محصولات هم تقدیر دارند! نگاهی دوباره به «چرخه حیات محصول» (بخش اول)

برخی مدل‌های کلاسیک، مانند نفس، همواره با ما هستند؛ بی‌آنکه آگاهانه درک‌شان کنیم یا در عمل از آن‌ها بهره ببریم. یکی از این مدل‌ها، منحنی رشد محصول است؛ مدلی که اگرچه بارها در متون مدیریتی و بازاریابی تکرار شده، اما وقتی پای استراتژی چیدن و برنامه‌ریزی می‌شود انگار هرگز آنها را نشنیدیم.

این نوشته تلاشی است برای یادآوری. چرا گاهی مدل‌های کلاسیک را فراموش می‌کنیم؟ آیا آن‌ها را صرفاً حفظ کرده‌ایم یا واقعاً با پوست و استخوان لمس‌شان کرده‌ایم؟

 

مسیر تقدیری محصول

به‌عنوان یک معتقد ۹۸ درصدی به نوعی از جبرگرایی (دو درصد را بابت وسط‌بازی کنار گذاشته‌ام)، از انتخاب این تیتر خوشم آمد. البته بین تقدیر و جبر تفاوت روشنی هست: جبر را شرایط به ما تحمیل کرده، در حالی‌که در نگاه تقدیری، انگار همیشه قصد و حکمتی پشت این اجبار هست. اما شاید بسیاری از آنچه تقدیر می‌نامیم، در واقع همان الگوهای تکرارشونده‌اند.

در ظاهر، بعضی مسیرهای رشد محصول شبیه به یک «تقدیر» از پیش‌نوشته‌شده به نظر می‌رسند—انگار سرنوشت‌شان از همان لحظه‌ی تولد معلوم بوده است. اما این، فقط یک استعاره‌ است. آنچه در عمل با آن سروکار داریم، ریشه در داده و الگو‌یابی دارد، نه در افسانه و خیال‌پردازی‌های ما.

 

 

آیا تقدیرِ محصولات فقط یک شکل دارد؟

همین اول کار گفتنش خالی از لطف نیست: نمی‌توان تمام پدیده‌ها را فقط با یک نمودار توضیح داد—به‌ویژه وقتی پای تنوع توابع رشد به میان می‌آید. بعضی پدیده‌ها از توابع نمایی (exponential) پیروی می‌کنند، بعضی دیگر با منحنی‌های لجستیک یا سیگموئیدی رشد می‌کنند، و گروهی هم الگوهای چرخه‌ای (cyclic) یا حتی تصادفی دارند. این تفاوت‌ها، بازتابی از پیچیدگی‌های زمینه‌ای پدیده‌ها هستند: از دینامیک شبکه‌ای و سرایت اجتماعی گرفته تا محدودیت‌های ساختاری بازارها.

درواقع، ما هر روز در بستری از معادلات ساده و پیچیده‌ی ریاضی نفس می‌کشیم—معادلاتی که مغز تکامل‌یافته‌مان (خوشبختانه یا شوربختانه) توان درک کامل‌شان را ندارد. با این حال، به‌نظر می‌رسد نمودار رشد لجستیک، همچنان یکی از شاخص‌ترین نشانگرهای تقدیر است… که برای بسیاری از محصولات مقدر شده!

 

یک حکم ساده‌سازی‌شده برای تحلیل بهتر

با کمی احتیاط و مقدار قابل توجهی ساده‌سازی می‌توان گفت:

بسیاری از محصولات موفق – یعنی آن‌هایی که وارد بازار شده‌اند، رشد کرده‌اند، دوام آورده‌اند یا در ذهن مصرف‌کننده جای گرفته‌اند – از الگویی شبیه رشد S شکل پیروی می‌کنند: شروع کند، شتاب‌گیری، رسیدن به اشباع، و گاه افول. البته، در برخی صنایع و شرایط، استثناهایی وجود دارد.

