Аналитика мобильных приложений *

ImageSorcery 01 - Как я свой open source вайбкодил

Скажу честно, я хотел написать статью, для того чтобы рассказать о своём проекте ImageSorcery MCP. Но не хотелось писать рекламный BS о том какой он крутой. Хотелось сделать месседж более личным и искренним. Так статья превратилась в серию постов-заметок о всех тех граблях инструментах и практиках, которые мне удалось попробовать на пути от идеи до 100+ звёзд на гитхабе и ~100 ежедневных установок с pypi. А так как я фанатик экономии, весь стек в основном бесплатный (включая LLM) и часто не самый популярный.

В компании где я работаю, у меня сложилась репутация, как это принято сейчас говорить, ИИ-энтузиаста. Из-за чего ко мне однажды обратилась Системный Аналитик, которая только начала внедрять RooCode и столкнулась с какой-то проблемой полнейшего тупняка ИИ. Бесплатная веб версия Claude на раз два превращала Верхнеуровневые Бизнес Требования заказчика в детально проработанное Техническое Задание. Но копировать туда-сюда - не продуктивно, а ещё лимиты эти… Решилась она попробовать рекомендованный мною RooCode с Gemini flash. Установила впервые IDE VSCode, запустила и поставила плагин RooCode, подключила Gemini модель и попыталась скормить ему ту же задачу, но в ответ получила какой-то откровенный бред. Вместе мы выяснили, что для адекватной работы RooCode (а ещё его предшественника Cline и, скорее всего, последователя Kilo Code) требуется не просто запустить VSCode, но ещё и создать в нём проект с соответствующей директорий где-то в системе. А если ещё и все материалы сложить в эту директорию - их можно не копипастить и даже не драгндропать, а меньшонить через @ что намного удобней. (Даже мне стало плохо от обилия англицизмов в этом предложении, извините). Кроме того, выяснилось, что промпт содержал помимо текста ещё ссылку на Figma дизайн. А RooCode, несмотря на то что может используя браузер, какую-то осмысленную деятельность с этой ссылкой вести. При наличии у него Figma MCP справляется гораздо эффективнее.

И теперь бесплатный Gemini flash под капотом RooCode засиял во всей красе. Промпты стали проще и читаемей. И благодаря доступу ко всем необходимым файлам (ВБТ и шаблон) и инструментам, RooCode ваншотом не просто создал качественное ТЗ в формате markdown (привет markdown preview плагин), но ещё и наполнил его нужными скриншотами прямо в теле документа, чего Claude не мог. 

Вот только осталась одна проблема: он использовал скриншоты целых экранов, и не смог их порезать на кусочки для документирования соответствующих секций: шапка, меню т.п.

Фигня война! - сказал я, — наверняка есть MCP который это делает. 

Погуглив вместе минут 15 мы обнаружили, что такого нет. Но так как нарезка экранов на скриншоты - привычная для системного аналитика задача, она поблагодарила меня за получившийся результат и убежала на другой звонок. А я остался сидеть глядя в пустой монитор с непониманием, почему такая простая и очевидная задача ещё не решена.

Так появилась идея ImageWizard - взять ImageMagic и прикрутить к нему MCP протокол.

А почему сейчас проект и называется иначе и никакой связи с ImageMagic не имеет, расскажу в следующей серии.

• Репозиторий: https://github.com/sunriseapps/imagesorcery-mcp

• Сайт: imagesorcery.net

Продолжаем набор специалистов в ИТ-команду SSP SOFT

Привет Хабр! Уже конец лета и не пора ли серьезнее подумать о новой работе — а мы продолжаем нанимать. Предлагаем реальные задачи, прокачку скиллов и бенефиты «в рынке». Никакой бюрократии и скуки — мы нацелены на то, чтобы вы получали удовлетворение от работы.

✔️ Гарантируем интересные задачи
✔️ Для каждого нового сотрудника есть наставник
✔️ Центр компетенций помогает прокачивать навыки
✔️ С нами ты можешь работать из любой точки мира
✔️ Для экстравертов у нас есть офисы в Москве и Томске
✔️ Оптимальный Work Life Balance
✔️ ДМС со стоматологией, обучение от компании и бонусная программа.

