Découvrez les opportunités d'amélioration des produits grâce à l'analyse de données en libre-service

Au cœur de la gestion des produits se trouve une curiosité inhérente et une volonté de répondre aux questions. Il ne suffit pas de voir comment un produit fonctionne et de se demander pourquoi. Un bon chef de produit suit sa curiosité, en découpant et en découpant les données d'autant de façons que possible pour diagnostiquer ce qui se passe.

Certains PM ont cette curiosité mais n'ont pas les outils pour aller plus loin. Au lieu de cela, ils doivent probablement s'appuyer sur quelqu'un comme un scientifique des données ou une équipe d'analyse dédiée. Il faut beaucoup plus de temps pour formuler des hypothèses et répondre aux questions de cette manière, ce qui ralentit le processus de développement du produit. Avoir le bon outil pour répondre aux questions de manière indépendante peut faire toute la différence pour la conversion.

Délais d'exécution longs et données sans issue

Je le sais par expérience personnelle en tant que PM sur le marché des voitures d'occasion Shift. Le marché de la voiture d'occasion est complexe. C'est cyclique, alors même si le vent a été en grande partie dans notre dos pendant la pandémie, nous sommes confrontés à des vents contraires importants à d'autres moments. L'achat d'une voiture est également un long processus. Pour de nombreuses personnes, leur voiture est le deuxième achat le plus important de leur vie, après leur maison. Les acheteurs veulent être sûrs qu'ils choisissent la bonne voiture pour eux, ce qui prend du temps et de la réflexion. Le parcours moyen d'achat d'une voiture prend trois mois et comporte de nombreuses étapes, de la recherche et de la budgétisation à la mise au point sur des modèles spécifiques et les mérites de chaque voiture.

Avoir le bon outil pour répondre aux questions sur les données produit de manière indépendante peut faire toute la différence pour la conversion.

Je suis entré dans un rôle de chef de produit senior chez Shift en 2020, où je suis responsable de la croissance. La « croissance » peut couvrir beaucoup de choses. Je me concentre sur le référencement et travaille en étroite collaboration avec notre service marketing pour optimiser la publicité, ce qui est important compte tenu de notre large inventaire et de notre budget publicitaire. Nous organisons également des promotions à certains moments, comme le 4 juillet ou lors des soldes de fin d'année, et je contribue au succès de ces promotions.

Lorsque je suis arrivé chez Shift, l'équipe utilisait Segment comme plateforme de données client (CDP). Nous utilisions également Periscope Data, un outil de business intelligence (BI) qui s'exécute en plus des requêtes SQL. J'ai pu le faire fonctionner parce que je connais un peu SQL, mais cela a pris beaucoup de temps et de nombreuses personnes de l'organisation produit n'avaient pas la même capacité. Au lieu de cela, ils devraient soumettre un ticket pour créer un tableau, puis soumettre les tickets suivants s'ils n'obtenaient pas ce dont ils avaient besoin. Il y avait un long délai pour obtenir ces réponses, et même alors, nous nous sommes heurtés à de nombreuses impasses car les données étaient incomplètes.

Des décisions meilleures et plus rapides dans toute l'organisation

Le manque d'accès aux données en temps réel a obligé l'équipe produit à ralentir, c'est pourquoi Shift s'est tourné vers Amplitude Analytics peu de temps avant mon arrivée. Peu de gens utilisaient encore la plateforme, mais je pouvais voir la valeur. Les données en libre-service permettraient aux PM, aux concepteurs et à toute autre personne de l'entreprise de répondre à leurs propres questions.

Pour mettre cela en contexte : lorsque je me suis intégré, il n'y avait que quatre PM chez Shift. Nous en avons maintenant 16. Cette croissance à elle seule aurait été impossible si tout le monde avait continué à envoyer des demandes de données via l'équipe d'analyse. Nous devions permettre aux PM individuels de créer, modifier et partager des graphiques.

Permettre aux chefs de produit et aux concepteurs de répondre à leurs questions leur permet de prendre rapidement des décisions critiques.

