Hoe je AI gebruikt om productgestuurde groei een boost te geven

Lees het transcript:

We proberen onze podcasts te transcriberen met behulp van een softwareprogramma. Vergeef ons eventuele typfouten, want de bot heeft niet altijd 100% gelijk.

Hannah Clark: Als we de belangrijkste paradigmaverschuivingen binnen productontwikkeling van de afgelopen tien jaar zouden rangschikken, zou ik zeggen dat AI en productgestuurde groei bovenaan die lijst staan. Beide concepten draaien uiteindelijk om het vergroten van efficiëntie: meer doen met minder. Maar de echte geheime sleutel is om ze samen te brengen en de tijdbesparende kracht van grote taalmodellen te gebruiken om je strategie voor productgestuurde groei te versterken.

In een recent panel over hoe je AI kunt gebruiken om productgestuurde groei een boost te geven, brachten we drie geweldige experts op het gebied van productgestuurde groei samen — Ramli John, oprichter van Delight Path, Dani Grant, CEO van Jam.dev, en Anuj Adhiya, auteur van Growth Hacking for Dummies. We lieten hen praten over de manieren waarop productteams AI-technologie nu al kunnen inzetten om elke fase van de gebruikersreis te verbeteren.

Wat ik geweldig vond aan dit evenement, was hoe de expertise van elke panellid op zo’n complementaire manier samenkwam en veel praktische manieren bood om je groeistrategie met AI-tools aan te passen en te verbeteren. Bovendien waren het gewoon ontzettend aardige mensen. Laten we beginnen.

De sessie van vandaag richt zich op hoe je AI kunt gebruiken om productgestuurde groei een boost te geven. We spreken met een aantal geweldige stemmen uit dit vakgebied. We hebben vandaag een bijzonder interessante line-up. Ik stel ze graag aan jullie voor.

We hebben Ramli John, auteur van Product-Led Onboarding. Hij is ook een gerenommeerd expert op het gebied van strategieën voor productgestuurde groei. Ramli heeft een diepgaand inzicht in hoe je prospects omzet in enthousiaste gebruikers. We hebben vandaag een kleine quizvraag voor Ramli.

Ramli, sommige van de grootste namen in SaaS noemen je de onboardingwizard, en je boek Product-Led Onboarding is een gamechanger geweest voor talloze productteams. We zijn je op dit moment echt flink aan het complimenteren. Als je met een toverstaf kon zwaaien en direct de meest voorkomende onboardingfout die je hebt gezien kon oplossen, welke zou dat dan zijn?

Ramli John: Heel erg bedankt, Hannah. Ik zou zeggen dat het eigenlijk niets met het product te maken heeft. Het grootste probleem bij onboarding is vaak interne wrijving, niet wrijving in het product. Daarmee bedoel ik dat productteams hun productwerk binnen het product doen, marketing hun onboarding-e-mails verstuurt en customer success zijn eigen onboarding voor klanten doet.

En ze praten niet met elkaar. Dat gebeurde zelfs toen we werkten bij een onboardingbedrijf genaamd Appcues, een soort software voor productadoptie, en wij hadden precies hetzelfde probleem. Dus als ik met een toverstaf kon zwaaien, zou ik ervoor zorgen dat de teams meer met elkaar praten en overeenkomen wat succes voor de gebruiker betekent. Dat is een lastig probleem, maar daar zou ik beginnen.

Hannah Clark: Het werken in silo’s is inderdaad een van die hardnekkige problemen. Bedankt daarvoor.

We hebben ook Dani Grant bij ons. Zij is de oprichter van Jam.dev en voormalig productlead. Dani staat bekend om het gebruik van productdata om naadloze gebruikerservaringen met grote impact te ontwerpen, en ze is ook gewoon een geweldig persoon. Dani, hartelijk dank dat je erbij bent.

Een vraag voor jou. Jam is razendsnel gegroeid naar 150.000 gebruikers bij 32 verschillende Fortune 100-bedrijven, wat ongelooflijk is. Maar je spreekt ook op evenementen en conferenties en bent dagelijks actief op LinkedIn. Eerlijk gezegd ben ik jaloers op hoe je dit allemaal voor elkaar krijgt. Wat is je geheim om al deze dingen gedaan te krijgen en tegelijkertijd kalm te blijven?

Dani Grant: Ten eerste zou iedereen hier Ramli’s boek moeten lezen. Het is zo goed. Mijn medeoprichter las het eerst binnen ons bedrijf en zei daarna dat ik het moest lezen. Ik heb het gelezen. Nu is het verplichte kost voor ons groeiproductteam. En het verandert je kijk op onboarding volledig.

Wij denken als productmanagers voortdurend na over onboarding. Maar we zien het allemaal als de periode vanaf het moment dat iemand zich aanmeldt tot het moment waarop die persoon het product heeft gebruikt. Ramli’s boek laat zien dat onboarding veel eerder begint en veel later eindigt. Door op die manier naar onboarding te kijken, veranderen de resultaten van je product, zoals dat ook bij ons is gebeurd.

Ramli is briljant. Lees zijn boek. Wat spreken betreft hebben we enorm veel geluk. Al onze gebruikers zijn bouwers. Ze zijn buiten de deur bezig de wereld te veranderen met software. Wij bouwen hier aan ons bedrijf en onze gebruikers bouwen daar aan hun bedrijven. Het is dus onze taak om te delen wat we leren tijdens het bouwen van Jam met iedereen die aan zijn eigen projecten werkt.

Daarom publiceren we online lessen die we hebben geleerd en doen we mee aan dit soort bijeenkomsten. Het is een voorrecht en een eer. Bedankt dat je me hebt uitgenodigd.