📢 На этой неделе мы ищем (см. ссылки на описание вакансий у каждой позиции):

1️⃣ Ритейл-аналитика (http://vk.cc/cOMUS1)
2️⃣ Аналитика DWH (http://vk.cc/cOMUTJ)
3️⃣ Аналитика 1С (http://vk.cc/cOMUVn)
4️⃣ Тестировщика 1C (http://vk.cc/cOMUXx)
5️⃣ QA Auto Java (http://vk.cc/cOMUYQ)

👉 Не обязательно откликаться через hh — присылайте резюме напрямую нашему HR в Telegram: @sspsoft или на почту: job@ssp-soft.com.
Не забудьте сопроводительное письмо с фразой «Нашел вас на Хабр», чтобы резюме рассмотрели по-возможности быстрее.

Ждем вас в команду SSP SOFT!

Правда ли, что пользователи фанатеют по темному режиму? Проверяем в своем приложении

Много слышал о том, что темная тема ― это тренд и чуть ли не 100% пользователей на нее переедет.

Мы решили проверить, как обстоят дела с темной темой в нашем мобильном приложении системы управления проектами YouGile. Dark mode у нас просили еще с момента запуска мобильного приложения, темная тема входила в топ-10 запросов. Проверили ― оказалось, 40% регулярно использует dark mode. 

Похоже ли это на то, что светлая тема вообще не нужна? Видимо, нет. Пользователи из России предпочитают и то, и другое ― темную тему ставит 34% пользователей (данные 2023). Опрос Android Authority показывает, что dark mode предпочитает 81% респондентов, но опросу уже пять лет и выборка там менее 3 000 человек.

А вообще темный режим ― это правда полезно, особенно для зрения. А вот то, что темная тема экономит заряд батареи ― видимо, неправда. В этом году выяснилось, что скорее наоборот. Все из-за того что пользователи включают яркость экрана на максимум.

Я сам использую темную тему, причем везде, где это возможно. Даже в документах Word у меня черный лист и белый текст. Мне нравится, что так экран более контрастный и глаза устают меньше.

А вы на какой стороне?

8 инструментов аналитики, которые я реально использую каждый день как предприниматель

От автора телеграм канала Аналитика и Growth mindset. 

Я начинала как аналитик, сейчас — предприниматель. Но подход не изменился: принимаю решения только на основе данных, а не интуиции.

Вот основные инструменты, которые я использую практически каждый день:

1. Julius AI — ИИ-ассистент для анализа данных

Для аналитики данных, маркетинговой, финансовой аналитики, data science и научных исследований.

• Поддерживает разные форматы данных, в том числе PostgreSQL

• Использует разные языковые модели в работе

• В отличие от ChatGPT Data Analysis, даёт более точные ответы

Использую: для быстрой повседневной аналитики и визуализации.

Бесплатно, ограниченный доступ.

2. Google Analytics — классика веб-аналитики

Базовый, но мощный инструмент. 

Использую для анализа откуда приходит трафик, кто моя аудитория, как люди двигаются по воронке.

Бесплатно.

3. Ahrefs Web Analytics — альтернатива Google Analytics

Быстрая и простая веб-аналитика по сайту, особенно в live-режиме. Но возможностей меньше, чем в Google Analytics.

Использую для повседневного быстрого отслеживания, сверяю данные с GA.

Бесплатно.

4. Mida — эксперименты за 10 минут

Для запуска простых экспериментов без кода.

• Подключается быстро с помощью пикселя

• Интегрируется с GA, Amplitude, Mixpanel и др.

• Не тормозит сайт

• Есть сертификат ISO 27001 — подтверждает, что компания серьёзно относится к защите данных

Тестирую тексты, кнопки и структуру лендингов.

Бесплатно, ограниченный доступ.

5. Similarweb — анализ конкурентов

Анализирую трафик конкурентов на сайте: откуда трафик, какие каналы дают результаты, географию, демографию и др.

Бесплатно, ограниченный доступ. В платной версии — углублённый анализ трафика и исследования рынка. Подумываю купить.

6. Semrush — SEO и анализ конкурентов

В некоторых моментах пересекается с Similarweb.

Использую в основном для SEO-анализа. Хочу попробовать инструмент для анализа соцсетей конкурентов.

Бесплатно, ограниченный доступ.

