Сперва необходимо выбрать подходящие данные для отслеживания. Если сфокусируетесь на данных, наиболее важных для команды, то они смогут быстрее добиться успеха и избежать ненужных рисков. Также важно определить точки генерации данных в продукте и выстроить конвейеры для сбора этих данных в инструменте продуктовой аналитики.
Продуктовая аналитика должна быть точной, защищенной и доступной. Это достигается с помощью командных усилий и осознанного планирования. Команды могут включать множество людей, инструментов и методов для управления данными. Через управление данными команды извлекают максимальную пользу из данных о продукте, даже если эти данные со временем растут или меняются.
Все внимание на старте стоит уделить наиболее важным данным
В данных скрыта информация, которая вам важна. Если правильно подойти к сбору данных на раннем этапе, то в дальнейшем продуктовая аналитика поможет:
- Обнаружить тренды и инсайты (Discover trends and insights)
- Создать дашборды о поведении клиентов (Create dashboards about your customers’ behavior)
- Персонализировать клиентский опыт (Personalize customer experiences)
- Применять исторические данные для предсказания поведения в будущем (Use historical data to predict future behaviors)
- Отслеживать и измерять весь пользовательский в полном объеме опыт (Track and measure end-to-end experiences)
Продуктовая аналитика дает два типа данных для отслеживания и анализа поведения пользователей:
- События (Events): Передают различные действия пользователей, которые они могут выполнить в продукте
- Свойства/Атрибуты (Properties): Прицеплены к пользователю или событию, чтобы предоставить дополнительные детали о контексте взаимодействия
При подборе событий и свойств наш совет такой: сузьте фокус и масштаб, чтобы включить только те данные, которые:
- Можно использовать для улучшения клиентского опыта (improve the customer experience)
- Помогут командам согласованно подходить к замерам влияния на KPI (measure impact on key performance indicators (KPIs))
- Порождают инсайты о вовлеченности на всем пользовательском пути (end-to-end behavior journeys)
Не перегружайте себя и команду слишком большим количеством событий и свойств, отдайте предпочтение наиболее важным событиям.
Начните с примерно 15-20 событий и свойств, так вы избавитесь от шума, быстрее получите выгоду от продуктовой аналитики и сможете решить весомый класс задач уже на первых порах.
Перед тем как вы начнете решать какие свойства и события задать в инструменте аналитики, постройте сначала таксономию данных. Таксономия данных — это системный подход к описанию всех событий, их имен и свойств. Обычно таксономия создается в электронной таблице на этапе планирования, а затем ее импортируют непосредственно в инструмент аналитики.
Обеспечение точности, безопасности и доступности данных
Продуктовая аналитика способна выдать результат, если данные будут точные, защищенные и доступные.
Неточные данные (inaccurate data) — популярная боль у продуктовых команд. Один из путей разрешения данной ситуации — построить карту клиентского опыта и только затем браться за сбор данных.
Такой подход поможет зафиксировать все источники данных, которые у вас есть, чтобы вы могли их уже на старте интегрировать в инструмент аналитики. Современные инструменты продуктовой аналитики вроде Amplitude интегрированы с конвейерами данных, чтобы вы могли подключить надежный источник с точными и актуальными данными.
Если команда не доверяет своим данным, то продуктовая аналитика не поможет команде понять своих клиентов или создать крутой продукт. Один из таких примеров — бостонская публичная компания по разработке софта, занявшаяся входящим маркетингом (inbound marketing), которая теперь может похвастаться более чем 80000 клиентов. Их глава отдела продуктовой аналитики рассказал, что перед внедрением Amplitude его команды мучились с собственным аналитическим решением. Его команды доканали перебои в работе, медленная загрузка и недостоверные отчеты. Со временем стало понятно — задача заключалась не в создании инструмента аналитики. Скорее их задачей было поддерживать систему, которая создаст доверие и вовлеченность в работе организации.
“Это было похоже на хождение по мукам” - сказал он. “Дошло до того, что люди все более скептически относились к данным из системы и почти не пользовались ими”. Сейчас около 600 человек из его команды используют Behavioral cohorts в Amplitude (поведенческие когорты), чтобы узнать какие типы клиентских аккаунтов работают лучше других. Исходя из этого они понимают как улучшить качество опыта для тех, кто недостаточно эффективен. “Это правда, правда восхитительная вещь для команды”.
