È necessaria una tassonomia dei dati snella per scalare le analisi self-service

Il design della tassonomia va di pari passo con l'analisi del prodotto. Indipendentemente dal settore, dalle dimensioni dell'azienda, dal portafoglio di prodotti o dalla maturità dei dati, non è possibile stabilire analisi di prodotto scalabili senza una tassonomia snella. Ciò è particolarmente importante se si considera che la maggior parte delle aziende dovrà tenere traccia dei percorsi degli utenti multipiattaforma e multiprodotto e impostare la propria strumentazione di analisi dei prodotti in modo da anticipare gli scenari futuri.

In altre parole, devi rendere la tua tassonomia dei dati a prova di futuro dal momento in cui lanci una soluzione di analisi del prodotto. Segui i principi chiave di seguito per impostare l'analisi dei tuoi prodotti per il successo a lungo termine.

Best practice per rendere a prova di futuro l'analisi dei prodotti e la tassonomia dei dati

1. Investi molto nella tassonomia del tuo primo prodotto

L'analisi dei prodotti è un gioco di squadra e richiede di definire ruoli e responsabilità chiari per le persone coinvolte nel processo. Una configurazione forte richiede il coinvolgimento di due ruoli critici:

• Un leader aziendale (spesso capo o vicepresidente del prodotto) che definirà l'insieme principale di casi d'uso che devono essere coperti dall'analisi del prodotto
• Un responsabile tecnico (spesso ruolo di ingegneria senior) che guiderà il lato tecnico dell'implementazione dell'analisi

Entrambi questi ruoli dovrebbero avere una visione multipiattaforma e tra team sul prodotto per poter prendere decisioni a livello di prodotto. Se ci sono più team di progettazione e prodotto coinvolti nell'implementazione, è fondamentale che questi due ruoli siano in grado di coordinare i team. Ciò garantirà la coerenza dell'analisi del prodotto indipendentemente dal numero di team coinvolti. Tenere aggiornato il team dirigenziale più ampio spesso crea ulteriore slancio ed entusiasmo per l'analisi dei prodotti e aiuta a migliorare il lavoro nella roadmap dell'intera azienda.

Una volta che il tuo team è pronto per creare la tassonomia del prodotto, dovresti stabilire un quadro generale di dove si trova il tuo prodotto prima di immergerti nei dettagli più importanti. Per fare ciò, pensa a domande dall'alto verso il basso a cui l'analisi dei prodotti risponderà per il tuo team, come ad esempio:

Se stabilisci una comprensione comune su queste domande fondamentali tra i tuoi team, sarai sempre in grado di espandere la copertura delle analisi dei tuoi prodotti e di immergerti più a fondo nelle aree con il maggiore potenziale (ad es. percorsi di utilizzo poco chiari, drop più off).

Una volta definiti i casi d'uso per l'analisi dei prodotti, è il momento di definire la tassonomia dei dati. Vale a dire, questo è composto da:

• Eventi
• Proprietà dell'evento (contesto degli eventi)
• Proprietà utente (contesto di un utente).

Il tuo obiettivo in questa fase è mantenere la tassonomia il più snella possibile, in linea con le domande precedenti. Nella nostra esperienza, la strumentazione di soli 20-30 eventi è sufficiente per rispondere a circa il 90% delle domande che i team pongono costantemente.

Spesso, solo una manciata di eventi produrrà risposte solide a domande aziendali comuni. Ciò fornirà alla tua azienda una comprensione dei percorsi degli utenti reali (non semplicemente previsti ) e sbloccherà nuove informazioni, come:

• i veri personaggi del prodotto
• i punti di attrito nei percorsi dell'utente
• perché alcuni utenti si convertono e altri no
• quali miglioramenti dell'interfaccia utente dovrebbero essere apportati nei momenti di consegna

Puoi saperne di più sulla documentazione di eventi, proprietà degli eventi e proprietà dell'utente in Data Taxonomy Playbook di Amplitude. I punti chiave includono mantenere la tassonomia snella, utilizzare convenzioni di denominazione coerenti e trovare il giusto equilibrio tra la strumentazione di eventi e proprietà.

2. Stai lontano dal tracciare elementi dell'interfaccia utente di basso livello

Il monitoraggio di elementi dell'interfaccia utente di basso livello e non importanti è il segno n. 1 di analisi dei prodotti non scalabili, nella nostra esperienza nel team di servizi professionali di Amplitude. Spesso riflette un approccio di strumentazione che confonde le definizioni di eventi e le proprietà degli eventi.

