6 ejemplos reales de analítica de productos en acción
Gestión de productos basada en datos. Eso es lo que hacen los expertos hoy en día, ¿verdad? Quizá hayas buscado en Google y descubierto que ser "orientado a los datos" significa utilizar ampliamente la analítica de productos en el flujo de trabajo diario de estos gestores de producto.
Pero la pregunta es, ¿qué hacen con los datos analíticos? ¿Cómo los usan en la vida real?
Por suerte, he recopilado una lista de 6 casos de uso de la analítica de productos para inspirarte.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
Have an account? Log In
¿Qué es la analítica de producto y por qué debería interesarte?
El análisis de productos es el proceso de recopilar datos sobre tu producto digital (incluyendo la actividad de los usuarios, finanzas, etc.), analizarlos y tomar decisiones diarias y de estrategia de producto basadas en tus hallazgos.
El uso de la analítica de productos aumenta significativamente la calidad de la toma de decisiones que realizas como gestor de producto, ya que puedes respaldar y demostrar tus ideas o soluciones mediante el uso de datos.
Como dato cuantitativo, también complementa los datos cualitativos que has recopilado mediante entrevistas a clientes, dándote una visión completa del estado de tu producto y del comportamiento del cliente o del usuario.
Puedes habilitar la analítica de productos para tu producto configurando una herramienta especializada en análisis de productos que monitoriza la actividad de tus usuarios y te envía informes sobre sus interacciones.
Estas herramientas entonces agruparán los datos de acciones de usuario que han recopilado de tu producto y te permitirán crear informes personalizados para encontrar respuestas a algunas de las preguntas que puedes tener sobre el uso de tu producto.
Ahora que sabemos de qué trata la analítica de producto, empecemos a explorar algunos de los casos prácticos de aplicación del análisis de productos.
Ejemplo #1: Elimina funciones que nadie usa en tu interfaz
Los grandes productos no son los que tienen más funciones que sus competidores. De hecho, la mayoría de las veces, los productos con demasiadas funciones se vuelven difíciles de navegar para los usuarios e imposibles de mantener para el equipo de desarrollo de producto.
Por lo tanto, los mejores equipos de producto se aseguran de que sus productos solo cuenten con funciones que aporten valor a sus usuarios. Para lograr esto, siempre estarás añadiendo nuevas funciones que piensas que la gente usará y eliminando aquellas que sabes que ya no son valiosas.
La siguiente duda obvia es cómo elegir las funciones que merece la pena eliminar. Es sencillo; ¡verifica su uso con una herramienta de analítica de productos!
Usar una herramienta de analítica de productos basada en eventos como Mixpanel para depurar
Para poder rastrear el uso de cualquier función, deberás configurar un evento para ella y activarlo cada vez que el usuario interactúe con esa función. Suponiendo que hayas establecido estos eventos para las funciones del producto que deseas medir, todo lo que necesitas hacer es crear un informe sobre el uso de esa función.
Vamos a ilustrarlo con un ejemplo. Imagina que diriges Spotify, el servicio de música en streaming que muchos usamos, y quieres entender si merece la pena eliminar la función de reproducción aleatoria.
Para esto, crearemos un nuevo Informe de Insights que se vea así.
Aquí, hemos seleccionado nuestra función en cuestión: “Aleatorio” junto con la función de referencia (normalmente la acción central de tu producto o tu North Star) con la que queremos compararla; en este caso, “Reproducir una canción”. Para ambas, hemos seleccionado la opción “Contar DAU” para ver el número de usuarios únicos que usan aleatorio y reproducen música cada día.
Luego hemos añadido una fórmula sencilla que calcula el porcentaje de oyentes de canciones que han utilizado la función de reproducir en aleatorio.
Al observar este gráfico, podemos sacar 2 conclusiones importantes:
- Apenas el 0,5% de todos los oyentes usan la función de reproducción aleatoria.
- El uso de la función de aleatorio ha caído de forma constante del 1,3% al 0,5% en el último mes.
Basándonos en estas estadísticas de uso, podemos considerar a Shuffle como un candidato digno para eliminar y despejar nuestra interfaz de usuario.
Ejemplo #2: Identificar y solucionar problemas de experiencia de usuario que interrumpen la configuración o los flujos de momentos AHA!
