6 tosielämän esimerkkiä tuoteanalytiikan käytöstä

Dataohjattu tuotehallinta. Sitä nykyajan trendikkäät tyypit tekevät, eikö niin? Olet ehkä googlannut asian ja saanut selville, että ”dataohjattu” tarkoittaa tuoteanalytiikan laajamittaista käyttöä näiden tuotepäälliköiden päivittäisessä työssä.

Mutta kysymys kuuluu: mitä he tekevät analytiikkatiedoilla? Miten he hyödyntävät niitä käytännössä?

Onneksi olen koonnut sinulle kuusi tuoteanalytiikan käyttötapausta inspiraatioksi.

Mitä tuoteanalytiikka on ja miksi siitä pitäisi välittää?

Tuoteanalyysi on prosessi, jossa digitaalisesta tuotteestasi kerätään tietoja (kuten käyttäjien toiminnasta ja taloudesta), analysoidaan niitä ja tehdään havaintojen perusteella päivittäisiä sekä tuotestrategiaan liittyviä päätöksiä.

Tuoteanalytiikan käyttö parantaa merkittävästi tuotepäällikkönä tekemäsi päätöksenteon laatua, sillä pystyt tukemaan ja perustelemaan ideasi tai ratkaisusi datan avulla.

Määrällisenä tietona se täydentää myös asiakashaastatteluilla keräämääsi laadullista tietoa ja antaa sinulle kokonaiskuvan tuotteesi tilasta sekä asiakkaiden tai käyttäjien käyttäytymisestä.

Voit ottaa tuoteanalytiikan käyttöön tuotteessasi määrittämällä erityisen tuoteanalytiikkatyökalun, joka seuraa käyttäjiesi toimintaa ja lähettää sinulle raportteja käyttäjien vuorovaikutuksesta.

Nämä työkalut kokoavat sitten tuotteestasi keräämänsä käyttäjien toimintatiedot ja antavat sinun luoda mukautettuja raportteja löytääksesi vastauksia joihinkin tuotteesi käyttöä koskeviin kysymyksiin.

Nyt kun tiedämme, mitä tuoteanalytiikka tarkoittaa, voimme tutustua joihinkin tuoteanalyysin käytännön sovellustapauksiin.

Esimerkki 1: käyttöliittymän selkeyttäminen poistamalla ominaisuudet, joita kukaan ei käytä

Erinomaiset tuotteet eivät ole niitä, joissa on kilpailijoita enemmän ominaisuuksia. Itse asiassa tuotteet, joissa on liikaa ominaisuuksia, muuttuvat useimmiten käyttäjille vaikeasti navigoitaviksi ja tuotteen kehitystiimille mahdottomiksi ylläpitää.

Siksi erinomaiset tuotetiimit varmistavat, että heidän tuotteissaan on vain ominaisuuksia, jotka tuottavat käyttäjille arvoa. Tätä varten lisäät jatkuvasti uusia ominaisuuksia, joita uskot ihmisten käyttävän, ja poistat ne, jotka eivät enää ole arvokkaita.

Seuraava ilmeinen pulma on, miten valita poistamisen arvoiset ominaisuudet. Se on yksinkertaista: tarkista niiden käyttö tuoteanalytiikkatyökalulla!

Tapahtumapohjaisen Mixpanelin kaltaisen tuoteanalytiikkatyökalun käyttäminen selkeyttämiseen

Jotta voit seurata minkä tahansa ominaisuuden käyttöä, sinun on määritettävä sille tapahtuma ja käynnistettävä se aina, kun käyttäjä on vuorovaikutuksessa kyseisen ominaisuuden kanssa. Olettaen, että olet määrittänyt nämä tapahtumat mitattaville tuotteen ominaisuuksille, sinun tarvitsee vain luoda raportti kyseisen ominaisuuden käytöstä.

Havainnollistetaan tätä esimerkillä. Kuvittele, että johdat Spotifyta, monien meistä käyttämää musiikin suoratoistopalvelua, ja haluat selvittää, kannattaako sekoitustoiminnosta luopua.

Tätä varten luomme uuden analyysiraportin, joka näyttää tältä.

Tässä olemme valinneet tarkasteltavan ominaisuutemme – ”Sekoita” – sekä vertailukohteena olevan perusominaisuuden (yleensä tuotteesi ydintoiminto tai pohjantähti), johon haluamme verrata sitä – tässä tapauksessa ”Suoratoista kappale”. Molemmille olemme valinneet ”Laske DAU” -vaihtoehdon, joka näyttää meille päivittäin sekoitustoimintoa käyttäneiden ja kappaleita suoratoistaneiden yksittäisten käyttäjien määrän.

