Datadriven produktledning. Det är vad de coola gör nuförtiden, eller hur? Du kanske har googlat och upptäckt att det att vara ”datadriven” handlar om den omfattande användningen av produktanalys i dessa produktledares dagliga arbetsflöde.
Men frågan är: vad gör de med analysdata? Hur använder de den i verkligheten?
Som tur är har jag sammanställt en lista med 6 användningsområden för produktanalys som inspiration.
Vad är produktanalys och varför bör du bry dig om det?
Produktanalys är processen att samla in data om din digitala produkt (inklusive användaraktivitet, ekonomi med mera), analysera den och fatta beslut om det dagliga arbetet och produktstrategin baserat på dina resultat.
Användningen av produktanalys höjer avsevärt kvaliteten på de beslut du fattar som produktchef, eftersom du kan stödja och bevisa dina idéer eller lösningar med hjälp av data.
Kvantitativa data kompletterar också de kvalitativa data du har samlat in genom kundintervjuer, vilket ger dig en komplett bild av produktens tillstånd samt kunders eller användares beteende.
Du kan aktivera produktanalys för din produkt genom att konfigurera ett specialiserat produktanalysverktyg som övervakar dina användares aktivitet och skickar rapporter om användarinteraktioner.
Dessa verktyg sammanställer sedan de användarhandlingsdata som de har samlat in från din produkt och låter dig skapa anpassade rapporter för att hitta svar på några av de frågor du kan ha om användningen av din produkt.
Nu när vi vet vad produktanalys handlar om kan vi börja utforska några praktiska fall där produktanalys tillämpas.
Exempel 1: Rensa ditt användargränssnitt från funktioner som ingen använder
Fantastiska produkter är inte de som har fler funktioner än konkurrenterna. Faktum är att produkter med för många funktioner oftast blir svåra för användarna att navigera i och omöjliga för produktutvecklingsteamet att underhålla.
Därför ser fantastiska produktteam till att deras produkter endast har funktioner som skapar värde för användarna. För att göra detta lägger du hela tiden till nya funktioner som du tror att människor kommer att använda och tar bort de som du vet inte längre är värdefulla.
Nästa uppenbara dilemma är hur man väljer vilka funktioner som är värda att ta bort. Det är enkelt: kontrollera deras användning med ett produktanalysverktyg!
Använd ett händelsebaserat produktanalysverktyg som Mixpanel för att rensa
För att kunna spåra användningen av en funktion behöver du konfigurera en händelse för den och utlösa den varje gång användaren interagerar med funktionen. Om du har konfigurerat dessa händelser för de produktfunktioner du vill mäta behöver du bara skapa en rapport över användningen av funktionen.
Låt oss illustrera detta med ett exempel. Föreställ dig att du leder Spotify, den musikströmningstjänst som många av oss använder, och att du vill förstå om det är värt att ta bort blandningsfunktionen.
För detta skapar vi en ny insiktsrapport som ser ut så här.
Här har vi valt den aktuella funktionen – ”Blanda” – tillsammans med baslinjefunktionen (vanligtvis produktens kärnåtgärd eller ledstjärna) som vi vill jämföra den med – i det här fallet ”Strömma en låt”. För båda har vi valt alternativet ”Räkna DAU” för att visa antalet unika användare som varje dag använder blandningsfunktionen och strömmar musik.
Vi har sedan lagt till en enkel formel som beräknar procentandelen av de användare som strömmar låtar och har använt blandningsfunktionen.
Genom att titta på det här diagrammet kan vi dra två viktiga slutsatser:
- Knappt 0,5 % av alla musikstreamare använder blandningsfunktionen.
- Användningen av blandningsfunktionen har stadigt minskat från 1,3 % till 0,5 % under den senaste månaden.
Utifrån denna användningsstatistik kan vi betrakta blandningsfunktionen som en värdig kandidat för borttagning, så att vi kan rensa vårt användargränssnitt.
Have an account? Log In
Exempel nr 2: Att hitta och åtgärda problem i användarupplevelsen som förstör dina konfigurations- eller AHA!-flöden
De första stegen som dina användare tar i din produkt kommer att ha stor inverkan på deras kvarhållning och livstidsvärde. Åtminstone är det vad jag har sett många gånger i de produkter jag har lett.
