Привет, Хабр! Я Нурлан, ведущий продуктовый аналитик в tekmates. Мы в компании создаём цифровые продукты для бизнеса. В предыдущей статье рассказывал, с чего начать внедрять продуктовую аналитику.
Сейчас многие IT-компании принимают решения, опираясь на данные. Data-driven подход помогает мониторить KPI и метрики цифрового продукта. Понимание ключевых показателей позволяет направлять бизнес-стратегию в нужное русло.
Но не каждая компания знает, как перейти из стадии осведомлённости о том, что происходит в бизнесе, к этапу принятия ежедневных решений на основе ценной информации — инсайтов. О том, как их искать и максимально эффективно с ними работать, расскажу в статье.
Что такое инсайт и для чего он нужен
Инсайт — это ценное осознание, которое получают на основе анализа данных. Он может существенно повлиять на стратегию развития продукта. Инсайты помогают выявлять скрытые закономерности, тенденции и незаметные на первый взгляд аномалии.
Догадки, которые предшествуют инсайтам, называются «гипотезы». Это обоснованные предположения или утверждения, которые нужно проверить и подтвердить с помощью данных и аналитических методов. Результат подтверждения гипотезы и есть инсайт.
На основе инсайтов менеджеры продукта и владельцы бизнеса могут принимать обоснованные решения, направленные на то, чтобы улучшить пользовательский опыт, повысить вовлечённость, снизить отток пользователей и увеличить доход.
Так, в 2022 году, команда одного из крупнейших сервисов доставки в Казахстане Chocofood заметила: в холодное время года выручка падает. Но понять и исправить это, находясь в состоянии data-driven, не удавалось. Тогда компания решила перейти к этапу insight-driven: выстроить процессы продуктовой аналитики и внедрить новые инструменты, которые помогут находить инсайты.
Главным инструментом продуктовой аналитики в Chocofood стал Amplitude — событийная система анализа продукта. Инструмент внедрили, получили первые данные. Команда проанализировала их, подтвердила статистическими методами и выделила ценный инсайт — тренд на падение связан с поисковой выдачей внутри приложения.
Компания не разглашала точных подробностей, но показала цифры и разработала новое решение — оптимизация предлагаемых продуктов для пользователей.
Многие пользователи заметили, что обновлённое приложение работает лучше и учитывает потребности в специфических сезонных продуктах — например, горячих напитках и мясных блюдах. Сами представители Chocofood, описывая данный кейс, заявляют, что с помощью инсайта удалось увеличить сезонные продажи на 10%.
Продуктовая аналитика — генератор инсайтов
Из предыдущего кейса видно, что для генерации инсайтов нужна продуктовая аналитика. Но чтобы она начала генерировать инсайты, надо использовать специальный алгоритм. Визуально он выглядит так:
Разберём его на смоделированном примере музыкального сервиса.
Шаг 1. Обнаружить аномалии
Команда самостоятельно, или используя аналитические инструменты, замечает точку улучшения конкретной функциональности.
Пример. В музыкальном сервисе падает конверсия в подписку по выходным. Это можно улучшить.
Шаг 2. Построить гипотезы
Команда начинает искать причины аномалии. Анализирует базы данных или аналитических систем, определяет зависимости и корреляции с помощью математических алгоритмов.
Пример. Конверсия в подписку падает, потому что по выходным пользователи проводят время с семьёй или друзьями. Такое предположение продуктовый аналитик сделал на основе корреляции между двумя факторами: пониженной активности по выходным и близкой геопозиции пользователей.
Шаг 3. Проверить гипотезы
Причины изменения метрик ещё рано называть инсайтами. Гипотезы должны пройти причинно-следственные тесты — A/B-эксперименты.
Пример. Команда тестирует всплывающие уведомления о том, что слушать музыку вместе гораздо интереснее, и предлагает оформить подписку на новую функцию.
Проведя эксперимент, команда подтвердила гипотезу: конверсия в подписку по выходным выросла. Однако, если при проверке гипотезы метрики изменились в худшую сторону, команда начинает проверять новую.
Шаг 4. Обнаружить инсайт
Спустя время команда готова заявить, что математически верный ответ — чтобы повысить конверсию, нужно внедрить возможность прослушивать музыку с родственниками и друзьями.
Шаг 5. Принять решение
Когда гипотеза подтвердилась, рассчитывают затраты на внедрение новой функции и выгоду, которую она принесёт. На этом этапе руководство должно решить — давать зелёный свет найденному инсайту или нет.
Практические советы по работе с инсайтами
Ниже несколько рекомендаций, которые помогут лучше находить инсайты и избежать финансовых потерь при их поиске.
1. Не забывайте обслуживать системы аналитики
Важно регулярно проверять точность систем. С каждым обновлением цифрового продукта в аналитических системах могут появляться баги. Некачественные данные от запущенных систем влияют на точность инсайтов и правильность решений.
