🛠 Работаем с метриками эффективно

Метрики сами по себе выглядят достаточно интересно, но если с ними не работать, то и пользы они не принесут. Выбор метрик, их внедрение и дальнейшая работа — процесс, нуждающийся в пересмотре и повторении. Поговорим сегодня о самых общих принципах работы с продуктовыми (да и любыми другими, на самом деле) метриками.

🔘 Метрика ≠ цель
И цель даже не изменение метрики, а достижение бизнес-результата. То есть, мы можем с помощью метрики количественно оценить достижение этого самого результата: достигли/не достигли/насколько, но путать цель с показателем её достижения дело неблагодарное.

🔘 Идеальных данных не существует
Ваш продукт — не сферический конь в вакууме, и получить идеально точные данные можно только в своих фантазиях. Поэтому нужно понимать, что ожидание самых-самых точных данных для принятия наиболее правильного решения может это самое решение сделать бесполезным. Не стоит вычеркивать из своей жизни продуктовую интуицию, которая должна применяться в связке с метриками.

🔘 Непонятные метрики = плохие метрики
Чтобы метрика работала на продукт, она должна быть понятной для команды. Настолько понятной, чтобы люди могли действовать относительно автономно. Выяснить, понятна ли та или иная метрика, можно через попытку объяснения её сути человеку, который с ней раньше не сталкивался. Если получилось это сделать быстро, то метрика хорошая.
Да, есть исключения в зависимости от специфики бизнеса, но правило «чем проще — тем лучше» работает и в случае с метриками.

Продуктовые метрики — тема полная нюансов, но от этого ещё более интересная и полезная. И самое эффективное, что вы можете сделать в своей команде по части метрик — это не поскупиться на временные и прочие ресурсы для выбора и расчета подходящих.

#product_analysis_AGIMA
#product_metrics_AGIMA

⬆️ CR. Больше подробностей

Conversion Rate — конверсия — метрика полезная и весьма универсальная. Упоминали её на прошлой неделе, теперь пришло время расставить все точки над i. Разумеется, одним постом дело не ограничится.

🔘 Как считать: количество посетителей, совершивших целевое действие / общее количество посетителей * 100%

CR — это процент пользователей, которые совершили целевое действие относительно общего количества пользователей на определенном этапе воронки.
Под целевым действием понимаем желаемое для компании действие клиента. Это может быть и регистрация, и звонок на горячую линию, и покупка и т.д. А пользователь, который это самое целевое действие совершил — лид.

Вот, например, реклама. Можно посчитать конверсию из просмотра рекламы в переход на сайт: рекламу увидело 100 человек, на сайт пришло 30, CR = 30%. Ну, ок, есть у вас теперь этот волшебный процент. А дальше-то что? Зачем его считали?

1️⃣ Ищем, где тонко, чтобы не рвалось
Зная показатели конверсии, можно найти слабые места в процессах. Как вариант: у менеджеров холодных продаж низкая конверсия. А работают они по скрипту. Проработка скриптов или превращение их в «суперскрипт» нероботоподобного межличностного общения повлияет на показатели конверсии и прибыль.

2️⃣ Тестим изменения
Например, вам не нравится конверсия в заполнение заявки на сайте и вы решили поменять форму. Чтобы понять, если ли от новой формы профит, нужно будет сравнить показатели конверсии до изменений и после. И оставить ту форму, от которой конверсия выше.

3️⃣ Прогнозируем траты
Возвращаясь к первому пункту с менеджерами продаж: вы знаете конверсию из звонка в сделку, и в курсе, что для 5 закрытых сделок нужно 50 звонков. Отсюда вы понимаете, какой план ставить менеджерам, чтобы добиться нужного результата, и можете рассчитать, сколько ресурсов для этого потребуется.

На неделе продолжим про хорошую конверсию и рекомендации по ее увеличению.

#product_analysis_AGIMA
#product_metrics_AGIMA

💯 Продукт влияет на выбор метрик. Pt.3.1

Тема базового набора продуктовых метрик для разных бизнес-сфер нас захватила, так что продолжаем. Сегодня про SaaS (software as a service).
Конечно, среди SaaS-продуктов много всякого-разного, порой совершенно уникального и ни на что не похожего. В этом посте мы собираем SaaS-starter-pack продуктовых метрик.