Хотя во многом управление данных сосредоточено на данных, которые вы включаете в продуктовую аналитику, не менее важно сразу определить типы данных, которые включать не стоит. Команды могут избежать проблем с законом или безопасностью не используя в свойствах пользователей информацию, по которой можно идентифицировать личность. Так как продуктовая аналитика прежде всего полезна для обнаружения и понимания трендов или закономерностей, личные данные бесполезны и не нужны. Это также относится к исключению конфиденциальных данных вроде паролей, номеров страховки или платежной информации.
Помимо точности и защищенности данные продуктовой аналитики должны быть доступными. Так как продуктовая аналитика нужна самым разным командам, будет только лучше, если она будет доступна для всех нуждающихся без препятствий.
Управление данными на практике
Иногда организации и в правду усиленно начинают использовать продуктовую аналитику. Они добавляют кучу событий, получают крутые инсайты, все довольны. Через один-два года эта же команда посмотрит на свою продуктовую аналитику и окажется в замешательстве и разочаровании — у всех событий непонятные и повторяющиеся имена. Никто не помнит что означают эти события и работают ли они, поэтому никто не доверяет инсайтам и не измеряет влияние по ним.
Управление данными описывает людей, методы и инструменты, которые организации используют для точности и полезности данных. Когда командам нужно положиться на собственные данные для принятия крупных и стратегических решений, эффективное управление данными помогает организациям довериться своим выводам.
Пять нюансов в процессе управления данными, важные для продуктовой аналитики:
- Курирование карты событий (Curate the taxonomy). Создается и развивается карта событий, а также вспомогательная документация.
- Планирование новых события (Plan new events). Продуктовая команда и разработчики прорабатывают догворенности по внедрению новых фич и обновлений.
- Налаживание, утверждение и обслуживание данных (Set up data approval and maintenance). Проверяйте точность данных и регулярно убирайте битые, отсутствующие или несогласованные данные.
- Контроль доступа (Control access). Управляйте разрешениями и контролем доступа, что дать нужным людям доступ к нужным данным.
- Следите за чистотой данных (Remove data). Регулярно каждый день удаляйте устаревшие, неактуальные или неиспользуемые события и свойства, чтобы навести порядок в инструменте аналитики.
Управление данными — командная работа. Шероховатости с данными возникнут в любом случае. Совместно с командами разработки на ранних этапах вы можете наладить масштабируемые подходы к инструментам и тестированию. Когда команды разработчиков согласуют цели с командой продуктовой аналитики, то поток данных идет в ногу с быстро меняющимся продуктом.
Ваша таксономия — это часть процесса обслуживания данных (data instrumentation). Инструментирование — это процесс, которые применяют в программировании, он включает в себя добавление кода в продукт для трекинга необходимых вам взаимодействий пользователя. После трекинга отправить информацию в аналитику можно будет несколькими способами. С Amplitude вы сможете отправлять и получать данные используя один из множества пакетов SDK, API или через прямую интеграцию с платформой клиентских данных вроде Segment или же растущий список интеграций конвейеров данных из инструментов вроде Marketo, Intercom и др. С Amplitude внедрение стало еще проще благодаря встроенной песочнице для тестирования ваших инструментов перед добавлением новых или обновлением данных в рабочем проекте.
Вот пять шагов, которые помогут подготовить основу эффективного управления данными для аналитики вашего продукта:
- Определите владельца (или владельцев). Определитесь с тем, кто отвечает за каждую часть системы управления данными. В идеале должен быть специальный ответственный за данные (data governor). А еще можно просто перечислить обязанности по управлению данными и раскидывать эти задачи между людьми и отделами.
- Составьте план. Вникайте в детали. Ваш план должен включать основные бизнес-цели, свойства, события и то как вы будете внедрять управление данными в рабочие процессы.
- Организуйте процесс контроля качества. Процесс проверки того, что события отслеживаются и импортируются как надо (например как в тестовой среде Amplitude) помогает избежать нежелаемых изменений в вашем инструментарии.
- Планируйте исправления в данных. Вы не всегда первым будете замечать ошибки или пробелы в данных. Создайте реестр, где люди смогут собирать проблемы с данными. Вложитесь в понимание функций вашего инструмента аналитики, которые помогут вам устранить проблемы с данными. Например, в Amplitude правила проверки и отладчик приема выявляют и устраняют потенциальные ошибки.
- Сделайте аналитику частью культуры работы вашей команды. Продуктовая аналитика раскрывается наполную, если команды действуют сообща. Понимание ситуации, схемы действий и рабочие процессы продуктовой аналитики помогают организовать устойчивое управление данными.