#кейсы #аналитика
Илья Красинский CEO сервиса по робот-аналитике Rick.ai ответил на вопросы, с которыми сталкиваются продакт менеджеры, на Epic Growth Conference.
Смотрите блиц и узнаете:
— какая эффективная методика оценки фичи;
— перспективы ML в предиктивной аналитике;
— как измерить инкрементальный эффект от ретаргетинга;
— какие вопросы задать продакту на собеседовании;
— когда 50% процентов компаний перейдет к роботизированной аналитике;
— и др.
Смотрите полный выпуск ответов на youtube. Расшифровка блиц на vc.
Илья Красинский CEO сервиса по робот-аналитике Rick.ai ответил на вопросы, с которыми сталкиваются продакт менеджеры, на Epic Growth Conference.
Смотрите блиц и узнаете:
— какая эффективная методика оценки фичи;
— перспективы ML в предиктивной аналитике;
— как измерить инкрементальный эффект от ретаргетинга;
— какие вопросы задать продакту на собеседовании;
— когда 50% процентов компаний перейдет к роботизированной аналитике;
— и др.
Смотрите полный выпуск ответов на youtube. Расшифровка блиц на vc.
Давно хотели прокачаться в продуктовой аналитике? Составили для вас полезную подборку докладов на выходные!
Кажется, совсем недавно аналитика продуктов была уделом гиков, а сегодня это необходимый навык. По сути это то, от чего в конечном счете зависит выживание продуктов. Чем лучше настроена система аналитики, тем быстрее вы сможете реагировать на важные сигналы извне.
Мы составили подборку лучших видео в подписке на тему продуктовой аналитики. Рекомендуем и новичкам, и более опытным. Отталкивайтесь от своих запросов и находите то, что подходит вам!
5 серия SEASONS — Продуктовая аналитика
6 серия SEASONS — Метрики экспериментов и A/B тесты
Как определять ключевые метрики в продукте
Как построить experiment-driven культуру в компании
Как Flo тестирует и внедряет ML гипотезы
Как выбрать системы аналитики для своего продукта
Как быстро измерить эффект новой фичи: опыт Flo
Онлайн митап «Пирамида Метрик»
Курс Product Star «Как быть аналитиком»
Как прогнозировать Retention в Excel
Все видео доступны в подписке Epic+. Оформить подписку http://bit.ly/epic-subscriptions
#аналитика #подборка #epicplus
Кажется, совсем недавно аналитика продуктов была уделом гиков, а сегодня это необходимый навык. По сути это то, от чего в конечном счете зависит выживание продуктов. Чем лучше настроена система аналитики, тем быстрее вы сможете реагировать на важные сигналы извне.
Мы составили подборку лучших видео в подписке на тему продуктовой аналитики. Рекомендуем и новичкам, и более опытным. Отталкивайтесь от своих запросов и находите то, что подходит вам!
5 серия SEASONS — Продуктовая аналитика
6 серия SEASONS — Метрики экспериментов и A/B тесты
Как определять ключевые метрики в продукте
Как построить experiment-driven культуру в компании
Как Flo тестирует и внедряет ML гипотезы
Как выбрать системы аналитики для своего продукта
Как быстро измерить эффект новой фичи: опыт Flo
Онлайн митап «Пирамида Метрик»
Курс Product Star «Как быть аналитиком»
Как прогнозировать Retention в Excel
Все видео доступны в подписке Epic+. Оформить подписку http://bit.ly/epic-subscriptions
#аналитика #подборка #epicplus
Контент-директор Михаил Свердлов рассказал на SEASONS, как и зачем аналитики Skyeng измеряют эффективность контента для активного пользователя.
Миссия образовательного продукта Skyeng — привести пользователя к нужному результату.
Между довольным клиентом и прибылью компании есть прямая связь: растет лояльность, повышается LTV, работает сарафанное радио.
Посмотреть 15-минутный вебинар по аналитике контента можно по подписке Epic+: http://bit.ly/content-skyeng
#аналитика #инсайты #epicplus
Миссия образовательного продукта Skyeng — привести пользователя к нужному результату.
Между довольным клиентом и прибылью компании есть прямая связь: растет лояльность, повышается LTV, работает сарафанное радио.