7. PostgreSQL — база для всего

Надёжная, масштабируемая база данных.

Использую как основную БД: собираю и храню данные по проектам. Рекомендована для Django, который я использую в разработке.

Бесплатно.

8. Channel Analyzer — мой продукт для анализа Telegram-каналов

У меня несколько телеграм-каналов, вот 2 из них: канал для аналитиков данных и всех, кто интересуется аналитикой данных и канал по развитию телеграм каналов. 

Так как в начале я сталкивалась с различными проблемами в развитии телеграм-каналов, я решила создать инструмент, который поможет владельцам телеграм каналов "растить" их канал.

Channel Analyzer анализирует любой Telegram-канал и даёт полезные инсайты:

• как улучшить монетизацию

• где провисает контент

• как продвигать быстрее и эффективнее

Исходное состояние:

Мобильный интернет - Down

Результат:

Такси - Down

Доставка, курьеры - Down

NFC платежи - Down

Мелкие торговые точки - Down

Стриминговые сервисы - Down

ОТП Банк – трижды победитель премии по клиентскому опыту CX World Awards 2024/2025

На 10 ежегодной церемонии вручения премии по клиентскому опыту CX WORLD AWARDS ОТП Банк был признан победителем сразу в 3 номинациях:

- Лучший проект изменений, CX Трансформация (CX - Customer Experience)

В рамках данного проекта СХ команда ОТП Банка внедрила единый подход к исследованиям и разработке продуктов «от клиента», а также интегрировала клиентоцентричный подход в работу всего банка. В результате данных преобразований индекс лояльности клиентов (NPS) за год вырос более чем в 1,5 раза.

- Лучшая практика измерения и улучшения клиентского опыта
Эксперты высоко оценили практики ОТП Банка по инновационной системе сбора обратной связи в виде удобных микро-опросов в мобильном приложении банка, которые позволяют получать мгновенный отклик клиента и сразу брать проблему в работу. Микро-опрос предполагает широкий выбор предустановленных вариантов ответов, что сделало возможным минимизировать число открытых вопросов, на которые клиенты, как правило, не хотят тратить время. Благодаря такому подходу отклик на опросы вырос до 20% от всей базы клиентов.

- Лучший опыт сотрудников (Employee Experience - EX)
Культура работы с сотрудником ОТП Банка как с главным клиентом, которая делает его по-настоящему счастливым, вовлеченным, заинтересованным в работе и продуктах банка, была признана жюри одной из лучших. Проект включал в том числе улучшение продуктов и клиентских путей для сотрудников, а также перевод более десятка HR процессов в диджитал. В результате eNPS за год вырос до 40 п.п.

СХ WORLD AWARDS - самая крупная, престижная и признанная всеми участниками рынка профессиональная премия в индустрии клиентского опыта. Ежегодно в премии принимает участие более 350 номинантов и более 500 гостей из индустрии СХ на Торжественной Церемонии становятся свидетелями награждения Лауреатов Премии. Цель Премии – содействовать развитию клиентоцентричной стратегии компаний, выявляя и поддерживая профессионалов и лидеров рынка.

Оценка проектов номинантов проходила в 2 этапа. На 1 этапе все участники подавали письменное эссе с максимально подробным описанием проекта, достижений, стратегии. После оценки экспертного жюри финалисты приглашались на онлайн- защиту, по ее итогам жюри определяет лауреатов и победителей. Все финалисты приглашаются на торжественную церемонию объявления имён Победителей и Лауреатов премии.

Как я снова отравилась из-за океана — и при чём тут аналитика данных

1. Температура, тошнота, диарея — это происходит со мной каждый раз после серфинга в дождливый сезон, когда в море сливается всё, что угодно — от мусора до банальных 💩.

2. В северной части Тихого океана, на полпути между Гавайями и Калифорнией, вращается 100 000 тонн пластикового мусора. Добро пожаловать в Большое мусорное пятно — область, втрое больше Франции. Оно выглядит так же катастрофично, как и звучит: сверху напоминает гигантский пластиковый суп.

И это лишь 2 примера, подтверждающие: мусор в океане — это глобальный кризис, а не локальная история. Скоро мы вообще не зайдём в океан?

➡ Ежегодно в океаны, реки и озёра попадает 19–23 млн тонн пластика — как если бы каждую минуту в воду сбрасывали 2 000 мусоровозов.

