Знакомство со мной 👋

👋 Всем привет! Меня зовут Аделя, мне 21 год. На этом канале я буду делиться своим опытом и накапливаемой экспертизой в сфере дата и продуктовой аналитики, рассказывать о работе в больших компаниях и других разных инсайтах!

Немного предыстории

🏙️ Пять лет назад я переехала в Москву, поступив в НИУ ВШЭ на программу «Мировая экономика». В 2023 году я успешно закончила обучение.

📈 Еще во время учебы я начала строить свою карьеру, что позволило мне получить ценный опыт и знания, а главное — понять, в каком направлении я хочу развиваться.

👩🏻‍💻 Мой карьерный путь начался с работы в EY [да-да, это еще был EY, а не Б1]. Однако вскоре я поняла, что аудит — это не мое, и перешла на стажировку в OZON Camp. И скажу сразу — я ни разу об этом не пожалела.

👗 В OZON я начала в бизнес-юните Fashion. Моя команда занималась коммерческой аналитикой категорий одежды, обуви и аксессуаров на маркетплейсе. Мы строили отчетность для всего бизнес-юнита, готовили данные для презентаций перед топ-менеджментом и для встреч с селлерами. Моя экспертиза, в частности, включала аналитику конкурентов и ценообразование. Я проработала там год: 6 месяцев стажером и 6 месяцев младшим аналитиком.

🔄 Затем я ротировалась внутри компании и перешла в группу аналитики начислений и тарификации, где гордо носила звание аналитика данных 😎. В этом отделе мы занимались моделированием комиссий, высчитывали финансовые показатели различных коммерческих проектов, моделировали их эффекты на экономику маркетплейса и тоже строили витрины данных и дашборды.

🗓 И вот буквально на днях сегодня я вышла на позицию продуктового аналитика в Яндекс Маркет📱, в отдел карточки и social e-comа.

🔜 Ровно через неделю я расскажу о своем периоде адаптации в новой компании и поделюсь первыми впечатлениями!

Но для начала давайте соберем 80 подписчиков 👥, и я буду рада получить ваши 🥳реакции в качестве поздравлений с новой должностью и началом ведения канала!

#обоМне

Как данные улучшают продукты

📊 Всем привет! Сегодня мы рассмотрим конкретные примеры того, как данные помогают продуктам совершенствоваться.

🛠️ Некоторые примеры использования данных в продуктовой аналитике описаны в этой статье.

🍿Например, там рассказывается, как Netflix использовал данные для улучшения своего алгоритма персонализированных рекомендаций. Он анализирует историю и динамику просмотров, взаимодействия с контентом и поисковой строкой, чтобы обеспечить бесперебойный поток фильмов и шоу, которые с высокой вероятностью заинтересуют их пользователей. Это в свою очередь обеспечивает уровень удержания клиентов более 90%, причем компания заявляет, что около 80% активности зрителя связано именно с системой персонализированных рекомендаций.
Подробнее почитать можно в этой статье.

🚕 Приводя пример из нашего рынка, тут расписано как устроено динамическое ценообразование в Я.Такси. Вообще цель такого инструмента заключается в том, чтобы обеспечить нужное количество свободных машин в любой момент времени, даже если на районе высокий спрос, а за окном ливень. Для этого считается специальный коэффициент, который в общих чертах является результатом деления спроса на предложение, то есть количества клиентов, желающих заказать такси, на количество доступных машин в моменте.

🚀 Как мы видим, использование данных в продуктовой аналитике позволяет компаниям создавать продукты, которые лучше отвечают потребностям пользователей. Это не только улучшает пользовательский опыт, но и способствует росту бизнеса.

📢 Подписывайтесь на канал, чтобы не пропустить новые посты, делитесь своими мыслями в комментариях 💬 и оставляйте реакции 📺 и 🚕, посмотрим, какой кейс вас больше впечатлил!

#аналитика

Аналитический киномарафон: Что посмотреть на выходных?