🔘 Метрики вовлечения
Определяем уровень вовлеченности, находим проблемы, выявляем лояльных пользователей

Active users. Количество пользователей, активно использующих продукт. Что именно вкладывается в понятие «активно», каждый бизнес решает для себя сам.
Как считать: общее количество таких пользователей.
Actions per month/week/day. Количество действий по отношению к продукту за определенный период. Выберете те действия, которые наиболее важны, а затем отслеживайте их с течением времени для различных сегментов пользователей.
Как считать: общее количество таких действий за нужный период.

🔘 Метрики эффективности онбординга
Понимаем, насколько хорош наш онбординг, выявляем эффективные каналы трафика

Unique visitors to subscription. Процент пользователей, купивших подписку. Полезно считать с учетом разных источников трафика.
Как считать: число пользователей, купивших подписку за период / число уникальных посетителей сайта за период * 100%
Unique visitors to leads. Процент посетителей, ставших лидами.
Как считать: количество регистраций на сайте за период / количество уникальных посетителей сайта за период * 100%
Leads to subscription. Процент пользователей, которые активировали подписку после пробного периода (или после того, как оставили свои данные).
Как считать: число пользователей, заплативших за подписку / число пользователей, которые начали пользоваться продуктом, или оставили свои данные * 100%

Да, вы правильно мыслите, узнавая среди метрик эффективности онбординга следы CR. Но мы же предупреждали, что показатель конверсии — универсальная штука? 😉

Завтра будет про метрики монетизации для этого SaaS-starter-pack'а.

#product_analysis_AGIMA
#product_metrics_AGIMA

💯 Продукт влияет на выбор метрик. Pt.3.2

Сегодня про обещанные финансовые метрики для SaaS-продуктов.

🔘 Monthly Recurring Revenue (MRR). Ежемесячный доход, т.е. сумма, которую платят юзеры за месяц использования. Это исключительно важная метрика для продуктов с ежемесячной подпиской. Дает представление о росте компании и прогнозировать будущие доходы.
Как считать: число пользователей * средний доход с пользователя в месяц
У MRR есть довольно много подвидов типа New, Expansion и т.д. Их мы тоже обязательно обсудим в будущих постах.

🔘 Annual Recurring Revenue (ARR). Та же метрика, что и выше, но уже за каждый год. Интересна продукту с возможностью годовой подписки.
Как считать: MRR × 12

🔘 Average Revenue Per User (ARPU). Это выручка на одного активного пользователя. Полезна для оценки изменений и сравнения продуктов между собой — потенциальный инвестор с большей вероятностью выберет продукт с более высоким ARPU.
Как считать: выручка / активные пользователи

🔘 Average Revenue Per Paying User (ARPPU). Очень похожа на ARPU, но тут речь о выручке на одного платящего пользователя. И разница между ARPPU и ARPU принципиальна. Тут мы не просто активных пользователей считаем, а тех, что платят за определённый период. ARPPU демонстрирует, сколько готов заплатить за пользование продуктом лояльный юзер.
Как считать: выручка / платящие пользователи

И еще раз напоминаем — посты из нашей серии «Продукт влияет на выбор метрик», действительно, starter-pack'и продуктовых показателей. То есть, под конкретный продукт эти наборы определенно обрастут новыми, не менее нужными, метриками.

#product_analysis_AGIMA
#product_metrics_AGIMA

📲 The Good, the Bad and the Ugly. Про хорошую конверсию

Рассматривать CR в отрыве от других показателей — не самое лучшее решение. Потому что на уровень конверсии влияет и средний чек, и специфика отрасли, и ассортимент, и конкуренция, и многое другое. Сама по себе конверсия ни о чем не говорит и не может быть плохой или хорошей, если мы не смотрим и на другие данные.

В каждой бизнес-сфере свой средний показатель конверсии, который условно можно считать хорошим. Для примера посмотрим конверсии в продажу по отраслям (значения усредненные, разумеется):
▪️ медицина — 3%
▪️ юр.услуги — 4%
▪️ туризм — 5%
▪️ IT — 7%
▪️ образование — 8%
▪️ реклама/медиа — 10%

То есть, конверсия 6% для турагентства — это хорошо, а вот для рекламного — уже не так радужно. У интернет-магазина одежды конверсия будет гораздо выше, чем у компании, продающей яхты в премиум-сегменте. Но при этом за продажу одной яхты компания получит доход несопоставимый даже с годовым оборотом упомянутого магазина. Так что CR — это не показатель успешности бизнеса.

