Descubra oportunidades para la mejora del producto a través del análisis de datos de autoservicio

En el corazón de la gestión de productos hay una curiosidad inherente y un impulso para responder preguntas. No es suficiente ver cómo funciona un producto y preguntarse por qué. Un buen gerente de producto sigue su curiosidad, cortando y dividiendo los datos de tantas maneras como sea posible para diagnosticar lo que está sucediendo.

Algunos PM tienen esa curiosidad pero no tienen las herramientas para llevarla más lejos. En cambio, es probable que tengan que confiar en alguien como un científico de datos o un equipo de análisis dedicado. Se tarda mucho más en formular hipótesis y responder preguntas de esta manera, lo que ralentiza el proceso de desarrollo del producto. Tener la herramienta adecuada para responder preguntas de forma independiente puede marcar la diferencia para la conversión.

Largos plazos de entrega y callejones sin salida de datos

Lo sé por experiencia personal como PM en el mercado de autos usados ​​Shift. El mercado de autos usados ​​es complejo. Es cíclico, por lo que, si bien el viento ha estado en gran medida a nuestra espalda durante la pandemia, enfrentamos vientos en contra significativos en otros momentos. Comprar cualquier automóvil también es un proceso largo. Para muchas personas, su automóvil es la segunda compra más importante de su vida, después de su casa. Los compradores quieren estar seguros de que están eligiendo el automóvil adecuado para ellos, lo que requiere tiempo y consideración. El viaje promedio de compra de un automóvil toma tres meses, y hay muchos pasos dentro de ese viaje, desde la investigación y el presupuesto hasta concentrarse en modelos específicos y los méritos de los automóviles individuales.

Tener la herramienta adecuada para responder preguntas sobre datos de productos de forma independiente puede marcar la diferencia para la conversión.

Asumí el puesto de gerente sénior de productos en Shift en 2020, donde soy responsable del crecimiento. El “crecimiento” puede cubrir mucho. Me concentro en SEO y trabajo en estrecha colaboración con nuestro departamento de marketing para optimizar la publicidad, lo cual es importante dado nuestro gran inventario y presupuesto publicitario. También realizamos promociones en ciertos momentos, como el 4 de julio o durante las ventas de fin de año, y ayudo a garantizar que esas promociones sean exitosas.

Cuando llegué a Shift, el equipo estaba usando Segment como nuestra plataforma de datos de clientes (CDP). También estábamos ejecutando Periscope Data, una herramienta de inteligencia comercial (BI) que se ejecuta sobre consultas SQL. Pude hacerlo funcionar porque sé un poco de SQL, pero tomó mucho tiempo y muchas de las personas en la organización del producto no tenían la misma capacidad. En su lugar, tendrían que enviar un ticket para crear un gráfico y luego enviar tickets posteriores si no obtuvieron lo que necesitaban. Hubo un largo tiempo de espera para obtener esas respuestas de datos, e incluso entonces, llegamos a muchos callejones sin salida porque los datos estaban incompletos.

Decisiones mejores y más rápidas en toda la organización

La falta de acceso a datos en tiempo real obligó al equipo de producto a moverse más lentamente, razón por la cual Shift recurrió a Amplitude Analytics poco antes de que yo llegara. Pocas personas usaron la plataforma todavía, pero pude ver el valor. Los datos de autoservicio permitirían a los PM, diseñadores y cualquier otra persona de la empresa responder a sus propias preguntas.

Para poner esto en contexto: cuando me incorporé, solo había cuatro PM en Shift. Ahora tenemos 16. Ese crecimiento por sí solo habría sido imposible si todos continuaran enviando solicitudes de datos a través del equipo de análisis. Necesitábamos habilitar a los PM individuales para crear, editar y compartir gráficos.

Capacitar a los gerentes y diseñadores de productos para que respondan sus preguntas les permite tomar decisiones críticas rápidamente.