Hannah Clark: Ik waardeer het dat je de tijd hebt genomen om nog een panellid op te pikken. Dat is geweldig. Zie je wel, ik zei toch dat ze een geweldig persoon is.

We hebben vandaag ook Anuj Adhiya bij ons. Anuj is een groeiexpert en auteur van Growth Hacking for Dummies. Hij schrijft voor productled.com en heeft ruime ervaring met het begeleiden van SaaS-bedrijven bij het implementeren van strategieën voor productgestuurde groei. We zijn vereerd dat je vandaag bij ons bent, Anuj.

Tijdens ons voorgesprek vertelde je dat je van plan bent een Guinness-wereldrecord te vestigen door, als ik het goed heb, het grootste aantal mensen met feesthoedjes in Boston bijeen te brengen. Ik vind dit echt geweldig. Kun je wat meer context geven? Kun je ons vertellen wat je doet en hoe mensen kunnen meedoen? Waar sturen we de feesthoedjes naartoe?

Anuj Adhiya: Om te beginnen bedankt dat ik erbij mag zijn. Dit is zo’n leuke groep om deel van uit te maken. Op het eerste gezicht lijkt het inderdaad niets met productgestuurde groei te maken te hebben, maar dat is wel degelijk zo, omdat het een groot experiment is.

Er is een app voor feestuitnodigingen waar ik advies aan geef, genaamd PartyClick. Ga gerust eens kijken; het is een eenvoudige manier om een evenement op te zetten. We probeerden te bedenken hoe we dit bij meer mensen onder de aandacht konden brengen. Er kwamen allerlei ideeën naar voren, waaronder dingen als: we zouden onze eigen lookalike-wedstrijd met beroemdheden kunnen organiseren, zoals het Timothée Chalamet-onderwerp dat net speelde. Toen dacht ik: ja, dat kan.

Maar wat kunnen we nog meer doen? Iemand uit het team zei toen: bestaan er geen wereldrecords voor de grootste bijeenkomsten? Ja, dat is wat we moeten doen. Ik zocht het Guinness Book of World Records op en inderdaad: er bestaat een wereldrecord voor mensen met feesthoedjes. Ik dacht: geweldig. Dat past bij de naam van het product: feesthoedjes, PartyClick.

We moeten dit gewoon doen. Deze week ben ik letterlijk bezig met de aanvraag bij Guinness en smeek ik de stad Boston om me toe te staan 2.500 mensen bijeen te brengen in Boston Common. We zullen zien hoe dicht ik bij dat doel kom. De echte reden dat ik dit publiekelijk vertel, is vooral om mezelf verantwoordelijk te houden en me publiekelijk te laten afvallen als ik het niet voor elkaar krijg.

Hannah Clark: Dus als je in de omgeving van Boston bent, neem je feesthoedje mee. Wat was de datum ook alweer in december?

Anuj Adhiya: We denken aan 22 december.

Hannah Clark: Oké, nu weet je het.

Anuj Adhiya: Als je in de omgeving bent, kom dan. En als het niet lukt, weet je op wie je de steen moet teruggooien.

Hannah Clark: Dan gaan we nu verder met het schetsen van de context: het kruispunt van AI en productgestuurde groei.

Deze vraag is voor Ramli. Als algemene vraag: is productgestuurde groei essentieel geworden voor de SaaS-sector als geheel? We zien het als een modewoord. Waar staan we momenteel?

Ramli John: Ik zou zeggen dat het ervan afhangt. Ja, het hangt ervan af. Dat is een vervelend antwoord, maar het hangt ervan af hoe je productgestuurd definieert. Als je vraagt of productgestuurde groei noodzakelijk is wanneer je een gratis proefperiode of freemiumaanbod hebt, denk ik van niet. Ik raad startups juist aan om te beginnen met veel persoonlijk contact en dicht bij hun klanten te staan. Als je met productgestuurd bedoelt dat je onnodige wrijving wegneemt en een geweldige ervaring voor gebruikers creëert, dan denk ik wel dat het essentieel is.

De standaard en lat die mensen hanteren voor wat ze van een productervaring verwachten, zijn aanzienlijk hoger geworden. Tien jaar geleden was iets vervelends gewoon normaal. Nu geldt: als iets vervelend is, heb ik honderd andere opties waarnaar ik kan overstappen. Er zijn veel meer producten beschikbaar. Ik geloof echt dat het creëren van een geweldige ervaring voor eindgebruikers cruciaal is voor retentie, activatie en alle andere onderwerpen die we later bespreken.

We zullen het hebben over de manier waarop AI de rest van de trechter beïnvloedt. Als dat de definitie van productgestuurd is, dan is het inderdaad essentieel. Bedoel je alleen een gratis proefperiode en freemium? Dan denk ik van niet.

Hannah Clark: Wauw. Een genuanceerd antwoord. Heeft iemand nog iets toe te voegen over de relevantie of de huidige staat van productgestuurde groei?

Dani Grant: Het is ontzettend krachtig.

Ramli John: Ik wil alleen toevoegen dat ik veel oprichters eigenlijk de verkeerde vraag zie stellen. Ze vragen vaak: hoe kan ik meer op Slack lijken? Terwijl ze eigenlijk zouden moeten vragen: hoe kan ik mijn product beter inzetten om aan de behoeften van mijn klant of gebruiker te voldoen?

Dat kan allerlei vormen aannemen. Het opent veel krachtigere mogelijkheden om een productgestuurde aanpak te implementeren dan simpelweg iets proberen te kopiëren dat nooit voor jou zal werken.

Hannah Clark: Helemaal waar.

Laten we nu kijken naar waar AI het vakgebied binnenkomt. Deze vraag is voor Dani. Hoe denk je dat AI strategieën voor productgestuurde groei een boost kan geven? Misschien heb je voorbeelden van hoe jullie dit bij Jam hebben ingezet.

