Wie kann GenAI Analysen für Produktteams zugänglicher machen? (mit Mario Ciabarra)

Ob Sie nun den Begriff datengetrieben, dateninformiert oder datenverzaubert bevorzugen, spielt keine Rolle – die heutige Technologie kann ohne hochwertige Datensätze UND die Werkzeuge, um sie effektiv zu nutzen, nicht überleben. Aber wir können es uns auch nicht leisten, Daten als die Verantwortung von nur ein oder zwei Abteilungen im Unternehmen zu betrachten – stattdessen müssen wir mit einer Denkweise der Daten-Demokratisierung in das Jahr 2025 gehen. Mit anderen Worten, unser Geschäft sind unsere Kunden, also sollte das, was unsere Kunden sagen, jedermanns Angelegenheit sein. 

Mein heutiger Gast ist Mario Ciabarra, Gründer und CEO von Quantum Metric. Quantum ist eine Gen-AI-gestützte Analyseplattform, die es Unternehmen ermöglicht, Daten in nützliche Erkenntnisse für verschiedene Interessengruppen zu interpretieren, sodass jeder – vom Produktdesigner am ersten Tag bis zum Unternehmensgründer – Empathie für Kunden in jede Entscheidung einfließen lassen kann. Wir haben darüber gesprochen, wie das in der Praxis funktioniert, Überlegungen zur Datenhygiene und einige Prognosen darüber, wie Gen-AI die Entwicklung der Analytik in diesem Jahr und darüber hinaus vorantreiben wird.

Interview-Highlights

• Treffen Sie Mario Ciabarra [01:05]
  • Mario war schon immer unternehmerisch tätig und zeigte früh Interesse an Wirtschaft.
  • Seine Leidenschaft für Software und Technik führte ihn dazu, den Benutzererfahrungen zu verbessern.
  • Anfangs konzentrierte er sich auf Geschwindigkeit und Leistung, erkannte jedoch, dass großartige Erlebnisse wichtiger sind.
  • Er strebt danach, Erlebnisse zu schaffen, die für alle Nutzer funktionieren, von seiner 13-jährigen Tochter bis zu seinem 87-jährigen Vater.
  • Seine Reise im Unternehmertum und in der Softwareentwicklung brachte ihn zu Quantum Metric.
• Die Bedeutung von Empathie in der Analytik [02:00]
  • Marios Führung entwickelte sich von Produktfokus zu Menschen und Empathie.
  • Bei Quantum Metric seit fast 10 Jahren begann er mit der Leidenschaft, Produkte zu entwickeln.
  • Mit dem Wachstum des Unternehmens auf über 400 Mitarbeiter erkannte er, dass Erfolg von einem starken Team abhängt.
  • Führung bedeutet, in Menschen zu investieren, nicht nur großartige Produkte zu schaffen.
  • Quanten's oberste Prioritäten: glückliche Mitarbeiter, eine gesunde Kultur und Kundenzufriedenheit.
  • Finanzieller Erfolg folgt, wenn Mitarbeiter und Kunden Priorität haben.
  • Viele Unternehmen machen es falsch, indem sie zuerst auf finanzielle Ziele fokussieren.

Erfolgreiche Unternehmen basieren auf der Stärke ihrer Teams. Sie können alle großartigen Produkte haben, die Sie wollen, aber ohne die richtigen Leute wird es nicht funktionieren. Letztendlich geht es beim Schaffen von Erfolg um Führung und Investition in Menschen.

Mario Ciabarra

• Generative KI: Transformation der Produktanalytik [04:06]
  • Analytik wird unerlässlich, wenn die Benutzerzahlen von wenigen auf Millionen wachsen.
  • Direkte Gespräche funktionieren bei kleinen Benutzerbasen, aber nicht im großen Maßstab.
  • Analytik ermöglicht "Hören mit Daten" statt nur Nutzer zu fragen.
  • Traditionelle Grafiken allein schaffen keine Empathie.
  • Die Verbindung von Daten mit echten Nutzern fördert echtes Verständnis und Handeln.
  • Quantum Metric konzentriert sich darauf, Erlebnisse mit Erkenntnissen zu verbinden, um Veränderungen voranzutreiben.

