重新评估价值链｜数字创新的本质及类型
上周，我们完成了数字化战略4R框架之R1：重新塑造业务。本周，我们开始进入数字化战略4R框架之R2：重新评估价值链。
昨天是R2第一部分“重新思考创新”的开篇，讨论数字时代的创新，今天继续：创新实验的两种类型。
创新实验，就是不断地发现什么有用、什么无用的迭代过程。企业进行实验的目的，其实并不是得到产品或解决方案，而是学习——学习有关用户、市场及引导企业找到正确的可行解决方案。
1 创新实验的本质：不断学习
通过快速实验进行创新时，不必努力地去规避错误的想法，你的目标是尽可能多、尽可能快、低成本地检测出哪些想法可行。这与传统创新过程是非常不同的：分析市场、产生创意、内部讨论、选择一个解决方案、在投放市场之前通过多阶段的质量检测来完善它、从实际用户得到反馈。
Intuit为印度市场开发Fasal时，公司并没有开会讨论三个解决方案哪个是最好的。为了测试假设，公司将创意粗略地放在真正需要使用最终产品的农民和代理商面前。这种方式，需要将思路从基于分析和专家意见的创新，转变为基于构思过程和实验的持续学习的创新。
这种面向更多迭代、以学习为基础的创新模式，已经在很多领域发展了很多年，它是精益创业模型的核心，也是设计思维模型不可分割的组成部分。随着数字化测试的发展．持续实验方法已经成为越来越多的产品、服务、传播渠道的常态性方法。
这种创新的立场和主张是：从来没有真正的最终产品，每次创新都只是测试版，后续还要不断演变升级。
但是，规模企业和三五人的创业公司，其创新是完全不同的。另外，不是每种产品都可以将测试版完全投放到市场，必须根据具体公司的背景来对实验创新 方法的原则进行调整。
事实上，实验和实验也是不一样的，不同类型的商业实验可以有不同的设计方法和操作方法，可以用来解决不同类型的问题，但是所有的实验都有一个共同点：通过测试新想法、发现哪些有用哪些无用，来进行持续学习。
2 两种类型的创新实验
Intuit开发Fasal的实验，与Google不断改进搜索引擎的实验，虽然都使用实验方法，但还是有许多不同的地方：Google测试的是真实的产品搜索引擎，而Intuit测试的是可能发展为最终产品的粗略原型；Google的测试是实时的，可以将成千上万个对象进行科学的比较，并分析出有意义的统计差异；Fasal的实验是在少量用户中开展的，其结果不具有数据统计意义；Google的创新目标是改进已有的产品，Fasal的创新目的则是开发一个全新的产品或服务。
事实上，很多实践都可以称为实验，它们之间最本质的差异在于正式的科学实验和用于产品开发的非正式实验。这不仅是因为做实验的企业文化不同，也是因为大样本的可获得性不同（即使Intuit找1000位农民做实验，但对于采用正式的科学性实验来说毫无意义)。其实，两种不同类型的商业实验，适用于两种不同类型的学习。
可以将两种类型的实验方法，分别命名为收敛型实验法和离散型实验法：
- 收敛型实验法更适用于不断排除选项，最后将结果聚焦在明确定义的问题的特定答案上，如测试用户更喜欢三个方案中的哪一个；
- 离散型实验法更适用于探索新的选项、形成洞察、同时大量提问，完成之后又提出新的问题，继续探索下一阶段。
两种类型的实验方法，都可以帮助获得更多知识、并检验假设，都需要到外部去寻找答案，都需要学习的意愿、而不仅仅是计划和决策的意愿。但是两种实验法又有很多不同之处。
收敛型实验法
收敛型实验法的关键要素，是它的最初的因果假设：“如果增加这个 特性，用户会停留更久”或者“如果改变互动方式，用户会花更多钱”。当仅仅知道两个事件的相关关系还远远不够时，收敛型实验法显得尤为重要，因为你需要确认哪个是因、哪个果。
收敛型实验法的适用范围很广，它可以用于任何数字化产品和服务，如网站、App、软件等，以帮助评估和改进用户体验。这就是Google、亚马逊、Facebook等所有大型互联网公司都长期使用A/B测试的原因。
在A/B测试中，让两组用户使用仅有一处设计不同的功能，然后企业观测两组用户在行为和反应上的不同之处。Facebook针对用户发送的动态消息进行实验，试图找到图片、文本、视频的恰当平衡，分析用户更期待看到哪个朋友发动态、查明在只能以简短形式呈现时何种类型的内容更有趣、厘清几天才登录一次的普通用户喜欢什么样的内容。
收敛型实验法也适用于非数字环境。酒店、航空、商店等企业，可以作为优化客户体验、提高客户忠诚度、并通过数据驱动业务战略的核心工具。例如，便利连锁店更新食品清单时，可以采用实验法来评估客户是否会购买新增的食品、以及这样的变化能否增加商店的整体盈利。
收敛型实验法常被用于市场传播和直接营销领域。在美国总统竞选活动中，针对电子邮件的主题和网页的设计展开了持续、快速的实验，帮助有效地获得更多的新支持者和竞选资金。在互联网时代之前，美国第一资本金融银行采用收敛型实验法来找出合适的升职申请、正确的目标客户，甚至用该方法找到寄出出信用卡所用的最佳信封颜色。通过每年开展成千上万次重在获取用户和客户终身价值的实验，它从一家附属于别家银行的分支机构，发展为一家市值420亿美元的独立企业。