➡ На поверхности океанов плавает около 170 трлн пластиковых частиц, а на дне может быть в 10 000 раз больше.

➡ Ежегодно из-за мусора в океане погибают 100 миллионов морских животных. Страдают и морские растения, которые участвуют в производстве 70% кислорода.

➡ В исследовании микропластик нашли в 99% морепродуктов. Это вызывает тревогу из-за возможного влияния на пищеварительную, эндокринную и другие системы организма.

Все ссылки на исследования опубликовала тут.

Чем помогает аналитика в этой проблеме?

В мире есть некоммерческие и частные организации, борющиеся с загрязнением. Например, The Ocean Cleanup очищает океаны от пластика с помощью инновационных технологий.

1. Определяют источники загрязнения, чтобы “поймать проблему на старте”

💡 80% пластика попадает в океан через ~1000 рек.

Чтобы найти эти «артерии загрязнения», анализируют спутниковые данные, гидрологические карты, поведение мусора в воде, данные о населении и инфраструктуре. Это позволяет не просто «ловить мусор в океане», а перехватывать его у истока — в реках.

2. Предсказывают, куда поплывёт мусор, чтобы точнее планировать очистку

— Камеры на мостах фиксируют мусор в реках
— GPS-буи и радары отслеживают его путь в океане
— ИИ-модели показывают, где и когда он соберётся в “мусорные вихри”

Это помогает запускать очистку точно там и тогда, где она даст максимальный эффект.

3. Визуализация, которая не оставляет равнодушным

Цифры — это важно, но именно визуализация заставляет почувствовать масштаб. Данные превращают в наглядные дашборды, которые:
— Показывают, где океан «захлёбывается» от пластика
— Делают проблему видимой и понятной
— Помогают влиять на решения политиков и доноров

Дашборды по загрязнению пластиком можно посмотреть тут.

4. Прогнозы на будущее и машинное обучение

Чтобы не просто тушить пожары, а предотвращать их, аналитики обучают модели, которые помогают заглянуть вперёд:
— Что будет с океаном, если мы продолжим жить «как обычно»?
— А что изменится, если сократим пластик хотя бы на 20%?
— Где появятся новые точки бедствия через 5 лет?

Такие организации нанимают аналитиков данных и стажёров — есть вакансии по визуализации, машинному обучению, компьютерному зрению, анализу временных рядов (ссылки на вакансии опубликовала тут).

Или можно стать гражданским учёным и внести свой вклад, документируя пластиковое загрязнение с помощью специальных приложений (Ocean Cleanup Survey App или Debris Tracker).

Пора на дело! Ищем аналитиков для расследования преступления

Тут у нас в городе Дашборг (где обычно всё четко и структурировано, как на хорошем дашборде) случился сбой доставок, и всё погрузилось в хаос. Все заказы на пиццу внезапно исчезли, маршруты курьеров перепутаны, а пиццерии в панике. 

Кто-то намеренно стер данные! Мэрия Дашборга принесла все, что от них осталось, и попросила помочь с расследованием. Теперь только крутые аналитики могут разобраться в этом цифровом хаосе. Может, это как раз ты? (¬‿¬ )

Задачи (╭ರ_- ́)
— восстановить пропавшие данные;
— вычислить преступника по цифровым следам;
— распределить компенсацию пострадавшим.

Призы (^-^):
— годовой запас пиццы;
— 10 билетов на конференцию AHA;
— сертификат Ozon на 20 000 рублей;
— подписка на LeetCode и мерч для тех, кто был близок к разгадке.

Прием решений: до 4 апреля
Проверка: с 4 апреля до 11 апреля
Объявим победителей: 14 апреля

> Узнай все детали и забери материалы для расследования здесь: https://t.me/Dashborg_bot

⁠⁠Метрики и слова “черные дыры”⁠⁠

В работе мы ежедневно оперируем сотнями терминов и определений, но многие из них не имеют однозначной трактовки. Из-за этого во время обсуждений вы и коллеги можете подразумевать совершенно разное, называя это одинаковыми словами. Такие слова- «чёрные дыры» в процессе коммуникации поглощают время и энергию, но так и не приводят к нужному результату.