Alla förbättringar i processen där användarna konfigurerar din produkt och når sitt AHA!-ögonblick skulle så småningom leda till en högre kvarhållningsgrad för dem.
För tydlighetens skull når användarna sitt konfigurationsögonblick när de har gjort alla nödvändiga konfigurationer vid registreringen (t.ex. angett kortuppgifter och verifierat dem i en betalningsapp). AHA!-ögonblicket är den punkt i användarresan där de för första gången upplever nyttan och värdet av din produkt (t.ex. genomför en omedelbar överföring med din betalningsapp).
Det är vanligt att det finns problem med produktupplevelsen under användarresan, vilket leder till att färre personer når sina konfigurations- och vanemoment. Men den goda nyheten är att du enkelt kan hitta dem med ett analysverktyg eller UX-värmekartor som dessa. Med den här typen av data kan team se var användarna lämnar processen, vilka steg som orsakar friktion och hur konverteringen kan förbättras.
Relaterad läsning: De 10 bästa UX-designverktygen för produktutvecklare
Så använder du produktanalysens trattar i Heap för att felsöka konverteringen
Ett av de mest praktiska sätten att följa och felsöka användarresor (inklusive sådana som leder till dina konfigurations- och AHA!-ögonblick) är trattar. En tratt är en lista över händelser i en viss ordning, där du kan se hur användare konverterar från en händelse till en annan.
Så här ser en trattanalys ut för en grundläggande registreringssida där du har ett enda e-postfält och en skicka-knapp.
För vår registreringssida följer vi användarna genom dessa händelser:
- Visning av registreringssidan.
- Fyller i användarens e-postadress i fältet.
- Klickar på skicka-knappen.
Som vi kan se var det fler än 1 200 användare som gick in på registreringssidan. Men endast 17 % av dessa 1 200 har fyllt i sin e-postadress, och 90 % av dem som angav sin e-postadress har klickat på skicka-knappen.
Den här tratten visar att det är något fel på e-postfältet och att vi behöver undersöka exakt vad det är.
För detta kan vi antingen genomföra användbarhetstester av vår registreringsskärm eller titta på Heaps sessionsuppspelning, vilket är en videoinspelning i realtid av användarens interaktion med din produkt.
När det gäller e-postfältet kanske du upptäcker att e-postvalideringen är frustrerande och att dina användare ger upp efter att ha försökt skriva in sin e-postadress ett par gånger.
Exempel nr 3: Mätning av funktioners påverkan under en gradvis lansering
Hur många gånger har du lagt till en ny, glänsande funktion i din produkt som blev ett fullständigt misslyckande (det vill säga inte förbättrade användningen eller till och med försämrade den)? Det här har hänt åtminstone ett par gånger även för de mest talangfulla PM:erna.
Eftersom vi inte alltid vet om funktionen vi har byggt kommer att lyckas eller misslyckas är det en bra idé att lansera den för ett litet antal användare, kontrollera om de använder den (och om den förbättrar dina viktigaste mätvärden, som kvarhållning eller livstidsvärde) och sedan, förutsatt att den blev framgångsrik, lansera den för alla andra.
Du kan genomföra både den gradvisa lanseringen och mätningen av påverkan med en specialiserad lösning för produktanalys som innehåller viktiga funktioner i analysprogramvara, som Amplitude.
Konfigurera och genomföra experiment med avancerad produktanalysprogramvara som Amplitude
Amplitude har avancerade funktioner som kallas Experiments. Du kan använda dem för att antingen genomföra A/B-tester eller gradvisa funktionslanseringar. Jag går inte in på detaljerna kring hur man skapar ett experiment, eftersom det är en historia för en annan dag, men du kan läsa dokumentationen som Amplitude har för funktionen och som beskriver allt från API-meddelanden till integrationer, aviseringar och priser.
Föreställ dig nu att du har lagt till en videoguidning som en del av introduktionen till din produkt och vill öka antalet personer som klickar på spela upp och tittar på den. För detta har du utformat två lösningar där videon visas på två olika platser i introduktionen.
För att förstå om dina lösningar fungerar (och vilken som fungerar bäst) kan vi konfigurera ett experiment med en partiell lansering på 25 % för variant A och 25 % för variant B.
