Zarządzanie produktem oparte na danych. Tak właśnie robią dziś fajni ludzie, prawda? Być może wyszukałeś informacje na ten temat i dowiedziałeś się, że bycie „opartym na danych” wiąże się z szerokim wykorzystaniem analityki produktu w codziennej pracy tych menedżerów produktu.
Ale pytanie brzmi: co robią z danymi analitycznymi? Jak wykorzystują je w praktyce?
Na szczęście przygotowałem listę 6 przypadków zastosowania analityki produktu, aby dostarczyć Ci inspiracji.
Czym jest analityka produktu i dlaczego powinno Cię to obchodzić?
Analiza produktu to proces gromadzenia danych na temat produktu cyfrowego (w tym aktywności użytkowników, danych finansowych itd.), analizowania ich oraz podejmowania na ich podstawie codziennych decyzji i decyzji dotyczących strategii produktu.
Wykorzystanie analityki produktu znacząco podnosi jakość decyzji podejmowanych przez Ciebie jako menedżera produktu, ponieważ możesz wspierać i potwierdzać swoje pomysły lub rozwiązania za pomocą danych.
Jako dane ilościowe uzupełniają one również dane jakościowe zgromadzone podczas wywiadów z klientami, zapewniając Ci pełny obraz stanu produktu, a także zachowań klientów lub użytkowników.
Możesz włączyć analitykę produktu dla swojego produktu, konfigurując wyspecjalizowane narzędzie do analityki produktu, które monitoruje aktywność użytkowników i wysyła Ci raporty dotyczące interakcji użytkowników.
Narzędzia te następnie agregują dane o działaniach użytkowników zebrane z Twojego produktu i pozwalają tworzyć niestandardowe raporty, aby znaleźć odpowiedzi na niektóre pytania dotyczące korzystania z produktu.
Skoro wiemy już, czym jest analityka produktu, zacznijmy omawiać praktyczne przypadki zastosowania analizy produktu.
Przykład nr 1: Uporządkowanie interfejsu użytkownika poprzez usunięcie nieużywanych funkcji
Świetne produkty to nie te, które mają więcej funkcji niż ich konkurenci. W rzeczywistości produkty z nadmierną liczbą funkcji najczęściej stają się trudne w obsłudze dla użytkowników i niemożliwe do utrzymania przez zespół zajmujący się rozwojem produktu.
Dlatego świetne zespoły produktowe dbają o to, aby ich produkty zawierały wyłącznie funkcje, które dostarczają wartości użytkownikom. Aby to osiągnąć, będziesz stale dodawać nowe funkcje, z których — jak sądzisz — ludzie będą korzystać, i usuwać te, które nie mają już wartości.
Kolejny oczywisty dylemat to wybór funkcji, które warto usunąć. To proste — sprawdź ich wykorzystanie za pomocą narzędzia do analityki produktu!
Wykorzystanie opartego na zdarzeniach narzędzia do analityki produktu, takiego jak Mixpanel, do uporządkowania interfejsu
Aby móc śledzić wykorzystanie dowolnej funkcji, musisz skonfigurować dla niej zdarzenie i wywoływać je za każdym razem, gdy użytkownik wchodzi w interakcję z tą funkcją. Zakładając, że skonfigurowałeś te zdarzenia dla funkcji produktu, które chcesz mierzyć, wystarczy utworzyć raport dotyczący wykorzystania tej funkcji.
Zilustrujmy to przykładem. Wyobraź sobie, że kierujesz Spotify, usługą strumieniowego przesyłania muzyki, z której korzysta wielu z nas, i chcesz zrozumieć, czy warto pozbyć się funkcji odtwarzania losowego.
W tym celu utworzymy nowy raport „Wnioski”, który wygląda tak.
W tym miejscu wybraliśmy interesującą nas funkcję — „Odtwarzanie losowe” — wraz z funkcją bazową (zwykle jest to podstawowe działanie produktu lub Gwiazda Północna), z którą chcemy ją porównać — w tym przypadku „Odtwórz utwór”. Dla obu wybraliśmy opcję „Liczba DAU”, aby wyświetlić liczbę unikalnych użytkowników, którzy codziennie korzystają z odtwarzania losowego i strumieniowego odtwarzania utworów.