 

 

 

منظورم از محصول چیست؟

در این نوشته، «محصول» صرفاً به معنای یک کالا یا اپلیکیشن نیست؛ بلکه هر چیزی‌ست که وارد یک چرخه عمر قابل مشاهده می‌شود، در بازار عرضه می‌گردد، کاربران یا مخاطبانی پیدا می‌کند، و در تعامل با آن‌ها شکل می‌گیرد یا دگرگون می‌شود. این تعریف می‌تواند شامل یک کالای فیزیکی باشد (مثلاً یک دوچرخه)، یک اپ یا پلتفرم دیجیتال (مثل Notion یا TikTok)، یک محتوای فرهنگی یا دیجیتال (مثل یک مجموعه داستان یا NFT)، و حتی یک فناوری یا برند خاص.

 

غزال، چه به سر داده‌محوری‌ات آمد؟

این بود آرمان‌هایمان؟ تا کجا باید ساده‌سازی کرد؟ بیاییم روراست باشیم: برای همه‌ی محصولات، این میزان از داده‌محوری ممکن نیست. گاهی زیرساخت‌های لازم وجود ندارند. گاهی حجم داده، اصلاً ارزش مدلسازی ندارد. پس بله، همچنان بازگشت به مدل‌های کلاسیک – ولو با نگاه نقادانه – می‌تواند مفید باشد. با این حال، پیش از آنکه وارد بحث اصلی شویم، یادآوری این نکته ضروری است که منحنی S شکل، هرچند کاربردی و آشناست، تنها یک تقریر کلاسیک از واقعیت است. در محیط‌های دیجیتال و پیچیده امروز، محصولات لزوماً از یک مسیر یکنواخت عبور نمی‌کنند. گاه مسیرشان غیرخطی‌ست، گاه چندگانه، و گاه چنان یکتا که هیچ منحنی قبلی به آن نمی‌خورد. اینجاست که مدل‌های داده‌محور مطرح می‌شوند:

مدل‌هایی که نه بر اساس فرض‌های ازپیش‌تعیین‌شده، بلکه با تکیه بر رفتار واقعی کاربران، داده‌های لحظه‌ای، و یادگیری ماشینی، سعی می‌کنند چرخه عمر واقعی هر محصول را بازسازی کنند.این مدل‌ها برخلاف منحنی‌های استاندارد، خود را با پیچیدگی‌های محیط تطبیق می‌دهند.

اما فرض کنیم من فروشنده‌ی خیار چنبر یا هندوانه زردم. یا سازنده‌ی اپلیکیشنی گم‌نام در استارتاپی نوپا. یا در گوشه‌ای از خاورمیانه، با زیرساخت داده‌ایِ نیم‌پز. آیا چون داده ندارم، باید قید تحلیل و پیش‌بینی را بزنم؟ نه. هنوز مدل‌های کلاسیک، به‌ویژه S شکل، می‌توانند برایم الهام‌بخش و راهگشا باشند.

 

 

حالا که این حکم ساده‌شده را صادر کردم، وقت آن است که به استثناها بپردازم؛ همه چیز که S شکل نیست رفیق! و در نهایت، خواهیم دید این ساده‌سازی‌ها چه کاربردهایی دارند و کجا باید با آن‌ها مثل ابزار برخورد کرد—نه مثل حقیقت مطلق.

 

استثنای اول – محصولات فرهنگی

بعضی محصولات فرهنگی، برخلاف روندهای قابل‌پیش‌بینی در منحنی رشد لجستیک، دینامیکی غیرخطی و گاه بازگشتی دارند. مثلاً ممکن است یک ایموجی، آهنگ قدیمی، یا مدل لباس پس از سال‌ها فراموشی، ناگهان دوباره ترند شود. این پدیده که در ادبیات رشد با مفاهیمی مانند revival waves یا re-adoption شناخته می‌شود، به‌ویژه در محصولات وابسته به سلیقه، نوستالژی یا موج‌های اجتماعی دیده می‌شود.