Dani Grant: We gaan zo meteen alle tactieken bespreken, maar op hoofdlijnen geldt binnen productgestuurde groei dat je product de verkoop doet. Verkopen is effectiever wanneer het gepersonaliseerd is; het vereist veel inhoud en overtuigingskracht.

En dat is precies waar AI goed in is. Bedrijven proberen dit al jaren te doen, bijvoorbeeld met machinaal leren voor personalisatie en zeer verfijnde segmentatie met veel inhoud. Het is nu eenvoudiger dan ooit om dit goed te doen. Je moet grote hoeveelheden ongeorganiseerde data begrijpen.

Ik kijk er dus erg naar uit om in de tactieken te duiken. Dit voelt als iets waar AI heel goed in is. Nog één ding: de beste strategie voor productgestuurde groei is simpelweg een product hebben dat zo goed is dat mensen er vanzelf met anderen over praten. Met AI kun je nu nog krachtigere functies voor je gebruikers bouwen.

Dat is volgens mij ook een belangrijk deel van de puzzel.

Hannah Clark: Goed, dan gaan we verder met het bouwen van de basis: de rol van AI tijdens de gebruikersreis. Ik denk dat dit het grootste deel van de sessie wordt. Luister dus zeker mee. Leg je telefoon maar weg. Laten we elke fase van productgestuurde groei doorlopen en bekijken hoe AI ondersteuning kan bieden.

Laten we beginnen met werving. Dani, wil je vertellen hoe jullie team AI inzet om die wervingsfase aan te sturen?

Dani Grant: Er zijn twee dingen die ik wil noemen. Het eerste is misschien het meest voor de hand liggende: bij productgestuurde groei vinden klanten je product omdat het product zichzelf op een bepaalde manier verkoopt en ze zelfstandig aan boord komen.

Een gebied waar je enorm veel inhoud moet creëren, is zoekmachineoptimalisatie, en AI kan daarbij enorm helpen. Helaas hebben we allemaal gezien hoe het eruitziet als het slecht wordt gedaan. Het lijkt dan op onbegrijpelijke AI-onzin en scoort niet. Maar AI is echt nuttig voor zoekmachineoptimalisatie. Zo gebruiken wij het praktisch.

AI schrijft de opzet volgens best practices voor zoekmachineoptimalisatie. Je neemt letterlijk een artikel over best practices voor zoekmachineoptimalisatie, geeft het aan het grote taalmodel en zegt: schrijf een opzet die al deze best practices volgt. AI kan je zoekmachineoptimalisatie redigeren of aanbevelingen geven. Je kunt Perplexity gebruiken om de tools op te zoeken die je wilt noemen en alle prijzen van die tools verzamelen.

Op die manier is het erg nuttig. Daarnaast denken we voortdurend na over hoe we inhoud kunnen maken die ons online publiek aanspreekt. Ons publiek bestaat uit ontwikkelaars en in webontwikkeling gebeurt ontzettend veel. Het vakgebied beweegt razendsnel. We wilden daar dus inhoud over maken voor ons publiek.

We besloten een nieuwsbrief en podcast te maken over wat er die week in JavaScript gebeurt. Als dat je interessant lijkt, kun je naar thisweekinJavaScript.com gaan en elke week in vier minuten of minder het JavaScript-nieuws van die week ontvangen. We zijn een klein startupteam en kunnen niet elke week een podcast opnemen. AI helpt ons daar enorm bij en stelt ons in staat goede inhoud te schrijven.

We hebben voor deze nieuwsbrieven een openingspercentage van meer dan 50 procent en de podcast wordt goed beluisterd. AI helpt ons dit allemaal te doen. Dat zijn twee manieren waarop we AI gebruiken in de wervingsfase van productgestuurde groei.

Hannah Clark: Heel gaaf.

Ramli John: Een andere manier waarop ik AI gebruik voor werving is het hergebruiken van inhoud.

Je neemt bijvoorbeeld een podcastaflevering en voert die in Castmagic in, een tool voor samenvattingen. Die maakt blogposts, berichten voor Twitter en LinkedIn en berichten voor nieuwsbrieven die je kunt delen. Je moet de resultaten wel wat bijschaven. Het is niet perfect, maar ik denk dat dit nog een gebied is waarop AI voor acquisitie werkt.

Hoe haal je meer sap uit de citroen? Is dat de uitdrukking? Hoe haal je in wezen meer uit je inhoud? Dat is één manier waarop ik AI voor acquisitie heb zien gebruiken.

Dani Grant: Wij doen precies hetzelfde. Een van onze kernopvattingen is dat verkoop door oprichters in 2024 grotendeels online plaatsvindt.

Vroeger had je een warme introductie nodig, gevolgd door een eerste gesprek waarin de oprichter zichzelf aan de klant voorstelde. Tegenwoordig gebeurt dat passief online, terwijl mensen door LinkedIn scrollen. Je probeert dus voortdurend online te delen hoe je naar de wereld kijkt en welke veranderingen je probeert te realiseren.

Wij gebruiken AI hier gedeeltelijk voor, namelijk voor het hergebruiken van inhoud. Als iemand uit het team ergens in een podcast te gast is, pakken we de YouTube-link en voeren die in een tool als OpusClip in. Die knipt de YouTube-video op en geeft ons videofragmenten om online te delen, of haalt fragmenten uit momenten waarop een belangrijk inzicht naar voren kwam.

Dat levert ons kleine ideeën op om later over te praten en te schrijven. Ook voor de wervingsfase is dat erg nuttig.