Посмотреть 15-минутный вебинар по аналитике контента можно по подписке Epic+: http://bit.ly/content-skyeng
#аналитика #инсайты #epicplus
Какие фатальные ошибки препятствуют росту продукта?
Дьявол кроется в метриках. Ошибка многих команд в том, что они обычно меняют не те метрики, которые дают кратный рост, а те, в которых они компетентны. Возможно, самая проблемная метрика — конверсия, и вот почему:
1️⃣ Большинство систем аналитики некорректно считают конверсию (например, считают конверсию не в покупателя, а в заказ). В результате конверсия сильно завышена.
2️⃣ В отчетах по юнит-экономике конверсии нет, потому что для инвесторов это слишком мелкая метрика. Они смотрят на число пользователей, умножают его на расходы по привлечению и прибавляют доход с этих покупателей — получается поток денег. Но ведь стоимость привлечения платящего, число платящих и доход с них зависят от конверсии, а ей уделяют мало внимания.
3️⃣ Мало кто знает, как посчитать конверсию когортами, отдельно по платным и по бесплатным каналам, на лендингах и т.д.
🔥 Завтра, 17 марта в 19:00, встречаемся в эфире с Ильей Красинским! CEO & Co-Founder сервиса сквозной аналитики Riсk.аi, автор продуктового курса Product Heroes, гуру юнит-экономики.
Илья руководил продуктовой разработкой мобильного приложения LinguaLeo (7М+ установок). С 2013 года помогает командам (от Ultimate Guitar и СhatFuel до небольших стартапов) разобраться в экономике продукта и экономике внимания, чтобы кратно повысить доход.
Будем выяснять:
— Почему повышение ретеншена не значит повышение доходов
— Как быть с тем, что системы аналитики некорректно считают конверсию
— Что не так с целью по выручке и как избежать примитивных методов роста
— Как управлять командой, чтобы не решать вечные конфликты
— Как нанимать в команду нужных крутых продактов, найти зоны своей
Смотреть в подписке
#аналитика #анонс #epicplus
Дьявол кроется в метриках. Ошибка многих команд в том, что они обычно меняют не те метрики, которые дают кратный рост, а те, в которых они компетентны. Возможно, самая проблемная метрика — конверсия, и вот почему:
1️⃣ Большинство систем аналитики некорректно считают конверсию (например, считают конверсию не в покупателя, а в заказ). В результате конверсия сильно завышена.
2️⃣ В отчетах по юнит-экономике конверсии нет, потому что для инвесторов это слишком мелкая метрика. Они смотрят на число пользователей, умножают его на расходы по привлечению и прибавляют доход с этих покупателей — получается поток денег. Но ведь стоимость привлечения платящего, число платящих и доход с них зависят от конверсии, а ей уделяют мало внимания.
3️⃣ Мало кто знает, как посчитать конверсию когортами, отдельно по платным и по бесплатным каналам, на лендингах и т.д.
🔥 Завтра, 17 марта в 19:00, встречаемся в эфире с Ильей Красинским! CEO & Co-Founder сервиса сквозной аналитики Riсk.аi, автор продуктового курса Product Heroes, гуру юнит-экономики.
Илья руководил продуктовой разработкой мобильного приложения LinguaLeo (7М+ установок). С 2013 года помогает командам (от Ultimate Guitar и СhatFuel до небольших стартапов) разобраться в экономике продукта и экономике внимания, чтобы кратно повысить доход.
Будем выяснять:
— Почему повышение ретеншена не значит повышение доходов
— Как быть с тем, что системы аналитики некорректно считают конверсию
— Что не так с целью по выручке и как избежать примитивных методов роста
— Как управлять командой, чтобы не решать вечные конфликты
— Как нанимать в команду нужных крутых продактов, найти зоны своей
Смотреть в подписке
#аналитика #анонс #epicplus
my.epicgrowth.io
Фатальные ошибки, которые препятствуют росту продукта
Илья Красинский—CEO & Co-Founder сервиса сквозной аналитики Rick.ai, автор продуктового курса Product Heroes разобрал ошибки, которые препятствуют росту продукта.