 

 

گاهی این چرخه‌ها با الگوی لجستیک همپوشانی دارند—مثلاً در موج نخستِ پذیرش—اما ادامه مسیر، تابع نیروهایی چون نوستالژی، شبکه‌های اجتماعی، یا الگوریتم‌های پلتفرم‌هاست که الگوی رشد را از مسیر کلاسیک منحرف می‌کنند. به‌ویژه در مورد محتواهایی با پتانسیل وایرال، مثل کلیپ‌های طنز یا ترندهای دیجیتال، رفتار رشد بیشتر تابع مدل‌های فرهنگی، نظریه میم‌ها و گسترش شبکه‌ای است.

بنابراین، محصولات فرهنگی را می‌توان یکی از استثناهای جدی برای مدل ساده‌سازی‌شده رشد دانست؛ چراکه رفتار آن‌ها نه‌تنها غیرخطی و تکرارشونده است، بلکه ممکن است چندین بار وارد فاز رشد، اشباع، افول و سپس باززایی شوند—رفتاری که در مدل‌های پسا-لجستیک بررسی می‌شود.

 

 

چرخه‌های انفجاری

اگر بچه‌هایی دور و برتان یا در فامیل باشند، حتماً پوکمون را می‌شناسید! این مجموعه محبوب از سال ۱۹۹۶ با بازی‌های گیم‌بوی شروع شد، در ۱۹۹۷ کارتونش ساخته شد و در ۲۰۱۶ هم بازی موبایل Pokémon Go با فناوری واقعیت افزوده همه را به هیجان آورد. از آن زمان تا حالا، پوکمون هنوز هم طرفداران زیادی دارد. اما نگاهی بندازیم به خط زمانی میزان دانلود این بازی:

 

 

این از نمونه محصولاتی است که رشد سریع و پذیرش زیادی را تجربه می‌کنند، اما به‌طور ناگهانی با افت شدیدی مواجه می‌شوند، اغلب به‌دلیل هیجان یا ترندهای زودگذر. Pokémon GO که پس از انتشار با دانلودهای انفجاری فقط در دو فصل روبه‌رو شد، اما به سرعت با کاهش علاقه عمومی کاهش یافت؛ البته وقتی می‌گوییم کاهش، چیزی از ارزش‌های پوکمون گو کم نمی‌کند: در ۲۰۲۴ حدود ۳۷ میلیون دانلود داشته!

به همین شکل، NFTها شاهد رشد سریع و هیجانی بودند که به واسطه حدس و گمان‌های مالی ایجاد شده بود، اما پس از اشباع بازار و کاهش هیجان، ارزش آن‌ها به شدت افت کرد.

در چنین مواردی، رشد و افول ناگهانی نه حاصل یک منحنی تدریجی، بلکه نتیجه فشارهای بیرونی، ترندهای اجتماعی و هیجانات بازار است. از این‌رو، تحلیل این محصولات نیازمند مدل‌هایی فراتر از منحنی لجستیک است—مدل‌هایی که پدیده‌های موجی، زودگذر، و انفجاری را در رفتار مصرف بررسی می‌کنند.

 

استثنای مهم دوم: تکنولوژی‌های نوظهور

اگر اهل گشت‌وگذار در دنیای مدل‌های کلاسیک کسب‌وکار باشید، احتمالاً در همان ابتدای این نوشته، ذهنتان بی‌درنگ به یکی از مشهورترین نمودارهای پیش‌بینی فناوری یعنی مدل چرخه تب‌وتاب گارتنر (Gartner Hype Cycle) کشیده شد.

 

 

مدل گارتنر نخستین بار در دهه ۱۹۹۰ توسط تحلیل‌گران شرکت مشاوره‌ای Gartner Inc. ارائه شد. هدف آن، توصیف رفتار روان‌شناختی و انتظارات بازار نسبت به فناوری‌های نوظهور بود. این مدل پنج مرحله‌ی اصلی دارد: ۱. تولد نوآوری، ۲. اوج انتظارات اغراق‌آمیز، ۳. دره‌ی سرخوردگی، ۴. شیب روشن‌بینی، و ۵. فلات بهره‌وری.

