Forwarded from BigQuery Insights
Простые способы строить продуктовые воронки на сырых данных. Основные примеры SQL-запросов.
via @BigQuery
via @BigQuery
Forwarded from Product Science by Anton Martsen
Анализ сетей (network analysis) - метод, который использует теорию графов, чтобы смоделировать и понять наблюдаемые явления.
В своем последнем проекте при помощи этого метода я изучал как паттерны в общении людей влияют на освоение Wrike. Результатом я доволен, буду развивать.
С “теорией” у теории графов проблем нет. Эту науку давно изучают, есть много учебных материалов. А вот с примерами прикладного характера встречаешься не часто. Не всегда очевидно, как интерпретировать какую-нибудь “метрику центральности” графа на реальную жизнь.
Вот материалы, которые помогли с “практикой”:
1. All about Network Effects — презентация на SlideShare (он заболочен в РФ, но я верю, что вы сможете туда зайти), где c теорией и продуктовыми примерами рассказывают про полезность сетей. Тут расскажут, что такое “сетевой эффект” и чем это отличается от “виральности”. Обязательно к просмотру.
2. The Dynamics of Network Effects - эта статья “шлифует” теорию (закон Меткалфа) из предыдущей ссылки и указывает на ее ограничения.
3. Two Powerful Mental Models: Network Effects and Critical Mass - для тех, кто хочет глубже проникнуться основными понятиями.
4. 16 Ways to Measure Network Effects - хватит теории! Вот как замерять сетевые эффекты в реальных продуктах.
5. Better People Analytics: Measure Who They Know, Not Just Who They Are — поведенческие экономисты описали подход к анализу отношений внутри компании.
Ну и для тех, кто хочет углубиться в техническую составляющую, рекомендую курс Stanford CS224W: Analysis of Networks (Autumn 2018). Его ведет Chief Data Scientist из Pinterest. Видео и презентации в свободном доступе.
#ссылки_недели @product_science
В своем последнем проекте при помощи этого метода я изучал как паттерны в общении людей влияют на освоение Wrike. Результатом я доволен, буду развивать.
С “теорией” у теории графов проблем нет. Эту науку давно изучают, есть много учебных материалов. А вот с примерами прикладного характера встречаешься не часто. Не всегда очевидно, как интерпретировать какую-нибудь “метрику центральности” графа на реальную жизнь.
Вот материалы, которые помогли с “практикой”:
1. All about Network Effects — презентация на SlideShare (он заболочен в РФ, но я верю, что вы сможете туда зайти), где c теорией и продуктовыми примерами рассказывают про полезность сетей. Тут расскажут, что такое “сетевой эффект” и чем это отличается от “виральности”. Обязательно к просмотру.
2. The Dynamics of Network Effects - эта статья “шлифует” теорию (закон Меткалфа) из предыдущей ссылки и указывает на ее ограничения.
3. Two Powerful Mental Models: Network Effects and Critical Mass - для тех, кто хочет глубже проникнуться основными понятиями.
4. 16 Ways to Measure Network Effects - хватит теории! Вот как замерять сетевые эффекты в реальных продуктах.
5. Better People Analytics: Measure Who They Know, Not Just Who They Are — поведенческие экономисты описали подход к анализу отношений внутри компании.
Ну и для тех, кто хочет углубиться в техническую составляющую, рекомендую курс Stanford CS224W: Analysis of Networks (Autumn 2018). Его ведет Chief Data Scientist из Pinterest. Видео и презентации в свободном доступе.
#ссылки_недели @product_science
SlideShare
Network Effects
The document discusses network effects, which occur when a product or service becomes more valuable as more users join, creating barriers to entry and exit within markets. It outlines various properties of networks, such as node similarity, connection types…
7 воронок конверсии продукта: https://blog.appsee.com/7-essential-conversion-funnels-for-mobile-product-managers/?cpnid=7010N000000hdSV
Как правильно написать задачу: https://medium.com/@igor_8641/правила-хорошей-задачи-руководство-для-менеджеров-продукта-6467a7d6043d
Medium
Правила хорошей задачи. Руководство для менеджеров продукта
В хорошей задаче понятно что делать. В отличной задаче — понятно, в чем проблема и почему она важна.
Forwarded from WebAnalytics (Осиюк Дмитрий)
Google представил новый бесплатный курс по оптимизации конверсии на мобильных устройствах — http://bit.ly/2MU3lPm.
via @WebAnalyst
via @WebAnalyst
О новой профессии на стыке engineering & analytics:
https://www.locallyoptimistic.com/post/analytics-engineer
https://www.locallyoptimistic.com/post/analytics-engineer
Locally Optimistic
The Analytics Engineer - Locally Optimistic
The changing landscape of data and analytics has created the need for a new role on the data team - the “analytics engineer”. This role sits at the intersection of data science, analysis, and data engineering.
О росте от Байрам Аннаков (Empatika Open):
- Что такое "Рост"?
- Как личный рост влияет на команду?
- К чему ведет командный рост в перспективе всей компании?
- И как данный рост отражается в дальнейшем на росте общества?
https://www.youtube.com/watch?v=cA0ZTipOccg
- Что такое "Рост"?
