Cómo Unmind desarrolló una cultura empresarial basada en datos con Amplitude

Perspectivas/Acción/Resultado:Unmind tenía un chatbot diseñado para responder preguntas dentro de su aplicación. Amplitude Analytics les ayudó a descubrir que cuando el bot participaba en los cursos de Unmind, era más probable que los usuarios abandonaran.Estos datos contribuyeron a la decisión del equipo de eliminar el bot de la aplicación y observaron un aumento en la finalización de los cursos.

Los datos son poder. Pero ese poder no siempre es suficiente para integrar los datos en los procesos cotidianos. Saltar ese obstáculo fue donde nuestro viaje de análisis de productos comenzó a basarse más en datos. El proceso ha mejorado la forma en que construimos productos, involucramos a los clientes y creamos experiencias de usuario.

La búsqueda para convertir a Unmind en una empresa basada en datos

Unmind es una plataforma holística de bienestar en el lugar de trabajo con la misión de crear lugares de trabajo mentalmente saludables, donde todos puedan prosperar. Hoy, tenemos aproximadamente 180 empleados o “Unminders”.

Nuestro viaje hacia la madurez de los datos comenzó hace unos años. Siempre valoramos los datos y reconocimos la importancia de tomar decisiones multifuncionales basadas en datos.

Sin embargo, no estábamos manejando la toma de decisiones basada en datos de manera escalable. El equipo de datos era el cuello de botella clásico, se nos acercaban con frecuencia con preguntas y solicitudes, a las que respondíamos consultando la base de datos o ejecutando scripts de Python. Pero las solicitudes superaron el ancho de banda del equipo de datos y, aunque dimos prioridad a esas solicitudes, siempre hubo una compensación.

Este cuello de botella significó que sacrificáramos la velocidad, ya que estorbaba a otros equipos. Además, abordar las preguntas sobre datos nos impidió trabajar en otras soluciones de autoservicio que permitirían a las partes interesadas obtener las respuestas requeridas. Queríamos romper el ciclo.

La búsqueda basada en casos de uso de una solución escalable

Consultar una base de datos para responder preguntas específicas y compartir en hojas de cálculo puede funcionar bien para las pequeñas empresas que comienzan su viaje de datos. Sin embargo, a medida que Unmind creció junto con nuestro producto, funciones y base de clientes, ya no era sostenible realizar manualmente estas tareas. Lo que comenzó como un cuello de botella manejable se convirtió en un punto doloroso que creció junto con nosotros.

Nos propusimos encontrar una solución y creamos un sólido proceso de evaluación para evitar que nos distraigamos con funciones innecesarias en varias plataformas. Recomendamos utilizar un proceso estrictamente basado en casos de uso:

1. Comience mirando sus casos de uso deseados
2. Decidir sobre las funciones imprescindibles, como las pruebas A/B
3. Juzgue las plataformas y funciones según sus criterios establecidos

Revisamos los principales proveedores, incluidos Heap, Mixpanel y Amplitude, y evaluamos estas plataformas a través de demostraciones. Después de calificarlos, Amplitude proporcionó la mejor opción para nuestros casos de uso en ese momento. Ofrecieron un conjunto de productos rico y sólido y tenían una reputación como líderes de la industria. Estábamos seguros de que nuestra inversión valdría la pena.

Amplitude proporcionó la mejor opción para nuestros casos de uso en ese momento.Ofrecieron un conjunto de productos rico y sólido y tenían una reputación como líderes de la industria.

Los esfuerzos de habilitación comienzan con el equipo de datos

Analytics tiene una amplia gama de funcionalidades, y queríamos asegurarnos de que los colegas de toda la empresa entendieran cómo utilizar correctamente la plataforma. Creamos varios recursos internos, incluida una guía de incorporación, donde incluimos enlaces a nuestros tutoriales en video y sugerencias sobre dónde comenzar. Esto resultó valioso; Amplitude tiene una gran cantidad de excelente documentación en línea, pero no siempre es el primer lugar que buscan los nuevos usuarios.

Ni siquiera los mejores tutoriales en video y la documentación pueden reemplazar la participación práctica con las partes interesadas, tomarse el tiempo para sentarse con ellos y demostrarles cómo encontrar lo que necesitan en lugar de hacerlo por ellos o indicarles otro recurso. El equipo de datos hizo un esfuerzo concertado para ayudar a las personas durante la incorporación, el alojamiento de llamadas y la creación de un canal de Slack dedicado para las preguntas de Analytics. Llevamos a cabo sesiones semanales en las que las personas podían obtener ayuda de Analytics sin tener que programar una reunión.

Las herramientas poderosas pueden ser intimidantes, y algunas personas que nunca habían usado una plataforma de autoservicio estaban preocupadas de que pudieran romper el sistema. Nuestro esfuerzo adicional aseguró que todos, especialmente nuestros gerentes de producto, supieran cómo usar Analytics con facilidad.

No existe un enfoque único para garantizar una implementación exitosa;muchas pequeñas acciones diferentes ayudaron a cambiar los hábitos de las personas.

Consejos para un lanzamiento exitoso

Si bien no existe un enfoque único para garantizar una implementación exitosa de Analytics, puedo recomendar muchas pequeñas acciones diferentes que nos ayudaron a cambiar los hábitos de las personas.