بعد از تحقیقات سه نفر در زمینه انتشار فناوری در بخش کشاورزی ایالات‌متحده، در سال ۱۹۶۲، ایورت ام. راجرز در کتاب انتشار نوآوری‌ها (Diffusion of Innovations)، مدل چرخه پذیرش فناوری را که در این تحقیقات به‌دست آمده بود، به بخش‌های غیر از کشاورزی تعمیم داد؛ همان مدل معروفی که پنج نوع مصرف‌کننده برای پذیرش یک نوآوری جدید قائل است:

 

 

چرا مدل کلاسیک گارتنر را یک استثنا در نظر گرفتم؟

منحنی رشد محصول بر پذیرش بازار تمرکز دارد (چگونه مصرف‌کنندگان واقعی از محصول استقبال می‌کنند؟)، اما مدل گارتنر رفتار روان‌شناختی بازار را می‌سنجد (چه انتظارات اغراق‌آمیز یا سرخوردگی‌هایی وجود دارد؟). در واقع، مدل گارتنر با تمرکز بر چرخه انتظارات، می‌تواند مکمل منحنی S شکل در فازهای ابتدایی باشد—جایی که هنوز پذیرش واقعی شکل نگرفته و محصول در مرحله‌ی کشف روان‌شناختی بازار است.

تاکید می‌کنم، این مدل کلاسیک درباره پذیرش تکنولوژی‌های جدید است؛ بله محصول جدید (new product).

پس اگر محصول شما کاملاً جدید است، چه از نظر فناورانه (مثلاً ظهور هوش مصنوعی مولد در سال‌های اخیر در دنیا) و چه از منظر مفهومی و کاربردی برای کاربر (مانند ایده‌هایی نظیر اتوشویی آنلاین) محصول شما قرار است بازارسازی کند.

اگر محصول شما در این دسته قرار می‌گیرد، باید در تمام مراحل طراحی، تولید، بازاریابی و رشد—از استراتژی محتوا گرفته تا توسعه برند—این تمایز بنیادی را مد نظر داشته باشید. چنین محصولی الزامات، چالش‌ها و فرصت‌هایی متفاوتی از محصولات معمولی دارد؛ مثلا ممکن است بخشی از بودجه شما را آموزش مصرف‌کننده به خود اختصاص دهد، چون شما می‌خواهید یک مفهوم جدید را جا بیندازید.

 

جمع‌بندی تا اینجا

در این نوشته، سفری داشتیم از مدل کلاسیک رشد محصول—همان منحنی S شکل آشنا—تا مواجهه با استثناهایی که این الگو را به چالش می‌کشند. گفتیم که گرچه مدل‌های داده‌محور امروزی دقت و تطبیق‌پذیری بالایی دارند، اما همیشه که داده‌های مناسب تحلیل آماری نداریم! پس بازگشت به مدل‌های کلاسیک همچنان مفید و قابل دفاع است؛ حداقل ما را به نظارت و تمرکز بر مراحل رشد یک محصول متمرکز می‌کند.

بعد از آن سه استثنای مهم را مرور کردیم: محصولات فرهنگی با چرخه‌های بازگشتی، پدیده‌های انفجاری با رشد و سقوط ناگهانی، و فناوری‌های نوظهور که بیشتر از منحنی لجستیک، با مدل‌های روان‌شناسانه‌ای چون چرخه تب‌وتاب گارتنر تفسیر می‌شوند. اما ماجرا هنوز تمام نشده.

در بخش دوم همین مقاله، به دو استثنای جالب دیگر می‌پردازیم—دم‌دراز و افول‌نکن‌ها.

و از همه مهم‌تر هر چه زودتر باید به این بخش برسیم: اصلاً دانستن یا ندانستن الگوی چرخه عمر محصول، در عمل چه تفاوتی می‌سازد؟  کجاها باید آن را به‌عنوان ابزار تحلیل به‌کار بگیریم، و کجاها از آن فاصله بگیریم تا اسیر توهم قطعیت نشویم. باید کجای ذهنمان بگذاریمش؟

به زودی در بخش دوم…

آهنگ فایل صوتی این مقاله:  از شوپن Mazurka No. 23 In D Op. 33 No. 2