Come innovare - articolo di Kevin Taylor

Ho appena finito di leggere un articolo di Kevin Taylor (il Managing Director di BT Asia-Pacific) a proposito di innovazione ed ho pensato di condividere alcune considerazioni fatte da Mr. Taylor:

• La paura che le aziende non sentano il bisogno di innovare continuamente anche durante periodi di recessione è infondata. I leader delle aziende di successo conoscono molto bene i vantaggi dell'innovazione

Ciò significa che le aziende di successo riconoscono l'importanza di innovare anche in questo periodo di recessione. Mr. Taylor riporta alcuni esempi significativi di importanti innovazioni che hanno avuto origine in epoche di recessione economica

• Può un'azienda pensare veramente "fuori dal coro" se così facendo viola i propri valori? A volte è necessario l'intervento degli outsider per evidenziare le contraddizioni

Trovo che questa sia un'affermazione molto interessante. L'abilità di ascoltare le critiche costruttive e di accogliere le idee propositive provenienti dall'esterno può essere molto utile anche durante periodi non di recessione economica

• nel mondo moderno, la tecnologia costituisce l'infrastruttura sulla base della quale si sviluppa l'innovazione

Beh, direi che è vero. Vi è forse una qualche reale e sostanziale innovazione recente che non sia basata sulla tecnologia?

• le aziende che meglio sopportano la tempesta economica sono quelle con operazioni globali

Affermazione anch'essa interessante, anche se penso vi siano anche altre caratteristiche che contraddistinguono le aziende che registrano successi anche in questo periodo: management capace di intepretare il futuro, corretta valutazione dei mutamenti nei bisogni e nelle abitudini dei clienti, ecc...

La folla è intelligente (quando focalizzata) - Articolo NYTimes

Interessante articolo di Steve Lohr del New York Times sul crowdsourcing: http://www.nytimes.com/2009/07/19/technology/internet/19unboxed.html?_r=2&th&emc=th

Un paio di passaggi che trovo particolarmente interessanti sono i seguenti:

• "l'innovazione è spesso dipinta come un gioco di numeri. Più sono i partecipanti, meglio è" ma allo stesso tempo "i modelli di innovazione aperta hanno successo soltanto quando sono progettati con attenzione per uno scopo preciso e quando gli incentivi sono pensati per attrarre i collaboratori più efficaci"

Penso che sia anche importante che venga promossa e si instauri una qualche forma di collaborazione non-competitiva tra i partecipanti perché vengano prodotti i risultati migliori. In altre parole a mio avviso le interazioni sociali non possono essere eliminate dalla concorrenza se l'obiettivo è quello di ricercare soluzioni ottimali ad un problema/bisogno.

• "i modelli di innovazione aperta vengono adottati per superare le gerarchie aziendali" ma anche "per avere successo, dice Mr. Chesbrough, l'azienda deve avere una cultura aperta verso le idee esterne ed un sistema per recepirle ed agire sulla base delle stesse"

Quindi il crowdsourcing non fa soltanto riferimento alla possibilità di ottenere idee e suggerimenti da tante persone quante sono quelle che desiderano fornirle, ma anche ad aziende culturalmente capaci di agire sulla base delle idee e dei suggerimenti forniti, flessibili e pronte ad effettuare cambiamenti (talvolta anche radicali).

Note su polyhedral question design ed analytic center estimation

Ho appena terminato di leggere un paper del 2003 sulla adaptive conjoint utilizzando il polyhedral question design e l'analytic center estimation e vorrei riportare alcune note:

• Il polyhedral question design ha a che fare con la riduzione delle domande da porre nelle simulazioni di analisi congiunta (conjoin analysis) allo scopo di alleviare l'impegno degli/delle intervistati/e ed allo stesso tempo mantenere elevata la qualità del dato raccolto

• Se si considera un numero di domande ridotte, il polyhedral question design fornisce dei risultati migliori ad altri metodi di progettazione dell'esperimento congiunto (come il fixed design oppure l'adaptive conjoint analysis) sia in termini di validità interna (holdout task) che esterna (choice task)

• Pur non fornendo risultati in assoluto migliori rispetto ai metodi già esistenti, se paragonato al metodo “tradizionale” del disegno sperimentale fisso il polyhedral question design permette di ottenere risultati qualitativamente equivalenti utilizzando circa la metà delle domande