Более того, невероятно высокой конверсии почти всегда сопутствует невероятно низкий трафик (хотя и не стоит забывать, что такой трафик, как правило, целевой).

Можно бесконечно долго рассуждать о том, что такое хорошая конверсия, и замечать все новые условия, на неё влияющие. Но одно известно абсолютно точно: работа над повышением уровня конверсии для бизнеса всегда дешевле, чем привлечение новых пользователей.

#product_analysis_AGIMA
#product_metrics_AGIMA

🔬 Когортный анализ и продукт

Раз уж мы заговорили про статистику и данные, то не рассказать про когортный анализ просто невозможно. Когортный анализ — это метод исследования, в котором мы делим пользователей на группы (когорты) по определённым критериям и следим за их поведением в определенный промежуток времени. Когортный анализ позволяет изучить действия пользователей в динамике.

Признаки, которые объединяют наших пользователей в когорту:
▪️действие (регистрация, подписка, клик и т.д.), которое они выполнили;
▪️промежуток времени, в который это произошло.
Разграничивает понятия когорты и сегмента временной промежуток, который во втором случае не учитывается.

Например, пользователи приложения N в 2021 году — одна когорта, а пользователи-2022 — другая, при этом все они относятся к сегменту «пользователи приложения N».

Когортное исследование универсальным инструментом не назовешь — для него нужно стат.значимое число пользователей. Рекомендуется проводить такой анализ для когорт от 1000 человек. Поэтому он идеально подходит для относительно крупных B2C и B2B-организаций с длинным циклом покупки и помогает оценить и (или) спрогнозировать (список не закрытый):
🔘 LTV. Lifetime Value (пожизненная ценность клиента)
🔘 эффективность каналов привлечения
🔘 ROI. Return On Investment (окупаемость инвестиций)
🔘 последствия обновления
🔘 активность пользователей.

Когортные исследования раскрывают различия между ключевыми метриками для разных сегментов. Они позволят более глубоко погрузиться в последствия любого действия с продуктом (новый сайт, изменения в приложении, новая фича и т.п).

На следующей неделе про то, как проводить когортный анализ. Оставайтесь с нами 😉

#product_analysis_AGIMA

📈 Когортный анализ. Как провести

1️⃣ Цель
Базис для когортного анализа — это метрики. Поэтому при постановке цели мы определяем связанную с ней метрику. Например, цель: выявить наиболее эффективный канал привлечения для языковой онлайн-школы.
Метрикой считаем CR в заполнение заявки на сайте (все наши каналы ведут на посадочные страницы с формой). В параллель стоит рассмотреть CR в оплату, чтобы понять, сколько из оставивших заявку купили продукт, и, в перспективе, Retention Rate, чтобы видеть инфо по удержанию.

2️⃣ Определяем когорты
Например, клиенты, которые пришли по этим каналам: партнерские посты в запрещенной соц.сети, реклама в ВКонтакте и SEO за февраль 2022 — итого 3 когорты.

3️⃣ Анализ когорт
В Google Аналитике когортный анализ автоматизирован, но есть возможность отслеживать только первое действие пользователя в конкретном промежутке времени. На разнообразных платформах автоматизации маркетинга таких ограничений уже нет. Но тот же Excel даст результат ничуть не хуже, правда, придется самостоятельно внести формулу для расчета интересующей метрики.

Вернемся к примеру. Всего заполнили форму заявки на сайте и оплатили неделю обучения 1000 пользователей. Их них:
▪️500 пришли из рекламы во ВКонтакте
▪️300 из партнерских постов
▪️200 SEO.
И тут может показаться, что ВКонтакте — наиболее эффективный канал привлечения. Но метрики кроются в деталях: к концу марта продолжили обучение всего 550 пользователей (200 — ВК, 250 — партнерка, 100 — SEO).
И эти значения указывают нам на бóльшую эффективность уже партнерских постов, которые привели нам более качественную аудиторию.

Возможно, у вас возникло легкое чувство дежавю, когда вы читали сегодняшний пост. И это не случайно: когда мы говорили о метриках, то всегда упоминали, что отслеживать их нужно в динамике. И когортный анализ — тот самый инструмент, который призван эту задачу решить.

