Все материалы подборки
Данные и аналитика

Это адаптированный перевод публикации Andrew Chen (Эндрю Чена), которое дает интересный взгляд на то, как можно использовать данные при принятии решений.

В работе над продуктом часто можно услышать такую логику рассуждений от продакт-менеджера или продуктового аналитика: «Я проанализировал данные и увидел, что пользователи, которые делают Х, с большей вероятностью покупают премиум-версию или становятся успешными». На основе этого инсайта они решают инвестировать время и силы в то, чтобы большая доля пользователей делала X.

Проблема в том, что в этом случае корреляция выдается за причинно-следственную связь. Может быть, там и есть зависимость между переменными, а может быть, это частный случай корреляции, когда рост одной метрики сопровождается ростом другой.

В этом материале разберемся, почему легко упустить разницу между корреляцией и причинно-следственной связью, как доказать наличие причинно-следственной связи и почему это важно при работе над продуктом. 

Одна из важных составляющих успешных экспериментов в работе над продуктом — отсутствие монополии на формулирование гипотез. Так в создании гипотез, их приоритизации и тестировании участвует вся команда: продакт-менеджеры, аналитики, дизайнеры, UX-исследователи и разработчики.

О том, как благодаря внедрению нового процесса работы с гипотезами для A/B тестирования в Flo (лидер среди приложений в сфере женского здоровья) удалось увеличить долю успешных экспериментов на 30%, рассказывает Head of Analytics Flo Дима Золотухин в своем материале для GoPractice.

В чате “Ask Kevin” участники регулярно задают вопросы про настройку и выбор систем аналитики данных для мобильных приложений и веб-сервисов. Антон Елфимов уже давно помогает сообществу, поэтому мы предложили ему сделать подборку ответов на самые распространенные вопросы.

Антон Елфимов – аналитик-консультант, c 2012 года помогает разным компаниям внедрять и получать инсайты из систем аналитики (Google Analytics, Mixpanel, Amplitude, Appsflyer и т.д.)

Далее повествование ведется от лица автора.

Настройка аналитики — важный и сложный процесс. Важный, потому что ошибки, сделанные на этапе настройки и интеграции аналитики, не позволят в будущем ответить на ключевые вопросы, либо же приведут к ошибочным выводам. Сложный, так как есть множество неочевидных моментов, которые вызывают проблемы у продуктовых и маркетинговых команд.

В этой статье будут собраны ответы на вопросы, которые возникают в чате “Ask Kevin!” по поводу настройки cистем аналитики. Если у вас есть вопросы по этим темам, задавайте их в чате “Ask Kevin!”.

Этот пост написан Антоном Елфимовым, аналитиком-консультантом. С 2012 года Антон помогает компаниям внедрять и получать инсайты из систем аналитики (Google Analytics, Mixpanel, Amplitude, Appsflyer и т.д.)

Далее повествование ведется от лица Антона.

Ко мне часто обращаются с вопросом: «Мы планируем внедрять аналитику в продукт. Какие системы аналитики стоит использовать?»

Любая система аналитики — это всего лишь инструмент. Поэтому при выборе системы аналитики для вашего продукта вам нужно сначала составить список задач, которые вы хотите решать с ее помощью.

Этот пост написан Антоном Елфимовым, аналитиком-консультантом. С 2012 года Антон помогает компаниям внедрять и получать инсайты из систем аналитики (Google Analytics, Mixpanel, Amplitude, Appsflyer и т.д.)

Далее повествование ведется от лица Антона.

У многих продуктов есть сценарии, в рамках которых пользователь уходит на другой сайт, а потом возвращается. Например, такой кейс часто возникает при оплате.

В этой заметке мы обсудим, как решать подобную проблему на уровне интеграции системы аналитики и последующего анализа соответствующей воронки.

Этот пост написан Антоном Елфимовым, аналитиком-консультантом. С 2012 года Антон помогает компаниям внедрять и получать инсайты из систем аналитики (Google Analytics, Mixpanel, Amplitude, Appsflyer и т.д.)

Далее повествование ведется от лица Антона.

Один из распространенных вопросов про Amplitude и другие системы продуктовой аналитики следующий: «Я вижу, как в Amplitude можно отслеживать доход или Revenue. Но как мне учесть расходы на привлечение пользователей, чтобы посчитать ROI по каналам»

Если коротко, то такого функционала в Amplitude нет. И, скорее всего, в ближайшее время не будет. Amplitude фокусируется на решении задач продуктовой аналитики, а вопрос про расчет ROI в большей степени относится к задачам систем маркетинговой аналитики.

Ниже приведены алгоритмы решения задачи расчета ROI для веб- и мобильных продуктов, а также системы аналитики, которые помогут в ее решении.

Для простоты и наглядности мы рассмотрим способы решения данной задачи на конкретных примерах.

Этот пост написан Антоном Елфимовым, аналитиком-консультантом. С 2012 года Антон помогает компаниям внедрять и получать инсайты из систем аналитики (Google Analytics, Mixpanel, Amplitude, Appsflyer и т.д.)

Далее повествование ведется от лица Антона.

Один из распространенных вопросов про Amplitude: «Стоит ли использовать платный тариф Amplitude, или бесплатный закроет наши потребности в продуктовой аналитике?»

В этой статье речь пойдет о возможностях бесплатного и платного тарифа Amplitude, а также о том, когда именно покупка платного тарифа будет оправдана.

Этот пост написан Антоном Елфимовым, аналитиком-консультантом. С 2012 года Антон помогает компаниям внедрять и получать инсайты из систем аналитики (Google Analytics, Mixpanel, Amplitude, Appsflyer и т.д.)

Далее повествование ведется от лица Антона.

Частый вопрос при настройке и интеграции системы продуктовой аналитики возникает у команд, работающих над продуктом, который живет на нескольких платформах.

Обычно этот вопрос выглядит следующим образом:

«У нас продукт с несколькими платформами: веб-версия, приложение под Android и под iOS. Стоит ли объединять приложения и веб-сервис в один проект в Amplitude? Или лучше разделить на два или даже три отдельных? Ключевые пути в продукте отличаются, но хочется иметь все в одном месте, чтобы видеть общие метрики глобально».

Есть две принципиально разные ситуации, которые потребуют разного дизайна интеграции системы аналитики:

1. На всех платформах ваши пользователи используют сервис под одним аккаунтом, который позволяет их однозначно идентифицировать (его можно использовать в качестве user_id).
2. На какой-то из платформ вы не всегда знаете user_id пользователя (например, веб-версией можно частично пользоваться без логина).

При проведении экспериментов обычно в них добавляют всех активных пользователей, иногда всех новых пользователей, при расчете метрик учитывают все данные с момента старта A/B-теста.

Сегодня поговорим о том, как можно сократить время для получения сигнала о влиянии тестируемого изменения, изменив процесс добавления пользователей в A/B-тест.