A stratégia körül rengeteg a félreértés. Sokan a vízióval vagy AI-al kezdik, miközben az igazi kérdés inkább az, hogy tudsz-e olyan élményt építeni, ami idővel versenyelőnnyé nő?
Az előző cikkemben megpróbáltam egy nagyon hasznos, de elég nehéz stratégiai keretrendszert összefoglalni, a 7 powers-t. Önmagában a Hamilton Helmer által alkotott modell ugyan logikus, de a gyakorlatban eléggé megfoghatatlan.
Teszem azt, ha egy startup – amúgy nem teljesen rossz gondolattól vezérelve – kitalálja, hogy “csináljunk ellen pozicionálást”, az még önmagában valójában nem stratégia, hanem csak egy várt eredménye bizonyos döntéseknek.
Ennek oka, hogy valójában a 7 powers egyfajta post-hoc analitikus eszköz. Olyan mint egy bíró aki a focimeccs után pontoz, de nem ő tervezi a játékot. Szóval a hogyan tekintetében nem sok fogódzót ad, ha stratégiai tervezésről van szó.
Ezért az előző cikk folytatásaként ezúttal Gibson Biddle munkásságához fordulok, hogy betöltsük az űrt, aki tizenöt évig volt a Netflix VP Productja, és lényegében digitális termékvezetői nézőpontból közelítette meg a kérdést.
Gibson modellje az úgynevezett DHM, ami három egymásra épülő kérdést tesz fel, és egyfajta állandósított iteratív termékstratégia lebonyolításában segíthet.
A stratégia három valódi kérdése
Gibson Biddle az alábbiak szerint fogalmazta meg a termékstratégiát egyetlen mondatban:
Hogyan fogja lenyűgözni a terméked a vásárlót, nehezen másolható és nyereséges módon?
Ebben a definícióban három különálló réteg bújik meg, nézzük mindegyiket.
- Delight: Miért szereti a fogyasztó az adott terméket?
- Hard to copy: Ebből mit nem tud lemásolni versenytárs?
- Margin: És mindez együttesen hogyan termel pénzt, amit visszaforgathatsz?
A sorrend nem véletlen és nem felcserélhető.
Bevallom éppen ezért tetszik, mert azt mondja, hogy kezdd a fogyasztóval vagyis azzal, hogy mi teszi elégedetté az ügyfeled/leendő ügyfeled majd építs Powert belőle.
A stratégia a delighttal kezdődik
A Netflix történetére visszatekintve Biddle felsorol egy igen hosszú listát arról, mi okozott örömöt a felhasználóknak az évek során.
Kezdetben a DVD-k másnapi kézbesítése, majd a streaming, a nagy filmkínálat, az utóbbi években meg a binge-watching. Vagy éppen az „anytime, anywhere” hozzáférés, személyre szabott profilok, a filmek/sorozatok offline lejátszása esetleg az állítható lejátszási sebesség.
Néhány ezen fejlesztések közül berobbant, mások viszont hamar elhaltak.
Például kísérleteztek a barátok ajánlásaival, de a Netflixnél nem működött. Az élő sportközvetítések kérdése évek óta lebeg a levegőben, mostanában több próbálkozás történt ebbe az irányba.
Amit itt érdemes észrevenni, hogy valójában semmiképpen sem egy diadalmenetről van szó, hanem kísérletek listájáról.
Az első Gibson Biddle állítás ugyanis, hogy a delight nem egy tulajdonság, hanem egyfajta folyamatosan tesztelt hipotézis állomány.
Vagyis azt mondja, hogy nem azzal kell kezdeni, hogy top-down eldöntjük, mi fogja az ügyfelet elkápráztatni.
Helyette inkább írjunk össze tíz dolgot – persze nem árt ha ezek nem légből kapottak, hanem valamiféle user kutatás eredményei -, futtassunk teszteket, és mérjük meg, hogy miként reagálnak rá, végül pedig a győztesekbe invesztáljunk többet.
A másolhatatlanság ritkán tervezhető meg előre
A „hard to copy” egy kulcskérdésre irányul, nevezetesen, hogy a delightból mit nem tud a versenytárs ellopni?
Ha valami örömet okoz a vásárlónak, de egy konkurens holnap reggel ugyanazt lekoppintja, akkor az sajnos nem előny, csupán egy időleges szívesség, amit a piacnak teszel.
