Все материалы подборки
Данные и аналитика

Проценты, процентные пункты и процентили часто встречаются в работе продакт-менеджеров, но иногда вызывают путаницу. Такая путаница может приводить к неверным выводам, а они, в свою очередь, к дорогостоящим ошибкам.

В этом материале мы разберемся, в чем разница между этими понятиями, как их лучше всего использовать в продуктовой работе и каких ошибок стоит избегать.

Среднее арифметическое и медиана — два способа оценить средние значения, часто используемые в продакт-менеджменте. В этом материале мы обсудим, чем эти способы различаются и когда какой из них лучше применять.

Продуктовые команды, которые пренебрегают частыми экспериментами, уверены, что знают свой продукт, пользователей и как добиться необходимых результатов. В то же время команды, которые полагаются на постоянные эксперименты, признают, что знают о продукте и пользователях очень мало. И именно такой подход открывает перед командами большие возможности для улучшения продукта.

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.