6713
I diagnose with data and treat with design. More hardcore materials here – @co_intelligence @martsen | martsen.me | p13n.ru
В день я перемалываю больше 120 новостей из РСС. Там собирается инфа с Medium, блогов и твитера. Это около 80% информации в день. Остальные 20% приходят из email-рассылок и Telegram.
Из всего этого я выделяю до 3-х статей в день. Читаю, перевариваю и "самый сок" кидаю в свою базу знаний. Часть попадает в этот канал. Так я обновляю знания и не даю себе "заржаветь".
Последний год я применяю data-driven подход в разработке продуктов. Честно, было сложно быстро освоить все тонкости. Уже лет 5 "как грибы" растут статьи про биг-дату, ее пользы для бизнеса и продукта и т.д. Обычно нам рассказывают про "3 самые главные метрики", "как считать стоимость привлечения клиентов" и, что "в данных есть ответ на все вопросы". Мало проработанного материала, который освещают проблему в деталях.
Тоже самое касается и других областей, с которыми работают продуктологи: дизайн, монетизация, маркетинг и продажи.
19 октября университет "Нетология" запускает программу "Руководитель digital-продукта". В преподавателях замечены ребята из Mail.ru, Яндекс, ivi.ru и других крутых компаний. Восемь преподавателей знаю лично. Слушал их выступления и общался в кулуарах.
Много практических занятий, почти нет "воды". Особо мне импонирует раздел 5-й раздел курса про продуктовую аналитику.
Если хочется быстро подтянуть знания и применить их в работе, то этот курс выглядит многообещающе.
Записаться можно здесь.
Программа курса в формате PDF.
Product Science - термин, который я впервые встретил в продуктовом блоге команды Medium.
What is “Product Science”?
Depending on what company you talk to, a “data” group could mean many different things. At Medium, Product Science is the central team responsible for every step of translating data into insights that improve the product.
Мне понравился термин, но само объяснение концепции осталось туманно.
Позже я нашел более подробный разбор.
Если коротко, в этой статье Product Science - это смесь трех компетенций, которые двигают продукты вперед:
- Data Science - статистики и обработки данных
- Product Management - понимание технологий и потребностей бизнеса
- Psychology - поведенческая и социальная психология
Интересно, за эти три компетенции отвечают три разных человека (PM, Analyst, UX Researcher)? Или можно совместить?
АйТаргет стримят в fb митап по автоматизации аналитики и работе с рекламными кабинетами. Только что начали
Присоединиться: https://www.facebook.com/aitarget/videos/1639672552721353
Напоминаю, что сегодня в 19:00 начнется митап по продуктовой аналитике.
Будет 3 доклада:
1. Алексей Смирнов, Wrike "Качественный анализ в продуктовой аналитике. Как приоритизировать продуктовые инициативы и эффективно оценивать их влияние на клиентов”
2. Дмитрий Бугайченко, Одноклассники "Путь камикадзе 2.0: как выжить «безнадежному» Data Science проекту"
3. Белла Громаковская, Павел Волков, Wargaming, проект WOWS "Как оцениваются нововведения в игру"
Собралось 100 гостей, ожидаем интересных вопросов.
Лайк, если первыми хотите получить материалы митапа.
Хорошая инициатива по обучению основ науке о данных всех желающих. В это году о похожей инициативе заявили AirBnB со своим Data University. А тут для всех желающих :)
Читать полностью…
Google изучил влияние пользовательского опыта на мобильных устройствах на бренд компании. Информация знакомая, об этом говорят уже года 3 минимум. Вот обновленные данные.
1. Пользователей бесит скорость работы на мобильных устройствах. Плохая навигация, долгая загрузка - этого потребитель не потерпит. 53% сессий с мобильных устройств обрываются после 3-х секундного ожидания. Пользователи менее охотно обращаются к бренду после негативного мобильного опыта.
2. Показ релевантной информации, которая помогает здесь и сейчас располагает к бренду. 9 из 10 владельцев смартфонов, которым понравилось пользоваться мобильной версией говорят, что совершат повторную покупку.
3. Если пользователь высказывает нейтральное отношение к мобильному опыту, то это все равно склоняет чашу весов к негативу по отношению к бренду. А если пользователя прервать всплывающим окном, то будет еще хуже: 46% опрошенных заявили, что не купят, если их чем-то отвлекут.
Исследование "Proficiency in problem solving in technology-rich environments" на странице 53
Читать полностью…
Ребята из AIC опубликовали перевод исследования (оригинал), где изучали навыки людей работать с компьютером. Вы уже могли встречать эти цифры, т.к. данным уже год.
Самые интересные тезисы из перевода:
Только 5 % населения 33 стран считаются продвинутыми пользователями компьютера и только треть опрошенных могут пройти тест средней сложности на определение компьютерной грамотности.