När vi startar det här experimentet och kör det ett tag för att få statistiskt signifikanta användardata är det här vad vi ser.
Diagrammet ovan visar en konverteringstratt från besök på startsidan till videostart. Som vi kan se är variant A vinnaren, och den kan optimera konverteringen till videostart med 3,4 %.
Beroende på situationen kan du betrakta detta antingen som en framgång eller ett misslyckande. När det gäller konverteringsgraden för att öppna videon skulle jag säga att detta är ett misslyckande och att det inte är värt besväret att lansera det för alla. Men om resultatet av ett experiment hade varit en ökning av kvarhållningen med 3,4 %, skulle det vara en betydande framgång.
Exempel 4: Övervaka produktens hälsa
Produkter är levande organismer som kan må bra eller bli "sjuka". För att säkerställa att du alltid är medveten om produktens hälsa och kan identifiera och åtgärda eventuella problem med den behöver du övervaka produktens ”hjärtslag” i form av en instrumentpanel för produktens hälsa.
Som ett resultat av din övervakning kanske du lägger märke till nedgångar eller toppar i centrala produktmått och KPI:er som WAU eller klibbighet som behöver undersökas, eller så kanske du ser att användarengagemanget gradvis minskar – vilket signalerar att produkten behöver förnyas.
Som tur är är en instrumentpanel för produktens hälsa något som du enkelt kan skapa med vilket verktyg för affärsanalys som helst (t.ex. Mixpanel eller Amplitude).
Spåra centrala produktmått med Mixpanel
Instrumentpaneler i Mixpanel består av flera relaterade rapporter som du placerar bredvid varandra. För en instrumentpanel för produktens hälsa kan du överväga att skapa följande rapporter:
- DAU, WAU eller MAU för din centrala aktivitet (t.ex. att strömma en låt för Spotify). Vilket av dessa tre du väljer beror på den naturliga frekvensen för den centrala aktiviteten. För låtströmning sker det dagligen, och därför blir ditt val DAU.
- Klibbighet (DAU/WAU, WAU/MAU osv.). Detta visar andelen användare som är engagerade och återkommer till produkten.
- Registreringar över tid och konverteringar från gratis till betald över tid. Du bör hålla ett öga på dessa två och se till att de gradvis ökar.
- Kundbortfall. Detta är antalet användare som du har förlorat under en viss tidsperiod. En ökning här bör göra dig orolig.
- Kvarhållning. Detta visar antalet användare som har stannat kvar hos dig efter en viss tidsperiod (t.ex. 90 dagar).
Så här kommer en typisk instrumentpanel för produktens hälsa att se ut i Mixpanel.
Du kan fritt lägga till andra rapporter i instrumentpanelen om de representerar produktens hälsa.
Exempel 5: Fatta beslut om att lansera eller inte lansera när QA-teamet har hittat ett allvarligt problem i versionen
Ett av de svårare produktbesluten vi behöver fatta är att ge grönt ljus för att lansera en version. Det är svårt eftersom versioner nästan aldrig är fria från buggar. Situationen blir ännu mer komplicerad när vi hittar en bugg som kan skada kundupplevelsen.
Men varför är det komplicerat? Om du har en allvarlig bugg bör du väl åtgärda den först innan du lanserar? Tja, föreställ dig att du upptäcker att det kommer att ta ditt team ytterligare en vecka att åtgärda den och att marknadsföringsteamet redan har gjort åtaganden och förberedelser som är smärtsamma att bryta.
I den här situationen har du två val:
- Ge grönt ljus för lanseringen och hantera konsekvenserna av den allvarliga buggen.
- Ge marknadsföringsteamet ett starkt argument för varför de bör skjuta upp lanseringen.
Båda alternativen ser dåliga ut. Men oroa dig inte, eftersom det finns en möjlighet att buggen i fråga får mycket mindre påverkan än du föreställde dig och att du kan lansera versionen utan större konsekvenser.
För att mäta buggens påverkan kan vi använda data från vår plattform för produktanalys.