В аналитике проблема становится острее: «чёрными дырами» могут оказаться метрики. За каждой из них стоит методология расчёта, которую участники не всегда полностью понимают. Это грозит не только недопониманием, но и ошибочными бизнес-решениями.

Не все метрики подвержены риску: например, DAU/MAU обычно понятны команде. А вот финансовые показатели или продуктоспецифичные метрики часто становятся «дырами».

Как избежать проблем?

1. Задавайте вопросы без стеснения

Уточнения экономят время всем. Поддерживайте культуру, где вопросы приветствуются. Если на встрече много новичков — начните с мини-словарика терминов. Это повысит эффективность дискуссии в разы!

2. Мы в ответе за тех, кого приручили

При создании новой метрики назначайте ответственного. Его задача — актуализировать информацию и оперативно информировать команду об изменениях. Используйте каталоги метрик, глоссарии или внутренние базы знаний.

3. Онбординг с живыми материалами

Учебные документы часто устаревают быстрее, чем развивается компания. Решение: каждый, кто сталкивается с неоднозначностью и находит ответ, обязан добавить пояснение в общий глоссарий.

А вы сталкивались с «чёрными дырами» в терминах или метриках?

К чему это привело? Делитесь в комментариях! ✍ И подписывайтесь на tg data_dreamen, там еще больше про аналитику

$mol_hack: finality

Вот и подошёл к концу первый хакатон по $mol, где нужно было переписать не хитрое научное оупенсорс приложение (Github, Online) на самый инновационный веб-фреймворк. Так что встречайте финалистов:

🥁🥁🥁 🥁🥁🥁

1. ₽150K получает PavelZubkov (PR, Online). Он сделал не только наиболее полное и качественное решение, но и не большой PR в $mol.

2. ₽75K получает reatailret (PR, Online). Он прислал достойное оригинальное решение в виде PWA приложения, но оно всё же не дотягивает до лидера по многим факторам: от неработающей авторизации, до расположения файлов не по фен-шую.

3. ₽50K получает Lyumih (PR, Online). Его решение было самым ранним, но, как ни печально, так и осталось недоработанным. Даже не смотря на часть кода взятую у PavelZubkov.

✨✨✨ ✨✨✨

Решение dukinm (PR) существенно основано на некорректно расположенных файлах от PavelZubkov, а правки носят в основном косметический характер. Однако, он единственный, кто написал хоть немного тестов и комментариев!

Сводная таблица с анализом решений

Спасибо всем участникам за хорошую битву. Те, кто ещё не умеет в $mol, нервно грызут ногти из-за упущенной возможности.

8 книг по рекомендации нашего аналитического комьюнити! Сохраняй <3

— «Прикладное машинное обучение», Орельен Жерон
— «Статистика и котики», Владимир Савельев
— «Рост бизнеса под увеличительным стеклом», Патрик Вигери, Свен Смит, Мердад Багаи
— «Маркетинг основанный на данных»,  Марк Джеффри
— «”Золотые” покупатели. Стоят ли клиенты тех денег, что вы на них тратите?», Гупта, Леманн
— «Статистика для всех», Сара Бослаф
— «Ключевые цифры», Дмитри Маеекс
— «Искусство статистики», Дэвид Шпигельхалтер 

Открытые вакансии к нам в аналитику:
> Head of product analytics
> Functional lead (marketing analysts)
> Product analyst
> Marketing analyst
> Data analyst

С нас интересные задачи на международном рынке, современные рабочие инструменты, любимые каждым аналитиком в мире, дружелюбная к творчеству среда без лишней бюрократии и широкий пакет бенефитов. Ждем твое CV ;-))

Если вы искали ответ на вопрос «Сколько людей пользуется темной темой?», то вот он, рассказываю. 

На примере букмекерского продукта, в мобильном приложении больше 40% пользователей видят темную тему, когда заходят в приложении. Это может быть как системная настройка переключения темы на устройстве (таких кстати ~85% пользователей), так и вручную переключились и сидят только на темной. 

В вебе процент меньше, около 25%. Вероятно, это связано с тем что не все компьютеры/ноутбуки умеют в системную смену темы девайса, а также с тем что часть веб (особенно десктоп) аудитории довольно таки консервативна, и для них сайт - это обязательно что-то на белом фоне.

