نوآوری در اقامتگاه یعنی تغییری که برای مهمان ارزش تازه می‌سازد و برای شما درآمد یا صرفه‌جویی؛ لازم نیست «اختراع» باشد. مدیریتش یعنی نوآوری را حدس نزنید، آزمایش کنید: یک فرضیه، یک نسخه‌ی کوچک، یک معیار و یک تصمیم ادامه یا توقف. این درس نوع‌های نوآوری را می‌شناساند، نشان می‌دهد نوآوری مخرب (مثل Airbnb در برابر هتل) چه ربطی به اقامتگاه کوچک شما دارد و یک روش آزمایش ارزان را با عدد یاد می‌دهد.
برای اینکه ایده‌ی افزودن خدمت جانبی را از جای خوبی شروع کنید، درآمد جانبی و فروش خدمات اضافه را هم بخوانید؛ این درس روش آزمودن آن ایده‌هاست.
هدف‌های یادگیری این درس
بعد از این درس باید بتوانید:
سه نوع نوآوری (محصول، فرایند، مدل کسب‌وکار) را در اقامتگاه خودتان مثال بزنید.
ده نوع نوآوری Doblin را نام ببرید و نوآوری‌های اقامتگاه را در آن‌ها جا بدهید.
نوآوری تدریجی را از بنیادین و نوآوری پایدار را از مخرب جدا کنید.
یک آزمایش MVP با فرضیه، معیار و آستانه‌ی تصمیم طراحی کنید.
نتیجه‌ی یک آزمایش کوچک را با عدم‌قطعیت آن بخوانید.
سه نوع نوآوری: محصول، فرایند، مدل کسب‌وکار
تقسیم رایج این است: نوآوری محصول یعنی چیز تازه‌ای که مهمان می‌گیرد؛ نوآوری فرایند یعنی راه تازه‌ی انجام کار داخلی؛ نوآوری مدل کسب‌وکار یعنی راه تازه‌ی ساختن درآمد. در اقامتگاه به ترتیب مثال‌ها این‌ها هستند: بسته‌ی پذیرایی ورود، ورود با قفل رمزدار به‌جای تحویل حضوری کلید، و اجاره‌ی ماهانه در فصل کم‌رونق. این تقسیم سه‌گانه یک چارچوب رایج درسی است؛ ما برای آن منبع واحدی ندیدیم و برای دقت بیشتر به ده‌گانه‌ی Doblin می‌رویم.
ده نوع نوآوری Doblin
Doblin که امروز بخشی از Deloitte است ده نوع نوآوری را در سه گروه تعریف کرده؛ ما فهرست را از صفحه‌ی ثانویه (Q-Markets) دیدیم و نام‌ها با کتاب کیلی و همکاران (Wiley, 2013) سازگار است ولی صفحه‌ی خود Deloitte باز نشد:
گروه | نوع | معنی | نمونه‌ی اقامتگاهی |
|---|---|---|---|
پیکربندی | مدل سود | راه تازه‌ی درآمد | اجاره‌ی ماهانه، بسته‌ی چندشبه |
پیکربندی | شبکه | همکاری بیرونی | قرارداد با رستوران یا تور محلی |
پیکربندی | ساختار | سازمان‌دهی تازه | تیم مرکزی نظافت برای چند مجتمع |
پیکربندی | فرایند | روش کار تازه | چک‌این بدون تماس |
عرضه | عملکرد محصول | بهبود ویژگی‌ها | تجهیزات بهتر واحد |
عرضه | سیستم محصول | چند چیز که با هم کار می‌کنند | واحد + بسته‌ی خدمات + اپلیکیشن راهنما |
تجربه | خدمت | حمایت قبل، حین و بعد | پیام خوش‌آمد و پیگیری بعد از اقامت |
تجربه | کانال | مسیر رسیدن به مهمان | فروش مستقیم، وب‌سایت |
تجربه | برند | برداشت از شما | هویت یک مجتمع خانوادگی |
تجربه | تعامل با مشتری | وفاداری و ارتباط بلندمدت | باشگاه مهمانان |
نکته‌ی کاربردی: نوآوری‌ها ترکیب‌پذیرند و ترتیبی نیستند. پس به‌جای «کدام نوع؟» بپرسید «در کدام نوع‌ها هنوز رقبای من ساکت‌اند؟». (دعوی‌های عددی مثل «نوآورترین شرکت‌ها از ۳٫۶ نوع استفاده می‌کنند» را به منبع اصلی نتوانستیم برسانیم و نیاوردیم.)