Nous avons lancé une initiative continue pour développer l'utilisation d'Analytics chez Shift. Toutes les deux semaines, j'organise une présentation sur invitation ouverte des tableaux de bord faciles à partager et à comprendre de la plate-forme. Je parle à n'importe qui de la plate-forme, qu'il s'agisse de produits, de conception, de recherche d'utilisateurs ou de n'importe où entre les deux. J'ai un programme pour ces sessions, mais je trouve souvent que les sessions les plus engageantes sont celles où les gens arrivent avec une question spécifique, telle que "Combien de personnes franchissent les étapes trois, quatre et cinq de notre demande de prêt ?" Lorsque je montre aux gens comment identifier les événements analytiques pertinents pour répondre à leurs besoins, ils voient immédiatement la valeur de la plateforme.

Au fil du temps, j'ai vu les gens utiliser et faire de plus en plus confiance à Analytics, et une amélioration de la confiance des données dans l'ensemble de l'équipe. Permettre aux PM et aux concepteurs de répondre à leurs questions leur permet de prendre des décisions critiques pour leurs domaines beaucoup plus rapidement, en créant des produits basés sur les données et des feuilles de route stratégiques. Nous pouvons le voir dans les solides améliorations d'une année sur l'autre de l'un de nos indicateurs clés, Visiteur à Lead : le parcours de l'utilisateur depuis la visite de notre site jusqu'à l'intérêt actif pour une voiture. Depuis la popularisation d'Analytics chez Shift, nous avons apporté de nombreuses améliorations à notre processus d'achat, notamment en créant des centaines d'articles pour aider à informer les gens au fur et à mesure qu'ils achètent. Tout cela a entraîné une métrique Visiteur à Lead plus élevée.

Comment nous utilisons les fonctionnalités d'Amplitude pour améliorer notre produit

Nos PM exploitent de nombreuses fonctionnalités de la plateforme pour améliorer notre produit, notamment :

Expérience d'amplitude : je considère cela comme le deuxième niveau d'être axé sur les données. Le premier niveau consiste simplement à comprendre ce qui se passe. Ce deuxième niveau que nous avons débloqué avec Experiment est de voir l'impact des changements basés sur les tests A/B. Nous exécutions auparavant des tests A/B à l'aide de notre solution maison, mais cela nécessitait toujours que nos data scientists passent du temps à écrire du code pour créer le tableau de bord de test dans Periscope Data.

Passer des tests à Experiment signifie que nous pouvons créer des tableaux de bord, démarrer et arrêter une expérience et répondre nous-mêmes à nos questions. Un exemple est un test que nous avons effectué sur une nouvelle fonctionnalité potentielle appelée Comparaison de voitures. La comparaison de voitures permet aux utilisateurs de sélectionner plusieurs voitures et de comparer leurs attributs, leur prix et des détails tels que le nombre d'accidents de chacune. Il montre également des photos de ces voitures côte à côte. Comparer des pommes avec des pommes aide les utilisateurs à prendre des décisions d'achat plus rapidement et avec plus de confiance. Cette fonctionnalité a été lancée avec l'aide d'Experiment. Enfin, le chef de produit pourrait contrôler lui-même le déploiement et les tests fractionnés (sans avoir besoin d'ingénierie ou de science des données). Cela a considérablement amélioré le temps de cycle entre le lancement et l'apprentissage. Après quelques semaines, nous avons constaté une amélioration statistiquement significative des mesures clés et avons immédiatement mis à jour Experiment pour lancer la fonctionnalité à 100 % des acheteurs de voitures. La comparaison de voitures a été un grand succès dans les tests A / B, et maintenant que nous l'avons déployée, elle a été un contributeur majeur à notre métrique Visiteur à Lead.

Segmentation et cohortes : nous utilisons souvent la segmentation pour créer des cohortes d'utilisateurs et diagnostiquer les problèmes sous la surface de nos données. Par exemple : à mesure que de plus en plus de personnes se familiarisent avec les achats sur un appareil mobile, nous voyons de nombreux utilisateurs visiter notre site pour la première fois sur un appareil mobile, puis passer ultérieurement à un ordinateur de bureau pour remplir des formulaires financiers. Nous allons donc créer une cohorte pour suivre ce comportement à deux appareils.

