nova tecnologia, eu imagino uma versão desajeitada, cortada em conjunto, sem fios, e não pronta para […] essa tecnologia.”
Ele conta sobre uma ocasião onde engenheiros da IBM, décadas atrás, desejavam criar um sistema que conseguiria ouvir o que as pessoas falavam e escrever de forma automática o que foi dito na tela.
Naquela época, digitar era algo que apenas algumas pessoas eram boas nisso: maioria eram pessoas secretárias, escritoras e algumas programadoras de computador. A maioria das pessoas digitavam com um dedo, devagar e de forma ineficiente, então algumas companhias dependiam de profissionais datilógrafos, o quais eram caros e tinham algumas exigências.
A IBM na época era bem conhecida por seus mainframes e máquinas de escrever. Então, tiveram a ideia de desenvolver um computador que converteria fala-pra-texto. Isso permitiria as pessoas falarem em um microfone e ver as suas palavras e comandos magicamente aparecerem na tela sem necessidade de digitar algo.
Eliminando a necessidade de datilógrafos profissionais, a tecnologia teria o potencial de fazer muito dinheiro para IBM. Naquela época, computadores eram muito menos poderosos e consideravalmente mais caros que atualmente, e a função de fala-pra-texto exigiria muito poder computacional — mais que os computadores da época poderiam fornecer. E mesmo que tivesse um computador com processamento pra isso disponível, uma tradução precisa de fala-pra-texto era um problema científico difícil, o qual nós estamos começando a atacar.
Ter um protótipo para computar isso seria algo super avançado pra época.
Então surgiu uma ideia: eles disseram a potenciais clientes que eles tinham um protótipo revolucionário de computador que convertia fala-para-texto.
Então prepararam um gabinete de computador, monitor e microfone onde os participantes estariam e em outro local um datilófrago ouviria o que foi dito e digitaria para aparecer no monitor do participante.
Com isso eles conseguiram simular o resultado esperado, sem qualquer desenvolvimento de protótipo. Eles fingiram ter um protótipo.
E ao refletir sobre o experimento o autor diz ter pensado na expressão em inglês “pretendo-typing” que em português seria algo como “fingindo datilografar”.
Porém ele achou o próprio termo estranho e simplificou para pretotype (pretótipo) já permitindo estender o significado:
“A palavra funcionou bem para mim porque o prefixo pré-sugere algo que vem antes de outra coisa. Neste caso, a pré-tipagem vem antes da prototipagem, e o substantivo pretótipo descreve um artefato que precede um protótipo. Então, o pretótipo combina os elementos críticos de ambos “vem antes” e “finge”.”
Ele também comenta sobre críticas, justifica um pouco mais o nome e comenta sobre a diferença de um protótipo:
“Ao longo dos anos, aprendi (principalmente através de tweets hostis e comentários sarcásticos em várias plataformas de mídias sociais) que algumas pessoas realmente não gostam da palavra pretexto. Eles acham que a palavra protótipo já cobre todas as bases, então não há necessidade de criar uma nova palavra. Concordo com a premissa deles, mas discordo da conclusão deles. O protótipo cobre todas as bases — mas esse é exatamente o problema! O termo é muito genérico; isso pode significar qualquer coisa. Como é usado atualmente, um protótipo pode se referir a qualquer coisa, desde uma aparelhagem de clipes de papel e pulseira de borracha de 5 centavos até uma versão única de 5 milhões de dólares de uma ideia. Eu vi o termo protótipo usado para descrever experimentos de cinco minutos, bem como projetos de cinco anos envolvendo centenas de pessoas.”
“Além disso, protótipos e pretótipos têm funções diferentes. Os protótipos são projetados principalmente para testar se uma ideia de um produto ou serviço pode ser construída, como ela deve ser construída, como (e se) ela funcionará, qual o melhor tamanho ou formato para ela e assim por diante. Pretótipos, por outro lado, são projetados primariamente para validar, de forma rápida e barata, se uma ideia vale a pena perseguir e construir — um objetivo diferente que é melhor realizado com um conjunto diferente de técnicas e melhor servido por ter seu próprio vocabulário. De fato, no restante do livro, não usarei apenas a palavra pretexto, mas designarei nomes exclusivos para os diferentes tipos de pretótipos. Toda essa nova nomenclatura é necessária? Eu acredito que sim.”
O que define um pretótipo?
Para ser considerado um pretótipo devemos satisfazer três critérios:
- YODA com nossa pele em jogo.
- Implementado rapidamente.
- Implementado de forma barata.
Um experimento de prétotipo é desenhado para validar uma Hipótese XYZ específica, que é derivada de uma Hipótese de Engajamento de Mercado (HEM).
Técnicas de pretotipagem
Abaixo listo algumas técnicas que o autor comenta não só no livro mas também em outros locais. Veja exemplos de uso dessas técnicas em inglês aqui).