مثال اقامتگاهی: فرض کنید مجتمع ۱۲ واحدی شما برای رقبا فقط روی «عملکرد محصول» (تجهیزات) رقابت می‌کند. شما نقشه‌ای می‌کشید: برای هر یک از ده نوع یک ستون، و می‌شمارید هر رقیب در کدام ستون‌ها چیزی دارد. ستون‌های «خدمت بعد از اقامت» و «تعامل با مشتری» (پیگیری و باشگاه) خالی‌اند. این دو را نامزد آزمایش فصل بعد می‌کنید. نقشه‌ی رقبا را هم می‌توانید با تحلیل رقبا و بازار بسازید.
نوآوری تدریجی و بنیادین
نوآوری تدریجی همان کار را کمی بهتر می‌کند (پیام خوش‌آمد بهتر)، بنیادین چیزی را از پایه عوض می‌کند (مدل ماهانه به‌جای شبانه). تدریجی ریسک و بازده کمتر دارد و ارزش بنیادین بیشتر از عدم‌قطعیتش است. پیشنهاد ما، نه قاعده‌ی علمی: بیشتر ظرفیت آزمایش را روی تدریجی بگذارید و یک آزمایش بنیادین را کوچک و جدا نگه دارید، تا شکستش کل کسب‌وکار را نلرزاند.
نوآوری مخرب کریستنسن
کلیتون کریستنسن (اوایل دهه‌ی ۱۹۹۰) نظریه‌ی نوآوری مخرب را مطرح کرد. طبق توضیح مؤسسه‌ی کریستنسن، نوآوری مخرب فرایندی است که در آن محصول یا خدمتی ابتدا از پایین بازار، معمولاً ارزان‌تر و در دسترس‌تر، جای پا پیدا می‌کند، بعد بالا می‌رود و می‌تواند رقبای قدیمی را کنار بزند. نوآوری پایدار برعکس، محصول موجود را برای مشتریان فعلی بهتر می‌کند. دو مسیر دارد: مخرب از پایین (مدل ارزان برای بخش کم‌سود که بازیگران بزرگ رهایش می‌کنند) و بازار جدید (نسخه‌ی ساده‌تر برای کسانی که قبلاً به آن دسترسی نداشتند). مثال‌های خود مؤسسه: نتفلیکس در برابر بلاک‌باستر و مینی‌میل‌های فولاد.
مقاله‌ی ۲۰۱۵ کریستنسن، رینور و مک‌دونالد در HBR به یادآوری می‌پردازد که نظریه چه چیز را توضیح می‌دهد و چه چیز را نه؛ ما فقط خلاصه‌ی صفحه را دیدیم، پس نتیجه‌گیری‌های بعدی آن را نقل نمی‌کنیم و کاربردش را بی‌دقت به هر «ایده‌ی جدید» تعمیم نمی‌دهیم.
