Что такое минимально жизнеспособная аналитика?

«Если вы не можете это измерить, значит вам не удастся улучшить это»
Питер Друкер

Пытаясь реализовать data-driven подход к ведению бизнеса, команды зачастую совершают следующие ошибки:

• Отслеживают не те показатели или отслеживают их недостаточно детально, и потому получают данные, которые не дают им действенных инсайтов.
• Отслеживают все возможные метрики, не продумав план их дальнейшего использования, хотя и понимают, что в будущем эти данные могли бы пригодиться компании.
• Неэффективно структурируют и обрабатывают собранную информацию, что приводит к нагромождению бесполезных аналитических данных.
• Зацикливаются на анализе: тратят кучу времени на изучение данных, но не действуют, опираясь на них.
• Не могут поддерживать актуальность аналитики в соответствии с обновлениями продукта, поэтому имеют дело с данными, которые не отражают текущей ситуации.

Чтобы оградить свой бизнес от этих рисков, вы должны действовать по принципу «минимально жизнеспособной аналитики» (minimum viable analytics). Иными словами, вам нужно сосредоточиться именно на тех метриках, которые позволят вашей команде принимать эффективные решения на разных стадиях развития компании. В сегодняшней статье мы постараемся разобрать эту тему более детально.

Краткая историческая справка и обзор MVP

В далеком прошлом мобильные игры и приложения разрабатывались непосредственно производителями телефонов и устанавливались прямо на заводе, при этом обновления были доступны только в авторизованных сервисных центрах и предназначались для всего устройства, а не для отдельных программ. Приложения доводили до «финальной» стадии и дорабатывали, лишь обнаружив в них серьезные ошибки.

В наши дни все обстоит с точностью до наоборот: компании пытаются запустить «минимально жизнеспособный продукт» (MVP) как можно раньше и достичь product/market fit на основе реальных данных, которые предоставляют ранние группы клиентов.

Этот сдвиг в сторону итеративной, ориентированной на данные разработки и маркетинга дает командам возможность исправлять множество багов, улучшать пользовательский опыт, менять «курс» и реагировать на новую информацию. В то же время это возлагает большую ответственность на тех, кто создает продукты для сбора, обработки и анализа информации, и ее использования в целях роста бизнеса.

В своем эссе «Тирания минимально жизнеспособного продукта» Джон Питтмэн (John Pittman) затрагивает суть этой проблемы и заявляет, что в большинстве случаев MVP снабжают слишком ограниченными возможностями.

Чаще всего команды делают акцент на «минимальном» и забывают о «жизнеспособности» продукта

В одном из постов блога Y-Combinator Евгений Брикман (Yevgeniy Brikman) утверждал, что MVP — это скорее процесс, нежели запуск определенного продукта:

«MVP представляет собой процесс, который необходимо повторять снова и снова: выберите ваше самое рискованное предположение, продумайте наименьший возможный эксперимент, чтобы протестировать его, и воспользуйтесь полученными результатами, чтобы направить свои усилия в нужное русло».

Примечание: данные не избавят вас от всех ваших проблем

Очень важно, чтобы вы могли реалистично оценивать возможности ваших аналитических данных. То, что у вас появился доступ к огромным массивам информации, еще не значит, что с их помощью вы сможете удержать на плаву принципиально плохой продукт. Некоторые идеи попросту не работают, и на самом деле таких провальных проектов довольно много.

Если ваш сервис построен вокруг хлипкого ценностного предложения, данные помогут вам понять, насколько это плохо, но они не дадут вам волшебную формулу, которая позволит все исправить. В таком случае, отслеживая основные поведенческие метрики, степень вовлеченности пользователей и коэффициент удержания (retention rate), ваша команда должна понять, что компании нужно «сменить курс», до того, как ваш первоначальный бюджет иссякнет.

При более типичном сценарии развития событий когортные данные покажут вам, как продукт улучшается с каждой версией, как новые и существующие пользователи взаимодействуют с его функциями и какие слабости присутствуют в таких ключевых потоках, как регистрация или оплата. Аналитика помогает компаниям сравнивать свои сервисы с конкурентами или продуктами с аналогичной динамикой. Кроме того, она позволяет им опровергать или подтверждать гипотезы, тем самым улучшая понимание пользователей и способствуя принятию более эффективных решений во многих аспектах.

Ключевые примеры использования и «внутренние клиенты» для аналитики

Прежде чем вы решите, какие данные собирать, вам стоит подумать над тем, как они будут использоваться. Как правило, команды задействуют свои данные по 3-4 направлениям с разными «внутренними клиентами» в рамках организации:

Дашборды (KPI, тренды) — все сотрудники; маркетинговая аналитика (возврат инвестиций от рекламы, успех кампаний) — отдел маркетинга; исследовательская аналитика (пользователи, сессии, удержание, события (вкл. покупки), воронки, сплит-тесты) — команды по продукту и росту; операционная аналитика (показатели эффективности и стабильности: время отклика, задержки, поломки) — разработчики и продакт-менеджеры.