Los primeros pasos que dan tus usuarios en tu producto tendrán un gran impacto en su retención y valor de vida. Al menos, esto es lo que he visto numerosas veces en los productos que he liderado.
Cualquier mejora en el proceso de configuración de tu producto y en llegar al momento AHA! eventualmente se traducirá en un mayor nivel de retención para ellos.
Para mayor claridad, los usuarios alcanzan su momento de configuración cuando han realizado todas las configuraciones necesarias al registrarse (por ejemplo, proporcionar los detalles de la tarjeta de crédito y verificarla en una aplicación de pagos). El momento AHA! es el punto en el recorrido del usuario donde experimentan por primera vez el beneficio y el valor de tu producto (por ejemplo, hacer una transferencia instantánea con tu aplicación de pagos).
Normalmente es bastante común tener problemas de experiencia de producto en el recorrido que resultan en menos personas alcanzando sus momentos de configuración y hábito. Pero la buena noticia es que puedes encontrarlos fácilmente con una herramienta de analítica o mapas de calor de UX como estos. Con este tipo de datos, los equipos pueden descubrir dónde abandonan los usuarios, qué pasos generan fricción y cómo mejorar la conversión.
Lectura relacionada: 10 mejores herramientas de diseño UX para desarrolladores de productos
Cómo usar embudos de analítica de producto en Heap para solucionar problemas de conversión
Una de las formas más prácticas de rastrear y solucionar recorridos (incluidos aquellos que conducen a la configuración y a los momentos AHA!) son los embudos. Un embudo es una lista de eventos colocados en un orden específico donde puedes ver la conversión de usuarios de un evento a otro.
Así es como se ve un análisis de embudo para una página de registro básica donde tienes un campo de correo electrónico y un botón de enviar.
Para nuestra página de registro, rastreamos a los usuarios para estos eventos:
- Visualización de la página de registro.
- Rellenar el correo electrónico del usuario en el campo.
- Hacer clic en el botón de enviar.
Como podemos ver, hubo más de 1.200 usuarios que ingresaron a la página de registro. Sin embargo, solo el 17% de esos 1.200 completaron su correo electrónico, y el 90% de quienes lo hicieron hicieron clic en el botón de enviar.
Este embudo nos está diciendo que hay algo mal con el campo de correo electrónico y necesitamos investigar exactamente qué es.
Para esto, podemos hacer pruebas de usabilidad de nuestra pantalla de registro o ver la reproducción de sesión de Heap, que es la grabación en tiempo real de la interacción del usuario con tu producto.
En el caso del campo de correo electrónico, podrías descubrir que la validación del correo resulta frustrante y tus usuarios se rinden después de intentar introducir su correo un par de veces.
Ejemplo #3: Medir el impacto de una función durante un despliegue gradual
¿Cuántas veces has añadido una nueva y brillante función a tu producto que fue un fracaso absoluto (es decir, no mejoró el uso, o incluso lo perjudicó)? Esto ha pasado al menos un par de veces incluso a los PMs más talentosos.
Como no siempre sabemos si la función que hemos desarrollado tendrá éxito o fracasará, es buena idea implementarla primero a un pequeño número de usuarios, comprobar si la usan (y si mejora tus métricas clave como la retención o el valor de vida)—y, si suponemos que fue un éxito, lanzarla a todos los demás.
Puedes realizar tanto el despliegue gradual como la medición de impacto con una solución de analítica de producto especializada que incluya funcionalidades esenciales de software de analítica como Amplitude.
Configurar y ejecutar experimentos con software avanzado de analítica de producto como Amplitude
Amplitude viene con una funcionalidad avanzada llamada Experimentos. Puedes utilizarla tanto para ejecutar pruebas A/B como para realizar despliegues graduales de funciones. No entraré en los detalles de cómo crear un experimento, ya que es una historia para otro día, pero puedes consultar la documentación que Amplitude ofrece para esta función, en la que se describe todo: desde mensajes de la API hasta integraciones, notificaciones y precios.
Ahora imaginemos que has añadido una guía en vídeo como parte de la incorporación de tu producto, y quieres aumentar el número de personas que hacen clic para reproducirla y verla. Para ello, has diseñado dos soluciones donde el vídeo aparece en dos partes diferentes de la incorporación.
Para entender si tus soluciones funcionan (y cuál de ellas funciona mejor), podemos configurar un experimento, con un despliegue parcial del 25% para la variante A y un 25% para la variante B.