- Как личный рост влияет на команду?
- К чему ведет командный рост в перспективе всей компании?
- И как данный рост отражается в дальнейшем на росте общества?
https://www.youtube.com/watch?v=cA0ZTipOccg
YouTube
Empatika Open, Байрам Аннаков
Другие мероприятия #tceh – https://tceh.com/u/vYop/
Коворкинг #tceh – https://tceh.com/u/iDi2/
#tceh в Telegram – https://tgmssg.ru/tceh_com/
#tceh в Instagram – https://www.instagram.com/tceh_inside/
#tceh в Facebook – https://facebook.com/tcehcom/
#tceh…
Коворкинг #tceh – https://tceh.com/u/iDi2/
#tceh в Telegram – https://tgmssg.ru/tceh_com/
#tceh в Instagram – https://www.instagram.com/tceh_inside/
#tceh в Facebook – https://facebook.com/tcehcom/
#tceh…
Anti-product roadmap или зачем исключать неиспользуемые фичи продукта:
https://www.sequoiacap.com/india/article/anti-product-roadmap
https://www.sequoiacap.com/india/article/anti-product-roadmap
Sequoia Capital
Sequoia - What's your anti-product roadmap?
Discussions with founders on product roadmaps
Forwarded from WebAnalytics (Осиюк Дмитрий)
Apple выпустила новую версию Intelligent Tracking Prevention 2.1, которая ограничивает срок жизни собственных cookie-файлов до 7 дней. В связи с этим в мире веб-аналитики назревает еще одна проблема: нужно искать другой способ хранения идентификаторов посетителей сайтов. Simo Ahava уже успел написать статью про то, как хранить Google Analytics ClientID в localStorage. Но имейте ввиду, если различные области сайта находятся в разных субдоменах или одни страницы работают через протокол http, а другие – через https, вы не сможете отслеживать пользователей между этими страницами с помощью объекта localStorage.
Поэтому, я бы хотел рассказать вам об одном интересном решении проблемы идентификации пользователей (точнее их браузеров). Решение называется Browser Fingerprint и суть его в том, что с помощью обычного JavaScript можно собрать много специфичных данных о браузере, операционной системе и даже о самом устройстве. Например: userAgent, языковые настройки, часовой пояс, разрешение экрана и много других. Эти данные объединяются в огромную строку, и после хеширования превращаются в компактные идентификаторы. Валентин Васильев уже успел сделать вторую версию open-source библиотеки, она доступна в его аккаунте на GitHub. На одной из конференций Валентин подробно рассказал какие есть способы идентификации посетителей сайта и как работает сама библиотека fingerprintjs2. Конечно же, это решение пока что не дает 100% точности, но в будущем может стать неплохим решением идентификации посетителей сайтов без cookie. Если вы разбираетесь в том, как сделать это решение лучше — не стесняйтесь делать свои коммиты.
via @WebAnalyst
Поэтому, я бы хотел рассказать вам об одном интересном решении проблемы идентификации пользователей (точнее их браузеров). Решение называется Browser Fingerprint и суть его в том, что с помощью обычного JavaScript можно собрать много специфичных данных о браузере, операционной системе и даже о самом устройстве. Например: userAgent, языковые настройки, часовой пояс, разрешение экрана и много других. Эти данные объединяются в огромную строку, и после хеширования превращаются в компактные идентификаторы. Валентин Васильев уже успел сделать вторую версию open-source библиотеки, она доступна в его аккаунте на GitHub. На одной из конференций Валентин подробно рассказал какие есть способы идентификации посетителей сайта и как работает сама библиотека fingerprintjs2. Конечно же, это решение пока что не дает 100% точности, но в будущем может стать неплохим решением идентификации посетителей сайтов без cookie. Если вы разбираетесь в том, как сделать это решение лучше — не стесняйтесь делать свои коммиты.
via @WebAnalyst
Podlodka #101: Базы данных
Чем OLTP отличается от OLAP, почему Hadoop мертв, а колоночные базы типа BigQuery покоряют рынок, что саги надежнее распределенных транзакций и что хранимые процедуры это боль.
https://apptractor.ru/info/media/podlodka-101-bazy-dannyh.html
Чем OLTP отличается от OLAP, почему Hadoop мертв, а колоночные базы типа BigQuery покоряют рынок, что саги надежнее распределенных транзакций и что хранимые процедуры это боль.
https://apptractor.ru/info/media/podlodka-101-bazy-dannyh.html
AppTractor
Podlodka #101: Базы данных
В этом выпуске мы проследили эволюцию баз данных как с технической, так и с прикладной стороны с помощью Николая Голова, руководителя Data Platform в Авито.
Forwarded from BigQuery Insights
Создание Telegram-бота для автоматизации аналитических задач с помощью Python и Google BigQuery (en).
via @BigQuery
via @BigQuery
Как держать отправку событий в систему аналитики под контролем:
https://amplitude.zendesk.com/hc/en-us/articles/211988918-How-to-Approach-Your-Event-Taxonomy
https://amplitude.zendesk.com/hc/en-us/articles/211988918-How-to-Approach-Your-Event-Taxonomy