2. Проводите A/B-эксперименты на выборке пользователей
Тестируйте изменения на небольшой части пользователей. Так защитите себя от крупных негативных последствий при экспериментах. Чтобы рассчитать размер выборки, используйте специальные калькуляторы — например, калькулятор Эвана Миллера.
3. Наденьте маску пользователя
Посмотрите на свой продукт глазами клиента. Желательно, чтобы вы тоже пользовались продуктом. Так чаще сможете находить новые гипотезы.
4. Мыслите нестандартно
Избавьтесь от рамок и не бойтесь странных идей. Порой, некоторые инсайты могут менять направление всего бизнеса. Но прежде чем внедрять радикальные изменения, обязательно проводите тесты.
5. Не пренебрегайте ручными методами
Сейчас существует множество продвинутых инструментов продуктовой аналитики, поэтому специалисты начинают забывать, как обрабатывать результаты экспериментов вручную. Но в отличие от автоматических алгоритмов человек обладает уникальным творческим мышлением. За счёт этого опытный специалист иногда может прийти к совершенно новому выводу.
7. Не торопитесь
Если ответ на вопрос «Почему?» кажется очевидным, заострите на нём внимание. Зачастую на практике очевидные решения приводят к отрицательным результатам и потере финансов. Тщательно проверяйте ваши гипотезы. Лучше потратить чуть больше часов, чем потерять большой процент от прибыли.
8. Используйте методологию HADI
Она включает в себя этапы обоснования, цели, проверки и интерпретации гипотез. Это достаточно простой метод работы с гипотезами, который позволяет структурировано расписать процессы.
Итоги
Чтобы правильно работать с инсайтами и развивать продукт нужно:
1. Понимать, что такое инсайт и как он появляется
Инсайт — ценная информация, полученная в результате анализа данных, которая может существенно повлиять на итог принятых решений и стратегию развития продукта.
Инсайт происходит из гипотезы — идеи, которая проверяется на A/B-экспериментах. Только лишь когда гипотеза подтвердится на определённых метриках продукта и окажет положительное влияние на них, она превращается в инсайт.
2. Использовать правильную продуктовую аналитику
Чтобы искать гипотезы и трансформировать их в инсайты, нужно иметь подходящие к цифровому продукту аналитические инструменты для сбора и обработки данных, выстроенные процессы работы продуктовой аналитики и опытную команду специалистов — её можно не только сформировать инхаус, но и привлечь на аутсорсе.
3. Следовать процессам продуктовой аналитики
Даже если у вас отличная команда и передовые инструменты, важно обрабатывать гипотезы и искать инсайты по следующему алгоритму: обнаружение аномалии → структурирование гипотез → проверка гипотез → описание инсайта → принятие конечного решения. Соблюдать все этапы важно: наработанный опыт ведущих мировых специалистов поможет избежать лишних финансовых потерь как в работе отдела продуктовой аналитики, так и во всём бизнесе.
4. Не бояться экспериментов
Процессы продуктовой аналитики созданы, чтобы помогать специалистам проявлять творческий подход на практике. Опытные руководители и их сотрудники могут находить нестандартные идеи, которые не способны найти алгоритмические системы. Но проявляя креатив при решении задачи, не забывайте про страховку — используйте А/B-тесты.
Комментарии (10)
Igoryus
12.07.2024 05:23Что лучше R или Python? Я сейчас прохожу курс по R, читал что именно этот язык более лучше для анализа данных. Вы что думаете?
Olkhoffski
12.07.2024 05:23R это очень крутой язык программирования, действительно, его писали статистики для самих себя же, поэтому там довольно простой синтаксис, там действительно сумасшедшие возможности реализации разных тестов, ML и прочего. Однако в корпоративной среде в подавляющем большинстве используется Python, так как в нем происходит очень много всего в больших IT компаниях. R сейчас для очень продвинутых специалистов, кому нужны действительно объемные и сложные методы
Asell
12.07.2024 05:23Чокофудом не пользуюсь, но вижу они хоть как-то двигаются. На рынке у нас сейчас всякие Wolt, Яндексы, Glovo. А у них PA как построена интересно?
na41nka
12.07.2024 05:23+1А как подсчитать эффект от инсайта в денежном эквиваленте?
Andrey-Kotov
12.07.2024 05:23Тут нужны уточнения:
На каком этапе? (На сколько заранее)
На какой период?
С какой точностью?
Alexdymv
12.07.2024 05:23Насколько я знаю, только через юнит-экономику. Любую гипотезу можно прогнать через таблицу посчитанной юнит-экономики (на какую метрика окажет влияние гипотеза, каким в деньгах будет это изменение). На мой взгляд лучше всего про эти расчеты рассказывает Илья Красинский (как раз сейчас курс прохожу у него).
ivancool
Insight driven, первый раз слышу на самом деле)