مؤسسه‌ی کریستنسن (صفحه‌ی رسمی) دو مسیر را این‌طور تفکیک می‌کند: در مسیر «پایین بازار» مدل ارزان‌تر وارد انتهای بازار موجود می‌شود و بازیگران قدیمی چون سود کمی آنجا می‌بینند به بخش‌های پرسودتر برمی‌گردند؛ در مسیر «بازار جدید» نسخه‌ی ساده‌تر و ارزان‌تر مخاطبی را جذب می‌کند که قبلاً در بازار نبود. همان صفحه هشدار می‌دهد این اصطلاح زیاد به کار می‌رود ولی اغلب بد فهمیده می‌شود: نوآوری مخرب لزوماً فناوری پیشرفته نیست، بلکه کالا یا خدمت را در دسترس‌تر و ارزان‌تر می‌کند. کتاب درسی رایگان OpenStax (کارآفرینی، بخش ۴٫۲ و ۱۱٫۱) هم سه نوع را کنار هم می‌گذارد: نوآوری تدریجی که بر فناوری موجود بنا می‌شود و درآمد فعلی را حفظ می‌کند (و در بخش ۴٫۲ مثلاً رفع یک نقطه‌ی دردسر محصول است)، نوآوری پیشگام یا بنیادین که بر فناوری تازه تکیه دارد و ریسک بیشتری دارد، و نوآوری مخرب؛ و یادآوری می‌کند واژه‌های بنیادین، تدریجی و مخرب در ادبیات هم‌پوشان و گاه مبهم به کار می‌روند.
درباره‌ی Airbnb: گوتنتاگ (پایان‌نامه‌ی ۲۰۱۶، دانشگاه واترلو) با نظرسنجی بیش از ۹۰۰ مهمان Airbnb و با چارچوب نوآوری مخرب نتیجه گرفت Airbnb فقط «تا حدی» با نظریه می‌خواند: ارزان‌تر است و مزیت‌های اضافه دارد، اما هتل‌های سنتی در بسیاری از ویژگی‌ها بهترند. رقابت مستقیم‌ترش در بخش هتل‌های ارزان است، در رده‌ی میانی هم‌پوشانی دارد و بخش لوکس عملاً بیرون از دسترس اوست؛ و بیشتر پاسخ‌دهندگان آن را به‌جای هتل استفاده کرده‌اند، نه مکمل هتل. نمونه‌ی او از نظرسنجی آنلاین مهمانانی است که عمدتاً از راه فیسبوک و Mechanical Turk جذب شدند، پس نتیجه‌اش به مهمان ایرانی تعمیم‌پذیر نیست. اینکه Airbnb از نظر تعریف سخت‌گیرانه‌ی کریستنسن «مخرب» است، مناقشه‌برانگیز است و ما حکم نمی‌دهیم. OpenStax از Airbnb مثال دیگری هم دارد که برای میزبان کوچک آموزنده‌تر است: بنیان‌گذاران در ۲۰۰۹ دیدند عکس‌های گوشی آماتور آگهی‌ها را ضعیف نشان می‌دهد؛ دوربین کرایه کردند، عکس حرفه‌ای گرفتند و طبق متن، درآمد هفتگی دو برابر شد. این یک نوآوری تدریجی و ارزان بود، نه مخرب (عدد دو برابر را از منبع دست‌دوم‌تری نتوانستیم تأیید کنیم).
مثال اقامتگاهی: فرض کنید هتل‌آپارتمانی دارید و رقیب تازه‌ای از نوع «خانه‌ی مبله‌ی شبانه» ارزان‌تر ظاهر شده است. تحلیل مخرب می‌پرسد: این رقیب از کدام بخش شروع می‌کند، آیا مهمانانش اکثراً بخش کم‌سود شما هستند (اقامت یک‌شبه با قیمت پایین) و آیا کم‌کم به بخش پردرآمد شما (چندشبه، خانوادگی) می‌رسد؟ اگر بله، فقط پایین‌آوردن قیمت جواب نیست؛ باید در ستونی بهتر شوید که او به آن دست‌نیافتنی است (خدمت، اطمینان). و اگر مهمان شما اصلاً سراغ او نمی‌رود، شاید لازم نباشد واکنش نشان دهید.
