Scopri le opportunità di miglioramento del prodotto attraverso l'analisi dei dati self-service

Al centro della gestione del prodotto c'è una curiosità intrinseca e una spinta a rispondere alle domande. Non basta vedere come si comporta un prodotto e chiedersi perché. Un buon product manager segue la loro curiosità, affettando e tagliando i dati in tutti i modi possibili per diagnosticare cosa sta succedendo.

Alcuni PM hanno questa curiosità ma non hanno gli strumenti per spingerla oltre. Invece, probabilmente devono fare affidamento su qualcuno come un data scientist o un team di analisi dedicato. Ci vuole molto più tempo per formulare ipotesi e rispondere alle domande in questo modo, rallentando il processo di sviluppo del prodotto. Avere lo strumento giusto per rispondere alle domande in modo indipendente può fare la differenza per la conversione.

Tempi di consegna lunghi e vicoli ciechi dei dati

Lo so per esperienza personale come PM presso il mercato delle auto usate Shift. Il mercato dell'usato è complesso. È ciclico, quindi mentre il vento è stato in gran parte alle nostre spalle durante la pandemia, altre volte dobbiamo affrontare forti venti contrari. Anche l'acquisto di un'auto è un processo lungo. Per molte persone, la loro auto è il secondo acquisto più grande della loro vita, dopo la loro casa. Gli acquirenti vogliono essere sicuri di scegliere l'auto giusta per loro, il che richiede tempo e considerazione. Il viaggio medio per l'acquisto di un'auto dura tre mesi e ci sono molti passaggi all'interno di quel viaggio, dalla ricerca e definizione del budget all'azzeramento su modelli specifici e sui meriti delle singole auto.

Avere lo strumento giusto per rispondere in modo indipendente alle domande sui dati di prodotto può fare la differenza per la conversione.

Nel 2020 sono entrato in un ruolo di senior product manager presso Shift, dove sono responsabile della crescita. "Crescita" può coprire molto. Mi concentro sulla SEO e lavoro a stretto contatto con il nostro reparto marketing per ottimizzare la pubblicità, che è importante dato il nostro ampio inventario e budget pubblicitario. Eseguiamo promozioni anche in determinati periodi, ad esempio il 4 luglio o durante i saldi di fine anno, e mi impegno a garantire che tali promozioni abbiano successo.

Quando sono arrivato a Shift, il team utilizzava Segment come Customer Data Platform (CDP). Stavamo anche eseguendo Periscope Data, uno strumento di business intelligence (BI) che viene eseguito su query SQL. Potrei farlo funzionare perché conosco un po' di SQL, ma ci è voluto un sacco di tempo e molte delle persone nell'organizzazione del prodotto non avevano le stesse capacità. Invece, dovrebbero inviare un biglietto per creare un grafico e quindi inviare i biglietti successivi se non hanno ottenuto ciò di cui avevano bisogno. C'era un lungo tempo di attesa per ottenere quelle risposte ai dati e, anche in quel caso, abbiamo raggiunto molti vicoli ciechi perché i dati erano incompleti.

Decisioni migliori e più rapide in tutta l'organizzazione

La mancanza di accesso ai dati in tempo reale ha costretto il team del prodotto a muoversi più lentamente, motivo per cui Shift si è rivolto ad Amplitude Analytics poco prima del mio arrivo. Poche persone hanno ancora utilizzato la piattaforma, ma ho potuto vedere il valore. I dati self-service consentirebbero a PM, progettisti e chiunque altro nell'azienda di rispondere alle proprie domande.

Per contestualizzare: quando sono salito a bordo, c'erano solo quattro PM a Shift. Ora ne abbiamo 16. Quella crescita da sola sarebbe stata impossibile se tutti avessero continuato a inviare richieste di dati tramite il team di analisi. Dovevamo consentire ai singoli PM di creare, modificare e condividere grafici.

Consentire ai product manager e ai designer di rispondere alle loro domande consente loro di prendere rapidamente decisioni critiche.

