I+D que realmente ofrece resultados. Vea los datos en el interior.

Muchos equipos de I+D generan grandes cantidades de datos, pero aún luchan por convertirlos en mejores productos. Los resultados de las pruebas se encuentran en archivos separados. Los comentarios de los clientes llegan tarde al equipo de ingeniería. Las revisiones de prototipos se basan en el criterio personal. Un proyecto puede parecer ajetreado mientras las preguntas clave siguen sin respuesta: - ¿Qué elección de diseño mejora el rendimiento del producto? - ¿Qué resultado de la prueba indica un riesgo real del producto? - ¿Cuándo debería el equipo revisar el concepto? - ¿Cómo pueden los gerentes seguir el progreso sin ralentizar a los ingenieros? Creo que la I+D eficaz comienza con un hábito simple: conectar cada decisión de diseño con evidencia mensurable. ### Comience con una pregunta clara sobre el producto. Los datos tienen poco valor cuando el equipo no sabe lo que necesita aprender. Antes de construir un prototipo, defino la pregunta detrás de la prueba. Puede estar relacionado con la duración de la batería, la resistencia del material, el costo de producción, la comodidad del usuario, el uso de energía o la vida útil. Una pregunta clara ayuda al equipo a elegir la métrica correcta. Por ejemplo, un equipo que desarrolla un dispositivo médico portátil puede preguntar: "¿Puede el dispositivo mantener un rendimiento estable durante un período de uso de ocho horas?" Luego, el equipo puede realizar un seguimiento de la potencia de la batería, la temperatura de funcionamiento, la frecuencia de errores y el manejo del usuario. Estas cifras crean una base más sólida para las decisiones de diseño que comentarios generales como "el dispositivo parece confiable". ### Conecte los datos de la investigación con las necesidades del cliente Los datos de ingeniería muestran cómo funciona un producto. Los datos de los clientes muestran si ese desempeño resuelve un problema real. Utilizo ambos tipos de información juntos. Un producto puede pasar las pruebas de laboratorio pero aun así crear dificultades durante el uso diario. Una pantalla pequeña, una carcasa pesada o un proceso de instalación lento pueden afectar la satisfacción del cliente incluso cuando las especificaciones técnicas principales cumplen con el objetivo del proyecto. Un proceso útil de I+D puede incluir: - Entrevistas con clientes - Registros de soporte del producto - Observaciones de prototipos - Informes de pruebas de campo - Datos de devolución y reparación - Revisiones de productos de la competencia - Registros de calidad de producción El objetivo no es recopilar todos los puntos de datos posibles. El objetivo es encontrar evidencia que ayude al equipo a tomar una mejor decisión. ### Establezca un plan de medición antes de realizar la prueba. Una prueba se vuelve más fácil de entender cuando el equipo acuerda el método de medición antes de que comience la prueba. Normalmente defino: - El propósito de la prueba - El tamaño de la muestra - Las condiciones de la prueba - El rango objetivo - Los criterios de falla - La persona responsable de registrar los resultados - La fecha de revisión de los hallazgos Esta estructura reduce la confusión entre departamentos. Los ingenieros, gerentes de producto, equipos de calidad y personal de ventas pueden trabajar con la misma información. Un resultado fuera del rango objetivo no siempre significa que el proyecto haya fracasado. Puede mostrar que las condiciones de la prueba necesitan ajuste. También puede revelar un riesgo de diseño que el equipo no había considerado. El valor proviene de comprender lo que significa el resultado. ### Utilice pruebas pequeñas para guiar decisiones más importantes Los grandes proyectos de desarrollo pueden resultar costosos cuando los equipos esperan demasiado para probar las suposiciones clave. Prefiero pruebas pequeñas y enfocadas en la etapa inicial. Un prototipo básico puede revelar que un material es demasiado débil, que un control es difícil de usar o que un paso de producción requiere demasiado tiempo. Este enfoque ayuda al equipo a evitar gastar mucho en un diseño que no ha sido verificado. El programa Falcon 9 de SpaceX ofrece un ejemplo público de este tipo de proceso de aprendizaje. Las pruebas de vuelo produjeron información sobre el rendimiento del motor, el control del vehículo, los sistemas de aterrizaje y las condiciones de recuperación. Los diseños posteriores fueron moldeados por los resultados de las pruebas y las revisiones de fallas. La lección no es que todas las empresas deban copiar el mismo modelo de desarrollo. La lección es que la I+D gana valor cuando las pruebas producen cambios claros en el siguiente ciclo de diseño. ### Realice un seguimiento de las métricas que muestran el progreso. El rendimiento de I+D no debe juzgarse únicamente por el número de reuniones o prototipos. Las métricas útiles pueden incluir: - Tiempo desde el concepto hasta el prototipo probado - Número de problemas de diseño encontrados