Стратегические дашборды: «что», но не «почему»

Стратегические или исполнительные дашборды обеспечивают сотрудникам быстрый доступ к ключевым показателям эффективности и работоспособности бизнеса. Они демонстрируют вам цифры, но не говорят, чем они обусловлены. Чаще всего минимально жизнеспособный стратегический дашборд компании, продвигающей мобильный продукт, отображает следующие данные:

• активные пользователи;
• специфические метрики вовлечения компании (например, для SoundCloud это «время прослушивания»);
• информация по продажам и прибыли;
• Net Promoter Score или другой индекс потребительской лояльности.

Пример стратегического дашборда от Zillum Inc

Когда вся компания руководствуется одним стратегическим дашбордом в своих действиях, это помогает специалистам сосредоточить общие усилия и избавиться от двусмысленного отношения к основным показателям продукта.

Маркетинговая аналитика

Маркетинговая аналитика включает в себя измерение и оптимизацию влияния рекламных усилий на привлечение новых пользователей или ремаркетинговых инициатив на вовлечение текущих и ушедших клиентов через такие каналы, как email/push-уведомления или сторонние рекламные сети. В конечном счете маркетинговая аналитика должна отражать рентабельность ваших инвестиций по различным каналам и действиям и обеспечивать достаточно данных для улучшения этих показателей.

На самом базовом уровне маркетинговая аналитика должна предоставлять вам информацию об:

• установках мобильного приложения, генерируемых разными источниками трафика и рекламными кампаниями;
• вовлечении, конверсиях и/или прибыли, полученных за счет различных маркетинговых действий и кампаний.

Определение жизнеспособности маркетинговой аналитики может варьироваться в зависимости от отрасли и категории приложения: для игр или продуктов, которые конкурируют с корпоративными гигантами, обладающими многомиллионным рекламным бюджетом, устанавливается более высокая планка, чем для других приложений. Точно так же, если компания еще не тратит денег на привлечение клиентов с помощью маркетинга и в основном растет за счет виральности, PR, кросс-сейла, поиска и других «органических» каналов, она может ограничиться менее сложными маркетинговыми данными.

Аналитический дашборд Facebook

На момент запуска продукта благодаря аналитике Facebook и данным, собранным из Google Play Developer Console и iTunes Connect, вы можете получить хорошее представление о маркетинговых действиях, которые оказывают наибольшее влияние на ваш продукт. Но по мере усложнения процессов привлечения и удержания клиентов определение жизнеспособной аналитики также эволюционирует.

Исследовательская аналитика

Дашборды отлично подходят для того, чтобы направлять усилия всей команды на макроуровне, но для решения ежедневных вопросов, касающихся эффективности функций, взаимодействия пользователей с продуктом и т. д., мониторинговые панели (даже с некоторыми продвинутыми фильтрами) не обладают необходимым уровнем гибкости.

Рассмотрим несколько конкретных сценариев:

• Анализ воронок конверсии для определенных функций или пользовательского опыта (например, регистрации, покупки или использования функции).
• Анализ удержания клиентов с точки зрения использования ими конкретных возможностей продукта или выполнения отдельных действий.
• Создание сегментов пользователей с определенными характеристиками и получение от них ценных инсайтов.
• Определение поведенческих и демографических характеристик, которые отличают одну группу пользователей (например, тех, кто совершает покупки) от другой.
• Определение путей, по которым пользователи продвигаются через приложение, а также наиболее (и наименее) популярных функций и контента.

Такое исследование может привести вас к важным открытиям о продукте, его пользователях, эффективности маркетинговых усилий или всем вышеперечисленном, тем самым позволив вам попробовать новые методы сегментации или экспериментальные гипотезы.

Минимально жизнеспособный уровень исследовательской аналитики подразумевает использование компанией следующих возможностей (в идеале, начиная с первого дня работы с реальными клиентами):

• отслеживание пользователей (идентификация уникальных пользователей, которая бы позволяла следить за их поведением внутри сервиса);
• когортный анализ;
• отчет по воронке;
• поведенческая сегментация.

Операционная/DevOps аналитика

Если ваш продукт не функционирует, вы должны бросить все свои силы на исправление его главных недочетов. Сложность современных мобильных устройств оставляет достаточно места для простоя серверов, API-ошибок критически важных сторонних сервисов, DDOS-атак и других подобных проблем.

Отслеживание таких базовых вещей, как доступность сервера, время отклика API, сбои приложения и т. д., наряду с настройкой предупреждений, которые бы позволяли специалистам мгновенно реагировать на возникающие ошибки, могут в буквальном смысле спасти ваш бизнес или, по меньшей мере, значительно смягчить для него возможные последствия. 

DevOps дашборды могут показаться технически неподкованным людям немного сложными

Бесплатные отчетные инструменты вроде Crashlytics предоставляют ценную информацию о количестве и причинах сбоев приложений, к тому же сегодня существует достаточно много сервисов для мониторинга доступности API, включая APImetrics, RunScope и AppSee.

Делайте бизнес на основе данных!

По материалам: mobilegrowthstack.com.