Następnie dodaliśmy prosty wzór, który oblicza odsetek osób odtwarzających utwory strumieniowo, które korzystały z funkcji odtwarzania losowego.
Analizując ten wykres, możemy wyciągnąć 2 ważne wnioski:
- Z funkcji odtwarzania losowego korzysta zaledwie 0,5% wszystkich osób odtwarzających muzykę strumieniowo.
- Wykorzystanie funkcji odtwarzania losowego systematycznie spadało w ciągu ostatniego miesiąca — z 1,3% do 0,5%.
Na podstawie tych statystyk wykorzystania możemy uznać funkcję Odtwarzania losowego za dobrego kandydata do usunięcia w celu uporządkowania naszego interfejsu.
Have an account? Log In
Przykład nr 2: Znajdowanie i naprawianie problemów z doświadczeniem użytkownika, które zakłócają konfigurację produktu lub ścieżki prowadzące do momentu AHA!
Pierwsze kroki podejmowane przez użytkowników w Twoim produkcie będą miały silny wpływ na ich utrzymanie i wartość w całym cyklu życia. Przynajmniej tak wynika z moich wielokrotnych obserwacji dotyczących produktów, za które odpowiadałem.
Każde usprawnienie procesu konfiguracji produktu przez użytkowników i doprowadzania ich do momentu AHA! ostatecznie przełoży się na wyższy poziom ich utrzymania.
Dla jasności: użytkownicy osiągają moment konfiguracji, gdy wykonają wszystkie niezbędne czynności podczas rejestracji (np. podadzą dane karty kredytowej i zweryfikują ją w aplikacji płatniczej). Moment AHA! to punkt na ścieżce użytkownika, w którym po raz pierwszy doświadcza on korzyści i wartości Twojego produktu (np. wykonując natychmiastowy przelew za pomocą aplikacji płatniczej).
Problemy z doświadczeniem produktu na ścieżce użytkownika, które skutkują tym, że mniej osób dociera do momentu konfiguracji i wyrobienia nawyku, są zazwyczaj dość powszechne. Dobra wiadomość jest jednak taka, że można je łatwo znaleźć za pomocą narzędzia analitycznego lub map cieplnych UX, takich jak te. Dzięki tego rodzaju danym zespoły mogą ustalić, gdzie użytkownicy rezygnują, które kroki powodują tarcia oraz jak poprawić konwersję.
Powiązany artykuł: 10 najlepszych narzędzi do projektowania UX dla twórców produktów
Jak korzystać z lejków analityki produktu w Heap do rozwiązywania problemów z konwersją
Jednym z najbardziej praktycznych sposobów śledzenia ścieżek i rozwiązywania problemów z nimi (w tym tych, które prowadzą do momentu konfiguracji i momentu AHA!) są lejki. Lejek to lista zdarzeń ułożonych w określonej kolejności, w której można obserwować konwersję użytkowników z jednego zdarzenia na kolejne.
Tak wygląda analiza lejka dla podstawowej strony rejestracji, na której znajduje się jedno pole adresu e-mail i przycisk przesyłania.
Na naszej stronie rejestracji śledzimy użytkowników w przypadku następujących zdarzeń:
- Wyświetlenie strony rejestracji.
- Wpisanie adresu e-mail użytkownika w polu.
- Kliknięcie przycisku przesyłania.
Jak widzimy, stronę rejestracji odwiedziło ponad 1200 użytkowników. Jednak tylko 17% z tych 1200 osób wpisało swój adres e-mail, a 90% użytkowników, którzy podali adres e-mail, kliknęło przycisk przesyłania.
Ten lejek mówi nam, że z polem adresu e-mail jest coś nie tak i musimy sprawdzić, na czym dokładnie polega problem.
W tym celu możemy przeprowadzić testy użyteczności ekranu rejestracji lub wyświetlić nagranie sesji w Heap, czyli nagranie wideo interakcji użytkownika z produktem w czasie rzeczywistym.
W przypadku pola adresu e-mail możesz odkryć, że jego walidacja jest frustrująca, a użytkownicy rezygnują po kilku próbach wpisania adresu.
