Unmind 如何發展出具有 Amplitude 的數據驅動型公司文化

見解/行動/結果：Unmind 有一個聊天機器人，旨在回答他們應用程序中的問題。 Amplitude Analytics 幫助他們發現，當機器人參與 Unmind 課程時，用戶更有可能離開。這些數據促使團隊決定從應用程序中刪除機器人，他們看到課程完成率有所提高。

數據就是力量。 但這種力量並不總是足以將數據融入日常流程。 跨越這個障礙是我們的產品分析之旅開始變得更加數據化的地方。 該流程改進了我們構建產品、吸引客戶和創造用戶體驗的方式。

將 Unmind 轉變為以數據為主導的公司的探索

Unmind 是一個全面的工作場所健康平台，其使命是創造心理健康的工作場所，讓每個人都能蓬勃發展。 今天，我們大約有 180 名員工或“Unminders”。

我們的數據成熟之旅始於幾年前。 我們始終重視數據，並且認識到做出數據驅動的跨職能決策的重要性。

然而，我們並沒有以可擴展的方式處理基於數據的決策。 數據團隊是典型的瓶頸，我們經常收到問題和請求，我們會通過查詢數據庫或運行 Python 腳本來回答這些問題和請求。 但是請求超出了數據團隊的帶寬，即使我們優先考慮這些請求，也總是需要權衡取捨。

這個瓶頸意味著我們犧牲了速度，因為它阻礙了其他團隊。 此外，解決數據問題使我們無法開發其他自助服務解決方案來讓利益相關者獲得所需的答案。 我們想打破這個循環。

用例驅動的可擴展解決方案搜索

查詢數據庫以回答有針對性的問題並在電子表格中共享對於開始數據之旅的小公司來說非常有效。 然而，隨著 Unmind 與我們的產品、功能和客戶群一起成長，手動執行這些任務不再可持續。 最初是可管理的瓶頸，後來變成了與我們一起成長的痛點。

我們著手尋找解決方案，並創建了一個強大的評估流程，以防止我們因各種平台中不必要的功能而分心。 我們建議使用嚴格用例驅動的流程：

1. 首先查看您想要的用例
2. 確定必備功能，例如 A/B 測試
3. 根據您設定的標準判斷平台和功能

我們審查了領先的供應商，包括 Heap、Mixpanel 和 Amplitude，並通過演示評估了這些平台。 在對它們進行評級後，Amplitude 提供了最適合我們當時用例的產品。 他們提供了豐富而強大的產品集，並享有行業領導者的聲譽。 我們相信我們的投資會得到回報。

Amplitude 最適合我們當時的用例。他們提供了豐富而強大的產品集，並享有行業領導者的聲譽。

支持工作從數據團隊開始

分析具有廣泛的功能，我們希望確保整個企業的同事了解如何正確利用該平台。 我們創建了各種內部資源，包括入職指南，其中包含指向我們的視頻教程的鏈接和關於從哪裡開始的建議。 這被證明是有價值的； Amplitude 擁有大量出色的在線文檔，但它並不總是新用戶首先查看的地方。

即使是最好的視頻教程和文檔也不能取代與利益相關者的親身實踐，花時間與他們坐下來並演示如何找到他們需要的東西，而不是為他們做或將他們指向其他資源。 數據團隊齊心協力在入職、主持電話會議和為分析問題創建專用 Slack 頻道期間為人們提供支持。 我們每週舉行一次臨時會議，人們無需預約即可獲得 Analytics 幫助。

強大的工具可能令人生畏，一些從未使用過自助服務平台的人擔心他們可能會破壞系統。 我們的額外努力確保每個人——尤其是我們的產品經理——知道如何輕鬆使用 Analytics。