Hard to copy, ami strukturálisan nehezíti a másolást. Tehát nem azért, mert a versenytárs lusta vagy buta lenne, hanem mert valami a helyzetben – például méret, adat, beágyazottság, pozíció – megakadályozza, hogy ugyanezt megtegye.
Ezen a ponton a DHM találkozik Helmerrel, hiszen a 7 Powers gyakorlatilag ennek a kérdésnek a kibontása hét szerkezetre.
Biddle egyébként pont ezért a hard to copy kapcsán maga is felsorolja a Helmer-féle hét Powert, és ezen felül még egyet, amit szerinte Helmer kifelejtett, az egyedi technológiát.
A Netflix esetében ez a perszonalizáció technológiája, ami lényegében azt jelenti, hogy úgy 280 millió ember filmes ízlését ismerik, pontosan előrejelzik, mennyire lesz az adott cím nézett, és ennek megfelelően határozzák meg a tartalomba fektetett pénzt.
Teszem azt egy Everest dokumentumfilmre 5 millió dollárt költenek, mert maximum egymillió megtekintést várnak, de a Stranger Thingsre 500 milliót, mert az akár százmillió megtekintést is hozhat.
Ezen a ponton érdemes kiemelni, hogy Biddle nem cáfolja Helmert, inkább átfordítja a kérdést. Azt mondja, hogy a delight egy bemenet a Power meg egy kimenet, ami csak akkor jön létre, ha a megfelelő delightba fektetsz.
A Netflix perszonalizációja nem azért lett nehezen másolható, mert Network Effects-et akartak építeni. Hanem azért, mert először eldöntötték, hogy a „találd meg a filmet, amit szeretni fogsz” delightba fognak energiát ölni és csak utólag, évek múltán derült ki, hogy ebből egy olyan adattömeg és modellezési képesség nőtt itt ki, amit egyik versenytárs sem tud lemásolni.
Mi marad a technológiai előnyből az AI után?
A hard to copy kapcsán érdemes tenni itt egy kitérőt kifejezetten az AI mint potenciális “másolhatatlan előny” kérdésében.
Gibson Biddle olyan 2019-től kezdte terjeszteni a DHM modellt, amikor még más szelek fújtak.
Az „egyedi technológia” a kétezres-tízes években kétségtelenül valódi védőárkot jelentett. Egy Netflix szintű ajánlórendszer megépítése évek munkája volt, kutatási háttérrel, sok PhD-s szintű szakember bevonásával, így valóban egy versenytárs nem tudta egyik napról a másikra lemásolni.
Ma nagyon más a technológiai kontextus, a foundation modellek – GPT, Claude, Gemini – API-on keresztül is elérhetők. Ez azt eredményezi, hogy például egy vektor adatbázist akár egyetlen hétvége alatt is felállíthat egy junior fejlesztő. Vagyis az AI mint képesség gyorsan demokratizálódik, Helmer-i értelemben ez nem Power, mert a versenytárs is megszerezheti.
Akkor mindez azt jelenti, hogy a technológiai előny már nem Power? A válasz összetett, a modell maga árucikk lett, de három másik helyen továbbra is felépíthető az előny, ha nem is egykönnyen.
Az adat, ami táplálja a modellt.
A Netflix példa pont erről szólt, hiszen valójában nem az ajánló algoritmus a fő védőárok, hanem a 280 millió ember tartalomfogyasztási mintázata.
Ezt nem lehet API-al helyettesíteni, egy versenytárs hozzáférhet ugyanahhoz a Claude-hoz vagy GPT-hez, – mint te – de a te ügyfeleid interakcióit nem tudja replikálni.
Ami a kétezres években egy egyéni technológia volt, ma sokkal inkább az olyan adattömeg, ami ideális esetben csak nálad keletkezik, mert csak nálad zajlik az adott interakció.
A visszacsatolási hurok, ami egyre jobbá teszi.
A modern AI termékeknél létezik egy mechanika, amit data flywheelnek hívnak: azt jelenti, hogy minél többen használják, annál több adat keletkezik és annál pontosabb a modell, annál jobb az élmény, és annál többen használják.