Przykład nr 3: Pomiar wpływu funkcji podczas stopniowego wdrażania
Ile razy dodawałeś do swojego produktu nową, atrakcyjną funkcję, która okazała się całkowitą porażką (czyli nie poprawiła wykorzystania produktu, a nawet mu zaszkodziła)? Zdarzyło się to przynajmniej kilka razy nawet najbardziej utalentowanym PM-om.
Ponieważ nie zawsze wiemy, czy zbudowana przez nas funkcja odniesie sukces, czy poniesie porażkę, dobrym pomysłem jest wdrożenie jej niewielkiej liczbie użytkowników, sprawdzenie, czy z niej korzystają (i czy poprawia kluczowe wskaźniki, takie jak utrzymanie lub wartość w całym cyklu życia), a następnie — zakładając, że odniosła sukces — udostępnienie jej wszystkim pozostałym.
Stopniowe wdrażanie i pomiar wpływu można przeprowadzić za pomocą specjalistycznego rozwiązania do analityki produktu, które obejmuje niezbędne funkcje oprogramowania analitycznego, takiego jak Amplitude.
Konfigurowanie i przeprowadzanie eksperymentów za pomocą zaawansowanego oprogramowania do analityki produktu, takiego jak Amplitude
Amplitude oferuje zaawansowaną funkcję o nazwie Experiments. Możesz jej używać do przeprowadzania testów A/B lub stopniowego wdrażania funkcji. Nie będę omawiać szczegółów tworzenia eksperymentu, ponieważ jest to temat na inny dzień, ale możesz zapoznać się z dokumentacją funkcji Amplitude, która opisuje wszystko — od komunikatów API po integracje, powiadomienia i ceny.
Wyobraźmy sobie teraz, że w ramach wdrażania użytkowników do produktu dodano przewodnik wideo i chcesz zwiększyć liczbę osób, które klikają przycisk odtwarzania i oglądają materiał. W tym celu opracowano dwa rozwiązania, w których wideo pojawia się w dwóch różnych częściach procesu wdrażania.
Aby sprawdzić, czy nasze rozwiązania działają (i które z nich działa lepiej), możemy skonfigurować eksperyment z częściowym wdrożeniem obejmującym 25% użytkowników dla wariantu A i 25% użytkowników dla wariantu B.
Gdy rozpoczynamy ten eksperyment i prowadzimy go przez jakiś czas, aby uzyskać statystycznie istotne dane o użytkownikach, widzimy następujący obraz.
Powyższy wykres przedstawia lejek konwersji od wizyty na stronie głównej do rozpoczęcia odtwarzania filmu. Jak widzimy, wariant A jest zwycięzcą i może zwiększyć konwersję rozpoczęcia odtwarzania filmu o 3,4%.
W zależności od sytuacji możesz uznać to zarówno za sukces, jak i za porażkę. W przypadku współczynnika konwersji otwarcia filmu powiedziałbym, że jest to porażka i nie warto zadawać sobie trudu z wdrażaniem tego rozwiązania dla wszystkich. Jeśli jednak wynikiem eksperymentu byłby wzrost retencji o 3,4%, byłby to znaczący sukces.
Przykład nr 4: Monitorowanie kondycji produktu
Produkty są żywymi organizmami, które mogą czuć się dobrze lub „zachorować”. Aby mieć pewność, że zawsze wiesz, w jakiej kondycji znajduje się Twój produkt, oraz że potrafisz zidentyfikować i naprawić wszelkie problemy, musisz monitorować „tętno” produktu w formie pulpitu kondycji produktu.
W wyniku monitorowania możesz zauważyć spadki lub wzrosty podstawowych wskaźników produktu i KPI, takich jak WAU lub lepkość, które wymagają zbadania, albo możesz dostrzec, że zaangażowanie użytkowników stopniowo spada — co sygnalizuje, że Twój produkt wymaga odświeżenia.
Na szczęście pulpit kondycji produktu można z łatwością utworzyć za pomocą dowolnego narzędzia analityki biznesowej (np. Mixpanel lub Amplitude).