• Essendo basato su un algoritmo matematico assai complesso (che però, grazie a recenti sviluppi della programmazione matematica, viene risolto rapidamente, e cioè senza ritardi o disagi percepibili dall'intervistato/a) il polyhedral question design si adatta bene ad essere applicato ai questionari per i panel online

• Il polyhedral question design può essere applicato a dati di tipo metrico (paired-comparison) così come a dati di tipo categoriale (choice-based conjoint)

• L'analytic center è un metodo di stima dei dati derivanti dalla analisi congiunta che si basa sulla proiezione interna dei vertici di un poligono che descrive lo spazio multidimensionale all'interno del quale vi sono i valori dei parametri da stimare; esso può essere utilizzato assieme al polyhedral question design ma anche per stimare i dati derivanti da altri tipi di disegno sperimentale

• Rispetto all'altro metodo di stima spesso utilizzato nei modelli di analisi congiunta adattativa, e cioè lo hierarchical Bayes, l'analytic center funziona meglio se applicato su popolazioni molto eterogenee ma con un errore di risposta contenuto (quindi sostanzialmente se applicato ad esperimenti che riguardano prodotti o servizi più semplici e/o intervistati/e più attenti/e e motivati/e, anche se con preferenze discordanti tra loro)

• Lo hierarchical Bayes è un metodo di stima che fa uso dei dati della popolazione per informare la distribuzione delle risposte del/della singolo/a intervistato/a, ed è quindi più funzionale dove la popolazione è più omogenea ma anche più utile dove vi sono intervistati/e meno attenti/e e motivati/e

• Un tema importante nei metodi adattativi di analisi congiunta è il cosidetto endogeneity bias, per il quale ogni nuova domanda posta all'intervistato/a dipende dalle domande poste in precedenza, e ciò può causare un vizio nei risultati della simulazione, in quanto l'errore di misurazione dipende dal numero di domande poste; detto ciò, il polyhedral question design appare essere meno sensibile dell'adaptive conjoint analysis rispetto all'endogeneity bias

• L'aggiunta di domande auto-esplicative (self-explicated) sull'importanza dei parametri (quindi di dati digiunti utilizzati insieme ai dati dell'analisi congiunta a formare i cosidetti modelli ibridi) ha mostrato un miglioramento nella qualità del dato ottenuto dalle varie simulazioni, ma va precisato che la categoria di prodotti testata (borse porta-computer) è tipicamente una di quelle dove i parametri di valutazione sono nettamente separabili e dove presumibilmente la qualita del dato auto-esplicativo è elevata; non è affatto certo che lo stesso tipo di considerazione sia fattibile per categorie di prodotto che prevedono una separazione meno netta tra gli attributi che compongono un prodotto/servizio

• L'analytic center sembra funzionare meglio quando i dati auto-esplicativi non sono presenti e quando viene utilizzato il polyhedral question design

• Nel complesso, il polyhedral question design e l'analytic center sembrano avere delle buone prospettive di impiego e di sviluppo tra i metodi sperimentali di analisi delle preferenze dei consumatori

Per chi fosse interessato/a il link al paper è: http://bear.cba.ufl.edu/centers/mks/articles/1a93888be3_article.pdf

Tre metodi essenziali per la ricerca di mercato nell'ambito di una comunità online

Interessante articolo di John Kembel, CEO della HIVELIVE sulle opportunità che le comunità online offrono ai ricercatori di mercato.

Mi pare interessante sottolineare alcuni passaggi dell'articolo:

"Tra i direttori marketing ed i senior marketer intervistati in una recente indagine Forrester Research, 47% dichiarano di utilizzare le comunità di consumatori e stanno aumentando il loro impiego dei social media per ottenere, testare e commercializzare le loro idee"

"Considerate insieme, le discussioni non strutturate (il social network) e le attività dirette (raccolta attiva di dati ed informazioni) forniscono una panoramica più dettagliata e completa del consumatore"

"Le sessioni online possono sostituire altre strategie di ideazione oppure integrarle attraverso un forum per discussioni preliminari oppure di follow-up, consentendo ai partecipanti di approfondire gli argomenti che sono rilevanti per l'azienda committente"

"Utilizzando le comunità online per validare e raffinare le proprie idee è possibile ottenere un feedback più completo e di qualità più elevata, generando prodotti pronti per il mercato, riducendo il tempo di sviluppo del nuovo prodotto ed arrivando prima sul mercato"

"Fare leva sulle comunità online sta diventando uno dei metodi migliori per innovare e cogliere le opportunità offerte dal mercato. Ed è proprio durante un periodo di recessione economica il momento più adatto muiversi in tale direzione"

Analisi sul crowdsourcing

Ecco un'interessante analisi sul crowdsourcing con alcune statistiche sui partecipanti al progetto Innocentive:

http://comuneblog.wordpress.com/2009/03/18/crowdsourcing-pizzaiola/

Information Pump: giochiamo a diventare creativi?

