Andiamo a vedere quelle che possono essere delle cause che non fanno funzionare il nostro modello.

Magari in questo in questa fase avete già provato ad applicarlo, magari vi siete già scontrati con alcuni di questi problemi.

Questi sono i principali, poi tendenzialmente alcune cose del mondo di vista un po' nel corso del del del corso.

Um però questo possiamo un pochino riassumere i problemi principali che si possono manifestare in questo modo.

Il primo è sulla prese la rappresentazione visiva che è troppo grossa non è non vi non rimane leggibile come dicevamo su il monitor di un top eh vuol dire semplicemente che abbiamo over complicato il modello, non non c'è modo di risolverla se non andando a capire dove ci siamo spinti troppo oltre.

Abbiamo aggiunto troppi elementi um abbiamo descritto il flusso dei nostri utenti in modo troppo specifico.

Questo non vuol dire che, um i nostri utenti non facciano le cose che noi abbiamo inserito nel nel modello o che quelle cose non siano parte del del flusso e del flusso, anche di generazione di valore per noi.

Semplicemente vuol dire che, um abbiamo un'azienda probabilmente molto complessa, molto strutturata, molto articolata, che potenzialmente è un'ottima.

Cosa abbiamo un prodotto molto strutturato.

Anche quello potrebbe essere buono.

Potrebbe non essere buono.

Non sta a me giudicare, um però di fatto in questa fase vuol dire che siamo andati troppo in profondità.

Chiediamoci se tutte le cose che noi abbiamo inserito nel modello sono facilmente o qu-, ma abbastanza facilmente comprensibili a più o meno tutte le persone che lavorano in un'azienda probabilmente no.

Se non riusciamo a creare un qualcosa che, sia che sia visivamente che sia leggibile, che sia comprensibile su un laptop, probabilmente abbiamo aumentato il livello di complessità.

Potenzialmente tante di quelle cose, se non non ci stanno lì possono diventare parte di sotto modelli come si è visto, noi possiamo tranquillamente andare a scomporre i vari pezzi, i i vari output, ma anche i vari input andare a scomporli in altri input, andare a creare altri sotto modelli che vanno a informare potenzialmente il modello principale, ma che sono più specifici per alcuni temi.

Quindi ricordiamoci, semplifichiamo, andiamo a fare in modo di senza banalizzare però andare a mettere effettivamente quelle che sono le cose importanti, il livello alto della della nostra azienda.

Non ho abbastanza dati per completare il modello quantitativo.

Anche questa è una cosa che purtroppo, soprattutto nelle aziende, um un po' più giovani può succedere di nuovo.

Qui le soluzioni sono potenzialmente due o um, abbiamo inserito dei delle metriche che sono difficili da misurare o che non abbiamo semplicemente perché siamo ancora troppo stage e quindi vuol dire che abbiamo fatto un po', il passo più lungo della gamba nel creare il modello.

Quindi abbiamo messo delle cose che di fatto, se non le possiamo misurare oggi, è perché probabilmente non sono così importanti o perché sto andando troppo in in dettaglio.

Quindi di nuovo, proviamo ad alzarci, proviamo a capire fin dove riusciamo ad arrivare l'altra cosa invece potrebbe essere che noi dovremmo avere quei dati, ma non li abbiamo.

Una cosa che purtroppo succede spesso e quindi di nuovo questo è un ottimo campanello d'allarme che ci fa capire Okay, se questo dato è davvero così importante da dover far parte del mio, quindi di dover da dover descrivere come questa azienda può crescere come questa azienda potrebbe rischiare di fallire perché poi dall'altra parte, ovviamente c'è anche il control tare.

Parliamo di cose belle, ma può anche essere che alcune attività poi vadano di fatto a deteriorare il raggiungimento del dell'obiettivo.

Se ci mancano questi dati vuol dire che probabilmente dobbiamo trovare il modo di colmare questo gap.

Ovvio che non è una risposta.

Um particolarmente um utile forse se vogliamo, se se non c'è il dato trovalo, okay, son d'accordo, però ragioniamo come il è una cartina al tornasole ci serve per fare quello.

Il modello quantitativo non è aggiornabile con un ritmo funzionale rispetto alle attività più o meno lo stesso problema di prima o l'abbiamo o iper complicato oppure eh.

Sono dati che non sono poi magari così importanti così um abbiamo sbagliato, diciamo, a inserire um le metriche oppure abbiamo la necessità di fare delle delle satin che diversamente non possiamo fare, eccetera non c'è una una soluzione particolare al se non proviamo il modo di aggiornarlo più rapidamente, potenzialmente di nuovo.

Il problema qui è che stiamo cercando di rappresentare un qualcosa che non c'è ancora.

Stiamo cercando di rappresentare un'azienda che ha uno stage, un po' troppo avanzato rispetto a quello in cui siamo realmente.

Ultimo.

Se muovo le non si muove la nostra metric.

Okay, um, ignoriamo la possibilità in questo caso abbiamo costruito male il modello e quindi di fatto le formule non tornano perché potrebbe essere quello in realtà principalmente la ragione per cui succede questo sono potenzialmente cause esogene nel momento in cui noi ragioniamo sulle in sylos, quindi andiamo a prendere magari solo un conversion rate a sé stante.

Non vediamo cos'altro succede intorno, quindi non vediamo cosa succede nel resto del modello da un lato e non vediamo cosa succede fuori, perché può anche essere che magari appunto la stagionalità facciamo finta, può avere un impatto su questo sul su questa cosa quindi noi stiamo migliorando una che magari è un ma di fatto dall'altra parte c'è una bassa stagionalità per cui entrano meno utenti all'interno del tunnel e quindi poi di conseguenza non si muove la nostra metric che è magari utenti paganti che di conseguenza mhm dobbiamo sempre mantenere il quadro completo e capire se effettivamente è sbagliato.

Quindi stiamo lavorando su un un input su un p i che non è quello che a noi serve oppure se stanno succedendo altre cose esogene o endogene, quindi stagionalità ad esempio oppure miglioro il conversion rate nella parte alta del funnel porto avanti utenti meno qualitativi peggioro nella parte bassa del funnel.

Um di conseguenza poi il numero totale alla fine resta lo stesso.

Um, non ho creato valore, quindi facciamo sempre attenzione che comunque, um, dobbiamo lavorare sulle nostre metriche.

Ogni team deve lavorare sui suoi obiettivi, ma ma di nuovo la condivisione è molto importante la um il dialogo tra virgolette tra tutti i vari elementi del modello è molto importante e quindi è fondamentale mantenere sempre un occhio non solo sulla propria metrica, ma su tutto il modello.

Come si muove.