Porta Falsa ou Porta Pintada (Faked Door / Painted Door)
Teste o nível inicial de interesse em um produto ou serviço ainda a ser desenvolvido, criando artefatos que sugerem que o produto existe e está disponível para ver se as pessoas o comprariam.
Fachada
Teste o nível inicial de interesse em um produto ou serviço existente, mas ainda não disponível amplamente ou escalável, criando artefatos que sugerem maior disponibilidade (ou escala).
Pinóquio
Crie uma versão não operacional de seu produto e use sua imaginação para fingir que realmente funciona para ver se você usaria e como usaria.
Turk Mecânica (Mechanical Turk)
A “Turk” foi uma máquina que foi usada para enganar pessoas como Napoleoão Bonaparte e Benjamin Franklin em pensar que eles foram esmagados por um jogador de xadrez automatizado.
Na verdade, havia um mestre de xadrez humano oculto, dando as ordens dentro da máquina.
Essa técnica serve para que antes de fazer um grande investimento na concepção e construção de mecanismo complexo, considere o uso de habilidades humanas para simular o resultado desejado.
YouTube — Vídeos
Através de vídeos você pode criar produtos que ainda não existem e ver como as pessoas reagem a eles: eles ficam intrigados? Interessados? Eles vão se inscrever para aprender mais ou, melhor ainda, se comprometer a comprar?
Provinciano
Antes de se comprometer a lançar formalmente um novo produto ou serviço
e publicamente em grande escala, teste-o da menor forma, mais privada e contexto informal para ver se as pessoas estão interessadas nele.
Apenas uma noite
Ofereça uma versão pretotipada do seu produto ou serviço de tempo limitado para ver se há algum interesse antes de fazer quaisquer compromissos de longo prazo.
MVP
Crie uma primeira iteração de seu produto com o mínimo conjunto de recursos que o tornariam valioso e útil — pelo menos para os early adopters.
Infiltrado
Aproveite o tráfego do cliente em uma loja existente (offline ou online) para colocar um artefato de sua ideia (pode ser até mesmo uma caixa vazia) nas prateleiras para ver se as pessoas comprariam.
Impostor
Utilize um produto ou serviço existente como ponto de partida para o seu novo produto. A maioria dos novos produtos ou serviços não é completamente novo ou diferente dos existentes. Muitas vezes existem outras produtos e serviços suficientemente próximos e, com algum trabalho, pode ser usado para representar o novo produto que você tem em mente.
Ferramentas de análise
Esse é o momento de fazer algum sentido dos dados coletados para que possa fazer uma transição importante de dados para uma decisão.
Medidor de Pele em Jogo (Skin-in-the-game Caliper)
Como falado no tópico mais acima sobre a “Pele em Jogo”, antes de colocar muita pele em jogo em sua ideia, certifique-se de conseguir um pouco de pele em jogo do seu público-alvo.
E uma das ideias do autor é medir isso de alguma forma.
Ele dá alguns exemplos, como:
- Opiniões — “ótima ideia”, “vá em frente” ou “ninguém vai comprar” — ZERO PONTOS.
- Email ou telefone falso — ZERO PONTOS.
- Comentários ou likes em redes sociais — ZERO PONTOS.
- Pesquisas, enquetes, entrevistas online ou offline — ZERO PONTOS. Isso mesmo, na medição de “Pele em Jogo”, o autor informa como ZERO PONTOS.
- Email válido com entendimento explícito que será usado para atualização e informações sobre o produto — “Nos informe seu email para receber atualizações sobre o produto” — UM PONTO.
- Telefone válido com entendimento explícito que a pessoa receberá ligação para atualização e informações sobre o produto — “Nos informe seu telefone para que possamos te ligar e falar sobre nosso produto”— DEZ PONTOS.
- Comprometimento de tempo — “Venha para uma demonstração de 30 minutos do produto” — 30 pontos (1 ponto por minuto)
- Dinheiro — “Pague R$50 para estar numa lista de espera” — 50 (1 ponto por 1 real)
Medidor de “Ideia Certa”
Como regra de ouro, o autor indica que você precisa desenhar e rodar pelo menos de 3 a 5 experimentos com uma Hipótese XYZ relacionada — e até mais dependendo do quanto a ideia envolve riscos significantes ou um grande investimento. O número de experimentos deveria ser proporcional ao investimento e consequências da falha — o quanto você está com com a pele em jogo ou a cara à tapa.
Dependendo do risco e investimento, ele comenta sobre investir um tempo em discussão sobre várias possíves Hipóteses XYZ antes de convergir para algumas. E então, depois de alguns experimentos e algumas reflexões, provavelmente revisar mais uma vez as Hipóteses XYZ iniciais e quem sabe até trazer algumas completamente novas para validar melhor.
