Czym jest analityka produktowa i dlaczego warto ją mieć wdrożoną?

Dzisiaj na tapet wezmę temat, o którym wspominałem przy okazji testów A/B na małym ruchu oraz próbkowaniu danych w GA4 – choć nie w bezpośredni sposób jako ‘analityka produktowa’.

Wbrew temu co niektórzy mogą pomyśleć, nie chodzi tutaj o analizę produktów w sklepie internetowym, np. per marka czy też kategoria – to należy do analityki e-commerce lub jest też traktowane jako odnoga typowej analityki marketingowej.

Mowa tutaj o analizie konkretnego produktu cyfrowego, np. startupu lub scale-upu – w zależności od tego, na jakim etapie jest dany projekt.

Jeśli Twój projekt jest autem, to analityka produktowa jest GPSem i jednocześnie butlą z N2O (słynnym Nitro) – wskazuje optymalną trasę i występujące przeszkody na drodze, ale i też może dać Ci dodatkowego kopa, jeśli jesteś wprawnym kierowcą, a trasa przed Tobą to długa prosta.

Nie odlatując jednak w metafory przejdźmy do tego, czym jest dokładnie analityka produktowa i po kiego mamy się nią w ogóle interesować 🙂

Wielki brat patrzy

Tak, choć dziwnie to brzmi, to dzisiejszy temat jest bardzo powiązany z popularnym programem TV z lat 2000-2010 lub też z powieścią G. Orwella ‘Rok 1984’.

I tym Wielkim Bratem jesteśmy my, bowiem analityka produktowa polega na śledzeniu cyfrowych śladów użytkownika:

• wszelkiego rodzaju kliknięcia w przyciski, obrazki czy inne multimedialne elementy interfejsu
• przejścia z jednego ekranu do drugiego w aplikacji webowej lub mobilnej
• użycia konkretnej funkcji wraz z informacjami kontekstowymi
• częstotliwości powrotów do naszego produktu
• liczbie minut czy godzin od pierwszej do ostatniej interakcji

Dzięki powyższym danym, wiemy jak użytkownicy wchodzą w interakcję z konkretnym produktem, czyli mierzymy rzeczywiste ich zachowanie – w przeciwieństwie do tego, co użytkownicy deklarują w wywiadach i generalnie metodach jakościowych.

Takie dane możemy później wykorzystać na wiele różnych sposobów, o czym będzie trochę później.

Wielka impreza, czyli analityka marketingowa vs produktowa

Generalnie granica między analityką marketingową, a produktową jest prosta do wyznaczenia – jest to miejsce, z którego użytkownik przechodzi z trybu bycia anonimowym do trybu bycia zidentyfikowanym poprzez email lub przynajmniej user_id.

Takim miejscem jest proces rejestracji lub logowania – w zależności od tego czy mówimy o nowym użytkowniku czy o powracającym.

Czyli można powiedzieć, że wszystko to, co dzieje się od momentu zakładania konta lub logowania do niego to jest to analityka produktowa, a wszystko przed tym momentem to jest to analityka marketingowa.

Całość można porównać do ‘wielkiej imprezy‘, gdzie:

• analityka marketingowa pomaga zapraszać gości
• a analityka produktowa pomaga nam podtrzymywać ich dobre samopoczucie oraz aby nie wyszli przed tortem (AHA momentem).

‘Why, Mr. Anderson? Why, why? Why do you do it?’

Powyższy cytat z Matrixa Rewolucje świetnie wprowadza klimat tajemniczości i chwilowej niewiedzy wobec roli analityki produktowej w Twoim biznesie.

Przyjrzyjmy się więc paru powodom, dlaczego warto ją wdrożyć.

Koniec z ‘wydaje mi się’

Bez analityki produktowej, dyskusje w zespole o to, ‘czy zrobić X czy Y’ są subiektywnymi opiniami, niepopartymi żadnymi dokładnymi danymi.

Nawet podpierając się benchmarkami rynkowymi nie masz pewności, czy to co mają inni będzie miało kluczowe znaczenie u Ciebie, bo:

• zachowania Twoich użytkowników w Twoim produkcie będą inne niż u konkurencji (inne środowisko ‘pracy‘, inny zestaw funkcji)
• konkurencyjne produkty mogą być na innym etapie rozwoju niż Ty – inaczej się rozwija produkt jako lider rynku, inaczej jako 3 czy 4 wybór (świetnie to przedstawia książka ‘Przeskoczyć przepaść‘).

Wdrożenie analityki produktowej to przejście z zarządzania bazującego na ‘przeczuciach‘ (wydaje nam się, że ten przycisk ma znaczenie dla naszych użytkowników) na zarządzanie oparte na faktach (wiemy, że użytkownicy klikający w ten przycisk mają o 20% wyższy LTV).

Identyfikujemy możliwości, które mogą dać naszemu biznesowi kopa

Nawet jeśli w naszym projekcie jest 1000 aktywnych użytkowników miesięcznie, to codziennie wykonują oni setki interakcji z naszym produktem.

Dodatkowo część z tych użytkowników będzie do siebie podobna – czy to pod kątem zachowania (zawsze ta sama ścieżka korzystania z funkcji X), czy to pod kątem cech demograficzno-technologicznych (używający systemu operacyjnego Apple).

Tego typu zjawisko nazywamy segmentacją, czyli procesem dzielenia dużej, zróżnicowanej bazy wszystkich Twoich użytkowników na mniejsze, precyzyjne grupy (segmenty) na podstawie wspólnych cech, zachowań lub potrzeb.

