#моемнение #какработает #метрики #аналитикпродукта
Аналитик продукта или продуктовая аналитика. Кратко, что это такое?

Вот честно говоря, каким-то чутьем всегда понимала, что такое продуктовая аналитика, но для меня это направление оставалось не до конца понятным. И как живёт этот зверь, мне тоже было не совсем понятно. Точнее понятно, но как взгляд сбоку)))

Наш преподаватель - Елена Серегина всё показала на примерах (если кому любопытно, говорят в интернете есть записи её занятий и выступлений, рекомендую).

Мой вывод следующий - аналитик продукта работает с метриками продукта и анализирует какая ситуация, как повлияла на ту или иную метрику, почему метрика изменилась. Метрика, также как температура тела человека, показывает состояние продукта, но с точки зрения бизнеса. Для чего это всё нужно? Для развития бизнеса и принесения денег. То есть аналитик продукта ищет пути изменения фич продукта таким образом, чтобы эти изменения дали прибыль. Принятие решения о внедрении изменений или о добавлении новых фич за Product Manager (или ещё за кем, в каждой организации свои правила). То есть аналитик продукта это правая рука product manager (а иногда product manager сам себе аналитик).

Ещё раз скажу, что бизнес и продукт бизнеса - это про деньги. На самом деле всё про деньги и как их приумножить. Даже образование - это про деньги, что для меня не совсем было очевидно. Для государства вложение в образование даёт результат через минимум 10 лет, квалификацией сотрудников на предприятиях, промышленности и т.п. На эту тему существования связи есть куча работ и доказательств.

Вернёмся к метрикам. Мой вывод: начиная измерять жизнь продукта в метриках, стоит посмотреть на то, как шаблонно это делают ваши конкуренты. То есть есть, с моей точки зрения, стандартный набор метрик, можно его взять, потом добавить своих, специфичных и посмотреть на графиках, диаграммах как и что меняется. Для Анализа данных по метрикам советуют использовать приложение Tableau. Немного его потрогали ручками и мне очень понравилось. Крутить данные в этой прилажухи очень интересно. Проведу очень грубую аналогию, что Tableau это адовая смесь Excel, средой работы с базами данных с возможностью даже самого простого программирования, для запуска процессов обработки данных. Мы работали со списком данных в csv, добавляли формулы вычислений и смотрели на каких графиках видны тенденции изменений.

Отправляю вам ссылку на интересную статью на habr про метрики. В статье есть ссылка на список основных метрик, или те которые чаще всего используются.
https://m.habr.com/ru/company/devtodev/blog/293776/

#метрики #аналитикпродукта #чужойопыт
Честно говоря, все эти метрики и циферки это не про меня:) Но без них никак! Я люблю структурную информацию, поэтому "Пирамида метрик", о которой рассказывает Елена Серегина отлично легла в моей голове. На просторах youtube я нашла её выступление на Analytics Days, вот Вам ссылка - https://youtu.be/qIJECUgtfks

Вкратце расскажу, что все метрики Лена делит на несколько уровней:
- Бизнес,
- Экономика,
- Продукт,
- Интерфейс ( и тут рядом Маркетинг).

#аналитикпродукта #инсайт #капитаннеочевидность
После сегодняшней лекции про А/В-тестирование и анализ результата такого тестирования продуктовым аналитиком могу сделать вывод, что если вы:
1. Любите считать
2. Смотреть на графики и делать выводы
3. Любите и знаете тот самый ТВиМС (теорию вероятности и мат статистику, со всеми распределениями и формулами)
4. Вам нравится делать выводы, придумывать гипотезы

То вам в аналитики продукта и мне кажется в смежный анализ Big Data. Пока не уловила, чем одно отличается от другого, поэтому не буду делать выводы.

И ещё одно из интересных открытий, для любого бизнеса и большого, и малого полезно смотреть на метрики и делать выводы, которые дадут положительное изменение для бизнеса. Если вы уже думаете искать себе аналитика для продукта, то стоит посмотреть в сторону физиков (я бы ещё сказала инженеров, но коллеги говорят только про физиков), т.к. именно они, уже собаку съели в расчетах и могут считать на практике лучше математиков. И это очень так неплохо оплачивается))) И в том числе развивается на рынке.

#капитаннеочевидность #теория #метрики #аналитикпродукта

Я теперь понимаю как взорвать аудиторию, нужно вам рассказать что-то неоднозначное и больное))) Не думала, что так много поклонников магазина озон и многие дружно побегут со мной обсуждать эту тему) Честно неожиданно! Вот что поистине тема-хайп!)))