antes de la producción - Tasa de fallas del prototipo - Repetibilidad de la prueba - Uso de materiales - Estimación de costos de producción - Consumo de energía - Tiempo de finalización de las tareas del cliente - Frecuencia de reparación del producto Cada empresa necesita su propio conjunto de mediciones. Un equipo de software puede centrarse en el tiempo de respuesta, las tasas de error y la retención de usuarios. Un equipo de fabricación puede realizar un seguimiento del rendimiento, el tiempo del ciclo y los patrones de defectos. Un equipo de diseño de producto puede monitorear la usabilidad, la durabilidad y los comentarios de los clientes. Una lista breve de métricas relevantes es más fácil de usar que un panel lleno de cifras que no afectan las decisiones. ### Comparta los hallazgos en un formulario que la gente pueda utilizar. Los buenos datos pueden perder su valor cuando el informe es difícil de leer. Mantengo los informes de I+D directos: - Expresa la pregunta de la prueba - Muestro los principales hallazgos - Explico el efecto en el producto - Enumera la acción recomendada - Nombra al propietario del siguiente paso - Establece una fecha de revisión Los gráficos deben respaldar el mensaje en lugar de reemplazarlo. Una simple línea que muestre el rendimiento en cinco ciclos de prueba puede ayudar a más que varias páginas de notas técnicas. El informe también necesita margen para la incertidumbre. Si la muestra es pequeña o las condiciones de la prueba son limitadas, el documento debe indicarlo. Los límites claros generan confianza y ayudan a los gerentes a evitar tratar los primeros resultados como una respuesta terminada. La I+D ofrece más que un nuevo prototipo. Ofrece mejores decisiones cuando los datos están vinculados a las necesidades del cliente, los objetivos del producto y las acciones prácticas. Veo a los equipos de I+D más fuertes como sistemas de aprendizaje. Prueban una pregunta clara, estudian el resultado, ajustan el diseño y registran los cambios. Este ritmo brinda a los ingenieros una dirección útil y brinda a los líderes empresariales una visión más clara del progreso del proyecto. Los datos no reemplazan la experiencia. Le da a la experiencia algo sólido con qué trabajar.

La investigación sólo crea valor cuando cambia una decisión. He visto equipos recopilar respuestas de encuestas, datos de búsqueda, llamadas de clientes y notas de la competencia, y luego dejar todo en archivos separados. La investigación parece completa, pero el sitio web sigue atrayendo a los visitantes equivocados. El equipo de ventas todavía escucha las mismas objeciones. El equipo de producto todavía adivina qué construir. La brecha no siempre es una falta de datos. A menudo aparece la brecha entre aprender algo y actuar en consecuencia. Utilizo un proceso simple para convertir la investigación en resultados prácticos. Comience con una pregunta comercial La investigación se vuelve difícil de utilizar cuando la pregunta es demasiado amplia. “¿Quiénes son nuestros clientes?” Puede crear una gran cantidad de información sin señalar una acción clara. Una pregunta más aguda suena así: - ¿Por qué los visitantes abandonan la página de precios? - ¿Qué hace que los compradores elijan un servicio como el nuestro? - ¿Qué problema lleva a la gente a buscar esta solución? - ¿Qué impide que un cliente potencial calificado se comunique con nosotros? Una pregunta clara da un propósito a cada tarea de investigación. También me ayuda a decidir qué datos merecen atención y cuáles pueden esperar. Recopila señales de varias fuentes No confío en un solo método de investigación. Los datos de búsqueda pueden mostrar lo que la gente quiere aprender. Las entrevistas con los clientes pueden revelar las palabras que utilizan al describir un problema. Las llamadas de ventas pueden descubrir inquietudes que tal vez nunca aparezcan en una encuesta. Los datos del sitio web pueden mostrar dónde las personas dejan de moverse a través de una página. Cada fuente responde a una parte diferente del problema. Por ejemplo, una empresa de software puede notar que muchos usuarios buscan "cómo organizar las actualizaciones del proyecto". Las llamadas de los clientes pueden revelar que la preocupación más profunda es el incumplimiento de los plazos y la propiedad poco clara. El comportamiento del sitio web puede mostrar que los visitantes se van cuando la descripción del producto se centra en las características en lugar de en la comunicación del equipo. La investigación se vuelve más útil cuando estas señales apuntan en la misma dirección. Convierte notas en patrones Una larga lista de comentarios aún no es una estrategia. Agrupo los resultados de la investigación por temas repetidos: - Problemas que la gente menciona con frecuencia - Tareas que requieren demasiado tiempo - Preguntas formuladas antes de una compra - Razones por las que la gente retrasa una decisión - Palabras utilizadas para describir el resultado deseado - Funciones que reciben atención - Funciones que