고객과 함께 학습Learn with customers

현재 고객은 학습을 위한 최고의 리소스를 나타냅니다.Our current customers represent our best resource for learning. Microsoft와 협력 하 여 고객 공감를 통해 고객 의 요구에 가장 적합 한 솔루션을 구축 하는 데 도움을 얻을 수 있습니다.By partnering with us, they help us build with customer empathy to find the best solution to their needs. 또한 고객의 영향을 측정하는 메트릭을 생성 하 여 최소의 MVP (실행 가능한 제품) 솔루션을 만드는 데 도움이 됩니다.They also help create a minimum viable product (MVP) solution by generating metrics from which we measure customer impact. 이 문서에서는 고객 파트너와의 관계를 파악 하는 방법을 설명 합니다.In this article, we'll describe how to learn with and from our customer-partners.

지속적인 학습Continuous learning

반복이 끝날 때마다 빌드 및 측정 주기에서 학습할 수 있습니다.At the end of every iteration, we have an opportunity to learn from the build and measure cycles. 이 연속 학습 프로세스는 매우 간단 합니다.This process of continuous learning is quite simple. 다음 이미지는 프로세스 흐름의 개요를 제공 합니다.The following image offers an overview of the process flow.

연속 학습 의사 결정 트리

가장 기본적인 지속적인 학습은 학습 메트릭에 대응 하 고 고객의 요구에 대 한 영향을 평가 하는 방법입니다.At its most basic, continuous learning is a method for responding to learning metrics and assessing their impact on customer needs. 이 프로세스는 각 반복이 끝날 때 수행 되어야 하는 세 가지 기본 결정으로 구성 됩니다.This process consists of three primary decisions to be made at the end of each iteration:

  • 가설이 충족 됩니까?Did the hypothesis prove true? 대답이 예 인 경우 잠시 후에 축.When the answer is yes, celebrate for a moment and then move on. 다음 반복에서 고객에 게 도움이 되는 다양 한 방법, 테스트에 대 한 더 많은 가설 및 추가 방법이 항상 있습니다.There are always more things to learn, more hypotheses to test, and more ways to help the customer in your next iteration. 가설이 참인 경우 팀이 고객을 위한 솔루션의 유틸리티를 향상 시키는 새로운 기능을 결정 하는 것이 좋습니다.When a hypothesis proves true, it's often a good time for teams to decide on a new feature that will enhance the solution's utility for the customer.
  • 현재 솔루션을 반복 하 여 유효성을 검사 한 가설에 더 가깝게 이동할 수 있나요?Can you get closer to a validated hypothesis by iterating on the current solution? 대답은 일반적으로 예입니다.The answer is usually yes. 학습 메트릭은 일반적으로 고객 편차를 야기 하는 프로세스의 점수를 제안 합니다.Learning metrics typically suggest points in the process that lead to customer deviation. 이러한 데이터 요소를 사용 하 여 실패 한 가설의 루트를 찾습니다.Use these data points to find the root of a failed hypothesis. 때로는 메트릭이 솔루션을 제안할 수도 있습니다.At times, the metrics may also suggest a solution.
  • 필요한 가설을 다시 설정 하나요?Is a reset of the hypothesis required? 반복에서 scariest 하는 것은 가설 또는 기본 필요성에 결함이 있음을 의미 합니다.The scariest thing to learn in any iteration is that the hypothesis or underlying need was flawed. 이 경우 반복 만으로는 반드시 올바른 답은 아닙니다.When this happens, an iteration alone isn't necessarily the right answer. 다시 설정 해야 하는 경우에는 가설을 다시 작성 하 고 새 가설의 빛에서 솔루션을 검토 해야 합니다.When a reset is required, the hypothesis should be rewritten and the solution reviewed in light of the new hypothesis. 이러한 학습의 학습을 더 빨리 수행 하는 것이 더 쉬울 것입니다.The sooner this type of learning occurs, the easier it will be to pivot. 초기 가설는 나중에 개발에서 피벗을 방지 하는 서비스에서 솔루션의 riskiest 측면을 테스트 하는 데 집중 해야 합니다.Early hypotheses should focus on testing the riskiest aspects of the solution in service of avoiding pivots later in development.
  • 확실?Unsure? "반복" 후의 두 번째 가장 일반적인 응답은 "알 수 없습니다."입니다.The second most common response after "iterate" is "we're not sure." 이 응답을 수용 합니다.Embrace this response. 이는 고객에 게 참여 하 고 데이터를 벗어나는 기회를 나타냅니다.It represents an opportunity to engage the customer and to look beyond the data.

이러한 질문에 대 한 답변을 통해 반복을 따르도록 할 수 있습니다.The answers to these questions will shape the iteration to follow. 연속 학습 및 과감 적용 기능을 시연 하는 회사는 고객에 게 적절 한 의사 결정을 내릴 수 있습니다.Companies that demonstrate an ability to apply continuous learning and boldly make the right decisions for their customers are more likely to emerge as leaders in their markets.

지속적인 학습을 사용 하는 경우에는 상당한 시험 및 오류가 발생 하는 것이 좋습니다.For better or worse, the practice of continuous learning is an art that requires a great deal of trial and error. 또한 일부 과학 및 데이터 기반 의사 결정이 필요 합니다.It also requires some science and data-driven decision-making. 지속적인 학습을 채택 하는 가장 어려운 부분은 문화 요구 사항을 고려 하는 것입니다.Perhaps the most difficult part of adopting continuous learning concerns the cultural requirements. 지속적인 학습을 효과적으로 채택 하려면 비즈니스 문화권이 먼저 장애 조치 (failover)를 수행 해야 합니다.To effectively adopt continuous learning, your business culture must be open to a fail first, customer-focused approach. 다음 섹션에서는이 방법에 대 한 자세한 정보를 제공 합니다.The following section provides more details about this approach.