Ecco una tecnica che consente di stimolare la creatività allo scopo di generare idee innovative: l’Information Pump (Prelec, 2001; Dahan & Hauser, 2002)

Intanto è necessario notare come i copy test, le valutazioni di nuovi prodotti, ecc… facciano tutte affidamento sull’ipotesi che le dichiarazioni degli intervistati/partecipanti siano veritiere ed affidabili. Ciò purtroppo non è sempre vero in quanto disattenzione, pigrizia, ansia, dinamiche di gruppo, ecc… tendono ad influenzare (talvolta anche pesantemente) la qualità dei dati raccolti.

L’Information Pump è una metodologia mirata a risolvere alcune di queste limitazioni attraverso l’utilizzo di un contesto ludico/competitivo e di un punteggio sulla base del quale motivare la partecipazione attiva

L’obiettivo dell’Information Pump è quello di stimolare la creatività dei “giocatori”. Il “gioco” prevede 3 elementi fondamentali:

1. i codificatori (Encoders)

2. il Dummy

3. l'oggetto (prodotto/servizio/concept) da valutare

La procedura si svolge come segue:

1. a ciascun Encoder (ma non al Dummy) viene fornita una descrizione dell'oggetto da valutare, possibilmente supportata da immagini, video, audio e preferibilmente leggermente diversa per ciascun Encoder (ad esempio delle foto di un'auto prese ciascuna da una prospettiva diversa)

2. a turno ciascun Encoder fornisce una frase descrittiva dell'oggetto (ad esempio: è un'auto che consuma poco)

3. ciascun Encoder indica se egli/ella ritiene la frase proposta essere veritiera o meno (Vero/Falso)

4. ciascun Encoder ed il Dummy forniscono una previsione (forecast) sulle risposte fornite alla descrizione da parte di tutti gli Encoder (ad esempio 8 su 10 significa che si prevede che circa 80% degli Encoder abbiano indicato Vero)

5. si calcola il punteggio (eventualmente aggiornandone la somma) e si ripetono i 4 punti di cui sopra per almeno una decina di volte cambiando a turno l'Encoder

6. al termine del “gioco” i giocatori con il punteggio più elevato vengono premiati

Il punteggio attribuito a ciascun giovatore è frutto di una combinazione di 3 componenti:

1. il Dummy viene premiato per la correttezza del suo forecast. Dunque frasi scontate o ripetitive (ad esempio: è un'auto che ha 5 porte) tendono a favorire il forecast del Dummy, mentre frasi originali e creative (ad esempio: è un'auto che farebbe sognare qualsiasi neopatentato) tendono a sfavorirlo/a in quanto egli/ella non è in possesso degli aiuti visivi forniti agli Encoder

2. gli Encoder vengono anch'essi premiati per la loro capacità di forecast ma il calcolo viene fatto in termini non assoluti ma bensì di differenziale rispetto al forecast fornito dal Dummy. Impegno, empatia e ricerca di un linguaggio condiviso vengono premiati in questa fase

3. l'Encoder che ha proposto la frase viene premiato in funzione del differenziale in termini di correttezza del forecast fornito dagli altri Encoder rispetto alla correttezza di quello fornito dal Dummy. Frasi originali e non ripetitive vengono nuovamente premiate rispetto a frasi ripetitive e scontate perché l'originalità consente di mantenere il Dummy all'oscuro rispetto all'oggetto da valutare

Rispetto ai più tradizionali metodi di ricerca l'Information Pump presenta alcuni interessanti vantaggi:

• rispetto ai focus group si ottengono giudizi che consentono di valutare la qualità degli stimoli forniti

• rispetto al metodo Delphi non è richiesta una convergenza di opinioni e non è neppure necessario stabilire un linguaggio comune

L'Information Pump rappresenta dunque un metodo potenzialmente interessante per stimolare la creatività delle persone rispetto a nuovi concetti/prodotti/servizi.

