Wie Unmind mit Amplitude eine datengesteuerte Unternehmenskultur entwickelte

Einblicke/Aktion/Ergebnis:Unmind hatte einen Chatbot, der darauf ausgelegt war, Fragen innerhalb seiner App zu beantworten. Mithilfe von Amplitude Analytics konnten sie herausfinden, dass die Wahrscheinlichkeit, dass Benutzer abbrechen, höher ist, wenn der Bot an Unmind-Kursen beteiligt ist.Diese Daten trugen zur Entscheidung des Teams bei, den Bot aus der App zu entfernen, und es verzeichnete einen Anstieg der Kursabschlüsse.

Daten sind Macht. Diese Leistung reicht jedoch nicht immer aus, um Daten in alltägliche Prozesse zu integrieren. Nachdem wir diese Hürde überwunden hatten, begann unsere Reise zur Produktanalyse, dateninformierter zu werden. Der Prozess hat die Art und Weise verbessert, wie wir Produkte entwickeln, Kunden einbinden und Benutzererlebnisse schaffen.

Das Ziel, Unmind in ein datengesteuertes Unternehmen zu verwandeln

Unmind ist eine ganzheitliche Plattform für das Wohlbefinden am Arbeitsplatz mit der Mission, geistig gesunde Arbeitsplätze zu schaffen, an denen sich jeder entfalten kann. Heute haben wir etwa 180 Mitarbeiter oder „Unminders“.

Unsere Reise zur Datenreife begann vor einigen Jahren. Wir haben Daten immer geschätzt und erkannt, wie wichtig es ist, funktionsübergreifende Entscheidungen zu treffen, die datengesteuert sind.

Dennoch haben wir die datengestützte Entscheidungsfindung nicht auf skalierbare Weise gehandhabt. Das Datenteam war der klassische Flaschenhals. Wir wurden häufig mit Fragen und Wünschen angesprochen, die wir durch Abfragen der Datenbank oder das Ausführen von Python-Skripten beantworteten. Aber die Anfragen überstiegen die Bandbreite des Datenteams, und obwohl wir diese Anfragen priorisierten, gab es immer einen Kompromiss.

Dieser Engpass bedeutete, dass wir Geschwindigkeit opferten, da er andere Teams behinderte. Darüber hinaus hinderte uns die Beantwortung von Datenfragen daran, an anderen Self-Service-Lösungen zu arbeiten, die es den Beteiligten ermöglichen würden, die erforderlichen Antworten zu erhalten. Wir wollten den Kreislauf durchbrechen.

Die anwendungsfallgetriebene Suche nach einer skalierbaren Lösung

Das Abfragen einer Datenbank zur Beantwortung gezielter Fragen und das Teilen in Tabellenkalkulationen kann für kleine Unternehmen, die ihre Datenreise beginnen, gut funktionieren. Da Unmind jedoch mit unserem Produkt, unseren Funktionen und unserem Kundenstamm wuchs, war es nicht mehr nachhaltig, diese Aufgaben manuell auszuführen. Was als überschaubarer Engpass begann, wurde zu einem Schmerzpunkt, der mit uns wuchs.

Wir machten uns auf die Suche nach einer Lösung und erstellten einen strengen Bewertungsprozess, um zu verhindern, dass wir uns von unnötigen Funktionen auf verschiedenen Plattformen ablenken lassen. Wir empfehlen die Verwendung eines streng anwendungsfallorientierten Prozesses:

1. Schauen Sie sich zunächst Ihre gewünschten Anwendungsfälle an
2. Entscheiden Sie sich für unverzichtbare Funktionen wie A/B-Tests
3. Beurteilen Sie die Plattformen und Funktionen anhand Ihrer festgelegten Kriterien

Wir haben die führenden Anbieter, darunter Heap, Mixpanel und Amplitude, überprüft und diese Plattformen anhand von Demonstrationen bewertet. Nach der Bewertung bot Amplitude für unsere damaligen Anwendungsfälle die beste Lösung. Sie boten ein umfangreiches und robustes Produktsortiment und hatten den Ruf, Branchenführer zu sein. Wir waren zuversichtlich, dass sich unsere Investition auszahlen würde.

Amplitude bot zu diesem Zeitpunkt die beste Lösung für unsere Anwendungsfälle.Sie boten ein umfangreiches und robustes Produktsortiment und hatten den Ruf, Branchenführer zu sein.