성장 마음가짐Growth mindset

최근 몇 년 동안 발생 한 Microsoft culture 내에서 근호 변환을 거부할 수 있습니다.Few could deny the radical transformation within Microsoft culture that's occurred over the last several years. Satya Nadella의이 다면적 변환은 놀라운 비즈니스 성공 스토리로 hailed 되었습니다.This multifaceted transformation, led by Satya Nadella, has been hailed as a surprising business success story. 이 스토리의 핵심은 성장 마음가짐 이라고 하는 간단한 하다 신념으로입니다.At the heart of this story is the simple belief we call the growth mindset. 이 프레임 워크의 전체 섹션은 성장 마음가짐을 채택 하는 데만 사용할 수 있습니다.An entire section of this framework could be dedicated to the adoption of a growth mindset. 그러나이 지침을 간소화 하기 위해 고객의 학습 프로세스를 알려주는 몇 가지 주요 사항에 중점을 둡니다.But to simplify this guidance, we'll focus on a few key points that inform the process of learning with customers:

  • 고객 우선: 가설을 실제 고객의 경험을 향상 시 키도 록 설계 된 경우 실제 고객을 충족 해야 합니다.Customer first: If a hypothesis is designed to improve the experience of real customers, you have to meet real customers where they are. 메트릭에만 의존 하지 마십시오.Don't just rely on metrics. 고객 환경의 어떠한 체험 관찰을 기준으로 메트릭을 비교 하 고 분석 합니다.Compare and analyze metrics based on firsthand observation of customer experiences.
  • 연속 학습: 공감 모든 마음가짐에서 고객의 주력 및 고객에 게 서 기인 합니다.Continuous learning: Customer focus and customer empathy stem from a learn-it-all mindset. 혁신 방법론은 모든 것을 알지 못하는 것입니다.The Innovate methodology strives to be learn-it-all, not know-it-all.
  • 초보자를 위한 마음가짐: 초급의 마음가짐을 사용 하 여 모든 대화에 대해 공감를 보여 줍니다.Beginner's mindset: Demonstrate empathy by approaching every conversation with a beginner's mindset. 필드 또는 30 년 숙련을 처음 접하는 경우에는 거의 알지 못하는 것으로 가정 하 고 많은 정보를 배우게 될 것입니다.Whether you're new to your field or a 30-year veteran, assume you know little, and you'll learn a lot.
  • 자세히 듣기: 고객은 파트너를 원합니다.Listen more: Customers want to partner with you. 아쉽게도 파트너 관계를 적절 하 게 차단 하는 것은 ego.Unfortunately, an ego-driven need to be right blocks that partnership. 메트릭을 벗어나 학습 하려면 더 적고 더 자세히 알아보세요.To learn beyond the metrics, speak less and listen more.
  • 기타 권장: 단지 수신 대기 안 함 다른 사용자에 게 권장 하는 작업을 사용 하세요.Encourage others: Don't just listen; use the things you do say to encourage others. 모든 모임에서 다양 한 관점에서 다양 한 관점으로 가져올 수 있는 방법을 찾을 수 있습니다.In every meeting, find ways to pull in diverse perspectives from those who may not be quick to share.
  • 코드를 공유 합니다. 코드 베이스의 소유권에 대 한 의무를 생각 하는 경우 진정한 혁신 기능을 이용할 수 없습니다.Share the code: When we feel our obligation is to the ownership of a code base, we lose sight of the true power of innovation. 고객의 소유 및 추진 결과에 집중 합니다.Focus on owning and driving outcomes for your customers. 코드 (세계 또는 회사 내에서 공개적으로)를 공유 하 여 다양 한 큐브 뷰를 솔루션 및 코드 베이스에 초대 합니다.Share your code (publicly with the world or privately within your company) to invite diverse perspectives into the solution and the code base.
  • 작동 과제: Success는 진정한 고객 공감을 의미 하는 것은 아닙니다.Challenge what works: Success doesn't necessarily mean you're demonstrating true customer empathy. 수정 된 마음가짐을 방지 하 고 이전에 작업을 수행 하기 위한 바이어스를 방지 합니다.Avoid having a fixed mindset and a bias toward doing what's worked before. 고객에 게 참여 하 여 긍정 및 부정적 메트릭에 대해 학습 합니다.Look for learning in positive and negative metrics by engaging your customers.
  • 포함 가능: 다양 한 큐브 뷰를 조합에 초대 하기 위해 노력 합니다.Be inclusive: Work hard to invite diverse perspectives into the mix. 여러 변수를 분리 된 그룹으로 나눌 수 있습니다.There are many variables that can divide humans into segregated groups. 문화적 표준, 과거 행동, 성별, religion, 성적 선호, 심지어 물리적 기능.Cultural norms, past behaviors, gender, religion, sexual preference, even physical abilities. 진정한 혁신은 우리의 차이를 확인 하 고 모든 고객, 파트너 및 동료를 포함 하기 위해 노력 하는 것을 consciously 것입니다.True innovation comes when we challenge ourselves to see past our differences and consciously strive to include all customers, partners, and coworkers.

다음 단계Next steps

이 방법론을 이해 하는 다음 단계에서는 혁신에 대 한 일반적인 차단기 및 과제 를 확인 하 여 사전에 변경 내용을 준비 합니다.As a next step to understanding this methodology, see Common blockers and challenges to innovation to prepare for the changes ahead.

이 문서의 일부 개념은 Eric Ries에서 작성 한 간결한 시작에 설명 된 항목을 기반으로 작성 되었습니다.Some of the concepts in this article build on topics first described in The Lean Startup, written by Eric Ries.