Марти Каган - Вдохновленные. Все, что нужно знать продакт-менеджеру

Вдохновение от работы над продуктом

Я давно укрепился в намерении использовать аналитические данные во всех перечисленных случаях, но, должен признать, мой фаворит — этот последний пункт. Совокупные данные, собранные из всех доступных источников, могут стать для нас настоящей «золотой жилой». Тут часто все сводится к умению задавать правильные вопросы, но впоследствии, изучая эти данные, мы можем выявить некоторые очень большие возможности в плане создания новых продуктов. Лучшие проекты, которые разрабатываются прямо сейчас, были вдохновлены именно аналитикой. Конечно, мы часто получаем отличные идеи, наблюдая за потребителями и применяя новые технологии, но анализ и изучение данных нередко становятся озарением и мощным толчком, дающим старт поистине революционным идеям. Во многом так происходит потому, что аналитика частенько застает нас врасплох, становится сюрпризом. У нас имеется ряд предположений о том, как используется наш продукт, причем о большинстве вариантов мы даже не подозреваем, и, увидев данные, очень удивляемся тому, насколько сильно действительность не соответствует нашим ожиданиям. И такие сюрпризы нередко становятся толчком к реальному прогрессу.

Менеджер по высокотехнологичным продуктам обязан разбираться в разных видах данных для тех продуктов, с которыми он работает. Многие коллеги, надо признать, подходят к этой задаче слишком узко. Вот базовый набор аналитики для работы с большинством высокотехнологичных продуктов.

• Аналитика тенденций пользовательского поведения (отслеживание кликов, активность пользователей).

• Бизнес-аналитика (активные пользователи, коэффициент конверсии, пожизненная ценность клиента, коэффициент удержания клиентов).

• Финансовая аналитика (средняя продажная цена, обороты по счетам, время закрытия счетов).

• Производительность (время загрузки, аптайм).

• Операционные расходы (хранение, хостинг).

• Затраты, связанные с выходом на рынок (логистические затраты, себестоимость продаж, маркетинговые программы).

• Структура поведения (индекс потребительской лояльности [Net Promoter Score, NPS], уровень удовлетворенности потребителей, опросы).

Надеюсь, теперь вы видите, какую огромную роль играет аналитика в успехе продуктовых команд. Однако, как бы ни были важны и полезны эти данные, важно помнить, что они проливают свет на происходящее, но не объясняют причин. Для интерпретации количественных результатов нам необходимы качественные методики.

(Обратите внимание: аналитические данные часто используются для отслеживания ключевых показателей эффективности [key performance indicators, KPI]).

Как ни удивительно, я и сегодня сталкиваюсь с продуктовыми командами, которые либо не используют свой продукт для сбора аналитических данных, либо так мало занимаются этим, что все равно не знают, использовался ли их продукт, и если да, то как.

Мои команды — и каждая команда, которую я могу вспомнить из тех, с какими когда-либо работал, — делают это так давно, что нам даже трудно представить, как можно работать без этой ценной информации. Я даже не могу вспомнить, каково это — не иметь ни малейшего представления о том, как использовался тот или иной продукт, какие фичи помогают пользователю решить его проблемы и те ли это фичи, которые, на наш взгляд, необходимо предложить, чтобы продукт охотно покупали.

Проще всего это делать с помощью «облачных» продуктов и сервисов, и большинство из нас используют веб-аналитику, но иногда мы выбираем для этого собственные инструменты.

Как я уже говорил, хорошие продуктовые команды занимаются сбором аналитики о своих продуктах не один год. И не только с помощью «облачных» сайтов, но и с использованием установленных мобильных приложений или приложений для ПК — локального софта, оборудования и устройств, которые периодически проводят проверку и отправляют командам данные о фактическом использовании их продуктов. Нужно сказать, очень немногие компании сегодня настолько консервативны, чтобы запрашивать разрешение перед отправкой этих данных; в основном все проходит, так сказать, без лишних слов.

Безусловно, надо анонимизировать данные и агрегировать их так, чтобы в них не было никаких сведений, по которым можно установить личность их автора. И все же время от времени в новостях рассказывают о компаниях, которые нажили большие проблемы из-за того, что в своем стремлении выйти на рынок рассылали «сырые» данные. Создается впечатление, что, по мнению журналистов, мы отслеживаем их ради корыстных, гнусных целей, но все компании, с которыми я знаком, просто стараются выпускать лучшие продукты — более ценные, удобные и полезные для людей. А сбор аналитических данных уже давно стал в этом одним из важнейших инструментов.