Comenzamos una iniciativa en curso para aumentar el uso de Analytics en Shift. Cada dos semanas, realizo un recorrido por invitación abierta de los tableros de la plataforma, fáciles de compartir y fáciles de entender. Hablo con cualquiera sobre la plataforma, ya sea de producto, diseño, investigación de usuarios o cualquier otro punto intermedio. Tengo una agenda para esas sesiones, pero a menudo encuentro que las sesiones más interesantes son aquellas en las que las personas llegan con una pregunta específica, como "¿Cuántas personas completan los pasos tres, cuatro y cinco de nuestra solicitud de préstamo?" Cuando muestro a las personas cómo identificar los eventos analíticos relevantes para abordar sus necesidades, inmediatamente ven el valor de la plataforma.

Con el tiempo, he visto que las personas usan y confían cada vez más en Analytics, y una mejora en la confianza de los datos en el equipo más grande. Empoderar a los PM y diseñadores para que respondan sus preguntas les permite tomar decisiones críticas para sus áreas mucho más rápido, creando productos basados ​​en datos y hojas de ruta estratégicas. Podemos ver esto en las sólidas mejoras interanuales en una de nuestras métricas clave, Visitante to Lead: el viaje del usuario desde que visita nuestro sitio hasta que se interesa activamente en un automóvil. Desde que popularizamos Analytics en Shift, hemos realizado muchas mejoras en nuestro proceso de compra, incluida la creación de cientos de artículos para ayudar a educar a las personas mientras compran. Todo esto resultó en una métrica más alta de visitante a cliente potencial.

Cómo usamos las características de Amplitude para mejorar nuestro producto

Nuestros PM aprovechan muchas funciones dentro de la plataforma para mejorar nuestro producto, que incluyen:

Experimento de amplitud : Pienso en esto como el segundo nivel de estar basado en datos. El primer nivel es simplemente entender lo que está pasando. Este segundo nivel que hemos desbloqueado con Experiment está viendo el impacto de los cambios basados ​​en las pruebas A/B. Anteriormente, realizamos pruebas A/B con nuestra solución local, pero aún requería que nuestros científicos de datos dedicaran tiempo a escribir código para crear el panel de prueba en Periscope Data.

Mover las pruebas a Experiment significa que podemos crear paneles, iniciar y detener un experimento y responder nuestras preguntas nosotros mismos. Un ejemplo es una prueba que realizamos en una nueva función potencial llamada Comparación de automóviles. Comparación de autos permite a los usuarios seleccionar varios autos y comparar sus atributos, precio y detalles como cuántos accidentes ha tenido cada uno. También muestra fotos de estos autos uno al lado del otro. La comparación de manzanas con manzanas ayuda a los usuarios a tomar decisiones de compra de forma más rápida y segura. Esta función se lanzó con la ayuda de Experiment. Finalmente, el Gerente de Producto podría controlar el despliegue y dividir las pruebas por sí mismo (sin necesidad de Ingeniería o Ciencia de Datos). Esto mejoró drásticamente el tiempo del ciclo desde el lanzamiento hasta el aprendizaje. Después de algunas semanas, vimos una mejora estadísticamente significativa en las métricas clave y actualizamos inmediatamente Experiment para lanzar la función al 100 % de los compradores de automóviles. Car Comparison fue un gran éxito en las pruebas A/B y, ahora que lo implementamos, ha contribuido de manera importante a nuestra métrica Visitante to Lead.

Segmentación y cohortes : a menudo usamos la segmentación para crear cohortes de usuarios y diagnosticar problemas debajo de la superficie de nuestros datos. Por ejemplo: a medida que más personas se sienten cómodas comprando en un dispositivo móvil, vemos que muchos usuarios visitan nuestro sitio por primera vez en un dispositivo móvil y luego cambian a una computadora de escritorio para completar formularios financieros. Así que crearemos una cohorte para rastrear ese comportamiento de dos dispositivos.

