La historia de una iteración para encontrar la perfección en el proceso de discovery

El proceso de discovery no es sencillo. Arranca, itera y sigue probando hasta que llegues al proceso que funcione para tu equipo, y luego no pares ahi, sigue iterando y mejorando tus procesos.

Empezar como el único Product Manager en una empresa 100% remota y tener el reto de montar todos los procesos de producto desde cero es apasionante.

No todo el mundo tiene la posibilidad de tener “un lienzo en blanco”, por lo que cuando se me presentó la oportunidad, me tiré a la piscina sin pensarlo.

Si nunca habéis trabajado en una empresa de menos de 10 empleados siendo la primera persona de producto, os cuento que lo normal es que no hay nada hecho en relación de producesos de producto, y esto incuye los procesos de discovery.

Después de abrir la boca para decir “deberíamos montar un proceso para hablar de forma regular con nuestros clientes” la respuesta del founder de Careershifters muy concisa: “Ok, you do it” (Ok, hazlo tu).

Así empezó la definición del proceso de discovery en Careershifters.

Lo que comparto hoy aquí es fruto de muchas iteraciones para poder hacer de forma efectiva discovery en una startup.

Confieso que, como muchas cosas que hacemos los que hemos trabajado de product managers, crear algo desde cero en muchas ocasiones vuela por los aires la teoría.

Lo primero y más importante esarrancar con una convicción ferrea de que el discovery es importante. Esto es, tener muchas ganas de conectar con tus clientes, y tener también la persistencia de seguir iterando hasta que el proceso esté suficientemente pulido para dar resultados.

Lo que os comparto son las iteraciones que hicimos en Careershifters hasta llegar a un proceso de discovery consistente.

Esto nos permitió empezar a tener insights que nos permitieron mejorar los productos ya existentes en la empresa y lanzar nuevos de forma rápida y efectiva.

Primera iteración: Todo manual

No voy a mentir. La primera iteración del proceso de discovery era todo manual al más estilo cavernícola digital.

En los talleres presenciales dábamos formularios en papel y teníamos a alguien del equipo escaneando estos formularios y pasándolos a mano a un Excel.

De esta lista veíamos quienes de los asistentes aceptaban tener una entrevista, y por mi parte les escribía uno por uno mails personalizados para poder hablar con ellos.

Estos mails y cerrar un dia y hora para la llamada llevaban mucho tiempo.

Una vez conseguía poder coordinar un día y una hora (toda una azaña), abría la llamada de Zoom y tenía una conversación como “Pedro por su casa” con los clientes.

Esto es, no había ninguna preparación.

Lo único que había eran ganas de empatizar y poder entender mejor qué pensaban nuestros clientes de nuestro taller, que podríamos mejorar de esos talleres, y que otros productos y servicios creían que necesitábamos lanzar.

Lo “único malo” de este proceso es que era yo el único ser humano hablando con la persona entrevistada. Estas llamadas tampoco se grababan ni yo tomaba notas.

El problema principal de esta primera iteración de discovery fue que salía super inspirado pero luego no tenía ninguna evidencia que compartir el equipo.

Y lo que pasó es que Richard me decía (con mucha razón) que no podíamos cambiar un producto por la opinión de un cliente y sin tener evidencias.

Segunda iteración: Primeros automatismos

Después de algunas iteraciones en donde salía de las entrevistas totalmente inspirado pero sin ningun tipo de evidencia, empecé a pensar cómo podría mejorar los procesos de discovery.

Lo primero que hice fue homogenizar las preguntas a los clientes.

Algunos de los datos los podíamos extraer directamente desde el CRM, pero también es bueno preguntar, sobre todo temas más subjetivos en torno a su experiencia con la empresa y que les gustaría que hiciéramos en el futuro.

Lo segundo fue homogenizar las preguntas, para que siempre hiciéramos las mismas preguntas de forma consistente.

Esto nos permite tener datos cualitativos que nos dan una perspectiva más consistente sobre ciertas preguntas que tenemos que resolver.

En estas conversaciones pudimos empezar a entender y mapear los problemas de forma mucho más estructurada.

Siempre surge la necesidad de “arreglar los problemas lo antes posible”, pero tuvimos la paciencia de seguir con el proceso de discovery para validar que se repetían las contestaciones a las mismas preguntas antes de buscar una solución concreta.

Tercera iteración: Bajar el tiempo para poder entrevistar a clientes y compartir insights de forma efectiva

En una tercera iteración conseguí automatizar mucho más el proceso de discovery.