آزمایش سریع: MVP و چرخه‌ی ساخت، سنجش، یادگیری
طبق سایت رسمی Lean Startup، هر راه‌اندازی یک آزمایش است. چرخه‌ی ساخت، سنجش، یادگیری از یک حداقل محصول قابل‌ارائه (MVP) شروع می‌شود، واکنش مشتری را می‌سنجد و بر پایه‌ی آن تصمیم می‌گیرد؛ پیشرفت را باید با «یادگیری معتبر» سنجید، نه با میزان کار انجام‌شده. اگر داده نشان داد مدل کار نمی‌کند، تغییر مسیر (pivot) و گرنه ادامه. استیو بلنک در HBR (۲۰۱۳) نیز، با استناد به پژوهش شیکار گوش در هاروارد، می‌نویسد ۷۵٪ استارتاپ‌ها شکست می‌خورند و روش قدیمی «برنامه‌ی کسب‌وکار، سپس فروش سنگین» را کنار می‌گذارد. (صفحه‌ی خلاصه‌ی مقاله؛ جزئیات MVP آنجا نبود.)
کتاب OpenStax (کارآفرینی، بخش ۱۱٫۱) همین منطق را از سمت شکست می‌گوید: رویکرد «اگر بسازی می‌آیند» یعنی عرضه‌ی محصول بی‌آنکه اول تأیید کنید مشتری آن را می‌خواهد، و پیشنهادش کشف مشتری پیش از ساختن است؛ «تغییر مسیر» هم یعنی عوض‌کردن جهت وقتی رویکرد فعلی جواب نمی‌دهد. توجه: همان بخش اصطلاح MVP را تعریف نمی‌کند؛ تعریف را از سایت Lean Startup آوردیم.
آزمایش خوب پنج جزء دارد:
فرضیه: «حداقل ۱۵٪ از مهمانان بسته‌ی پذیرایی را می‌خرند.»
نسخه‌ی حداقلی: بدون چاپ و سرمایه‌ی بزرگ؛ همان بسته‌ی دستی.
معیار: درصد خرید از رزروهای ورودی.
آستانه‌ی تصمیم: ادامه اگر ≥ ۱۵٪.
زمان و حجم: مثلاً دو هفته یا ۲۰ رزرو.
مثال اقامتگاهی: فرض کنید می‌خواهید «سبد صبحانه‌ی ورود» را به قیمت ۳۰۰٬۰۰۰ تومان بفروشید. هزینه‌ی هر سبد ۱۸۰٬۰۰۰، پس حاشیه ۱۲۰٬۰۰۰ تومان. هزینه‌ی راه‌اندازی (بسته‌بندی و تابلو) ۲٬۴۰۰٬۰۰۰ تومان. ماهی ۶۰ رزرو داریم. اگر ۲۰٪ بخرند: ۱۲ سبد × ۱۲۰٬۰۰۰ = ۱٬۴۴۰٬۰۰۰ در ماه، بازگشت ≈ ۲٫۴ ÷ ۱٫۴۴ ≈ ۱٫۷ ماه. اگر فقط ۱۵٪ بخرند: ۹ سبد، ۱٬۰۸۰٬۰۰۰ در ماه، بازگشت ≈ ۲٫۲ ماه. آستانه را ۱۵٪ گذاشتیم تا حاشیه‌ی اطمینان باشد: بازگشت سه‌ماهه با حدود ۷ سبد در ماه (نزدیک ۱۱٪) به دست می‌آید. سنجش: ۲۰ رزرو ورودی را در دو هفته پیشنهاد می‌دهیم و ۵ نفر می‌خرند: ۲۵٪.