reciben poco interés Mantengo el lenguaje original del cliente. Una frase como "No puedo decir a quién pertenece esta tarea" puede ser más útil que una etiqueta amplia como "cuestión de colaboración". Un lenguaje claro ayuda a dar forma a un contenido más claro. Separar hechos de suposiciones Este paso protege el proyecto de decisiones débiles. Un dato puede ser: "El treinta y dos por ciento de los usuarios encuestados dijeron que comparan el tiempo de configuración antes de elegir una herramienta". Una suposición puede ser: "Los visitantes se van porque la página tiene demasiados detalles técnicos". La suposición puede ser correcta, pero necesita apoyo. Lo comparo con el comportamiento de la página, grabaciones de sesiones, llamadas de clientes o una breve prueba de usabilidad. Este hábito impide que el equipo trate las opiniones personales como información del cliente. Convierta patrones en acciones La investigación gana valor cuando conduce a un cambio. Una información útil debe conectarse con una acción, un propietario y una forma de medir el resultado. | Hallazgo de la investigación | Acción | Medición | |---|---|---| | Los visitantes preguntan cuánto tiempo lleva la instalación | Agregue una sección de configuración clara a la página del producto | Participación en la página y consultas calificadas | | Los compradores se preocupan por la migración de datos | Publicar una guía de migración | Visitas guiadas y consultas comerciales | | Los clientes utilizan un término diferente al de la empresa | Ajustar la redacción y los títulos de la página | Impresiones de búsqueda y tráfico relevante | | Los usuarios pierden una característica clave | Mejorar la navegación y la incorporación de productos | Uso de funciones | Esta tabla no tiene por qué ser compleja. Crea un camino directo desde la evidencia al trabajo. Cree contenido en torno al problema real El contenido de búsqueda funciona mejor cuando responde a la pregunta detrás de la palabra clave. Es posible que un visitante que busque "software de gestión de proyectos para equipos remotos" no desee una lista general de herramientas. Es posible que la persona necesite ayuda con la propiedad de la tarea, las zonas horarias, las actualizaciones de estado o las transferencias perdidas. Crearía contenido que aborde esas necesidades directamente: - Una guía para asignar propiedad en zonas horarias - Una comparación de actualizaciones manuales y tableros de proyectos compartidos - Una lista de verificación para elegir una herramienta para equipos distribuidos - Una breve explicación de cómo funciona la configuración - Respuestas a inquietudes comunes sobre la migración y la adopción del equipo El contenido debería ayudar a los lectores a tomar una decisión acertada. No debería forzar una mención del producto en cada párrafo. Pruebe un cambio a la vez Las investigaciones pueden sugerir una dirección sólida, pero las pruebas muestran cómo responde la gente. Una empresa podría cambiar el título de la página de un producto de: "Gestión avanzada del flujo de trabajo para equipos modernos" a: "Ver quién es el propietario de cada tarea y qué necesita atención". La segunda versión habla de una preocupación clara. El equipo puede comparar la participación en la página, la finalización de formularios, las solicitudes de demostración y la calidad de los clientes potenciales entrantes. Una tasa de clics más alta no siempre significa mejores resultados comerciales. También compruebo si los nuevos visitantes coinciden con el grupo de clientes previsto y si las conversaciones de ventas se vuelven más relevantes. Comparte el resultado con todo el equipo La investigación no debe quedarse dentro de una carpeta de marketing. Convierto los hallazgos en un breve documento de trabajo con: - El problema del cliente - Evidencia que lo respalda - Preguntas abiertas - Acciones recomendadas - La persona responsable de cada acción - La medida utilizada para revisar el progreso Los equipos de producto, ventas, soporte y contenido pueden luego trabajar desde la misma imagen. Un comentario de soporte puede mejorar un artículo de ayuda. Una objeción de ventas puede dar forma a una página de comparación. Una tendencia de búsqueda puede guiar la educación sobre el producto. Esta visión compartida reduce la repetición de investigaciones y ayuda a que los pequeños hallazgos lleguen a las personas que pueden utilizarlos. La investigación no necesita producir un informe extenso. Necesita ayudar a un equipo a elegir mejores acciones. Cuando conecto el lenguaje del cliente con el comportamiento de búsqueda, los objetivos comerciales y los cambios mensurables, la investigación se convierte en parte del trabajo en sí. El resultado puede ser una página más clara, una mejor decisión sobre el producto, una conversación de ventas más útil o un plan de contenido más sólido. La pregunta práctica es simple: ¿Qué aprendimos, qué cambiaremos y cómo sabremos si el cambio ayudó? Ahí es donde la investigación comienza a generar resultados.