Analityka produktowa pozwala tworzyć segmenty oraz zwizualizować śledzone informacje o użytkownikach, dzięki czemu możemy odkryć to, że:

• nasi Power/Heavy Userzy codziennie korzystają z funkcji X i Y
• duża część użytkowników przed zakupem płatnego planu/konta korzysta z funkcji A
• 20% użytkowników po rejestracji wraca do naszego produktu po 5 dniach, ale 40% całkowicie rezygnuje po 14 dniach
• pozyskujemy więcej użytkowników z kampanii marketingowej C, ale to kampania marketingowa D zdobywa więcej użytkowników na płatnych planach
• 35% użytkowników korzysta z naszej aplikacji między godziną 16 a 21, a 80% z nich lubi typ muzyki B
• wdrożenie funkcji Z wpłynęło na to, że mniej użytkowników korzysta z funkcji A, która (jak wiemy z drugiej kropki) jest kluczowa dla pozyskania większego przychodu.

Odkrycie tych aspektów to jedno, ale reakcja i działanie w obrębie nich może dać Ci dosłownie kopa niczym przytoczone wcześniej Nitro.

I tutaj z pomocą przychodzi między innymi…

… Personalizacja doświadczenia użytkowników

Zgrabnie przeszliśmy do tego, co jest w wielu produktach cyfrowych fundamentem wzrostu, bowiem budując produkt nie możemy zakładać, że istnieje coś takiego jak ‘typowy użytkownik’ – wysyłając ogólną komunikację do wszystkich finalnie nie zadowolisz nikogo.

Spójrzmy na taki Netflix, Spotify czy Duolingo – ich komunikacja opiera się na tym:

• jakie mam preferencje filmowe, muzyczne lub językowe
• kim jestem, czyli przykładowo użytkownik z Polski, korzystający najczęściej w przeglądarce lub aplikacjach z języka angielskiego i logujący się do konta tylko poprzez social media
• w jaki sposób korzystam z tych produktów, np. Netflix na telewizorze lub laptopie, Spotify i Duolingo na telefonie
• z jaką częstotliwością korzystam z tych produktów i czy mam pewien nawyk wracania do nich

Tym samym każdy użytkownik dostaje taki komunikat, który do niego najbardziej trafia, dzięki czemu właśnie ten użytkownik czuje się wyjątkowo, co zwiększa szanse na to, że będzie on wielokrotnie wracał do nas. A o to nam właśnie chodzi 🙂

Co więcej, analityka produktowa pozwala tworzyć kohorty na podstawie akcji użytkownika która wydarzyła się dosłownie sekundy temu (tzw. trigger-based messaging), dzięki czemu możemy np. zautomatyzować wysłanie maila czy też pusha z gratulacjami po zdobyciu kolejnego poziomu w nauce języka oraz specjalną ofertą na wyższy plan.

Kto wie, może po takim komunikacie część użytkowników zdecyduje się dokupić od nas jakąś usługę? Warto testować różne komunikaty i działania 🙂

Optymalizacja UX oraz wykrywanie pain pointów

Co do zasady, to większość użytkowników sama z siebie nie zgłasza błędów z działaniem funkcji lub wyświetlaniem danego elementu. Jeśli jest to coś kluczowego w działaniu funkcji lub też użytkownik jest ‘świeży‘ i nie poznał jeszcze wartości Twojego produktu, to po prostu odejdzie.

Dobrze wdrożona analityka produktowa pozwala śledzić etapy konkretnych procesów, np. onboardingu lub korzystania z wieloetapowych funkcji.

Dzięki czemu jesteśmy w stanie sprawdzić, czy nie mamy ‘wąskich gardeł‘.

Jeśli jednak takowe znajdziemy, to po wdrożeniu poprawek w produkcie od razu widzimy, czy są to zmiany na plus czy minus względem pierwotnej sytuacji.

Pamiętajmy również, że opracowując plan naprawczy możemy pogłębić naszą wiedzę o dane deklaratywne, które świetnie uzupełnią analizę lejka i np. do osób, które odpadły w danym procesie wysłać dedykowaną komunikację z zaproszeniem do wywiadu, na którym możemy dowiedzieć się ‘dlaczego wyszło jak wyszło‘.

Dodatkowo, mając kilka problemów w różnych miejscach naszego produktu (a umówmy się, najczęściej tak jest), możemy łatwiej ustalać priorytety na naszej roadmapie (data-driven development).

Jakby nie patrzeć, widzimy od razu czy problem X wpływa tylko na małą liczbę użytkowników, w obrębie małego fragmentu lub naprawa występującego błędu stoi w opozycji do nowej funkcji, którą możemy szybko zmonetyzować, czy jednak problem ten dotyczy większości naszych klientów.

Wiemy już dlaczego warto

Powyższe 4 ‘why‘ można by rozszerzyć o kolejne, np. w odniesieniu do testów A/B czy też walidacji dopasowania produktu do rynku, ale jest to zbyteczne, gdyż i one opierają się o powyżej opisane fundamenty.

Oczywiście to tylko wierzchołek góry lodowej – równie ważny jest wybór odpowiedniego narzędzia, które będzie nam pomagać niż utrudniać pracę z danymi, umiejętność poprawnego wdrożenia śledzenia zdarzeń (eventów) wraz z informacjami kontekstowymi, czy też sama wiedza, kiedy zasadniczo powinno się wdrażać analitykę produktową w swoim biznesie oraz jak wygląda temat zgodności z RODO.

Ale to zostawmy na inną okazję.