10 способов ошибиться в метриках на миллион рублей
Аналитика стала сложной. 90% тех, кто работает с Google Analytics, Яндекс Метрикой и сквозной аналитикой, совершают ошибки:
— при оценке рекламных каналов и кампаний;
— при планировании продаж и маркетингового бюджета;
— при оценке воронки продаж и юнит-экономики.
Какие-то ошибки дают небольшую погрешность, какие-то — чудовищную. Достаточно 2-3 ошибок, чтобы потерять несколько миллионов рублей.
Изучив сотни кейсов, команда Ильи Красинского выпустила крутой гайд с топ-10 самых частых ошибок в работе с аналитикой и метриками. Посмотреть гайд можно здесь: rick.ai/r/8f22e
Актуально для маркетологов, владельцев бизнеса, продактов и агентств.
А если вы еще не посмотрели наш эфир с Ильей Красинским, то смотрите его по подписке Epic+: http://bit.ly/rick-qa
(Первые 7 дней подписки — бесплатно)
В нем подробно разбираем проблемы роста, ошибки в оптимизации метрик и управление продуктовыми командами.
#аналитика #epicplus
Аналитика стала сложной. 90% тех, кто работает с Google Analytics, Яндекс Метрикой и сквозной аналитикой, совершают ошибки:
— при оценке рекламных каналов и кампаний;
— при планировании продаж и маркетингового бюджета;
— при оценке воронки продаж и юнит-экономики.
Какие-то ошибки дают небольшую погрешность, какие-то — чудовищную. Достаточно 2-3 ошибок, чтобы потерять несколько миллионов рублей.
Изучив сотни кейсов, команда Ильи Красинского выпустила крутой гайд с топ-10 самых частых ошибок в работе с аналитикой и метриками. Посмотреть гайд можно здесь: rick.ai/r/8f22e
Актуально для маркетологов, владельцев бизнеса, продактов и агентств.
А если вы еще не посмотрели наш эфир с Ильей Красинским, то смотрите его по подписке Epic+: http://bit.ly/rick-qa
(Первые 7 дней подписки — бесплатно)
В нем подробно разбираем проблемы роста, ошибки в оптимизации метрик и управление продуктовыми командами.
#аналитика #epicplus
Блог Rick.ai: как искать точки роста в аналитике
Ошибки на миллионы: как считать метрики и не выйти на план продаж
Из кейсов клиентов, маркетологов и агентств мы разобрали самые частые ошибки анализа рекламных кампаний и конверсий воронки продаж. Часто 2 или 3 ошибки дают расхождение в расчете плана продаж на несколько миллионов рублей.
Как находить инсайты в данных: от стартапа до IT-гиганта. Сегодня!
«Одной из ролей продуктовой аналитики является поиск точек роста и генерация гипотез на основе данных. Чаще всего все сводится к воронкам, конверсиям и юнит-экономике, и, глядя в очередной раз на когорты и ретеншен, не так легко понять, а где же тут спрятался рост»
Сегодня в 17:00 по мск выходим в эфир с Евгением Прохоровым — руководителем отдела Продуктовой аналитики в Ситимобил, ex-Head of Parts в Avito, ex-Deputy Head of Analytics Service в Яндекс Go.
Поговорим о том, что называют аналитическими исследованиями в Ситимобиле, зачем они проводятся и как в данных искать инсайты для продуктов. Приведем несколько примеров аналитических исследований и дадим их классификацию, чтобы лучше понимать разнообразие и возможности аналитики в продуктовых и не только компаниях.
Будет полезно тем, кто хочет развивать продукт, принимая решения на данных, но не может отыскать точек роста стандартными фреймворками.
Смотреть эфир
#аналитика #epicplus
«Одной из ролей продуктовой аналитики является поиск точек роста и генерация гипотез на основе данных. Чаще всего все сводится к воронкам, конверсиям и юнит-экономике, и, глядя в очередной раз на когорты и ретеншен, не так легко понять, а где же тут спрятался рост»
Сегодня в 17:00 по мск выходим в эфир с Евгением Прохоровым — руководителем отдела Продуктовой аналитики в Ситимобил, ex-Head of Parts в Avito, ex-Deputy Head of Analytics Service в Яндекс Go.
