Що таке продуктова аналітика: вимірювання того, що люди роблять у продукті, і рішення на основі цього. Вісім питань, на які вона відповідає, з прикладом.
Автор: Sergey BruhОпубліковано 8 хв читання
Безкоштовний курс для продактів і маркетологів: короткі уроки, реальні продуктові дані та вправи з миттєвим фідбеком.
Почати безкоштовний курс8 хв читання
Безкоштовний tracking plan шаблон із шести розділів: запитання, події, властивості, визначення метрик, QA та журнал змін — і розбір на новій фічі.
Що таке продуктова аналітика? Це практика вимірювання того, що люди насправді роблять у продукті, на основі подій, які вони запускають, і перетворення цих чисел на рішення: що будувати, що лагодити, як призначати ціну і де рости. Веб- і маркетингова аналітика здебільшого кажуть, хто прийшов і звідки; продуктова стежить за людьми після реєстрації. Чи дійшли вони до моменту, коли продукт стає корисним? Чи повернулися наступного тижня? Чи заплатили і чи привели когось? Дашборд із десятком графіків — це ще не продуктова аналітика; нею є чітка відповідь на одне з цих питань, із числами за нею і рішенням, до якого вона веде. У цьому гіді — вісім питань, на які відповідає продуктова аналітика, по короткому розділу на кожне, розібраний приклад, що роблять інструменти продуктової аналітики, і посилання на докладніші тексти.
На межах вони перетинаються: продуктова аналітика бере в маркетингу дані про витрати, щоб оцінити канал, і передає фінансистам дохід за когортами. Різниця — в одиниці: продуктова аналітика мислить користувачами в часі, а не візитами чи календарними місяцями.
Усе починається з події (event) — запису про те, що щось сталося: хто (ідентифікатор користувача), що (expense_added) і коли (час). Властивості події описують саме цей момент, наприклад суму чи спосіб, яким додали витрату. Властивості користувача описують людину й не змінюються від події до події: дата реєстрації, канал, звідки людина прийшла. Більшість питань розв'язується саме так — події, розбиті за властивостями користувачів: «чи додають люди з платної реклами менше витрат, ніж запрошені?» Урок про події, властивості й користувачів розбирає реалістичний журнал подій.
Наш наскрізний приклад — Halves, застосунок для розподілу спільних витрат. Команда ставить просте питання: скільки активних користувачів було минулого тижня? У сирому експорті 147 рядків подій від 22 акаунтів. Ось що відбувається, коли визначення стає точнішим:
Троє мали лише регулярні рахунки, які сервер додав автоматично; застосунок вони не відкривали (). Один тестовий акаунт був позначений як внутрішній (18). Другий — ні, але його канал реєстрації був «staff», і кожна додана ним витрата дорівнювала рівно 1 долару — типовий слід тестування (). Чесна відповідь — 17, і до неї додається записане визначення: реальні люди, не з команди, які відкрили застосунок хоча б раз за тиждень. Уроки про пастки підрахунку і визначення метрик роблять із цього звичку.
Це і є продуктова аналітика в мініатюрі: питання, визначення, перевірка на пастки і число, яке витримує повторний підрахунок.
Ще до будь-якого графіка вирішіть, які події потрібні питанню, які властивості вони несуть і як визначено кожну метрику, щоб двоє людей отримали однакове число. План трекінгу — це письмовий договір між продуктом, розробкою й аналітикою; що в нього входить, показує tracking plan шаблон.
Команді потрібна одна метрика, що відображає цінність, яку отримують користувачі, плюс вхідні метрики, які її рухають. Загальна кількість завантажень чи реєстрацій лише росте, тож це метрики марнославства: приємні, але нічого не вирішують. Корисно також тримати в парі метрики обсягу («скільки»: активні користувачі, додані витрати) і метрики якості («як добре»: частка нових груп, у яких з'явився другий учасник), — про це урок про метрики обсягу й метрики якості. Як обрати north star, розповідають north star metric приклади та урок про north star. Про те, як часто люди користуються продуктом, — допис про DAU/MAU і чому правильний ритм (день, тиждень чи місяць) залежить від продукту.
