Зачем учить аналитику
Уметь видеть взаимосвязи между разными элементами продукта, понимать, как изменения тех или иных частей продукта приведут к финансовому результату и растить бизнес с помощью продукта.
Что конкретно нужно знать и уметь
- Уметь построить систему метрик, которая связывает продукт, маркетинг и финансы, презентовать эту систему метрик стейкхолдерам и команде, чтобы у всех было общее понимание. Книга - Lean Analytics
- Уметь поставить задачу на сбор данных в веб-аналитике. Навыки - GTM, CSS, Mixpanel, Google Analytics
- Уметь найти нужную информацию в данных. Навыки - SQL / Excel
- Уметь построить график без участия аналитика. Это не обязательно, но понадобится, если вам нужно быстро собрать график для презентации, а все аналитики заняты. Навыки - SQL для скрипта, для визуализации - Redash / Tableau / Metabase / Mixpanel. Книга - Данные: визуализируй, расскажи, используй
- Уметь провести A/B-тест, дать задачу аналитику, принять задачу. Если что-то не сходится - уметь заметить ошибку. Этот навык нужен в крупных компаниях, где проводится много A/B-тестов. Курсы - Основы статистики, Experiment Fest, книги по статистике и теории вероятностей ниже
- Быть в курсе отраслевых бенчмарков, сравнивать метрики своего продукта с отраслевыми бенчмарками. Сайт: Lenny, Книга Jeff Sauro
- Уметь работать с сегментацией клиентов - RFM, ABC, ABCDX и так далее, чтобы смотреть не только со средними значениями по всем, я понимать разрезы, конкретно какой сегмент выпадает и в каком сегменте стоит сделать акцент
Практика
- 1-2 раза в неделю выделить слот в календаре на просмотр основных метрик и выводы по ним.
- Построить дерево метрик в продукте
- Построить дашборд по тем метрикам, которые нужны для вашего продукта
Знать крайности и уметь балансировать (high level)
В аналитике есть 2 крайности - недоаналитика и переаналитика.
- Недоаналитика - когда вы не понимаете, что происходит с продуктом, нет системы метрик, главные продуктовые метрики не измеряются.
- Переаналитика
- Когда вы измеряете любой чих, неважно, зачем
- У вас целый отдел аналитики на маленький / не аналитический продукт.
- Когда на анализ уходит больше ресурсов и денег, чем на то, чтобы разработать.
- Когда вы посмотрели много данных, находитесь в состоянии анализа долгое время, но не можете принять решение и двинуться дальше, при этом стоимость принятия решения небольшая.
Как избегать крайностей