Инсайты продуктовой аналитики
Продукты делают мир вокруг. Каждый день люди покупают товары, продукты и услуги, которые помогают им быть более эффективными, достигать целей и даже развлекаться. И как потребители выбирают продукты? Оценивая качество, стоимость и функциональность необходимых инструментов.
Люди, создающие продукты, стремятся не только к получению прибыли, но и к тому, что лучше для клиентов в целом. Очень важно держать руку на пульсе продукта, чтобы убедиться, что он отвечает потребностям пользователей.
Проведение анализа продукта позволяет поддерживать связь продукта с пользователем. Он предоставляет информацию, необходимую для понимания того, как люди используют продукт, где продукт может быть неэффективным, и помогает определить возможности для улучшения. Конечным результатом является продукт, который готов к выходу на рынок, достигает целевого рынка и желаемых результатов.
Ашот Элязян, руководитель продуктовой аналитики в Aitu Dala, рассказал что такое аналитика продукта, почему она важна и какие инструменты лучше всего подходят для этой работы.
Компании используют аналитику больших данных для раскрытия новых и интересных идей в больших и разнообразных массивах данных. Это помогает им прогнозировать тенденции рынка, выявлять скрытые корреляции между потоками данных и детально изучать предпочтения своих клиентов. Эта аналитика помогает командам принимать быстрые, обоснованные решения и создавать продукты, которые приносят удовлетворение. Но большие данные требуют специальной инфраструктуры.
Big Data и DataLake
Аналитика больших данных — это не синоним науки о данных (Data Science), хотя эти два понятия часто путают. Как и физика, наука о данных — это целая область исследований, в то время как аналитика больших данных – это всего лишь инструмент и вид деятельности, как лабораторный эксперимент, хотя и обладающий потрясающей универсальностью.
DMP и DataLake — это лишь два инструмента из числа многих, которые также занимаются Big Data.
DMP (в переводе с английского языка “платформа управления данными”) — инструмент, обеспечивающий таргетинги для рекламной сети. Платформа собирает и обрабатывает деперсонализированные данные профиля и сегментирует их на основе потребляемого контента.
DataLake (в переводе с английского языка “озеро данных”) — это программное обеспечение с более широким спектром назначения. Это огромное беспорядочное хранилище данных, которое является первым уровнем работы данных.
Прогнозирование поведения пользователей
Аналитика больших данных, являясь частью продуктовой аналитики, помогает с высокой точностью изучить пользовательский опыт взаимодействия с продуктом. Результатом анализа становится выявление наиболее удобных паттернов для потребителя и формирование гипотез к оптимизации продукта. Так, компания получает информацию для приоритезации разработки функционала, оценку эффективности маркетинговых кампаний и гипотез по их оптимизации. В конечном итоге аналитика больших данных призвана повысить отдачу результата продукта на каждый тенге вложенных средств в его разработку и продвижение. В результате, пользователь получает удобный и понятный интерфейс продукта, отвечающий его ожиданиям и требованиям.
Например, в Aitube, аналитика больших данных помогает сформировать рекомендательную систему, выдачу трендов, а также повышать качество воспроизведения видео в рамках имеющихся ограничений инфраструктуры (скорость интернета пользователя и стабильность соединения). Кроме того, анализ просмотров видео, лайков, комментариев и подписок на каналы собирается информация о качестве и релевантности контента с целью улучшения качества библиотеки контента. Так, информация о популярности и вовлеченности разных типов контента влияет на привлечение авторов на платформу.
Такая аналитика помогает продуктам привлекать пользователей, предлагая конкурентоспособные услуги не вкладывая при этом огромных средств в маркетинг и удержание.
Монетизация
На Aitube авторы подключаются к монетизации и за каждый показ рекламы на видео своего канала они получают условные баллы, которые потом можно конвертировать в электронные деньги. Таким образом, заработок авторов напрямую связан с ценностью платформы для рекламодателей. Чтобы сделать Aitube привлекательным для рекламодателей, необходимо регулярно повышать эффективность рекламных кампаний. Одним из инструментов достижения эффективности кампании является таргетирование рекламы по целевой аудитории. Это позволяет Aitube найти баланс между интересами рекламодателей, контент креаторов и пользователей. Так, рекламодатель платит только за рекламу по целевой аудитории, автор получает вознаграждение за целевую рекламу, а пользователь видит меньше рекламы и она более релевантна.
