Self Servis Veri Analitiği Yoluyla Ürün Geliştirme Fırsatlarını Ortaya Çıkarın

Ürün yönetiminin kalbinde, doğal bir merak ve soruları yanıtlama dürtüsü vardır. Bir ürünün nasıl performans gösterdiğini görmek ve nedenini merak etmek yeterli değildir. İyi bir ürün yöneticisi, neler olup bittiğini teşhis etmek için verileri mümkün olduğunca çok şekilde dilimleyerek ve parçalara ayırarak meraklarını takip eder.

Bazı PM'ler bu meraka sahiptir, ancak bunu daha ileri taşıyacak araçlara sahip değildir. Bunun yerine, muhtemelen bir veri bilimcisi veya özel analitik ekibi gibi birine güvenmek zorundalar. Hipotezleri formüle etmek ve soruları bu şekilde yanıtlamak çok daha uzun sürer, bu da ürün geliştirme sürecini yavaşlatır. Soruları bağımsız olarak yanıtlamak için doğru araca sahip olmak, dönüşüm için tüm farkı yaratabilir.

Uzun teslim süreleri ve veri çıkmazları

Bunu, kullanılmış araba pazarı Shift'te bir PM olarak kişisel deneyimimden biliyorum. İkinci el otomobil piyasası karmaşıktır. Bu döngüseldir, bu nedenle pandemi sırasında rüzgar büyük ölçüde arkamızda olsa da, diğer zamanlarda önemli ters rüzgarlarla karşılaşıyoruz. Herhangi bir araba satın almak da uzun bir süreçtir. Birçok insan için arabaları, evlerinden sonra hayatlarındaki en büyük ikinci satın alma işlemidir. Alıcılar, kendileri için doğru arabayı seçtiklerinden emin olmak isterler, bu da zaman ve dikkat gerektirir. Ortalama bir araba satın alma yolculuğu üç ay sürer ve bu yolculukta, araştırma ve bütçelemeden belirli modellerde ve bireysel arabaların yararlarını sıfırlamaya kadar pek çok adım vardır.

Ürün verileriyle ilgili soruları bağımsız olarak yanıtlamak için doğru araca sahip olmak, dönüşüm için tüm farkı yaratabilir.

Büyümeden sorumlu olduğum 2020'de Shift'te kıdemli ürün yöneticisi rolüne adım attım. “Büyüme” çok şeyi kapsayabilir. SEO'ya odaklanıyorum ve büyük envanterimiz ve reklam bütçemiz göz önüne alındığında önemli olan reklamcılığı optimize etmek için pazarlama departmanımızla yakın bir şekilde çalışıyorum. Ayrıca 4 Temmuz gibi belirli zamanlarda veya yıl sonu indirimleri sırasında promosyonlar düzenleriz ve bu promosyonların başarılı olmasını sağlamaya yardımcı olurum.

Shift'e geldiğimde ekip, Müşteri Veri Platformumuz (CDP) olarak Segment'i kullanıyordu. Ayrıca SQL sorgularının üzerinde çalışan bir iş zekası (BI) aracı olan Periscope Data'yı da çalıştırıyorduk. Biraz SQL bildiğim için çalıştırabildim, ancak çok zaman aldı ve ürün organizasyonundaki birçok insan aynı yeteneğe sahip değildi. Bunun yerine, bir çizelge oluşturmak için bir bilet göndermeleri ve ardından ihtiyaç duyduklarını alamazlarsa sonraki biletleri göndermeleri gerekirdi. Bu veri yanıtlarını almak için uzun bir hazırlık süresi vardı ve o zaman bile veriler eksik olduğu için birçok çıkmaza girdik.

Kuruluş genelinde daha iyi ve daha hızlı kararlar

Gerçek zamanlı verilere erişimin olmaması, ürün ekibini daha yavaş hareket etmeye zorladı, bu yüzden Shift, ben gelmeden kısa bir süre önce Amplitude Analytics'e döndü. Platformu henüz çok az kişi kullandı, ancak değerini görebiliyordum. Self servis veriler, PM'leri, tasarımcıları ve şirketteki diğer herkesi kendi sorularını yanıtlama konusunda güçlendirecektir.

Bunu bağlama oturtmak gerekirse: Gemiye bindiğimde, Vardiya'da sadece dört PM vardı. Şu anda 16 kişiyiz. Herkes analitik ekibi aracılığıyla veri istekleri göndermeye devam etseydi, tek başına bu büyüme imkansız olurdu. Bireysel PM'lerin grafikler oluşturması, düzenlemesi ve paylaşması için etkinleştirmemiz gerekiyordu.

Ürün yöneticilerine ve tasarımcılara sorularına yanıt verme yetkisi vermek, onların kritik kararları hızla vermelerini sağlar.