• Sea accesible y haga tiempo como equipo de datos para ayudar a los colegas. Nuestras sesiones sin cita previa tuvieron un gran impacto. Las personas comenzaron a sentirse cómodas acercándose a nosotros con sus preguntas y nos unimos como miembros del equipo, todo lo cual facilitó el proceso de enseñanza y aprendizaje.
• Continúe compartiendo gráficos de Analytics y anime a las personas a usar la plataforma para descubrir respuestas basadas en datos a una pregunta. Compartir datos e ideas antes de la implementación puede ofrecer a las personas una idea de las posibilidades. Una vez que está ampliamente disponible, los empleados están más ansiosos por acceder a los datos.
• Hable con personas de las unidades de ventas, productos y negocios para conocer el tipo específico de datos que necesitan para lograr sus objetivos respectivos. Hay una tendencia a querer rastrear todo, y es una creencia común que más datos siempre es mejor. Sin embargo, un enfoque basado en casos de uso es más efectivo. Averigüe qué problemas están tratando de resolver las personas y luego decida qué datos rastrear.
• Ser paciente. Cambiar los hábitos lleva tiempo, y las personas a menudo necesitan una serie de iniciativas y recordatorios para volverse dependientes de los datos y utilizar los conocimientos de los datos de manera efectiva. Sucederá, y los resultados valen la pena invertir el tiempo, la amabilidad y la paciencia adicionales.

Hay una tendencia a querer rastrear todo, y es una creencia común que más datos siempre es mejor.Sin embargo, un enfoque basado en casos de uso es más efectivo.

Desbloqueando las posibilidades en Unmind

Analytics ha sido valioso para Unmind de varias maneras. Uno de ellos es monitorear las métricas que los equipos de desarrollo de productos pretenden mejorar. Por ejemplo, tenemos un gráfico que rastrea la adherencia: nuestros usuarios activos diarios (DAU) sobre la proporción de usuarios activos mensuales (MAU). El equipo de productos monitorea esa métrica semanalmente y la usa como una estrella del norte cuando lanza nuevas funciones.

Un caso de uso que es particularmente popular en Unmind es la vista de embudo de conversiones. Podemos ver si cuando un usuario hace clic en el elemento A, también hace clic en el elemento B. La segmentación de eventos se usa ampliamente y también usamos la plataforma para pruebas A/B. La visualización de pruebas en Analytics facilita la visualización de resultados y la comparación de grupos. Estos resultados informan a nuestros equipos qué característica o estilo es más impactante para que podamos tomar decisiones críticas de desarrollo de productos.

Hemos realizado grandes cambios en nuestros productos en función de los conocimientos de Analytics. Por ejemplo, solíamos tener un bot en la aplicación que actuaba como un compañero y respondía las preguntas de los usuarios. Los análisis nos mostraron que cuando el bot estaba involucrado en nuestros cursos, era más probable que las personas abandonaran. Estos datos contribuyeron a nuestra decisión de eliminar el bot de la aplicación.

Otro ejemplo de una idea procesable es nuestro examen de los predictores de retención. Vimos en Amplitude que las personas que usaban nuestro Wellbeing Tracker (un cuestionario validado científicamente que les ayuda a comprender su estado actual de bienestar) tendían a volver a la aplicación. Validamos este hallazgo utilizando análisis avanzados y este fue un momento decisivo para nosotros en ese momento: significó que los usuarios entendieron el valor de nuestro producto, y deberíamos esforzarnos más para resaltar esa característica. Como resultado, comenzamos a animar al usuario a completar el Rastreador de Bienestar durante su Tour de Bienvenida inicial de la aplicación. También cambiamos la comunicación en nuestro correo electrónico de incorporación para incluir el rastreador de bienestar.

Donde antes los miembros del equipo dudaban en usar Amplitude, ahora se enorgullecen de usarlo y compartir ideas. A veces, las personas notan una tendencia en Amplitude, nos piden nuestra opinión y aprenden cómo pueden profundizar más. Amplitude se integra con Slack, lo que permite a los usuarios compartir gráficos y las personas pueden interactuar con él en el canal. Es altamente colaborativo, y ese entusiasmo se propaga rápidamente y anima a otros.

Cambiando hábitos, cambiando cultura

Hemos visto surgir la toma de decisiones basada en datos como una parte vital de la cultura de nuestra empresa. Ahora podemos comprender más fácilmente el impacto de un cambio de producto, y cuando podemos ver el impacto rápidamente, podemos pasar a discusiones más significativas más rápido. Los datos ayudan a impulsar el desarrollo de nuevos productos y otros cambios propuestos, lo que facilita que todos se muevan en la misma dirección.

La cantidad de solicitudes de datos que recibimos ha disminuido desde nuestro lanzamiento de Amplitude. Esta disminución liberó al equipo de datos para realizar análisis más avanzados, mejorando tanto nuestra velocidad como nuestro impacto.

En última instancia, Amplitude nos ayudó a progresar en la definición de nuestra métrica North Star, y ahora adoptamos un enfoque más ascendente para el desarrollo de productos. Ser capaz de explorar los datos y descubrir tendencias nos permite buscar oportunidades para mejorar nuestro producto de manera que resuene con nuestros usuarios y los empodere para llevar una vida más plena.