Muchos equipos de I+D no tienen problemas porque les faltan ideas. Luchan porque el vínculo entre una idea y una necesidad real del usuario es débil. Un concepto puede parecer prometedor en una reunión. Los resultados de la prueba pueden parecer positivos en una muestra pequeña. Un producto aún puede fallar cuando los clientes lo usan en diferentes condiciones, con diferentes hábitos, presupuestos y expectativas. Creo que una mejor I+D comienza con mejores preguntas. ¿Qué problema estamos resolviendo? ¿Quién lo enfrenta con más frecuencia? ¿Qué evidencia respalda la solución propuesta? ¿Qué resultado mostraría que la idea necesita cambiar? Los datos reales dan a estas preguntas una dirección más clara. Utilizo datos en todo el proceso de I+D, no sólo en la etapa de presentación de informes. Los comentarios de los clientes pueden revelar puntos débiles repetidos. Los datos de uso del producto pueden mostrar dónde la gente se detiene, duda o cambia su comportamiento. Los resultados de las pruebas pueden exponer brechas entre el rendimiento del laboratorio y el uso diario. El proceso se puede construir en torno a unos pocos pasos prácticos: - Definir el problema del usuario antes de discutir las características. - Recopilar datos de más de una fuente. - Separar hechos de suposiciones. - Pruebe una idea clave a la vez. - Registrar los hallazgos tanto positivos como negativos. - Actualizar el plan de producto cuando cambie la evidencia. Este enfoque ayuda a reducir el desperdicio de trabajo. No elimina la incertidumbre y no debería prometer que todas las pruebas tendrán éxito. Una prueba útil puede producir un resultado pobre y aun así proteger al equipo de invertir más en la dirección equivocada. La calidad de los datos también importa. Un gran conjunto de datos no siempre proporciona una respuesta útil. Si la muestra excluye grupos de usuarios importantes, el resultado puede respaldar una decisión que funcione sólo para una audiencia reducida. Si los datos se recopilan en un entorno, es posible que no reflejen el rendimiento del producto en otros lugares. Prefiero preguntar de dónde provienen los datos, cómo se recopilaron y qué no pueden mostrar. Un ejemplo público se puede ver en el trabajo de recomendación de Netflix. El comportamiento de visualización del usuario ayuda a la empresa a mejorar la forma en que se presenta el contenido, pero la visualización de datos por sí sola no explica todas las opciones. El contexto, la calidad del contenido, el uso del dispositivo y las preferencias personales también afectan el resultado. La lección es simple: los datos pueden guiar las decisiones sobre productos, mientras que las necesidades humanas aún requieren atención. El mismo principio se aplica al desarrollo de productos, software, investigación médica, fabricación y servicios al consumidor. Un panel puede mostrar que los usuarios abandonan un proceso en un paso determinado. Las entrevistas pueden explicar por qué. Una prueba de prototipo puede mostrar que un cambio mejora una tarea y dificulta otra. Una buena I+D conecta estas piezas. También recomiendo establecer puntos de decisión claros antes de que comiencen las pruebas. El equipo puede ponerse de acuerdo sobre qué resultado respalda el desarrollo continuo, qué resultado exige un cambio y qué resultado sugiere detener la idea. Esto reduce la posibilidad de que las preferencias personales controlen el siguiente paso. Un proceso de investigación sólido deja un registro: - La suposición original - La fuente de datos - Las condiciones de la prueba - El resultado observado - Los límites del resultado - La siguiente decisión sobre el producto Este registro ayuda a los nuevos miembros del equipo a comprender por qué se tomó una decisión. También evita que se pruebe la misma pregunta sin aprender de trabajos anteriores. Una mejor I+D no surge de la recopilación de datos por sí misma. Proviene de utilizar evidencia relevante en el momento adecuado, escuchar a los usuarios y estar dispuesto a ajustar el plan. Cuando la investigación se encuentra con datos reales, las ideas se vuelven más fáciles de probar, los riesgos de los productos se vuelven más fáciles de ver y las decisiones se conectan más con las personas que utilizarán el resultado.