Cuando comenzamos este experimento y lo ejecutamos durante un tiempo para obtener datos de usuarios estadísticamente significativos, esto es lo que vemos.
El gráfico anterior es un embudo de conversión desde la visita a la página principal hasta el inicio de un video. Como podemos observar, la variante A es la ganadora y puede optimizar la conversión de inicio de video en un 3,4%.
Dependiendo de la situación, podrías considerar esto como un éxito o un fracaso. Para una tasa de conversión de apertura de video, diría que esto es un fracaso y no vale la pena el esfuerzo de desplegarlo para todos. Sin embargo, si el resultado de un experimento fuera un aumento del 3,4% en la retención, eso sería un éxito importante.
Ejemplo n.º 4: Monitorear la Salud del Producto
Los productos son organismos vivos que pueden estar saludables o enfermarse. Para asegurarte de que siempre estás al tanto de la salud de tu producto y eres capaz de identificar y solucionar cualquier problema, necesitarás monitorear el “latido” de tu producto en forma de un panel de salud del producto.
Como resultado de tu monitoreo, podrías notar caídas o picos en las métricas y KPIs principales del producto como WAU o "stickiness" que requieren investigación, o podrías ver que el compromiso de los usuarios está descendiendo gradualmente, señalando que tu producto necesita una actualización.
Por suerte, un tablero de salud del producto es algo que puedes crear fácilmente utilizando cualquier herramienta de inteligencia de negocios (por ejemplo, Mixpanel o Amplitude).
Seguimiento de Métricas Principales del Producto con Mixpanel
Los tableros en Mixpanel constan de múltiples informes relacionados que puedes disponer uno al lado del otro. Para un tablero de salud del producto, puedes considerar crear los siguientes informes:
- DAU, WAU o MAU para tu acción principal (por ejemplo, reproducir una canción en Spotify). Tu elección entre los tres depende de la frecuencia natural de la acción principal. Para la reproducción de canciones, será diaria, por lo que tu elección será DAU.
- Stickiness (DAU/WAU, WAU/MAU, etc.). Esto mostrará el porcentaje de usuarios que están comprometidos y regresan a tu producto.
- Registros a lo largo del tiempo y Conversiones gratuitas → pagas a lo largo del tiempo. Querrás mantener un seguimiento de estos dos y asegurarte de que estén creciendo gradualmente.
- Churn. Este es el número de usuarios que has perdido en un periodo de tiempo. Un aumento aquí debería preocuparte.
- Retención. Esto muestra el número de usuarios que se han quedado contigo después de una cantidad específica de tiempo (por ejemplo, 90 días).
Así es como se ve un tablero de salud del producto típico en Mixpanel.
Eres libre de añadir cualquier otro informe adicional a tu tablero si representan la salud de tu producto.
Ejemplo n.º 5: Tomar la Decisión de Liberar/No Liberar Cuando tu Equipo de QA Ha Encontrado un Problema Grave en la Versión
Una de las decisiones de producto más difíciles que tenemos que tomar es dar luz verde para lanzar la versión. Y es difícil porque las versiones casi nunca están libres de errores. Las cosas se complican aún más cuando encontramos un error que puede perjudicar la experiencia de tus clientes.
¿Pero por qué es complicado? Si tienes un error grave, entonces deberías arreglarlo antes de lanzar, ¿verdad? Bueno, imagina que descubres que a tu equipo le llevará otra semana solucionarlo y tu equipo de marketing ya ha hecho compromisos y preparaciones que serían dolorosas de romper.
En esta situación, tienes dos opciones:
- Dar luz verde a la versión y afrontar las consecuencias del error.
- Dar a tu equipo de marketing un argumento sólido de por qué deberían posponer el lanzamiento.
Ambas opciones parecen malas. Pero no te preocupes, ya que existe la posibilidad de que el error en cuestión tenga un impacto mucho menor de lo que imaginas y puedas lanzar la versión sin muchas consecuencias.
Para medir el impacto de un error, podemos utilizar datos de nuestra plataforma de analítica de producto.
Uso de Google Analytics para Calcular el Impacto de un Error
Imagina que tienes un error que está causando bloqueos ocasionales en tu aplicación móvil en Android 6.0.1, lo que rompe por completo el recorrido de tu cliente. Para entender el impacto de este error, necesitaremos saber el número de usuarios que tienen esta versión de Android.
