Entdecken Sie Möglichkeiten zur Produktverbesserung durch Self-Service-Datenanalyse

Im Mittelpunkt des Produktmanagements stehen eine angeborene Neugier und der Drang, Fragen zu beantworten. Es reicht nicht aus, zu sehen, wie ein Produkt funktioniert, und sich zu fragen, warum. Ein guter Produktmanager folgt ihrer Neugier und schneidet die Daten auf so viele Arten wie möglich, um zu diagnostizieren, was passiert.

Einige PMs haben diese Neugier, aber nicht die Werkzeuge, um sie weiter zu führen. Stattdessen müssen sie sich wahrscheinlich auf jemanden wie einen Datenwissenschaftler oder ein dediziertes Analyseteam verlassen. Es dauert viel länger, auf diese Weise Hypothesen zu formulieren und Fragen zu beantworten, was den Produktentwicklungsprozess verlangsamt. Das richtige Tool zur unabhängigen Beantwortung von Fragen kann den entscheidenden Unterschied für die Conversion ausmachen.

Lange Vorlaufzeiten und Datensackgassen

Ich weiß das aus eigener Erfahrung als PM beim Gebrauchtwagenmarktplatz Shift. Der Gebrauchtwagenmarkt ist komplex. Es ist zyklisch, und während der Wind uns während der Pandemie weitgehend im Rücken hatte, sind wir zu anderen Zeiten mit erheblichem Gegenwind konfrontiert. Der Kauf eines Autos ist auch ein langwieriger Prozess. Für viele Menschen ist das Auto nach dem Eigenheim die zweitgrößte Anschaffung in ihrem Leben. Käufer möchten sicher sein, dass sie das richtige Auto für sich auswählen, was Zeit und Überlegung erfordert. Die durchschnittliche Reise zum Autokauf dauert drei Monate, und es gibt viele Schritte innerhalb dieser Reise, von der Recherche und Budgetierung bis hin zur Konzentration auf bestimmte Modelle und die Vorzüge einzelner Autos.

Das richtige Tool zur unabhängigen Beantwortung von Fragen zu Produktdaten zu haben, kann den entscheidenden Unterschied für die Conversion ausmachen.

Ich habe 2020 eine Position als Senior Product Manager bei Shift übernommen, wo ich für das Wachstum verantwortlich bin. „Wachstum“ kann vieles abdecken. Ich konzentriere mich auf SEO und arbeite eng mit unserer Marketingabteilung zusammen, um die Werbung zu optimieren, was angesichts unseres großen Inventars und Werbebudgets wichtig ist. Wir führen auch Werbeaktionen zu bestimmten Zeiten durch, z. B. am 4. Juli oder während der Schlussverkäufe, und ich helfe dabei, dass diese Werbeaktionen erfolgreich sind.

Als ich bei Shift ankam, nutzte das Team Segment als unsere Customer Data Platform (CDP). Wir führten auch Periscope Data aus, ein Business Intelligence (BI)-Tool, das auf SQL-Abfragen läuft. Ich konnte es zum Laufen bringen, weil ich ein bisschen SQL kann, aber es hat eine Menge Zeit gekostet, und viele der Leute in der Produktorganisation hatten nicht die gleichen Fähigkeiten. Stattdessen müssten sie ein Ticket einreichen, um ein Diagramm zu erstellen, und dann weitere Tickets einreichen, wenn sie nicht das bekommen, was sie benötigen. Es gab eine lange Vorlaufzeit, um diese Datenantworten zu erhalten, und selbst dann stießen wir auf viele Sackgassen, weil die Daten unvollständig waren.

Bessere und schnellere Entscheidungen im gesamten Unternehmen

Der fehlende Zugriff auf Echtzeitdaten zwang das Produktteam, langsamer vorzugehen, weshalb sich Shift kurz vor meiner Ankunft an Amplitude Analytics wandte. Bisher haben nur wenige Leute die Plattform genutzt, aber ich konnte den Wert erkennen. Self-Service-Daten würden PMs, Designer und alle anderen im Unternehmen in die Lage versetzen, ihre eigenen Fragen zu beantworten.

Um dies in einen Zusammenhang zu bringen: Als ich an Bord kam, gab es bei Shift nur vier PMs. Wir haben jetzt 16. Dieses Wachstum allein wäre unmöglich gewesen, wenn alle weiterhin Datenanfragen über das Analyseteam gesendet hätten. Wir mussten es einzelnen PMs ermöglichen, Diagramme zu erstellen, zu bearbeiten und zu teilen.

Indem Produktmanager und Designer in die Lage versetzt werden, ihre Fragen zu beantworten, können sie schnell wichtige Entscheidungen treffen.