Muchos equipos de I+D pasan meses creando productos antes de saber si los clientes los necesitan. El resultado puede ser costoso: lanzamientos retrasados, dirección del producto poco clara y trabajo técnico que no respalda los objetivos comerciales. Creo que la I+D debería basarse en pruebas, no en suposiciones. Una idea sólida necesita más que una reunión, un pronóstico o una opinión segura. Necesita pruebas de que los clientes enfrentan el problema, que la solución propuesta puede funcionar y que la empresa puede respaldarla. La I+D basada en pruebas crea un camino claro desde una idea inicial hasta la decisión sobre un producto. ## Comience con el problema del cliente. Empiezo preguntando qué están tratando de lograr los usuarios y dónde falla el proceso actual. Un cliente puede decir: "Necesitamos un panel más rápido". Esa solicitud es útil, pero no explica la cuestión completa. El verdadero problema puede ser una actualización lenta de los datos, informes poco claros o demasiados pasos manuales antes de poder tomar una decisión. Las entrevistas con los clientes, los registros de soporte, las llamadas de ventas, las revisiones de productos y los datos de uso pueden revelar el patrón detrás de la solicitud. Un solo comentario puede resultar interesante. El comportamiento repetido es una evidencia más fuerte. Un proceso de investigación práctico puede incluir: - Hablar con usuarios de diferentes grupos de clientes - Revisar tickets de soporte y motivos de cancelación - Observar cómo las personas completan la tarea actual - Medir el tiempo, los errores y el trabajo manual repetido - Comparar lo que dicen los usuarios con lo que realmente hacen Esto ayuda al equipo a definir el problema en un lenguaje claro. En lugar de decir: "Los clientes quieren más funciones", puedo escribir: "Los gerentes de operaciones dedican dos horas a la semana a combinar datos de tres sistemas antes de poder aprobar una compra". Esa declaración le da al equipo de I+D algo que pueden probar. ## Convierta las suposiciones en preguntas comprobables. Cada idea de producto contiene suposiciones. Un equipo puede asumir que los clientes cambiarán su flujo de trabajo, pagarán por una nueva función o confiarán en una recomendación automatizada. Estos supuestos deberían ser visibles antes de que comience el desarrollo. A menudo los clasifica en cuatro grupos: - Valor para el cliente: ¿la solución aborda un problema que preocupa a los usuarios? - Ajuste técnico: ¿Puede el equipo construirlo y mantenerlo? - Valor comercial: ¿Puede el producto respaldar los objetivos de ingresos, retención o costos? - Adopción: ¿Los usuarios entenderán y utilizarán la solución? Cada supuesto necesita una prueba. Un prototipo en el que se puede hacer clic puede probar si los usuarios comprenden un nuevo flujo de trabajo. Un pequeño experimento técnico puede probar el rendimiento del sistema. Una conversación sobre precios puede mostrar si los compradores conectan la idea con el valor comercial. El objetivo no es crear un producto perfecto desde el principio. El objetivo es aprender qué debe ser cierto antes de que se comprometan más recursos. ## Construya la prueba útil más pequeña Una prueba no siempre requiere un producto completo. Cuando Dropbox estaba desarrollando su primer producto, el equipo utilizó un vídeo para mostrar cómo podría funcionar la sincronización de archivos. El vídeo ayudó a las personas a comprender la experiencia antes de que el sistema completo estuviera listo. Este tipo de prueba puede reducir la incertidumbre sin requerir una gran construcción. Una pequeña prueba puede tomar diferentes formas: - Una estructura alámbrica para una experiencia de usuario - Un servicio manual detrás de una interfaz simple - Una versión de software limitada - Un prototipo técnico - Un informe de muestra utilizando datos del cliente - Una prueba controlada con un pequeño grupo de usuarios El formato correcto depende de la pregunta. Si necesito saber si los usuarios entienden el proceso, utilizo un prototipo. Si necesito probar la velocidad o la capacidad del sistema, utilizo un modelo técnico. Si necesito saber si un servicio crea valor, puedo ejecutar el proceso manualmente antes de automatizarlo. Este enfoque protege al equipo de pasar meses resolviendo el problema equivocado. ## Establezca reglas