Поговорим о том, что называют аналитическими исследованиями в Ситимобиле, зачем они проводятся и как в данных искать инсайты для продуктов. Приведем несколько примеров аналитических исследований и дадим их классификацию, чтобы лучше понимать разнообразие и возможности аналитики в продуктовых и не только компаниях.
Будет полезно тем, кто хочет развивать продукт, принимая решения на данных, но не может отыскать точек роста стандартными фреймворками.
Смотреть эфир
#аналитика #epicplus
my.epicgrowth.io
Как находить инсайты в данных
Евгений Прохоров (Руководитель отдела Продуктовой аналитики в Ситимобил) на примере реальных кейсов компании рассказал о подходах к продуктовой аналитике
Как продакту работать с аналитикой: 5 ключевых принципов
99% продакт-менеджеров хотят научиться работать с данными через освоение SQL или Python и решение практических аналитических задач, но, чтобы принимать правильные решения, гораздо важнее уметь смотреть на вещи шире.
Артур Евстефеев, Product Lead в ManyChat, рассказал про пять принципов, которые помогают ему осознаннее работать с аналитикой и метриками:
1️⃣ Выбирайте правильные метрики и цели
Четко определенная цель и соответствующая ей метрика — драйверы грамотного принятия решения.
Например, вы выбрали в качестве ключевой метрики количество новых зарегистрированных пользователей в вашем продукте — это стало вашим фокусом для бюджета маркетинга, приоритизации бэклога и аналитики. Спустя время регистрации выросли, но более глубокие метрики — использование продукта, количество платящих клиентов — нет. Оказывается, вы приводили в продукт просто нерелевантный трафик.
2️⃣ Смотрите на продукт через призму бизнеса
Конечный итог ваших действий — развитие бизнеса. Не забывайте смотреть на происходящее в продукте с точки зрения денег и времени (или чего-то более осязаемого, чем конверсии).
Например: ошибка А возникает всего в 1% случаев. В процентах это, кажется, немного. Но если мы увидим, что эта ошибка приводит к потере 10% заказов и посчитаем убыток в деньгах, то посмотрим на проблему по-другому.
3️⃣ Следите за ключевыми метриками здоровья продукта/бизнеса
Определите ключевые метрики для вашего бизнеса/продукта/зоны ответственности и цикл их мониторинга (от секунд до месяца). И да, данные всегда лучше смотреть в динамике, чтобы понимать тренды.
4️⃣ Разбирайтесь в методологии анализа
Продакт-менеджер должен принимать решения на основе аналитических исследований. Но они могут быть масштабными и сложными, а все проверять невозможно и не нужно.
Важно разбираться в методах анализа, инструментах и областях их применения. Это позволит валидировать результат и быть увереннее в принимаемых решениях.
5️⃣ Стройте партнерские отношения с аналитиками
Аналитик — это не интерфейс к данным и не человек-табло. Аналитик — один из главных партнеров менеджера в работе над продуктом. Вовлекайте его в решение задач и прислушивайтесь к его мнению.
Например, он может подсветить риски, о которых вы не подумали. Или построит базовую модель, которая на начальных этапах сориентирует, на какие показатели смотреть. Или с помощью глубокого анализа поможет сформулировать неочевидные гипотезы, к которым вы вряд ли могли прийти самостоятельно.
***
Краеугольный камень работы с данными — умение мыслить критически, поэтому отнеситесь критически к этим пяти советам, если будете их применять.
#партнеры #аналитика
99% продакт-менеджеров хотят научиться работать с данными через освоение SQL или Python и решение практических аналитических задач, но, чтобы принимать правильные решения, гораздо важнее уметь смотреть на вещи шире.
Артур Евстефеев, Product Lead в ManyChat, рассказал про пять принципов, которые помогают ему осознаннее работать с аналитикой и метриками:
1️⃣ Выбирайте правильные метрики и цели
Четко определенная цель и соответствующая ей метрика — драйверы грамотного принятия решения.