Bibliografia:

Dahan, E. and Hauser, J. R. (2002) “The virtual customer.”, The Journal of Product Innovation Management, 19:332-353

Matthews, P. C. and Keegan, J. D. and Robson, J. R. (2005) “Development of a simple information pump.”, 15th International Conference on Engineering Design . Melbourne, Australia, 15-18 Aug

Prelec, D. (2001) “A two-person scoring rule for subjective reports.” Technical report, MIT Sloan School of Management

Simulazioni di mercato: prediction market vs preference market

Le simulazioni di mercato che si pongono l’obiettivo di studiare le preferenze dei consumatori si suddividono in 2 tipologie distinte: prediction markets da un lato, preference markets dall’altro.

Entrambe queste tipologie di simulazione vengono utilizzate per stimare le preferenze attuali di un target rispetto a degli stimoli (candidati alle elezioni, prodotti, ecc…) ma anche per prevedere eventi futuri basandosi sulla convergenza del prezzo di mercato verso un valore condiviso (Dahan et al. 2008) sulla cosidetta wisdom of crowds (cioè la saggezza popolare descritta da Surowiecki 2004); è interessante analizzare come ciascuna di esse possieda alcuni caratteri distintivi.

Il prediction market (ad esempio Berg, Nelson and Rietz, 2008) è una metodologia che viene utilizzata per prevedere con largo anticipo degli accadimenti futuri. I titoli scambiati all’interno di un prediction market rispecchiano la probabilità che un evento accada (ad esempio: che il candidato X venga eletto alla carica Y, oppure che il partito Z superi alle elezioni amministrative la soglia di W di voti, o ancora che entro un anno dal lancio il prodotto A venda almeno B unità, ecc…). Più alto risulta essere il prezzo del titolo, più è probabile che l’evento che si intende prevedere accada realmente. Esempi di prediction markets sono gli Iowa Electronic Markets (http://www.biz.uiowa.edu/iem/) , l’Hollywood Stock Exchange (http://www.hsx.com/) ed il Foresight Exchange (http://www.ideosphere.com/fx/)

Il preference market (ad esempio Dahan, Soukhoroukova and Spann, 2007) è invece un approccio utilizzato per studiare le preferenze attuali degli appartenenti ad un determinato target rispetto a più alternative possibili (ad esempio: concetti o funzionalità di prodotto, design alternativi, possibili candidati alle prossime elezioni, ecc…). Anche in questo caso più elevato è il valore che un titolo raggiunge durante la contrattazione, maggiori sono i favori nei confronti di ciò che il titolo rappresenta.

Le differenze sostanziali tra le 2 metodologie possono essere riassunte nei seguenti punti:

=> Tempistica:

• il prediction market dura nel tempo (solitamente fino al compiersi dell’evento che si intende prevedere)
• il preference market generalmente si conclude nel giro di pochi minuti (in quanto non è previsto l’influsso di nuove informazioni)

=> Partecipazione/riservatezza:

• il prediction market è generalmente aperto a tutti coloro che intendono partecipare
• il preference market è riservato ad un campione ristretto di persone che vengono invitate dal ricercatore

=> Dinamicità:

• il preference market non prevede l’influsso di nuove informazioni durante l’apertura del mercato stesso
• il prediction market serve proprio per valutare l’impatto di eventi intermedi (ad esempio il congresso di un partito) sulla probabilità dell’evento futuro (ad esempio l’elezione del candidato di quel partito)

=> Incentivazione:

• il prediction market è solitamente auto-incentivante in quanto è previsto il pagamento in denaro del controvalore del titolo al momento della chiusura del mercato
• il preference market generalmente prevede l’assegnazione di un premio correlato al valore del portafoglio titoli posseduto al fine contrattazioni

Prediction market e preference market sono quindi 2 tipologie di simulazioni che possono trovare specifiche applicazioni in funzione del bisogno conoscitivo che si intende soddisfare.

Bibliografia:

Berg, J.E., F. Nelson, T. Rietz (2008) "Prediction market accuracy in the long run",
International Journal of Forecasting, 24, 285–300

Dahan, E., A. Kim, A. Lo, T. Poggio, N. Chan (2008), “Securities Trading of Concepts (STOC)”, MIT, Working Paper

Dahan E., A. Soukhoroukova and M. Spann (2007) "Preference Markets: Organizing Securities Markets for Opinion Surveys with Infinite Scalability", MIT, Working Paper

Surowiecki, J. (2004). The Wisdom of Crowds. New York: Doubleday