私の名前はイリヤキタニンです。IIDFのPre-Acceleratorで、7年以上さまざまな企業で開発を管理しています。 この記事では、HADIサイクルとGoldrattの制約理論（TOC）を使用して、Cofounditサービスの主要なパフォーマンスインジケーターを3か月で7倍に成長させ、現在も急速に成長し続けている方法を説明します。 この資料では-IIDF方法論の適用事例、合格したレーキ、および理論の必要最小限。
Cofounditは、従業員と共同創業者をチームに採用するためのIIDF内部スタートアップであり、スタートアップと候補者がお互いをすばやく見つけて一緒に国際的な企業に参加できるようにします。
同僚のユリア・コピロワと私は、今年3月15日にこのサービスに従事し始めました。 このサービスは6か月間存在していましたが、重要な結果は示されていません。 そして、私たちが7月1日より前にサービスの実行可能性を証明する仕事をする前に。 これを行うには、このプロセスを高速化するだけでなく、月あたりの空室数を増やす必要がありました。
通常起こるように、いくつかの制限に直面しました。
- タイミング ：上で書いたように、7月1日までに結果を表示する時間が必要でした。
- 時間 ：ジュリアと私は主な仕事を続け、彼らは自由な時間にのみ奉仕しました。 開発を主導し、ジュリアはアカウントマネージャーを務めました。
- 開発予算は著しく制限されていました。
与えられた：私たちがそれに着いたときのサービスはどのようなものでしたか
仕組みは次のとおりです。
スタートアップは、プリアクセラレータのアンケートに記入し、「チーム」ブロックに空きを作成しました。
スタートアップアンケートの質問の例
その後、最小要件の自動チェックが行われ（スタートアップにプロトタイプがあり、製品の需要が検証された）、アプリケーションはユリアの手動調整に送られました。 調停が成功した場合にのみ、欠員が作成され、候補者の選択に利用できるようになりました。
候補者の進路は少し簡単でした。短いアンケートに記入し、いくつかの質問に答えて履歴書を添付しました。 その後、彼は5つ以下の空席を見つけました。空席はそれぞれ拒否（「面白くない」をクリック）するか、興味を持つ（例）ことができ、会議の推定時間を選択します。 同時に、新興企業は候補者に興味があるという手紙を残しました。
スタートアップは会議を設定し、会議が候補者との会話を継続するかどうか、および彼らが一緒に働き始めた形式（試合があり、欠員が閉じた）を決定した後、候補者はテストタスクを受け取るか、スタートアップが2回目の会議を行いました。
このような仕組みでは、サービスの主要な指標は十分ではありませんでした。
- 四半期ごとに11の空席。
- 候補者の最初の関心（ライク）までの平均時間は48日です。
ソリューション：HADIサイクルツールと仮説の迅速なテストと優先順位付けのためのCBT方法論
私たちが直面している目標と制限を見て、IIDF Acceleratorのスタートアップが機能するHADIサイクルツールを使用することにしました。
HADIループは、4つのステップで構成される非常に単純な仮説検定手法です。
- 仮説の声明、
- その実装のためのアクション 、
- 仕事の質の仮説に関するデータの収集、
- 仮説の結果に関する結論には、以下の仮説のいくつかが含まれる場合があります。
ここで最も重要なことは、できるだけ多くの異なる仮説をできるだけ早くテストすることです。 仮説でさえうまくいかなかった場合-大丈夫です、すぐにそれを放棄し、新しいもののテストを開始することが重要です。
ここでの難しさは、 どの仮説を最初にテストするべきかを決定することです。 仮説に優先順位を付けるために、ボトルネックの識別に関連するGoldrattの制約理論（CBT）の一部を使用することにしました。 この方法論を理解するために、アクセラレータのスタートアップは、 Goldrattの本「The Goal」を読むことをお勧めします。
TOCは、システムのスループットを向上させる（=プロセスの効率を向上させる）ために、かなり単純な方法論でもあります。使用する必要があります。
- ボトルネックを見つけることは、生産プロセス（またはその他）が行き詰まっているシステムの制限です。 タスクを蓄積する
- この制限の「力」を最大化する方法を決定し、
- システムをこの決定に従属させる（=制限の「パワー」がアイドル状態にならないようにする）、
- 制限を広げる
- 制限が削除された場合は、手順1に戻ります。制限を拡張する必要がある場合は、手順4に進みます。
HADIサイクルは指標の急速な成長に理想的であり、TOCは最初にどの仮説をテストするかを決定するのに役立つため、まさにこれら2つの方法論を使用しました。
まず、システムの制限または「ボトルネック」を特定することにしました。そのために、その時点で収集されたすべての統計を上げて分析しました（ここにも制限があることがわかりました）。