Śledzenie podstawowych wskaźników produktu za pomocą Mixpanel
Pulpity w Mixpanel składają się z wielu powiązanych raportów umieszczonych obok siebie. W przypadku pulpitu kondycji produktu możesz rozważyć utworzenie następujących raportów:
- DAU, WAU lub MAU dla podstawowego działania (np. odtwarzania utworu w Spotify). Wybór spośród tych trzech wskaźników zależy od naturalnej częstotliwości podstawowego działania. W przypadku odtwarzania utworów będzie to częstotliwość dzienna, dlatego wybierzesz DAU.
- Lepkość (DAU/WAU, WAU/MAU itp.). Pokaże ona odsetek użytkowników, którzy są zaangażowani i wracają do Twojego produktu.
- Rejestracje w czasie oraz konwersje z bezpłatnych na płatne w czasie. Chcesz obserwować te dwa wskaźniki i upewnić się, że stopniowo rosną.
- Odpływ. Jest to liczba użytkowników, których utraciłeś w danym okresie. Wzrost tego wskaźnika powinien Cię zaniepokoić.
- Retencja. Pokazuje ona liczbę użytkowników, którzy pozostali z Tobą po określonym czasie (np. 90 dniach).
Tak będzie wyglądał typowy pulpit kondycji produktu w Mixpanel.
Możesz dodać do pulpitu dowolne inne raporty, jeśli odzwierciedlają one kondycję Twojego produktu.
Przykład nr 5: Podjęcie decyzji o wdrożeniu lub niewdrażaniu, gdy zespół kontroli jakości znalazł poważny problem w wydaniu
Jedną z trudniejszych decyzji dotyczących produktu, jakie musimy podejmować, jest wyrażenie zgody na wdrożenie wydania. Jest to trudne, ponieważ wydania niemal nigdy nie są całkowicie wolne od błędów. Sytuacja staje się jeszcze bardziej skomplikowana, gdy znajdziemy błąd, który może negatywnie wpłynąć na doświadczenia klienta.
Ale dlaczego jest to skomplikowane? Jeśli masz poważny błąd, powinieneś najpierw go naprawić, a dopiero potem wydać produkt, prawda? Wyobraź sobie jednak, że dowiadujesz się, iż naprawa zajmie Twojemu zespołowi kolejny tydzień, a zespół marketingowy zdążył już podjąć zobowiązania i przygotowania, z których trudno się wycofać.
W tej sytuacji masz dwie możliwości:
- Dać zielone światło wydaniu i zmierzyć się z konsekwencjami poważnego błędu.
- Przedstawić zespołowi marketingowemu mocny argument, dlaczego powinien przełożyć premierę.
Obie możliwości wyglądają źle. Nie martw się jednak, ponieważ istnieje szansa, że dany błąd będzie miał znacznie mniejszy wpływ, niż zakładałeś, i możesz wdrożyć wydanie bez większych konsekwencji.
Aby zmierzyć wpływ błędu, możemy wykorzystać dane z naszej platformy analityki produktu.
Korzystanie z Google Analytics do obliczania wpływu błędu
Wyobraź sobie, że masz błąd powodujący sporadyczne awarie Twojej aplikacji mobilnej na Androidzie 6.0.1, który całkowicie zakłóca ścieżkę klienta. Aby zrozumieć wpływ tego błędu, musimy znać liczbę użytkowników korzystających z tej wersji Androida.
Na szczęście oprócz danych dotyczących użytkowania Google Analytics potrafi również gromadzić i przechowywać dane na temat technicznych aspektów naszych użytkowników, takich jak typy urządzeń, wersje systemu operacyjnego, rozmiary ekranów itp.
Jeśli więc otworzymy raport „Szczegóły techniczne” i wybierzemy opcję „System operacyjny z wersją”, dowiemy się, że zaledwie 1,2% całej bazy użytkowników korzysta z Androida 6.0.1.
Chociaż te dane już wskazują, że możemy wyrazić zgodę na wydanie wersji, możemy pójść o krok dalej i obliczyć również potencjalny wpływ finansowy, sprawdzając przychody uzyskiwane od użytkowników Androida 6.0.1.
Jeśli porównamy całkowite przychody między „wszystkimi użytkownikami” a „użytkownikami Androida 6.0.1”, zobaczymy następujące dane.
