​​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

Любите инновационные продукты и прорывные бизнес-модели? Тогда рекомендуем подписаться на Disruptors🚀

Консультант по стратегии разбирает кейсы роста, стартапы с незаурядными фичами, технологические и отраслевые тренды и многое другое. С примерами, простым языком и с юмором

Подписывайтесь на @disruptors_only

Apple все больше и больше ограничивает работу first-party cookie. В браузерах Safari c ITP2.2 (на macOS 10.14.5+ и на iOS13+) все cookie поставленные через Javanoscript метод document.cookie ограничиваются во времени хранения на 24 часа, если при переходе на сайт соблюдаются два условия:
- HTTP Referrer содержит домен трекинговой системы (например: google.com, facebook.com и тд)
- В конечном URL есть URL-параметры (например: gclid, fbclid, utm_source).

То есть, если пользователь браузера Safari вернулся к вам на сайт спустя 24 часа с момента последнего рекламного визита — у вас в системе аналитики появляется новый пользователь и все конверсии будут атрибутироваться другому источнику трафика. Это касается как новых, так и старых пользователей.

Решение проблемы: установка cookie через Set-Cookie в HTTP response headers, то есть переход на Server-side трекинг, например через GTM.

via @WebAnalyst

​​Руководство по удержанию клиентов:

https://neemz.medium.com/a-guide-on-customer-retention-efforts-40a6efbd5db1

via @ProductAnalytics

​​Хорошая статья о том, как выжимать максимум пользы из результатов экспериментов.

via @ABtesting

​​Хороший пример моделирования спроса на продуктовые "бандлы" и выгоды от подобных предложений.

via @ProductAnalytics

​​Как посчитать выгоду от изменений пользовательского опыта?
Примеры расчета ROI в UX в зависимости от внедренных решений.

via @ProductAnalytics

​​Актуальное и полезное обсуждение о решениях ограничения трекинга.

За круглым столом: Павел Мрыкин (Calltouch), Дмитрий Осиюк (MacPaw, автор канала @WebAnalyst), Алексей Никушин (Матемаркетинг, автор канала @internetanalytics), Игорь Селицкий (SegmentStream) и Алексей Бирюков (Андата, Цифровой паспорт).

via @ProductAnalytics

​​В сети появился небольшой каталог полезных SQL-запросов и функций, его обещают дополнять новыми фрагментами кода.

@BigQuery

​​О выборе правильных метрик для разных категорий продуктов.

via @ProductAnalytics

​​Интересно о распределении временных интервалов между покупками с примерами кода на R.

via @ProductAnalytics

​​Наверняка еще не все знают, что для устройств с iOS14.5+ в рекламном трафике из Google Ads теперь на замену идентификатору кликов GCLID пришли два новых идентификатора: WBRAID и GBRAID. Они генерируются на уровне групп пользоваталей, чтобы трекинг конверсий работал в рамках App Tracking Transparency от Apple. WBRAID назначается трафику, который из приложений приходит на web-страницу, а GBRAID — наоборот, при переходах из web-страниц в приложение. Чтобы все правильно работало нужно:

1) Если у вас есть собственная система аналитики с какой-то логикой определения источников трафика — нужно учесть в ней, что источник google / cpc стоит определять не только, когда в URL есть gclid но и gbraid, wbraid get-параметры.

2) Ваш веб-сайт должен поддерживать новые get-параметры gbraid и wbraid (а не отдавать 404 ошибку, как это иногда бывает).

3) Для трекинга конверсий внутри приложения — в запросах должен передаваться последний известный gbraid параметр. Обычно, для этого достаточно просто обновить до посследней версии SDK Google Analytics for Firebase.

4) Для трекинга конверсий на web-сайтах — нужно использовать gtag.js или Google Tag Manager.

Подробнее почитать про это можно здесь и здесь.

via @WebAnalyst

​​Что такое Модели вовлеченности и как они помогают развивать продукт.

via @ProductAnalytics

​​Зачем и как составлять план продуктовой аналитики.

via @ProductAnalytics

​​​​Статья о том, как у Facebook повышали качество A/B-тестов.

via @ABtesting

​​Хорошая SQL-шпаргалка:

• Standard Functions,
• Basics,
• JOIN,
• Window Functions.

+ Cookbook.

@BigQuery

​​Пользовательские интервью и продуктовая аналитика: как и когда их использовать.

via @ProductAnalytics

​​В AppMetrica появилась атрибуция установок из Facebook Ads для Android

Решение позволит отслеживать установки без дополнительных трат на трекер. С 29 октября Facebook дал возможность атрибутировать рекламные установки по клику через Google Play Install Referrer. Обезличенные данные доступны на уровне пользователя, что позволяет анализировать эффективность рекламы с помощью сегментации по источнику установки в отчетах AppMetrica.

Это позволяет посчитать доход от in-app и e-com покупок, оценить LTV и собрать пользовательские когорты или проанализировать эффективность воронки в приложении по новым пользователям из Facebook. А также вы можете воспользоваться экспортом данных для собственной аналитики.

Для iOS также можно анализировать данные по установкам из Facebook Ads через SKAdNetwork. Для этого нужно указать AppMetrica получателем данных от SKAdNetwork для устройств с версией iOS 15 и выше.

via @ProductAnalytics

​​Пример отправки оповещений в Slack на основе результата SQL-запроса с подробным описанием.

@BigQuery