Temukan Peluang untuk Peningkatan Produk Melalui Analisis Data Swalayan

Inti dari manajemen produk adalah rasa ingin tahu yang melekat dan dorongan untuk menjawab pertanyaan. Tidaklah cukup untuk melihat bagaimana kinerja suatu produk dan bertanya-tanya mengapa. Manajer produk yang baik mengikuti rasa ingin tahu mereka, mengiris dan memotong data dalam banyak cara untuk mendiagnosis apa yang terjadi.

Beberapa PM memiliki rasa ingin tahu itu tetapi tidak memiliki alat untuk melangkah lebih jauh. Sebaliknya, mereka mungkin harus bergantung pada seseorang seperti ilmuwan data atau tim analitik khusus. Dibutuhkan lebih banyak waktu untuk merumuskan hipotesis dan menjawab pertanyaan dengan cara ini, memperlambat proses pengembangan produk. Memiliki alat yang tepat untuk menjawab pertanyaan secara mandiri dapat membuat semua perbedaan untuk konversi.

Waktu tunggu yang lama dan data buntu

Saya tahu ini dari pengalaman pribadi sebagai PM di Shift pasar mobil bekas. Pasar mobil bekas memang kompleks. Ini siklus, jadi sementara angin sebagian besar berada di belakang kita selama pandemi, kita menghadapi angin sakal yang signifikan di lain waktu. Membeli mobil apa pun juga merupakan proses yang panjang. Bagi banyak orang, mobil mereka adalah pembelian terbesar kedua dalam hidup mereka, setelah rumah mereka. Pembeli ingin yakin bahwa mereka memilih mobil yang tepat untuk mereka, yang membutuhkan waktu dan pertimbangan. Perjalanan pembelian mobil rata-rata memakan waktu tiga bulan, dan ada banyak langkah dalam perjalanan itu, mulai dari penelitian dan penganggaran hingga memusatkan perhatian pada model tertentu dan keunggulan masing-masing mobil.

Memiliki alat yang tepat untuk menjawab pertanyaan data produk secara mandiri dapat membuat semua perbedaan untuk konversi.

Saya melangkah ke peran manajer produk senior di Shift pada tahun 2020, di mana saya bertanggung jawab untuk pertumbuhan. "Pertumbuhan" dapat mencakup banyak hal. Saya fokus pada SEO dan bekerja sama dengan departemen pemasaran kami untuk mengoptimalkan iklan, yang penting mengingat inventaris dan anggaran iklan kami yang besar. Kami juga menjalankan promosi pada waktu-waktu tertentu, seperti 4 Juli atau selama penjualan akhir tahun, dan saya membantu memastikan promosi tersebut berhasil.

Ketika saya tiba di Shift, tim menggunakan Segment sebagai Platform Data Pelanggan (CDP) kami. Kami juga menjalankan Periscope Data, alat intelijen bisnis (BI) yang berjalan di atas kueri SQL. Saya bisa membuatnya bekerja karena saya tahu sedikit tentang SQL, tetapi butuh banyak waktu, dan banyak orang di organisasi produk tidak memiliki kemampuan yang sama. Sebagai gantinya, mereka harus mengirimkan tiket untuk membuat bagan dan kemudian mengirimkan tiket berikutnya jika mereka tidak mendapatkan apa yang mereka butuhkan. Ada waktu yang lama untuk mendapatkan jawaban data tersebut, dan bahkan kemudian, kami menemui banyak jalan buntu karena datanya tidak lengkap.

Keputusan yang lebih baik dan lebih cepat di seluruh organisasi

Kurangnya akses ke data real-time memaksa tim produk untuk bergerak lebih lambat, itulah sebabnya Shift beralih ke Amplitude Analytics sesaat sebelum saya tiba. Hanya sedikit orang yang menggunakan platform ini, tetapi saya dapat melihat nilainya. Data swalayan akan memberdayakan PM, desainer, dan siapa pun di perusahaan untuk menjawab pertanyaan mereka sendiri.

Untuk menempatkan ini dalam konteks: Ketika saya onboard, hanya ada empat PM di Shift. Kami sekarang memiliki 16. Pertumbuhan itu saja tidak mungkin jika semua orang terus mengirim permintaan data melalui tim analitik. Kami perlu mengaktifkan masing-masing PM untuk membuat, mengedit, dan membagikan bagan.

Memberdayakan manajer produk dan desainer untuk menjawab pertanyaan mereka memungkinkan mereka membuat keputusan penting dengan cepat.