Jak widać, użytkownicy, którzy po wydaniu wersji będą doświadczać awarii, nie generują dla nas żadnych przychodów. W związku z tym wydanie wersji zawierającej ten błąd nie będzie miało dla nas konsekwencji finansowych. Bonus!
More Articles
Przykład nr 6: Identyfikowanie kohort użytkowników, które są warte Twoich działań marketingowych
Nie wszyscy użytkownicy są tacy sami. Niektórzy z nich będą kluczowymi użytkownikami, odpowiadającymi za większość korzystania z produktu (a także za większość przychodów), podczas gdy inni pozostaną nieaktywni, z niewielką nadzieją na ich zaangażowanie i monetyzację.
Naturalnie każdy chciałby zidentyfikować użytkowników, którzy mogą wygenerować dla niego największe przychody, i skupić na nich działania marketingowe. Ale jak to zrobić?
Cóż, możesz wykorzystać dane analityczne dotyczące produktu, identyfikując różne kohorty użytkowników i porównując ich kluczowe wskaźniki użytkowania oraz monetyzacji.
Analiza kohort w Amplitude
Kohorty to grupy użytkowników, które mają wspólną cechę. Możesz tworzyć kohorty na podstawie:
- Platformy (np. użytkownicy komputerów Mac i Windows). Miałem produkt, w przypadku którego LTV użytkowników komputerów Mac było o 30% wyższe niż użytkowników systemu Windows.
- Geografii (np. użytkownicy z Francji i Grecji). W zależności od produktu może on dobrze monetyzować się w niektórych krajach, a w innych osiągać słabsze wyniki.
- Daty rejestracji (np. użytkownicy, którzy zarejestrowali się w listopadzie i styczniu). Wyobraź sobie, że Twoja kampania z okazji Czarnego Piątku odniosła ogromny sukces. Dotarłeś do właściwych osób, a kohorta listopadowa ma znacznie wyższe LTV niż kohorty z innych miesięcy.
- Zachowania użytkowników lub korzystania z określonych funkcji (np. użytkownicy, którzy tasują utwory, oraz ci, którzy tego nie robią). Tworząc funkcję, naprawdę chcesz, aby jej użytkownicy wykazywali większe zaangażowanie i mieli wyższe LTV. W przeciwnym razie funkcja nie odniosła sukcesu i warto się jej pozbyć.
Utwórzmy teraz kilka kohort w Amplitude i porównajmy je.
Wyobraź sobie, że chcesz zrozumieć, czy warto inwestować w marketing w Japonii. Możemy utworzyć w Amplitude kohortę japońskich użytkowników w następujący sposób.
Następnie możemy porównać częstotliwość dokonywania zakupów przez japońskich użytkowników z częstotliwością wszystkich pozostałych użytkowników.
Jak widzimy, japońscy użytkownicy dokonują większej liczby zakupów niż wynosi średnia. Dlatego warto poprosić zespół marketingowy o skierowanie działań na Japonię.
Podsumowanie
Analityka produktu ułatwia życie menedżera produktu, pozwalając mu podejmować decyzje dotyczące projektowania opartego na danych, zamiast polegać wyłącznie na intuicji i przeczuciach.
Podejmowanie świadomych decyzji na podstawie danych analitycznych jest świetnym rozwiązaniem, ale nie należy na tym poprzestawać. Do innych przydatnych narzędzi, które pomogą Ci stać się lepszym menedżerem produktu, należą:
- Pętle informacji zwrotnych od klientów, aby mieć pewność, że każdy słyszy głos swoich klientów.
- Makiety produktu, aby szybko i bez problemów iterować nad swoim projektem.
- PRD, aby wszyscy byli zgodni co do szczegółów wdrożenia funkcji, i nie tylko.
- Kursy analityki produktu to wartościowe zasoby o wysokim zwrocie z inwestycji, które zwiększą Twoją skuteczność na danym stanowisku.
Oprócz czytania tych poradników możesz również zapisać się do naszego newslettera i pozwolić nam dostarczać mnóstwo przydatnych materiałów dotyczących zarządzania produktem prosto do Twojej skrzynki odbiorczej!