#product_analysis_AGIMA
#product_metrics_AGIMA

🔢 Все любят цифры. Аналитика для клиента

А что, если цифры любит не только бизнес? 🧐
Пользователи тоже любят статистику, как бы странно это не выглядело на первый взгляд. Подтверждений тезису масса — тут вам и лайки в соц.сетях, и инфо о маршрутах и пробеге авто, и анализ собственного поведения для всевозможных процессов саморазвития, и статистика покупок в банковских приложениях и т.д и т.п. Цифры греют пользователя во всех смыслах. Можно покопаться в причинах, а можно взять мысль на вооружение и улучшить свой продукт.

Если вы уже чувствуете, что вам это надо, выдохните и ответьте себе на пару вопросов:
▪️какие метрики можно выдать клиенту, при условии, что они будут ему интересны/полезны?
▪️куда можно вытащить эти метрики, чтобы можно было проверить гипотезы интереса и пользы?
И на третий ответьте (для этого нужно в первый вопрос добавить «ещё» после слова «какие»).

Например, если у вас приложение доставки еды, вы наверняка изучаете:
- что клиент чаще всего заказывает?
- какой у клиента средний чек?
- сколько и какие блюда бывали у клиента в корзине, но он её очистил?
(список не закрытый).
И вот если в интересующих вас вопросах заменить слово «клиент» на «я», можно добавить щепотку магии клиентоориентированности в ваш продукт. Открытая пользовательская аналитика — вполне себе инструмент позитивного влияния на продуктовые метрики типа вовлечения, конверсии и всяческих MAU/DAU.

Попробуйте хотя бы порассуждать про аналитику для клиента. Вдруг вашему продукту не хватало именно этого? 🙃

#product_analysis_AGIMA
#product_metrics_AGIMA

💍NSM. Метрика Всевластия

North Star Metric (NSM), или метрика Всевластия — это такая невозможно крутая метрика, отслеживая и влияя на которую успеха не избежать. Звучит как что-то на волшебном, так что давайте разбираться, утопия это или нет.

Получить корону NSM может любая метрика, на которой вы решили сфокусироваться — она должна отражать основную ценность продукта для пользователя.

Например, для игрового мобильного приложения NSM-метрикой может стать DAU. Представим, что мы оптимизировали SEO, и увеличили DAU x2. Вот только пользователи после установки приложения запускают его всего один раз 🤷🏻‍♀️

Так что идея NSM работает в двух случаях:
▪️ когда есть контрольный показатель, который сможет подсветить ценность изменений нашей метрики Всевластия в долгосроке. В случае с приложением это может быть Stickiness (показывает, как часто аудитория возвращается в приложение)
▪️ когда мы используем NSM для конкретной фичи или точечной задачи. Потому что пляски вокруг NSM без использования других метрик чреваты гиперфокусом, а все мы знаем, что это плохо (знаем же, да? Если не уверены, то читаем пост в грядущий четверг☺️).

#product_analysis_AGIMA
#product_metrics_AGIMA

🔺Пирамида метрик, pt. 1

Выбор правильных метрик и умение с ними работать — важные условия для развития продукта и бизнеса. Вот только универсального набора метрик на любой случай жизни продукта не существует (хотя стартер-пак метрик под ту или иную сферу бизнеса вытащить можно, по тэгу #product_analysis_AGIMA есть посты по теме). Да и взаимосвязи метрик тоже нужно учитывать.

И здесь к нам на помощь приходит пирамида метрик. Этот подход предполагает и иерархию метрик, и их классификацию. Так чем же эта пирамида хороша?

🔘 Убираем гиперфокус нашей команды на одной метрике/процессе
Потому что когда внезапно выясняется, что в команде все одержимы NPS, а остальные метрики идут мимо — надо срочно это исправлять. Пользу мониторинга всей картины целиком никто не отменял.

🔘Создаем базовую иерархию
Когда мы рисуем нашу пирамиду, можно отследить иерархию метрик в зависимости от расположения от вершины к основанию пирамиды. Это хорошо как для аудита всех бизнесовых показателей, так и для распределения задач по команде.

🔘Определяем зоны ответственности за изменение метрик и выставляем KPI
После того, как мы распределили метрики по пирамиде, обозначить KPI будет гораздо проще.