Använda Google Analytics för att beräkna buggens påverkan
Föreställ dig att du har ett fel som orsakar sporadiska krascher i din mobilapp på Android 6.0.1 och som helt förstör kundresan. För att förstå felets påverkan behöver vi veta hur många användare som har den här versionen av Android.
Som tur är kan Google Analytics, utöver användningsdata, även samla in och lagra data om våra användares tekniska aspekter, till exempel deras enhetstyper, operativsystemsversioner, skärmstorlekar med mera.
Om vi öppnar rapporten ”Tekniska detaljer” och väljer alternativet ”Operativsystem med version” kan vi därför se att endast 1,2 % av hela användarbasen använder Android 6.0.1.
Även om dessa data redan är en indikation på att vi kan ge klartecken för lanseringen, kan vi gå ett steg längre och även beräkna den potentiella ekonomiska påverkan genom att kontrollera vilka intäkter vi får från användare av Android 6.0.1.
Om vi jämför de totala intäkterna mellan ”alla användare” och ”användare av Android 6.0.1” ser vi följande.
Det visar sig att de användare som kommer att drabbas av krascher efter lanseringen inte genererar några intäkter för oss. Därför får lanseringen av versionen med felet inga ekonomiska konsekvenser för oss. Bonus!
More Articles
Exempel 6: Identifiera användarkohorter som är värda dina marknadsföringsinsatser
Alla dina användare är inte likadana. Vissa av dem är tongivande användare som står för den största delen av produktanvändningen (samt majoriteten av dina intäkter), medan andra är inaktiva och har små utsikter att engagera sig eller generera intäkter.
Naturligtvis vill du kunna identifiera de användare som kan generera mest intäkter åt dig och fokusera dina marknadsföringsinsatser på dem. Men hur gör du det?
Du kan utnyttja dina produktanalysdata genom att identifiera olika användarkohorter och jämföra deras viktigaste mått för användning och intäktsgenerering.
Kohortanalys med Amplitude
Kohorter är grupper av användare som delar en gemensam egenskap. Du kan skapa kohorter baserat på:
- Plattform (till exempel Mac- och Windows-användare). Jag hade en produkt där Mac-användare hade 30 % högre LTV jämfört med Windows-användare.
- Geografi (till exempel användare från Frankrike och Grekland). Beroende på produkten kan den generera bra intäkter i vissa länder och prestera sämre i andra.
- Registreringsdatum (till exempel användare som registrerade sig i november och januari). Föreställ dig att din Black Friday-kampanj blev en enorm framgång. Du riktade dig till rätt personer och din novemberkohort har en mycket högre LTV jämfört med andra månader.
- Användarbeteende eller användning av vissa funktioner (till exempel användare som blandar låtar och de som inte gör det). När du utvecklar en funktion vill du verkligen att dess användare ska ha bättre engagemang och LTV. Annars var funktionen inte framgångsrik och det kan vara värt att ta bort den.
Nu skapar vi ett par kohorter i Amplitude och jämför dem.
Föreställ dig att du vill förstå om det är värt att investera i marknadsföring i Japan. Vi kan skapa en kohort i Amplitude för japanska användare på följande sätt.
Därefter kan vi jämföra hur ofta japanska användare genomför köp jämfört med alla andra.
Som vi kan se gör japanska användare fler köp än genomsnittet. Därför är det värt att be ditt marknadsföringsteam att rikta sig mot Japan.
Sammanfattning
Produktanalys gör ditt liv enklare som produktchef genom att låta dig fatta beslut om datadriven design i stället för att enbart förlita dig på din intuition och magkänsla.
Det är bra att fatta välgrundade beslut baserade på analysdata, men du bör inte stanna där. Några av de andra fantastiska verktygen som du kan använda för att bli en bättre produktchef är:
- Kundfeedbackloopar för att säkerställa att alla hör kundernas röst.
- Produktwireframes för att snabbt och utan krångel iterera på din design.
- PRD:er för att samordna alla kring funktionsimplementeringens detaljer och mycket mer.
- Kurser i produktanalys är värdefulla resurser med hög avkastning på investeringen som gör dig mer effektiv i din roll.
Förutom att läsa dessa guider kan du också prenumerera på vårt nyhetsbrev och låta oss leverera mängder av godsaker inom produktledning direkt till din inkorg!