Weniger fragen und mehr zuhören – darum geht es bei der Analytik. Es geht wirklich darum, Daten zuzuhören.

Mario Ciabarra

• Reale Anwendungen von Gen-AI in der Analytik [05:41]
  • Viele Produktmanager fühlen sich schuldig, weil sie Daten aufgrund ihrer Komplexität nicht genug nutzen.
  • Daten sind oft über mehrere Tools verstreut, was den Zugriff und die Nutzung erschwert.
  • Quantum Metric zielt darauf ab, Analytik für verschiedene Teams zu vereinfachen.
  • Generative KI kann Benutzerreisen schneller analysieren als manuelle Sitzungswiedergaben.
  • Felix AI, Anfang 2024 eingeführt, hilft dabei, Benutzerverhalten im großen Maßstab zusammenzufassen.
  • KI ermöglicht es Teams, schnell Muster und Schwierigkeiten bei Millionen von Nutzern zu identifizieren.
  • Das Ziel ist es, Daten zugänglicher und handlungsfähiger zu machen, um bessere Entscheidungen zu treffen.
• Die Rolle von Gen-AI im Produktmanagement & Kundenerlebnis [09:14]
  • Nutzer versuchen oft, sich selbst zu helfen, bevor sie den Kundensupport anrufen.
  • Unternehmen sammeln Benutzerdaten, haben jedoch Schwierigkeiten, sie in Echtzeit zu aktivieren.
  • Generative KI kann Benutzerreisen sofort zusammenfassen und Serviceinteraktionen verbessern.
  • KI kann Callcenter dabei helfen, Nutzer direkt an den richtigen Experten zu leiten.
  • Produktmanager können KI nutzen, um schnell zu verstehen, warum Nutzer abspringen oder Schwierigkeiten haben.
  • KI vereinfacht die Analyse von Sitzungswiedergaben, Protokolldateien und Analysen.
  • Das Ziel ist es, vom traditionellen Produktmanagement zum operativen Produktmanagement zu wechseln.
  • Echtzeitdaten helfen Produktmanagern, Änderungen zu validieren, Entscheidungen zu optimieren und Auswirkungen zu erzielen.
  • Datengetriebene Entscheidungsfindung kann das Kundenerlebnis verbessern und den Wert für die Führungsebene aufzeigen.
• Gen-AI und Daten für bessere Produktentscheidungen nutzen [13:54]
  • Produktmanager stehen unter Druck, datengetriebene Entscheidungen zu treffen, obwohl sie keine Datenwissenschaftler sind.
  • Gen-AI kann helfen, falsche Annahmen zu reduzieren, beseitigt jedoch nicht die Notwendigkeit sorgfältiger Interpretation.
  • Das Hauptproblem besteht darin, die richtigen Datenquellen auszuwählen, nicht nur KI zu nutzen.
  • Bestätigungsfehler ist ein Problem – jeder kann Daten finden, um seine Entscheidung zu unterstützen.
  • Entscheidungen sollten anhand von Geschäftsmessgrößen und Kundenwirkung validiert werden, nicht nur anhand technischer Leistung.
  • Kunden äußern Frustration in einfachen Begriffen, nicht in technischen Details wie API-Fehlern.
  • Organisationen sollten das Verständnis von Daten aus der Perspektive des Kunden priorisieren.
  • Gen-AI macht Kundeninformationen zugänglicher, muss jedoch korrekt verwendet werden.
  • Zuhören auf Kunden (nicht nur Umfragen oder Backend-Daten) führt zu besseren Entscheidungen.
• Demokratisierung von Daten für bessere Entscheidungsfindung [17:27]
  • Demokratisierung von Daten bedeutet, sie abteilungsübergreifend zugänglich zu machen, auf eine Weise, die zu verschiedenen Rollen passt.
  • Datenanalytik entwickelte sich von Marketing-Einblicken zu DevOps, UX und Produktanalytik.
  • Die Herausforderung besteht nicht nur darin, zu wissen, "was" passiert ist, sondern zu verstehen, "warum" Nutzer sich auf eine bestimmte Weise verhalten.
  • Verschiedene Rollen (UX, Produktverantwortliche, DevOps, Marketer) benötigen die gleichen Daten in unterschiedlichen Formaten.
  • Übermäßige Abhängigkeit von mehreren Analysetools führt zu Ineffizienzen und Konflikten über kleine Datenabweichungen.
  • Ein einheitliches Datensystem reduziert Verwirrung und konzentriert Teams auf die Verbesserung der Benutzererfahrung.
  • Gen-AI kann Datenanalysen für verschiedene Rollen personalisieren und Informationen leichter zugänglich und umsetzbar machen.
• Die Rolle der Datenhygiene in effektiver Analytik [22:23]
  • Viele Unternehmen kämpfen mit unvollständigen oder ungenauen Daten für Entscheidungsfindungen.
  • Traditionelles Auto-Tagging hat das Problem der Extraktion der richtigen Daten nicht vollständig gelöst.
  • Produktteams priorisieren oft das Beheben von Fehlern über das Taggen von Daten, was zu fehlender Analytik führt.
  • Gen-AI kann die Datenextraktion automatisieren, ohne dass Ingenieure sie manuell taggen müssen.
  • Das neue KI-gesteuerte Produkt findet und organisiert relevante Daten für Geschäftsentscheidungen.
  • Frühe Demos haben von Branchenanalysten äußerst positive Reaktionen erhalten.
• Zukunftstrends in der Produkt- und Erlebnisanalytik [24:41]
  • Produktanalytik entwickelt sich zu Kunden- und Erlebnisanalytik.
  • Unternehmen sammeln bereits wertvolle Daten, haben jedoch Schwierigkeiten, sie zu verknüpfen.
  • Umfragen helfen, erfassen jedoch nicht das vollständige Kundenerlebnis.
  • Andere Datenquellen wie Bewertungen, abgebrochene Anrufe und Lieferprobleme bieten wichtige Einblicke.
  • Ein 360-Grad-Blick kombiniert Online- und Offline-Erlebnisse.
  • Das Ziel ist es, Glück, Loyalität und Schlüsselmomente zu messen, die den Kunden wichtig sind.

