Unmind 如何发展出具有 Amplitude 的数据驱动型公司文化

见解/行动/结果：Unmind 有一个聊天机器人，旨在回答他们应用程序中的问题。 Amplitude Analytics 帮助他们发现，当机器人参与 Unmind 课程时，用户更有可能离开。这些数据促使团队决定从应用程序中删除机器人，他们看到课程完成率有所提高。

数据就是力量。 但这种力量并不总是足以将数据融入日常流程。 跨越这个障碍是我们的产品分析之旅开始变得更加数据化的地方。 该流程改进了我们构建产品、吸引客户和创造用户体验的方式。

将 Unmind 转变为以数据为主导的公司的探索

Unmind 是一个全面的工作场所健康平台，其使命是创造心理健康的工作场所，让每个人都能蓬勃发展。 今天，我们大约有 180 名员工或“Unminders”。

我们的数据成熟之旅始于几年前。 我们始终重视数据，并且认识到做出数据驱动的跨职能决策的重要性。

然而，我们并没有以可扩展的方式处理基于数据的决策。 数据团队是典型的瓶颈，我们经常收到问题和请求，我们会通过查询数据库或运行 Python 脚本来回答这些问题和请求。 但是请求超出了数据团队的带宽，即使我们优先考虑这些请求，也总是需要权衡取舍。

这个瓶颈意味着我们牺牲了速度，因为它阻碍了其他团队。 此外，解决数据问题使我们无法开发其他自助服务解决方案来让利益相关者获得所需的答案。 我们想打破这个循环。

用例驱动的可扩展解决方案搜索

查询数据库以回答有针对性的问题并在电子表格中共享对于开始数据之旅的小公司来说非常有效。 然而，随着 Unmind 与我们的产品、功能和客户群一起成长，手动执行这些任务不再可持续。 最初是可管理的瓶颈，后来变成了与我们一起成长的痛点。

我们着手寻找解决方案，并创建了一个强大的评估流程，以防止我们因各种平台中不必要的功能而分心。 我们建议使用严格用例驱动的流程：

1. 首先查看您想要的用例
2. 确定必备功能，例如 A/B 测试
3. 根据您设定的标准判断平台和功能

我们审查了领先的供应商，包括 Heap、Mixpanel 和 Amplitude，并通过演示评估了这些平台。 在对它们进行评级后，Amplitude 提供了最适合我们当时用例的产品。 他们提供了丰富而强大的产品集，并享有行业领导者的声誉。 我们相信我们的投资会得到回报。

Amplitude 最适合我们当时的用例。他们提供了丰富而强大的产品集，并享有行业领导者的声誉。

支持工作从数据团队开始

分析具有广泛的功能，我们希望确保整个企业的同事了解如何正确利用该平台。 我们创建了各种内部资源，包括入职指南，其中包含指向我们的视频教程的链接和关于从哪里开始的建议。 这被证明是有价值的； Amplitude 拥有大量出色的在线文档，但它并不总是新用户首先查看的地方。

即使是最好的视频教程和文档也不能取代与利益相关者的亲身实践，花时间与他们坐下来并演示如何找到他们需要的东西，而不是为他们做或将他们指向其他资源。 数据团队齐心协力在入职、主持电话会议和为分析问题创建专用 Slack 频道期间为人们提供支持。 我们每周举行一次临时会议，人们无需预约即可获得 Analytics 帮助。

强大的工具可能令人生畏，一些从未使用过自助服务平台的人担心他们可能会破坏系统。 我们的额外努力确保每个人——尤其是我们的产品经理——知道如何轻松使用 Analytics。