Wir haben eine fortlaufende Initiative gestartet, um die Analytics-Nutzung bei Shift zu steigern. Alle zwei Wochen veranstalte ich auf Einladung eine Rundgang durch die einfach zu teilenden und leicht verständlichen Dashboards der Plattform. Ich spreche mit jedem über die Plattform, egal ob sie aus den Bereichen Produkt, Design, Benutzerforschung oder irgendwo dazwischen kommen. Ich habe eine Agenda für diese Sitzungen, aber oft finde ich die interessantesten Sitzungen, wenn Leute mit einer bestimmten Frage ankommen, wie zum Beispiel: „Wie viele Leute schaffen es durch die Schritte drei, vier und fünf unseres Kreditantrags?“ Wenn ich den Leuten zeige, wie sie die relevanten Analyseereignisse identifizieren können, um ihre Bedürfnisse zu erfüllen, sehen sie sofort den Wert der Plattform.

Im Laufe der Zeit habe ich gesehen, dass die Leute zunehmend Analytics verwenden und ihm vertrauen, und dass sich das Datenvertrauen im größeren Team verbessert hat. Indem PMs und Designer in die Lage versetzt werden, ihre Fragen zu beantworten, können sie wichtige Entscheidungen für ihre Bereiche viel schneller treffen und datengesteuerte Produkte und strategische Roadmaps erstellen. Wir können dies an den soliden Verbesserungen im Jahresvergleich in einer unserer Schlüsselmetriken, Visitor to Lead, erkennen: die Reise des Benutzers vom Besuch unserer Website bis zum aktiven Interesse an einem Auto. Seit der Popularisierung von Analytics bei Shift haben wir viele Verbesserungen an unserem Einkaufsprozess vorgenommen, einschließlich der Erstellung von Hunderten von Artikeln, um die Menschen beim Kauf zu informieren. All dies führte zu einer höheren Visitor-to-Lead-Metrik.

Wie wir Amplitude-Funktionen nutzen, um unser Produkt zu verbessern

Unsere PMs nutzen viele Funktionen innerhalb der Plattform, um unser Produkt zu verbessern, darunter:

Amplitudenexperiment : Ich betrachte dies als die zweite Ebene der Datensteuerung. Die erste Ebene ist einfach zu verstehen, was vor sich geht. Diese zweite Ebene, die wir mit Experiment freigeschaltet haben, sieht die Auswirkungen von Änderungen basierend auf A/B-Tests. Wir haben zuvor A/B-Tests mit unserer selbst entwickelten Lösung durchgeführt, aber unsere Datenwissenschaftler mussten immer noch Zeit damit verbringen, Code zu schreiben, um das Test-Dashboard in Periscope Data zu erstellen.

Das Verschieben von Tests zu Experiment bedeutet, dass wir Dashboards erstellen, ein Experiment starten und stoppen und unsere Fragen selbst beantworten können. Ein Beispiel ist ein Test, den wir mit einer potenziellen neuen Funktion namens Autovergleich durchgeführt haben. Mit dem Autovergleich können Benutzer mehrere Autos auswählen und ihre Eigenschaften, Preise und Details vergleichen, z. B. wie viele Unfälle jedes hatte. Es zeigt auch Fotos dieser Autos nebeneinander. Der Vergleich von Äpfeln mit Äpfeln hilft Benutzern, Kaufentscheidungen schneller und sicherer zu treffen. Diese Funktion wurde mit Hilfe von Experiment gestartet. Schließlich könnte der Produktmanager den Rollout und Split-Tests selbst steuern (ohne Engineering oder Data Science zu benötigen). Dadurch wurde die Zykluszeit vom Starten bis zum Lernen erheblich verbessert. Nach einigen Wochen stellten wir eine statistisch signifikante Verbesserung der wichtigsten Kennzahlen fest und aktualisierten Experiment sofort, um die Funktion für 100 % der Autokäufer einzuführen. Der Autovergleich war ein großer Erfolg bei A/B-Tests, und jetzt, da wir ihn eingeführt haben, hat er einen wichtigen Beitrag zu unserer Visitor-to-Lead-Metrik geleistet.

Segmentierung und Kohorten : Wir verwenden häufig Segmentierung, um Kohorten von Benutzern zu erstellen und Probleme unter der Oberfläche unserer Daten zu diagnostizieren. Zum Beispiel: Da immer mehr Menschen mit dem Einkaufen auf einem mobilen Gerät vertraut werden, sehen wir, dass viele Benutzer unsere Website zum ersten Mal auf einem mobilen Gerät besuchen und später zu einem Desktop wechseln, um Finanzformulare auszufüllen. Also werden wir eine Kohorte erstellen, um dieses Verhalten mit zwei Geräten zu verfolgen.