👋 Всем привет! Я решила по выходным публиковать по одному чилл посту, надеюсь, это станет традицией! Сегодня предлагаю вам фильмы, которые не только развлекут, но и помогут лучше понять мир данных и аналитики 🤓

1. 🎥 "Человек, который изменил всё" (Moneyball, 2011)
Тут Брэд Питт предстает генеральным менеджером бейсбольной команды. По идее это сюжет из разряда «из аутсайдеров в чемпионов» почти, но позвольте мне отметить аналитический подход к проблеме)
🍿 Почему стоит посмотреть:
Это Бред Питт, камон!
Ну и конечно же, это отличный пример того, как данные могут изменить подход к бизнесу и принятию решений.

2. 🎬 "Игра в имитацию" (The Imitation Game, 2014)
Это фильм про Алана Тьюринга и его работе по взлому нацистского шифра «Энигма» во время Второй Мировой войны.
🖥 Почему стоит посмотреть:
Ради Бенедикта Камбербэтча и Киры Найтли.
А ещё Тьюринг считается одним из отцов ИИ и АйТи в целом)

3. 🎞 "Игра на понижение" (The Big Short, 2015)
На случай, если вам интересно узнать побольше о финансовом кризисе 2008 года. Тут про финансистов, которые предсказали крах рынка недвижимости и смогли извлечь из этого выгоду
🍿Почему стоит посмотреть:
Ради того, как Райан Гослинг представил свою команду, особенно аналитика. Ну и узнаете зачем вообще приняли Базель III.

🌴 На этом все, проведите выходные с пользой и удовольствием!

📢 Подписывайтесь на канал, чтобы не пропустить новые посты, делитесь своими любимыми фильмами в комментариях 💬 и ставьте
реакции 💗, если подборка вам понравилась!

#интересное

Как создать идеальное резюме

👋 Всем привет! Недавно мне написали с просьбой поделиться лайфхаками по созданию резюме, которое бы привлекло внимание рекрутеров. Делюсь тем, что выведала у HR и чем пользуюсь сама:

1. Структура и оформление
📝 Четкость и краткость: Ваше резюме должно быть легко читаемым. Используйте четкие заголовки, разделяйте текст на абзацы. Золотое правило - объем резюме не более одного листа А4 и лучше сохранять в pdf, чтобы ничего потом не съезжало.
🖋 Шрифт и форматирование: Выбирайте простой шрифт и используйте одинаковый стиль для всех заголовков и текста. Придерживайтесь минимализма. Резюме должно быть визуально «чистым».

2. Контактная информация 📞
Убедитесь, что ваши контактные данные (телефон, email) актуальны. Советую добавить ник в телеграм.

3. Адаптация под вакансию 📃
Подстраивайте краткое описание в начале резюме под каждую конкретную вакансию, подчеркивая наиболее релевантные для нее навыки и опыт.

4. Опыт работы 👩‍💼
Опишите свои ключевые обязанности [это можно взять прям с описании вакансии, на которую вы когда-то подавались, или найти схожую вакансию и взять оттуда] и достижения на каждой позиции.
Используйте цифры и примеры, чтобы продемонстрировать результаты вашей работы (например, "увеличил(-а) конверсию на 2%").

5. Релевантность 🛠
Включите ТОЛЬКО те навыки и опыт, которые имеют отношение к позиции, на которую вы подаетесь. Важен не любой опыт, а только релевантный, иначе вы рискуете выглядеть каким-то разнорабочим, а не универсальным солдатом)
Но при этом и не забывайте добавлять те навыки, что указаны в вакансии (если они у вас имеются), так как частенько поиск происходит именно по ним.

6. Дополнительные разделы
📚 Образование: Не забудьте указать не только данные о своем уровне образования, но и о релевантных курсах повышения квалификации
🌐 Проекты и достижения: Если у вас есть значимые проекты или достижения (в том числе кейс-чемпионаты, хакатоны, интересная курсовая/дипломная) добавьте их в отдельный раздел.
🗣 Языки: Если вы владеете несколькими языками, обязательно укажите их и уровень их владения.
👀 Проверка ошибок: Банально, но внимательно проверьте резюме на наличие грамматических и орфографических ошибок.