Die Aktivierungsbemühungen beginnen beim Datenteam

Analytics verfügt über ein breites Spektrum an Funktionalitäten und wir wollten sicherstellen, dass die Kollegen im gesamten Unternehmen verstehen, wie sie die Plattform richtig nutzen. Wir haben verschiedene interne Ressourcen erstellt, darunter einen Onboarding-Leitfaden, in den wir Links zu unseren Video-Tutorials und Vorschläge zum Einstieg eingefügt haben. Dies erwies sich als wertvoll; Amplitude verfügt über eine Fülle großartiger Online-Dokumentationen, ist aber nicht immer die erste Anlaufstelle für neue Benutzer.

Nicht einmal die besten Video-Tutorials und Dokumentationen können es ersetzen, direkt mit den Stakeholdern zusammenzuarbeiten und sich die Zeit zu nehmen, sich mit ihnen zusammenzusetzen und zu zeigen, wie sie finden, was sie brauchen, anstatt es für sie zu tun oder sie auf eine andere Ressource hinzuweisen. Das Datenteam unternahm konzertierte Anstrengungen, um die Mitarbeiter beim Onboarding, beim Hosten von Anrufen und beim Erstellen eines speziellen Slack-Kanals für Analytics-Fragen zu unterstützen. Wir veranstalteten wöchentliche Drop-in-Sitzungen, bei denen die Teilnehmer Analytics-Hilfe erhalten konnten, ohne ein Meeting buchen zu müssen.

Leistungsstarke Tools können einschüchternd sein, und einige Leute, die noch nie eine Selbstbedienungsplattform genutzt hatten, befürchteten, sie könnten das System beschädigen. Unser zusätzlicher Aufwand stellte sicher, dass jeder – insbesondere unsere Produktmanager – wusste, wie man Analytics problemlos nutzt.

Es gibt keinen einheitlichen Ansatz, der eine erfolgreiche Umsetzung garantiert;Viele verschiedene kleine Aktionen haben dazu beigetragen, die Gewohnheiten der Menschen zu ändern.

Tipps für einen erfolgreichen Start

Auch wenn es keinen einzigen Ansatz gibt, der eine erfolgreiche Analytics-Implementierung garantiert, kann ich viele verschiedene kleine Maßnahmen empfehlen, die uns dabei geholfen haben, die Gewohnheiten der Menschen zu ändern.

• Seien Sie zugänglich und nehmen Sie sich als Datenteam Zeit, um Kollegen zu helfen. Unsere Drop-in-Sitzungen hatten eine große Wirkung. Die Leute fühlten sich immer wohler, wenn sie mit ihren Fragen an uns herantraten, und wir schlossen uns als Teammitglieder zusammen – was den Lehr- und Lernprozess einfacher machte.
• Teilen Sie weiterhin Analytics-Diagramme und ermutigen Sie Menschen, die Plattform zu nutzen, um datengesteuerte Antworten auf eine Frage zu finden. Der Austausch von Daten und Erkenntnissen vor der Implementierung kann Menschen einen Einblick in die Möglichkeiten geben. Sobald sie allgemein verfügbar sind, sind die Mitarbeiter eher daran interessiert, auf die Daten zuzugreifen.
• Sprechen Sie mit Mitarbeitern in den Vertriebs-, Produkt- und Geschäftsbereichen, um zu erfahren, welche Art von Daten sie zum Erreichen ihrer jeweiligen Ziele benötigen. Es besteht die Tendenz, alles verfolgen zu wollen, und es herrscht die allgemeine Überzeugung, dass mehr Daten immer besser sind. Ein anwendungsfallorientierter Ansatz ist jedoch effektiver. Ermitteln Sie, welche Probleme die Leute zu lösen versuchen, und entscheiden Sie dann, welche Daten verfolgt werden sollen.
• Sei geduldig. Es braucht Zeit, Gewohnheiten zu ändern, und Menschen benötigen oft eine Reihe von Initiativen und Erinnerungen, um datenabhängig zu werden und Datenerkenntnisse effektiv zu nutzen. Es wird passieren, und die Ergebnisse sind es wert, zusätzliche Zeit, Freundlichkeit und Geduld zu investieren.

Es besteht die Tendenz, alles verfolgen zu wollen, und es herrscht die allgemeine Überzeugung, dass mehr Daten immer besser sind.Ein anwendungsfallorientierter Ansatz ist jedoch effektiver.