نتیجه‌ی آزمایش کوچک قطعی نیست
۵ از ۲۰ یعنی ۲۵٪، ولی نمونه کوچک است. خطای استاندارد تقریبی = √(۰٫۲۵ × ۰٫۷۵ ÷ ۲۰) ≈ ۰٫۰۹۷، و بازه‌ی تقریبی ۹۵٪ (ضریب ۱٫۹۶) حدود ±۱۹ نقطه‌ی درصدی است، یعنی از حدود ۶٪ تا ۴۴٪. فرمول از کتاب رایگان OpenStax (آمار مقدماتی، بخش ۸٫۳) است، که شرط اعتبارش را هم می‌گوید: هم تعداد موفقیت‌های مورد انتظار (n·p) و هم تعداد شکست‌ها (n·q) باید بزرگ‌تر از پنج باشند. اینجا ۵ موفقیت دقیقاً در مرز است، پس عدد را فقط تقریبی ببینید. پس نتیجه می‌گوید «نوید دارد»، نه «ثابت شد». تصمیم درست: دور دوم با ۴۰ رزرو، نه ساخت کامل. برای مبانی احتمال و نمونه، آمار و احتمال برای اقامتگاه را ببینید.
نوآوری فرایند: آزمودن با هزینه‌ی کار
مثال اقامتگاهی: فرض کنید هر ورود حضوری ۳۰ دقیقه از وقت یک نیرو می‌گیرد، ماهی ۶۰ ورود دارید، پس ۳۰ ساعت. ساعت نیرو را ۱۰۰٬۰۰۰ تومان فرض کنید: ۳٬۰۰۰٬۰۰۰ تومان در ماه. جعبه‌ی کلید یا قفل رمزدار برای ۸ واحد، واحدی ۱٬۵۰۰٬۰۰۰، جمعاً ۱۲٬۰۰۰٬۰۰۰ تومان. اگر نیمی از ورودها بدون تحویل حضوری انجام شود، صرفه ۱٬۵۰۰٬۰۰۰ در ماه است و بازگشت ۸ ماه؛ اگر ۸۰٪ شود، ۲٬۴۰۰٬۰۰۰ و ۵ ماه. آزمایش MVP: اول فقط دو واحد، و معیار نه فقط هزینه، بلکه «شکایت مربوط به ورود» و «تماس مهمان هنگام ورود» است. ممکن است صرفه‌جویی کم و رضایت پایین بیاید.
نوآوری مدل کسب‌وکار: اجاره‌ی ماهانه در فصل کم‌رونق
مثال اقامتگاهی: فرض کنید یک واحد در فصل کم‌رونق اشغال شبانه ۳۰٪ دارد: ۹ شب از ۳۰ شب، ADR برابر ۱٫۵ میلیون، پس ۱۳٫۵ میلیون تومان. اقامت میانگین ۲ شب است، پس ≈ ۴٫۵ نوبت نظافت، ۰٫۵ میلیون هر کدام: ۲٫۲۵ میلیون. سود تقریبی شبانه ۱۱٫۲۵ میلیون. اگر همان واحد را ماهانه ۲۰ میلیون اجاره دهید و هزینه‌ی نظافت و آماده‌سازی ۱ میلیون باشد، سود ۱۹ میلیون. در این مثال فرضی ماهانه برنده است، اما ریسک‌هایش هم هست (قرارداد، انعطاف‌پذیری برای ایام اوج) که ما درباره‌ی مقررات آن منبع رسمی ندیده‌ایم و نمی‌توانیم قضاوت کنیم. پس آزمایش MVP: فقط یک واحد در یک فصل کم‌رونق، با تاریخ پایان روشن.
خطاهای رایج
ساختن قبل از آزمودن: تعمیر و دکور گران برای ایده‌ای که هیچ مهمانی نخواسته.
معیار بدون آستانه: «ببینیم چه می‌شود» هیچ‌وقت تصمیم نمی‌دهد.
نتیجه‌ی کوچک را قطعی دیدن: مثال ۵ از ۲۰ بالا.
خلط نوآوری با تازگی ظاهری: نوآوری باید برای مهمان ارزش و برای شما اقتصاد داشته باشد.
کپی بدون تفاوت: چیزی که همه دارند «نوآوری» نیست، فقط هزینه است.