🤫 Напоследок хочу поделиться тем, что какое-то время назад слышала интересную теорию о том, что в некоторых компаниях HR не отсматривают каждое резюме вручную, а пользуются ИИ. В связи с этим, если замаскировать в первой строчке резюме просьбу не читая одобрить его, то это может сработать😁

🤔 Сразу скажу, что сама не пробовала, но если вдруг кто-то решится попробовать или уже имел такой опыт, было бы очень интересно послушать об этом в комментариях!

📢 Подписывайтесь на канал, делитесь своими советами по созданию идеального резюме в комментариях💬 и оставляйте реакции 🤓 - пойдете проверять лайфхак и 👍 - пост вам понравился

#собесы

Первая неделя на новой работе: мой опыт и советы
Часть 1

👋 Всем привет! Со дня моего первого поста прошла ровно неделя, а это значит, что сегодня я буду делиться своими впечатлениями и советами по адаптации на новой работе 📱.

📝 Узнайте как можно больше о компании и команде.
В первые дни я вообще ничего не понимала. Я даже завела себе в заметках словарь, чтобы не путаться в новых терминах, всем рекомендую)
📚 Ещё я старалась максимально погрузиться в информацию о проектах, над которыми работает мой отдел: поставила себе встречи с продактами из разных команд и узнавала у них информацию про текущие эксперименты.

👥 Постарайтесь познакомиться с как можно большим количеством коллег. В первые дни я участвовала во множестве встреч, где знакомилась с коллегами и их ролями.
🍴 А ещё я не пропускала ни один поход на обед или за вкусняшками.
🤓 Это помогло мне понять, к кому можно обратиться по разным [не только рабочим] вопросам и быстрее влиться в коллектив.
🙈Да и вообще без фита в команду после испытательного с тобой и попрощаться могут

🚀 Ставьте перед собой реалистичные задачи.
Важно не впасть в панику и не перегружать себя в первую неделю. Учитесь на моих ошибках😁.
🫨 Я поймала дикую паничку из-за синдрома самозванца. Мне казалось, что я должна начать показывать свою ценность с первых дней, а я не понимала и половины из того, что обсуждалось на моих первых встречах.
✅А нужно было просто сосредоточиться на нескольких ключевых задачах, чтобы почувствовать уверенность и постепенно наращивать темп.

❓ Не бойтесь задавать вопросы.
В первый же день я решила для себя, что лучше уточнять непонятные моменты сразу.
📢 Тут мой девиз звучит так: «минута позора лучше, чем полный провал».
К счастью, коллеги всегда готовы помочь и объяснить, если что-то непонятно.

📝 Пост получался слишком большим, поэтому я решила разделить его на две части, завтра поделюсь второй!

📢 А пока подписывайтесь на канал, чтобы не пропустить новые посты, делитесь своими историями и советами в комментариях💬 и оставляйте реакции 🐳 - если вам знаком синдром самозванца и 💗 - если пост вам понравился

#карьера

Первая неделя на новой работе: мой опыт и советы
Часть 2

👋 Всем привет! Сегодня я продолжаю делиться своими впечатлениями и советами по адаптации на новой работе 📱.

📊 Проводите анализ своей работы и прогресса.
В конце первой недели мы с моим руководителем подвели итоги на 1-1*: что удалось, с чем возникли трудности, и на что стоит обратить внимание в дальнейшем.
✅Главное - быть на этом этапе максимально честным, как с собой, так и с руководством.
📈 Это помогает оценить свои успехи и скорректировать план действий на следующие недели.

1-1* (one-to-one) - это встреча с руководителем/тимлидом один на один, где вы можете обсудить все моменты, которые вас волнуют.