Так что, если вы сомневались нужна ли темная тема в продукте. Не сомневайтесь, нужна.

Конец профессии? Может ли ИИ заменить аналитиков?

Всем привет на связи data dreamen!

На фоне новостей о выходе новых моделей ИИ — DeepSeek и Qwen2.5-Max, которые, судя по тестам, местами даже превосходят решения OpenAI, снова возникает вопрос: что будет дальше? Сможет ли ИИ заменить меня, аналитика? И что мне с этим делать?

Если коротко — пока нет. Это подтверждает исследование Всемирного экономического форума: профессии, связанные с аналитикой данных и Data Science, занимают 11-е место среди самых перспективных к 2030 году. DWH-инженеры находятся на 6-м месте, а специалисты по Big Data и вовсе возглавляют этот список.

Однако, несмотря на высокий спрос на аналитиков, ИИ все же серьезно повлияет на рынок и характер работы в этой сфере. Вопрос в том, как именно.

① Автоматизация инструментов. ИИ будет активно заменять рутинные задачи, в том числе у аналитиков. Написание кода, выгрузка данных, подготовка отчетов — всё это будет автоматизироваться, минимизируя ручной труд.

② Развитие self-service. Чем больше задач автоматизируется, тем меньше заказчикам потребуется обращаться к аналитикам напрямую. Многие вопросы смогут решаться через self-service инструменты, снижая нагрузку на команду аналитики.

③ Масштабирование и рост зоны ответственности. ИИ возьмёт на себя базовые аналитические задачи, а аналитикам останутся более сложные, стратегические и ответственные решения — там, где автоматизация не справляется.

Что все таки ИИ не сможет сделать с аналитиками?

① Разработка и принятие нестандартных решений. ИИ — это модель, обученная на данных, но он не обладает креативностью и не умеет находить альтернативные пути решения. Когда нужно выйти за рамки типовых сценариев, роль человека остаётся ключевой.

② Контекст, бизнес-логика и коммерческая тайна. Во многих компаниях процессы настолько сложны, что даже человеку требуется несколько лет, чтобы в них разобраться. ИИ может помогать, но учесть все нюансы и скрытые факторы ему пока не под силу. К тому же, передача коммерческих данных открытым моделям может быть небезопасной.

③ Коммуникация. Аналитика — это не только цифры, но и умение "продать" свои выводы бизнесу, донести ценность и добиться внедрения решений. Даже идеальный расчет не будет полезен, если его не смогли правильно презентовать. Ну и, конечно, навыки постановки ТЗ у заказчиков пока не оставляют шансов ИИ полностью заменить аналитиков.

Что же в итоге нас ждет?

Скорее всего, компании будут разрабатывать собственные решения или внедрять рыночные инструменты для автоматизации аналитики, например:

• конвертеры текстовых запросов в SQL-скрипты

• АВ-платформы, которые смогут работать без участия аналитиков

• визуализаторы данных, создающие отчёты по текстовому запросу

В результате акцент в работе аналитиков сместится: на первый план выйдут не базовые хард-скиллы (SQL, Python, BI-инструменты), а умение применять их в сложных и нестандартных ситуациях.

📉 К сожалению, это сильнее всего ударит по джунам — для принятия сложных решений нужен опыт, а простые задачи постепенно автоматизируются.

Но те, кто сможет адаптироваться, будут только в выигрыше! 🚀

Подписывайтесь на тг, там еще больше полезного и интересного про аналитику - https://t.me/data_dreamen

⁠⁠

12 проблем, которые убивают результаты вашего A/B тестирования. Паша Бухтик на митапе Garage Eight

В октябре собирали гостей в нашем петербургском офисе послушать доклады и понетворкать. В этот раз в числе спикеров был и приглашенный эксперт Паша Бухтик, Founder & CEO at No Data No Growth; ex-Head of Analytics at Yandex, FindMyKids, Kupibilet.

Паша поговорил о распространенных ошибках, с которыми сталкиваются многие продуктовые менеджеры и аналитики, и о том, как эти ошибки могут свести на нет результаты любого A/B-теста. Узнай из записи лекции!

И ждем тебя на следующих митапах в Garage Eight. Публикуем анонсы на сайте и в соцсетях.