Por suerte, además de los datos de uso, Google Analytics también es capaz de recopilar y almacenar datos sobre los aspectos técnicos de nuestros usuarios, como sus tipos de dispositivos, versiones del sistema operativo, tamaños de pantalla, etc.
Así que, si abrimos su informe de “Detalles técnicos” y seleccionamos la opción “SO con versión”, descubriremos que solo el 1,2% de toda la base de usuarios utiliza Android 6.0.1.
Aunque estos datos ya son un indicador para dar luz verde al lanzamiento, podemos ir un paso más allá y calcular también el impacto financiero potencial comprobando los ingresos que obtenemos de los usuarios de Android 6.0.1.
Si hacemos una comparación de los ingresos totales entre “todos los usuarios” y “usuarios de Android 6.0.1”, veremos lo siguiente.
Aparentemente, los usuarios que se enfrentarán a bloqueos tras el lanzamiento no generan ingresos para nosotros. Por lo tanto, no tendremos consecuencias financieras por lanzar la versión con el error. ¡Un punto a favor!
Ejemplo #6: Identificar Cohortes de Usuarios que Valen tu Esfuerzo de Marketing
No todos tus usuarios son iguales. Algunos de ellos serán heavy users que representan la mayor parte del uso de tu producto (así como la mayoría de tus ingresos), mientras que otros estarán inactivos, con poca esperanza de lograr que participen o generen ingresos.
Naturalmente, todos querrían identificar a los usuarios que pueden generarte más ingresos y centrar en ellos tus esfuerzos de marketing. Pero, ¿cómo hacerlo?
Pues bien, puedes aprovechar los datos analíticos de tu producto identificando diferentes cohortes de usuarios y comparando sus principales métricas de uso y monetización.
Análisis de cohortes con Amplitude
Las cohortes son grupos de usuarios que comparten una característica común. Puedes crear cohortes basadas en:
- Plataforma (por ejemplo, usuarios de Mac y Windows). Tuve un producto para el cual los usuarios de Mac tenían un LTV un 30% mayor en comparación con los de Windows.
- Geografía (por ejemplo, usuarios de Francia y Grecia). Dependiendo del producto, puede monetizar bien en ciertos países y ser menos rentable en otros.
- Fecha de registro (por ejemplo, usuarios que se registraron en noviembre o enero). Imagina que tu campaña de Black Friday fue un éxito rotundo. Apuntaste a las personas correctas y tu cohorte de noviembre tiene un LTV mucho mayor que el de otros meses.
- Comportamiento del usuario o uso de determinadas funciones (por ejemplo, usuarios que mezclan canciones y los que no lo hacen). Al crear una función, realmente deseas que sus usuarios tengan mejor engagement y LTV. De lo contrario, la función no fue un éxito y merece la pena deshacerse de ella.
Ahora, vamos a crear un par de cohortes en Amplitude y compararlas.
Imagina que quieres entender si merece la pena invertir en marketing para Japón. Podemos crear una cohorte en Amplitude para los usuarios japoneses de esta manera.
Luego, podemos comparar la frecuencia de las acciones de compra de los usuarios japoneses frente a la de los demás.
Como podemos ver, los usuarios japoneses realizan más compras que la media. Por lo tanto, merece la pena pedirle a tu equipo de marketing que apunte a Japón.
En resumen
La analítica de producto te facilita la vida como product manager permitiéndote tomar decisiones de diseño basadas en datos y no confiar únicamente en tu intuición y presentimientos.
Tomar decisiones informadas basadas en datos analíticos es estupendo, pero no deberías detenerte ahí. Algunas de las otras grandes herramientas que puedes utilizar para convertirte en un mejor product manager incluyen:
- Bucles de retroalimentación del cliente para asegurarte de que todos escuchen la voz de tus clientes.
- Wireframes de producto para iterar en tu diseño de manera rápida y sin complicaciones.
- PRDs para alinear a todos sobre los detalles de implementación de la funcionalidad, y más.
- Cursos de analítica de producto son recursos valiosos y de alto retorno para hacerte más efectivo en tu rol.
Además de leer estas guías, también puedes suscribirte a nuestro boletín y dejar que te enviemos un montón de recursos de gestión de productos directamente a tu correo electrónico.