Kami memulai inisiatif berkelanjutan untuk mengembangkan penggunaan Analytics di Shift. Setiap dua minggu, saya mengadakan panduan undangan terbuka tentang dasbor platform yang mudah dibagikan dan mudah dipahami. Saya berbicara dengan siapa pun tentang platform, apakah mereka dari produk, desain, riset pengguna, atau di mana pun di antaranya. Saya memiliki agenda untuk sesi-sesi tersebut, tetapi sering kali saya menemukan sesi yang paling menarik adalah saat orang-orang tiba dengan pertanyaan spesifik, seperti, “Berapa banyak orang yang berhasil melalui langkah tiga, empat, dan lima dari aplikasi pinjaman kami?” Ketika saya menunjukkan kepada orang-orang bagaimana mengidentifikasi peristiwa analitik yang relevan untuk memenuhi kebutuhan mereka, mereka segera melihat nilai platform.

Seiring waktu, saya melihat orang semakin menggunakan dan mempercayai Analytics, dan peningkatan kepercayaan data di tim yang lebih besar. Memberdayakan PM dan desainer untuk menjawab pertanyaan mereka memungkinkan mereka membuat keputusan penting untuk area mereka lebih cepat, membangun produk berbasis data dan peta jalan strategis. Kami dapat melihat ini dalam peningkatan YoY yang solid di salah satu metrik utama kami, Visitor to Lead: perjalanan pengguna dari mengunjungi situs kami hingga tertarik secara aktif pada mobil. Sejak mempopulerkan Analytics di Shift, kami telah melakukan banyak peningkatan pada proses belanja kami, termasuk membuat ratusan artikel untuk membantu mendidik orang saat mereka membeli. Semua ini menghasilkan metrik Pengunjung untuk Memimpin yang lebih tinggi.

Bagaimana kami menggunakan fitur Amplitudo untuk meningkatkan produk kami

PM kami memanfaatkan banyak fitur dalam platform untuk meningkatkan produk kami, termasuk:

Eksperimen Amplitudo : Saya menganggap ini sebagai tingkat kedua yang didorong oleh data. Tingkat pertama hanya memahami apa yang sedang terjadi. Level kedua yang kami buka dengan Eksperimen ini melihat dampak perubahan berdasarkan pengujian A/B. Kami sebelumnya menjalankan pengujian A/B menggunakan solusi buatan kami sendiri, tetapi masih memerlukan ilmuwan data kami untuk menghabiskan waktu menulis kode untuk membuat dasbor pengujian di Periscope Data.

Memindahkan pengujian ke Eksperimen berarti kita dapat membuat dasbor, memulai dan menghentikan eksperimen, dan menjawab pertanyaan kita sendiri. Salah satu contohnya adalah pengujian yang kami lakukan pada fitur baru potensial yang disebut Perbandingan Mobil. Perbandingan Mobil memungkinkan pengguna untuk memilih beberapa mobil dan membandingkan atribut, harga, dan detailnya seperti berapa banyak kecelakaan yang dialami masing-masing mobil. Ini juga menunjukkan foto mobil-mobil ini berdampingan. Membandingkan apel dengan apel membantu pengguna membuat keputusan pembelian lebih cepat dan lebih percaya diri. Fitur ini diluncurkan dengan bantuan Eksperimen. Terakhir, Manajer Produk dapat mengontrol peluncuran dan pengujian terpisah (tanpa memerlukan Teknik atau Ilmu Data). Ini secara dramatis meningkatkan waktu siklus dari peluncuran ke pembelajaran. Setelah beberapa minggu, kami melihat peningkatan yang signifikan secara statistik dalam metrik utama dan segera memperbarui Eksperimen untuk meluncurkan fitur tersebut ke 100% pembeli mobil. Perbandingan Mobil sukses besar dalam pengujian A/B, dan sekarang setelah kami meluncurkannya, ini menjadi kontributor utama metrik Pengunjung untuk Memimpin kami.

Segmentasi dan Kelompok : Kami sering menggunakan segmentasi untuk membuat kelompok pengguna dan mendiagnosis masalah di bawah permukaan data kami. Misalnya: Karena semakin banyak orang yang merasa nyaman berbelanja di perangkat seluler, kami melihat banyak pengguna mengunjungi situs kami untuk pertama kalinya di perangkat seluler, lalu beralih ke desktop nanti untuk melengkapi formulir keuangan. Jadi kami akan membuat kohort untuk melacak perilaku dua perangkat tersebut.