Otra cosa que hemos visto con la inflación y los problemas de la cadena de suministro es que ha habido un mayor interés en el mercado de autos usados. Como uno de los principales mercados de autos usados, esto ha significado un gran aumento de bots que rastrean nuestro sitio y recopilan datos sobre nuestros vehículos para estudios de mercado. Inicialmente, los bots causaron mucha preocupación porque crearon picos enormes en tipos de página específicos, como nuestras páginas de detalles de vehículos. Pero ahora, hemos creado una cohorte que nos permite identificar y filtrar estos bots de nuestros datos de usuario. También usamos cohortes para segmentar a los usuarios por canal de marketing.

Búsqueda de usuarios: la búsqueda de usuarios es una herramienta de diagnóstico fantástica. Podríamos tener una pregunta como, "¿Existe un evento para cuando un usuario hace clic en el siguiente carrusel de imágenes?" En ese caso, encuentro mi ID de usuario anónimo en Amplitude, hago clic en un carrusel en mi navegador y luego veo qué eventos se activaron.

La búsqueda de usuarios también puede ayudar a comprender cómo crear un embudo. Si quiero comprender el flujo de un determinado comportamiento del usuario, me sumergiré en el flujo de eventos para ver los eventos importantes que conducen a la conversión en cuestión. El uso de esta herramienta nos muestra cómo es el viaje para un cliente individual y el camino que tomó para comprarnos un automóvil.

Ser impulsado por los datos empodera a todos para descubrir las oportunidades dentro de un producto.

Embudos: los embudos son fundamentales para nosotros porque el proceso de compra de un automóvil es largo e implica muchos pasos. Atraemos a los usuarios en varias etapas del proceso de compra de automóviles: algunas personas acuden a nosotros al comienzo de su viaje cuando todavía están averiguando qué tipo de automóvil es el adecuado para ellos. Pueden estar conversando con su pareja sobre la compra o determinando si necesitan un automóvil. Otros clientes llegan a nuestro sitio después de haber investigado y sabiendo con precisión el año, la marca y el modelo que desean.

Los embudos ayudan al equipo de productos a dividir en etapas el complejo viaje del usuario que compra un automóvil, con objetivos específicos que indican que el cliente se está acercando a la compra. Entonces, nuestro primer embudo podría ser registrarse en nuestro sitio web. El siguiente podría implicar marcar varios autos como favoritos o agregar una búsqueda guardada. A través de Analytics, hemos identificado eventos críticos en el recorrido del comprador. Por ejemplo, hemos visto que cuando los clientes hacen clic para ver un informe de CARFAX, es mucho más probable que compren un automóvil.

Identificar oportunidades que vale la pena perseguir

En algunas organizaciones, la persona mejor pagada en la sala decide adónde va el producto a continuación. Tienen el presentimiento de que la página de inicio debería ser azul, por lo que la página de inicio se vuelve azul. Nadie hace preguntas concretas porque es difícil obtener respuestas concretas. Pero no debe tomar decisiones basadas únicamente en evidencia anecdótica.

Orientarse más a los datos empodera a todos en Shift para descubrir las oportunidades que existen dentro de nuestro producto. Cuando vemos algo inesperado en Analytics, todos podemos profundizar para ver si ese momento es una oportunidad en ciernes e incluso probar para descubrir las implicaciones de perseguirlo. Eso contribuye a una mejor toma de decisiones para todos. Es fácil perderse en grandes números y métricas, pero Analytics brinda excelentes datos cuantitativos que podemos combinar con datos cualitativos y trabajar con el equipo de investigación de usuarios para decidir qué oportunidades vale la pena perseguir, y cuáles son falsos comienzos o no valen la pena. .

Amplitude ayuda a los PM de Shift a centrar nuestros esfuerzos en las piezas que importan, que impulsarán el impacto comercial y ayudarán a los clientes a sentirse más cómodos con la compra de automóviles usados.