مطالعه‌ی موردی (فرضی)
فرض کنید مجتمع ۱۲ واحدی دارید. شما:
نقشه‌ی ده‌گانه می‌کشید و ستون‌های خالی «خدمت بعد از اقامت» و «تعامل با مشتری» را پیدا می‌کنید.
یک ایده‌ی تدریجی (پیام پیگیری با نظرخواهی بعد از اقامت) و یک ایده‌ی بنیادین‌تر (باشگاه مهمانان با تخفیف رزرو بعدی) انتخاب می‌کنید.
برای هر کدام فرضیه می‌نویسید: «حداقل ۳۰٪ به پیام پاسخ می‌دهند»؛ «۱۰٪ از اعضا ظرف سه ماه دوباره رزرو می‌کنند».
آزمایش اول را روی همه‌ی رزروهای یک ماه، آزمایش دوم را روی یک گروه ۲۰ نفره انجام می‌دهید.
بعد از چهار هفته نتیجه‌ها را با آستانه می‌سنجید؛ با نمونه‌ی کوچک دور دوم را برنامه‌ریزی می‌کنید.
نتیجه‌ی «ادامه» را در شاخص‌های عملکرد و در باشگاه و CRM ثبت می‌کنید.
اینجا ایده‌ی بزرگ، ریسک را کوچک می‌کند چون در هر مرحله تصمیم خروج دارید.
تمرین برای شما
نقشه‌ی ده‌گانه: برای اقامتگاه خودتان و دو رقیب بنویسید هر کدام در کدام نوع‌ها چیزی دارند. راهنما: ستون خالی مشترک بین هر سه، فرصت است یا بی‌ارزش؛ با مهمان‌هایتان بپرسید.
فرضیه: برای یک خدمت جدید فرضیه‌ی عددی بنویسید. راهنما: «حداقل X٪ از Y در Z زمان.»
بازگشت: برای خدمتی که حاشیه‌ی ۱۰۰٬۰۰۰ تومان و هزینه‌ی راه‌اندازی ۲٬۰۰۰٬۰۰۰ دارد و ماهی ۸ فروش، بازگشت را حساب کنید. راهنما: ۸ × ۱۰۰٬۰۰۰ = ۸۰۰٬۰۰۰ در ماه؛ ۲٫۵ ماه.
نمونه‌ی کوچک: ۳ از ۱۰ نفر یعنی ۳۰٪. بازه‌ی تقریبی را حساب کنید. راهنما: √(۰٫۳ × ۰٫۷ ÷ ۱۰) ≈ ۰٫۱۴۵؛ ±۲۸ نقطه، یعنی تقریباً ۲٪ تا ۵۸٪؛ نتیجه تقریباً بی‌خبر است. به‌علاوه شرط OpenStax (n·p بیشتر از پنج) اینجا برقرار نیست (۱۰ × ۰٫۳ = ۳)، پس خود فرمول هم معتبر نیست و فقط برای حس‌کردن بزرگی عدم قطعیت خوب است.
مخرب یا پایدار؟ یک رقیب جدید در منطقه‌تان را با سه پرسش تحلیل کنید: از کجا شروع کرده؟ مهمان کدام بخش را می‌گیرد؟ چه چیزی در ما بهتر است؟ راهنما: جواب را با گفت‌وگو با ۵ مهمان آزمایش کنید.
جمع‌بندی درس
سه نوع نوآوری: محصول، فرایند، مدل کسب‌وکار؛ ده‌گانه‌ی Doblin جزئی‌ترش می‌کند.
نوآوری‌ها ترکیب‌پذیرند؛ ستون‌های خالی رقبا را پیدا کنید.
تدریجی ریسک کمتر، بنیادین بازده بالقوه بیشتر؛ بنیادین را کوچک و جدا آزمایش کنید.
نوآوری مخرب از پایین یا از بازار جدید شروع می‌شود؛ هر ایده‌ی تازه مخرب نیست.
