搜尋此網誌

2020年3月8日 星期日

創新工具隨筆(四):如何提高新產品開發成功率


創新工具隨筆():如何提高新產品開發成功率


"過去有研究資料指出一般公司大約有35%的收入來自於5年前尚未出現的產品,如果在高科技產業中,這個比例應該會更高"。(Nambisan,2003; Griffin, 1997)

技術發展速度較過去更迅速,軟硬體整合讓增加技術複雜度,市場環境變化(如歐盟碳排放禁令)和消費者喜好也越來越不穩定,使得產品生命週期變短。

新產品開發難度變高,朝向市場客戶已有產品需求切入成為供應商,讓企業收入變得更穩定,同業競爭越來越激烈,今天的大客戶,成本競爭下,可能明天就成為對手的大客戶。

提高產品開發的效率和成功率,開創新財源,對企業穩定生存越來越重要。

"根據Kuczmarski & Associates一間芝加哥在地創新顧問公司的研究調查統計發現,企業通常在每13個新產品開發專案中,大約只會有一個成功。 這樣的失敗比率將會讓財富1000內的企業,每年在產品開發上會損失將近六百億美金。"

這種過低甚至不符成本的產品開發成功率,直接提高新產品開發決策難度,間接讓企業產品創新風險變得更高,讓很多資源有限的企業對產品創新聞之色變,甚至避之唯恐不及,甚至出現只要穩定改善產品即可,營收就會增加的天真想法。

雖然我們知道未來無法預測,但是我們可以透過逼近式的分析方式,盡可能找尋所有資料,盡力辨認出相關因數,如果能比過去提早發現失敗的因數,重新調整策略或資源配置,就可以提高新產品開發成功率,即使是增加一個產品,對企業也會有相當的幫助。

新產品開發失敗預測就變成一個很重要的發展方向,不過由於新產品失敗預測所需要的資料往往超過企業本身的知識,學術研究領域在這一塊就有足夠充沛的知識與時間進行研究。

過去研究中已經有不少的新產品開發(New Product Development, NPD)模型,比如說:BAH模型(Booz, Allen & Hamilton, 1982)Phase-Gate 模型(Robert G.Cooper, 1984/1988)、策略導向模型(Gatignon & Xuereb,1997)、市場行銷策略模型(Shohma, 1999)、市場活動研究模型(Hart & Tizokas,1999)以及新產品模型(Gray & Matheson, 1998)IDEO 開發模型等等諸如此類。

即便有這麼多的研究,仍舊難以厘清新產品開發成功因數,更何況產品創新,可見開發出成功的新產品,遠遠超過想像,更遑論產品創新。

根據我自己的經驗與觀察,從極端的案例來看(Ex: Uber, AI-based optimized routing decision)成功的創新產品通常會改變既有商業模式甚至創造新的商業模式。

因此,若企業開發出新技術,尚未商品化之前,可以先挖掘其商業商模式以探索可能的應用情境,透過商業模式的挖掘,可以更有效地創造產品價值,給予產品與技術創新一定的價值基礎。這種方式相對先有技術或產品以後推出再去挖掘商業價值或應用,可以提高新產品的成功率。

如何讓新產品技術和商業模式產生連結,關鍵還是在於根據新產品的主要功能(或功能),藉此挖掘出新產品的主要價值參數(TRIZ, main parameter of value, MPV)以及潛在價值參數(parameter of value,PV),再與相同功能或相似功能的市場同類商品進行現有商業模式的比對,確認現有商業模式的價值鏈,根據現有商業模式價值鏈中的因數,比如說價值傳遞流(現金流 case flow),找出新產品與其呼應的價值參數,根據這樣的呼應連接建立基礎價值鏈(Value Chain)系統,根據這樣的價值鏈系統進行動態系統分析。

這裡的動態系統分析並不是要將所有的因數一個一個拿來分析,而是只要針對與價值鏈相呼應的價值參數,以流程的角度行微觀的分析,主要需要因數包括:主要價值傳遞者、價值交換目標、價值傳遞方式,在這三者之間進行結構、動作與步驟的比對分析。

根據實際經驗,光是針對主要價值鏈的分析實際就很複雜,光是比較厘清主要價值的傳遞方式與比對現有產品商業模式差異,就需要熬夜殺死不少腦細胞。


2020© 汪周禮, 智合創新


沒有留言:

張貼留言

AI輔助創新- 生成式AI 在軟體開發的應用層、架構層與核心層解析與成功專案心得 (生成式AI加速產業技能典範移轉)

背景: #生成式AI加速產業技能典範移轉 改變從軟體產業開始 AI加速coding automation的發展,也因此軟體技能將開始出現典範移轉現象,這也是為什麼可以常看到大老們呼籲現在小朋友不要學寫程式,但我認為程式開發還是需要人來進行,CODING可以由AI幫忙。 #軟體技能...