Experiment Design
MVP bez jasného experimentu je len hádanie. Ako navrhnúť experiment tak, aby ti dal jednoznačnú odpoveď?
Prečo väčšina experimentov zlyhá
Typický "experiment" v startupe:
- Spustíme landing page
- Zdieľame na sociálnych sieťach
- Pozrieme sa na čísla o týždeň
- "Hmm, máme 50 signupov, je to dosť?"
Problém: Nemáš jasné kritériá úspechu. Nevieš, či 50 signupov znamená pokračovať alebo pivotovať.
Najčastejšia chyba
Väčšina zakladateľov interpretuje nejednoznačné výsledky ako úspech, pretože chcú, aby to fungovalo. Jasne definované kritériá pred experimentom tomu zabránia.
Anatómia dobrého experimentu
1. Hypotéza
Nie: "Chcem zistiť, či ľudia chcú môj produkt."
Áno: "Verím, že [segment] bude [akcia], pretože [dôvod]."
Príklady:
| Vágna hypotéza | Jasná hypotéza |
|---|---|
| "Ľudia chcú kurzy" | "Freelance developeri (1-5 rokov skúseností) sa zaregistrujú na čakaciu listinu, pretože chcú lepšie soft skills pre prácu s klientmi" |
| "Firmy potrebujú náš nástroj" | "HR manažéri vo firmách 50-200 zamestnancov vyplnia demo formulár, pretože manuálne scheduling ich stojí 5+ hodín týždenne" |
2. Metrika
Vyber metriku, ktorá je:
- Merateľná - Číslo, nie pocit
- Akčná - Hovorí ti, čo robiť
- Nie vanity - Má súvis s reálnou hodnotou
Vanity vs. Actionable Metrics
| Vanity (vyzerá dobre) | Actionable (hovorí niečo) |
|---|---|
| Počet návštev | Konverzný pomer (návštevy → signup) |
| Počet stiahnutí | Počet aktívnych používateľov |
| Followers | Engagement rate |
| Pageviews | Čas na stránke |
| Registrácie | Platby / aktivácia |
Eric Ries o metrikách
"Actionable metric je taká, ktorá keď sa zmení, vieš čo robiť. Vanity metric keď sa zmení, nevieš či je to dobre alebo zle."
3. Minimálny úspech
Pred spustením definuj:
- Aké číslo znamená pokračovať?
- Aké číslo znamená pivotovať?
- Aké číslo je "sivá zóna" (potrebujem viac dát)?
Príklad:
Hypotéza: 5% návštevníkov LP sa zaregistruje
< 2% = Pivot (zlý messaging alebo zlý produkt)
2-4% = Sivá zóna (iteruj messaging, testuj ešte)
> 5% = Go (pokračuj k ďalšej fáze)
4. Časový rámec
Koľko času na experiment?
- Príliš krátko = Nedostatočná vzorka
- Príliš dlho = Strácaš čas
Pravidlo: Experiment by mal trvať, kým nezískaš minimálnu vzorku (typicky 100-500 dátových bodov pre konverziu).
Typy experimentov
1. Smoke Test
Čo testuješ: Existuje dopyt? Ako: Landing page s CTA Metrika: Signups, clicks, platby Trvanie: 1-2 týždne
2. A/B Test
Čo testuješ: Ktorá verzia funguje lepšie? Ako: Dve varianty, náhodné rozdelenie Metrika: Konverzný pomer Trvanie: Kým nemáš štatistickú signifikanciu
3. Concierge Experiment
Čo testuješ: Hodnota služby Ako: Manuálna služba pre 5-10 zákazníkov Metrika: Spokojnosť, ochota platiť, referenčnosť Trvanie: 2-4 týždne
4. Pre-sales
Čo testuješ: Ochota platiť Ako: Predaj produktu, ktorý ešte neexistuje Metrika: Počet predajov, AOV Trvanie: 1-2 týždne
Slovenský príklad: Startup validácia
Slovenský startup v oblasti EdTech pred vývojom platformy predal 20 "VIP prístupov" za €49 cez LinkedIn outreach. 20 platieb za 2 týždne = jasný signál pokračovať. Dnes majú 500+ platiacich zákazníkov.
Experiment Canvas
Pred každým experimentom vyplň:
| Pole | Tvoja odpoveď |
|---|---|
| Hypotéza | "Verím, že [segment] bude [akcia], pretože [dôvod]" |
| Metrika | Čo budeš merať? |
| Minimálny úspech | Aké číslo = pokračuj? |
| Minimálny fail | Aké číslo = pivot? |
| Časový rámec | Koľko dní/týždňov? |
| Minimálna vzorka | Koľko dátových bodov potrebuješ? |
| Čo potrebuješ postaviť? | LP? Prototyp? Formulár? |
| Ako získaš traffic? | Ads? Outreach? Content? |
Interpretácia výsledkov
Jasný úspech ✅
Metrika > minimálny úspech → Pokračuj k ďalšej fáze.