Например, вы выбрали в качестве ключевой метрики количество новых зарегистрированных пользователей в вашем продукте — это стало вашим фокусом для бюджета маркетинга, приоритизации бэклога и аналитики. Спустя время регистрации выросли, но более глубокие метрики — использование продукта, количество платящих клиентов — нет. Оказывается, вы приводили в продукт просто нерелевантный трафик.
2️⃣ Смотрите на продукт через призму бизнеса
Конечный итог ваших действий — развитие бизнеса. Не забывайте смотреть на происходящее в продукте с точки зрения денег и времени (или чего-то более осязаемого, чем конверсии).
Например: ошибка А возникает всего в 1% случаев. В процентах это, кажется, немного. Но если мы увидим, что эта ошибка приводит к потере 10% заказов и посчитаем убыток в деньгах, то посмотрим на проблему по-другому.
3️⃣ Следите за ключевыми метриками здоровья продукта/бизнеса
Определите ключевые метрики для вашего бизнеса/продукта/зоны ответственности и цикл их мониторинга (от секунд до месяца). И да, данные всегда лучше смотреть в динамике, чтобы понимать тренды.
4️⃣ Разбирайтесь в методологии анализа
Продакт-менеджер должен принимать решения на основе аналитических исследований. Но они могут быть масштабными и сложными, а все проверять невозможно и не нужно.
Важно разбираться в методах анализа, инструментах и областях их применения. Это позволит валидировать результат и быть увереннее в принимаемых решениях.
5️⃣ Стройте партнерские отношения с аналитиками
Аналитик — это не интерфейс к данным и не человек-табло. Аналитик — один из главных партнеров менеджера в работе над продуктом. Вовлекайте его в решение задач и прислушивайтесь к его мнению.
Например, он может подсветить риски, о которых вы не подумали. Или построит базовую модель, которая на начальных этапах сориентирует, на какие показатели смотреть. Или с помощью глубокого анализа поможет сформулировать неочевидные гипотезы, к которым вы вряд ли могли прийти самостоятельно.
***
Краеугольный камень работы с данными — умение мыслить критически, поэтому отнеситесь критически к этим пяти советам, если будете их применять.
#партнеры #аналитика
Время вирального цикла так же важно, как и коэффициент виральности
#рост_продуктов #аналитика
Время вирального цикла (Viral Cycle Time) — это время, которое нужно пользователю, чтобы пригласить других в продукт. Это жизненно важный элемент роста, но его не так часто отслеживают, как коэффициент виральности (количество новых приглашенных пользователей).
У TikTok короткий VCT. Пользователь видит хорошее видео → делится им → получатели становятся новыми пользователями. Продукты с более низкой частотой использования имеют более длительный цикл. Например, для корпоративного B2B время будет дольше, т.к пользователю нужно изучить продукт, прежде чем рекомендовать.
Игнорировать VCT — все равно что игнорировать период окупаемости при расчете годового дохода на пользователя (ARPU). Если вашему продукту нужны годы, чтобы выйти в плюс, рост будет медленнее, чем у продуктов с быстрой окупаемостью. Именно поэтому стоит учитывать период окупаемости в соотношении ARPU:CAC.
Время вирального цикла имеет обратную зависимость от вовлеченности: чем выше вовлеченность, тем короче цикл.
Как использовать эту зависимость при создании продукта:
1. Проектируйте продукт так, чтобы контентом можно было поделиться сразу, а не сохранять на потом. Примеры: Spotify, платформы социальных сетей.
2. Позвольте пользователям легко и быстро взаимодействовать с другими так, чтобы это улучшало их пользовательский опыт. Примеры: Slack, Zoom.
Источник — Demand Curve
#рост_продуктов #аналитика
Время вирального цикла (Viral Cycle Time) — это время, которое нужно пользователю, чтобы пригласить других в продукт. Это жизненно важный элемент роста, но его не так часто отслеживают, как коэффициент виральности (количество новых приглашенных пользователей).
У TikTok короткий VCT. Пользователь видит хорошее видео → делится им → получатели становятся новыми пользователями. Продукты с более низкой частотой использования имеют более длительный цикл. Например, для корпоративного B2B время будет дольше, т.к пользователю нужно изучить продукт, прежде чем рекомендовать.