Согласно данным, технология PWA стала популярнее среди мессенджеров, банков, интернет-магазинов и других видов компаний.

Основные плюсы прогрессивных веб-приложений касаются пользовательского опыта: здесь есть преимущества как по сравнению с вебом, так и с нативными приложениями. Рассмотрим эти особенности подробнее.

1. Устанавливаются в обход сторов.

Пользователи скачивают прогрессивные веб-приложения напрямую из браузера с сайта компании. Это помогает компании сэкономить бюджет на продвижение приложения в сторах.

2. Работают в офлайн-режиме.

Прогрессивные приложения может работать в автономном режиме без соединения с сервером.

3. Загружаются за секунду. 

PWA загружаются очень быстро благодаря HTML-отдаче. С момента загрузки до появления первого элемента или изображения обычно проходит не более 1 секунды.

4. Весит меньше мегабайта. 

В отличие от нативных приложений PWA занимает менее 1 Мб в памяти смартфона. 

5. Эффективно адаптируется под устройство. 

PWA подстраиваются под любое пользовательское окружение. Они работают на всех возможных системах, устройствах и браузерах. 

6. Выглядит привычно для пользователя. 

При загрузке PWA пользователь может установить ярлык или иконку приложения на экран смартфона.

Если для бизнеса существуют значимые риски, создание PWA может быть более оправданным шагом: так вы избегаете зависимости от сторов и их политики.

Как Duolingo добилась успеха на рынке и причем тут аналитика

Duolingo — одно из самых популярных приложений для изучения языков (№1 по скачиванию в магазинах приложений). Вместо скучных уроков оно напоминает игру: прогресс, уровни, награды, упражнения мини-игры и др.

По данным компании, около 34 млн. человек используют Duolingo каждый день.

Но что стоит за этим успехом?

Один из ключевых принципов компании — "Тестируй всё". Постоянные эксперименты помогают Duolingo улучшать процесс обучения и находить новые решения для роста.

В любой момент в Duolingo могут проводиться несколько сотен A/B тестов одновременно. Экспериментируют со всем: от мелких изменений интерфейса до запуска крупных функций, как Лидерборды. Для A/B тестирования компания разработала собственный сервис.

➡ Как выглядят эксперименты в Duolingo: статья.

➡ Пример A/B тестирования: формирование привычки учиться регулярно: статья.

➡ Какие аналитические инструменты использует компания для анализа данных: статья.

О других принципах успеха Duolingo и работе в этой компании писала тут.

Как Spotify добилась успеха на рынке и как аналитика помогает развитию?

Spotify — №1 среди музыкальных стриминговых сервисов по количеству ежемесячных активных пользователей (MAU). По данным компании, более 515 млн человек используют Spotify ежемесячно, а 210 млн — это подписчики на платные версии сервиса.

Пользователи могут слушать любимую музыку и подкасты по подписке или бесплатно с рекламой.

Что стоит за этим успехом?

Эксперименты. В Spotify регулярно проводят эксперименты с интерфейсом, рекомендациями и новыми функциями, чтобы улучшать сервис.
Все статьи про эксперименты

Дашборды. В 2023 году в Spotify создали более 4900 дашбордов в Tableau и Google’s Looker Studio. Чтобы было легче контролировать качество, был разработан Dashboard Quality Framework — чек-лист, который включает пункты, связанные с визуальным дизайном, удобством использования, инсайтами и доверием.
Статья и чек-лист дизайна дашборда

Дата платформа. В Spotify считают, что с ростом объема и сложности данных роль мощной платформы становится критичной для получения ценных инсайтов и стимулирования инноваций.
О платформе данных в Spotify - Часть 1
О платформе данных в Spotify - Часть 2

Машинное обучение. Spotify активно использует машинное обучение для улучшения пользовательского опыта и создания персонализированных музыкальных рекомендаций.
Все статьи Spotify про машинное обучение

Тут писала про 15 бесплатных подкастов по аналитике и не только на английском.

Какие качественные и количественные исследования стоит проводить в рамках Discovery-процесса?

Качественные:

1. Глубинные интервью
   
   Помогают получить искреннее мнение вместо социально одобряемых ответов, в отличие от фокус-групп. К глубинным интервью еще относят и другие форматы, например, CustDev, которые выявляют проблемы и потребности пользователей.

