Comment mesurer et améliorer son product / market fit

Je suis sûr que vous connaissez déjà le concept du product / market fit (PMF)... mais quels critères utilisez-vous pour dire qu'il est atteint ? Et comment faites-vous pour le mesurer ?

Pour rappel, ce terme a été popularisé par Marc Andreessen (de Andreessen Horowitz) qui le définit comme suit :

Product/market fit means being in a good market with a product that can satisfy that market - Marc Andreessen

Traduction : Le PMF veut dire que vous êtes sur un bon marché avec un produit qui répond à [un besoin de] ce marché.

C'est la première étape clé à atteindre pour tous les entrepreneurs qui veulent lancer un nouveau produit.

Ceci étant dit, comment savoir si l'on a atteint le PMF ? C'est généralement là que ça coince, car les réponses classiques que l'on trouve dans la littérature sont d'ordre qualitatif. Exemple : "on sait qu'on a atteint le PMF quand le bouche à oreille fonctionne entre les clients, quand on reçoit des appels spontanés d'investisseurs, quand on est obligé d'embaucher rapidement, etc."

Tout cela est vrai mais ne pourrait-on pas mesurer quantitativement le PMF ? Cela permettrait de voir comment telle ou telle action l'impacte et on pourrait ainsi l'optimiser.

C'est précisément la question que s'est posée Rahul Vohra le fondateur et CEO de Superhuman. Suite à un échange avec Sean Ellis (un des gurus du Growth Hacking), il a utilisé un indicateur simple : le "PMF score".

Le PMF score est le pourcentage d'utilisateurs qui se diraient "très déçus" si le produit n'existait plus.

En s'appuyant sur plusieurs expérimentations, Sean Ellis estime que le PMF est atteint lorsque cet indicateur est supérieur à 40%.

Dans cet article, Rahul Vohra explique de façon détaillée comment il a créé sa propre méthode autour de cet indicateur pour mesurer et optimiser son PMF lors de la conception de son client email Superhuman. Il appelle cette méthode le "PMF engine".

Je vous résume ci-dessous la méthode qu'il a utilisée en s'appuyant sur les réponses à un court questionnaire envoyé aux utilisateurs.

En quelques mots, il s'agit d'identifier nos utilisateurs coeur de cible (leur proportion est le PMF score) puis de déterminer les utilisateurs restants qui s'en rapprochent le plus (même profil et même bénéfice produit perçu) mais pour qui il manque encore de la valeur dans le produit. On va ensuite travailler à convertir ces derniers vers notre groupe coeur de cible en répondant à leurs attentes afin d'améliorer le PMF score.

Et de façon plus détaillée, voici les 6 étapes de cette méthode :

1. Envoyer un court questionnaire aux utilisateurs

Tout commence avec un questionnaire envoyé aux utilisateurs qui comporte 4 questions :

Question #1 : À quel point seriez-vous déçu si le produit n'existait plus ?
       A. Très déçu (groupe A)
       B. Un peu déçu (groupe B)
       C. Pas déçu (groupe C)

Question #2 : Décrivez le profil des personnes qui peuvent être le plus intéressées par le produit.

Question #3 : Quel est selon vous le bénéfice principal du produit ?

Question #4 : Comment pouvons-nous améliorer le produit pour vous ?

2. Segmenter ses utilisateurs

Grâce aux réponses à la question #1 ("À quel point seriez-vous déçu si le produit n'existait plus ?"), on filtre les utilisateurs en éliminant ceux que l'on considère ne pas être dans la cible : on filtre les groupe B et C en gardant uniquement les mêmes profils que dans le groupe A ("Très déçu"). Par exemple si dans ce dernier groupe on avait uniquement des fondateurs, des managers et des business developers, on va uniquement garder ces profils dans les groupes B et C.

