Anda Membutuhkan Taksonomi Data Lean untuk Menskalakan Analisis Swalayan

Desain taksonomi berjalan seiring dengan analisis produk. Terlepas dari industri Anda, ukuran perusahaan, portofolio produk, atau kematangan data, Anda tidak dapat membuat analisis produk yang dapat diskalakan tanpa taksonomi lean. Ini sangat penting ketika Anda mempertimbangkan bahwa sebagian besar perusahaan perlu melacak perjalanan pengguna lintas platform dan lintas produk, dan menyiapkan instrumentasi analitik produk mereka dengan cara yang mengantisipasi skenario masa depan.

Dengan kata lain, Anda perlu membuktikan taksonomi data Anda di masa depan sejak Anda meluncurkan solusi analitik produk. Ikuti prinsip-prinsip utama di bawah ini untuk menyiapkan analitik produk Anda agar sukses dalam jangka panjang.

Praktik Terbaik untuk Penyelidikan Masa Depan Analisis Produk dan Taksonomi Data Anda

1. Berinvestasi besar-besaran dalam taksonomi produk pertama Anda

Analisis produk adalah permainan tim dan mengharuskan Anda untuk menentukan peran dan tanggung jawab yang jelas bagi orang-orang yang terlibat dalam proses tersebut. Pengaturan yang kuat membutuhkan keterlibatan dari dua peran penting:

• Pemimpin bisnis (seringkali kepala atau VP produk) yang akan menentukan rangkaian inti kasus penggunaan yang perlu dicakup oleh analisis produk
• Pemimpin teknis (seringkali peran teknik senior) yang akan mendorong sisi teknis implementasi analitik

Kedua peran ini harus memiliki pandangan lintas platform dan lintas tim pada produk untuk dapat mengambil keputusan di tingkat produk. Jika ada beberapa tim produk dan teknik yang akan terlibat dalam implementasi, sangat penting bahwa kedua peran ini dapat mengoordinasikan tim. Ini akan memastikan konsistensi analisis produk terlepas dari jumlah tim yang terlibat. Menjaga tim kepemimpinan yang lebih luas dalam lingkaran sering kali menciptakan momentum dan kegembiraan tambahan seputar analisis produk dan membantu meningkatkan pekerjaan di peta jalan di seluruh perusahaan.

Setelah tim Anda siap untuk membangun taksonomi produk, Anda harus membuat gambaran besar tentang di mana produk Anda berada sebelum masuk ke detail seluk beluk. Untuk melakukan ini, pikirkan pertanyaan top-down yang akan dijawab oleh analisis produk untuk tim Anda, seperti:

Jika Anda membangun pemahaman yang sama tentang pertanyaan mendasar ini di antara tim Anda, Anda akan selalu dapat memperluas cakupan analitik produk Anda dan menyelam lebih dalam di area dengan potensi terbesar (misalnya jalur penggunaan yang tidak jelas, penurunan terbesar off).

Setelah Anda menentukan kasus penggunaan untuk analisis produk, saatnya untuk menentukan taksonomi data Anda. Yaitu, ini terdiri dari:

• Acara
• Properti Acara (konteks acara)
• Properti Pengguna (konteks pengguna).

Tujuan Anda pada tahap ini adalah untuk menjaga taksonomi sesantai mungkin, selaras dengan pertanyaan di atas. Berdasarkan pengalaman kami, menggunakan 20-30 event saja sudah cukup untuk menjawab sekitar 90% pertanyaan yang diajukan tim secara konsisten.

Seringkali, hanya segelintir acara yang akan menghasilkan jawaban yang solid untuk pertanyaan bisnis umum. Ini akan memberi perusahaan Anda pemahaman tentang perjalanan pengguna yang sebenarnya (bukan hanya yang dimaksudkan ), dan membuka wawasan baru, seperti:

• persona produk yang sebenarnya
• titik gesekan dalam perjalanan pengguna
• mengapa beberapa pengguna mengonversi dan yang lainnya tidak
• perbaikan UI mana yang harus dilakukan pada saat-saat drop-off

Anda dapat mempelajari lebih lanjut tentang mendokumentasikan peristiwa, properti peristiwa, dan properti pengguna di Buku Panduan Taksonomi Data Amplitude. Poin-poin utama termasuk menjaga taksonomi tetap ramping, menggunakan konvensi penamaan yang konsisten, dan mencapai keseimbangan yang tepat antara peristiwa dan properti instrumentasi.

2. Jauhi pelacakan elemen UI tingkat rendah

Melacak elemen UI tingkat rendah dan tidak penting adalah tanda #1 dari analisis produk yang tidak dapat diskalakan, dalam pengalaman kami di tim layanan profesional Amplitude. Seringkali, ini mencerminkan pendekatan instrumentasi yang mencampuradukkan definisi peristiwa dan properti peristiwa .