Умения большинства пользователей:
- для поиска информации почти не требуется навигация, а для решения задач нужно минимум команд
- реализация таких задач обычно требует минимального числа шагов и промежуточных этапов
- чтобы решить задачу, пользователь должен применить четко сформулированные критерии (или они могут отсутствовать)
- контроль пользователя практически не нужен
- определить контент и операторы пользователь может с помощью отождествления
- противопоставлять и интегрировать информацию на этом уровне не требуется
Если вы чуть выйдете за эти рамки, [...] то две трети населения не поймут ваш дизайн.
Для важных решений тратим много времени и сил. Простых проблем и решений большенство, поэтому не тратим на них много времени.
Читать полностью…
После того, как мы определяем важность решения, нам надо понимать сколько мы готовы потратить времени на его обдумывание.
Решение считается хорошим если оно обосновано и принято своевременно. Автор считает, что большенство решений должно приниматься быстро и приводит три ключевые мысли:
1. Чем менее важно решение, тем меньше нужно для него информации.
2. Сбор информации подчиняется закону Парето - 80% информации найти легко, а остальные 20% добываются с трудом.
3. Большенство решений не так важны.
Принятие решений при разработке продукта
Прочитал статью, где объясняют фреймворк по принятию решений.
Автор цитирует Джефа Безоса и приводит два типа решений:
1. Необратимые решения
2. Обратимые решения (decisions are like walking through a door — if you don’t like the decision, you can always go back)
Сам автор считает, что нельзя делить решения на черное и белое. На самом деле посередине есть 50 оттенков.
Не находите ли вы, сударь, что биткоин нынче волатилен?
При обсуждении графиков может проскользнуть термин волатильность. Грубо говорят, он показывает как "колбасит" метрику во времени.
Часто воалительность упоминают в финансах. Но никто не мешает описывать им явления в маркетинговой или продуктовой аналитике.
Количество скачиваний приложения то растет, то падает каждую неделю - волатильный показатель.
#learn
Just Noticeable Difference
Интересное понятие из психофизики, которое может помочь при выборе бейслайна для UX-метрик.
Коротко
Если что-то улучшайте, то старайтесь это сделать как минимум на 20%.
Подробно
Читайте в этой статье - goo.gl/WFHBV2
☂️ Персоны, Jobs-to-Be-Done и здравый смысл
Пейдж Лаубхаймер из группы Нильсена-Нормана опубликовал статью-сравнение двух методик: персон и Jobs-to-Be-Done.
Я предлагаю не заморачиваться насчёт следования тому или иному походу. Они каждый год разные. Персоны, юзкейсы, юзер стори, джоб стори, whatever. Реально важно одно:
Для каждой фичи или сценария понимать, кто потребитель и зачем это ему, какую проблему решает.
Выясняется серией вопросов постановщику задачи:
— Давай добавим регистрацию через соцсети.
— Зачем?
— Ну, чтобы пользователям не надо было придумывать пароль.
— А зачем пользователям вообще регистрироваться?
— Ну, чтобы купить товары в нашем магазине.
— А что мы продаём, помнишь?
— Ну да, секс-игрушки с доставкой по всей стране.
— Уверен, что покупатели захотят пускать нас в свои соцсети?
— Эээ.
— Может, наоборот, разрешим полностью анонимную покупку, без регистрации?
— Да, пожалуй.
Кто и зачем — это важно. Конкретная методика — карго-культ.
Good design is not about getting more clicks or more page views, so why would we measure success that way?
Умная мысль про измерение эффективности дизайна. Статья, где я нашёл эту мысль, напомнила мне про подход Goals-Signals-Metrics. Хотя прямой отсылки в статье на это нет.
Список книг, блогов, инструментов и прочего полезного для продукт-менеджеров и им сочувствующих.
Люблю пробегаться по таким штукам. Всегда можно подчерпнуть что-то новое.
Запись митапа на обработке и будет через ~1 час.
Спасибо всем, кто вчера пришел и смотрел онлайн. В кулуарах было много интересных вопросов.
Ждите анонсов новых встреч.
Презентации спикеров:
А вот и еще митап по аналитике. Более технический. Наш то по-бизнесовее :)
Читать полностью…
Вот не зря люблю Вышку! Как бы ни было обидно мне, физтеху, это говорить - в области computer science и прикладных вещей вокруг они самые живые и бодрые в России. Вот и еще одна отличная инициатива: проект Data Culture.
«Проект Data Culture направлен на то, чтобы у студентов всех программ бакалавриата Высшей школы экономики появилось понимание возможностей современных технологий в области Data Science.»
Вот да! Надо, чтоб любой менеджер или маркетолог мог внятно излагать свои хотелки аналитику и понимать, что в жизни бывает, а что не очень.
Впрочем, я бы не стал постить ссылку, если б все это касалось только будущих бакалавров Вышки. Там еще есть ссылочка «дополнительные возможности» - и за ней масса толковых курсов и прочих ресурсов для всех желающих.
https://www.hse.ru/dataculture/
Перевод статьи Джеффа Сауро про использование научного подхода в UX-аналитике. Можно по ней периодический пробегаться как по шпаргалке.