Hannah Clark: Ik denk dat dit momenteel enorm belangrijk is. Jullie hebben allebei verteld hoe waardevol het is om inhoud zo veel mogelijk opnieuw te gebruiken en zo veel mogelijk sap uit de citroen te halen, zoals Ramli het noemde. Geweldig. Dan kunnen we nu naar de activatiefase.

Ramli, jij bent de onboardingexpert. Wat zou je aanraden op het gebied van AI-ondersteunde praktijken om die activatiefase te ondersteunen?

Ramli John: Dit is iets wat een ander bedrijf deed toen we spraken over hun gebruik van AI voor onboarding.

Een van de uitdagingen bij productgestuurde groei is dat je een sterk vermogen tot gebruikers- of klantonderzoek nodig hebt. Bij een verkoopgerichte aanpak heb je rechtstreeks contact met klanten en hoor je hun bezwaren. Wanneer je product verkoopt, hoor je die bezwaren niet; mensen vertrekken gewoon.

Hoe krijg je dan die waardevolle inzichten, het waarom dat kwantitatieve data niet kan laten zien? Een bedrijf gebruikt AI op een manier die ik interessant vond. Ze nemen al hun verkoopgesprekken op. Ze hanteren een hybride aanpak en bieden ook een intensieve onboardingervaring voor grote ondernemingen.

Ze voeren die opnamen in ChatGPT in om het grote taalmodel te trainen. Daarna gebruiken ze het om verschillende zaken te maken. Eén daarvan is een overdrachtsdocument van verkoop naar customer success, met de acties die moeten worden ondernomen.

Je kunt ook vragen om een onboardingreeks van vijf e-mails te maken op basis van de pijnpunten uit de verkoop- en onboardinggesprekken. Omdat het model is getraind op de bezwaren uit verkoopgesprekken en de vragen en verwarring uit onboardinggesprekken, begrijpt het beter wat klanten daadwerkelijk doormaken.

Ik stelde voor om ook de meest voorkomende supporttickets in de chatbot of ChatGPT te zetten en informatie toe te voegen die waardevol is voor de activatiefase. Zo kan het model helpen bij het schrijven van die reeks of het maken van die rondleiding.

Ik heb ook geavanceerdere AI-tools gezien die je data analyseren en retentiemetrieken berekenen. Denk bijvoorbeeld aan Amplitude of June.so. Je voert je gegevens in en krijgt te zien dat de meeste succesvolle gebruikers actie X, Y en Z uitvoeren en dat 30 procent blijft hangen. Dat moet je natuurlijk met enige voorzichtigheid interpreteren, maar het kan waardevolle informatie opleveren, vooral als je een grote gebruikersgroep hebt.

Als je tien gebruikers hebt en de data in zo’n model stopt, is er niet genoeg informatie om betrouwbare patronen te vinden. Een belangrijke kanttekening bij dit soort analyses is dus dat je voldoende data nodig hebt. Na verloop van tijd kun je dan waarschijnlijk gegevens invoeren en bepaalde inzichten en patronen ontdekken.

Hannah Clark: Dat klinkt logisch. Heeft iemand anders tips voor het ondersteunen van de activatiefase van productgestuurde groei?

Dani Grant: Dit ligt voor de hand, maar zodra je weet wat goede activatie betekent en welke stappen een gebruiker moet zetten, moet je bedenken welke ideeën je kunt testen om gebruikers die stappen te laten uitvoeren.

Wij beschouwen een gebruiker als geactiveerd wanneer die vier bugmeldingen met Jam heeft aangemaakt. We denken dus voortdurend na over hoe we meer gebruikers naar hun derde en vierde bugmelding kunnen krijgen, hoe we hen kunnen aanmoedigen en de waarde kunnen laten zien. AI is er prima in om veel slechte ideeën te bedenken die je vervolgens op goede ideeën brengen.

Dat is misschien nog een voor de hand liggende manier om AI in deze stap te gebruiken.

Hannah Clark: Ik vind het een goed idee om slechte ideeën te genereren die je helpen tot goede ideeën te komen.

Dani Grant: Dit is het punt over mensen: het is heel moeilijk om vanuit het niets pure verbeeldingskracht te gebruiken om een idee te bedenken. Als je de eerste versie van iets moet schrijven, is dat bijzonder lastig.

Mensen zijn echter heel goed in beoordelen en reageren, omdat onze hersenen nu eenmaal zo werken. We zien iets en dat roept andere ideeën op. Zolang je dus één slechte eerste versie of één slecht eerste idee hebt, ben je plotseling heel goed in het maken van de tweede versie. AI is goed in het geven van dat eerste element dat je brein triggert om op die manier te denken.

Hannah Clark: Geweldig advies. Sorry, ik denk dat ik je een beetje onderbrak.

Ramli John: Nee, ik wilde alleen toevoegen dat het geweldige aan dit soort grote taalmodellen is dat je ze kunt trainen. Je kunt zeggen: dit is slecht, en dit is waarom. Je geeft feedback.

Ik hoorde een geweldig citaat in een podcast met Nathan Berry van Kit: je moet AI behandelen als een zeer onervaren stagiair. Door goede feedback te geven, leert het wat goed en slecht is. Als het met een slecht idee komt, geef je feedback en zal het steeds betere resultaten gaan produceren.

Hannah Clark: Of misschien is in ieder geval de slechte versie een betere basis, zodat je ideeën nog beter worden. Ik denk niet dat het precies zo werkt, maar misschien.

Anuj Adhiya: Ramli, ik noem het een dronken stagiair.

Ramli John: Dat is eigenlijk beter, want het is erg ongewoon.

Anuj Adhiya: Het enige andere dat ik hieraan wil toevoegen, is misschien een overgang naar het volgende onderwerp.