Как построить пирамиду метрик расскажем уже в следующем посте, долго ждать не придётся ☺️

#product_analysis_AGIMA
#product_metrics_AGIMA

🔺Пирамида метрик, pt. 2: выбираем правильные метрики и определяем связи

Время строить пирамиды, и не важно, что за окном 2022 н.э. Чем пирамида метрик хороша мы рассказывали в прошлом посте, теперь расскажем пошагово, что нужно сделать для ее построения.

1️⃣ Аудит. Мы определяем данные, которые отслеживаются и которые нужно отслеживать
2️⃣ Классифицируем наши показатели, дабы избавиться от гиперфокуса
3️⃣ Добавляем базовую иерархию
4️⃣ Выстраиваем связи между метриками
5️⃣ Проверяем работоспособность показателей на основании анализа бизнес-модели
6️⃣ Изучаем показатели
7️⃣ Проводим эксперименты для проверки иерархии (опционально, если есть потребность).

И в итоге распределяем метрики по уровням пирамиды.

◼️NSM
На вершину водружаем нашу метрику всевластия, которую считаем самой важной.

◼️Бизнесовые
Следующий уровень сверху вниз — это бизнесовые метрики. Сюда закладываем денежный оборот, доходы, инвестиции, верхнеуровневые аудиторные показатели.

◼️Продуктовые
Уровнем ниже находятся характеристики проблем и решений, пользовательских сценариев. Это средний чек, частота использования и т.д.

◼️Интерфейсные
На этом уровне мы замеряем взаимодействие с пользователем в точках контакта. Тут притаилась конверсия форм и кнопок.

◼️Платформенные
А в основе нашей пирамиды расположились доступность и техническая надежность продукта.

Пирамида метрик — удобный инструмент, способствующий восприятию картины целиком.

#product_analysis_AGIMA
#product_metrics_AGIMA

⚛️ Продакт-менеджер и продуктовая аналитика

Может ли быть полезным продакт-менеджер без знаний продуктовой аналитики — вопрос спорный и не имеющий общепризнанного однозначного ответа. Но у нас мнение на этот счет есть: продакт должен хотя бы верхнеуровнево разбираться в вопросах темы и разговаривать с аналитиками на одном языке.
Поэтому если вы чувствуете, что ваших знаний в этой сфере недостаточно, к аналитикам большая очередь, а сроки горят, то самое время задуматься о прокачке продуктово-аналитических скиллов. А мы готовы поделиться шагами, которые помогут эти самые скиллы прокачать.

1️⃣ Начните с самого основного
Например, симулятор GoPractice даёт отличную базу — можно будет и с метриками разобраться, и с тестированием гипотез, и даже в unit-экономику немножко погрузиться.

2️⃣ Черпайте информацию из всех доступных источников
Профильные телеграм-каналы, блоги по продуктовой аналитике, статьи на популярных профессиональных платформах — всё это будет полезным. А со временем вы ещё и фильтровать научитесь, отписавшись от менее полезных ресурсов. Сюда же относится и общение с аналитиками: не стесняйтесь задавать вопросы, «5 почему» здорово вам помогут.

3️⃣ Практика и практика
Чем быстрее вы начнёте искать инсайты в данных, ковырять доступные дашборды и отслеживать самостоятельно результаты a/b-тестов, тем лучше для вашего внутреннего продуктового аналитика. Вообще умение сходить в базу данных и выгрузить результаты тестирования сильно упростит вашу жизнь (простейших запросов SQL будет достаточно).

4️⃣ Математическая статистика
Да, этот шаг звучит криповенько, но продакту и не нужно проходить весь курс матстата. Достаточно прочитать книгу «Статистика и котики» Владимира Савельева (один из самых популярных и доступных для понимания источников по теме), чтобы понять фундаментальные вещи.

Если все четыре шага пройдены — вы великолепны, а продуктовые аналитики (и не только они) в вашей команде смотрят на вас с уважением и безусловной любовью.

#product_analysis_AGIMA
#product_metrics_AGIMA

Объясняем, почему аналитические дашборды не помогают принимать решения: https://habr.com/ru/company/agima/blog/680866/.

