company_banner

Аналитика в управлении продуктом от Gett и GeekBrains: брендированная четверть по продакт-менеджменту



    Мало какая отрасль современного бизнеса способна обойтись без продакт-менеджмента. Представители этой профессии играют важнейшую роль в разработке продукта, начиная от анализа рынка и заканчивая созданием прототипа или финальным релизом. Чем больше опыта, тем больше возможностей. Так, senior product manager — это комплексная роль, с высокой степенью ответственности, свободы и очень обширными навыками.

    Что касается обучения, то эффективнее всего закреплять теорию практикой. Именно поэтому GeekBrains проводит брендированные четверти, привлекая опытных практиков из разных компаний. Программа и материалы третьей четверти курса Product Manager, аналитика в управлении продуктом, подготовлены вместе с Gett — компанией, известной своим data-driven подходом к развитию продуктов. В нюансах аналитики помог разобраться Игорь Полянский, Head of Analytics Gett.

    Театр начинается с вешалки, а аналитика — со сбора данных


    Собирать данные нужно не ради получения какой-то абстрактной информации. В ходе сбора нужно отталкиваться от задачи, которую продакт планирует решить при помощи этих данных. Например: проанализировать результаты MVP продукта или сделать продуктовый ресерч для оценки нового функционала этого продукта. Это две разные задачи, поэтому и метрики успеха будут отличаться.

    Лишь сформулировав их, можно оценить набор и объем данных, который нужен для расчета метрик. После этого можно приступать к следующему этапу — переходу к настройкам сбора данных. Задача осложняется тем, что нужно подумать над ближайшими перспективами, оценив, какая информация понадобится через месяц, квартал, год.

    Для сбора используется большое количество инструментов — от корпоративных продуктов вроде Mixpanel, который используется Gett, до самых разных самописных решений. Важно понимать, что чем больше данных нужно собрать, чем они подробнее, оперативнее, тем дороже обойдется решение этой задачи. Как и во всех других случаях, нужно соблюдать баланс между качеством данных и их стоимостью.

    К слову, аналитика очень сильно шагнула вперед за последние 10 лет. Развитию способствует снижение стоимости хранения данных, что дает возможность компаниям накапливать информацию по взаимодействию пользователя с продуктом и анализировать ее. С увеличением объема данных появились и эффективные инструменты продуктовой аналитики, которые позволили анализировать большинство типовых анализов, которые ранее делались вручную. Сейчас процесс анализа, который ранее был доступен лишь аналитикам, продакт-менеджер может провести в несколько кликов. Соответственно, аналитики занимаются более важными и сложными исследованиями, необходимыми для продвижения продукта.

    Потом — формулируются гипотезы


    Но мы отвлеклись, вернемся к продакт-менеджменту и этапам работы. Главное сырье продуктовой команды — гипотезы. Они формируются в процессе исследования клиентов, погружения в метрики и проверки других гипотез. Например, «разработав функционал А, мы сможем заработать больше денег». И здесь появляется множество дополнительных вопросов:

    • Почему мы заработаем больше денег?
    • Какую группу пользователей затронут изменения, связанные с добавлением функционала?
    • Как пользователи из этой и других групп отреагируют на изменения?
    • Какая метрика может вырасти и по какой причине?
    • Не ухудшит ли новый функционал другие метрики? Если да, то почему?

    Вопросов может быть и больше, и только ответив на них, можно переходить к проверке этих гипотез и реализации новых фич. Без описанной выше логической структуры в голове продакт — скорее визионер, чем специалист, который в состоянии отвечать за свой продукт.

    Сами посудите — 95 % продуктовых фичей заканчиваются неудачей, это печальный рыночный факт. Почему так? До сих пор множество решений принимается не на основе данных и логики, а на основе видения продакт-менеджера. Например — «у конкурентов эта функция есть, значит нам она необходима». Делать так следует в последнюю очередь. Лучше — рассчитать как действительную цену, так и потенциальный эффект от разработки. Идея построения правильного мышления и процесс работы с гипотезами крайне важны.

    Что дальше?


    Далее следует постановка и планирование задач для разных отделов, включая разработчиков. На этом этапе создаются пользовательские истории и задачи, формируются спринты и распределяются задачи по разным командам, работающим над продуктом. Тестируются различные версии продукта, включая прототипы, демо-версии и полностью готовые решения.

    Результаты тестов анализируются, после чего формируются выводы. Кстати, именно на этом этапе проводится А/Б тестирование, о котором мы говорили в одной из ранее опубликованных статей.

    Что касается практических кейсов продакт-менеджмента, то вот один из них, кейс Gett по изменению прогноза времени прибытия машины до места посадки. Это яркий пример того, как простое решение может привести к интересным результатам.

    Продолжительное время подачи машины клиенту компании прогнозировалось с точностью до минуты. Выяснилось, что если реальное время оказывается хотя бы на минуту больше прогнозного, клиенты расстраиваются. Это оказывает негативное влияние как на его поведение, так и на дальнейшие метрики.

    Специалисты компании предположили, что изменение прогноза времени подачи машины с точного на интервал позволит исправить эту ситуацию. Так и получилось — после того, как приложение стало показывать время подачи, как, например, «меньше 5 мин» вместо «2 минуты», уровень удовлетворения клиентов сервисом увеличился. В конечном итоге конверсия выросла на 1 процентный пункт. При объемах поездок в Gett речь идет о миллионах долларов США.

    Базовый багаж знаний продакт-менеджера


    Экспертом во всех смежных отраслях продакт-менеджеру быть не нужно. Например, в ходе работы не обязательно использовать сложные математические инструменты. Нужна, прежде всего, база статистики для того, чтобы понимать результаты анализа и уметь принимать на их основе правильные решения. Продакт-менеджеру достаточно базовых знаний, вроде умения отличать медиану от среднего, процент от процентного пункта, корреляцию от причинно-следственной связи. Это знания, необходимые каждый день.

    А еще очень полезно знать основы вероятностей, это позволяет прокачать «продуктовое мышление», правильно оперировать фактами, разбираться в метриках и формулировать гипотезы. У грамотного продакт-менеджера, который слышит чей-либо доклад, например, о средней зарплате в Москве, сразу возникает ряд вопросов, включая «Почему средняя? А покажите нам распределение».

    Еще очень желательно хотя бы на базовом уровне разбираться в SQL. В частности, нужно понимание логики написания запросов и умение работать с основными функциями. Это помогает очень быстро проверять гипотезы без привлечения аналитика.

    Важно хорошо разбираться и в инструментах визуализации данных. Так, для day-to-day анализа проще использовать хорошо знакомые всем инструменты вроде Excel или Google Sheets. А вот для построения регулярных отчетов нужно что-то более мощное, инструменты бизнес-аналитики. Понимание логики их работы позволяет грамотно ставить задачу аналитику, или даже делать простые отчеты под свои нужды.

    Что касается перспектив профессии, то эксперты положительно их оценивают. В ближайшем будущем специальность «продакт-менеджер» будет становиться все более востребованной, несмотря на текущий кризис. И это касается не только сферы информационных технологий, но и ритейла, банковской сферы и других отраслей.
    Mail.ru Group
    Строим Интернет

    Комментарии 0

    Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

    Самое читаемое