Autre chose que nous avons constatée avec les problèmes d'inflation et de chaîne d'approvisionnement, il y a eu un intérêt accru pour le marché des voitures d'occasion. En tant que l'un des principaux marchés de voitures d'occasion, cela s'est traduit par une augmentation considérable du nombre de robots explorant notre site et glanant des données sur nos véhicules pour les études de marché. Les robots ont d'abord suscité beaucoup d'inquiétudes car ils ont créé d'énormes pics sur des types de pages spécifiques, comme nos pages de détails sur les véhicules. Mais maintenant, nous avons créé une cohorte qui nous permet d'identifier et de filtrer ces bots à partir de nos données d'utilisateurs. Nous utilisons également des cohortes pour segmenter les utilisateurs par canal marketing.

Recherche d'utilisateurs : la recherche d'utilisateurs est un outil de diagnostic fantastique. Nous pourrions avoir une question du type : "Existe-t-il un événement lorsqu'un utilisateur clique ensuite sur le carrousel d'images ?" Dans ce cas, je trouve mon ID utilisateur anonyme dans Amplitude, je clique sur un carrousel dans mon navigateur, puis je vois quels événements se sont déclenchés.

La recherche d'utilisateurs peut également aider à comprendre comment créer un entonnoir. Si je veux comprendre le flux d'un certain comportement d'utilisateur, je plongerai dans le flux d'événements pour voir les événements importants menant à la conversion en question. L'utilisation de cet outil nous montre à quoi ressemble le parcours d'un client individuel et le chemin qu'il a emprunté pour acheter une voiture chez nous.

Devenir axé sur les données permet à chacun de découvrir les opportunités au sein d'un produit.

Entonnoirs : les entonnoirs sont essentiels pour nous car le processus d'achat d'une voiture est long et comporte de nombreuses étapes. Nous attirons des utilisateurs à différentes étapes du processus d'achat d'une voiture - certaines personnes viennent nous voir au tout début de leur voyage alors qu'elles sont encore en train de déterminer quel type de voiture leur convient le mieux. Ils peuvent être en conversation avec leur partenaire au sujet de l'achat ou déterminer s'ils ont besoin d'une voiture. D'autres clients arrivent sur notre site après avoir fait leurs recherches, connaissant précisément l'année, la marque et le modèle qu'ils souhaitent.

Les entonnoirs aident l'équipe produit à diviser le parcours utilisateur complexe d'achat de voiture en étapes, avec des objectifs spécifiques indiquant que le client se rapproche de l'achat. Donc, notre premier entonnoir pourrait être l'inscription à notre site Web. La prochaine peut impliquer de favoriser plusieurs voitures ou d'ajouter une recherche enregistrée. Grâce à Analytics, nous avons identifié des événements critiques dans le parcours de l'acheteur. Par exemple, nous avons vu que lorsque les clients cliquent pour consulter un rapport CARFAX, ils sont beaucoup plus susceptibles d'acheter une voiture.

Identifier les opportunités à saisir

Dans certaines organisations, la personne la mieux payée dans la salle décide où le produit va ensuite. Ils ont l'intuition que la page d'accueil devrait être bleue, donc la page d'accueil devient bleue. Personne ne pose de questions concrètes car il est difficile d'obtenir des réponses concrètes. Mais vous ne devriez pas prendre de décisions basées uniquement sur des preuves anecdotiques.

Devenir plus axé sur les données permet à chacun chez Shift de découvrir les opportunités qui existent au sein de notre produit. Lorsque nous voyons quelque chose d'inattendu dans Analytics, nous pouvons tous creuser plus profondément pour voir si ce moment est une opportunité en devenir et même tester pour découvrir les implications de sa poursuite. Cela permet une meilleure prise de décision pour tout le monde. Il est facile de se perdre dans les grands nombres et les métriques, mais Analytics fournit d'excellentes données quantitatives que nous pouvons associer à des données qualitatives et travailler avec l'équipe de recherche d'utilisateurs pour décider quelles opportunités valent la peine d'être poursuivies et lesquelles sont de faux départs ou ne valent pas la peine. .

Amplitude aide les PM de Shift à concentrer nos efforts sur les éléments qui comptent, qui auront un impact commercial et aideront les clients à se sentir plus à l'aise avec l'achat de voitures d'occasion.