10 ошибок в работе с продуктовой аналитикой

RU
На что вам нужно обратить внимание при работе с продуктовой аналитикой: мы собрали для вас 10 самых распространённых ошибок и проблем, которые вы можете легко избежать, зная о их последствиях
10 ошибок в работе с продуктовой аналитикой
Published
27.05.2021
|
devtodev

Продуктовая аналитика есть в любой компании, которая стремится добиться успеха в своей области. Её суть заключается в сборе и интерпретации значимой для продукта информации.

Работа аналитика, хотя напрямую и не влияет на доход, но помогает команде улучшать метрики, а, значит, и продукт, и, таким образом, косвенно влияет на размер выручки.

В этой статье вы прочитаете о частых ошибках, которые аналитики и члены команды, ответственные за принятие решений, совершают на разных этапах работы.

Бесплатный онлайн-курс devtodev по игровой аналитике

1. Откладывание интеграции аналитики

Если вы откладываете интеграцию аналитики, то, естественно, ваш релиз просто не будет трекаться. И получится так, что вы запускаете новую версию приложения, новую функцию или эксперимент, но не можете оценить его успешность, поскольку вам не с чем сравнивать.

2. Отсутствие качественного тестирования

Случается так, что вы настроили трекинг, запустили релиз, получили результат, но из-за каких-то ошибок данные оказались некорректными. Хорошо, если вы сразу поняли, что с ними что-то не так, но чаще всего это понимание приходит только через довольно большой промежуток времени. И все те решения, которые вы принимали на основании этих данных, тоже оказываются некорректны. Поэтому качественное тестирование очень важно для последующего анализа и выводов.

Читайте также: Глоссарий игровых метрик

3. Отслеживание практически всех действий пользователя

Вы хотите знать о пользователях абсолютно всё и поэтому отслеживаете огромное количество событий, ваши программисты тратят много времени на их разработку, тестировщики - на тестирование, аналитик - на проверку. В результате, эти события оказывается простым спамом, потому что они никому не нужны и не приносят проекту никакой пользы.

Например, вы трекали изменение уровня звука в настройках и выяснили, что им пользуется всего 5% людей. Но вы ведь всё равное не уберёте эту настройку, потому что она ожидаема в приложении.

Таким образом, прежде чем начать что-то отслеживать, вам нужно иметь чёткое представление о том, как вы будете использовать эти данные.

Онлайн-курс devtodev по созданию гиперказуальной игры

4. Фокусирование на одной метрике

Некоторые команды концентрируются только на одной метрике - North star или на чём-то похожем. Это, с одной стороны, хороший метод, потому что он позволяет быстро достигать результатов, ведь все силы команды сфокусированы на одной цели. Но, с другой стороны, что, если работая над одной метрикой вы сильно и негативно влияете на другие? Или вы изначально выбрали неверную метрику? 

5. Работа с бесполезными метриками

Бывает так, что у вас есть хорошая идея, вы воплощаете её и повышаете какую-то метрику в два раза, но это не даёт никакого практического результата, потому что она затрагивает очень небольшую аудиторию.

Чтобы понять, что метрика бесполезна, нужно делать предварительные расчёты - составлять модель того, как пользователи ведут себя в продукте и потом “увеличивать” нужную нам метрику и смотреть, как она влияет на целевую метрику (доход, количество пользователей и т.п.).

Как анализировать акции в играх - бесплатнаяя книга devtodev

6. Запрет на раскрытие метрик команде

Это тоже неверный подход. В IT сотрудники часто ориентированы не на зарплату, а на интересность задач, на результат своей работы. И когда этот результат невозможно отследить, это демотивирует людей.

7. Абстрактные задачи

Имея абстрактную задачу на руках, каждый в команде будет интерпретировать её по-своему и идти к ней в зависимости от собственных соображений. В этом случае результат, который получит команда, скорее всего, не будет соответствовать ожиданиям менеджмента.

Гораздо лучше и саму цель, и критерии её достижения, и временные рамки чётко конкретизировать.

8. Отсутствие автоматизации

Аналитик, например, готовит отчёты для разных сотрудников, и у него нет времени на оптимизацию своей работы. Поэтому стоит выделить ему (и другим сотрудникам) время на автоматизацию каких-то процессов - написать скрипты для повторяющихся вещей, что-то вынести на дашборды и т.п.

Читайте также: 25 вещей, которые раздражают аналитика

9. Отсутствие выводов

Особенно актуальна эта проблема для A/B-тестов, которые вы проводите при помощи инструментов.

Например, вы что-то протестировали, получили результат, и считаете, что на этом работа закончена. Но часто бывает важно понять, почему эксперимент сработал именно таким образом, т.е. почему пользователи именно так отреагировали на то или иное нововведение. Поэтому вам стоит собирать дополнительную информацию, например, свойства пользователя, на основании которых можно создать отдельный сегмент и посмотреть, как этот сегмент ведёт себя. Также можно отправлять параметры к пользовательским событиям, которые релевантны для этого теста.

Таким образом вы начнёте лучше понимать своих пользователей и даже сформулируете новые гипотезы.

Как начать бизнес в геймдеве - бесплатный онлайн-курс от devtodev

10. Избегание риска

Data-driven подход очень важен, но люди, у которых очень много опыта в ведении бизнеса, могут принимать некоторые решения и просто на основании интуиции. Подобные решения рискованны, но могут оправдаться. Вам не стоит рисковать постоянно, но вы вполне можете делать это тогда, когда того требуют обстоятельства.

Смотрите доклад, на основе которой была написана эта статья!

Read more