Unser Gast

Mario Ciabarra ist der Gründer und CEO von Quantum Metric, einer führenden digitalen Analyseplattform, die Unternehmen dabei hilft, Kundenerfahrungen in Echtzeit zu optimieren. Ein leidenschaftlicher Unternehmer und Technologe, Mario hat eine Erfolgsbilanz im Aufbau innovativer Lösungen, die das Geschäftswachstum vorantreiben. Unter seiner Führung hat Quantum Metric die Art und Weise, wie Organisationen Daten nutzen, um digitale Produkte zu verbessern, Engagement zu steigern und Entscheidungsfindungen zu beschleunigen, transformiert. Sein Engagement für kontinuierliche Innovation hat das Unternehmen als wichtigen Akteur im Bereich der digitalen Erlebnisanalytik positioniert.

Das Verstehen und Zuhören des Kunden umfasst mehr als nur digitale Analytik.

Mario Ciabarra

Ressourcen aus dieser Episode:

• Abonnieren Sie den The CPO Club Newsletter
• Verbinden Sie sich mit Mario auf LinkedIn
• Schauen Sie sich Quantum Metric an

Verwandte Artikel und Podcasts:

• Über den The CPO Club Podcast
• Ein Leitfaden zur Produktanalytik: Vorteile, Metriken & warum es wichtig ist
• Wie man die richtigen Produktanalysen auf die richtige Weise kommuniziert
• Kündigen Sie nicht Ihren Job für Ihre KI-Idee
• Wie man sich als KI-PM abhebt
• Profi-Tipps zum Aufbau Ihres KI-Produktmanagement-Skillsets
• Wie man KI nutzt, um produktgetriebenes Wachstum zu beschleunigen
• Die KI-Produktivitäts- & Prompt-Engineering-Tricks, die Sie 2025 benötigen