收敛型实验可以是成本高昂的，如为零售连锁店测试两种不同的门店陈列；也可以是成本低廉的，如向随机选取的不同用户群发送两种不同版本的促销邮件，然后比较所获取的反馈。
因为收敛型实验法需要衡量因果关系，所以它需要遵守正式的科学实验的一些关键准则：
- 因果假设：一个自变量(因)以及一个或多个因变量(果)。
- 实验组和对照组：可以观测到受你的变量控制和不受你变量控制的人群之间的差异。
- 随机选取参与者：外部因素就不会影响测试结果。
- 具有统计意义的有效样本量：可以克服随机干扰因素的存在，从而检测到差异。
- 盲测：可以避免可能影响实验结果的霍桑效应。
收敛型实验的常见错误主要集中在，所选取的实验组和对照组参与者不当。例如，零售商可能会选择一部分参与者(最优客户或表现较好的门店)作为实验组，并且错误地认为“其他所有人”(其他所有客户或门店)都可以作为对照组。
离散型实验法
离散型实验法，一般不是围绕因果问题展开的。在Intuit的Fasal的研发过程中，实验初期的问题相对宽泛：“我们怎样才能帮助印度农民提高收入？”因此，在产品特性、市场信息或设计布局的选择中形成具体前提为时过早。
当Intuit团队在脑海中产生最初方案、并将它们形成原型展示给潜在客户时，他们并不是希望获得数量性的反馈，而是要找一定范围内性质上的反馈，如“这很容易让人迷惑”“我等别人使用之后再使用它”“我不知道该拿我看到的信息怎么办”“我喜欢这个产品，但是我希望它更快”等等。
因此，与收敛型实验法相比，离散型实验法显得不那么正式，但这并不意味着离散型实验法特别简单，它是结构化的，有清晰的流程，人们能从它的优势中获益。离散型实验法的流程包括生成创意、创建原型、测试原型、基于关键假设收集现实世界的反馈、根据反馈信息决定是否继续这个过程以及发布创新成果的方式。
离散型测试的常见错误主要集中在测试时间过晚。如果创新产品的测试发生在开发几近完成时，则创新项目已占用大量资源，测试只是对已经确定的行动流程的加以验证。
3 为什么需要两种实验类型
企业要成功进行创新，需要在不同阶段、不同部分综合使用收敛型实验法和离散型实验法，需要平衡探索性学习(产生和开发创新)和验证性学习(验证和提炼创意)。单独的A/B测试永远不可能让零食连锁店知道它应该在菜单中加入哪种新食品，也无法成功测试总统竞选时使用什么样的邮件主题效果更好。同样地，在实验室里设计原型展示给用户并不断改进，无法告诉你最终的定价是什么、最优的市场组合是什么、客户的实际体验如何。
其实，实验法的类型是由创新项目的性质决定的：如果想改进现有核心业务，企业更需要收敛型实验法；如果想开发新的业务领域，需要产生新产品、新服务、新流程，企业更需要离散型实验法。
两种类型的实验法，也可能用于同一创新项目的不同阶段。假设一家金融服务公司计划为用户开发一款新的手机App，使用户可以更方便地进行财务规划，那么在起始阶段，企业可以使用迭代的离散型过程来广泛测试各种想法，找到哪些可行、哪些不可行，进而开发创新的核心价值主张和重点，完成设计后，企业可以转向使用收敛型过程来测试和优化方案的关键要素，包括产品设计、设计、定价、市场发布等。在这款App进入市场并积累了较大的用户户群后，就可以更多地使用收敛型实验来明确哪些产品特性能能给用户带来最大的价值、驱动用户重复使用、增加用户的留存率及用户终身价值。
4 数字技术对两种实验法的影响
数字技术使得快速实验法比从前更可行、也更必要。数字技术提供了新的实验工具，提升了企业的创新速度，能够适应快速变化的环境。
随着技术的发展，收敛型实验法变得更加强大，企业更能负担得起。各行业为用户开发数字化产品和服务时，因为数字化创新更容易，进行实时测试且开发成本更低。例如，银行检测手机App的设计要比检测支行的设计容易得多。
与此同时，新的软件工具变得更易获得，这使得即使是预算有限的小公司也可以轻易实施A/B测试，对结果进行多变量分析，确定实验的最佳样本量。小公司可以在网站和手机App上进行免费的A/B测试，较大规模的公司对数据分析日益重视，使得收敛型实验法得到了广泛的应用。
随着移动互联网和物联网的发展，数字计算变得无处不在，收敛型实验法的可行性大大提高。比如，一家杂货店想要测试自有品牌烤肉酱料的四种方法，在原子时代，它需要在四家门店采用不同的宣传方法。但今天，它可以用手机将不同宣传方法以数字化形式呈现给用户，即使一家单独的门店也可以随机选择用户，测试四种不同类型的宣传方法的效果。
离散型实验法也从数字技术中获得新工具，尤其是，数字技术使从创意到原型的过程更快、成本更低。比如，设计一款新型实体产品，3D打印和计算机模拟技术有效地降低了制作原型的时间和成本。在数字化产品和服务方面，新的编程语言和可替换用途代码使得开发供测试的“足够好的”原型变得更加容易。即使是在制药业等行业，由于机器人系统接手了以前由人工操作的纯手工作业，快速且低成本地测试新分子和基因组合的能力正在显著增强。
在数字化时代，就算是最大的公司也能进行快速创新，像创业公司那样敏捷和精简。幸运的是，由于数字化工具的应用，所有公司都有能力低成本地快速进行更多实验，从而加快创新步伐。
数字科技持续影响着各行各业，创新实验作为降低不确定性的方法，变得极为重要。
