Раскройте возможности для улучшения продукта с помощью самостоятельной аналитики данных

В основе управления продуктом лежит неотъемлемая любознательность и стремление отвечать на вопросы. Недостаточно видеть, как продукт работает, и удивляться, почему. Хороший менеджер по продукту следует их любопытству, нарезая данные всеми возможными способами, чтобы диагностировать, что происходит.

У некоторых менеджеров проектов есть такое любопытство, но у них нет инструментов, чтобы развить его дальше. Вместо этого им, вероятно, придется полагаться на кого-то, например, на специалиста по данным или на специальную группу аналитиков. Таким образом, на формулирование гипотез и ответы на вопросы уходит гораздо больше времени, что замедляет процесс разработки продукта. Правильный инструмент для самостоятельного ответа на вопросы может иметь решающее значение для конверсии.

Длительное время выполнения заказов и тупиковые ситуации с данными

Я знаю это по личному опыту работы продакт-менеджером на рынке подержанных автомобилей Shift. Рынок подержанных автомобилей сложен. Это циклично, поэтому, хотя во время пандемии ветер в основном дул нам в спину, в другое время мы сталкиваемся со значительным встречным ветром. Покупка любого автомобиля также является длительным процессом. Для многих людей машина является второй по величине покупкой в ​​жизни после дома. Покупатели хотят быть уверены, что выбирают правильный автомобиль, а это требует времени и внимания. В среднем процесс покупки автомобиля занимает три месяца, и на этом пути есть много шагов, от исследований и составления бюджета до сосредоточения внимания на конкретных моделях и достоинствах отдельных автомобилей.

Правильный инструмент для независимых ответов на вопросы о продуктах может иметь решающее значение для конверсии.

В 2020 году я занял должность старшего менеджера по продукту в Shift, где отвечаю за рост. «Рост» может охватывать многое. Я занимаюсь SEO и тесно сотрудничаю с нашим отделом маркетинга, чтобы оптимизировать рекламу, что важно, учитывая наши большие запасы и рекламный бюджет. Мы также проводим акции в определенное время, например, 4 июля или во время распродаж в конце года, и я помогаю обеспечить успех этих акций.

Когда я пришел в Shift, команда использовала Segment в качестве нашей платформы клиентских данных (CDP). Мы также использовали Periscope Data, инструмент бизнес-аналитики (BI), который работает поверх SQL-запросов. Я мог заставить это работать, потому что я немного знаю SQL, но это заняло уйму времени, и у многих людей в продуктовой организации не было таких возможностей. Вместо этого им нужно будет отправить заявку на создание диаграммы, а затем отправить последующие заявки, если они не получат то, что им нужно. Было много времени, чтобы получить ответы на эти данные, и даже тогда мы зашли в тупик, потому что данные были неполными.

Более эффективные и быстрые решения в рамках всей организации

Отсутствие доступа к данным в реальном времени заставляло команду работать медленнее, поэтому незадолго до моего прихода Shift обратился к Amplitude Analytics. Платформой еще пользовались немногие, но я увидел ее ценность. Данные самообслуживания позволят менеджерам по проектам, дизайнерам и всем остальным в компании отвечать на свои вопросы.

Для сравнения: когда я присоединился к команде, в Shift было всего четыре продакт-менеджера. Сейчас их 16. Один только этот рост был бы невозможен, если бы все продолжали отправлять запросы данных через аналитическую команду. Нам нужно было дать возможность отдельным менеджерам создавать, редактировать и делиться диаграммами.

Предоставление менеджерам по продуктам и дизайнерам возможности отвечать на их вопросы позволяет им быстро принимать важные решения.

Мы начали постоянную инициативу по расширению использования Analytics в Shift. Каждые две недели я провожу открытое пошаговое руководство по удобным для совместного использования и понятным информационным панелям платформы. Я говорю с кем угодно о платформе, будь то продукт, дизайн, исследование пользователей или что-то среднее между ними. У меня есть повестка дня для этих сессий, но часто я нахожу наиболее интересными сессии, когда люди приходят с конкретным вопросом, например: «Сколько людей проходят третий, четвертый и пятый этапы нашей заявки на получение кредита?» Когда я показываю людям, как определить релевантные аналитические события для удовлетворения их потребностей, они сразу же видят ценность платформы.

Со временем я стал свидетелем того, как люди все чаще используют Google Analytics и доверяют ей, а также повышается доверие к данным в более крупной команде. Предоставление продакт-менеджерам и дизайнерам возможности отвечать на их вопросы позволяет им гораздо быстрее принимать важные решения для своих областей, создавая продукты на основе данных и стратегические дорожные карты. Мы можем видеть это в значительных улучшениях в годовом исчислении по одному из наших ключевых показателей, «От посетителя до лида»: путь пользователя от посещения нашего сайта до активного интереса к автомобилю. С момента популяризации Analytics в Shift мы внесли множество улучшений в процесс совершения покупок, включая создание сотен статей, помогающих обучать людей во время покупок. Все это привело к более высокому показателю «От посетителя до лида».

Как мы используем функции Amplitude для улучшения нашего продукта

Наши продакт-менеджеры используют множество функций платформы для улучшения нашего продукта, в том числе:

Amplitude Experiment : я думаю об этом как о втором уровне управления данными. Первый уровень — это просто понимание того, что происходит. Этот второй уровень, который мы разблокировали с помощью эксперимента, позволяет увидеть влияние изменений на основе A/B-тестирования. Раньше мы проводили A/B-тесты с использованием нашего собственного решения, но нашим специалистам по обработке и анализу данных по-прежнему приходилось тратить время на написание кода для создания тестовой панели в Periscope Data.