Jasný fail ❌
Metrika < minimálny fail → Pivot.
Typy pivotu:
- Customer segment - Iná cieľová skupina
- Problem - Iný problém
- Solution - Iné riešenie
- Channel - Iný spôsob distribúcie
- Revenue model - Iný spôsob monetizácie
Sivá zóna 🤔
Metrika medzi fail a úspech → Potrebuješ viac dát.
Možnosti:
- Predĺž experiment (viac traffic)
- Iteruj (zmeň messaging, CTA, segment)
- Hlbší výskum (rozhovory so zákazníkmi)
Pozor na confimation bias
Ak výsledky sú nejednoznačné, máš tendenciu ich interpretovať v prospech tvojej hypotézy. Preto je kľúčové mať kritériá pred experimentom.
Groupon rástol tak rýchlo, že preskočili rigidný experiment design. Namiesto systematického testovania trhu škálovali na 500+ miest naraz. Bez pochopenia unit economics v každom trhu. Bez validácie, že obchodníci sa vracajú. Rast zakryl problémy, kým nebolo neskoro.
Výsledok: IPO za $12.7B, dnes hodnota $300M. 97% strata hodnoty. Poučenie: Aj pri rýchlom raste neprestávaj experimentovať a validovať. Rast bez unit economics je časovaná bomba.
"Máme 1.9% konverziu. Naše kritérium bolo 2%. Ale 1.9% je prakticky 2%, tak ideme ďalej." Toto je confirmation bias v akcii. Kritériá existujú z dôvodu. Keď ich začneš ohýbať, stratíš objektivitu.
Výsledok: Pokračuješ s produktom, ktorý nefunguje, a míňaš ďalšie zdroje. Poučenie: Kritériá definuj PRED experimentom a drž sa ich. Ak 1.9% je fail, je to fail. Iteruj, nepokračuj.
Tvoj A/B test ukazuje, že Variant A má 3.2% konverziu a Variant B má 3.5%. Štatistická signifikantnosť je 78% (pod 95% threshold). Čo urobíš?
Dokumentácia experimentov
Veď si "experiment log":
## Experiment #1: Landing Page
**Dátum:** 15.1. - 29.1.2026
**Hypotéza:** 5% návštevníkov LP sa zaregistruje
**Kritériá:** <2% fail, 2-4% sivá, >5% success
### Výsledky
- Návštevy: 324
- Signups: 12
- Konverzia: 3.7%
### Interpretácia
Sivá zóna. Messaging funguje, ale nie dostatočne.
### Ďalší krok
A/B test headline. Variant A: benefit-focused, Variant B: problem-focused.
Praktické cvičenie
Navrhni experiment pre svoju hypotézu:
-
Hypotéza: "Verím, že _________ bude _________, pretože _________"
-
Metrika: Čo budeš merať?
-
Kritériá:
- Fail: < ___
- Sivá zóna: ___ až ___
- Úspech: > ___
-
Časový rámec: ___ dní/týždňov
-
Čo postavíš?
-
Ako získaš traffic?
Kľúčové poznatky
- Hypotéza má byť konkrétna: "[segment] bude [akcia], pretože [dôvod]"
- Vyber actionable metriky - nie vanity (návštevy, likes)
- Definuj kritériá pred experimentom - čo je fail, sivá zóna, úspech
- Dokumentuj výsledky - experiment log ti pomôže učiť sa
- Sivá zóna = potrebuješ viac dát - nepokračuj ani nepivotuj bez jasných dát
📚 Dodatočné materiály
Základné čítanie
- Eric Ries: The Lean Startup - Validated Learning - Validated learning metodika
- Ash Maurya: Running Lean - Experiment design framework
- Itamar Gilad: Confidence Meter - Ako merať confidence v hypotézach
SK/CZ Zdroje
Podcasty:
- Ecommerce Bridge - Experimenty SK startupov - Spotify
- Podnicast - A/B testing a validácia - podnicast.sk
SK príklady experimentov:
- Kiwi.com - Testovali pricing a UX cez tisíce A/B testov
- Dedoles - Experimentovali s FB targeting a creative
- Slido - Iterovali features na základe event feedbacku
Nástroje na experimenty:
- Google Optimize - A/B testing (základný, zadarmo)
- Optimizely - optimizely.com - Enterprise A/B testing
- Amplitude - amplitude.com - Product analytics + experiments
- Mixpanel - mixpanel.com - User behavior tracking
Dokumentácia experimentov:
- Notion - notion.so - Experiment log template
- Airtable - airtable.com - Experiment tracking
- Google Sheets - Jednoduché tracking tabuľky
Články:
- Lenny's Newsletter - Experiment frameworks z top companies
- Reforge - Growth experimentation playbooks
Knihy:
- Trustworthy Online Controlled Experiments - Ron Kohavi - A/B testing biblia
Skopiruj prompt a vloz do obľúbenej AI pre personalizovane učenie.
Odpovedz na 3 otázky