沒有一種方法可以保證成功實施；許多不同的小動作有助於改變人們的習慣。

成功發布的提示

雖然沒有一種方法可以保證 Analytics 的成功實施，但我可以推薦許多不同的小動作來幫助我們改變人們的習慣。

• 平易近人，抽出時間作為數據團隊來幫助同事。 我們的臨時會議產生了巨大的影響。 人們越來越願意向我們提出他們的問題，我們也成為團隊成員——所有這些都讓教學和學習過程變得更容易。
• 繼續分享 Analytics 圖表並鼓勵人們使用該平台來發現問題的數據驅動答案。 在實施之前共享數據和見解可以讓人們瞥見各種可能性。 一旦它被廣泛使用，員工就會更加渴望訪問這些數據。
• 與銷售、產品和業務部門的人員交談，了解他們實現各自目標所需的特定數據類型。 人們傾向於跟踪一切，而且人們普遍認為數據越多越好。 但是，用例驅動的方法更有效。 確定人們試圖解決的問題，然後決定要跟踪的數據。
• 要有耐心。 改變習慣需要時間，人們通常需要一些舉措和提醒才能變得依賴數據並有效地利用數據洞察力。 它會發生，其結果值得投入額外的時間、仁慈和耐心。

人們傾向於跟踪一切，而且人們普遍認為數據越多越好。但是，用例驅動的方法更有效。

解鎖 Unmind 的可能性

分析在幾個方面對 Unmind 很有價值。 其中之一是監控產品開發團隊旨在改進的指標。 例如，我們有一個跟踪粘性的圖表：我們的每日活躍用戶 (DAU) 與每月活躍用戶 (MAU) 的比率。 產品團隊每週監控該指標，並在發布新功能時將其用作北極星。

Unmind 特別流行的一個用例是轉化的漏斗視圖。 我們可以看到當用戶點擊A項時，是否也點擊了B項。事件分割被廣泛使用，我們也使用該平台進行A/B測試。 在 Analytics 中查看測試可以更輕鬆地查看結果和比較組。 這些結果會告知我們的團隊哪些功能或風格更有影響力，以便我們做出關鍵的產品開發決策。

我們根據 Analytics 的見解對我們的產品進行了重大更改。 例如，我們曾經在應用程序中有一個機器人，它的行為就像一個伴侶，會回答用戶的問題。 分析向我們表明，當機器人參與我們的課程時，人們更有可能離開。 這些數據促使我們決定從應用程序中刪除該機器人。

另一個可行見解的例子是我們對保留預測因素的檢查。 我們在 Amplitude 中看到，使用我們的 Wellbeing Tracker（經過科學驗證的調查問卷，幫助他們了解當前的幸福狀況）的人傾向於返回該應用程序。 我們使用高級分析驗證了這一發現，這對我們當時來說是一個突破性的時刻——這意味著用戶了解我們產品的價值，我們應該付出額外的努力來突出這一特性。 因此，我們開始鼓勵用戶在他們最初的應用程序歡迎之旅中完成 Wellbeing Tracker。 我們還更改了入職電子郵件中的通信方式，以包含 Wellbeing Tracker。

團隊成員曾經對使用 Amplitude 猶豫不決，但現在他們很自豪地使用它並分享見解。 有時人們會注意到 Amplitude 的趨勢，詢問我們的意見，並了解他們如何才能更深入地挖掘。 Amplitude 與 Slack 集成，允許用戶共享圖表，人們可以在頻道中與之互動。 它具有高度協作性，這種熱情會迅速傳播並鼓勵他人。

改變習慣，改變文化

我們已經看到基於數據的決策制定已成為我們公司文化的重要組成部分。 我們現在可以更輕鬆地了解產品變更的影響，並且當我們可以快速看到影響時，我們可以更快地進行更有意義的討論。 數據有助於推動新產品開發和其他提議的變更，使每個人都更容易朝著同一方向前進。

自 Amplitude 推出以來，我們收到的數據請求數量有所減少。 這種減少使數據團隊騰出時間來進行更高級的分析，從而提高了我們的速度和影響。

最終，Amplitude 幫助我們在定義 North Star 指標方面取得了進展，我們現在採用更加自下而上的方法進行產品開發。 能夠探索數據和發現趨勢使我們能夠尋找機會以與我們的用戶產生共鳴並使他們能夠過上更充實的生活的方式改進我們的產品。