Eine andere Sache, die wir bei Inflations- und Lieferkettenproblemen gesehen haben, ist ein erhöhtes Interesse am Gebrauchtwagenmarkt. Als einer der führenden Gebrauchtwagen-Marktplätze hat dies zu einer enormen Zunahme von Bots geführt, die unsere Website durchsuchen und Daten zu unseren Fahrzeugen für die Marktforschung sammeln. Die Bots sorgten anfangs für große Besorgnis, weil sie auf bestimmten Seitentypen, wie unseren Fahrzeugdetailseiten, riesige Spitzen erzeugten. Aber jetzt haben wir eine Kohorte erstellt, die es uns ermöglicht, diese Bots aus unseren Benutzerdaten zu identifizieren und herauszufiltern. Wir verwenden Kohorten auch, um Benutzer nach Marketingkanälen zu segmentieren.

User Lookup: User Lookup ist ein fantastisches Diagnosetool. Wir haben vielleicht eine Frage wie: „Gibt es ein Ereignis dafür, wenn ein Benutzer als nächstes auf das Bilderkarussell klickt?“ In diesem Fall finde ich meine anonyme Benutzer-ID in Amplitude, klicke mich durch ein Karussell in meinem Browser und sehe dann, welche Ereignisse ausgelöst wurden.

Die Benutzersuche kann auch helfen zu verstehen, wie man einen Trichter erstellt. Wenn ich den Ablauf eines bestimmten Benutzerverhaltens verstehen möchte, tauche ich in den Event-Stream ein, um die wichtigen Ereignisse zu sehen, die zu der betreffenden Conversion führen. Die Verwendung dieses Tools zeigt uns, wie die Reise für einen einzelnen Kunden aussieht und welchen Weg er gegangen ist, um ein Auto bei uns zu kaufen.

Datengesteuert zu werden, versetzt jeden in die Lage, die Möglichkeiten innerhalb eines Produkts aufzudecken.

Trichter: Trichter sind für uns von entscheidender Bedeutung, da der Autokaufprozess langwierig ist und so viele Schritte umfasst. Wir ziehen Nutzer in verschiedenen Phasen des Autokaufprozesses an – einige Leute kommen ganz am Anfang ihrer Reise zu uns, wenn sie noch herausfinden, welcher Autotyp der richtige für sie ist. Sie befinden sich möglicherweise in Gesprächen mit ihrem Partner über den Kauf oder entscheiden, ob sie überhaupt ein Auto benötigen. Andere Kunden kommen auf unsere Website, nachdem sie bereits recherchiert haben und genau wissen, welches Jahr, welche Marke und welches Modell sie möchten.

Trichter helfen dem Produktteam, die komplexe Benutzerreise beim Autokauf in Phasen zu unterteilen, mit spezifischen Zielen, die darauf hinweisen, dass der Kunde dem Kauf näher kommt. Unser erster Trichter könnte also die Anmeldung auf unserer Website sein. Als Nächstes können Sie mehrere Autos favorisieren oder eine gespeicherte Suche hinzufügen. Durch Analytics haben wir kritische Ereignisse in der Käuferreise identifiziert. Wir haben beispielsweise festgestellt, dass Kunden, die auf einen CARFAX-Bericht klicken, mit größerer Wahrscheinlichkeit ein Auto kaufen.

Identifizieren Sie Möglichkeiten, die es wert sind, verfolgt zu werden

In einigen Organisationen entscheidet die bestbezahlte Person im Raum, wohin das Produkt als nächstes geht. Sie haben eine Ahnung, dass die Homepage blau sein sollte, also wird die Homepage blau. Niemand stellt konkrete Fragen, weil es schwierig ist, konkrete Antworten zu bekommen. Aber Sie sollten Entscheidungen nicht nur auf der Grundlage anekdotischer Beweise treffen.

Durch eine stärkere Datenorientierung kann jeder bei Shift die Möglichkeiten entdecken, die in unserem Produkt vorhanden sind. Wenn wir etwas Unerwartetes in Analytics sehen, können wir alle tiefer graben, um zu sehen, ob dieser Moment eine Gelegenheit in der Entstehung ist, und sogar testen, um die Auswirkungen herauszufinden, die es mit sich bringt, es zu verfolgen. Das führt zu einer besseren Entscheidungsfindung für alle. Es ist leicht, sich in großen Zahlen und Metriken zu verlieren, aber Analytics liefert großartige quantitative Daten, die wir mit qualitativen Daten paaren und mit dem User-Research-Team zusammenarbeiten können, um zu entscheiden, welche Möglichkeiten es wert sind, weiterverfolgt zu werden – und welche Fehlstarts sind oder sich nicht lohnen .

Amplitude hilft Shift-PMs dabei, unsere Bemühungen auf die Dinge zu konzentrieren, die wichtig sind, die geschäftliche Auswirkungen haben und Kunden dabei helfen, sich beim Kauf von Gebrauchtwagen wohler zu fühlen.