Ad esempio, il tuo team di prodotto potrebbe lavorare su una scommessa per migliorare il flusso di pagamento del tuo prodotto. Mentre lavorano su questa scommessa, potrebbero testare alcune iterazioni che aggiungono o rimuovono elementi dell'interfaccia utente. Durante il tentativo di valutare le prestazioni di ciascun test, potrebbe esserci una tendenza naturale a tenere traccia di eventi come:

• Casella di controllo cliccata
• Pulsante cliccato
• Attiva/disattiva il dito
• Testo del campo cliccato

Se la tua tassonomia iniziale si riempie di elementi dell'interfaccia utente come quelli sopra, potrebbe essere il momento di fare un passo indietro e raggruppare. Sì, il team ha lavorato per migliorare il flusso di pagamento e ha modificato questi elementi, ma ricorda: l'obiettivo di questo flusso è ancora che gli utenti siano in grado di attraversarlo senza problemi. Quello che l'azienda vuole vedere come un percorso dell'utente nell'analisi è probabilmente "Checkout avviato" → "Metodo di pagamento selezionato" → "Dettagli di pagamento selezionati" → "Transazione inviata". Questo tipo di flusso è molto più informativo e scalabile di qualcosa di simile: "Pulsante cliccato" → "Casella di controllo selezionata" → "Testo campo cliccato". Se stai ancora cercando la granularità mentre valuti la conversione tra i passaggi, puoi risolverlo con due metodi alternativi:

1. Elementi dell'interfaccia utente dello strumento nelle proprietà degli eventi degli eventi. Ad esempio, un evento "Transazione inviata" può avere una proprietà che indica se l'utente ha eseguito l'azione utilizzando una casella di controllo, un clic su un pulsante o un altro elemento dell'interfaccia utente.
2. Utilizza i test A/B per migliorare la conversione nei passaggi con un elevato drop-off . Ad esempio, se si osserva un calo elevato tra i passaggi 1 e 2, è spesso più efficace eseguire un test A/B con un'interfaccia utente modificata e osservare risultati oggettivi sul campione, piuttosto che strumentare più elementi durante il processo di iterazione.

3. Stabilire il collegamento ai risultati aziendali

In definitiva, la configurazione dell'analisi dei prodotti dovrebbe rivelare in che modo i tuoi prodotti digitali guidano la tua attività.

Con una tassonomia dei dati ben strumentata, ci sono molti fattori che il tuo team può esplorare nel percorso dell'utente, come ad esempio:

• persone
• percorsi comuni
• impatto dei rilasci sulle metriche chiave
• driver di conversione
• viaggi degli utenti
• e altro ancora

Vediamo che i team che hanno successo nell'analisi dei prodotti chiudono sempre il cerchio tra gli eventi che tengono traccia, l'attività in cui si trovano e il "gioco di coinvolgimento" svolto dal loro prodotto.

(Il gioco di coinvolgimento si riferisce a uno dei tre "giochi" principali guidati dal tuo prodotto: transazione, attenzione o produttività. Leggi ulteriori informazioni su questi metodi nel playbook Mastering Engagement di Amplitude.)

Ad esempio, se il tuo prodotto rientra nel "gioco della produttività", potresti avere un'ottima canalizzazione di inserimento, ma quell'eccezionale canalizzazione di inserimento non è sufficiente per soddisfare i tuoi obiettivi aziendali. Il tuo prodotto in definitiva deve mantenere la promessa di produttività; ciò significa che gli utenti dovrebbero tornare a utilizzare le funzionalità principali che generano valore (produttività) per loro. Oltre a monitorare il successo del flusso di onboarding, assicurati di sfruttare l'analisi dei prodotti per valutare in che modo gli utenti ripetono le azioni critiche.

4. Non tenere traccia di tutto in una volta

Il monitoraggio dei dati è percepito come un must nella maggior parte delle aziende digitali in questi giorni e il settore tecnologico rende sempre più facile raccogliere, archiviare ed elaborare grandi quantità di dati. Le aziende che iniziano con l'analisi dei prodotti e dispongono già di un CDP o di un data warehouse sono spesso inclini a saltare la fase di progettazione della tassonomia e avviare semplicemente lo streaming di tutti i dati preziosi che hanno già raccolto.

La pratica dei Servizi Professionali ad Amplitude torna al vecchio principio: less is more. Mostrare una serie di 10 eventi rilevanti e autoesplicativi ai tuoi utenti di Amplitude è sempre meglio che mostrare un elenco di 600 eventi (spesso con duplicati e senza proprietà di eventi cruciali) alle persone che hanno solo bisogno di un'idea di quanti utenti attivi sono là fuori o qual è il tasso di conversione critico.

È completamente nelle tue mani lo strumento di una tassonomia snella e concisa che guida l'analisi dei prodotti scalabile self-service, il tipo di analisi che i tuoi colleghi saranno lieti di utilizzare nelle attività quotidiane.

Da un prodotto all'analisi cross-product

Fornire un'implementazione iniziale snella dell'analisi dei prodotti sblocca informazioni per ogni team digitale: marketing, prodotto, ingegneria e altro ancora. Con queste informazioni affidabili, attiri anche l'organizzazione verso una cultura informata sui dati. I team iniziano ad abbandonare i colli di bottiglia dei dati all'analisi self-service e ad accorciare il ciclo per ottenere informazioni dettagliate da settimane a minuti.

La tassonomia snella del primo prodotto definisce lo standard dell'analisi dei prodotti nell'azienda e consente ad altri team di seguire l'esempio. Un'analisi multiprodotto di successo è possibile solo quando ogni prodotto ha una tassonomia ben strumentata collegata ai risultati di business che l'azienda desidera ottenere.