​​Хороший справочник по A/B-тестированию и выбору критериев с примерами кода на Python.

via @ProductAnalytics

​​Вчера прошла онлайн-конференция по рекламным технологиям — AdTalks. Там было много интересных докладов, но сейчас я бы хотел обратить ваше внимание на классный доклад про то, как подготовить ваш рекламный аккаунт в Facebook к выходу новой версии iOS, в которой будет несколько изменений по трекингу, влияющих всю индустрию мобильной рекламы (об этом я уже писал здесь).

Смотреть здесь: https://youtu.be/LF82ehkXkIA?t=5496

Так же, можете посмотреть еще один доклад на тему трекинга мобильной рекламы в iOS14.5 от AppsFlyer: https://www.bigmarker.com/appsflyer/IOS-14

via @MarkeTech

​​Способ оценки функционала продукта путем его сегментации, поможет понять, что нужно улучшать, а от чего лучше отказаться.

via @ProductAnalytics

​​Facebook объявил о закрытии продукта Facebook Analytics. После 30 июня 2021 года он больше не будет доступен. Пока еще есть время сохранить исторические данные по вашим проектам, экспортировав данные в CSV. Данные по эффективности рекламы, а так же по событиям по прежнему будут доступны в других инструментах, таких как: Facebook Business Suite, Ads Manager, Events Manager.

Подробнее: https://bit.ly/2PJohhk

via @WebAnalyst

​​Что такое деревья KPI, зачем они и как их строить:

https://medium.com/@ilnem/growing-product-with-kpi-trees-34d91f49671b

Во второй части наиболее популярный шаблон дерева KPI и пример использования для приоритезации.

via @ProductAnalytics

​​5 навыков аналитика от Паши Левчука:

1/ business needs understanding
Часто аналитику говорят как дедать, а не что. И в результате решается другая задача. А значит нужно погружаться и задавать вопросы. В конечном итоге задача должна быть перефразированна и подтверждена клиентом.

2/ knowledge of infrastructure
Знание источников данных, потоков обработки, и конкретных таблиц является залогом того, можно ли сразу, на совещании, ответить на вопрос если у нас данные для поиска ответа.

3/ engineering skills
Даже с DWH, данные крайне редко находятся в нужном виде. А значит трансформация данных и написание эффективного кода определяют как быстро вы можете приблизиться к ответу, как легко сможете воспроизводить анализ и вносить правки для будущих нужд.

4/ summary/visualization skills
Хороший отчёт или исследование это всегда структура и стройность мысли, понятное введение и поддерживающие таблицы и графики. Если этого нет, то результ часто обречен быть непонятым и не рассмотренным серьезно.

5/ recommendations skills
Даже если отчёт удачно сложен, рекомендации это первое что попросит у вас заказчик. Если их нельзя синтезировать, то работа сделана лишь наполовину.

via @ProductAnalytics

​​Статья о том, как развивать аналитические навыки:

https://medium.com/geekculture/how-to-develop-your-analytical-skills-e9ae44d88803

via @ProductAnalytics

​​Вслед за Analytics, Facebook закрывает и текущую версию Attribution, но обещает уже в этом году представить обновленную версию, адаптированную под изменения отрасли трекинга рекламы.

Подробнее: https://bit.ly/3n1a77H

via @WebAnalyst

​​Отличный пример работы с дублированием данных о клиентах с использованием графов и BigQuery Scripting.

@BigQuery

​​Что такое продуктовое мышление.
И почему это так важно в контексте стартапа.

via @ProductAnalytics

Как говорят американцы: Кто SQL не знает, тот всю жизнь в экселе отчеты считает! 😎

Новый курс по SQL от Глеба Михайлова, который уже стал хитом на Udemy, поможет вывести твой SQL на новый уровень.

Это SQL именно для анализа данных, и весь SQL Глеб пишет в Jupyter ноутбуке. Это очень удобный подход, потому что весь код хранится в одном месте. А так же можно быстро досчитать что-то в пандас и построить график.

Этот курс рассчитан на тех, кто уже что-то знает об аналитике и представяет что такое питон. Если ты знаешь SQL, но не знаешь питон — этот курс тоже будет тебе очень полезен. Совсем новички тоже смогут пройти курс — разобраться с питоном и Jupyter можно на ходу.

Ссылка заряжена хорошей скидочкой. Усиль свой SQL! 🔥

​​Отслеживание повторных покупок с помощью Google Data Studio и BigQuery. Руководство по созданию автоматизированной визуализации повторных покупок с примерами SQL-запросов.

@BigQuery

​​Хорошая статья о ценности UX исследований в продукте:

https://uxdesign.cc/ux-research-isnt-a-bottleneck-it-s-a-decanter-2cb3f65ede38

via @ProductAnalytics

Как лучше организовать аналитическую работу внутри продуктовой компании и как взаимодействовать с аналитиками:

https://www.productandsystems.com/p/product-analytics-series-who-should

via @ProductAnalytics

​​Культура визуализации данных в Spotify:

https://medium.com/spotify-insights/visual-analytics-at-spotify-3d4221d8686

+ несколько полезных советов по созданию дашбордов.

via @ProductAnalytics

​​CSAT (customer satisfaction score) - метрика, которая показывает, насколько клиенты довольны продуктами и/или услугами вашей компании. Тогда как Net Promoter Score (NPS) измеряет лояльность клиентов к компании.
В Microsoft описали как работать с метрикой, в том числе с ее статистической обработкой.

via @ProductAnalytics

​​Принципы работы с данными от Uber:

https://eng.uber.com/ubers-journey-toward-better-data-culture-from-first-principles/

via @ProductAnalytics

​​Что замедляет работу пользователя при использовании продукта. Типы препятствий. И как продуктовая аналитика помогает их устранять.

via @ProductAnalytics

​​Пример игровой аналитики с использованием Data Studio и общедоступного набора данных игры Flood it в BigQuery.

@BigQuery

​​Жизненный цикл пользователя в приложении. Пример с описанием от команды Google Play.

via @ProductAnalytics

​​Хороший пример оптимизации отклика на рекламные активности через анализ результатов A/B-тестирования от Starbucks.
Описание решения с примерами кода на Python.

via @ProductAnalytics