Abbiamo avviato un'iniziativa in corso per aumentare l'utilizzo di Analytics in Shift. Ogni due settimane, tengo una procedura dettagliata a invito aperto dei dashboard facili da condividere e da capire della piattaforma. Parlo con chiunque della piattaforma, che provenga dal prodotto, dal design, dalla ricerca degli utenti o da qualsiasi altra via di mezzo. Ho un'agenda per quelle sessioni, ma spesso trovo che le sessioni più coinvolgenti siano quelle in cui le persone arrivano con una domanda specifica, ad esempio: "Quante persone riescono a superare i passaggi tre, quattro e cinque della nostra richiesta di prestito?" Quando mostro alle persone come identificare gli eventi di analisi rilevanti per soddisfare le loro esigenze, vedono immediatamente il valore della piattaforma.

Nel tempo, ho visto persone sempre più utilizzare e fidarsi di Analytics e un miglioramento della fiducia dei dati nel team più ampio. Consentire ai PM e ai progettisti di rispondere alle loro domande consente loro di prendere decisioni critiche per le loro aree molto più velocemente, costruendo prodotti basati sui dati e mappe stradali strategiche. Possiamo vederlo nei solidi miglioramenti YoY in una delle nostre metriche chiave, Visitor to Lead: il percorso dell'utente dalla visita del nostro sito all'interesse attivo per un'auto. Da quando abbiamo reso popolare Analytics a Shift, abbiamo apportato molti miglioramenti al nostro processo di acquisto, inclusa la creazione di centinaia di articoli per aiutare a educare le persone mentre acquistano. Tutto ciò ha comportato una metrica Visitor to Lead più alta.

Come utilizziamo le funzionalità di Ampiezza per migliorare il nostro prodotto

I nostri PM sfruttano molte funzionalità all'interno della piattaforma per migliorare il nostro prodotto, tra cui:

Esperimento sull'ampiezza : penso a questo come al secondo livello di essere guidato dai dati. Il primo livello è semplicemente capire cosa sta succedendo. Questo secondo livello che abbiamo sbloccato con Esperimento sta vedendo l'impatto delle modifiche basate sui test A/B. In precedenza abbiamo eseguito test A/B utilizzando la nostra soluzione nostrana, ma abbiamo comunque richiesto ai nostri data scientist di dedicare del tempo a scrivere codice per creare il dashboard di test in Periscope Data.

Spostare i test in Experiment significa che possiamo creare dashboard, avviare e interrompere un esperimento e rispondere noi stessi alle nostre domande. Un esempio è un test che abbiamo eseguito su una potenziale nuova funzionalità chiamata Confronto auto. Confronto auto consente agli utenti di selezionare più auto e confrontare le loro caratteristiche, prezzo e dettagli come il numero di incidenti che ciascuna ha avuto. Mostra anche le foto di queste auto fianco a fianco. Il confronto tra mele e mele aiuta gli utenti a prendere decisioni di acquisto in modo più rapido e sicuro. Questa funzione è stata lanciata con l'aiuto di Experiment. Infine, il Product Manager potrebbe controllare il rollout e dividere i test da solo (senza bisogno di ingegneria o scienza dei dati). Ciò ha notevolmente migliorato il tempo di ciclo dall'avvio all'apprendimento. Dopo alcune settimane, abbiamo riscontrato un miglioramento statisticamente significativo nelle metriche chiave e abbiamo immediatamente aggiornato Esperimento per lanciare la funzione al 100% degli acquirenti di auto. Confronto auto è stato un grande successo nei test A/B e ora che l'abbiamo implementato, ha fornito un contributo importante alla nostra metrica Visitor to Lead.

Segmentazione e coorti: utilizziamo spesso la segmentazione per creare coorti di utenti e diagnosticare problemi sotto la superficie dei nostri dati. Ad esempio: man mano che sempre più persone acquistano a proprio agio su un dispositivo mobile, vediamo molti utenti visitare il nostro sito per la prima volta su un dispositivo mobile, quindi passare a un desktop in un secondo momento per completare i moduli finanziari. Quindi creeremo una coorte per tenere traccia del comportamento di due dispositivi.

