Startup House och Reffine: 

Reffine har i nästan 15 år levererat webbanalys till moderna webbplatser och är en av de ledande leverantörerna i sin bransch. I takt med tillväxten stod företaget inför en utmaning som många organisationer känner alltför väl: sälj-, marknadsförings- och utvecklingsteamen talade inte samma språk.

Reffine behövde ett verktyg som kunde översätta komplexa tekniska metrics till begriplig information för ledningen och för team över disciplingränserna. Verktyget skulle ha ett tydligt användargränssnitt, vara lätt att använda och kunna tjäna företaget i många år framöver. Uppdraget sträckte sig bortom att bara bygga en applikation: det handlade också om att förenkla processer som tidigare involverade många människor.

Lösning

Startup House (SH) har guidat Reffine genom tre faser: en konceptworkshop, prototyping och en komplett produktdesign.

Konceptworkshop
Tillsammans med Reffine identifierade vi de funktioner som skulle utgöra kärnan i verktyget och prioriterade dem. I senare iterationer minskade vi omfattningen av den första versionen, så att arkitekturen gör det möjligt att lägga till fler funktioner från backloggen i framtiden utan att behöva implementera om.

Prototyping
Vi tog fram flera iterationer av low-fidelity-prototyper. Varje iteration förbättrades baserat på feedback från Reffine-teamet.

Komplett produktdesign
Baserat på de godkända prototyperna designade vi ett användargränssnitt som kombinerar tydlighet och funktionalitet. Före implementeringen valideras designerna med användarintervjuer och tester för att säkerställa att produkten verkligen motsvarar användarnas behov.

Resultat

Resultatet av samarbetet är Reffine Insights: ett verktyg som hjälper affärs- och icke-tekniska team att hantera kampanjbudgetar och webbplatser. Användare kan övervaka marknadsföringskampanjer mer effektivt, och verksamheten sparar tid och budget.

Reffine Insights förenklar komplexa tekniska data om kampanjers resultat. Det ger en översikt över resultaten och deras effekt, pekar på var budgetmedel eventuellt slösas bort och synliggör hur problem påverkar användarna. En central del är ett varningssystem baserat på maskininlärning som automatiskt upptäcker problem, så att användarna inte behöver leta efter dem manuellt.