Shift'te Analytics kullanımını artırmak için devam eden bir girişim başlattık. Her iki haftada bir, platformun paylaşması kolay ve anlaşılması kolay panolarını açık davetli bir şekilde gözden geçiriyorum. Üründen, tasarımdan, kullanıcı araştırmasından veya aradaki herhangi bir yerden, platform hakkında herkesle konuşurum. Bu oturumlar için bir ajandam var, ancak çoğu zaman en ilgi çekici oturumların, insanların "Kredi başvurumuzun üçüncü, dördüncü ve beşinci adımlarını kaç kişi tamamlıyor?" gibi belirli bir soruyla geldikleri yer olduğunu düşünüyorum. İnsanlara ihtiyaçlarını karşılamak için ilgili analiz olaylarını nasıl tanımlayacaklarını gösterdiğimde, platformun değerini hemen görüyorlar.

Zamanla, insanların giderek daha fazla Analytics kullandığını ve güvendiğini ve daha büyük ekipte veri güveninde bir gelişme olduğunu gördüm. Proje Yöneticilerinin ve tasarımcıların sorularını yanıtlamalarını sağlamak, veri odaklı ürünler ve stratejik yol haritaları oluşturarak alanları için çok daha hızlı kritik kararlar almalarına olanak tanır. Bunu, temel metriklerimizden biri olan Ziyaretçiden Lidere: kullanıcının sitemizi ziyaret etmesinden bir otomobille aktif olarak ilgilenmesine kadar geçen süreçteki yıllık iyileştirmelerde görebiliriz. Analytics at Shift'i popüler hale getirdiğimizden beri, insanları satın alırken eğitmeye yardımcı olacak yüzlerce makale oluşturmak da dahil olmak üzere alışveriş sürecimizde birçok iyileştirme yaptık. Tüm bunlar, daha yüksek bir Ziyaretçi Adayı metriğiyle sonuçlandı.

Ürünümüzü geliştirmek için Genlik özelliklerini nasıl kullanıyoruz?

PM'lerimiz, ürünümüzü geliştirmek için aşağıdakiler de dahil olmak üzere platformdaki birçok özellikten yararlanır:

Genlik Deneyi : Bunu veriye dayalı olmanın ikinci seviyesi olarak düşünüyorum. İlk seviye basitçe neler olup bittiğini anlamaktır. Deneme ile kilidini açtığımız bu ikinci seviye, A/B testine dayalı değişikliklerin etkisini görmektir. Daha önce yerel çözümümüzü kullanarak A/B testleri gerçekleştirdik, ancak yine de veri bilimcilerimizin Periscope Data'da test panosu oluşturmak için kod yazmak için zaman harcaması gerekiyordu.

Testi Deneme'ye taşımak, panolar oluşturabileceğimiz, bir denemeyi başlatıp durdurabileceğimiz ve sorularımızı kendimiz yanıtlayabileceğimiz anlamına gelir. Bir örnek, Araba Karşılaştırma adı verilen potansiyel yeni bir özellik üzerinde yaptığımız testtir. Araba Karşılaştırma, kullanıcıların birden fazla araba seçmesine ve özelliklerini, fiyatını ve her birinin kaç kaza geçirdiği gibi ayrıntıları karşılaştırmasına olanak tanır. Ayrıca bu arabaların fotoğraflarını yan yana gösterir. Elmaları elmalarla karşılaştırmak, kullanıcıların satın alma kararlarını daha hızlı ve daha güvenli bir şekilde almasına yardımcı olur. Bu özellik, Deneme'nin yardımıyla başlatıldı. Son olarak, Ürün Müdürü, kullanıma sunma ve bölme testini kendileri kontrol edebilir (Mühendislik veya Veri Bilimine ihtiyaç duymadan). Bu, başlatmadan öğrenmeye kadar olan döngü süresini önemli ölçüde iyileştirdi. Birkaç hafta sonra, temel metriklerde istatistiksel olarak önemli bir gelişme gördük ve bu özelliği araba alışverişçilerinin %100'üne sunmak için Deneme'yi hemen güncelledik. Araba Karşılaştırma, A/B testinde büyük bir başarıydı ve şimdi kullanıma sunduğumuza göre, Müşteriden Lidere metriğimize önemli bir katkı sağladı.

Segmentasyon ve Gruplar : Kullanıcı grupları oluşturmak ve verilerimizin altındaki sorunları teşhis etmek için genellikle segmentasyon kullanırız. Örneğin: Daha fazla insan bir mobil cihazda alışveriş yapma konusunda rahat hale geldikçe, birçok kullanıcının sitemizi ilk kez bir mobil cihazda ziyaret ettiğini, ardından finansal formları doldurmak için daha sonra bir masaüstüne geçtiğini görüyoruz. Bu nedenle, bu iki cihaz davranışını izlemek için bir kohort oluşturacağız.