Персонализация функционала
Большие данные используются с целью персонализировать тот или иной функционал, например, рекомендательную систему, поисковый алгоритм или выдачу на главной странице.
Персонализация отлично подходит для повышения Retention Rate аудитории. Анализ пользовательского опыта позволяет выявить наиболее удобные паттерны и повышать ценность продукта. Так, пользователь с большей вероятностью захочет повторно вернуться на платформу, а компания при этом сэкономит средства на рекламные кампании по привлечению новой аудитории.
Персонализация сервисов, функций или конкретных услуг улучшает взаимодействие пользователя. Так, один и тот же сервис может быть удобным и практичным для абсолютно разных сегментов аудитории за счет адаптации содержания под запросы конкретного пользователя. Чем больше пользователь взаимодействует с продуктом, тем выше уровень удовлетворения персональным контентом.
Оценка внедрения фич
Если по данным наблюдается несколько инсайтов, которые можно было бы развивать, то для каждой гипотезы можно посчитать, во-первых, стоимость ее реализации в разработке. А во-вторых — ожидаемый экономический эффект от ее внедрения. Это помогает продуктовой команде приоритезировать разработку и реализовывать только валидированные гипотезы.
К примеру, можно взять в разработку улучшение поисковых алгоритмов. Эффект от внедрения функции нарастает с течением времени до достижения некоего потолка. Бывает когда реализуется определенная фича, которая сразу выдает результат на определенном уровне. Так, команда решает работать над поисковым алгоритмом для того, чтобы получить эффект в то время, когда она будет занята разработкой других функций.
Принятие управленческих решений
Аналитика больших данных должна позволить инвесторам получить информацию для принятия управленческих решений. Инвесторы наблюдают за продуктовыми и бизнес метриками и видят, какой продуктовый бизнес результат они получают в обмен на инвестирование. На основе данных можно понять, насколько цели достижимы, и насколько результат фактически соответствует заявленному KPI. Таким образом, инвестор может прозрачно видеть ход развития продукта и оценить сумму дальнейших инвестиции.
Улучшение пользовательского опыта
В мобильной версии Aitube была гипотеза, что необходимо внедрить нижний toolbar меню. То есть, когда пользователь заходит через мобильный браузер на сайт Aitube, он видит внизу экрана меню с пятью разделами. Предполагалось, что пользователи Aitube не знают о разделах видеохостинга, и никто в верхнее меню не тянется. Благодаря исследованию, гипотеза подтвердилась и выяснилось, что пользователь приходил только на конкретный сериал или фильм. После добавления меню, увеличилось использование нескольких разделов, посещение главной страницы и увеличилась аудитория в разделах “тренды”. Более того, пользователи узнали о том, что имеется раздел “подписки”, благодаря чему увеличилось количество зарегистрировавшихся пользователей.
Заключение
В работе с данными, деперсонализация данных — ключевой мировой тренд. С каждым годом растет законодательное и юридическое регулирование сбора, хранения и обработки данных. Это приводит к большей безопасности данных пользователей, но удорожает и усложняет процесс для бизнеса. Так, компании малого и среднего бизнеса сталкиваются с финансовыми и технологическими сложностями в работе с данными в новых законодательных реалиях. Тогда как, позиции мировых IT-гигантов укрепляются, так как они владеют множеством инструментов сбора и обработки данных.
Единственным шансом локальных компаний конкурировать с мировыми IT-гигантами является разработка собственных эффективных и безопасных инструментов работы с данными, чтобы не попадать в критическую зависимость от глобальных игроков.
Это позволит сервисам или организациям строить Data-Based разработку с учетом предпочтений своей целевой аудитории и своевременного отслеживания изменений паттернов ее поведения до того, как это будет использовано конкурентами.
В то же время пользователи таких сервисов будут получать регулярное обновление привычных им продуктов под их изменяющиеся запросы. Такой симбиоз бизнеса и аудитории позволит поддерживать долгосрочное взаимовыгодное сотрудничество.