Но все таки попробую вернуть канал в направление аналитики и немного структурирую информацию и свои выводы.

Тема с метриками продукта для меня оказалась очень интересной, незнакомой и живой. Я долго думала, почему же я на своей практике не видела метрики? И пришла к выводу, что я их видела, но они скорее были только на техническом уровне работы программного продукта. То есть, что всё хорошо работает, "красная" лампочка не горит у администратора системы. Но никто не проводил анализ информации с точки зрения бизнеса. Все это потому что в тех проектах и компаниях, в которых я работала не было нужного уровня зрелости и культуры работы с метриками и данными по ним.

Есть три стадии развития отношений компании к данным:

1. Первая стадия, когда компания только зарождается и на опыте, харизме лидера компания идёт туда, куда хочет директор. Стадия под названием "да, я сам лучше знаю". Действительно топ-менеджмент знает рынок лучше и данные в компании собираются хаотично, культуры работы с ними нет, есть главный лозунг - "нам бы хоть что-то сделать для начала".

2. Вторая стадия. Есть гипотезы развития продукта из разряда "мы думаем, что если добавить вот эту фичу, всё станет лучше и наш клиент будет рад". Фича запускается и проводится анализ когорт пользователей, А/В тестирование и анализ их поведения после запуска. На эту стадию достаточно сложно выйти, если внутри компании огромное количество информационных систем и они все разроненные, данные могут дублироваться и другие технические проблемы, которые просто мешают адекватному, чистому сбору данных. Тут появляется Excel, графики и возможно что-то более мощное, например инструмент Tableau. Это в идеале. Даже на этот уровень достаточно сложно выйти, потому что бизнесу будет нужна своя среда для сбора данных, руководство должно понимать, для чего и зачем нужен такой Анализ и готово выделять средства элементарно даже для поддержания копии среды, где бизнес сам будет формировать запросы к БД и делать выводы.

3. Третья стадия. Когда уровень продуктов очень высокий, и уже из данных по метрикам можно брать идеи и делать выводы по развитию бизнеса. На таком уровне зрелости компания может себе позволить ухудшающий эксперимент, то есть посмотреть кто реально какими фичами пользуется и если убрать кнопку, насколько это будет плохо для программы.

Мой вывод такой, что большинство компаний и проектов, где я работала застряли на второй стадии развития и то, что я видела это максимум графики в Excel, теперь я понимаю, что это очень даже неплохо, чем ничего :))))

​​#теория #аналитикпродукта #какработает #чужойопыт
#маркетинг

Немного погрязла в делах))) Есть пара тем, которые я хочу раскрывать в виде таблиц сравнения, чем отличается UX от UI, и PM от PO (сюда же хочу роль добавить Product Owner, порыть и тут).

Это в будущем, а пока расскажу про сегментацию клиентов по RFM-анализу по матрице, в зависимости от поведения клиентов.

Звучит она внушительно, но как часто бывает, всё достаточно просто. Есть красивая матрица её сегменты закрашены в разные цвета. И есть правила, по которым путем не очень сложных расчетов, можно понять к какому сегменту матрицы, относятся ваши клиенты. По этой матрице можно провести Анализ, и сформировать правила как и что предпринять для того или иного сегмента клиентов, чтобы они оставались и приносили прибыль, то есть покупали ваш продукт.

Итак, расшифровка RFM, следующая:
👉Recency (R) — давность, количество времени с прошлой покупки (может быть период в месяцах, неделях, дни слишком мелко, года слишком крупно, но думаю если у вас стартап можно брать дни, но я бы смотрела по неделям).

👉Frequency (F) — частота, общее количество покупок (также смотрим за период, который нас интересует, нам рекомендовали смотреть за всю историю существования компании, но можно отслеживать поведение клиентов, например, до внедрения фичи и после).

👉Monetary (M) — деньги, общая сумма покупок (аналогично смотрим всю историю или за период, чем хороша вся история можно отследить сколько в % клиент приносит прибыли компании).

Картинку с матрицей прикладываю. Этот метод был придуман более 40 лет назад для Анализа рассылок маркетинговых акций.

Суть в том, что вы всех клиентов делите на 4 или 5 групп, точнее 4 на 4 или 5 на 5. С 4 проще, по весовому принципу, то есть назначаете им балл:

✍️Часто совершает покупки (R=1), покупал не так давно (R=2), покупал давно (R=3), купил очень давно и только одну покупку (R=4).