Misalnya, tim produk Anda mungkin sedang bertaruh untuk meningkatkan alur pembayaran produk Anda. Saat mereka mengerjakan taruhan ini, mereka mungkin menguji beberapa iterasi yang menambah atau menghapus elemen UI. Saat mencoba mengukur kinerja setiap pengujian, mungkin ada kecenderungan alami untuk melacak peristiwa seperti:

• Kotak centang diklik
• Tombol diklik
• Beralih digesek
• Teks bidang diklik

Jika taksonomi awal Anda dipenuhi dengan elemen UI seperti yang di atas, mungkin sudah waktunya untuk mundur selangkah dan berkumpul kembali. Ya, tim telah bekerja untuk meningkatkan alur pembayaran dan telah menyesuaikan elemen-elemen tersebut, tetapi ingat: Tujuan dari alur ini adalah agar pengguna dapat bergerak dengan mulus melaluinya. Apa yang ingin dilihat bisnis sebagai perjalanan pengguna dalam analitik kemungkinan adalah “Pembayaran Dimulai” → “Metode Pembayaran dipilih” → “Detail Pembayaran Dipilih” → “Transaksi Dikirim.” Jenis aliran ini jauh lebih informatif dan terukur daripada sesuatu seperti: "Tombol Diklik" → "Kotak Centang Dipilih" → "Teks Bidang Diklik". Jika Anda masih mencari perincian saat mengevaluasi konversi di antara langkah-langkah, Anda dapat mengatasinya dengan dua metode alternatif:

1. Elemen UI instrumen dalam properti peristiwa peristiwa. Misalnya, peristiwa "Transaksi Dikirimkan" dapat memiliki properti yang menunjukkan jika pengguna melakukan tindakan menggunakan kotak centang, klik tombol, atau elemen UI lainnya.
2. Gunakan pengujian A/B untuk meningkatkan konversi pada langkah-langkah dengan penurunan tinggi . Misalnya, jika Anda mengamati penurunan yang tinggi antara langkah 1 dan 2, sering kali lebih efektif menjalankan pengujian A/B dengan UI yang dimodifikasi dan mengamati hasil yang objektif pada sampel Anda, daripada menggunakan beberapa elemen selama proses iterasi.

3. Tetapkan tautan ke hasil bisnis

Pada akhirnya, pengaturan analitik produk Anda harus mengungkapkan bagaimana produk digital Anda mendorong bisnis Anda.

Dengan taksonomi data yang terinstrumentasi dengan baik, ada banyak faktor yang dapat dijelajahi oleh tim Anda dalam perjalanan pengguna, seperti:

• persona
• jalan umum
• dampak rilis terhadap metrik utama
• penggerak konversi
• perjalanan pengguna
• dan banyak lagi

Kami melihat bahwa tim yang berhasil dalam analisis produk selalu menutup lingkaran antara peristiwa yang mereka lacak, bisnis yang mereka jalani, dan "permainan keterlibatan" yang dimainkan produk mereka.

(Permainan keterlibatan mengacu pada salah satu dari tiga "permainan" utama yang didorong produk Anda: transaksi, perhatian, atau produktivitas. Baca selengkapnya tentang metode ini di buku pedoman Menguasai Keterlibatan Amplitude.)

Misalnya, jika produk Anda termasuk dalam “permainan produktivitas”, Anda dapat memiliki corong orientasi yang bagus, tetapi corong orientasi yang bagus itu tidak cukup untuk mencocokkan sasaran bisnis Anda. Produk Anda pada akhirnya harus memenuhi janji produktivitas; ini berarti pengguna harus kembali menggunakan fitur inti yang mendorong nilai (produktivitas) bagi mereka. Selain melacak keberhasilan alur orientasi Anda, pastikan untuk memanfaatkan analisis produk untuk menilai bagaimana pengguna mengulangi tindakan penting.

4. Jangan lacak semuanya sekaligus

Pelacakan data dianggap sebagai suatu keharusan di sebagian besar perusahaan digital akhir-akhir ini dan industri teknologi membuatnya semakin mudah untuk mengumpulkan, menyimpan, dan memproses sejumlah besar data. Perusahaan yang memulai dengan analisis produk dan sudah memiliki CDP atau gudang data sering cenderung melewatkan langkah desain taksonomi dan mulai mengalirkan semua data berharga yang telah mereka kumpulkan.

Praktik Layanan Profesional di Amplitudo kembali ke prinsip lama: lebih sedikit lebih banyak. Menampilkan serangkaian 10 peristiwa yang relevan dan cukup jelas kepada pengguna Amplitude Anda selalu lebih baik daripada menampilkan daftar 600 peristiwa (seringkali dengan duplikat dan tanpa properti peristiwa penting) kepada orang-orang yang hanya membutuhkan wawasan tentang berapa banyak pengguna aktif di luar sana atau berapa tingkat konversi kritisnya.

Anda sepenuhnya dapat menerapkan taksonomi ramping dan ringkas yang mendorong analisis produk skalabel swalayan—jenis analisis yang akan senang digunakan oleh rekan kerja Anda dalam tugas sehari-hari.

Dari satu produk ke analitik lintas produk

Memberikan implementasi awal yang ramping dari analisis produk membuka wawasan untuk setiap tim digital: pemasaran, produk, teknik, dan banyak lagi. Dengan wawasan yang andal ini, Anda juga menarik organisasi menuju budaya informasi data. Tim mulai beralih dari kemacetan data ke analitik swalayan dan mempersingkat siklus menjadi wawasan dari minggu ke menit.

Taksonomi ramping dari produk pertama menetapkan standar analisis produk di perusahaan dan memungkinkan tim lain mengikuti contoh. Analitik lintas produk yang sukses hanya mungkin jika setiap produk memiliki taksonomi yang terinstrumentasi dengan baik yang terhubung dengan hasil bisnis yang ingin dicapai perusahaan.