Hogyan használ adatokat és kísérleteket a termékfejlesztési döntésekhez?

Question

Accepted Answer

A **data-driven decision-making** (adatvezérelt döntéshozatal) azt jelenti, hogy a termékválasztásokat bizonyítékokon — használati adatok, kísérletek, kutatások — alapozzuk, nem csak véleményen. A érettebb verzió az *adatinformált* megközelítés: az adat élesíti az ítélőképességet, de nem helyettesíti azt. A cél a találgatásra való fogadás kockázatának csökkentése.

## Bizonyítékforrások

```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
```

A mennyiségi adat nélkül a minőségi információt nem adja meg, hogy a folyamat a 3. lépésben miért omlik össze — és nem lehet megjavítani azt, amit nem értünk meg.

## Kísérletek (A/B teszt)

```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
```

A kísérletek lehetővé teszik, hogy olcsón tesztelj és *tudd*, ahelyett hogy vitatkoznál.

## Ha az adat nem elég

Az adat a múltat és a jelent írja le, nem az merész új fogadásokat — nem lehet A/B tesztelni valamit, ami még nem létezik. A nagy stratégiai lépések vízióra és ítélőképességre szorulnak; az adat tájékoztat, de a döntés a tiéd. Az adatra való túlzott támaszkodás helyi optimalizációhoz vezet (gyorsabb lovak, de nem autó).

## Konkrét példa

Egy csapat hetekig vitatkozik egy új onboarding folyamatról. Ahelyett hogy diskutálnának, mindkét verziót A/B tesztként szállítják ki az elvégzés + 7 napos megtartás mérőszámaival. Az adat két hét alatt dönt — és felfedi, hogy a "nyilvánvalóan jobb" dizájn valójában rontotta a megtartást, amit senki intuíciója nem jósolt meg.

## Egy gyakori csapda

Az adat helytelen használata: számok kiválogatása egy előre elkészült döntés indoklására, statisztikailag nem szignifikáns ingadozások hajszolása, vagy egy metrika optimalizálása a teljes termék rosszabbodásáig (Goodhart törvénye).

## Miért számít

Az intuíció gyakran tévedésre vezet, és az önbiztos vélemények végeláthatatlanul ütköznek.

A bizonyítékok objektív módon rendezik az vitákat és mekkora csapást okoznak a nem intuitív igazságok, amelyek egyébként drága hibákként kerülnének be.

Helyesen alkalmazva — az ítélőképesség kiegészítéseként, nem helyettesítéseként — az adat a termékfejlesztést egy olyan tanulási hurokká alakítja, amely összeadódik, ahelyett hogy nem validált fogadások sorozata lenne.