🌿 Баланс между работой и отдыхом.
Погружение в новый коллектив и задачи требует много энергии, поэтому важно находить время для отдыха и восстановления сил.
🪫Дело в том, что на усвоение нового материала уходит гораздо больше ресурса, чем на выполнение каких-то задач, когда ты уже освоился. Логично, что и уставала я быстрее обычного, поэтому старалась дробить задачи и разбавлять погружение в новые инструменты аналитики назначенными курсами для новых сотрудников/обедами/походами за смузи🥤

⚡️В общем, первая неделя на новой работе — это период адаптации, новых знакомств и вызовов.
✅Главное — быть открытым к новому опыту, активно коммуницировать и постепенно входить в рабочий ритм. Если опустить момент моего разыгравшегося синдрома самозванца, когда я не постигла дзена за 2 дня в компании, то в Маркете 📱 мне все очень даже нравится!

📢Подписывайтесь на канал, чтобы не пропустить новые посты, делитесь своими историями и советами в комментариях💬 и оставляйте реакции 🤩 - если пост вам был полезен

#карьера

📊 Data-Driven vs. Data-Informed: В чем разница?

ваши метрики — это отражение вашей текущей продуктовой стратегии. Поэтому данные, которые которые у вас есть, ограничены тем, что вы реализовали, и основываются на поведении ваших нынешних пользователей на вашем имеющемся продукте.

👋 Всем привет! Недавно читала статью про различия между двумя подходами к данным: data-driven и data-informed. В последнее время про data-driven говорят везде, но так ли он хорош? Давайте разбираться!

🔍 Data-Driven:
Суть подхода заключается в том, что решения принимаются исключительно на основе данных. Этот подход минимизирует человеческий фактор, полагаясь на аналитические модели и статистику.
➕ Плюсы:
◦ Уменьшение субъективности.
◦ Возможность масштабирования решений.
◦ Четкость и объективность при принятии решений.
➖ Минусы:
◦ Игнорирование контекста и интуиции.
◦ Зависимость от качества и полноты данных.
◦ Риск принятия решений на основе ошибочных данных или неправильных интерпретаций.
❓Когда используется:
◦ В ситуациях, где есть большой объем качественных данных.
◦ Для автоматизированных решений и алгоритмов.
◦ В условиях, требующих высокой точности и объективности.

💡 Data-Informed:
Тут данные используются для обоснования решений, но не являются единственным фактором. Учитываются также экспертные знания, контекст и интуиция.
➕ Плюсы:
◦ Гибкость и адаптивность.
◦ Учет контекста и экспертного мнения.
◦ Возможность использования данных, даже если их недостаточно для окончательных выводов.
➖ Минусы:
◦ Возможность субъективности и ошибок.
◦ Меньшая точность по сравнению с чисто data-driven подходом.
◦ Требует больше времени и ресурсов на анализ и принятие решений.
❓ Когда используется:
◦ В условиях неопределенности или недостатка данных.
◦ Для стратегических решений, где важно учитывать контекст и долгосрочные последствия.
◦ Для расширения ЦА продукта или выпуска нового.

💡 Вообще Эндрю Чен, про статью которого я упоминала в начале поста, считает, что data-driven подход наиболее эффективен для задач оптимизации, то есть для поиска локального максимума, а вот для достижения наилучшего результата надо использовать data-informed.

❓А что вы думаете по этому поводу?

📢 Подписывайтесь на канал, чтобы не пропустить новые посты, делитесь своими кейсами в комментариях💬 и оставляйте реакции ⚡️- если вы за data-informed, 👨‍💻 - если вы за data-driven

#аналитика

Почему комары кусают одних людей чаще других? 🦟

👋 Всем привет! Сегодня пост про злободневную летнюю реальность. Давайте обратимся к научным исследованиям и узнаем, почему же комары кусают одних людей чаще других.

Вот вам несколько инсайтов:
🧴Запах кожи
Исследование, проведенное учеными из Рокфеллеровского университета, показало, что разница в привлекательности для комаров может быть связана с уникальным запахом кожи, вызванным микробиотой. Так что если комары от вас отлипнуть не могут, это потому что ваш запах вскружил им голову! Примите это как комплимент🤌

🩸 Тип крови
В этом исследовании утверждается, что примерно 20% людей являются магнитами для комаров. Так что если вы один из них, можете считать себя избранным 📌
Также было обнаружено, что комары чаще кусают людей с кровью типа O (I группа), чем с типом A (II группа). Люди с типом B (III группа) находятся где-то посередине по привлекательности.