そしてすぐに、変換がカットされた2つの「ボトルネック」が見つかりました。
- スタートアップは、空席が公開されてから最初の5日間だけ候補者の「いいね」によく反応し、その後2.5倍悪い反応を示します。
- 候補者は再マッチング文字をうまく開きます（=同様の空席）が、これらの文字を表示した後にスタートアッププロファイルにアクセスすることはほとんどありません。
仮説1.最初の問題では、選択から2週間以上候補者と会わないスタートアップを除外することにしました。 私たちはすぐに美しい決断をしたかったのです。そこでは、スタートアップの一部を別のセグメントで選択し、自動的にシステムに戻るよう動機付ける手紙を送ることができました。 しかし、私たちの目標は仮説をすばやくテストすることでした。MVPの最高の伝統では、選択からいくつかのプロジェクトを単純に削除しました。 追加機能の実装は、仮説が機能するかどうかを確認するまで延期されました-候補への回答への変換がアクション後に増加したかどうか。
仮説2. 2番目の問題では、統計を収集するために、理由がわからず、候補者に手紙からシステム（彼が見たスタートアップを見つけることができる場所など）に切り替えるよう強制することにしました。 レターからプロジェクトの説明を削除し、ユーザーがシステムにアクセスして表示することを提案しました。
だった
になっています
したがって、検証のための最初の2つの仮説が得られました。
仮説3。3番目の仮説も追加しました。モデレーションメカニズムを削除することで、プロジェクトの手動表示に関与していたJuliaの時間を解放し、空席の選択への入力を加速します。 その結果、スタートアップは検証を待つ必要がなくなり、欠員を作成してから選択を開始するまでの時間が2〜3日から4時間に短縮されます。
これらの3つの仮説の開発が進行中だったが、製品の継続的な作業のために、開発が停滞しないように、新しい仮説を立てる必要がありました。 さらに、新しい仮説が以前の仮説と重複しないことが望ましい-他のメトリックに影響を与えます。
仮説4.過去の仮説の測定基準に影響を与えることのない「安全なタスク」を作成して、将来より速く、より良い仮説をテストできると期待して統計を拡張することにしました。 候補者が欠員を見たかどうか、正確にいつかについての情報をアナリストに追加しました。 したがって、選択した空席から「いいね」への変換を2つに分割することができました。
1）選択から-表示、
2）表示から-「いいね」へ。
この問題をHADI仮説と呼ぶことはほとんどできませんが、次の仮説を立てるために必要でした。
仮説5.スタートアップに動機付けを加え、候補者と協力しているというステータスを設定します。 インタビューの結果に続く手紙に「ボーナス」を追加することにしました。候補者と協力しているプロファイルのステータスを設定する新興企業は、3週間の無料のビジネス開発プログラムを受け取ります。 これは、システム内の空席の数を増やすことになっていた-その前に、スタートアップを追加呼び出して、手動でステータスを設定する必要がありました。
仮説6.そして、次のようなスタートアップの取得速度にも影響する仮説に抵抗することはできませんでした：候補者を週に1回ではなく、2回繰り返し選択します。したがって、彼らは週あたりのいいねの数を増やし、このプロセスを加速したいと考えました。
私たちの最初の仮説は非常に良い結果を示し、改善は予想よりもさらに優れていました。 1週間あたりの高評価数は45％増加し、会議でのコンバージョンは60％増加しました。
肩メトリックを使用した仮説の優先順位付け
かなりの数の仮説をテストしましたが、それらを優先するためのより理解可能で信頼性の高いツールが必要でした-そもそも改善が必要な明らかな「ボトルネック」が終わり、「ボトルネック」を特定してテスト用の仮説を選択するためのより体系的なアプローチが必要でした
仮説の優先順位付けのためのAcceleratorのメインツールを思い出しました。これは、単位経済学とメトリックの「肩」の計算です。 現在のデータに基づいて、仮説をテストするときに影響を与えるのに最も効果的なインジケーターを判断するために、各メトリックに影響を与えるときにシステムのインジケーターの変化が予測されます。
これを行うために、「可能性のある将来のマップ」を作成しました。これは、目標到達プロセスの候補者の各コンバージョンコンバージョンが、私たちが信じる価値にまで成長するときに、メインパラメータの変化を予測するテーブルです。
私たちの主なパラメーターは、1つの空室閉鎖に必要な新しい候補者の数であると考え、その時点でサービスインジケーターを計算し、式を作成して、次の表を取得しました。
この表から、当時の私たちにとって最も重要な指標は、 一致への変換（空室を閉じる）とアンケートへの変換であることがわかりました。これらは最大の効果をもたらすはずです。 これらのパラメーターに影響を与える仮説に取り組み始めました。