Activatie is vanuit het perspectief van een gebruiker niet echt een afzonderlijke stap. Zodra iemand in het product zit, zit die persoon in het product. Wat mij heeft geholpen om de verbinding stroomafwaarts en stroomopwaarts te leggen, is activatie te zien als kortetermijnretentie. Zodra iemand in het product zit, draait alles om de vraag hoe je die persoon langer vasthoudt en beter en meer monetiseert. Het is allemaal een continuüm van retentie. Het is geen schakelaar in het hoofd van een gebruiker waarbij die denkt: nu ben ik geactiveerd en nu ben ik behouden.

Hannah Clark: Je moet dus niet alleen denken vanuit de fasen die jij ziet, maar ook vanuit de plek waar de gebruiker zichzelf ziet.

Dani Grant: Het is mogelijk dat je het product in het begin en aan het einde gebruikt. Als gebruiker is er een moment waarop ik iets aan het verkennen ben en een moment waarop ik het daadwerkelijk gebruik. Ik denk dat activatie in het midden plaatsvindt. Vanuit het perspectief van de gebruiker zijn ze dus wel enigszins verschillend.

Hannah Clark: Anuj, welke toepassingen heb je al gezien of welke ideeën heb je voor het gebruik van AI in de retentiefase, nu de gebruiker in het product zit?

Anuj Adhiya: Een deel hiervan klinkt als een uitbreiding van wat al is gezegd, omdat wat mij het meest fascineert aan retentie en productgestuurde groei, is hoe dit ons vermogen om patronen in gebruikersgedrag te begrijpen en erop te reageren volledig verandert.

Veel teams waarmee ik werk zitten, net als vrijwel iedereen in het publiek, op bergen productgebruiksdata. Iedereen heeft Amplitude, Heap, Mixpanel of iets vergelijkbaars. Om allerlei redenen — de fase waarin het bedrijf zich bevindt, te weinig data-analisten — lukt het hen echter niet om snel genoeg de juiste bruikbare inzichten te halen.

Wat de spelregels verandert, is de combinatie van traditionele analyseplatforms met moderne AI-analyse. Het is bijna alsof mensen in het donker werkten en nu het licht is aangezet.

Toen ik sommige van deze gegevens invoerde in privéversies van ChatGPT of vergelijkbare systemen, begonnen ze zeer interessante microcohorten te identificeren die handmatig of op basis van je kennis van deze tools bijna onmogelijk te vinden zijn.

Je zou bijvoorbeeld kunnen ontdekken dat gebruikers die in hun eerste week een specifieke reeks acties uitvoeren, drie keer zo vaak krachtige gebruikers worden. Eén klant ontdekte dat gebruikers die in hun eerste dagen data exporteren én met teamgenoten delen, veel sterkere betrokkenheidspatronen vertonen.

De combinatie van analyse en automatisering is hier bijzonder krachtig. Bedrijven kunnen trajecten opzetten die door gedrag worden geactiveerd. Wanneer het systeem een gebruiker detecteert die een waardevol patroon volgt, kan het automatisch de inhoud of ervaring aanpassen om die gebruiker sneller over dat pad te leiden.

In één geval ging dit verder dan wat er in het product gebeurde: gebruikers met een hoog potentieel werden uitgenodigd voor een bètaprogramma of een adviesraad voor klanten op basis van hun daadwerkelijke gebruikspatronen. Dat is precies wat mensen willen doen om dichter bij de klant te komen, maar ze konden het niet snel genoeg.

De echte gamechanger is voor mij het verbinden van kwantitatieve en kwalitatieve gegevens. Machinaal leren kan patronen analyseren in support, community en productfeedback. Als je die inzichten koppelt aan gebruiksdata, bijvoorbeeld via Gong of productanalyse, krijg je een veel vollediger beeld van 360 graden: niet alleen wat gebruikers doen, maar ook waarom ze het doen.

Hannah Clark: Ik ben benieuwd: hebben jij of andere panelleden voorbeelden van dit alles in de praktijk? Het combineren van kwantitatieve en kwalitatieve gegevens is immers een hardnekkig probleem.

Anuj Adhiya: Ik geef nog een voorbeeld. Bij veel teams staan deze activiteiten los van elkaar. Een team voert een product-marktfit-enquête uit, terwijl een volledig aparte database supporttickets bevat en een andere database verkoopgesprekken. Soms is het niet eens duidelijk wiens taak het is om dit allemaal samen te voegen.

Je kunt AI als een medewerker beschouwen die al deze data voor je verzamelt, samenvoegt en aan alle betrokken belanghebbenden presenteert. Dat zie ik steeds vaker gebeuren. De kosten van wachten of besluiteloosheid zijn zo hoog dat het verstandig kan zijn om simpelweg een paar databronnen te koppelen, of exports van verschillende spreadsheets in één systeem te zetten en het de patronen te laten verduidelijken.

Hannah Clark: Webdesigners, deze is voor jullie. Ik heb 30 seconden om jullie te vertellen over Wix Studio, het webplatform voor bureaus en ondernemingen. In Studio kun je in 30 seconden of minder vier dingen doen: je ontwerpen aanpassen aan elk apparaat met responsieve AI; middelen zoals sjablonen, widgets, secties en ontwerpbibliotheken hergebruiken en met je team delen; animaties zonder code en verloophintergronden rechtstreeks in de editor toevoegen; en je ontwerpen met één klik vanuit Sigma naar Wix Studio exporteren. De tijd is om, maar de lijst gaat door. Stap in Wix Studio en ontdek het zelf.

Wat ik hier hoor, is dat AI kan worden gebruikt om de silo’s tussen al deze afdelingen af te breken. Stel je voor dat je een rapport maakt over de algemene stand van zaken, zodat iedereen in verschillende afdelingen een overzicht krijgt van wat er overal gebeurt.