✍️Совершил наибольшее количество покупок (F=1), купил один раз (F=4), соответственно назначить 2 и 3.

✍️Потратил наибольшую сумму денег (M=1), потратил самую меньшую сумму (M=4), аналогично определить 2 и 3.

Дальше по таблице с данными о покупках вы рассчитываете % в каждом сегменте матрицы (как рассчитать можно загуглить, есть даже готовые скрипты и вроде даже есть скрипт в Tableau). И смотрите на данные, которые получаться.

Что из данных можно узнать? Кто ваш VIP клиент и приносит вам доход (в Яндекс такси это звёзды, которые несколько раз заказали мега крутые машины).
Узнать какие маркетинговые акции провести, чтобы привлечь тех кто уже очень давно не покупал, может стоит купоны раздать, позвонить или ещё что-то.
Понять, кто лояльный клиент.

Подобный метод достаточно прост, но многие и его не делают. А ещё по нему отлично можно увидеть, что реально работает принцип Паретто. Что 20% действий дают 80% результата. Или же 20% клиентов спортивных залов ходят регулярно на тренировки, а 80% забивают или ходят редко, но покупают абонемент!))

Вцелом очень интересно, только к сожалению у меня пока нет реальных данных, чтобы их проанализировать по такой матрице))) У кого есть признавайтесь?😎

​​#мирвокруг #капитаннеочевидность #теория #марафон_что_нового #UX #аналитикпродукта

Я всё таки инженер и системный аналитик и образование в ВШБИ это то что мне нужно, чтобы расширить границы и увидеть отрасль ИТ с другой стороны и это #нереклама это мой вывод)

Сегодня я могу уже уверенно рассказать, про то что я узнала для себя нового. Для кого-то это будет не новым, тогда я рада за вас)))

Хочу рассказать про Яндекс.Метрику и Google Analytics.

Мне недавно, на одном проекте попросили добавить требование, из разряда - нам с первых дней работы компании нужно хранилище данных по клиентам, такое чтобы можно было проследить весь жизненный цикл клиента от Лида до клиента по UTM метке.

Я же профессионал!))) Я сделала умное лицо, как будто понимаю, что такое UTM метка и записала - угу по UTM метке.

История следующая. Как всегда несколько бородатых мужиков организовали компанию Urchin, которая делала сервис по аналитике трафика посетителей сайтов. И вот они стали такими крутыми, что в 2005 году Google приобрёл компанию Urchin Software Corp. Говорят, что до сих пор несколько сотрудников Urchin работают в Google. И возникла Google Analytics.

И именно им принадлежит идея с UTM метками, которые прилепляются к URL сайта, лендинга, то есть канала источника откуда к нам пришёл посетитель. Тем самым можно проанализировать какие каналы именно вам приносят доход.

Вернёмся к среде этих двух монстров аналитики. Всё достаточно просто, но в тоже время сложно. Google Analytics и Яндекс.Метрика позволяет вам вешать на сайт, грубо говоря крючки, где будет происходить подсчёт трафика. То есть вы встраеваете код в сайт, который начинает сбор аналитических данных.

Так профессионально и красиво говорить, как наш преподаватель я не могу, да и не берусь, не моя тема. Поэтому я только поделюсь ссылками и своими собственными наблюдениями.

1. Такими вот вроде бы несложными инструментами создали целый пласт профессий. И имея сертификат Google Analytics и лучше всего ещё и Яндекс.Метрика можно очень так нормально зарабатывать.
2. Если вы хотите поковыряться в "кишках", то рекомендую почитать сайт нашего преподавателя http://thisisdata.ru
3. Есть демо стенды, где можно поиграться Google Analytics https://analytics.google.com/analytics/web/demoAccount и Яндекс.метрика https://metrika.yandex.ru/dashboard?group=day&period=week&id=44147844
4. Ещё немного открытий. Оба инструмента разные и стоит настраивать и то и другое.
5. Интерфейс Google Analytics прекрасен! Вы можете кидать в меня камнями. Но предыдущие 2 года мы пытались разработать систему с админкой похожей на Google Analytics. И я много посмотрела всего, что только смогла посмотреть. Но вот когда увидела такой интерфейс, поняла, что это то что заслуживает внимания. Если вам интересно направление UX пощелкайте интерфейс, вы явно поймёте где что можете настроить))
6. Эти обе среды про графики и изображение данных в том числе, но как мне показалось больших расчетов там не сделать, либо сделать с помощью кода))) Куда мы не лезли.
7. Все мои однокурсники очень хотят знать SQL, и многие преподаватели советуют им владеть для аналитики и построения запросов к БД. Тут я честно почувствовала преимущество))) Могу писать сложные запросы на SQL) и понимаю, что в далёком 2007 я сама занималась псевдо аналитикой данных, когда смотрела сколько абонентов воспользовались услугой через SQL запрос в БД.