2. CJM

   Делим пользователей на сегменты и общаемся с каждым из них. Дальше просим пройти определенный сценарий и рассказать об опыте взаимодействия с продуктом, от первого знакомства до первой покупки. Так выявляем трудности на каждом этапе.

3. Юзабилити-тестирование

   Перед запуском продукта создаем кликабельный прототип сервиса и просим пользователя выполнить задачу. Главное — не подсказывать и не убеждать в удобстве прототипа, а оценить его объективно. На выходе получаете тест первого клика и тепловую карту сервиса. Метод подходит для проверки дизайна и контента и помогает выявить эффективные решения.

Количественные:

1. Количественный опрос
   
   Проводим их после качественных исследований для подтверждения результатов. Это простой способ привлечь респондентов и быстро собрать репрезентативную выборку. В итоге получаем статистически значимые данные по интересующим вопросам.

2. A/B-тесты
   
   Делим респондентов на 2 группы: тех, кто видит старый интерфейс, и тех, кто видит новый или экспериментальный. Иногда показываем два варианта дизайна для выбора лучшего. После сбора достаточного количества данных завершаем тест и подводим итоги.

Подробнее о Discovery пишем тут.

Как понять, что пора заканчивать процесс Discovery

В этом поможет закон убывающей полезности. Как он работает, объясним на примере.

Когда мы проводим качественные исследования, берем 5–7 человек на один сегмент целевой аудитории. Социология и статистика показывают, что этого достаточно, чтобы выявить 80–90% проблем сегмента. Конечно, мы можем опросить и 30 человек, но выявим ли мы таким образом 100% проблем? Скорее всего, мы потратим намного больше ресурсов, а в итоге сможем лишь незначительно уточнить данные.

Закон убывающей полезности работает и в случае исследования конкурентов — изучать всех не имеет смысла. Мы просто утонем в данных. Есть три сигнала, которые четко указывают, что Discovery пора заканчивать.

1. Когда кончаются гипотезы. Вы провели несколько итераций исследований и поняли, что пополнять бэклог больше нечем: новых инсайтов нет.

2. Когда гипотез слишком много. Вы проводите исследования и продолжаете пополнять бэклог снова и снова, задач там уже на три квартала вперед.

3. Когда заканчиваются время и деньги. Исследования можно проводить бесконечно, но у любой задачи есть дедлайны и бюджеты.

Мы всегда можем вернуться к Discovery, чтобы проверить какую-то фичу. Например, если поменяли интерфейс — можем провести юзабилити-тестирование. Но на самом первом этапе, когда мы еще только выясняем потребности пользователя, нужно уметь вовремя остановиться.

Подробнее о процессе Discovery — в большой статье.

Человек vs машина, или Почему А/Б-тесты не панацея

Недавно Spotify выкатили новую фичу на основе ML — Shortcuts. По сути, это шесть персонализированных плейлистов c музыкальными предпочтениями пользователей.

Они составляются не на базе новой музыки, а на базе того, что ты слушал недавно. Команда Spotify исследовала паттерны прослушивания музыки и обратила внимание, что, если пользователю нравится песня, он слушает ее на репите.

Так и появилась идея создать подобную фичу. Одной из задач при ее внедрении было придумать емкое название, чтобы люди сразу понимали, что это. Команда предлагала разные варианты:

🎵 Послушать сейчас.
🎵 Быстрый доступ.
🎵 Горячие кнопки.
🎵 Доброе утро.

Результаты A/B-теста не показали значительной разницы между ними.

Один из участников команды настаивал на варианте «Доброе утро»: так пользователь косвенно будет понимать, что страница с кнопками — его пространство, а горячие клавиши — его персонализированные песни.

Такой эмпатичный подход всем понравился. Фичу внедрили, и она собрала в основном положительные отзывы. Даже больше — исследования показали, что она вызывает эмоциональную привязанность у пользователей.

Правда, пришлось ее доработать: менять приветствие и состав музыки в зависимости от времени суток.

Всё это лишний раз напоминает нам, что данные и цифры не охватывают полную картину мира. Если бы мир можно было померить таким образом, всё было бы гораздо проще, в том числе и создание продуктов.

Приходите обсуждать продуктовый подход к нам в Телеграм-канал.