Les réponses à la question #2 ("Décrivez le profil des personnes qui peuvent être le plus intéressées par le produit") ne sont pas directement utilisées dans le "PMF engine" mais permettent de définir son persona type. Etant donné que nous avons filtré les répondants pour garder uniquement les plus intéressés, la réponse à cette question va nous donner leur profil type car ces utilisateurs vont avoir tendance à se décrire eux-mêmes dans leur réponse. Cela va nous permettre de bien cerner notre utilisateur type et de se concentrer dessus.

Rahul Vohra utilise pour cela le framework High-Expectation Customer de Julie Supan.

3. Mesurer son PMF score

Il nous reste donc le groupe A ainsi que les groupe B et C filtrés. Le PMF score est alors la proportion du groupe A ("Très déçu"). On considère que l'on a atteint le Product / Market Fit lorsque ce score est supérieur à 40%.

Une fois ce score calculé, on ne tient plus compte du groupe C ("Pas déçu"), car on considère que ces utilisateurs ne sont pas dans la cible.

4. Identifier les utilisateurs que l'on peut convertir vers le groupe des "Très déçus"

Le groupe B des "Un peu déçus" peut être divisé en deux : ceux que l'on va pouvoir convertir vers le groupe des "Très déçus" et les autres. Pour identifier ces deux groupes, on utilise la question #3 : "Quel est selon vous le bénéfice principal du produit ?".

On identifie les bénéfices principaux du groupe A et on garde les utilisateurs du groupe B qui perçoivent les mêmes bénéfices. Il nous restera les mêmes types d'utilisateurs que dans le groupe A, qui perçoivent la même valeur produit, mais pour qui il manque quelque chose pour se dire "Très déçus" (dans l'exemple de Superhuman, on voit clairement que pour les utilisateurs du groupe B, il manque une app mobile et des intégrations). La prochaine étape est donc de combler ce manque pour les convertir au groupe A et donc augmenter le PMF score.

5. Identifier les besoins clés des utilisateurs sur lesquels travailler pour améliorer le PMF score

Il nous reste donc deux groupes :

• Le groupe A des "Très déçus".
• Une partie du groupe B ("Un peu déçu") qui comprend des utilisateurs qui ont le même profil que le groupe A, qui perçoivent la même valeur produit et que l'on va pouvoir convertir pour les amener dans le groupe A.

Il est important ici de considérer les deux groupes car comme le souligne Rahul Vohra :

Si l'on s'occupe uniquement du groupe A ("Très déçus"), on ne pourra pas augmenter son PMF score et si l'on s'occupe uniquement du groupe B ("Un peu déçu"), on risque une fuite du groupe A vers la concurrence.

Il faut donc identifier les besoins des utilisateurs de ces deux groupes restants, et pour cela, nous utilisons :

• Les réponses à la question #3 ("Quel est selon vous le bénéfice principal du produit ?"), qui vont nous donner les axes qui apportent le plus de valeur au produit et qu'il est indispensable de faire parfaitement pour conserver les utilisateurs coeur de cible.
• Les réponses à la question #4 ("Comment pouvons-nous améliorer le produit pour vous ?"), qui vont nous donner les axes à travailler pour convertir les utilisateurs restants du groupe B vers le groupe A.

Nous avons maintenant identifié les principaux sujets de la roadmap.

6. Recommencer

Une fois ce processus terminé, on peut travailler aux différents sujets identifiés et ensuite relancer un sondage pour mesurer à nouveau son PMF score. Rahul Vohra recommande même d'utiliser le PMF score comme indicateur principal de l'entreprise et d'en faire un OKR dédié dans les équipes produits.

Conclusion

Cette méthode du "PMF engine" permet donc de quantifier son Product/Market Fit afin de pouvoir suivre son évolution et l'optimiser. Par la même occasion, on va également pouvoir identifier clairement les personas de notre coeur de cible ainsi que les besoins produit clé sur lesquels se concentrer.

Pour essayer cette méthode, il existe des outils en ligne pour vous aider.

Si vous avez déjà utilisé cette méthode, n'hésitez pas à me contacter pour en discuter !