Игнорировать VCT — все равно что игнорировать период окупаемости при расчете годового дохода на пользователя (ARPU). Если вашему продукту нужны годы, чтобы выйти в плюс, рост будет медленнее, чем у продуктов с быстрой окупаемостью. Именно поэтому стоит учитывать период окупаемости в соотношении ARPU:CAC.
Время вирального цикла имеет обратную зависимость от вовлеченности: чем выше вовлеченность, тем короче цикл.
Как использовать эту зависимость при создании продукта:
1. Проектируйте продукт так, чтобы контентом можно было поделиться сразу, а не сохранять на потом. Примеры: Spotify, платформы социальных сетей.
2. Позвольте пользователям легко и быстро взаимодействовать с другими так, чтобы это улучшало их пользовательский опыт. Примеры: Slack, Zoom.
Источник — Demand Curve
Что такое «липкость» в продукте и как ее измерить
Липкость (Stickiness) показывает, с какой вероятностью новый пользователь останется в продукте. Кому стоит отслеживать эту метрику и как ее анализировать — объяснили в карточках ⬆️
Без налаженной системы аналитики, работа над продуктом ведется на интуиции. Если ваша цель — кратно растить продукт, нужно не просто тестировать гипотезы, а принимать решения на основе данных.
⚡️Как с помощью системы аналитики Amplitude системно генерировать гипотезы роста и строить стратегию на основе данных, разберем на митапе Amplitude Insights, 17 февраля в 17:00.
Обсудим:
— Как выстраивать систему мониторинга метрик продукта
— Как анализировать данные о поведении пользователей в продукте
— Как генерировать гипотезы роста и оценивать состояние продукта через метрики
Эфир бесплатный, но обязательно нужно зарегистрироваться.
👉 ЗАРЕГИСТРИРОВАТЬСЯ
#аналитика #анонс #epicplus
Липкость (Stickiness) показывает, с какой вероятностью новый пользователь останется в продукте. Кому стоит отслеживать эту метрику и как ее анализировать — объяснили в карточках ⬆️
Без налаженной системы аналитики, работа над продуктом ведется на интуиции. Если ваша цель — кратно растить продукт, нужно не просто тестировать гипотезы, а принимать решения на основе данных.
⚡️Как с помощью системы аналитики Amplitude системно генерировать гипотезы роста и строить стратегию на основе данных, разберем на митапе Amplitude Insights, 17 февраля в 17:00.
Обсудим:
— Как выстраивать систему мониторинга метрик продукта
— Как анализировать данные о поведении пользователей в продукте
— Как генерировать гипотезы роста и оценивать состояние продукта через метрики
Эфир бесплатный, но обязательно нужно зарегистрироваться.
👉 ЗАРЕГИСТРИРОВАТЬСЯ
#аналитика #анонс #epicplus
Как анализ данных вдохновил Blinkist на В2В-продукт
В Blinkist проводили исследование, чтобы понять, откуда приходят пользователи. Помимо маркетинговых кампаний и демографических данных, обратили внимание на нечто неочевидное — домены электронной почты.
Простой SQL-запрос позволил найти всех пользователей с email-адресами, не похожими на mail, yandex, outlook или inbox.
Так в Blinkist обнаружили тысячи корпоративных аккаунтов и начали развивать B2B-направление.
Мораль: данные вдохновляют на большой рост.
В своем выступлении Анатолий Макаревич, Principal Engineer в Blinkist, поделился еще двумя кейсами, в которых анализ данных и простые SQL-запросы послужили драйверами роста. Посмотреть можно здесь
#аналитика
В Blinkist проводили исследование, чтобы понять, откуда приходят пользователи. Помимо маркетинговых кампаний и демографических данных, обратили внимание на нечто неочевидное — домены электронной почты.
Простой SQL-запрос позволил найти всех пользователей с email-адресами, не похожими на mail, yandex, outlook или inbox.
Так в Blinkist обнаружили тысячи корпоративных аккаунтов и начали развивать B2B-направление.
Мораль: данные вдохновляют на большой рост.
В своем выступлении Анатолий Макаревич, Principal Engineer в Blinkist, поделился еще двумя кейсами, в которых анализ данных и простые SQL-запросы послужили драйверами роста. Посмотреть можно здесь
#аналитика