仮説を継続的にテストするには、それらの管理に便利なツールを考案する必要がありました。 数回繰り返した後、次の形式になりました。
- テストしたい仮説を説明します。
- アクション-正確にテストする方法。
- 影響を与えたいメトリック。
- このメトリックの予想される成長効果。
- リリース予定日（同じメトリックに影響する仮説を並行してテストしないようにするため）。
- 実際の実装日は、仮説テストの開始日です。
- 効果を計算する日付（必要なデータ量とそれを収集する時間に基づいて設定された日付も、同じメトリックに影響する仮説を並行してテストしないために必要です）。
- 結果の効果（結果としてメトリックがどのように変化したか）。
- 次のステップ-ここでは、仮説をテストした結果、どのような結論が引き出されたかについて書きます。
結果：一致数が7倍に増加-重要な指標
その結果、3か月間、22の仮説をテストしました（開発予算の制限により、それらはもはやできませんでした）。これは非常に良い指標です。
それらのうち4つは真のブレークスルーであり、システムのパフォーマンスを悪化させたのは1つだけで、残りは比較的わずかな増加でした。 これにより、パフォーマンスを次のように改善できました。
そして7月1日までに、基金のサービスの価値を証明し、それを開発し続け、ストレスの程度を大幅に減らし、すべての制限を大幅に減らしました。 締め切りが迫る前に、ジュリアは他のタスクから削除され、新しい開発予算に合意しました。
間違ったこと-結論
プロジェクトに取り組む過程で、3つの間違いを犯しました。そこから、他のスタートアップに警告したいと思います。
1.未確認の仮説を放棄したくなかった
私たちはとても愛しているという仮説を立てました。
以前、候補者はアンケートに記入する際に履歴書を添付しました。そのとき初めて、彼は空席のあるスタートアップを見ることができました。
アンケートに履歴書を添付する手順を削除し、候補者がスタートアップに興味を持つようになった後に候補者に依頼する場合は、候補者が履歴書を添付する意思があることをお勧めします。 しかし、まったく逆のことがわかりました。履歴書に記入することへの変換は、著しく低下しました。
それにもかかわらず、仮説は私たちにとって非常に大切であり、私たちはそれをそれほど単純に放棄する準備ができていませんでした。 データを掘り下げ、候補者がより良い履歴書を残すようになったことを確信し始めました。 ここでコンバージョンの低下が私たちにとって重要ではない理由を見つけるために、私たちがそれで生きることができる方法を考え出します。
これはすべて自己欺wasでした。9月にようやく履歴書を返送しました。 この決定に3か月を費やしました。 3か月、カール！ つまり、当社のサービスは四半期全体で悪化しました。
2.分解されていない仮説
私たちは、候補者とサービスのスタートアップのライフパスのさまざまなポイントで文字をウォームアップすると、すべての段階でコンバージョンを増やすのに役立つと仮定していました。 本当にそうなったのですが、間違いは何ですか？
実際に、1つの一部としていくつかの仮説をテストしました。 それぞれの手紙は仮説です。
この仮説のテストを開始するために、ほぼ1か月を費やしました.1週間、ジュリアと2時間の会議のために時間を探し、3-4日間でTKと手紙自体を準備し、さらに1週間半の開発者がイベントごとに手紙を送信する機能を実装しました。
各文字を個別にテストした場合、仮説が定式化されてから2日後に最初の結果を得ることができます。 そして、どの文字が機能し、どの文字が機能しなかったのか、そしてその理由を正確に知ること したがって、仮説がうまく機能し、指標の良好な増加を示したという事実にもかかわらず、明確に成功したと見なすことはできません。 このプロセスにもう少し正確にアプローチすれば、おそらくより多くの成長と高速化が得られたでしょう。
3.同じ指標に影響するテスト済みの関連仮説
私たちはこれをしていないと確信していました。 3週間のビジネス開発プログラムを通じてモチベーションを高めたとき、求人への転換は劇的に増加しました。 その後、モチベーションのコストを系統的に削減し、完全に削除しました。 同時に、変換は落ちませんでした！
統計を慎重に分類し、「非アクティブなスタートアップを選択から除外する」という仮説は、試合終了への転換にも影響を与えることを発見しました。よりやる気のあるチームがあり、彼らは彼らを気に入った候補者に応答するだけでなく、会議後にステータスを設定しました。
要約すると：
- HADI-cycles-ビジネス開発のための効果的なツール！
- できるだけ迅速に仮説をテストします;優先順位付けのために、このツールを使用してメトリックの「肩」を測定できます。
- 間違いをしないでください。
a。 未確認の仮説で決定的であること、
b。 仮説を分解する
c。 1つのメトリックに影響する関連仮説をテストしないでください。