آزمایش خوب: فرضیه، نسخه‌ی حداقلی، معیار، آستانه، زمان.
نتیجه‌ی نمونه‌ی کوچک بازه‌ی بزرگ دارد؛ قبل از سرمایه‌گذاری بزرگ دور دوم بگیرید.
تصمیم ادامه یا توقف را قبل از دیدن نتیجه بنویسید.
درس بعدی
کارآفرینی و Lean Startup در راه‌اندازی کسب‌وکار اجاره اقامتگاه همین ایده‌ی آزمایش را از زاویه‌ی ساختن کسب‌وکار از صفر ادامه می‌دهد. درس قبلی مدیریت تحول بود، و نقشه‌ی کل مسیر در نقشه‌ی راه مدیریت علمی اقامتگاه آمده است.
سؤال‌های پرتکرار
اقامتگاه کوچک به نوآوری نیاز دارد؟
به معنی «ایده‌ی بزرگ» نه. به معنی «یک آزمایش کوچک در فصل» بله، چون فهمیدن اینکه مهمانتان واقعاً چه چیزی می‌خرد، بدون آزمایش ممکن نیست.
MVP یعنی کیفیت پایین به مهمان؟
نه. نسخه‌ی حداقلی یعنی کمترین ساخت لازم برای یادگیری، نه خدمت ضعیف. سبد دستی را می‌توانید با کیفیت عالی بسازید؛ فقط چاپ و تولید انبوه را عقب می‌اندازید.
نوآوری مخرب برای صاحب اقامتگاه چه فایده دارد؟
کمک می‌کند رقیب تازه را سنجیده تحلیل کنید: از کجا آمده و چه چیزی را هدف گرفته، و نترسید یا بی‌دلیل کپی‌اش نکنید.
چند آزمایش همزمان؟
عدد ثابتی از منبع نداریم؛ برای تیم کوچک، یک آزمایش بنیادین و یک تدریجی در هر فصل معقول است و پیشنهاد ماست.
منابع
آنچه واقعاً باز کردیم؛ در چند مورد فقط صفحه‌ی خلاصه/مقدمه یا صفحه‌ی ثانویه بود و متن کامل کتاب یا مقاله را نخواندیم.
Why tourists choose Airbnb — Guttentag, پایان‌نامه‌ی دانشگاه واترلو، ۲۰۱۶
Why the Lean Start-Up Changes Everything — Steve Blank, Harvard Business Review, 2013 (صفحه‌ی خلاصه)
OpenStax — Introductory Statistics 2e، بخش ۸٫۳ A Population Proportion (فرمول بازه و شرط اعتبار)
آنچه نتوانستیم تأیید کنیم
صفحه‌ی Deloitte برای ده‌گانه‌ی Doblin با ۴۰۳ باز نشد؛ نام و گروه‌بندی ده نوع هنوز از صفحه‌ی ثانویه‌ی Q-Markets است و فقط می‌دانیم که با کتاب کیلی و همکاران (۲۰۱۳) سازگار است؛ جدول نمونه‌های اقامتگاهی از ماست. ادعای «۷۵٪ استارتاپ‌ها شکست می‌خورند» را فقط از خلاصه‌ی ناشرِ مقاله‌ی بلنک آورده‌ایم و پژوهش گوش را باز نکردیم. تقسیم سه‌گانه‌ی محصول-فرایند-مدل کسب‌وکار و توصیه‌ی تقسیم ظرفیت آزمایش بین تدریجی و بنیادین از ماست. مقاله‌ی ۲۰۱۵ کریستنسن و همکاران فقط در حد خلاصه‌ی ناشر خوانده شد. مقاله‌ی ژورنالی گوتنتاگ در Current Issues in Tourism (۲۰۱۵) باز نشد؛ فقط پایان‌نامه‌ی واترلو را خواندیم. همه‌ی اعداد مثال‌ها فرضی‌اند.
نظرها