Anuj Adhiya: Absoluut. Groei is over het algemeen een teamsport. Het is per definitie functieoverschrijdend en dat geldt zeker in een productgestuurde wereld. Je probeert inhoud, educatie, community, product en verkoop samen te brengen; al deze teams moeten samenwerken.

Het doel van een groeiteam is alle belangrijke belanghebbenden samenbrengen om te begrijpen wat de huidige stand van de groei is, waar de problemen liggen en waar kansen liggen. Het is voor iedereen een uitdaging om niet alleen te begrijpen welke rol ze hebben, maar ook wat ze nu het meest impactvolle kunnen doen.

Als groeileider draait je werk net zo goed om verhalen vertellen en inzichten communiceren als om de data zelf. Gebruik AI om te begrijpen hoe je een datapunt beter communiceert aan verkoop, ontwikkelaarsrelaties of productteams. Het afbreken van silo’s en iedereen op één lijn krijgen wordt sterk onderschat.

Hannah Clark: Ik vind deze aanpak erg interessant. We hadden een podcastaflevering met Michele Ronsen, een bekende UX-onderzoeker. Zij raadde een vergelijkbaar proces aan, maar dan zonder AI.

Wanneer je al dat onderzoek hebt uitgevoerd, is het geweldig, maar hoe kunnen de verschillende afdelingen die ermee verbonden zijn het gebruiken? Haar aanbeveling was om het per afdeling te kaderen: wat betekenen deze inzichten voor de acties en vervolgstappen van elke afdeling? Ik zie dit als een AI-ondersteunde tegenhanger daarvan, waarbij AI vertaalt welke bevindingen we afdelingsoverschrijdend zien en welke actiepunten daaruit voortkomen.

Dani Grant: Dit gaat niet specifiek over AI voor functieoverschrijdende samenwerking, maar waarom nemen bedrijven productmanagers aan? Omdat ze één persoon willen die de kern van een probleem vindt, het volledige probleem bezit en verantwoordelijk is voor het succes van het product. Die persoon doet letterlijk alles wat nodig is om het product en project te laten slagen.

Wat Anuj zegt klopt: iets is misschien op spreadsheetniveau begrepen, maar niet op gebruikersniveau. Dat is precies de kracht van productmanagers. Geen enkele productmanager zegt: dat is mijn probleem niet. Ze zijn er om het product te laten slagen.

Een tactiek die ons enorm heeft geholpen, is een vast ritme van klantgesprekken. Elke week krijgen de honderd belangrijkste gebruikers van de voorafgaande week die we recent niet hebben gesproken een e-mail van een oprichter van Jam met de vraag hoe het gaat. Als ze uitgebreid reageren, vragen we of ze meer willen vertellen tijdens een gesprek.

Daardoor hebben we een vast ritme van gesprekken. Als een productmanager iets niet begrijpt of meer wil weten, is er een eenvoudig proces om aan deel te nemen in plaats van dat er vanaf nul nieuwe klantgesprekken moeten worden georganiseerd.

Hannah Clark: Geweldig. Het hoeft niet per se AI te zijn; we willen gewoon groeien.

Dan gaan we nu naar de uitbreidingsfase. Anuj, wil jij hier ook het voortouw nemen?

Anuj Adhiya: Alles is voor mij een continuüm. Als je naar het traditionele uitbreidingsplan kijkt, wacht je op gebruikssignalen en heb je misschien een customer-success-team dat kwartaalgesprekken voert. Sommige teams hopen simpelweg uitbreidingssignalen op te vangen.

Een praktisch voorbeeld: een SaaS-bedrijf gebruikt Gong om klantinteracties op elk contactmoment te analyseren: verkoopgesprekken, supporttickets, kwartaalbesprekingen en meer. Ze trainen het systeem om specifieke signalen voor uitbreiding te herkennen.

Het gaat niet alleen om duidelijke zinnen als dat er meer licenties nodig zijn. Het systeem kan patronen herkennen in gesprekken over aangrenzende toepassingen, nieuwe teamleden of afdelingen, of pijnpunten die met extra mogelijkheden kunnen worden opgelost.

Wanneer je die gespreksdata combineert met productgebruiksanalyses, kun je intentiescores voor uitbreiding maken op basis van meerdere signalen. Zodra gebruikers bepaalde gebruiksdrempels bereiken, zoals het naderen van een API-limiet of het proberen te gebruiken van premiumfuncties, en dit overeenkomt met bepaalde gesprekspatronen, ontstaat een duidelijk signaal voor uitbreidingsmogelijkheden.

Het doel is niet alleen uitbreidingsmogelijkheden te identificeren, maar het proces natuurlijker en meer in lijn met de waarde voor de klant te maken.

Hannah Clark: Dani heeft een proces dat ze wilde uitleggen voor het gebruik van gespreks-transcripten om eerste opvolgmails te maken. Wil je ons daar doorheen leiden?

Dani Grant: Het spreekt eigenlijk voor zich. Als productmensen geloven we dat het product het meeste werk moet doen. Maar om gedrag te veranderen wil je ook een vertrouwd gezicht hebben. De uitbreidingsfase wordt dus grotendeels door mensen geleid in plaats van door het product.

In een goed lopend proces heb je veel opeenvolgende gesprekken die teams helpen hun gebruik uit te breiden. Je wilt die gesprekken opvolgen met iets doordachts. Het is veel eenvoudiger om te beginnen met een eerste versie dan met een leeg vel. Je neemt een gesprekstranscript, geeft het aan Claude en vraagt welke drie hoofdpunten de persoon heeft gecommuniceerd.