没有一种方法可以保证成功实施；许多不同的小动作有助于改变人们的习惯。

成功发布的提示

虽然没有一种方法可以保证 Analytics 的成功实施，但我可以推荐许多不同的小动作来帮助我们改变人们的习惯。

• 平易近人，抽出时间作为数据团队来帮助同事。 我们的临时会议产生了巨大的影响。 人们越来越愿意向我们提出他们的问题，我们也成为团队成员——所有这些都让教学和学习过程变得更容易。
• 继续分享 Analytics 图表并鼓励人们使用该平台来发现问题的数据驱动答案。 在实施之前共享数据和见解可以让人们瞥见各种可能性。 一旦它被广泛使用，员工就会更加渴望访问这些数据。
• 与销售、产品和业务部门的人员交谈，了解他们实现各自目标所需的特定数据类型。 人们倾向于跟踪一切，而且人们普遍认为数据越多越好。 但是，用例驱动的方法更有效。 确定人们试图解决的问题，然后决定要跟踪的数据。
• 要有耐心。 改变习惯需要时间，人们通常需要一些举措和提醒才能变得依赖数据并有效地利用数据洞察力。 它会发生，其结果值得投入额外的时间、仁慈和耐心。

人们倾向于跟踪一切，而且人们普遍认为数据越多越好。但是，用例驱动的方法更有效。

解锁 Unmind 的可能性

分析在几个方面对 Unmind 很有价值。 其中之一是监控产品开发团队旨在改进的指标。 例如，我们有一个跟踪粘性的图表：我们的每日活跃用户 (DAU) 与每月活跃用户 (MAU) 的比率。 产品团队每周监控该指标，并在发布新功能时将其用作北极星。

Unmind 特别流行的一个用例是转化的漏斗视图。 我们可以看到当用户点击A项时，是否也点击了B项。事件分割被广泛使用，我们也使用该平台进行A/B测试。 在 Analytics 中查看测试可以更轻松地查看结果和比较组。 这些结果会告知我们的团队哪些功能或风格更有影响力，以便我们做出关键的产品开发决策。

我们根据 Analytics 的见解对我们的产品进行了重大更改。 例如，我们曾经在应用程序中有一个机器人，它的行为就像一个伴侣，会回答用户的问题。 分析向我们表明，当机器人参与我们的课程时，人们更有可能离开。 这些数据促使我们决定从应用程序中删除该机器人。

另一个可行见解的例子是我们对保留预测因素的检查。 我们在 Amplitude 中看到，使用我们的 Wellbeing Tracker（经过科学验证的调查问卷，帮助他们了解当前的幸福状况）的人倾向于返回该应用程序。 我们使用高级分析验证了这一发现，这对我们当时来说是一个突破性的时刻——这意味着用户了解我们产品的价值，我们应该付出额外的努力来突出这一特性。 因此，我们开始鼓励用户在他们最初的应用程序欢迎之旅中完成 Wellbeing Tracker。 我们还更改了入职电子邮件中的通信方式，以包含 Wellbeing Tracker。

团队成员曾经对使用 Amplitude 犹豫不决，但现在他们很自豪地使用它并分享见解。 有时人们会注意到 Amplitude 的趋势，询问我们的意见，并了解他们如何才能更深入地挖掘。 Amplitude 与 Slack 集成，允许用户共享图表，人们可以在频道中与之互动。 它具有高度协作性，这种热情会迅速传播并鼓励他人。

改变习惯，改变文化

我们已经看到基于数据的决策制定已成为我们公司文化的重要组成部分。 我们现在可以更轻松地了解产品变更的影响，并且当我们可以快速看到影响时，我们可以更快地进行更有意义的讨论。 数据有助于推动新产品开发和其他提议的变更，使每个人都更容易朝着同一方向前进。

自 Amplitude 推出以来，我们收到的数据请求数量有所减少。 这种减少使数据团队腾出时间来进行更高级的分析，从而提高了我们的速度和影响。

最终，Amplitude 帮助我们在定义 North Star 指标方面取得了进展，我们现在采用更加自下而上的方法进行产品开发。 能够探索数据和发现趋势使我们能够寻找机会以与我们的用户产生共鸣并使他们能够过上更充实的生活的方式改进我们的产品。