🌬️ Выделение углекислого газа
Комары находят своих жертв по количеству углекислого газа, который мы выдыхаем. Чем больше углекислого газа выделяет человек, тем больше он привлекает комаров.

🏃 Метаболизм и физическая активность
Комары также привлекаются веществами, выделяемыми через пот, такими как молочная кислота и аммиак. Поэтому излишняя потливость и физическая активность делает людей более заметными для комаров.

👚 Цвет одежды
Медицинский энтомолог Джеймс Дэй отмечает, что комары используют и зрение для поиска жертв, и они чаще кусают людей, одетых в темные цвета, такие как черный, темно-синий или красный. Задумайтесь, может, это повод сменить гардероб?

🍺 Пиво
Есть очень спорное исследование, утверждающее, что если ты выпил 350 мл пива, то автоматически становишься привлекательнее для комаров.
Можете выдохнуть, на самом деле, с такой выборкой результаты не стат значимы, но исследование опубликовали в Национальной библиотеке Медицинского института США, так что я его все же упомянула)

☀️ Надеюсь, этот пост поможет вам избежать укусов назойливых кровопийц (вряд ли) и хорошо отдохнуть на природе!

📢 Подписывайтесь на канал, делитесь своими лайфхаками в комментариях 💬 и оставляйте реакции 👀 - просто так

#интересное

IT-команда как персонажи «Игры престолов»

👋 Всем привет! Сегодня суббота, а это значит время чилл поста! Недавно начал выходить 2-ой сезон «Дома Дракона», поэтому сегодня я решила обратиться к корням. Давайте представим, что наша команда — это Вестерос, и посмотрим, кто есть кто.

🧝‍♂️ Продуктовый аналитик — Варис
Варис всегда знает, что происходит в его королевстве. ✉️ Его задача — собирать информацию, анализировать данные и предоставлять инсайты.
✍️ Продуктовый аналитик, как и Варис, работает в тени, чтобы направлять продуктовую стратегию и поддерживать баланс в команде. Он узнает, что нужно пользователям и каким образом улучшить продукт.

👑 Продуктовый менеджер — Тирион Ланнистер
Продуктовый менеджер — это человек, который знает, как управлять, планировать и вести команду к успеху.
📝Как Тирион, продуктовый менеджер разрабатывает стратегию, следит за выполнением задач и решает конфликты. Он всегда в центре событий и делает все возможное, чтобы продукт достиг поставленных целей.

⚔️ Разработчики — Джон Сноу и его братья Ночного Дозора
Разработчики стоят на страже кода и функциональности продукта.
⚙️ Как Джон Сноу, разработчики работают не покладая рук, защищают продукт от багов и постоянно совершенствуют его.
🙈А ещё если не класть на их мнение, то можно избежать вторжения Белых Ходоков - багов колоссальных масштабов.

🎨 Дизайнеры — Дейенерис Таргариен
Как Дейенерис, дизайнеры приносят красоту и элегантность в продукт, заботясь о каждом пикселе 😁
🔥 Их творческое видение помогает сделать продукт привлекательным и удобным для пользователей.
🐉Они оживляют идеи, создавая интерфейсы, которые покоряют сердца пользователей!

🛡️ Тестировщики — Бриенна Тарт
Тестировщики — это Бриенна Тарт, неустанный страж качества.
⚒️ Как Бриенна, тестировщики следят за тем, чтобы продукт был безупречен, проверяя каждую функцию и исправляя ошибки. Они не допускают багов и несоответствий, обеспечивая высокое качество продукта.