Hal lain yang telah kita lihat dengan masalah inflasi dan rantai pasokan, telah terjadi peningkatan minat di pasar mobil bekas. Sebagai salah satu pasar mobil bekas terkemuka, ini berarti peningkatan besar dalam bot yang merayapi situs kami dan mengumpulkan data pada kendaraan kami untuk riset pasar. Bot awalnya menimbulkan banyak kekhawatiran karena mereka membuat lonjakan besar pada jenis halaman tertentu, seperti halaman detail kendaraan kami. Tapi sekarang, kami telah membuat kohort yang memungkinkan kami mengidentifikasi dan memfilter bot ini dari data pengguna kami. Kami juga menggunakan kelompok untuk mengelompokkan pengguna berdasarkan saluran pemasaran.

Pencarian Pengguna: Pencarian Pengguna adalah alat diagnostik yang fantastis. Kami mungkin memiliki pertanyaan seperti, "Apakah ada peristiwa ketika pengguna mengklik berikutnya pada carousel gambar?" Dalam hal ini, saya menemukan ID pengguna anonim saya di Amplitude, mengklik korsel di browser saya, dan kemudian melihat peristiwa mana yang diaktifkan.

Pencarian Pengguna juga dapat membantu memahami cara membuat corong. Jika saya ingin memahami aliran perilaku pengguna tertentu, saya akan menyelami aliran peristiwa untuk melihat peristiwa penting yang mengarah ke konversi yang dimaksud. Menggunakan alat ini menunjukkan kepada kita seperti apa perjalanan pelanggan individu dan jalur yang mereka ambil untuk membeli mobil dari kami.

Menjadi berbasis data memberdayakan semua orang untuk mengungkap peluang dalam suatu produk.

Corong: Corong sangat penting bagi kami karena proses pembelian mobil panjang dan melibatkan banyak langkah. Kami menarik pengguna di berbagai tahap proses pembelian mobil—beberapa orang datang kepada kami di awal perjalanan mereka ketika mereka masih mencari tahu jenis mobil mana yang tepat untuk mereka. Mereka mungkin sedang dalam percakapan dengan pasangan mereka tentang pembelian atau menentukan apakah mereka membutuhkan mobil sama sekali. Pelanggan lain tiba di situs kami setelah melakukan riset, mengetahui dengan tepat tahun, merek, dan model yang mereka inginkan.

Corong membantu tim produk memecah perjalanan pengguna pembelian mobil yang kompleks menjadi beberapa tahap, dengan sasaran spesifik yang menunjukkan bahwa pelanggan semakin dekat untuk membeli. Jadi corong pertama kami mungkin mendaftar ke situs web kami. Yang berikutnya mungkin melibatkan memfavoritkan beberapa mobil atau menambahkan pencarian yang disimpan. Melalui Analytics, kami telah mengidentifikasi peristiwa penting dalam perjalanan pembeli. Misalnya, kita telah melihat bahwa ketika pelanggan mengeklik untuk melihat laporan CARFAX, mereka lebih cenderung membeli mobil.

Mengidentifikasi peluang yang layak dikejar

Di beberapa organisasi, orang dengan bayaran tertinggi di ruangan itu memutuskan ke mana produk akan dibawa selanjutnya. Mereka punya firasat beranda harus berwarna biru, sehingga beranda menjadi biru. Tidak ada yang mengajukan pertanyaan konkret karena sulit untuk mendapatkan jawaban konkret. Tapi Anda tidak harus membuat keputusan berdasarkan bukti anekdot saja.

Menjadi lebih berbasis data memberdayakan semua orang di Shift untuk mengungkap peluang yang ada dalam produk kami. Saat kami melihat sesuatu yang tidak terduga di Analytics, kami semua dapat menggali lebih dalam untuk melihat apakah momen tersebut merupakan peluang yang sedang dibuat dan bahkan menguji untuk mengetahui implikasi dari mengejarnya. Itu membuat pengambilan keputusan yang lebih baik untuk semua orang. Sangat mudah tersesat dalam jumlah dan metrik yang besar, tetapi Analytics menyediakan data kuantitatif hebat yang dapat kami pasangkan dengan data kualitatif dan bekerja dengan tim riset pengguna untuk memutuskan peluang mana yang layak dikejar—dan mana yang merupakan awal yang salah atau tidak sepadan dengan waktu kita. .

Amplitudo membantu Shift PM memfokuskan upaya kami pada bagian yang penting, yang akan mendorong dampak bisnis, dan membantu pelanggan menjadi lebih nyaman dengan membeli mobil bekas.