مطالعهٔ موردی

پنجمین تلاش پپسی برای محصولی که کسی نخواسته بود

بررسی پپسی نکست و لحظه‌ای که داده‌های خوش‌ظاهر نزدیک بود شهود معقول را کنار بزند.

۴ دقیقه مطالعه
بازاریابی

متن اصلی به زبان انگلیسی نگاشته شده و نسخهٔ فارسی، توسط هوش مصنوعی ترجمه شده است.

این نوشته را پیش از شروع MBA، با تمرین روش مطالعهٔ موردی به‌تنهایی نوشتم و اطلاعات موجود در زمان عرضه را بدون دانستن نتیجه بررسی کردم.

پپسی نکست در فوریهٔ ۲۰۱۲ عرضه شد و مطالعه همان‌جا پایان می‌یافت. نوشابه‌ای با کالری متوسط بود: هر قوطی ۶۰ کالری، حدود ۶۰ درصد کمتر از پپسی معمولی. مخاطبش کسانی بودند که به‌خاطر نگرانی‌های سلامتی از نوشابه فاصله گرفته و به آب یا نوشیدنی انرژی‌زا روی آورده بودند، اما طعم نوشابهٔ رژیمی را دوست نداشتند. مطالعه تقریباً گذرا اشاره می‌کرد که نکست پنجمین تلاش پپسی برای عرضهٔ نوشابه‌ای با کالری متوسط از دههٔ ۱۹۷۰ بود و چهار مورد قبلی طی چند سال شکست خورده بودند.

پرسش محوری

آیا نوشابه‌ای با کالری متوسط می‌تواند بین کسانی که به کالری اهمیت نمی‌دهند و کسانی که طعم نوشابهٔ رژیمی را پذیرفته‌اند، تقاضای واقعی پیدا کند؟

ایده‌های کلیدی

ابتدا بازار را به دو گروه تقسیم کردم: کسانی که به کالری اهمیت نمی‌دهند و هرچه خوش‌طعم است می‌نوشند؛ و کسانی که اهمیت می‌دهند و طعم نوشابهٔ رژیمی را پذیرفته‌اند. محصول میان این دو گروه می‌ماند و هیچ‌یک آن را نمی‌خواهد. این کل فرضیه‌ام بود، پیش از دیدن حتی یک عدد.

مطالعه با گروهی که ندیده بودم به فرضم پاسخ داد: کسانی که به قند اهمیت می‌دهند اما طعم نوشابهٔ رژیمی را نمی‌پسندند، و به‌جای تغییر محصول، کلاً از این دسته خارج شده‌اند. آن‌ها با دو گروه من فرق داشتند؛ شکافی واقعی بودند که نوشابه‌ای خوش‌طعم‌تر و کم‌قندتر می‌توانست پر کند.

بعد اعداد آمدند و خوب به نظر می‌رسیدند. آزمون‌های چشایی بی‌نام واکنش پرشوری داشتند. آزمایش‌های بازار در آیووا و ویسکانسین از هدف‌های داخلیِ آزمون اولیه، خرید دوباره و فروش افزایشی فراتر رفتند. پس از عرضهٔ سراسری، پپسی نکست ظرف چند هفته نزدیک یک درصد سهم بازار گرفت؛ مدیرعامل پپسی این را برای محصول تازه سرعتی کم‌سابقه دانست. گفتم دلیلی برای شکست نمی‌بینم.

جمع‌بندی من

این اشتباهی بود که خودم می‌توانستم متوجهش شوم. دو نوبت قبل، خرید آزمایشی را از خرید تکراری جدا کرده بودم، اما این تمایز را روی داده‌ها اعمال نکردم. نمونهٔ رایگان خرید اولیه را بالا می‌برد و آمار زودهنگام عمدتاً همین را می‌سنجد؛ نمی‌گفت کسی که یک بار امتحان کرد، دوباره و با پول خودش برمی‌گردد یا نه.

وقتی تمایز خودم را به داده‌ها اعمال کردم، برداشتم تغییر کرد. محصولی که بر کنجکاوی متکی است، چه خوب باشد چه نه، در آغاز اوج می‌گیرد. آزمون واقعی از وقتی شروع می‌شد که نمونه‌های رایگان تمام شوند.

بعد چه شد

سهم بازار ظرف چند ماه از حدود ۱ درصد به ۰٫۶ درصد افت کرد. فروشگاه‌های رفاهی از توزیع عالی و خرید تکراری ضعیف خبر دادند. پپسی کمی بعد دو طعم تازه عرضه کرد، احتمالاً برای جان‌دادن به برندی که شتابش را از دست داده بود. پپسی نکست در سال ۲۰۱۵ در آمریکا متوقف شد؛ پنجمین شکست در همان دسته و تقریباً به همان دلیلی که چهار تلاش قبلی شکست خورده بودند.

پرسش‌هایی که هنوز دارم

پیش از آنکه داده‌ها کامل شوند، چطور می‌توانم شاخص‌های زودهنگامی را که از نمونه و خرید آزمایشی می‌آیند از تقاضای واقعی برای خرید دوباره جدا کنم؟ یک شرکت چطور شکست تکراری در یک دسته را به‌عنوان الگو می‌پذیرد، نه مشکلی که با اجرای بهتر حل می‌شود؟

نگاه پایانی

چیزی که می‌خواهم از این مورد نگه دارم، تردید میان راه است: اعدادی که قانع‌کننده به نظر می‌رسیدند من را از چارچوب خوبی دور کردند و پیش از تبدیل‌شدن به پاسخ نهایی، خودم متوجه شدم. وقتی داده ظاهراً مخالفت می‌کند، وفادارماندن به چارچوب سنجیده آزمون دشوارتری است.