Надеюсь мои новые открытия вам тоже будут полезны)))

#моемнение #мойопыт #капитаннеочевидность #мысливслух #аналитикпродукта #productmanager

Затрону любимую холиварную тему всех))

Из разряда "я аналитик, поэтому могу работать где угодно, где есть слово анализ".

Я чётко говорю нет!) Так не работает.
Почему? Причин море.
Если разбираться в том, кто такой аналитик, то мы приходим к выводу, что это специалист с аналитическим складом ума. Меня часто спрашивают как этот склад ума прокачать? У меня один ответ - анализировать. Строить логические цепочки, в моём случае это ещё и работать с абстракцией, потому что информационная система часто это чёрный ящик с входом и выходом. И искать зависимости, последовательности и ту самую системность, как одно не работает без другого.

И вот я снова слышу фразы "я же бизнес аналитик, могу ли я быть аналитиком продукта?" А ещё лучше "могу ли я быть product manager?"
Мне хочется сказать, что в этом мире возможно всё!) Конечно можете, но! Нужны знания инструментов, даже определенного пакета инструментов, опыт их применения и добавим "щепотку" того самого аналитического мышления.

Я системный аналитик до мозга и костей и я инженер, тут никуда не деться. Могу ли я быть Product Manager? Вцелом сейчас у меня в голове новая картина мира, и да я могу начать восхождение по лестнице разработки продукта с точки зрения менеджера. Но)) как же без Но))) ещё применять и применять на практике те знания, которые я получила за курс.
Я уже давно прихожу к выводу, что есть направления анализа, где нужно 80% практики и 20% теории, это например UX (простите, но глубокой фундаментальности я там не увидела, да там полно анализа, но здравого смысла, опыта там намного больше). А если говорить про Системный анализ, теории дофига и она множиться в геометрической прогрессии, также как и развивается разработка (я про архитектуру и программирование). И вот вроде бы 13 лет пишу ТЗ, но опять это Но))) микросервисы появились, сначала я над ними честно ржала, потом ко мне пришла практика+теория, и ещё раз круг практика+практика и ещё теория, вот только тогда все нюансы уложились в голове. То есть уже явно 40% теории (тут даже хуже, базы технической и технологической) и 60% практики. И тут никуда не деться от фундамента, а он ваши "твердые ноги" в этой области.

Но вернёмся к Product Manager. Какие мои выводы и это #моемнение
Продукт это всегда про бизнес и деньги, даже если вы делаете что-то для государства или дикой природы, это всё равно про деньги, а где деньги там и политика. Да она никуда не девается. И ваша цель такая - чтоб такого сделать, чтобы заработать больше денег? Хороший бизнес анализ он как раз про это. Как изменить процесс, чтобы заработать больше (а часто говорят как сэкономить), какую услугу изменить, чтобы заработать больше. И т.д. и тут ещё приходит вот такая штука как качество. Этот прекрасный треугольник ограничений - время, деньги, качество (иногда пишут ресурсы). И вот тут вопрос к вам, вы про качество или про скорость? Для меня это самый сложный вопрос. Я люблю качество, но я всегда хочу быстро. А в бизнесе всё всегда должно быть быстро. Я веду к тому, что есть команды про рост, а есть команды про качество. И одни с другими не всегда уживаются. Я склоняюсь больше к "хуяк, хуяк и в продакшн". Потому что без результата жить невозможно. Но всегда делать говно мне не хочется, потому что я про профессионализм и опять же про результат))) Но те кто умеет делать хорошо, сделают халтуру красиво.

И мой вывод следующий, на старте я про скорость, когда выходишь на стабильность я про качество. И когда есть качество я снова про рост. А если есть дедлайн, я про симбиоз. Так что мне кажется я бы отлично и в команду роста вписалась и в команду продукта.

Но я так и не ответила на вопрос может ли аналитик вырасти в product manager? Да, может, но тут нужно учиться, перескакивать с лестницы на лестницу, и снова идти вверх, с где есть возможность перескакивать через ступени. Тот аналитик в виде меня в ноябре и тот аналитик, который сейчас в апреле, два разных специалиста, и это круто!

Это факт развития, это рост, а сейчас нужно переходить к стадии качества)))