Lisäsimme sitten yksinkertaisen kaavan, joka laskee sekoitustoimintoa käyttäneiden kappaleiden suoratoistajien prosenttiosuuden.

Tätä kaaviota tarkastelemalla voimme tehdä kaksi tärkeää johtopäätöstä:

• Vain noin 0,5 % kaikista musiikin suoratoistajista käyttää sekoitustoimintoa.
• Sekoitustoiminnon käyttö on vähentynyt tasaisesti 1,3 prosentista 0,5 prosenttiin viimeisen kuukauden aikana.

Näiden käyttötilastojen perusteella voimme pitää sekoitustoimintoa varteenotettavana ehdokkaana poistettavaksi käyttöliittymämme selkeyttämiseksi.

Esimerkki nro 2: Käyttökokemusongelmien löytäminen ja korjaaminen, jotka rikkovat käyttöönoton tai AHA!-hetken kulkuja

Ensimmäisillä vaiheilla, jotka käyttäjäsi ottavat tuotteessasi, on suuri vaikutus heidän sitoutumiseensa ja asiakkuuden elinkaariarvoonsa. Ainakin näin olen nähnyt lukuisia kertoja johtamissani tuotteissa.

Kaikki parannukset prosessiin, jossa käyttäjät ottavat tuotteesi käyttöön ja saavuttavat AHA!-hetkensä, johtavat lopulta heidän sitoutumisensa paranemiseen.

Selvennyksenä: käyttäjät saavuttavat käyttöönottovaiheen, kun he ovat tehneet kaikki rekisteröitymisen yhteydessä tarvittavat määritykset (esimerkiksi antaneet luottokorttitietonsa ja vahvistaneet kortin maksusovelluksessa). AHA!-hetki on käyttäjän matkan vaihe, jossa hän kokee ensimmäisen kerran tuotteesi hyödyn ja arvon (esimerkiksi tekee välittömän siirron maksusovelluksellasi).

On yleensä melko tavallista, että käyttäjän matkalla ilmenee käyttökokemusongelmia, joiden seurauksena harvemmat käyttäjät saavuttavat käyttöönottovaiheen ja tottumusvaiheen. Hyvä uutinen on kuitenkin se, että voit löytää ne helposti analytiikkatyökalun tai tällaisten käyttökokemuksen lämpökarttojen avulla. Tämänkaltaisten tietojen avulla tiimit voivat selvittää, missä käyttäjät keskeyttävät, mitkä vaiheet aiheuttavat kitkaa ja miten konversiota voidaan parantaa.

Aiheeseen liittyvää luettavaa: 10 parasta käyttökokemuksen suunnittelutyökalua tuotekehittäjille

Tuoteanalytiikan suppiloiden käyttäminen Heapissa konversion ongelmien selvittämiseen

Yksi käytännöllisimmistä tavoista seurata ja selvittää käyttäjän matkoja (mukaan lukien ne, jotka johtavat käyttöönottovaiheeseen ja AHA!-hetkeen) on käyttää suppiloita. Suppilo on tiettyyn järjestykseen asetettu tapahtumaluettelo, jonka avulla voit nähdä käyttäjien siirtymisen yhdestä tapahtumasta toiseen.

Tässä on suppiloanalyysi yksinkertaisesta rekisteröitymissivusta, jolla on yksi sähköpostikenttä ja lähetyspainike.

Seuraamme rekisteröitymissivullamme käyttäjiä näiden tapahtumien osalta:

1. Rekisteröitymissivun katselu.
2. Käyttäjän sähköpostiosoitteen täyttäminen kenttään.
3. Lähetyspainikkeen napsauttaminen.

Kuten näemme, rekisteröitymissivulle siirtyi yli 1 200 käyttäjää. Heistä kuitenkin vain 17 % täytti sähköpostiosoitteensa, ja sähköpostiosoitteensa antaneista 90 % napsautti lähetyspainiketta.

Tämä suppilo kertoo, että sähköpostikentässä on jotain vialla ja meidän on selvitettävä, mistä tarkalleen on kyse.

Voimme joko tehdä käytettävyystestauksen rekisteröitymisnäkymällemme tai tarkastella Heapin istuntotallennetta, joka on reaaliaikainen videotallenne käyttäjän vuorovaikutuksesta tuotteesi kanssa.

Sähköpostikentän tapauksessa saatat huomata, että sähköpostiosoitteen vahvistaminen turhauttaa käyttäjiä ja että he luovuttavat yritettyään syöttää sähköpostiosoitteensa muutaman kerran.

Esimerkki nro 3: Ominaisuuden vaikutuksen mittaaminen asteittaisen käyttöönoton aikana

Kuinka monta kertaa olet lisännyt tuotteeseesi uuden hienon ominaisuuden, joka on ollut täysi epäonnistuminen (eli se ei ole parantanut käyttöä tai on jopa heikentänyt sitä)? Näin on tapahtunut ainakin pari kertaa jopa kaikkein taitavimmille tuotejohtajille.

Koska emme aina tiedä, onnistuuko rakentamamme ominaisuus vai epäonnistuuko se, on hyvä ottaa se käyttöön pienelle käyttäjäjoukolle ja tarkistaa, käyttävätkö he sitä (ja parantaako se keskeisiä mittareitasi, kuten sitoutumista tai asiakkuuden elinkaariarvoa). Jos ominaisuus osoittautuu onnistuneeksi, sen voi ottaa käyttöön kaikille muillekin.

Sekä asteittaisen käyttöönoton että vaikutuksen mittaamisen voi toteuttaa erikoistuneella tuoteanalytiikkaratkaisulla, joka sisältää olennaiset analytiikkaohjelmiston ominaisuudet, kuten Amplituden.

Kokeilujen määrittäminen ja suorittaminen edistyneellä tuoteanalytiikkaohjelmistolla, kuten Amplitudella

Amplitude sisältää edistyneen Experiments-nimisen toiminnallisuuden. Sen avulla voit joko suorittaa A/B-testejä tai ottaa ominaisuuksia käyttöön asteittain. En perehdy kokeilun luomisen yksityiskohtiin, sillä se on aihe toiselle päivälle, mutta voit tutustua dokumentaatioon, jossa Amplitude kuvaa ominaisuutensa kaikki osa-alueet API-viestinnästä integraatioihin, ilmoituksiin ja hinnoitteluun.

Kuvitellaan nyt, että olet lisännyt tuoteopastukseen video-oppaan ja haluat kasvattaa niiden ihmisten määrää, jotka napsauttavat toistopainiketta ja katsovat videon. Tätä varten olet suunnitellut kaksi ratkaisua, joissa video näkyy tuoteopastuksen kahdessa eri kohdassa.

Jotta ymmärtäisimme, toimivatko ratkaisusi (ja kumpi toimii paremmin), voimme määrittää kokeilun, jossa versio A otetaan osittain käyttöön 25 prosentille ja versio B 25 prosentille käyttäjistä.

Kun aloitamme tämän kokeilun ja suoritamme sitä jonkin aikaa saadaksemme tilastollisesti merkittävää käyttäjädataa, näemme seuraavaa.

Yllä oleva kaavio on konversiosuppilo kotisivukäynnistä videon käynnistämiseen. Kuten näemme, versio A on voittaja, ja se voi optimoida videon käynnistämisen konversiota 3,4 %.

Tilanteesta riippuen saatat pitää tätä joko onnistumisena tai epäonnistumisena. Jos kyse on videon avaamisen konversioasteesta, sanoisin, että tämä on epäonnistuminen eikä julkaisua kaikille kannata vaivautua tekemään. Jos kokeilun tuloksena olisi kuitenkin 3,4 %:n kasvu säilyvyydessä, se olisi merkittävä onnistuminen.

Esimerkki #4: Tuotteen terveyden seuranta

Tuotteet ovat eläviä organismeja, jotka voivat olla terveitä tai sairastua. Varmistaaksesi, että olet aina tietoinen tuotteesi terveydentilasta ja pystyt tunnistamaan ja korjaamaan siihen liittyvät ongelmat, sinun on seurattava tuotteesi “sydämenlyöntiä” tuotteen terveyttä kuvaavan koontinäytön muodossa.

Seurannan tuloksena saatat huomata keskeisissä tuotemittareissa ja KPI-mittareissa, kuten WAU:ssa tai tahmeudessa, tutkimista vaativia laskuja tai huippuja, tai saatat nähdä käyttäjien sitoutumisen vähitellen laskevan – mikä kertoo, että tuotteesi tarvitsee uudistamista.

Onneksi tuotteen terveyttä kuvaavan koontinäytön voi luoda helposti millä tahansa liiketoimintatiedon hallinnan työkalulla (esim. Mixpanelilla tai Amplitudella).

Keskeisten tuotemittareiden seuranta Mixpanelilla

Mixpanelin koontinäytöt koostuvat useista toisiinsa liittyvistä raporteista, jotka asetetaan rinnakkain. Tuotteen terveyttä kuvaavaa koontinäyttöä varten voit harkita seuraavien raporttien luomista:

• DAU, WAU tai MAU keskeiselle toiminnolle (esim. kappaleen suoratoisto Spotifyssa). Valintasi näiden kolmen välillä riippuu keskeisen toiminnon luonnollisesta toistuvuudesta. Kappaleiden suoratoisto tapahtuu päivittäin, joten valintasi on DAU.
• Tahmeus (DAU/WAU, WAU/MAU jne.). Tämä näyttää niiden sitoutuneiden käyttäjien prosenttiosuuden, jotka palaavat tuotteesi pariin.
• Rekisteröitymiset ajan mittaan ja Ilmaisesta maksulliseksi muuttavat käyttäjät ajan mittaan. Näitä kahta kannattaa seurata ja varmistaa, että ne kasvavat vähitellen.
• Asiakaspoistuma. Tämä on niiden käyttäjien määrä, jotka olet menettänyt tietyn ajanjakson aikana. Kasvun tässä pitäisi huolestuttaa sinua.
• Säilyvyys. Tämä näyttää niiden käyttäjien määrän, jotka ovat pysyneet kanssasi tietyn ajan kuluttua (esim. 90 päivän jälkeen).

Tältä tyypillinen tuotteen terveyttä kuvaava koontinäyttö näyttää Mixpanelissa.

Voit vapaasti lisätä koontinäyttöön muita raportteja, jos ne kuvaavat tuotteesi terveyttä.

Esimerkki #5: Julkaistaanko vai ei, kun laadunvarmistustiimi on löytänyt julkaisusta vakavan ongelman

Yksi vaikeimmista tuotepäätöksistä, joita joudumme tekemään, on antaa julkaisulle vihreää valoa. Se on vaikeaa, koska julkaisut eivät juuri koskaan ole täysin virheettömiä. Tilanne muuttuu vielä monimutkaisemmaksi, kun löydämme virheen, joka voi heikentää asiakaskokemustasi.

Mutta miksi tilanne on monimutkainen? Jos tuotteessa on ikävä virhe, se pitäisi ensin korjata ennen julkaisua, eikö niin? Kuvittele kuitenkin, että saat selville, että sen korjaamiseen kuluu tiimiltäsi vielä viikko ja markkinointitiimisi on jo tehnyt sitoumuksia ja valmisteluja, joiden peruuttaminen on tuskallista.

Tässä tilanteessa sinulla on kaksi vaihtoehtoa:

• Anna julkaisulle vihreää valoa ja kohtaa ikävän virheen seuraukset.
• Anna markkinointitiimillesi vahvat perustelut sille, miksi julkaisua pitäisi lykätä.

Molemmat vaihtoehdot vaikuttavat huonoilta. Älä kuitenkaan huolestu, sillä on mahdollista, että kyseisellä virheellä on paljon pienempi vaikutus kuin kuvittelit ja voit julkaista version ilman merkittäviä seurauksia.

Virheen vaikutusta voidaan mitata tuotteen analytiikka-alustan datan avulla.

Google Analyticsin käyttö virheen vaikutuksen laskemiseen

Oletetaan, että sinulla on virhe, joka aiheuttaa mobiilisovelluksesi satunnaisia kaatumisia Android 6.0.1 -käyttöjärjestelmässä ja rikkoo täysin asiakaspolkusi. Ymmärtääksemme tämän virheen vaikutukset meidän on tiedettävä, kuinka monella käyttäjällä on tämä Android-versio.

Onneksi Google Analytics pystyy käyttötietojen lisäksi keräämään ja tallentamaan tietoja käyttäjiemme teknisistä ominaisuuksista, kuten laitetyypeistä, käyttöjärjestelmäversioista, näytön koosta ja muusta vastaavasta.

Jos siis avaamme sen ”Tekniset tiedot” -raportin ja valitsemme ”Käyttöjärjestelmä ja versio” -vaihtoehdon, saamme selville, että vain 1,2 % koko käyttäjäkannasta käyttää Android 6.0.1 -versiota.

Vaikka nämä tiedot ovat jo osoitus siitä, että voimme antaa julkaisulle vihreää valoa, voimme mennä vielä askeleen pidemmälle ja laskea mahdolliset taloudelliset vaikutukset tarkistamalla Android 6.0.1 -käyttäjiltä saamamme tulot.

Jos vertaamme kaikkien käyttäjien ja ”Android 6.0.1 -käyttäjien” kokonaistuloja, näemme seuraavan tilanteen.

Näyttää siltä, että käyttäjät, jotka kohtaavat kaatumisia julkaisun jälkeen, eivät tuota meille lainkaan tuloja. Siksi virheen sisältävän version julkaisemisesta ei aiheudu meille taloudellisia seurauksia. Bonus!

Esimerkki 6: markkinointipanostusten arvoisten käyttäjäryhmien tunnistaminen

Kaikki käyttäjäsi eivät ole samanarvoisia. Jotkut heistä ovat tehokäyttäjiä, jotka muodostavat suurimman osan tuotteesi käytöstä (ja myös suurimman osan tuloistasi), kun taas toiset ovat passiivisia, eikä heidän sitouttamiseensa ja rahallistamiseensa juuri ole toivoa.

Haluaisit luonnollisesti tunnistaa käyttäjät, jotka voivat tuottaa sinulle eniten tuloja, ja keskittää markkinointipanostuksesi heihin. Mutta miten se onnistuu?

Voit hyödyntää tuotteesi analytiikkatietoja tunnistamalla erilaisia käyttäjäryhmiä ja vertaamalla niiden keskeisiä käyttö- ja rahallistamismittareita. 

Kohorttianalyysi Amplitudella

Kohortit ovat käyttäjäryhmiä, joilla on yhteinen ominaisuus. Voit luoda kohortteja seuraavien perusteiden mukaan:

• Alusta (esimerkiksi Mac- ja Windows-käyttäjät). Minulla oli tuote, jossa Mac-käyttäjien LTV oli 30 % korkeampi kuin Windows-käyttäjien.
• Maantieteellinen sijainti (esimerkiksi käyttäjät Ranskasta ja Kreikasta). Tuotteesta riippuen se voi rahallistaa hyvin tietyissä maissa ja suoriutua heikosti toisissa.
• Rekisteröitymispäivä (esimerkiksi marras- ja tammikuussa rekisteröityneet käyttäjät). Kuvittele, että mustan perjantain kampanjasi oli valtava menestys. Tavoitit oikeat ihmiset, ja marraskuun kohortin LTV on paljon korkeampi kuin muiden kuukausien.
• Käyttäjien toiminta tai tiettyjen ominaisuuksien käyttö (esimerkiksi kappaleita sekoittavat käyttäjät ja käyttäjät, jotka eivät tee niin). Ominaisuutta rakentaessasi haluat todella, että sen käyttäjät sitoutuvat paremmin ja että niiden LTV on korkeampi. Muussa tapauksessa ominaisuus ei ollut menestys, ja siitä kannattaa hankkiutua eroon.

Luodaan nyt pari kohorttia Amplitudessa ja verrataan niitä.

Oletetaan, että haluat selvittää, kannattaako Japaniin suunnattuun markkinointiin investoida. Voimme luoda japanilaisista käyttäjistä Amplitudessa kohortin seuraavasti.

Sen jälkeen voimme verrata japanilaisten käyttäjien ostotapahtumien tiheyttä kaikkiin muihin käyttäjiin.

Kuten näemme, japanilaiset käyttäjät tekevät ostoksia keskimääräistä enemmän. Siksi markkinointitiimiä kannattaa pyytää kohdentamaan markkinointia Japaniin.

Yhteenveto

Tuoteanalytiikka helpottaa elämääsi tuotejohtajana, koska sen avulla voit tehdä dataohjautuvaan suunnitteluun perustuvia päätöksiä sen sijaan, että luottaisit pelkästään intuitioosi ja vaistoosi.

Analytiikkatietoihin perustuvien perusteltujen päätösten tekeminen on hienoa, mutta siihen ei pidä pysähtyä. Muita erinomaisia työkaluja, joiden avulla voit kehittyä paremmaksi tuotejohtajaksi, ovat muun muassa:

• Asiakaspalautesilmukat, jotta kaikki kuulevat asiakkaidesi äänen.
• Tuotteen rautalankamallit, joiden avulla voit kehittää suunnitteluasi nopeasti ja vaivattomasti.
• PRD:t, jotta kaikki ovat samalla sivulla ominaisuuden toteutuksen yksityiskohdista, ja paljon muuta.
• Tuoteanalytiikan kurssit ovat arvokkaita ja korkean tuoton resursseja, joiden avulla voit tehostaa toimintaasi tehtävässäsi.

Näiden oppaiden lukemisen lisäksi voit myös tilata uutiskirjeemme ja antaa meidän toimittaa runsaasti tuotteenhallinnan hyödyllistä sisältöä suoraan sähköpostiisi!