Читать полностью…
20 сентября в Питере пройдет митап по продуктовой аналитике. Будет три доклада от Wrike, Wargaming и Одноклассников.
Трансляция на YouTube предусмотрена.
https://wriketeam.timepad.ru/event/559191/
Еще 1.9% потерялись из-за языковых барьеров и иных проблем
Читать полностью…
Почти всегда от вас будет требоваться быстрое принятие решений. Оцените его сложность и выделите нужное время. Но когда столкнетсь с действительно сложной задачей, то не спешите.
Просто и логично.
Для поиска этих оттенков предлагается использовать вот такую хитрую шкалу.
Читать полностью…
Продолжаю изучать опыт других компаний в плане продуктовой аналитики.
Недавно Karen Church (Senior Manager of Product Analytics at Intercom) рассказала, как они работу работают.
Во-первых, есть три метрики, на которые обращают внимание в разработке продукта:
1. Intent to use - пытаются понять надобность фичи для юзера.
2. Activation - когда клиент осознал ценность фичи.
3. Engagement - как часто пользуются и сколько.
Во-вторых (и это мне понравилось больше всего) - 40-50% времени аналитика уходит на "построение истории", которая пойдет в широкую публику.
Команда еженедельно встречается, где аналитики челленджат друг друга, проверяют инсайты и придумывают как донести мысль четче и понятнее.
На своем опыте я понял, что "посчитать циферку" - это пол беды. Донести мысль до команды, стейкходеров и топ-менеджмента - вот, где самая сложная битва для аналитика.
А чтобы аналитик мог хорошо обосновать факты и вписать их в картину бизнеса, он должен быть погружен в продукт и бизнес. Анализировать без контекста - не вариант.
Если вы PM, который работает с аналитиком по принципу "посчитай мне 100500 цифр, а я уже придумаю, что с ними делать" - остановитесь, выдохните и поделитесь с аналитиком вашей целью.
Если вы аналитик-машина-по-написанию-SQL - остановитесь, выдохните и потратьте 1-2-3 часа своего времени на погружение в контекст. Это поможет в работе.
Если вы наблюдаете такое со стороны - остановите это безумие.
В-третьих - "демократизация данных" в компании. Все сотрудники должны понимать, что данные - это доступный ресурс и любой человек может его получить.
Ну и последнее - это рассказ про то, как аналитик встраивается в команду, с которой работает.
https://blog.intercom.com/intercom-karen-church-on-product-analytics/
Список UX-метрик, которые можно использовать при развитии продукта.
Конечно, метрики уникальны для каждого продукта и для каждой цели. Предлагаю использовать этот лист как основу для разработки своих. В статье они разложены по категориям. Есть пояснения зачем их замерять и что они могут значить.
Скользящее среднее (moving average) помогает фильтровать шум в данных и видеть настоящее влияние на метрики в долгосрочной перспективе.
В идеальном мире ваши решения моментально и однозначно влияют на метрики бизнеса.
В реальном - метрики гуляют вниз и вверх сами по себе из-за сезонности, внешних событий, ошибок в рассылке и всего того, что вы не можете контролировать.
Чтобы убрать влияние внешних факторов, надо смотреть скользящее среднее за последние N периодов. Этот прием используется в финансах.
Я работаю с метриками в недельных интервалах и при построение трендов беру среднее за последние 4 недели.
Плюсы:
- избавляемся от шума в данных, видим влияние наших решений на бизнес.
- гордо добавляем в LinkedIn скилл "Data Analytics".
Минусы:
- медленная реакция на "критические" события в бизнесе: релизы с критическими багами или наоборот очень удачную фичу, которая "стрельнула". Решение - смотреть на графиках и скользящее среднее, и текущее состояние метрик.
- в массовых системах аналитики не встречается "из коробки". Решение - выгружать данные и строить самому в Excel.
#learn
martsen/15-мобильных-инсайтов-часть-2-из-5-51b342dd7931">Продолжаю делиться разбором инсайтов:
4) Доля мобильного трафика скоро превысит трафик с десктопа
5) Десктоп используют равномерно в течении дня, а смартфоны и планшеты по утрам и вечерам
6) Android - самая популярная ОС из всех
Недавно попалась статья про интересные факты и статистику о пользователях мобильных устройств. Автор этой заметки - Джефф Сауро, UX- аналитик со стажем.
Я зачитался этими инсайтами и покопал их немного глубже, чем описано в оригинальной статье.
Вот немного фактов:
1) В Южной Корее у 9 из 10 есть смартфон, в Эфиопии у каждого 20-го
2) К 2018 году будет 2.53 миллиарда пользователей смартфонов
3) У каждого второго американца есть планшет
Подробности