К аналитикам часто обращаются с запросом: «Сделайте нам дашборд c бизнес-KPI. Хотим найти инсайты в наших данных, чтобы понять точки роста».
Но на самом деле дашборды помогают следить только за бизнес-KPI.
Искать инсайты там не стоит.

Руководитель направления анализа данных AGIMA.AI Ольга Татаринова в новой статье рассказывает:

- где на самом деле можно найти инсайты;
- что такое «эффект уличного освещения»;
- чем удобна Self-service-аналитика;
- в чем ее основные проблемы.

Короткая, но содержательная статья для продакт-менеджеров, маркетологов и всех, кто принимает бизнес-решения. В комментариях по ссылке ответим на вопросы.

#product_analysis_AGIMA
#product_metrics_AGIMA

Гайд по работе с CJM — на примере сайта НПФ «Национальный»: https://habr.com/ru/company/agima/blog/681860/.

Руководитель проектного офиса AGIMA Миша Дырма в новой статье рассказывает, как мы работаем с CJM. В качестве примера он взял сайт негосударственного пенсионного фонда «Национальный», для которого мы разработали новый дизайн.

Нашей задачей было упростить структуру и навигацию, поменять контент и улучшить конверсию. Чтобы сделать всё это, мы построили карту взаимодействия клиента с сайтом:

- определили целевую аудиторию;
- создали ключевых персонажей;
- продумали пользовательские сценарии.

В итоге получился удобный и функциональный сайт. С помощью CJM мы смогли увеличить конверсию в 3,5 раза. В статье подробная инструкция по построению карты.

#cx_ux_research_AGIMA
#product_analysis_AGIMA
#case_AGIMA

⁉️ Почему мой продукт не покупают

Это один из самых распространенных вопросов, который слышит продакт-менеджер агентства (с вариациями на тему «увеличьте мне конверсию» и «сделайте редизайн так, чтобы сайт продавал») — мы часто работаем с продуктами, уже выпущенными в большой и опасный мир.
Занятен тот факт, что для ответа на этот вопрос не очень-то и нужен продакт. Потому что основных причин, по которым продукт не продается, всего четыре.

🔘 Клиенты не понимают наш продукт
Каким бы замечательным ни был продукт, не надо ждать от пользователя, что он сам в нем разберется. Задача компании (и продакта в частности) — объяснить, что это за продукт такой, и убедить пользователя в том, что его проблемы этим продуктом решаются.
Как правило, такое бывает потому что:
- мы не объясняем, почему наш продукт лучше, чем у конкурентов
- мы не говорим на языке клиента
- мы используем не те каналы связи
- наша реклама обещает то, чего нет etc.

🔘 Клиентам не нужен наш продукт
Такое тоже бывает. Почему:
- мы ищем клиентов не на том рынке
- у клиента просто может не быть проблемы, которую должен решить продукт
- клиент может быть не готов к нашему продукту (что-то такое инновационное и ломающее картину мира, что нужно возвращаться к первой причине)

🔘 Клиенты не могут купить наш продукт
Мы не должны забывать о таких нюансах, как хранение, доставка, отгрузка, способы оплаты и т.д. Тем не менее, это частая причина отсутствия (или отрицательного роста😅) продаж.

🔘 Наш продукт плохой
К этому выводу нужно приходить только после того, как мы исключили все вышеперечисленные причины. И это тот самый случай, когда лучше слезть с дохлой лошади.

Да, все эти причины на поверхности. И да, они очевидны. Но именно из-за их очевидности мы часто начинаем всё усложнять.

#product_analysis_AGIMA

⚖️ Конкурентный анализ. Что и как

Конкурентный анализ — это важный этап нашего планирования, во время которого мы получаем нужную информацию и вдохновляемся (и крадём, как художники 😅). Цель — не выбор самого красивого сайта и его адаптация под наш продукт, а понимание того, в чем же заключается успех того или иного продукта.

Чтобы не тратить время впустую, а получить полезный артефакт, лучше следовать следующим шагам:

🔘Ограничиваем время анализа
Если этого не сделать, то мы или потратим слишком много ресурсов или, наоборот, уделим недостаточно внимания оценке.

🔘 Ищем релевантных конкурентов
Искать лучше всего в режиме инкогнито, для пущей объективности. И не стоит тратить время на всех конкурентов — исследования рынка проводятся регулярно и есть в открытом доступе.
Прямыми конкурентами ограничиваться тоже не нужно. Представители смежных отраслей будут полезны — такое исследование расширит наши возможности и даст полезные инсайты.

