见解

常识:下一代创新–大规模创建和完善思想的进化模型
文章

常识:下一代创新–大规模创建和完善思想的进化模型

想象一下一个厨师想要创建一个新的,吸引人的食谱。她首先尝试了此操作,然后与同事和朋友分享以获取他们的反馈。结果,她可能会增加或减少配料,更改烹饪时间或进行许多其他调整。然后,她创建食谱的新版本,并再次从味觉测试人员那里征询意见,并使用该信息通知食谱的下一个版本。她重复此步骤,直到她和她的测试人员觉得自己已经完善了配方。

这是“迭代产品开发”的一个示例。大多数CPG公司在制定自己的产品创意时会遵循相似的(如果是更正式的)测试,精炼和重新测试周期。通常,小型团队会构建概念,从消费者那里获得定性或定量反馈,完善概念,收集另一轮消费者反馈等等,直到形成“成功”概念。

这种技术效果很好,但存在一个主要缺点:它通常会产生足够好的想法,但并不是最好的想法。为什么?传统的迭代测试需要花费时间和金钱,因此团队必须在产品开发过程的前端大大缩小构思范围。无法保证会充分探索甚至考虑最佳想法。实际上,这些数字实际上保证了它们不会。因此,团队很可能会得出一个成功的想法-但会忽略过程中的更好想法。

这种受限制的探索转化为潜在的市场错失机会,并导致一种反常理的观念:当涉及创意时,数量决定质量。

David Bayles和Ted Orlands的书中的轶事 艺术& Fear经常被科技创业公司引用,解释了探索数量非常有限的选择的危险。一位陶瓷老师将他的新班分为两组,告诉一组他们将仅根据所生产的作品数量进行评分,而另一组则仅根据质量进行评分。在上课的最后一天,将对第一小组的作品进行称重,并相应地评分。第二组将根据质量进行评分,无论他们从事多少工作。但是,当评分时间到来时,事实证明最高质量的作品全部来自按数量进行评分的组。质量小组对什么是一流的作品感到苦恼,在此过程中生产很少,而质量小组则去强调它,强调生产力,但作为艺术家,总是在努力提高。

由于类似的原因,最伟大的艺术家和作家通常都是高产的。毕加索,伦勃朗和塞尚共创作了1,000多幅作品(毕加索创作了约50,000件)。巴赫,莫扎特和贝多芬是创作最多的作曲家。天才但输出适中的艺术家,例如詹姆斯·乔伊斯和莱昂纳多·达·芬奇,比多产的艺术家要稀少得多。

在产品开发较为平淡的领域中也是如此,不足为奇:大多数新产品不是由有创造力的天才制造的,仅靠人才是不够的。您测试的概念越多,就越有可能确定在市场上表现良好的概念。一项研究估计,识别一种实质上是新的商业成功产品需要花费3,000个原始思路(1)。

如果事实,想法,能力和技能来自更大的群体,那么产品开发的创意过程也将得到帮助: 尼尔森最近的研究 发现六个或更多团队的概念在售前测试中比“起点”概念的优先级高58%,而较小团队的概念比“起点”概念的优先级高32%(2) 。

如何大规模迭代

因此,有意义的是,大规模迭代应该会产生更好的产品。好消息是,技术现在使开发和测试不仅是几个概念成为可能,而且还可以开发和测试成千上万的概念。

要进行大规模迭代,您需要在不延长时间范围的情况下大幅增加创建概念的人数。因为更大的团队的成功很可能归因于“房间内”更大的多样性,所以无论您是在流程中涉及的职能方面还是在所涉及人员的背景方面,或者两者兼而有之,都可以增加多样性是一件好事。

技术可以通过所谓的“协作技术平台”提供帮助,该平台使远程团队可以更有效地创建概念,从而更轻松地扩展所涉及的人员数量以及团队的多样性。平台消除了通常的距离挑战(即用不同版本的文档来回发送电子邮件,可能需要项目经理来整合输入),该平台消除了项目经理可以接受或拒绝的实时反馈的问题。项目经理还下达命令,由项目经理控制谁有资格成为合作者,以及何时“锁定”创作过程。

但是技术平台只能以线性方式放宽通常的约束条件–团队数量增加一倍,而创意数量却不会增加四倍。技术几乎可以完全放松这些限制的一种惊人方式是通过使用 进化算法。

在产品开发中使用的进化算法借鉴了生物进化的思想,例如突变,组合和选择,以加快开发过程。团队不是在传统上花费时间来建立离散的概念,而是寻求确定有希望的“组成部分”,并 结合 它们以不同的方式构成了成千上万个概念。随着消费者对不同概念的反应,团队将了解哪些变体和变体组合得分最高。这些是 已选 为下一代的概念。可以在过程中的任何时候引入新的想法(变异)。

技术从何而来?在最强大的进化算法模型中,使用计算机将过程组合到概念中,并对响应进行响应,从而在过程的每个阶段都保持受支持的概念或组件或两者,从而进行该过程。

进化算法的一个现实世界示例是流行的音乐个性化应用程序Pandora。尽管大多数用户都不知道,但是Pandora数据库中的每首歌曲都是由变体的不同组合组成的, 音乐特征 例如主唱的性别,吉他的失真程度,背景人声的类型等。 (“音乐基因组计划中的每首歌曲都会由受过训练的音乐分析师使用多达450种不同的音乐特征进行分析。”)随着用户“竖起大拇指”或“竖起大拇指”单个歌曲,该算法会了解到哪些元素及其元素组合用户喜欢,并据此调整提供的歌曲。

就产品概念而言,要素不是音乐特征,而是不同的成分,风味,外观,产品主张等。当消费者表达了对一个概念的偏好而不是另一个概念时,系统就会学习。

成功的数字

在物理产品的开发中使用进化算法似乎要比在Pandora等音乐服务或我们每天在Google,Amazon和LinkedIn上看到的推荐引擎的开发中使用进化算法要困难得多。显然,亚马逊正在学习您的口味。很少有人意识到Google搜索之所以有用,是因为Google搜索是通过了解它们与您的相关性来对结果进行排序。您认为LinkedIn如何立即从数以亿计的数据库中选出六个“您可能认识的人”?

但是证据已经存在:我们的数据显示,以这种方式优化的CPG概念平均可产生38%的体积潜力。对于一个新产品故障​​率很高的行业,这些新方法是传统创新过程的下一个迭代版本。

笔记

  1. 格雷格·史蒂文斯&詹姆斯·伯利(James Burley)(1997)3,000个未加工的想法= 1个商业成功!,研究技术管理,40:3,16-27
  2. Nielsen,“协作如何驱动创新成功”,2015年

点击“订阅”即表示我同意 隐私政策使用条款.