Ez gyakorlatilag a Network Effects egyik új formája, csak nem a felhasználók közötti közvetlen kapcsolat hajtja, hanem a használat által termelt adat.
A folyamatba ágyazás, amit nem lehet átemelni.
Egy versenytárs lemásolhatja a funkciót, de nem tudja lemásolni azt, hogy a te szervezetedben pontosan hogyan és hol van beépítve.
Egy SaaS-cég, amelyik az AI-t mélyen beágyazza a felhasználói workflowba más élményt tud biztosítani, mint az, aki csak egy chatbotot rávarr a meglévő termékre (lásd Bookline).
Ez Helmer szerint Process Power jellegű előny, csak ma sokkal gyorsabban és gyakrabban realizálható, mint a 2010-es években.
A tanulság, ha ma „AI stratégiát” csinálsz, és a tervedben annyi szerepel, hogy „használjunk GPT-t” az valójában nem stratégia.
A stratégiai kérdés amit meg kell válaszolni, hogy milyen saját adatot tudsz hozzáadni, hogyan teremtesz visszacsatolási hurkot, és hová ágyazod be úgy, hogy más ne tudja átemelni.
A margin valójában tanulási üzemanyag
A margin köti össze delightot és a hard to copyt az üzlettel.
Természetesen örülünk, ha szeretik a terméked és nehéz lemásolni, de vajon termel-e annyi pénzt, amiből a következő delightot finanszírozod?
Margin nélkül a modell első két betűje lényegében önfelszámoló, például a versenytárs ki tudja várni, amíg elfogy a pénzed. Ezen a ponton nagy a félreértés veszélye, mert alapesetben a margin szó haszonkulcsot sugall, egy táblázatcellát, amit kiszámolsz excelben.
Biddle viszont egészen mást ért alatta, nem haszonkulcsot, hanem visszaforgatható profitot, a pénzt, amiből még jobb terméket építesz, ami még több profitot termel. Nem egy statikus szám tehát, amit valaki egyszer kiszámol, hanem folyamatos kísérletezési felület.
A Netflix árazási evolúciója ezt példásan illusztrálja. Anno à la carte üzlet volt, kibérelsz egy DVD-t, megérkezik postán, fizetsz érte pár dollárt, és az egész öt napig tartott, Biddle szavaival nagyjából használhatatlanul rossz koncepció volt.
Aztán feltették az egész céget egyetlen all-in-re az „all you can eat” havidíjas előfizetésre, ami bevált. Onnastól a Netflix folyamatosan tesztelte az árat és a csomagokat, az évek során lassan emelve a díjat, elsősorban azért, hogy több pénze legyen eredeti tartalomba fektetni.
A legtanulságosabb mégis a hirdetések esete. 2007-ben a Netflix bannerekkel 40 millió dollár működési eredményt termelt, élete első profitját, mégis leállították.
Nem azért, mert nem hozott pénzt, hanem mert Reed Hasting megcsinált valamit, ami sok CEO-nak sajnos nehézséget okoz: kőkemény döntést mert hozni.
Azt mondta, hogy a Netflixnek a személyre szabásban kell a világ legjobbjának lennie, nem pedig a hirdetésben, amiben a Google a legjobb. Ráadásul minden egyes új választási lehetőség, amit a felhasználó elé tolsz, bonyolítja az élményt, miközben a Netflix egész ígérete az egyszerűség volt.
A reklám profitábilis volt, és pont ezért volt nehéz nemet mondani rá, de a nemet mondás volt a stratégiai lépés.
Ez a Netflix-történet legfontosabb tanulsága a margin kapcsán, és tökéletesen Roger Martin-i: a stratégia leginkább arról szól, hogy mit nem csinálsz.
Biddle szerint továbbá a margin kérdés sosem zárul le. Nem lehet egyszer eldönteni, hogy „ez az árstruktúránk, ezen a profiton dolgozunk”.
Pláne nem egy digitális terméken, ahol az árazás és a csomagolás dimenziói gyakorlatilag végtelenül variálhatók. Mint a fenti példában láttuk időnként ráadásul a helyes válasz az, hogy egy működő, pénztermelő dolgot is leállítasz, mert nem fér a stratégiába.