de evidencia antes de la prueba Una prueba se vuelve más útil cuando el equipo se pone de acuerdo sobre lo que significará el resultado. Por ejemplo: - Al menos seis de cada diez usuarios objetivo completan la tarea sin ayuda - Los usuarios de prueba repiten el flujo de trabajo durante el período de prueba - El sistema responde dentro del tiempo acordado bajo una carga definida - Los clientes identifican un beneficio comercial claro - El costo de entrega se mantiene dentro del rango planificado No es necesario que estas medidas sean perfectas. Deben ser lo suficientemente claros para guiar una decisión. Una prueba que sólo produce comentarios positivos puede seguir siendo débil si los usuarios no vuelven al producto. Un prototipo que parece bueno puede no demostrar que la tecnología puede soportar un uso real. La evidencia debe conectarse con la decisión que el equipo debe tomar. ## Reunir a los equipos de I+D y de negocios en el mismo proceso. La I+D puede crear una solución técnica sólida que los clientes no adoptan. Las ventas pueden identificar la demanda que el producto actual no puede soportar. El marketing puede describir una necesidad del mercado que no ha sido probada con usuarios reales. El trabajo basado en pruebas brinda a estos equipos un conjunto compartido de hechos. Los gerentes de producto pueden explicar el problema del cliente. Los ingenieros pueden definir límites técnicos. Los equipos de ventas pueden compartir los comentarios de los compradores. Los equipos de finanzas pueden ayudar a estimar los costos y el impacto comercial. Cada grupo ve una parte diferente de la decisión. Un breve repaso después de cada prueba puede responder a tres preguntas: - ¿Qué esperábamos aprender? - ¿Qué mostró la evidencia? - ¿Qué deberíamos cambiar a continuación? Esto mantiene la discusión centrada en el aprendizaje en lugar de en las preferencias personales. ## Realice un seguimiento del aprendizaje, no solo de la entrega Muchos equipos miden el progreso a través de tickets completados, funciones lanzadas u horas invertidas. Estos números muestran actividad, pero no siempre muestran el valor del producto. También hago un seguimiento de las señales de aprendizaje: - Qué suposición se puso a prueba - Cuántos usuarios participaron - Qué comportamiento cambió - Qué problemas aparecieron - Qué decisión se tomó - Qué trabajo se detuvo o ajustó Detener una idea débil puede ser un resultado útil de I+D. Evita que se dedique más tiempo y presupuesto a un producto con demanda limitada. Un equipo que aprende temprano puede redirigir sus esfuerzos mientras el costo del cambio sigue siendo manejable. ## Pasar de la prueba a un lanzamiento medido Cuando la evidencia inicial respalda la idea, el equipo puede ampliar la prueba. Un lanzamiento medido puede comenzar con un grupo de clientes, un mercado o un caso de uso. El equipo puede observar la adopción, las necesidades de soporte, el rendimiento del sistema y los resultados de los clientes antes de que el producto esté disponible más ampliamente. Esto no elimina el riesgo. Hace que el riesgo sea más fácil de ver y gestionar. Mi punto de vista es simple: la I+D no debería esperar a tener certeza, porque la certeza rara vez existe antes del lanzamiento. El mejor objetivo es reemplazar los supuestos débiles con evidencia más sólida en cada etapa. Cuando las necesidades del cliente, los resultados técnicos y las medidas comerciales apuntan en la misma dirección, las decisiones sobre productos se vuelven más fáciles de explicar. El equipo sabe por qué está construyendo, qué necesita aprender y cuándo es necesario un cambio. Así es como la I+D hace avanzar los negocios: no a través de más actividad, sino a través de pruebas que guían la siguiente decisión. Contamos con amplia experiencia en el campo industrial. Contáctenos para obtener asesoramiento profesional: Huang: info@nb-chuanghan.com/WhatsApp +8618868399669.

1. Cooper, Robert G. (2019) Los impulsores del éxito en el desarrollo de nuevos productos 2. Ries, Eric (2011) The Lean Startup 3. Christensen, Clayton M. (1997) El dilema del innovador 4. Cagan, Marty (2017) Inspirado: Cómo crear productos tecnológicos que los clientes aman 5. Blank, Steve y Dorf, Bob (2012) El manual del propietario de una startup 6. Norman, Don (2013) El diseño de las cosas cotidianas