Kako koristiš podatke i eksperimente za donošenje odluka o proizvodu?

Question

Accepted Answer

**Donošenje odluka na osnovu podataka** znači utemeljiti izbore proizvoda u dokazima — podaci o korištenju, eksperimenti, istraživanja — umjesto samo na mišljenjima. Zrelija verzija je *data-informed*: podaci oštre prosuđivanje, ali ga ne zamjenjuju. Cilj je smanjiti rizik od kladjenja na nagađanje.

## Izvori dokaza

```text
✓ QUANTITATIVE → analytics, funnels, retention, A/B tests (what is happening)
✓ QUALITATIVE → user interviews, support tickets, session recordings (why)
→ combine both: numbers tell you WHAT, conversations tell you WHY
```

Kvantitativno bez kvalitativnog ti pokazuje da se funnel smanjuje na koraku 3, ali ne *zašto* — i ne možeš popraviti problem koji ne razumiješ.

## Eksperimenti (A/B testiranje)

```text
✓ Form a HYPOTHESIS → "shorter signup → higher completion"
✓ Define the SUCCESS METRIC up front (and guardrails)
✓ Run on a meaningful, RANDOMIZED sample to significance
✓ Decide BEFORE looking → avoid cherry-picking results
✓ Beware false positives, tiny samples, and short-term wins that hurt long-term
```

Eksperimenti ti omogućuju da testiiraš jeftino i *znaš* umjesto da se prepiraš.

## Kada podaci nisu dovoljni

Podaci opisuju prošlost i sadašnjost, ne hrabre nove oklade — ne možeš A/B testirati nešto što još ne postoji. Veliki strateški potezi trebaju viziju i prosuđivanje; podaci informiraju, ali odluka je tvoja. Preovisnost o podacima vodi do lokalne optimizacije (brži konji, nikad automobil).

## Konkretan primjer

Tim se dugi tjedan raspravlja o novom toku onboardinga. Umjesto da se prepiru, objavaljuju oba kao A/B test s metrikama dovršenosti i zadržavanja nakon 7 dana. Podaci to rješavaju u dva tjedna — i otkrivaju da je "očito bolji" dizajn zapravo oštetio zadržavanje, rezultat koji nitko nije predvidio.

## Česta greška

Zloporaba podataka: odabir brojeva kako bi se opravdala već donesena odluka, gonjena statističkih neshvatljivih varijacija, ili optimizacija metrike u lošiji ukupni proizvod (Goodhartov zakon).

## Zašto je to važno

Intuicija je često pogrešna, a samouverena mišljenja se beskrajno sukobljavaju.

Dokazi rješavaju debate objektivno i hvataju kontraintuitivne istine koje bi inače bile uključene kao skupe greške.

Korišteno dobro — kao dopuna prosuđivanju, a ne zamjena — podaci pretvore razvoj proizvoda u učnu petlju koja se složi, umjesto serije nevalidiranih oklade.