Questo prodotto è un esempio di business experiment: un processo di strategie di testing, design e formulazioni indispensabili ai fini aziendali. Dato il file Excel in allegato, e formulato il contesto d’azione della strategia d’impresa, uno degli obiettivi fondamentali è riuscire a ricavare un ciclo rapido delle idee di testing.
In particolar modo, definire, implementare una predizione e suggerire se il nuovo prodotto è da immettere sul mercato dopo un lento split con due mesi di utilizzo (prodotto che chiameremo d’ora in avanti convenzionalmente P1, rispetto a P2, prodotto di lancio del nuovo prodotto).
Dal contesto presentato in tabella si definiscono fin da subito variabili (dipendenti, indipendenti). In questo caso non è agevole ricorrere a un A/B Testing e comunque, la scelta finale sulla presa in carico della sostituzione del prodotto iniziale P1 a favore di P2 resta una scelta a discrezione del contesto aziendale i cui fattori reali sono ben oltre quelli riportati in esempio. Questo per confermare che qualsiasi decisione scientifica a supporto di un’idea è comunque da verificare e definire all’interno di un team di sviluppo, nelle linee di budget e prospettive in riferimento alle linee guida aziendali (promoting vs technology).
Il nostro caso di P1 in esempio, è un caso complesso e dinamico. Dove sono alti i fattori di rischio.
Usando il set dei dati in ingresso (dataset: file.xlsx), per fare un’analisi dei dati è necessario formulare una regressione (Simple linear), R= b0 + b1x1 + b2x2 + b3x3 + … + e Il cui risultato permetterà di fare una stima OLS. Si deve poi lanciare una correlazione (stata o excel1) per la predizione Multiple Regression (TotalD = …)
A seguito di tale procedura si verificano i valori di predizione V >= V* e si traccia una stima (change):
log(Y) = b0 + b1xlog(x1) + b2x2 + e. È altresì importante non interrompere repentinamente la linea di sviluppo nei mesi successivi e non agire a intervalli. Ma solo in modo costante tenendo sotto controllo i dati in ingresso e report giornalieri, mensili o settimanali. Tenendo presente i fattori di correlazione (con uno scatter plot) e causalità.
È possibile quindi variare la linea di sviluppo aziendale calibrando i valori di ingresso, per evitare perdite su vasta scala tenendo d’occhio sempreil risultato TFP della performance (OUTCOMEit = alpha + beta*INTERVENTIONit + eit) e i valori relativi a un controllo randomizzato (RCT).
Il tipo di riuscita dipenderà anche dalla tipologia di ambiente di esperimento: lab, natural o field. Ciò che dobbiamo aspettarci è comunque l’assioma approccio scientifico – >exit/pivot, conclusione regolata e imprescindibile dai criteri di endogenità.
Clicca sul link in calce per tornare alla pagina prodotto: