6 esempi reali di analisi del prodotto in azione
Gestione prodotto basata sui dati. Ormai è quello che fanno tutti i "ragazzi alla moda", giusto? Forse hai cercato su Google e hai scoperto che essere "data-driven" significa usare in modo esteso la analisi del prodotto nel workflow quotidiano dei responsabili di prodotto.
Ma la domanda è: cosa fanno realmente con i dati di analisi? Come li usano nella vita reale?
Per fortuna, ho raccolto una lista di 6 casi d’uso di analisi del prodotto per ispirarti.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
Have an account? Log In
Che cosa sono le Product Analytics e perché dovresti interessartene?
L’analisi del prodotto è il processo di raccolta dei dati sul tuo prodotto digitale (inclusa l’attività degli utenti, i dati finanziari, ecc.), la relativa analisi e la presa di decisioni quotidiane e strategiche basate sui risultati rilevati.
L’uso dell’analisi del prodotto aumenta in modo significativo la qualità delle decisioni che prendi come responsabile di prodotto, perché puoi sostenere e dimostrare le tue idee o soluzioni basandoti sui dati.
Essendo dati quantitativi, questi vanno a integrare quelli qualitativi che hai raccolto con le interviste ai clienti, dandoti una visione completa dello stato del prodotto oltre che del comportamento del cliente o utente.
Puoi attivare l’analisi del prodotto per il tuo prodotto installando uno strumento specifico di analisi del prodotto che monitora l’attività degli utenti e ti invia report sulle loro interazioni.
Questi strumenti aggregano poi i dati delle azioni degli utenti raccolti dal tuo prodotto e ti consentono di costruire report personalizzati per trovare risposte a domande sull’utilizzo del prodotto.
Ora che sappiamo di cosa trattano le product analytics, iniziamo a esplorare alcuni casi pratici di applicazione dell’analisi prodotto.
Esempio #1: Semplificare la tua interfaccia eliminando le funzionalità inutilizzate
I migliori prodotti non sono quelli che hanno più funzionalità dei concorrenti. Infatti, la maggior parte delle volte, i prodotti con troppe funzionalità diventano difficili da navigare per gli utenti e impossibili da mantenere per il team di sviluppo.
Per questo motivo, i migliori team di prodotto si assicurano che il loro prodotto contenga solo funzionalità che aggiungono valore per gli utenti. Per ottenere questo risultato, aggiungerai sempre nuove funzioni che pensi possano essere usate dalle persone e ti libererai di quelle che non sono più rilevanti.
Il prossimo dilemma evidente è come scegliere le funzionalità da rimuovere. È semplice: controllane l’utilizzo con uno strumento di analisi del prodotto!
Utilizzare uno strumento di analisi del prodotto basato su eventi come Mixpanel per la semplificazione
Per poter tracciare l’utilizzo di una funzionalità, dovrai impostare un evento per essa e farlo scattare ogni volta che l’utente interagisce con quella funzione. Supponendo di avere impostato questi eventi per le funzioni che vuoi misurare, tutto quello che dovrai fare sarà creare un report sull’utilizzo della funzionalità in questione.
Illustriamolo con un esempio. Immagina di essere a capo di Spotify, il noto servizio di streaming musicale, e di voler capire se valga la pena eliminare la funzione shuffle.
Per questo, creeremo un nuovo report Insights che si presenterà così.
Qui abbiamo selezionato la funzione in questione – “Shuffle” – insieme alla funzionalità di riferimento (di solito l’azione principale o la stella polare del prodotto) con cui desideriamo confrontarla — in questo caso, “Riproduci una canzone”. Per entrambe, abbiamo selezionato l’opzione “Count DAU” per visualizzare il numero di utenti unici che utilizzano shuffle e che ascoltano musica ogni giorno.
Abbiamo poi aggiunto una semplice formula che calcola la percentuale di chi ascolta musica che ha usato la funzione shuffle.
Guardando questo grafico possiamo giungere a 2 conclusioni importanti:
- Poco meno dello 0,5% di tutti i fruitori musicali utilizza la funzionalità shuffle.
- L’utilizzo della funzione shuffle è diminuito costantemente dallo 1,3% allo 0,5% nell’ultimo mese.
In base a queste statistiche di utilizzo, possiamo considerare Shuffle un candidato valido da rimuovere per snellire la nostra interfaccia utente.
Esempio n.2: Individuare e Correggere i Problemi di Esperienza Utente che Compromettono la Configurazione o i Flussi del Momento AHA!
I primi passi che i tuoi utenti compiono all’interno del tuo prodotto avranno un impatto forte sulla loro fidelizzazione e sul loro valore nel tempo. Almeno, questa è l’esperienza che ho visto accadere molte volte nei prodotti di cui sono stato responsabile.
Ogni miglioramento nel processo in cui gli utenti configurano il tuo prodotto e raggiungono il loro momento AHA! si tradurrà, alla fine, in un livello superiore di fidelizzazione.
Per chiarezza, gli utenti raggiungono il loro momento di configurazione quando hanno effettuato tutte le impostazioni necessarie nella fase di registrazione (ad esempio fornendo i dati della carta di credito e verificandoli su un’app di pagamento). Il momento AHA! è il punto del percorso utente in cui sperimentano per la prima volta il beneficio e il valore del tuo prodotto (ad esempio eseguendo un trasferimento istantaneo con la tua app di pagamenti).
È abbastanza comune che si presentino problemi di esperienza prodotto durante il percorso, con il risultato che meno persone arrivano alla configurazione e ai momenti di formazione dell’abitudine. Ma la buona notizia è che puoi facilmente trovarli con uno strumento di analisi o con una heatmap UX come queste. Con questi dati, i team possono trovare dove gli utenti abbandonano, quali passaggi causano attrito e come migliorare la conversione.
Articolo correlato: 10 migliori tool UX Design per sviluppatori di prodotto
Come Utilizzare i Funnel di Product Analytics in Heap per Risolvere i Problemi di Conversione
Uno dei modi più pratici per tracciare e analizzare i percorsi utente (compresi quelli che portano alla configurazione e al momento AHA!) sono i funnel. Un funnel è un elenco di eventi posti in un ordine specifico in cui puoi vedere la conversione degli utenti da un evento all’altro.
Ecco come si presenta un’analisi a funnel per una semplice pagina di registrazione dove hai un solo campo email e un pulsante Invia.
Per la nostra pagina di registrazione, tracciamo gli utenti per questi eventi:
- Visualizzazione della pagina di registrazione.
- Compilazione dell’email dell’utente nel campo.
- Clic sul pulsante Invia.
Come possiamo vedere, oltre 1.200 utenti sono entrati nella pagina di registrazione. Tuttavia, solo il 17% di questi ha compilato l’email e il 90% di chi ha inserito l’email ha cliccato sul pulsante Invia.
Questo funnel ci indica che c’è qualcosa che non va nel campo email e dobbiamo indagare per capire di preciso cosa sia.
Per questo, possiamo effettuare test di usabilità della schermata di registrazione o visualizzare il session replay di Heap, che è la registrazione video in tempo reale dell’interazione dell’utente con il prodotto.
Nel caso del campo email, potresti scoprire che la validazione dell’email è frustrante e che gli utenti si arrendono dopo qualche tentativo di inserire la loro email.
Esempio n.3: Misurare l’Impatto delle Funzionalità Durante un Rilascio Graduale
Quante volte hai aggiunto una nuova funzione brillante al tuo prodotto, che si è poi rivelata un fallimento totale (cioè, non ha migliorato l’utilizzo, o addirittura lo ha peggiorato)? È capitato almeno un paio di volte anche ai PM più talentuosi.
Dato che non possiamo sempre sapere se la funzione che abbiamo realizzato avrà successo o meno, è una buona pratica rilasciarla prima a un piccolo gruppo di utenti, verificare se la utilizzano (e se migliora i tuoi indicatori chiave come retention o lifetime value)—poi, supponendo che abbia avuto successo, rilasciarla a tutti gli altri.
Puoi eseguire sia il rilascio graduale sia la misurazione dell’impatto con una soluzione di product analytics specializzata che includa funzionalità analitiche essenziali come Amplitude.
Impostare ed Eseguire Esperimenti con Product Analytics Avanzato come Amplitude
Amplitude offre una funzionalità avanzata chiamata Experiments. Puoi usarla per condurre test A/B oppure per eseguire rollout graduali di funzionalità. Non entrerò nei dettagli sulla creazione di un esperimento, visto che merita un approfondimento a parte, ma puoi consultare la documentazione che Amplitude mette a disposizione, dove viene spiegato tutto – dall’integrazione API alle notifiche, alle modalità di pricing.
Ipotizziamo ora che tu abbia aggiunto una guida video durante l’onboarding del prodotto e vuoi aumentare il numero di persone che cliccano su play e la guardano. Per questo, hai progettato due soluzioni con il video che appare in due diverse parti dell’onboarding.
Per capire se le soluzioni funzionano (e quale funziona meglio), possiamo impostare un esperimento, con rollout parziale del 25% per la variante A e 25% per la variante B.
Quando avviamo questo esperimento e lo lasciamo funzionare per un po' di tempo per ottenere dati utenti statisticamente significativi, questo è ciò che vediamo.
Il grafico sopra mostra un funnel di conversione dalla visita alla homepage all'avvio di un video. Come si può vedere, la variante A è la vincente e può ottimizzare la conversione dell'avvio video del 3,4%.
A seconda della situazione, potresti considerare questo risultato un successo o un fallimento. Per un tasso di conversione di apertura video, direi che è un fallimento e non vale la pena distribuirlo a tutti. Ma se il risultato di un esperimento fosse stato un aumento della retention del 3,4%, quello sarebbe stato un successo significativo.
Esempio n.4: Monitorare la Salute del Prodotto
I prodotti sono organismi viventi che possono sentirsi bene o "ammalarsi". Per assicurarti di essere sempre consapevole della salute del tuo prodotto e di riuscire a identificare e risolvere eventuali problemi, dovrai monitorare il “battito cardiaco” del tuo prodotto attraverso una dashboard sulla salute del prodotto.
Come risultato del monitoraggio, potresti notare cali o picchi nei principali indicatori e KPI come WAU o stickiness che meritano approfondimenti, oppure potresti notare che l’engagement degli utenti cala progressivamente, segnalando che il tuo prodotto necessita di un rinnovamento.
Fortunatamente, una dashboard sulla salute del prodotto è qualcosa che puoi realizzare facilmente usando qualsiasi strumento di business intelligence (ad es. Mixpanel o Amplitude).
Monitoraggio delle Metriche Chiave di Prodotto con Mixpanel
Le dashboard in Mixpanel sono composte da più report correlati che puoi posizionare uno accanto all'altro. Per una dashboard sulla salute del prodotto, puoi considerare di creare i seguenti report:
- DAU, WAU o MAU per la tua azione principale (es. ascolto di una canzone per Spotify). La scelta tra i tre dipende dalla frequenza naturale dell’azione principale. Per lo streaming musicale sarà giornaliera, quindi la scelta ricadrà sui DAU.
- Stickiness (DAU/WAU, WAU/MAU, ecc.). Questo mostra la percentuale di utenti coinvolti che tornano a utilizzare il prodotto.
- Iscrizioni nel tempo e Conversioni da Free → Paid nel tempo. Devi monitorare questi due valori e assicurarti che crescano gradualmente.
- Churn. È il numero di utenti che hai perso in un dato periodo. Un aumento deve preoccuparti.
- Retention. Indica il numero di utenti che sono rimasti dopo un periodo specifico (es. 90 giorni).
Ecco come appare una tipica dashboard sulla salute del prodotto in Mixpanel.
Se vuoi, puoi aggiungere altri report aggiuntivi alla dashboard se rappresentano lo stato di salute del tuo prodotto.
Esempio n.5: Prendere una Decisione Ship/Don’t Ship Quando il Team QA Ha Trovato un Grave Problema su una Release
Una delle decisioni di prodotto più difficili da prendere è quella di dare il via libera ad una release. Ed è complicato perché le release non sono quasi mai prive di bug. La situazione si complica ulteriormente quando troviamo un bug in grado di compromettere la customer experience.
Ma perché è complicato? Se hai un brutto bug, dovresti prima correggerlo e poi rilasciarlo, giusto? Immagina però di scoprire che al tuo team servirà un'altra settimana per risolverlo e che il team marketing ha già preso impegni e fatto preparativi difficili da rimandare.
In questa situazione hai due opzioni:
- Dare il via libera al rilascio e affrontare le conseguenze del brutto bug.
- Dare al team marketing una motivazione solida per posticipare il lancio.
Entrambe le opzioni sembrano negative. Ma non preoccuparti, perché c’è la possibilità che quel bug abbia un impatto molto minore rispetto a quanto immaginato e che tu possa procedere al rilascio senza troppe conseguenze.
Per valutare l’impatto di un bug, possiamo utilizzare i dati delle nostre piattaforme di product analytics.
Utilizzare Google Analytics per Calcolare l’Impatto di un Bug
Immagina di avere un bug che causa crash occasionali nella tua app mobile su Android 6.0.1, interrompendo completamente il percorso del cliente. Per comprendere l’impatto di questo bug, dobbiamo sapere quanti utenti utilizzano questa versione di Android.
Fortunatamente, oltre ai dati di utilizzo, Google Analytics è anche in grado di raccogliere e memorizzare dati sugli aspetti tecnici dei nostri utenti, come i tipi di dispositivo, le versioni del sistema operativo, le dimensioni dello schermo, ecc.
Quindi, se apriamo il report “Dettagli tecnici” e selezioniamo l’opzione “SO con versione”, scopriamo che solo l’1,2% dell’intera base utenti utilizza Android 6.0.1.
Sebbene questo dato sia già un indicatore per dare il via libera al rilascio, possiamo fare un passo in più e calcolare anche il potenziale impatto economico verificando i ricavi provenienti dagli utenti Android 6.0.1.
Se confrontiamo il ricavo totale tra “tutti gli utenti” e “utenti Android 6.0.1”, vedremo quanto segue.
A quanto pare, gli utenti che si troveranno di fronte ai crash dopo il rilascio non ci generano alcun ricavo. Pertanto, non subiremo conseguenze economiche rilasciando la versione con il bug. Bonus!
Esempio n.6: Identificare i gruppi di utenti che meritano i tuoi sforzi di marketing
Non tutti i tuoi utenti sono uguali. Alcuni saranno utenti forti che rappresentano la maggior parte dell’utilizzo del tuo prodotto (oltre alla maggior parte dei tuoi ricavi), mentre altri saranno inattivi con poche speranze di coinvolgimento e monetizzazione.
Naturalmente, vorresti identificare gli utenti che possono generarti maggiori entrate e concentrare su di loro i tuoi sforzi di marketing. Ma come si fa?
Bene, puoi sfruttare i dati di product analytics identificando diversi gruppi (cohort) di utenti e confrontando i loro principali indicatori di utilizzo e di monetizzazione.
Analisi delle coorti con Amplitude
Le coorti sono gruppi di utenti che hanno una caratteristica comune. È possibile creare coorti in base a:
- Piattaforma (es. utenti Mac e Windows). Avevo un prodotto per cui gli utenti Mac avevano un LTV superiore del 30% rispetto agli utenti Windows.
- Geografia (es. utenti provenienti da Francia e Grecia). A seconda del prodotto, potrebbe monetizzarsi bene in alcuni paesi e sotto-performare in altri.
- Data di iscrizione (es. utenti iscritti a novembre e gennaio). Immagina che la tua campagna di Black Friday sia stata un successo straordinario. Hai raggiunto le persone giuste e la tua coorte di novembre ha un LTV molto superiore rispetto agli altri mesi.
- Comportamento degli utenti o utilizzo di determinate funzionalità (ad esempio utenti che mescolano canzoni e quelli che non lo fanno). Quando costruisci una funzione, vuoi davvero che chi la usa abbia più coinvolgimento e LTV. In caso contrario, la funzione non è stata un successo e conviene eliminarla.
Ora creiamo un paio di coorti in Amplitude e confrontiamole.
Immagina di voler capire se conviene investire in marketing in Giappone. Possiamo creare una coorte in Amplitude per gli utenti giapponesi in questo modo.
Poi possiamo confrontare la frequenza delle azioni di acquisto degli utenti giapponesi rispetto a tutti gli altri.
Come possiamo vedere, gli utenti giapponesi effettuano più acquisti rispetto alla media. Perciò vale la pena chiedere al tuo team marketing di puntare sul Giappone.
In sintesi
La product analytics rende la tua vita più semplice come product manager, consentendoti di prendere decisioni di design guidato dai dati senza affidarti solo all’intuizione e al sentimento.
Prendere decisioni informate basandosi sui dati di analytics è fondamentale, ma non ci si dovrebbe fermare a questo. Alcuni degli altri strumenti migliori che puoi utilizzare per diventare un product manager più efficiente includono:
- Cicli di feedback dei clienti per assicurarsi che tutti ascoltino la voce dei tuoi clienti.
- Wireframe di prodotto per iterare rapidamente sul tuo design e senza complicazioni.
- PRD per allineare tutti sui dettagli di implementazione della funzionalità, e altro ancora.
- Corsi di analytics di prodotto sono risorse preziose e ad alto ROI per renderti più efficace nel tuo ruolo.
Oltre a leggere queste guide, puoi anche iscriverti alla nostra newsletter e ricevere tanti contenuti utili sul product management direttamente nella tua casella di posta!