A stratégia ott kezdődik, ahol a három betű találkozik
Könnyen lehet, hogy önmagában mindegyik betű viszonylag triviális. Azonban a DHM ereje abban rejlik, hogy a három kérdést egyszerre kell megválaszolni.
Ahogy Biddle fogalmaz a sikeres stratégiák közös vonása az volt, hogy mindhárom dolgot egyszerre teljesítették: örömet okoztak, nehezen másolhatók voltak, és bővítették a margint.
A Netflix perszonalizációja például választ ad mindhárom kérdésre. Delight, mert segít megtalálni a filmet, amit szeretni fogsz. Hard to copy, mert egy versenytárs nem rendelkezik 280 millió ember adataival. És végül pénzt is termel, mert a Netflix az adatokból előre látja, hány nézője lesz egy filmnek, így pontosan annyit költ rá, amennyit megér. Egyetlen stratégiai irány, három teljesülő feltétel.
Ezzel szemben sok kezdeményezés csak egy vagy két dimenzióban teljesít. A barátok ajánlásai a Netflixnél delight lett volna, de nem volt nehezen másolható és margin-bővítő sem, így végül elhalt. A hirdetésekkel kísérleteztek 2005-ben, margin-pozitív volt, de delight negatív, így leállították.
A DHM tehát nem új ötletek generátora, hanem egyfajta szűrő. Megnézed az asztalon fekvő ötleteket, és megkérdezed: hányat teljesít a háromból? Az egydimenziósok kapásból kiesnek, a háromdimenziósok kapják a befektetést.
Van itt még egy lépés, amit Biddle megemlít, nevezetesen, hogy a szűrt hipotézis önmagában még mindig csak hiedelem. Akkor honnan tudod, hogy igazad volt?
Biddle, minden stratégiához hozzárendel egy proxy metrikát, ami megmondja, működik-e, és két-három konkrét projektet, ami mozgatja azt a metrikát.
Ez a Roger Martin-i „minek kellene igaznak lennie” kérdés operatív párja, nem véleményen vitatkozol, hanem megnézed, mozdul-e az adott szám.
A buktató, ha rossz metrikát választasz. Biddle kedvenc példája: egy termékmenedzser feladata az volt, hogy csökkentse az ügyfélszolgálati hívásokat mire egyszerűen elrejtette a telefonszámot a weboldalon. A metrika javult, a probléma nyilván nem. Át kellett írni, „hívások száma, miközben a szám két kattintáson belül elérhető”.
A rossz metrika rosszabb, mint a metrika hiánya, mert magabiztosan vezet rossz irányba.
Nem kell Netflixnek lenned hozzá
Az előző cikkben említett Helmer könyvet végigolvasni egy magyar kisvállalkozó tulajdonosnak – is – megerőltető feladat lehet.
Nemcsak azért, mert a példák nagyrészt Apple-, Tesla- és Spotify kaliberűek, hanem azért is, mert a Power kategóriák egy olyan stratégiai léptékről szólnak, ami egy húszfős cégtől valószerűtlen Magyarországon.
A DHM úgy vélem könnyebben megfogható megközelítés lehet. Nem kell hozzá, hogy a piacvezető legyél, és az sem hogy globális méretekben gondolkozz. Csak el kell tudni mondanod három mondatban, hogy:
- Mitől szeretnek téged a vásárlóid?
- Ebből mit nem tud egyhamar lemásolni a versenytársad?
- És hogyan termel ez egyre több pénzt, hogy visszaforgathasd?
A két írásom után reményeim szerint kiderült, hogy Helmer azt mutatja meg, hogy néz ki egy igazi Power, ha már felépült. Biddle DHM keretrendszere viszont abban segíthet, hogy megfogalmazd milyen kérdéseket tegyél fel magadnak, miközben építed.
A két megközelítés nem alternatíva hanem inkább egymás kiegészítője. Viszont, ha holnap reggel kell elkezdeni valamit, a DHM-mel egyszerűbb dolgod lesz.
További olvasnivalók a termékstratégiában való elmélyüléshez
- Az egyetlen dolog, amit nem kontrollálsz – és pont ez számít
- Mi az a stratégiai gondolkodás? 4 pillér, amit nem tanítanak az iskolában
- A termékstratégia alkotásának művészete szilícium-völgyi módszerrel
Boros Norbert
Strategic Thinker & Advisor