Por un lado, dentro del CRM hicimos un proceso por el cual “marcabamos” a clientes interesantes que habían surgido de los talleres, y ellos recibían un correo automatizado solicitando si querían hacer una entrevista con nosotros.

Si respondían al correo de forma afirmativa, les mandábamos un segundo mail en donde compartíamos un calendario de la plataforma You Can Book Me para que pudieran encontrar un hueco conveniente para ellos.

Una vez reservaban su espacio, mandábamos mails recordatorios a los 3 días, 1 día y una hora, dando la posibilidad de que el cliente pudiera cancelar o cambiar su cita si no pudiera acurdir a la entrevista.

Por último, también añadimos las grabaciones en la plataforma Wistia en donde podíamos marcar los videos y poner puntos de corte de los insights que obteníamos en las entrevistas.

Por otro lado, también empecé a compartir en Slack con todo el equipo los insights que estábamos obteniendo en las entrevistas, pudiendo también marcar los insights para que el equipo pudiera vivirlos en primera persona viendo tan sólo 1 minuto de video.

Cuarta iteración: Conseguir tener contexto del cliente y su viaje con Careershifters

En una siguiente iteración conseguimos poner contexto a los clientes, poniendo la fecha en donde se dieron de alta en el newletter, cuando habían consumido un producto o productos, y cuanto dinero habían gastado en nuestros productos y servicios.

Poner este contexto permitía poder entener en qué punto estaban nuestros clientes en el contexto del funnel de valor, y de esta forma entender sus necesidades de forma mucho más contextualizada.

También generamos una métrica de tiempo de vida de valor (Life Time Value en inglés) que nos permitía medir si los cambios creados en base a los insights movían las métricas concretas a las que atabámos.

Por último, empezamos a introducir premios por el tiempo invertido con Careershifters. A veces era una tarjeta de Amazon y otras veces promo codes para otros productos y servicios ofrecidos en Careershifters.

Quinta iteración: Mapear las soluciones para los problemas de los clientes contra sus perfiles, y comunicarles las nuevas funcionalidades cuando lanzábamos

Esta fue la última iteración del proceso de discovery y la que más feliz me hizo.

Lo que hicimos fue empezar a mapear las soluciones que generábamos de los insights de clientes, y comunicarnos con dichos clientes en cuanto lanzábamos la solución a “sus problemas”

Este proceso era exageradamente manual, pero también realmente inspirador.

Es impresionante poder mandar un mail a un cliente diciendo “¿Recuerdas eso que no te gustó de tu experiencia en Careersfhiters? Bueno, pues lo hemos arreglado y aquí tienes el enlace”

Interaciones que no hice y me gustaría haber hecho

Algunas iteraciones que no hice, y que me gustaría haber hecho, habría sido poder automatizar la última parte del flujo en donde compartimos con los clientes las funcionalidades que habíamos creado.

Herramientas que posteriormente descubrí permitían esto de forma mucho más sencilla.

Una que me gusta para implementar este flujo es Productboard.

Producboard permite mapear el feedback de los usuarios a la funcionalidad que resuelve el problema, y extraer el listado de personas que te dieron ese insight de forma super sencilla y rápida.

Esto hubiera permitido ser más eficientes a la hora de comunicar los avances a la gente que inicialmente nos lo pidió.

También con el tiempo he aprendido a estructurar mejor las hipótesis y su validación, poniendo foco en definir cómo se validarían dichas hipótesis y cómo medir el éxito y validez de un proceso de discovery.

Gabría añadido más técnicas de discovery que luego aprendí con el libro Testing Business Ideas (Validando ideas de negocio) y también los procesos definidos en el libro de Teresa Torres Continuous Discovery Habits (hábitos para el descubrimiento continuo).

Conclusiones

Aunque haya muchos gurus que hablen de cómo hacer los procesos de discovery, te encontrarás con la cruda realidad de no es algo sencillo de implementar.

Tener persistencia para seguir haciendo discover, la flexibilidad de adaptarte en cada iteración y la humildad de poder ver honestamente que no funciona te permitirá llegar a un proceso más robusto de discovery.

Y llegar a este proceso robusto de discovery es lo que permitirá conectar de manera directa y profunda con tus clientes, sus problemas y necesidades.

Y esto a su vez te debería permitir encontrar soluciones que sean realmente útiles para tus clientes que resuelvan problemas que ellos han compartido de forma directa.