Enflasyon ve tedarik zinciri konularında gördüğümüz bir diğer şey, kullanılmış araba pazarına artan bir ilgi oldu. Önde gelen kullanılmış araba pazarlarından biri olarak bu, sitemizi tarayan ve pazar araştırması için araçlarımızla ilgili verileri toplayan botlarda büyük bir artış anlamına geliyordu. Botlar, araç detay sayfalarımız gibi belirli sayfa türlerinde büyük artışlar oluşturdukları için başlangıçta çok fazla endişeye neden oldu. Ancak şimdi, bu botları tanımlamamıza ve kullanıcı verilerimizden filtrelememize izin veren bir kohort oluşturduk. Ayrıca kullanıcıları pazarlama kanalına göre segmentlere ayırmak için kohortları kullanırız.

Kullanıcı Arama: Kullanıcı Arama harika bir teşhis aracıdır. "Bir kullanıcı resim karuselinde bir sonraki tıkladığında bir olay var mı?" gibi bir sorumuz olabilir. Bu durumda, Amplitude'de anonim kullanıcı kimliğimi bulurum, tarayıcımdaki bir atlıkarıncaya tıklar ve ardından hangi olayların tetiklendiğini görürüm.

Kullanıcı Arama, bir huninin nasıl oluşturulacağını anlamanıza da yardımcı olabilir. Belirli bir kullanıcı davranışının akışını anlamak istersem, söz konusu dönüşüme yol açan önemli olayları görmek için olay akışına dalacağım. Bu aracı kullanmak, bireysel bir müşteri için yolculuğun nasıl olduğunu ve bizden araba satın almak için izledikleri yolu gösterir.

Veri odaklı olmak, herkesin bir üründeki fırsatları ortaya çıkarmasını sağlar.

Huniler: Araba satın alma süreci uzun olduğu ve çok fazla adım içerdiği için huniler bizim için çok önemlidir. Kullanıcıları araba satın alma sürecinin çeşitli aşamalarında çekiyoruz - bazı insanlar, yolculuklarının en başında, henüz hangi tür arabanın kendileri için doğru olduğunu bulmaya çalışırken bize geliyorlar. Satın alma veya bir araca ihtiyaç duyup duymadıklarını belirleme konusunda eşleriyle konuşuyor olabilirler. Diğer müşteriler, araştırmalarını yapmış, tam olarak istedikleri yılı, markayı ve modeli bilerek sitemize gelirler.

Huniler, ürün ekibinin karmaşık araba satın alma kullanıcı yolculuğunu, müşterinin satın almaya yaklaştığını gösteren belirli hedeflerle aşamalara ayırmasına yardımcı olur. Yani ilk hunimiz web sitemize kaydolmak olabilir. Bir sonraki adım, birden fazla arabayı tercih etmeyi veya kaydedilmiş bir arama eklemeyi içerebilir. Analytics aracılığıyla, alıcı yolculuğundaki kritik olayları belirledik. Örneğin, müşterilerin bir CARFAX raporuna bakmak için tıkladıklarında bir araba satın alma olasılıklarının çok daha yüksek olduğunu gördük.

Takip etmeye değer fırsatları belirlemek

Bazı kuruluşlarda, ürünün bir sonraki adımına odadaki en yüksek ücretli kişi karar verir. Ana sayfanın mavi olması gerektiğine dair bir önsezileri var, bu yüzden ana sayfa mavi oluyor. Somut cevaplar almak zor olduğu için kimse somut sorular sormuyor. Ancak yalnızca anekdotsal kanıtlara dayalı kararlar vermemelisiniz.

Daha fazla veri odaklı olmak, Shift'teki herkesin ürünümüzde var olan fırsatları ortaya çıkarmasını sağlar. Analytics'te beklenmedik bir şey gördüğümüzde, o anın bir fırsat olup olmadığını görmek için daha derine inebilir ve hatta onu takip etmenin sonuçlarını öğrenmek için test edebiliriz. Bu, herkes için daha iyi kararlar alınmasını sağlar. Büyük sayılarda ve metriklerde kaybolmak kolaydır, ancak Analytics, nitel verilerle eşleştirebileceğimiz ve hangi fırsatların peşinden gitmeye değer olduğuna ve hangilerinin yanlış başlangıçlar olup olmadığına karar vermek için kullanıcı araştırma ekibiyle birlikte çalışabileceğimiz harika nicel veriler sağlar. .

Amplitude, Shift PM'lerin çabalarımızı önemli olan, iş üzerinde etki yaratacak parçalara odaklamasına ve müşterilerin kullanılmış araba satın alırken daha rahat olmalarına yardımcı olur.