🔘 Собираем и систематизируем данные
Если возвращаться к примеру с сайтом, то система может выглядеть так:
- список конкурентов
- структура
- юзабилити
- навигация
- контент
- дизайн
- преимущества
- недостатки

🔘Делаем выводы
По каждому из пунктов, указанных в предыдущем шаге, находим лучшее решение.

Когда мы будем последовательно разбирать инфо по каждому пункту нашего анализа, то к моменту завершения (с большой долей вероятности) у нас появится видение и понимание того, что нам нужно. Так что на выходе мы получим концептуальную модель нашего идеального сайта 💪

#marketing_reseach_AGIMA
#product_analysis_AGIMA

Как Self-service-аналитика экономит время и ресурсы команды
https://vc.ru/services/518254-kak-pravilno-vnedrit-self-service-analitiku-i-dlya-chego-vam-eto.

Self-service-аналитика — удобный инструмент для продакт-менеджеров. С его помощью любой человек может собрать нужные данные и метрики по продукту, не привлекая аналитиков. Это в разы ускоряет разработку новых функций.

В новой статье мы рассказываем:

- как развернули инфраструктуру для Self-service-аналитики для одного из заказчиков;
- для кого аналитика самообслуживания — необходимость;
- как работает система и какую пользу приносит.

Советуем прочитать всем, кто работает с продуктом. Поймете, нужна ли Self-service-аналитика на вашем проекте и как ее внедрить. Переходите по ссылке, задавайте вопросы 💚

#product_analysis_AGIMA
#product_metrics_AGIMA

📈 Как моделирование данных ускоряет разработку и улучшает документацию
https://youtu.be/M2WM-jyVe6k.

Делимся записью доклада соосновательницы AGIMA.AI Ольги Татариновой с конференции SmartData. Она рассказывает, как создавать и документировать хорошие модели данных и зачем это нужно.

Видео длится полчаса. За это время вы узнаете обо всех преимуществах моделирования данных. Например, о таких:

- весь датасет документирован «по построению»;
- документация всегда актуальна;
- новый аналитик подключается к проекту за полдня;
- к проекту можно подключить почти любое количество аналитиков — скорость разработки линейно возрастет.

Доклад будет особенно интересен аналитикам, дата-инженерам и продакт-менеджерам. Если вы пропустили выступление на конференции, то скорее переходите по ссылке выше 💚

#product_analysis_AGIMA
#product_metrics_AGIMA

🗺 Карта метрик продукта: что такое и зачем она?

«Серьезно? Еще одна карта?! Чем вам CJM-то не угодила?» — спросите вы. А мы вам ответим: «Хороший вопрос, коллеги. Сейчас всё объясним» 😉

Карта продуктовых метрик помогает нам измерить поведение клиентов на каждом этапе их жизни в продукте. Да, с CJM общее есть, но ее наличие необязательно для построения карты метрик. Если верхнеуровнево «разбить» LT клиента, то мы получим примерно четыре этапа (количество может изменяться в зависимости от специфики продукта). Рассмотрим примеры замеров на каждом из этих этапов — список не закрытый.

1️⃣ Онбординг | Onboarding
Сколько пользователей из тех, кто впервые увидел главную страницу, зарегистрировались? Сколько из зарегистрированных заполнили необязательные данные о себе?

2️⃣ Активация | Activation
Сколько зарегистрированных пользователей выполнили первое ЦД (например, сделали перевод / отправили реферальную ссылку и т.п)? Сколько воспользовались ключевой функцией продукта?

3️⃣ Вовлечение | Engagement
Какое время зарегистрированные пользователи живут в продукте? Как часто они продукт используют? Сколько они платят?

4️⃣ Удержание | Retention
Какой временной интервал между использованием продукта? Какой коэффициент оттока?

В итоге мы:
- смотрим конверсии на каждом этапе пути клиента
- узнаем поведенческие паттерны клиентов при взаимодействии с продуктом
- выявляем «узкие горлышки», на которые нужно повлиять продуктовой команде.

В комментах можно посмотреть пример карты метрик продукта 💚

#product_analysis_AGIMA
#product_metrics_AGIMA