Воронка (funnel) — це кроки від реєстрації до цінності й частка людей, що переходять від кожного кроку до наступного. Найбільший провал — не завжди найкраще місце для роботи; аналіз воронки розбирає порядок кроків, вікно конверсії і те, кого рахувати. Активація — момент, коли новий користувач уперше отримує справжню цінність; її записують як дію з часовим обмеженням, для Halves це щось на кшталт «другий учасник групи і три витрати за перший тиждень». Як знайти цей момент у даних, а не вгадувати, пояснює допис про activation rate (активацію).
Утримання (retention) — частка когорти, яка ще користується продуктом через певний час. Саме ця метрика найчастіше відрізняє продукти, що працюють, від продуктів, які просто добре рекламують. Як порахувати retention порівнює утримання дня N, ковзне й за періодами, а когортний аналіз: приклад показує, як читати когортну таблицю й не усереднити її неправильно. Крива, що виходить на плато, а не падає до нуля, — один із найясніших сигналів product-market fit.
Найкраще на це відповідає A/B-тест: одна основна метрика, обрана заздалегідь, розмір вибірки, порахований до запуску, і записане правило рішення. Тут допоможуть два тексти зі статистики: скільки тримати A/B-тест і мінімальний ефект, що виявляється.
Тесту часто немає: нову версію випустили для всіх, а фічу обрали лише деякі користувачі. Порівняння «до і після» бувають чесними, якщо порівнювати подібне з подібним (та сама структура трафіку, той самий сезон). А от «хто робить X, той краще утримується» зазвичай більше говорить про тих, хто обирає X, ніж про сам X. Чому — у дописі кореляція чи причинність.
Дохід на користувача, конверсія в оплату, крива LTV за когортами, вартість залучення і час, за який когорта її окуповує. Допис про LTV/CAC зводить це разом на прикладі двох платних каналів: у Halves користувач із соцмереж за 12 місяців приносить приблизно в 1,55 раза більше, ніж коштувало його залучення.
Ріст дають канали і користувачі, які приводять інших. Друге вимірює вірусний коефіцієнт: у Halves кожен новий користувач приводить ще близько 0,31 через запрошення. Самі по собі запрошення росту не забезпечать, але через усі покоління перетворюють кожні 100 користувачів, яких привів канал, приблизно на 145. Прогноз активних користувачів за когортами — нові користувачі, помножені на утримання, — зводить усе докупи.
Воронка AARRR (Acquisition, Activation, Retention, Referral, Revenue — залучення, активація, утримання, рекомендації, дохід) — зручна карта тієї самої території: питання 3 і 4 відповідають за активацію й утримання, 7 — за дохід, 8 — за залучення й рекомендації. Користуйтеся нею як чеклістом, щоб знайти, де «протікає» ріст, а не як п'ятьма дашбордами, які треба заповнити.
Перетворює продуктові питання на метрики й дані, перевіряє дані на пастки, запускає чи читає експерименти й пише відповіді, з якими команда може діяти. У невеликих командах значну частину цього робить продакт-менеджер.
Інструменти аналітики подій збирають події, які надсилає застосунок, і перетворюють їх на воронки, криві утримання, когорти й шляхи користувачів без окремого SQL-запиту на кожне питання. Таблиця або сховище даних із SQL відповідають на ті самі питання, тільки повільніше. Інструмент важить менше, ніж tracking plan за ним: із розмитими назвами подій і без визначень будь-який інструмент упевнено покаже хибні числа. Для швидкої перевірки без інструмента є безкоштовний калькулятор утримання, який перетворює кількості в когортах на утримання.
Це її гілка, зосереджена на поведінці користувачів усередині продукту. Вона позичає статистику, SQL і візуалізацію із загальної аналітики даних, але її основні одиниці — користувачі, події та когорти в часі.
Він допомагає, але складніше інше — поставити правильне питання й точно визначити метрики. Коли визначення правильні, багато відповідей дає інструмент аналітики подій або таблиця.
Одну подію активації, тижневе чи місячне утримання за когортами і невеликий набір чітко визначених подій, з яких їх рахують. Додавайте більше лише тоді, коли цього потребує справжнє питання.
Безкоштовний курс «Продуктова аналітика: від даних до рішень» проводить через усі вісім питань на реалістичних даних Halves: від подій і воронок до видів утримання, LTV, окупності й росту. Почніть із першого уроку — події, властивості й користувачі.
