Data-informed, prima ancora di saperlo chiamare così

Non ho cominciato nel prodotto. Ho cominciato nel digital marketing, facendo consulenza ai clienti su campagne e siti web, e il passaggio al prodotto è arrivato quasi per caso, attraverso la conversion.

Nel 2018 sono entrata in MatHem come Conversion Manager. Il mio lavoro era far funzionare meglio il percorso del cliente, e lo strumento principale era la sperimentazione: formulare un'ipotesi, testarla, guardare cosa facevano davvero i clienti, decidere. In quegli anni ho fatto tantissimi test, e la maggior parte mi ha insegnato più sulle nostre ipotesi che sui nostri clienti.

C'è un test a cui penso ancora. Una modifica che una persona molto senior era sicura avrebbe funzionato. In riunione filava tutto, e nessuno aveva davvero voglia di contraddirla. L'abbiamo testata comunque, e i clienti hanno fatto l'esatto contrario di quello che ci aspettavamo tutti. Quello che mi è rimasto non è che l'idea fosse sbagliata. È quanto è diventata più facile la conversazione successiva, perché parlavamo di quello che i clienti avevano fatto, non di quale opinione pesasse di più.

È lì che è nato il mio modo di essere data-informed, molto prima che sapessi chiamarlo così. I test che cambiavano qualcosa erano quelli in cui avevamo deciso prima cosa avremmo fatto con ogni possibile risultato. Gli altri finivano quasi sempre in qualche slide.

Me lo sono portata dietro nell'e-commerce di Ahlsell, nella lead generation di Universum e nella crescita degli abbonamenti di Nextory. Prodotti molto diversi, ma sotto la stessa domanda: quale cambiamento vale davvero la pena fare, per il cliente e per il business?

L'AI cambia l'economia di questo lavoro. Provare qualcosa oggi costa molto meno, sia da costruire che da analizzare. E questo rende la vecchia disciplina ancora più importante, perché qualcuno deve comunque decidere cosa si vuole imparare e cosa si farà con la risposta. I team che avevano già questa abitudine dall'AI stanno ottenendo tantissimo. In quelli che non ce l'avevano, vedo soprattutto aumentare il numero di esperimenti e di dashboard.

È un filo che attraversa tutto quello che faccio oggi, che si tratti di aiutare un'organizzazione a capire dove l'AI può creare valore di business o di accompagnare un team nel modo in cui prende decisioni di prodotto.