🗓 С понедельника начнутся полезные посты [кстати их тему можно предложить в комментариях], а пока наслаждайтесь выходными!🌴

📢Подписывайтесь на канал, пишите согласны ли вы с таким сравнением 💬 и ставьте реакции
💗 - если вам больше нравится «Игра Престолов»
🔥- если «Дом Дракона»

#интересное

Типичные задачи продуктового аналитика
Часть 1
👋 Всем привет! Сегодня поговорим о типичных задачах, с которыми сталкиваются продуктовые аналитики. Эти задачи помогают улучшать продукты, делая их более удобными и эффективными для пользователей. Начнем разбор с методов тестирования!

Прямые и обратные тесты
🔄 Прямые тесты — это эксперименты, направленные на проверку гипотез о том, что определенное изменение в продукте приведет к конкретному результату.
📌 Например, изменение цвета кнопки с синего на красный может увеличить кликабельность.

🔁 Обратные тесты проверяют, что изменения не ухудшают метрики продукта.
✅Если новое решение не приводит к ухудшению показателей, его можно считать успешным.

Виды тестов
🔬 А/Б-тесты — это метод сравнения двух версий продукта (или его элемента) для определения, какая из них работает лучше. Пользователи случайным образом делятся на две группы, каждая из которых видит одну из версий. Это помогает выявить наиболее эффективные изменения.
⭐️Пример: Сравнение двух версий главной страницы сайта, чтобы определить, какая из них увеличивает конверсию (процент пользователей, совершивших целевое действие)

🧪 А/А-тесты используются для проверки корректности и надежности A/Б-тестирования. В этом случае две группы пользователей видят идентичные версии продукта.
🎯 Цель — убедиться, что любые различия в метриках обусловлены случайностью, а не ошибками в настройке теста.

🔧 Многофакторные тесты позволяют тестировать несколько вариантов различных элементов на странице одновременно. Это помогает понять, какие комбинации элементов работают лучше всего.
📱 Пример: Тестирование различных комбинаций заголовков, изображений и кнопок на странице продукта.

🗓 На сегодня все, завтра опубликую вторую часть!

📢Подписывайтесь на канал, делитесь своим опытом тестирования гипотез 💬 и ставьте реакции
💗 - если пост вам был полезен

#карьера

Типичные задачи продуктового аналитика
Часть 2
👋 Всем привет! Сегодня продолжаю говорить о типичных задачах, с которыми сталкиваются продуктовые аналитики!

📊 Когортный анализ — это метод анализа, который группирует пользователей по определенным характеристикам и отслеживает их поведение с течением времени. Это помогает понять, как различные группы пользователей взаимодействуют с продуктом.
✔️ Пример: Анализ поведения пользователей, зарегистрировавшихся в разные месяцы, чтобы выявить изменения в их удержании.

🔍 Составление воронки включает анализ последовательности шагов, которые проходят пользователи до достижения целевого действия (например, покупки). Это помогает выявить узкие места и улучшить конверсию.
✔️ Пример: Анализ воронки продаж, чтобы понять, на каком этапе пользователи чаще всего отказываются от покупки (или любого другого целевого действия)

📝 Продуктовые исследования
💬 Анализ пользователей: Изучение поведения пользователей, их предпочтений и болевых точек.
🔍 Анализ рынка: Исследование рыночных трендов и конкурентной среды.

🧑‍💻 Кодинг
В основном, это различные ad-hoc* запросы. Однако иногда удается поработать над созданием моделек, например, для прогнозирования или прописывания логики функционала новых фичей.

Ad-hoc - это обычно одноразовый запрос, предназначенный для конкретной специфичной задачи

📈 Визуализация данных
Создание дашбордов и отчетов для представления данных в понятной форме.

📌Поддержка принятия решений
Обязательно по всей проделанной работе писать понятные и логичные выводы, чтобы на их основе могли принимать различные стратегические решения.

💬 Как-то так! Пишите в комментариях, если я что-то забыла!

📢Подписывайтесь на канал, чтобы не пропустить новые посты, оставляйте реакции
💗 - если пост вам понравился!

#карьера

Импортозамещение LinkedIn или просто Сетка?

👋 Всем привет! Недавно hh.ru запустил свою социальную сеть для профессионалов — Сетку. Я решила немного ее протестить и сегодня расскажу вам о своем опыте.