Daarna kun je een concept maken met de boodschap: dit hebben we gehoord. Dat is veel gemakkelijker dan vanaf nul beginnen, vooral na acht opeenvolgende gesprekken aan het einde van de dag wanneer je brein vermoeid is.

Hannah Clark: Alles wat je brein aan het einde van de week kan ontzien, is welkom.

We gaan naar deel drie: van visie naar uitvoering. Dit gaat over het bouwen van een AI-versterkte strategie voor productgestuurde groei. Ramli, we hebben je een paar minuten niet gehoord. Kun je ons meenemen in veelvoorkomende valkuilen en misvattingen rond productgestuurde groei en het gebruik van AI?

Ramli John: De uitvoer is slechts zo goed als de invoer. Als je het systeem niets of slechte informatie geeft, krijg je ook slechte uitvoer. Zoals Dani zei: begin niet met een lege pagina.

Je moet de juiste informatie aanleveren, vooral informatie over je beste klantervaringen en beste gesprekken. Geef de juiste context. Bij uitbreiding kun je bijvoorbeeld de gesprekken en documenten over een klant aanleveren en vragen om een resultaat op basis daarvan.

Wees duidelijk over wat je probeert te doen, wat je verwacht en welke drie punten je wilt. Behandel het als een stagiair die net begint. Wees aan het begin wat uitgebreider en leg uit wat je zoekt, welke uitvoer je verwacht en welke context bij de informatie hoort.

Ik heb ook prompts gezien waarin je zegt: doe alsof je directeur customer success of directeur product bent voor dit bedrijf. Hier is informatie over het bedrijf en het LinkedIn-profiel van deze persoon. Wat zou je schrijven? Welke drie punten zouden voor deze persoon relevant kunnen zijn op basis van de gesprekken die we hebben gevoerd? Duidelijk en beknopt zijn helpt enorm.

Dani Grant: Een andere valkuil, vooral bij junior teamleden, is dat ze niet weten wat ‘klaar’ betekent. Hoe juniorer je bent, hoe meer klaar simpelweg voltooid betekent, in plaats van begrijpen welke impact goed werk kan hebben.

Een junior medewerker kan denken: de AI heeft een analyse uitgevoerd, dus het werk is klaar. Een senior medewerker zou zeggen: deze analyse heeft nieuwe vragen opgeleverd die we moeten onderzoeken, of dit klopt niet en kan een hallucinatie zijn, of deze e-mail klinkt als onbegrijpelijke AI-onzin en mag niet worden verstuurd.

Je voorkomt dit door veel gesprekken te voeren over de betekenis van ‘klaar’ binnen het team en het bedrijf, met of zonder AI.

Hannah Clark: Dat is sowieso geweldig advies voor loopbaanontwikkeling: blijf vragen wat ‘klaar’ betekent.

Anuj Adhiya: Ik wil twee dingen toevoegen. Over slechte invoer en uitvoer: de meeste mensen weten niet eens hoe ze goed moeten zoeken. Ik gebruik eenvoudige zoekopdrachten als vroege indicatie om te zien of iemand een systeem goed kan aansturen. Dat laat zien of iemand meer training nodig heeft voordat die persoon met zo’n systeem werkt.

Over wat Dani zei: daarom vind ik het waardevol om iedereen in een team te laten begrijpen wat de belangrijkste noordster-metriek van het product is. Iedereen moet begrijpen hoe we waarde leveren aan gebruikers en klanten. Alles wat we doen, moet die waarde vergroten. Dat geldt ook voor prompts. Het systeem heeft dat bredere perspectief nodig, niet alleen het perspectief van een afzonderlijke taak.

De rode draad is dat degene die met deze systemen werkt meer context en achtergrond nodig heeft. Eerst moet die persoon het bredere gebruikersperspectief begrijpen en pas daarna met het systeem inzichten proberen te verkrijgen.

Hannah Clark: Er komen inderdaad enkele duidelijke thema’s naar voren, waaronder de uitdagingen van samenwerking tussen verschillende teams. Normaal zouden we nu vertellen over onze volgende sessie. We doen in december geen panel vanwege de feestdagen. In januari zijn we terug met een sessie die meer gericht is op loopbanen, over de overstap naar een carrière in productmanagement.

De registratie daarvoor begint in december. We sturen onze abonnees een link zodra de registratie geopend is. Het wordt een geweldige sessie. Als je iemand kent die geïnteresseerd is in dit vakgebied en vragen stelt over de overstap, laat het die persoon dan weten.

We gaan direct door naar de vragen en antwoorden. Onze meest gewaardeerde vraag komt van DM: AI kan vooroordelen vertonen bij het interpreteren van genuanceerde data, wat tot misleidende conclusies leidt. Hoe kunnen we AI in de context van productgestuurde groei strategisch inzetten om gebruikerservaringen te verbeteren en groei te stimuleren, terwijl we deze risico’s beperken?

Dani Grant: AI lost menselijke problemen niet op. Je moet je eigen oordeel gebruiken. Het is een geweldig hulpmiddel, maar je hebt een kritische instelling nodig. Alleen een antwoord hebben, lost je probleem niet op. Wanneer je AI gebruikt, moet je extra bewust en aanwezig zijn en echt blijven nadenken.

Ramli John: Ik ben het daar volledig mee eens. Dit raakt aan de ethiek van AI. Er moet menselijke tussenkomst zijn. Vooroordelen moeten door mensen worden herkend. AI is slechts één input in je besluitvormingsproces. Je kunt ook kwalitatieve en kwantitatieve data gebruiken en mensen uit andere teams raadplegen. Uiteindelijk moet een mens de beslissing nemen.

Ik zou voorzichtig zijn met AI de beslissing voor ons laten nemen. Er kunnen vooroordelen zijn die het systeem zelf niet herkent.

