Как продукт поддержки сделал меня лучшим аналитиком данных
До того, как я начал работать аналитиком данных о продуктах, большинство моих специалистов по работе с данными поддерживали маркетинг. Вы можете подумать, что вспомогательный продукт - это то же самое, что и любое другое подразделение, но я могу сказать вам по опыту, что это не так. Сегодня я хотел бы обсудить свой опыт перехода на роль аналитика данных о продуктах и то, как работа с продуктом сделала меня лучшим аналитиком данных.
Кривая обучения
В отличие от универсальных маркетинговых концепций, таких как SEO и SEM, каждый продукт отличается и требует обучения, чтобы вы могли понять, для чего предназначен этот продукт и как пользователи с ним взаимодействуют. Выделите дополнительное время, необходимое для адаптации, чтобы изучить потоки пользователей и системы, используемые для отслеживания событий. Когда я начинал как продуктовый аналитик, мне потребовались недели, чтобы научиться эффективно использовать программное обеспечение для продуктовой аналитики и выяснить имена событий, которые отображаются на каждом экране в пользовательских потоках.
Пользовательский опыт
Вспомогательный продукт дает вам возможность опробовать его перед подачей заявки на вакансию. Заинтересованность в продукте или отрасли поможет вам стать более эффективным аналитиком, потому что вы сможете учитывать опыт пользователей и учитывать это в своем анализе. В настоящее время я являюсь продуктовым аналитиком мобильного приложения и перед собеседованием загрузил приложение, чтобы попробовать. Это позволило мне предложить улучшения во время собеседования, чтобы заранее продемонстрировать свои активные исследования продукта компании. Как продуктовый аналитик, я могу использовать приложение для оценки новых функций и взаимодействия с пользователем.
Мобильный против Интернета
Даже если вы раньше были продуктовым аналитиком, при поддержке мобильного продукта необходимо учитывать дополнительные аспекты анализа.
- Платформа. Когда мы думаем о мобильном телефоне, это всего лишь телефон. Однако с точки зрения продукта компания разрабатывает приложение для платформы Android или iOS. Моя компания обладает навыками Alexa для приложения, которое становится еще одной платформой для анализа. Приложение также может быть разработано для планшетов, например iPad, который является еще одной платформой. Сначала на одной платформе можно разработать функции, чтобы оценить отзывы пользователей. Как продуктовый аналитик, я должен помнить функции по платформам, потому что это может повлиять на мой анализ. Доступность платформы и функций - это всего лишь пара вещей, о которых вам нужно подумать при анализе продукта.
- Ограничения. Изменения на веб-сайте должны быть внедрены инженерами только после утверждения кода. Разработчики мобильных приложений должны работать над графиком выпуска, и все изменения должны быть внесены к указанной дате, чтобы они были отправлены в Apple и Google на рассмотрение до того, как обновления станут доступны в магазине приложений. Исправление ошибки не может быть обновлено для приложения так быстро, как для веб-сайта. Учитывайте задержки, если вы ждете изменения кода, который будет развернут, и соответствующим образом расставьте приоритеты для своих задач.
Объем данных
Взаимодействие пользователя с продуктом генерирует большие объемы данных о событиях. Представьте, что каждое открытие, щелчок и ввод данных на вашем телефоне или на веб-странице записываются и сохраняются. Как продуктового аналитика меня часто спрашивают, использование какой функции влияет на удержание пользователей и повышенную конверсию. Я должен сделать свои запросы максимально эффективными, потому что я запрашиваю миллиарды строк данных, и каждая ошибка, которую я делаю, означает, что я теряю больше времени, прежде чем закончу свой анализ. Узнайте об оптимизации запросов для использования индексов или секций и оцените дополнительное время для завершения анализа при извлечении из большого объема данных.
A / B тестирование
Обычным KPI для продукта является удержание пользователей, и A / B-тесты часто используются для изменения продукта для измерения воздействия. В продукте может быть множество команд, поддерживающих разные части продукта и одновременно проводящих эксперименты. Помните о других запущенных экспериментах, которые могут повлиять на ключевые показатели эффективности ваших экспериментов, и ожидайте, что значительная часть вашего времени будет связана с экспериментами и измерениями продукта. Прежде чем стать продуктовым аналитиком, убедитесь, что вы понимаете концепции A / B-тестирования, потому что очень вероятно, что вы будете участвовать в оценке тестов.
Сегменты
KPI обычно различаются в зависимости от подразделения и бизнеса, которые вы поддерживаете. И наоборот, у продукта есть общие ключевые показатели эффективности, которые не меняются в разных компаниях, такие как удержание пользователей, ежедневные активные пользователи и коэффициент оттока. Целью продукта может быть удержание пользователей с помощью новых функций или улучшений продукта. Я никогда не рассматривал ключевые показатели эффективности по сегментам пользователей, но в аналитике продуктов принято сегментировать пользователей по новым и существующим, чтобы оценить, влияет ли изменение продукта на поведение всех пользователей или только одного сегмента. Если затронут только один сегмент, менеджеры по продукту могут протестировать дальнейшие улучшения, чтобы увидеть, улучшается ли удержание. Аналитик продукта участвует в этих обсуждениях и оценивает эти последующие эксперименты, чтобы измерить влияние удержания пользователей.
Анализ воронки
Принято рассматривать взаимодействие продуктов с помощью анализа воронки. Например, воронка регистрации может иметь несколько экранов, на которых пользователю предлагается ввести информацию до завершения регистрации учетной записи. Чем больше экранов, тем больше трение, и это может привести к падению количества завершенных аккаунтов. На каждом этапе воронки мы оцениваем процент прерывания, чтобы определить, нуждается ли какая-либо часть в улучшении. До поддержки продукта мне никогда не нужно было проводить анализ воронки. Теперь любое исследование KPI продукта требует от меня учитывать изменения в воронке, которые могут повлиять на KPI. Например, если внезапно исчезнут новые пользователи, мне нужно будет проверить, были ли изменения продукта в процессе регистрации, в дополнение к рассмотрению других факторов, которые могли привести к уходу новых пользователей.
Заключение
Работа с продуктом сделала меня лучшим аналитиком данных. Вместо того, чтобы рассматривать общий набор факторов, как я делал в маркетинге, я научился учитывать, как изменения в последовательности и пользовательский опыт могли повлиять на результаты продукта. Я улучшил свои коммуникативные навыки, работая в тесном контакте с менеджерами по продуктам над дизайном экспериментов и определением размеров продуктов. Благодаря постоянным экспериментам по улучшению продукта у меня было много возможностей попрактиковаться в объяснении результатов и рассказывании историй на основе данных. Переход на роль аналитика данных о товарах не был плавным, но это определенно стоит попробовать, и я надеюсь, что вы обнаружите, что это также поможет вам стать лучшим аналитиком данных.