📞Регистрация и интерфейс: Если у вас уже есть аккаунт на hh.ru, регистрация в Сетке проходит быстро и [почти] без проблем. Опыт работы переносится из резюме на hh, но лично мне пришлось немного его отредактировать, так как некоторые строчки почему-то задублировались.
Интерфейс достаточно user-friendly и интуитивно понятно куда надо тыкать и зачем.

➕ Плюсы
🔍 Автоматическое создание групп
Одно из главных преимуществ Сетки — это автоматическое объединение пользователей в группы по профессиональным интересам и опыту. Это значительно облегчает поиск единомышленников и специалистов в области.
🤓 А ещё в момент настройки профиля мне порекомендовали интересные сообщества и каналы по моей специальности!

💬 Функция вопросов и ответов
Изначально Q&A рубрика задумывалась как инструмент для решения рабочих вопросов: вы можете задать вопрос и получить ответы от коллег и экспертов.
В этой роли я ее пока не вижу, но вот обсудить всякие околорабочие вопросики - идеально.

➖ Минусы
⚠️ Низкая популярность:
Сетка только появилась на рынке и пока не так широко распространена, из-за этого взаимодействие между пользователями также пока не такое активное, как в более популярных соцсетях.
➕Зато платформа поддерживает авторов, а на новой площадке захватить аудиторию зачастую проще из-за маленькой конкуренции)

🛠️ Ограниченные возможности настройки:
Хотелось бы увидеть больше возможностей для персонализации контента: как минимум, просто форматирование текста, а как максимум - возможность использовать кастомные эмодзи пакеты 🧑‍💻

🚀 Мой вердикт
Изначально я ожидала, что приложение станет копией ушедшего LinkedIn, однако в Сетке нет вакансий, или необходимости описывать опыт работы - пока тут немного другая специфика.
💼 Платформа больше ориентирована на профессиональный нетворкинг, развитие личного бренда и обмен опытом.

💌 В общем, as long as мне эта затея нравится, я буду вести канал там тоже! Присоединяйтесь!

📢 Подписывайтесь на канал, чтобы не пропустить новые посты, делитесь своим опытом в ведении проф соц сетей в комментариях💬 и оставляйте реакции
🐳 - пересечемся в Сетке

#интересное

Основы статистики для анализа A/B тестов
👋 Всем привет! Недавно я анализировала свой первый АБ тест, поэтому следующие несколько постов посвящу различным статистическим темам!
📈 Сегодня я хочу рассказать вам об основах статистики, а именно о фундаментальных терминах:

🔍 Нулевая гипотеза (Null Hypothesis, H0) — это предположение о том, что между контрольной и экспериментальной группами нет никакой разницы.
👩‍💻 Например, если вы тестируете новую версию сайта, нулевая гипотеза будет утверждать, что конверсия на новом сайте не отличается от конверсии на старом.

🔄 Альтернативная гипотеза (Alternative Hypothesis, H1) — это предположение, что между контрольной и экспериментальной группами есть значимая разница.
👍 Если ваша новая версия сайта действительно лучше (или хуже), чем старая, то альтернативная гипотеза должна подтвердиться.

⚖️ Уровень значимости (Significance Level, α)
Чаще всего используется уровень значимости 0,05 (5%). Это значит, что в 95% случаев решение отклонить нулевую гипотезу окажется правильным, и только в оставшихся 5% такой вывод будет ложным.

📉 p-значение (p-value) — это вероятность получить результаты, которые равны наблюдаемым (или еще больше отклоняются), при условии, что нулевая гипотеза верна.
📌 Если p-значение меньше уровня значимости, то мы отклоняем нулевую гипотезу и принимаем альтернативную.

⚡ Мощность теста (Power)
Обычно мощность теста устанавливается на уровне 80%.
Это означает, что 80% положительных результатов будут классифицированы как положительные.
Высокая мощность теста означает, что у вас больше шансов обнаружить разницу, если она действительно существует.