Un'altra cosa che abbiamo visto con l'inflazione e i problemi della catena di approvvigionamento, c'è stato un crescente interesse per il mercato delle auto usate. Essendo uno dei principali mercati di auto usate, questo ha significato un enorme aumento dei bot che eseguono la scansione del nostro sito e raccolgono dati sui nostri veicoli per ricerche di mercato. I bot inizialmente hanno causato molta preoccupazione perché hanno creato enormi picchi su tipi di pagina specifici, come le nostre pagine dei dettagli del veicolo. Ma ora abbiamo creato una coorte che ci consente di identificare e filtrare questi bot dai dati dei nostri utenti. Utilizziamo anche coorti per segmentare gli utenti in base al canale di marketing.

Ricerca utente: la ricerca utente è un fantastico strumento diagnostico. Potremmo avere una domanda del tipo: "Esiste un evento per quando un utente fa clic su Avanti sul carosello di immagini?" In tal caso, trovo il mio ID utente anonimo in Amplitude, faccio clic su un carosello nel mio browser e quindi vedo quali eventi sono stati attivati.

Anche la ricerca utente può aiutare a capire come creare una canalizzazione. Se voglio comprendere il flusso di un determinato comportamento dell'utente, mi immergerò nel flusso di eventi per vedere gli eventi importanti che portano alla conversione in questione. L'utilizzo di questo strumento ci mostra come appare il viaggio per un singolo cliente e il percorso che ha intrapreso per acquistare un'auto da noi.

Diventare basato sui dati consente a tutti di scoprire le opportunità all'interno di un prodotto.

Canalizzazioni: le canalizzazioni sono fondamentali per noi perché il processo di acquisto dell'auto è lungo e prevede molti passaggi. Attiriamo utenti in varie fasi del processo di acquisto di un'auto: alcune persone vengono da noi proprio all'inizio del loro viaggio quando stanno ancora cercando di capire quale tipo di auto è giusto per loro. Potrebbero essere in conversazione con il loro partner sull'acquisto o determinare se hanno bisogno di un'auto. Altri clienti arrivano sul nostro sito dopo aver già fatto le loro ricerche, sapendo esattamente l'anno, la marca e il modello che desiderano.

Le canalizzazioni aiutano il team di prodotto a suddividere in fasi il complesso percorso dell'utente che acquista un'auto, con obiettivi specifici che indicano che il cliente si sta avvicinando all'acquisto. Quindi la nostra prima canalizzazione potrebbe essere la registrazione al nostro sito web. Il prossimo potrebbe comportare l'aggiunta di più auto ai preferiti o l'aggiunta di una ricerca salvata. Attraverso Analytics, abbiamo identificato gli eventi critici nel percorso dell'acquirente. Ad esempio, abbiamo visto che quando i clienti fanno clic per visualizzare un rapporto CARFAX, è molto più probabile che acquistino un'auto.

Individuare opportunità che vale la pena perseguire

In alcune organizzazioni, la persona più pagata nella stanza decide dove andare dopo il prodotto. Hanno la sensazione che la home page dovrebbe essere blu, quindi la home page diventa blu. Nessuno fa domande concrete perché è difficile avere risposte concrete. Ma non dovresti prendere decisioni basate solo su prove aneddotiche.

Diventare più basati sui dati consente a tutti in Shift di scoprire le opportunità che esistono all'interno del nostro prodotto. Quando vediamo qualcosa di inaspettato in Analytics, possiamo tutti scavare più a fondo per vedere se quel momento è un'opportunità in preparazione e persino mettere alla prova per scoprire le implicazioni del perseguirlo. Ciò migliora il processo decisionale per tutti. È facile perdersi in grandi numeri e metriche, ma Analytics fornisce ottimi dati quantitativi che possiamo associare a dati qualitativi e collaborare con il team di ricerca degli utenti per decidere quali opportunità vale la pena perseguire e quali sono false partenze o non ne vale la pena .

Amplitude aiuta i PM di Shift a concentrare i nostri sforzi sui pezzi che contano, che guideranno l'impatto sul business e aiuteranno i clienti a sentirsi più a loro agio con l'acquisto di auto usate.