Tictail är ett av de nya tidens företag vars affärsidé, att vara en plattform för e-handlare, är helt beroende av att samla in och analysera data.

– Att vara datadrivet är en självklar del i vår bransch och grundläggande för hur vi utvärderar, optimerar och prioriterar vår utveckling och våra produkter, säger Tictails cto och medgrundare Siavash Ghorbani.

Tictail samlar in data om nästan allt, det är svårt att säga vilken information som är viktigast. Det beror på vem du frågar – tekniker, marknadsfolk eller säljare, konstaterar Siavash Ghorbani.

– På tekniksidan lägger vi mycket tid på funktioner och prestanda. Våra säljare, de som har butiker hos oss, måste kunna komma igång utan att fastna i något steg. De måste nå ut till sina kunder och göra sitt första sälj så snabbt som möjligt. Men på marknadsssidan är de mer intresserade av att se om kunderna hittar de produkter de söker på vår sida, om de sparar saker – och så vidare.

Som cto är hans uppdrag att tillhandahålla en infrastruktur som gör att man kan samla in data - och verktyg som gör det enkelt för utvecklare att använda informationen. Alla ska enkelt kunna hämta ut data de behöver.

– Vi arbetar i autonoma team som äger olika ”upplevelser”. När vi skapar en ny funktion är det vanligtvis ett av teamen som kommer med en hypotes, baserad på data. Oftast är hypotesen att vi skulle kunna förenkla eller förbättra något genom att skapa eller förändra en funktion. I hypotesen ingår också vilka mätetal som kan användas för att följa upp resultatet, berättar han.

Läs mer: Så rekryterar Tictail – söker så bred kompetens som möjligt

– När vi sedan byggt eller förändrat funktionen, i enlighet med hypotesen, rullar vi ut den till ett antal användare, oftast ett tvärsnitt. Sedan går vi tillbaka för att se om vår hypotes stämde, drog vi rätt slutsats av våra data?

Tictail
Tictail är en plattform för e-handlare som inte har egna webbutiker. Att sälja på Tictail ska vara lika enkelt som att blogga på Tumblr, är tanken. Kläder är en stor kategori.

”Har gjort flera misstag på vägen”

Det är teamet bakom en hypotes som bedömer om målet är uppnått, men ibland förs även samtal med produktchefen, vd eller honom själv, berättar Siavash Ghorbani.

– Och om vi gör något som inte får väntad effekt behöver det inte betyda att det är fel på projektet, det kan var något annat. Därför är det viktigt att alltid titta på varför en hypotes inte stämmer, vad det är man har missförstått.

Siavash Ghorbani säger att Tictail har gjort flera misstag på vägen. Man har nu lagt mycket tid på att konvertera data så att den kan användas på ett bättre sätt. Man har också blivit bättre på att kombinera kvantitativ och kvalitativ data.

–Vi har mognat och vuxit in i det här. Vi har blivit bättre på att förstå vilken typ av information vi ska spara i vilket sammanhang och hur mycket information vi behöver.

– Men en utmaning är fortfarande att namnge saker. Hur ska vi namnge data eller funktioner så att någon som tittar på den om två år förstår vad det är vi mäter?

Enligt Siavash Ghorbani krävs inga avan­cerade verktyg för att komma igång med att samla in och analysera data.

– Idag är det lätt att hitta verktyg som är billiga eller open source. Ofta är de ganska bra, åtminstone för att komma igång. När vi startade lade vi in Optimizer, ett program som kostar 10 dollar i månaden. Det var vårt första steg för att börja jobba datadrivet.

Läs mer: Han lyfter SAS med dataanalys och artificiell intelligens

Siavash Ghorbani menar att processen mot att bli mer datadriven sker organiskt.

– När man väl börjat titta på data vill man fördjupa sig och veta mer, då letar man rätt på verktyg som kan göra mer avancerade saker.

Han har svårt att föreställa sig hur Tictail skulle fungera om man inte hade haft tillgång till data. Men han säger att företaget förmodligen skulle ha varit väldigt beroende av enskilda individers förmåga att bedöma vilken som är den rätta vägen fram.

– Det skulle leda till stora problem om alla inte litade på de personer som fattade besluten. Nu låter vi istället data visa vägen, även om vi är öppna för att ta in alla möjliga åsikter och testa flera olika alternativ.

Siavash Ghorbani tror att en skillnad mellan en datadriven startup som Tictail, och många mer traditionella företag är att ledningen tyngs mindre av prestige.

– För oss ligger det inte jättemycket prestige i utvecklingsprocessen. Vi kastar ur oss en massa grejer för att testa vad som funkar.

Samtidigt är det väldigt stor skillnad på olika företag. Om Electrolux ska bli datadrivet innebär det en enorm förändring, men för ett företag på 12 personer som jobbar med en mobilapp är steget ganska kort.

Vi insåg att det fanns problem med att vara så datadrivna som vi var. Vi fick tunnelseende

Under lång tid förlitade sig Tictail nästan helt på data, men idag har man lyft blicken.

– Vi insåg att det fanns problem med att vara så datadrivna som vi var. Vi fick tunnelseende, berättar Siavash Ghorbani.

Ett problem om man arbetar för datadrivet är att man tenderar att fokusera för mycket på specifika mätetal som ligger nära i tiden.

Video: Så jobbar Tictail med att bygga community

– Det kan störa ut andra mekanismer långsiktigt. Om vi gör en knapp som är röd och blinkar kanske jättemånga användare trycker på den nu, men långsiktigt kanske färre återkommer till den än till andra knappar.

Ett annat problem är att man ofta snöar in på detaljer, säger Siavash Ghorbani.

– All tid och kraft går åt till de här detaljerna och först när man upptäcker att mätetalen inte blir bättre inser man kanske att det inte var detaljen det var fel på, man borde ha tagit bort hela funktionen.

Även om Tictail fortfarande är starkt datadrivet har man idag en lite mer nyanserad inställning till information.

– Vi utgår från data, men väljer ofta att kombinera informationen med användartester och väger in fler dimensioner. Vad är det som ska optimeras? Ibland kanske det är bättre att butiksägarna känner sig trygga än att de kommer igång snabbt ...

För att beskriva för- och nackdelarna med att arbeta datadrivet jämför han med att studera skuggan av ett objekt.

– Genom att kasta ljus från olika perspektiv kan man få fram mätbara skuggor som beskriver specifika egenskaper. Samma gäller när du jobbar datadrivet. Vi tar något komplext, kastar ett ljus på det utifrån givna vinklar och får ut olika skuggor som enklare beskriver specifika egenskaper – hur många går från steg A till steg B, hur lång tid tar det mellan stegen och hur skiljer sig dessa värden när vi gör ändringar. Det hjälper oss att förstå specifika egenskaper, men de är bara reduktioner av en komplex verklighet.

Läs mer: Svaren finns i data – tricket är att ställa bra frågor

Siavash Ghorbani tror att ”datadrivet” kan innebära olika saker för olika företag. För Tictail innebär det bland annat att kunder enklare kan söka och hitta produkter som är svåra att beskriva med ord.

– Vi har mycket konst på Tictail, det är inte alltid lätt att beskriva i söktermer, så därför bygger vi system för att kunderna ska hitta det de söker. Vi skulle aldrig kunna rekommendera relevanta produkter utan rätta data.

Fortfarande finns det mycket kvar att upptäcka inom det här området.

– Datadrivet tangerar machine learning, ett område som kommer att växa. I framtiden tror jag att det blir som Lego, där företag utgår från data för att sätta ihop funktioner till så bra erbjudanden som möjligt.