📏 Доверительный интервал (Confidence Interval) — это диапазон значений, в котором с определенной вероятностью (обычно 95%) находится истинное значение измеряемой метрики.
✅ Например, если конверсия варьируется от 4% до 6%, то с 95% уверенностью истинная конверсия лежит в этом диапазоне.

Типы ошибок 👀
❌ Тип I (α-ошибка) — это ложноположительный результат, когда вы отклоняете нулевую гипотезу, хотя она верна.
❌ Тип II (β-ошибка) — это ложноотрицательный результат, когда вы не отклоняете нулевую гипотезу, хотя она неверна.

📊 Минимально обнаружимый эффект (MDE) — это минимальное изменение метрики, которое тест должен обнаружить, чтобы считаться значимым. MDE помогает оценить, насколько большим должно быть изменение, чтобы его можно было обнаружить с заданной вероятностью.

💡 В следующем посте мы подробнее поговорим об MDE

📣 Подписывайтесь на канал, чтобы не пропустить новые посты, делитесь своими мыслями в комментариях 💬 и оставляйте реакции
💗 - если пост вам был полезен

#харды #статистика

Минимально Обнаружимый Эффект (MDE) в A/B тестах
👋 Всем привет!
В продолжение темы про статистику сегодня рассказываю про MDE. Я постараюсь объяснить всё максимально просто и понятно!

Что такое MDE?
MDE (Minimum Detectable Effect) — это наименьшая разница между двумя вариантами, которую можно обнаружить с заданным уровнем уверенности.

❓ Представьте, что вы хотите узнать, какая из двух версий вашего веб-сайта приносит больше продаж.
✅ MDE помогает вам понять, насколько большая должна быть разница в продажах, чтобы вы могли уверенно сказать, что одна версия лучше другой.

Зачем нужно MDE?
🎯 MDE помогает определить, насколько чувствителен ваш тест к изменениям. Он позволяет:
⏺Оценить, насколько большим должно быть изменение, чтобы его можно было обнаружить с заданной вероятностью.
⏺Понять, какое количество данных (трафика) необходимо для получения надежных результатов.
⏺Оптимизировать ресурсы, избегая проведения тестов, которые изначально не смогут показать значимые результаты.

Как MDE меняется с течением времени?⌛️
Чем больше данных вы собираете, тем меньшую разницу сможете заметить.

🗓️ Например, если у вас есть данные за один день, вам понадобится большая разница в продажах, чтобы сделать выводы. Но если у вас данные за месяц, вы сможете заметить даже небольшие изменения. То же самое можно сказать относительно размера выборки.

🌐На начальных этапах, когда данных еще мало, MDE может быть довольно высоким, но по мере накопления данных он снижается

Корреляция с метриками
📈 MDE тесно связан с метриками, которые вы измеряете в тесте. Некоторые из ключевых корреляций включают:
• Частота событий: Чем реже происходит событие, тем выше будет MDE. Например, изменение в редкой метрике, такой как конверсия в покупку, потребует большего эффекта для обнаружения, чем изменение в частой метрике, такой как клик на кнопку.
• Вариативность метрики: Если метрика имеет большую дисперсию (мера разброса внутри выборки), то MDE будет выше. Тесты на метрики с высокой вариативностью требуют более значительных изменений для выявления эффекта.

Примеры для лучшего понимания
📍Конверсия на веб-сайте:
Вы тестируете две версии страницы — с красной и синей кнопкой. MDE помогает понять, насколько больше кликов должна собирать одна кнопка по сравнению с другой, чтобы вы могли уверенно выбрать лучший вариант.
📧 Электронные письма: Представьте, что вы отправляете два варианта письма — с разными заголовками. MDE подскажет, насколько различие в открытии писем должно быть большим, чтобы вы могли сказать, что один заголовок эффективнее другого.

На этом все! Надеюсь, теперь понятие MDE стало для вас немного более ясным! 🚀

📣 Подписывайтесь на канал, чтобы не пропустить новые посты, делитесь своими мыслями в комментариях 💬 и оставляйте реакции
💗 - если пост вам был полезен

#харды #статистика