Erschließen Sie die Möglichkeiten bei Unmind

Analytics war für Unmind in mehrfacher Hinsicht wertvoll. Eine davon ist die Überwachung der Kennzahlen, die die Produktentwicklungsteams verbessern möchten. Wir haben zum Beispiel ein Diagramm, das die Stickiness verfolgt: das Verhältnis unserer täglich aktiven Nutzer (DAU) zu den monatlichen aktiven Nutzern (MAU). Das Produktteam überwacht diese Kennzahl wöchentlich und verwendet sie als Orientierungshilfe bei der Veröffentlichung neuer Funktionen.

Ein bei Unmind besonders beliebter Anwendungsfall ist die Funnel-Ansicht von Conversions. Wir können sehen, ob ein Benutzer, wenn er auf Element A klickt, auch auf Element B klickt. Ereignissegmentierung wird häufig verwendet, und wir nutzen die Plattform auch für A/B-Tests. Das Anzeigen von Tests in Analytics erleichtert das Anzeigen von Ergebnissen und das Vergleichen von Gruppen. Diese Ergebnisse informieren unsere Teams darüber, welche Funktion oder welcher Stil wirkungsvoller ist, sodass wir wichtige Entscheidungen zur Produktentwicklung treffen können.

Basierend auf Erkenntnissen aus Analytics haben wir große Änderungen an unseren Produkten vorgenommen. Früher hatten wir beispielsweise einen Bot in der App, der als Begleiter fungierte und Benutzerfragen beantwortete. Analysen haben uns gezeigt, dass die Wahrscheinlichkeit, dass die Leute abbrechen, höher ist, wenn der Bot in unseren Kursen involviert ist. Diese Daten trugen zu unserer Entscheidung bei, den Bot aus der App zu entfernen.

Ein weiteres Beispiel für umsetzbare Erkenntnisse ist unsere Untersuchung von Prädiktoren für die Kundenbindung. Wir haben in Amplitude gesehen, dass Menschen, die unseren Wellbeing Tracker (einen wissenschaftlich validierten Fragebogen, der ihnen hilft, ihren aktuellen Wohlbefindenszustand zu verstehen) nutzten, tendenziell zur App zurückkehrten. Wir haben dieses Ergebnis mithilfe fortschrittlicher Analysen validiert und dies war damals ein Durchbruch für uns – es bedeutete, dass die Benutzer den Wert unseres Produkts verstanden und wir zusätzliche Anstrengungen unternehmen sollten, um diese Funktion hervorzuheben. Aus diesem Grund haben wir begonnen, den Benutzer dazu zu ermutigen, den Wellbeing Tracker während seiner ersten Willkommenstour durch die App auszufüllen. Wir haben auch die Kommunikation in unserer Onboarding-E-Mail geändert und den Wellbeing Tracker hinzugefügt.

Während Teammitglieder einst zögerten, Amplitude zu nutzen, sind sie jetzt stolz darauf, es zu nutzen und Erkenntnisse auszutauschen. Manchmal bemerken Leute einen Trend bei Amplitude, fragen uns nach unserer Meinung und erfahren, wie sie tiefer graben können. Amplitude lässt sich in Slack integrieren, sodass Benutzer Diagramme teilen und im Kanal damit interagieren können. Es ist sehr kollaborativ und die Begeisterung breitet sich schnell aus und ermutigt andere.

Gewohnheiten ändern, Kultur ändern

Wir haben erlebt, dass datengestützte Entscheidungsfindung zu einem wichtigen Bestandteil unserer Unternehmenskultur geworden ist. Wir können die Auswirkungen einer Produktänderung jetzt leichter verstehen, und wenn wir die Auswirkungen schnell erkennen, können wir schneller zu aussagekräftigeren Diskussionen übergehen. Daten tragen dazu bei, die Entwicklung neuer Produkte und andere vorgeschlagene Änderungen voranzutreiben, und machen es für alle einfacher, in die gleiche Richtung zu gehen.

Die Anzahl der Datenanfragen, die wir erhalten haben, ist seit der Einführung von Amplitude zurückgegangen. Durch diesen Rückgang konnte das Datenteam erweiterte Analysen durchführen und so sowohl unsere Geschwindigkeit als auch unsere Wirkung verbessern.

Letztendlich hat uns Amplitude dabei geholfen, bei der Definition unserer North Star-Metrik voranzukommen, und wir verfolgen bei der Produktentwicklung nun einen stärker von unten nach oben gerichteten Ansatz. Die Möglichkeit, die Daten zu untersuchen und Trends zu entdecken, ermöglicht es uns, nach Möglichkeiten zu suchen, unser Produkt auf eine Weise zu verbessern, die bei unseren Benutzern Anklang findet und sie in die Lage versetzt, ein erfüllteres Leben zu führen.