Переход от тестирования к эксперименту означает, что мы можем создавать информационные панели, запускать и останавливать эксперименты и сами отвечать на наши вопросы. Одним из примеров является тест, который мы провели для потенциальной новой функции под названием «Сравнение автомобилей». Сравнение автомобилей позволяет пользователям выбирать несколько автомобилей и сравнивать их характеристики, цену и детали, например количество аварий, в которых участвовал каждый из них. Он также показывает фотографии этих автомобилей рядом. Сравнение яблок с яблоками помогает пользователям принимать решения о покупке быстрее и увереннее. Эта функция была запущена с помощью Experiment. Наконец, менеджер по продукту может сам контролировать развертывание и раздельное тестирование (без необходимости в инженерии или науке о данных). Это значительно сократило время цикла от запуска до обучения. Через несколько недель мы увидели статистически значимое улучшение ключевых показателей и сразу же обновили эксперимент, чтобы запустить функцию для 100% покупателей автомобилей. Сравнение автомобилей имело большой успех в A/B-тестировании, и теперь, когда мы развернули его, оно внесло основной вклад в нашу метрику «От посетителя до потенциального клиента».

Сегментация и когорты . Мы часто используем сегментацию для создания когорт пользователей и диагностики проблем, лежащих в основе наших данных. Например: по мере того, как все больше людей привыкают совершать покупки с мобильных устройств, мы видим, что многие пользователи впервые заходят на наш сайт с мобильного устройства, а затем переключаются на настольный компьютер для заполнения финансовых форм. Итак, мы создадим когорту для отслеживания поведения на двух устройствах.

Еще одна вещь, которую мы видели в связи с инфляцией и проблемами с цепочками поставок, — это повышенный интерес к рынку подержанных автомобилей. Как один из ведущих рынков подержанных автомобилей, это означает огромное увеличение числа ботов, сканирующих наш сайт и собирающих данные о наших автомобилях для исследования рынка. Изначально боты вызывали много беспокойства, потому что они создавали огромные всплески на определенных типах страниц, таких как наши страницы с информацией о транспортных средствах. Но теперь мы создали когорту, которая позволяет нам идентифицировать и отфильтровывать этих ботов из наших пользовательских данных. Мы также используем когорты для сегментации пользователей по маркетинговым каналам.

User Lookup: User Lookup — это фантастический диагностический инструмент. У нас может возникнуть вопрос вроде «Существует ли событие, когда пользователь нажимает «Далее» в карусели изображений?» В этом случае я нахожу свой анонимный идентификатор пользователя в Amplitude, просматриваю карусель в своем браузере и затем смотрю, какие события сработали.

User Lookup также может помочь понять, как построить воронку. Если я хочу понять поток определенного пользовательского поведения, я углублюсь в поток событий, чтобы увидеть важные события, приведшие к рассматриваемой конверсии. Использование этого инструмента показывает нам, как выглядит путешествие отдельного клиента и путь, который он прошел, чтобы купить у нас автомобиль.

Использование данных позволяет каждому раскрыть возможности продукта.

Воронки: Воронки имеют для нас решающее значение, потому что процесс покупки автомобиля долгий и включает в себя очень много шагов. Мы привлекаем пользователей на разных этапах процесса покупки автомобиля — некоторые люди приходят к нам в самом начале своего пути, когда еще выясняют, какой тип автомобиля им подходит. Они могут разговаривать со своим партнером о покупке или выяснять, нужна ли им машина вообще. Другие клиенты приходят на наш сайт, уже проведя исследование, точно зная год, марку и модель, которую они хотят.

Воронки помогают продуктовой команде разбить сложный путь пользователя к покупке автомобиля на этапы с конкретными целями, указывающими, что клиент приближается к покупке. Таким образом, нашей первой воронкой может быть регистрация на нашем веб-сайте. Следующим может быть добавление в избранное нескольких автомобилей или добавление сохраненного поиска. С помощью Analytics мы выявили критические события на пути покупателя. Например, мы видели, что когда клиенты нажимают, чтобы просмотреть отчет CARFAX, они с большей вероятностью покупают автомобиль.

Выявление возможностей, заслуживающих внимания

В некоторых организациях самый высокооплачиваемый человек в комнате решает, куда дальше пойдет продукт. У них есть подозрение, что домашняя страница должна быть синей, поэтому домашняя страница становится синей. Никто не задает конкретных вопросов, потому что трудно получить конкретные ответы. Но вы не должны принимать решения, основываясь только на неофициальных свидетельствах.

Если вы станете больше ориентироваться на данные, каждый в Shift сможет раскрыть возможности, которые существуют в нашем продукте. Когда мы видим что-то неожиданное в Analytics, мы все можем копнуть глубже, чтобы увидеть, является ли этот момент возможностью в процессе создания, и даже проверить, чтобы выяснить последствия его использования. Это способствует лучшему принятию решений для всех. Легко запутаться в больших числах и метриках, но Analytics предоставляет отличные количественные данные, которые мы можем сочетать с качественными данными и работать с группой по исследованию пользователей, чтобы решить, какие возможности стоит использовать, а какие из них являются фальстартами или не стоят нашего внимания. .

Amplitude помогает менеджерам по управлению проектами Shift сосредоточить наши усилия на важных аспектах, которые окажут влияние на бизнес и помогут клиентам чувствовать себя более комфортно при покупке подержанных автомобилей.