Anuj Adhiya: Vergeet niet hoe dingen vroeger werden gedaan. Noem dat de basislijn van de werkelijkheid: hoe deden we dit vóór AI? Zo heb je een duidelijk vergelijkingspunt en kun je zien of een systeem hallucineert.

Gebruik ook een triangulatieaanpak. Als een AI-systeem bijvoorbeeld gebruikers met een risico markeert, kijk dan naar de ruwe productanalyses, feedback en wat het customer-success-team zegt. Controleer of die signalen handmatig overeenkomen. Dat geeft meer vertrouwen in het systeem.

Sommige analyseplatforms houden hier al rekening mee door hun modellen te trainen met gegevens van verschillende bedrijfsgroottes, sectoren en toepassingen. Zo kun je voorkomen dat AI te zwaar leunt op gedragspatronen van grote of actieve klanten en signalen van kleinere klanten mist.

Hannah Clark: Goede tips.

De volgende vraag is: raden jullie aan AI te gebruiken in plaats van traditionele support- of customer-successteams? We hebben dit misschien al gedeeltelijk beantwoord, maar laten we er wat meer context aan geven.

Dani Grant: Het belangrijkste in 2024 is de gebruikerservaring. Er is meer concurrentie dan ooit en het is eenvoudiger dan ooit om van tool te wisselen. Als iemand gefrustreerd raakt door je product, kan die persoon later diezelfde dag nog een gratis proefperiode van een ander product starten.

Je moet deze beslissing dus vanuit de gebruikerservaring bekijken. Als je veel documentatie hebt en natuurlijke taal het zoeken eenvoudiger maakt, kan geautomatiseerde klantenondersteuning geweldig zijn. Als je gebruikerservaring moet zijn dat er altijd een persoon is die om het probleem geeft en de klant door elke stap begeleidt, dan is een volledig geautomatiseerde ervaring misschien niet geschikt.

Voor sommige gebruikers, zoals ontwikkelaars, is een snelle zoekopdracht naar informatie misschien wenselijker dan een gesprek. Denk dus niet vanuit de tools, maar vanuit de gewenste gebruikerservaring.

Ramli John: Ik ben het ermee eens. Met de opkomst van AI verlangen mensen steeds meer naar menselijke verbinding. Josh Kaufman, auteur van The Personal MBA, zei: hoe efficiënter automatisering wordt, hoe belangrijker de menselijke ervaring wordt.

Mensen zijn blij wanneer ze met een echte medewerker kunnen praten. Bij persoonlijke evenementen reageren mensen soms verbaasd dat je echt bent en geen chatbot. Ze willen voelen dat iemand om hen geeft en dat ze als klant worden gewaardeerd. Dat wordt belangrijker naarmate bedrijven meer automatiseren, vooral bij zakelijke producten.

Dani Grant: Tegelijkertijd wordt de lat voor een kwalitatief goede AI-ervaring hoger. Als een bedrijf AI-chatondersteuning introduceert en de ervaring is slecht, haten gebruikers het misschien nog meer dan een gewone functie. Als je AI inzet voor zo’n kernfunctie als klantenondersteuning, moet het echt bijzonder goed zijn.

Hannah Clark: Onze laatste vraag van vandaag: hoe breng je personalisatie door AI in evenwicht met zorgen over de privacy van gebruikers?

Dani Grant: Volg je privacybeleid. Als iets verkeerd voelt, doe het dan niet. Als je privacybeleid zegt dat je algemene gebruiksgegevens mag bekijken om je product te verbeteren, kan AI daarbij helpen. Als je privacybeleid niet toestaat dat je alle gebruikersgegevens bekijkt, doe dat dan niet. Vertrouwen van gebruikers staat boven alles.

Hannah Clark: Daar valt weinig aan toe te voegen.

Ramli John: Er is zeker nuance. Ik heb e-mails gekregen waarin stond: Ramli, we zagen dat je X, Y en Z in ons product hebt gedaan. Dat kan waardevol zijn als ik vastloop en hulp nodig heb. Maar het kan ook voelen alsof iemand me bespioneert. Ik zit in jullie product, dus misschien verwacht ik tot op zekere hoogte dat jullie kunnen zien wat ik doe.

Anuj Adhiya: Dit doet me denken aan een vraag waar ik over nadenk. Iemand noemde het respectvolle personalisatie. Het belangrijkste daarbij is transparant zijn over de waarde-uitwisseling.

Mensen zullen waarschijnlijk verwachten dat AI wordt gebruikt om ervaringen te personaliseren. Toch is het verstandig eenvoudige regels te volgen. Als je een bepaald datapunt verzamelt, moet er intern een duidelijk en aantoonbaar voordeel voor de gebruiker zijn. Dat moet je belangrijkste leidraad zijn.

Hannah Clark: Dit waren allemaal zeer waardevolle inzichten. Helaas is onze tijd om. We doen dit altijd: we plannen nooit genoeg tijd in om alle vragen te beantwoorden. Bedankt iedereen voor deze betrokken sessie, voor jullie deelname aan de chat, voor alle vragen en voor jullie komst.

Bedankt dat jullie tijd hebben vrijgemaakt. Ik hoop dat de sessie nuttig was voor iedereen die erbij was. Een hartelijk dankwoord aan onze panelleden Ramli, Anuj en Dani: jullie waren geweldig. Het was een genoegen om jullie bij ons te hebben. Bedankt allemaal en een fijne dag.

Bedankt voor het luisteren. Abonneer je voor meer geweldige inzichten, praktische handleidingen en beoordelingen van tools op onze nieuwsbrief via theproductmanager.com/subscribe. Je kunt meer gesprekken zoals dit beluisteren door je te abonneren op The CPO Club, waar je ook naar podcasts luistert.