O autor comenta de um medidor de uma forma de medir pra guiar a validação da “Ideia Certa”:
- Se os dados significantemente excedem o que a hipótese prediz, você anota como “Muito Provável”.
- Se os dados alcançam expectativa ou levemente superam o que a hipótese prediz, você anota como “Provavelmente”.
- Se os dados apontam para algo um pouco abaixo do que a hipótese prediz, você anota como “Improvável”.
- Se os dados apontam para algo bem abaixo do que a hipótese prediz, você anota como “Muito Improvável”.
- Finalmente, se os dados são de alguma forma ambíguos, pontencialmente corrompidos ou difícil de interpretar, você anotar como “50/50” ou opcionalmente você pode descartar ele. Afinal de contas, mesmo na ciência nem todos experimentos produzem dados limpos e confiáveis.
Táticas para diminuir distância dos dados, horas para dados e dinheiro para dados
Essas táticas abaixo sugerem que você projete seus experimentos para minimizar a distância dos dados, horas para dados e dinheiro para dados.
Pensar globalmente, testar localmente
Isso significa que mesmo tendo planos globais pro seu produto, antes de você gastar tempo de desenvolvimento e execução de planos ambiciosos, você deveria validar sua ideia num segmento do mercado muito menor e fácil de alcançar: sua cidade, sua vizinhança, seu local de trabalho ou sua escola.
Quanto mais perto e mais fácil acesso, melhor.
Como dizer isso através de números: Distância dos Dados (DDD)
O autor diz que você pode e deveria medir o quão bem você está seguindo a diretriz de “Pense globalmente, teste localmente” com a tática de calcular a Distância dos Dados (DDD).
Se você planeja coletar os dados num local físico você poderia medir usando unidades de distância como metros, kilômetros, etc. A partir dessa definição da unidade, você deveria focar em diminuir isso para a coleta de dados do experimento.
O quanto mais local possível, você salva dinheiro e tempo o que permite você rodar mais experimentos ou testar mais ideias.
Testar agora supera testar depois
A mensagem aqui é: Não demore para testar. Pegue sua ideia, levante da cadeira, saia do mundo da imaginação e coloque ela à prova o mais rápido possível.
Saida do pensamento abstrato e parta para um teste concreto.
Como dizer isso através de números: Horas para os Dados (HPD)
Aqui a ideia é medir quantas horas você levará pra executar um experimento pretotipado e coletar “Seus Próprios Dados” (YODA) de alta qualidade.
O quanto menor o HPD melhor.
O autor cita exemplos e comenta que quando atribui exerimentos para estudantes realizar ele normalmente colocar um limite de HPD para 48 horas. E ele costuma dar pontos como bônus se os estudantes provarem que conseguem YODA ainda mais rápido.
Pensar barato, mais barato, o mais barato possível
O autor diz que você não será apenas capaz de coletar YODA de alta qualidade mas muito mais barato do que você poderia com outras formas de pesquisa de mercado. Possivelmente 10, 100 ou 1000 vezes mais barato.
A maioria das ideias pode ser devidamente testadas com pouco dinheiro — algumas quase que sem gastar nada.
O autor brinca que gosta quando “pizza de almoço pro time” é o item mais caro do orçamento para uma pretotipagem.
Como dizer isso através de números: Dinheiro para os Dados (DPD)[Tomei a liberdade artística pra interpretar como Dinheiro para os Dados. O autor usa Dólares Para os Dados]
Aqui não demanda muita explicação: faça o teste de forma mais barata possível.
Finalmente: Ajustar e mudar antes de desistir
Não deixe seu YODA desapontador dos experimentos iniciais te desencorajar prematuramente. A “Ideia Certa” (The Right It) pode estar apenas a alguns ajustes de distância — e pretotipar pode ajudar você com esses ajustes.
É improvável que a primeira versão da sua ideia seja a “Ideia Certa”. Sabemos que poucas ideias saem prontas pro sucesso do “Mundo das Ideias” e precisarão de ajustes.
Não é de admirar que a maioria das ideias falhe miseravelmente quando chegam ao mercado. A única maneira de descobrir o que o mercado realmente quer e ajustar sua ideia é ter contato real com o mercado.
Não basta perguntar ao mercado o que acha que ele quer; ponha um pretótipo da sua ideia no mercado e exija alguma forma de “Pele em Jogo” como prova de interesse. Quanto mais cedo você fizer isso, melhor, porque quanto mais você esperar, mais dolorosas e caras serão as lições. E, eventualmente, você se verá espancado, desanimado demais e sem recursos para tentar outros ajustes.
A primeira versão da sua ideia pode ser a “Ideia Errada”, mas você pode estar apenas a alguns ajustes da “Ideia Certa”: teste, ajuste, repita.
Quer saber mais sobre validação de ideias?
Veja aqui:
E conheça também a ideia de Triple Track Agile no desenvolvimento de produto, juntando o Problem Space com Solution Space:
