Как Unmind разработала корпоративную культуру, основанную на данных, с помощью Amplitude

Аналитика/Действие/Результат:у Unmind был чат-бот, предназначенный для ответов на вопросы в их приложении. Amplitude Analytics помогла им обнаружить, что, когда бот участвовал в курсах Unmind, пользователи с большей вероятностью уходили.Эти данные повлияли на решение команды удалить бота из приложения, и они увидели рост количества пройденных курсов.

Данные — это сила. Но этой мощности не всегда достаточно для внедрения данных в повседневные процессы. Преодолев это препятствие, наш путь к продуктовой аналитике стал более информативным. Этот процесс улучшил то, как мы создаем продукты, привлекаем клиентов и создаем пользовательский опыт.

Стремление превратить Unmind в компанию, управляемую данными

Unmind — это целостная платформа для благополучия на рабочем месте, целью которой является создание психически здоровых рабочих мест, где каждый может процветать. Сегодня у нас около 180 сотрудников или «незаметных».

Наш путь к зрелости данных начался несколько лет назад. Мы всегда ценили данные и осознавали важность принятия межфункциональных решений, основанных на данных.

Тем не менее, мы не справлялись с принятием решений на основе данных масштабируемым образом. Группа данных была классическим узким местом, к нам часто обращались с вопросами и просьбами, на которые мы отвечали, запрашивая базу данных или запуская скрипты Python. Но запросы превышали пропускную способность группы данных, и хотя мы отдавали приоритет этим запросам, всегда был компромисс.

Это узкое место означало, что мы пожертвовали скоростью, поскольку она мешала другим командам. Кроме того, решение вопросов, связанных с данными, помешало нам работать над другими решениями самообслуживания, которые позволили бы заинтересованным сторонам получить требуемые ответы. Мы хотели разорвать цикл.

Поиск масштабируемого решения на основе прецедентов

Запросы к базе данных для ответов на целевые вопросы и совместное использование электронных таблиц могут хорошо работать для небольших компаний, начинающих свой путь к данным. Однако по мере того, как Unmind рос вместе с нашим продуктом, функциями и клиентской базой, выполнять эти задачи вручную было уже невозможно. То, что начиналось как управляемое узкое место, стало проблемой, которая росла вместе с нами.

Мы решили найти решение и создали надежный процесс оценки, чтобы не отвлекаться на ненужные функции на разных платформах. Мы рекомендуем использовать процесс, строго ориентированный на прецеденты:

1. Начните с просмотра желаемых вариантов использования
2. Выберите обязательные функции, такие как A/B-тестирование.
3. Оценивайте платформы и функции по установленным вами критериям.

Мы рассмотрели ведущих поставщиков, включая Heap, Mixpanel и Amplitude, и оценили эти платформы посредством демонстраций. Оценив их, Amplitude представила наиболее подходящие для наших вариантов использования на тот момент. Они предлагали богатый и надежный набор продуктов и имели репутацию лидеров отрасли. Мы были уверены, что наши инвестиции окупятся.

В то время Amplitude лучше всего подходил для наших вариантов использования.Они предлагали богатый и надежный набор продуктов и имели репутацию лидеров отрасли.

Усилия по внедрению начинаются с группы обработки данных

Аналитика обладает широким набором функций, и мы хотели, чтобы коллеги по бизнесу понимали, как правильно использовать платформу. Мы создали различные внутренние ресурсы, в том числе руководство по адаптации, в которое мы включили ссылки на наши видеоуроки и предложения о том, с чего начать. Это оказалось ценным; У Amplitude имеется множество отличной онлайн-документации, но она не всегда является первой, на которую обращают внимание новые пользователи.

Даже самые лучшие видеоуроки и документация не заменят непосредственного общения с заинтересованными сторонами, уделяя время тому, чтобы сесть с ними и продемонстрировать, как найти то, что им нужно, вместо того, чтобы делать это за них или указывать им на другой ресурс. Команда данных предприняла согласованные усилия для поддержки людей во время адаптации, проведения звонков и создания выделенного канала Slack для вопросов по аналитике. Мы проводили еженедельные сеансы, на которых люди могли получить помощь по Analytics, не записываясь на встречу.

Мощные инструменты могут пугать, и некоторые люди, которые никогда не использовали платформу самообслуживания, опасались, что могут сломать систему. Благодаря нашим дополнительным усилиям все, особенно наши менеджеры по продуктам, знали, как легко пользоваться Google Analytics.

Не существует единого подхода, гарантирующего успешную реализацию;множество различных мелких действий помогли изменить привычки людей.

Советы для успешного запуска

Хотя не существует единого подхода, гарантирующего успешное внедрение Google Analytics, я могу порекомендовать множество различных небольших действий, которые помогли нам изменить привычки людей.

• Будьте доступны и находите время в команде данных, чтобы помочь коллегам. Наши сеансы дроп-ин оказали огромное влияние. Люди стали чувствовать себя комфортно, обращаясь к нам со своими вопросами, и мы стали членами команды — все это упростило процесс преподавания и обучения.
• Продолжайте делиться диаграммами Analytics и призывайте людей использовать платформу для поиска ответов на вопросы на основе данных. Обмен данными и идеями перед внедрением может дать людям представление о возможностях. Как только они становятся широко доступными, сотрудники с большим желанием получают доступ к данным.
• Поговорите с людьми из отделов продаж, продуктов и бизнес-подразделений, чтобы узнать, какой тип данных им нужен для достижения соответствующих целей. Существует тенденция отслеживать все, и распространено мнение, что чем больше данных, тем лучше. Однако подход, основанный на прецедентах, более эффективен. Выясните, какие проблемы люди пытаются решить, а затем решите, какие данные отслеживать.
• Потерпи. Изменение привычек требует времени, и людям часто требуется ряд инициатив и напоминаний, чтобы они стали полагаться на данные и эффективно использовать аналитические данные. Это произойдет, и результаты стоят того, чтобы потратить дополнительное время, доброту и терпение.

Существует тенденция отслеживать все, и распространено мнение, что чем больше данных, тем лучше.Однако подход, основанный на прецедентах, более эффективен.

Раскрытие возможностей Unmind

Аналитика была полезна для Unmind по нескольким причинам. Одним из них является мониторинг показателей, которые команды разработчиков продукта стремятся улучшить. Например, у нас есть диаграмма, которая отслеживает липкость: отношение наших активных пользователей за день (DAU) к количеству активных пользователей за месяц (MAU). Команда продукта еженедельно отслеживает этот показатель и использует его как путеводную звезду при выпуске новых функций.

Одним из вариантов использования, который особенно популярен в Unmind, является представление конверсий в виде воронки. Мы можем видеть, когда пользователь нажимает на элемент А, он также нажимает на элемент Б. Широко используется сегментация событий, и мы также используем платформу для A/B-тестирования. Просмотр тестов в Analytics упрощает просмотр результатов и сравнение групп. Эти результаты сообщают нашим командам, какая функция или стиль более эффективны, чтобы мы могли принимать важные решения по разработке продукта.

Мы внесли большие изменения в наши продукты на основе аналитических данных. Например, раньше у нас в приложении был бот, который действовал как компаньон и отвечал на вопросы пользователей. Аналитика показала нам, что когда бот был задействован в наших курсах, люди с большей вероятностью уходили. Эти данные повлияли на наше решение удалить бота из приложения.

Еще один пример практического понимания — это наше исследование предикторов удержания. В Amplitude мы увидели, что люди, которые использовали наш Wellbeing Tracker (научно подтвержденный опросник, который помогает им понять свое текущее состояние благополучия), как правило, возвращались в приложение. Мы подтвердили этот вывод с помощью расширенной аналитики, и в то время для нас это был прорывной момент — это означало, что пользователи поняли ценность нашего продукта, и мы должны приложить дополнительные усилия, чтобы выделить эту функцию. В результате мы начали поощрять пользователей заполнять Отслеживание благополучия во время их первого приветственного тура по приложению. Мы также изменили сообщение в нашей электронной почте, чтобы включить трекер благополучия.

Если раньше члены команды не решались использовать Amplitude, то теперь они гордятся тем, что используют его и делятся своими идеями. Иногда люди замечают тенденцию в Amplitude, интересуются нашим мнением и узнают, как можно копнуть глубже. Amplitude интегрируется со Slack, что позволяет пользователям делиться диаграммами, и люди могут взаимодействовать с ним в канале. Это очень совместная работа, и этот энтузиазм быстро распространяется и вдохновляет других.

Изменение привычек, изменение культуры

Мы видели, как принятие решений на основе данных стало жизненно важной частью нашей корпоративной культуры. Теперь нам легче понять влияние изменения продукта, а когда мы сможем быстро увидеть влияние, мы сможем быстрее перейти к более содержательным обсуждениям. Данные помогают стимулировать разработку новых продуктов и другие предлагаемые изменения, упрощая всем возможность двигаться в одном направлении.

Количество запросов данных, которые мы получили, уменьшилось с момента развертывания Amplitude. Это сокращение освободило группу обработки данных для более сложной аналитики, повысив как скорость, так и влияние.

В конечном счете, Amplitude помогла нам продвинуться в определении нашей метрики North Star, и теперь мы применяем более восходящий подход к разработке продукта. Возможность исследовать данные и выявлять тенденции позволяет нам искать возможности для улучшения нашего продукта таким образом, чтобы это нашло отклик у наших пользователей и дало им возможность вести более полноценную жизнь.