Vit Cheremisinov и Iskandar Mirmakhmadov составили подборку книг, блогов и статей, рекомендуемых для погружения в область экспериментов и математической статистики. Однозначно в закладки!

Библиотека D-Tale позволяет отображать датафрейм в удобной таблице с возможностью сортировки и фильтрации. Чем-то похоже на Qgrid, но более навороченный. Ведь D-Tale умеет не просто отображать данные в ноутбуке, но и создавать в один клик веб-сервис, в котором таблица датафрейма будет доступна для обзора по URL. Это удобно для работы с данными из различных IDE, которые не поддерживаю pretty-вывод датафреймов.

https://github.com/man-group/dtale

​​В сети появилось новое решение на Python для экспорта данных Search Console в BigQuery с простым и доступным описанием.

via @BigQuery

Все что вам нужно знать про web-аналитику

Собрал для вас все самое основное, что нужно для аналитики digital-маркетинга

1. Чек лист проверки настройки Google Analytics
2. Чек лист проверки настройки Яндекс.Метрики
3. Сквозная аналитика: что это, зачем и как сложно создать. По мнению аналитиков, маркетологов и продактов. Часть один, два, три.
4. A/B тесты: зачем они нужны и как их проводить
5. Google Data Studio: зачем он нужен и как с ним работать
6. Когорный анализ: зачем он нужен бизнесу
7. Google Tag Manager: основные функции, чем он полезен

Большие обучающие видео:
1. Яндекс.Метрика: как настроить и как эффективно анализировать
2. Атрибуция в Google Analytics и Google Ads
3. Google Analytics: как настроить и как эффективно анализировать

Обзор пяти простых, но эффективных, методов pandas: shift, mask, value_counts, nlargest, nsmallest

https://towardsdatascience.com/5-elegant-python-pandas-functions-a4bf395ebef4

Углубленный курс по Python.

https://youtu.be/QLTdOEn79Rc

Воронка метрик AARRR

Несмотря на то, что концепция воронки AARRR была сформулирована еще в 2007 году (автор – Дэйв МакКлюр, основатель 500 Srartups), она все еще остается актуальной для многих типов продуктов.

Суть воронки в том, чтобы разбить путь пользователя на пять отдельных этапов, отслеживать разные метрики и экспериментировать на каждом из них:

Аcquisition – привлечение
Аctivation – активация
Retention – удержание
Revenue – монетизация
Referral – виральность

Подробный материал с разбором этапов воронки и примеры экспериментов: https://tgraph.io/Primenenie-voronki-AARRR-02-13

Статья с интересными примерами использования pandas для тестирования алгоритмов сбора и обработки данных

https://habr.com/ru/post/486756/

​​Пример прогнозирования позитивных или негативных настроений отзывов пользователей с помощью BigQuery ML и новой функции ML.NGRAMS.

via @BigQuery

Статья с интересными примерами использования pandas для тестирования алгоритмов сбора и обработки данных

https://habr.com/ru/post/486756/

Руководитель аналитики С2С кластера в Авито — о том, кто такие аналитики, в чём разница между BI и Data Scientist, какая карьерная траектория у аналитиков и какие навыки нужны на каждом этапе от Junior до Senior +

https://www.youtube.com/watch?v=uh5nyhABxjg

via @ProductAnalytics

Открылась запись на курс «Аналитический маркетинг» 11 и 12 апреля.
https://brainwashing.pro/marketing

Я бы выстраивал маркетинг так, чтобы зарабатывать больше денег. То есть начал бы с продаж.

Например, предположим, что ваша воронка продаж выглядет так:
1) потенциальные заказчики находят вас в интернете и приходят на сайт
2) некоторые из них оставляют заявку
3) с потенциальным клиентом связывается пре-сейл, чтобы уточнить возможность и проверить, есть ли у клиента бюджет
4) если все ок, с клиентом встречается продавец/аккаунт чтобы утчонить техническое задание
5) на основе технического задания вы готовите и отправляете предложение
6) клиент тогруется, за несколько встреч продавец утрясает условия сделки
7) договор подписан, аванс получен

Если так, то, точки для улучшения:
- больше потенциальных заказчиков заходит на сайт
- большая конверсия из посетителей в заявки
- лучше качество заявок
- лучшая конверсия из заявок в договор

По идее, маркетинг отвечает за все, что происходит до момента поступления заявок. Дальше — работа продавцов.

Теперь разберемся, как сделать, чтобы потенциальных заказчиков было больше, они были лучше и с большей вероятностью к вам обращались. Общая логика такая:
- вот есть весь рынок (все потенциальные заказчики)
- этот рынок можно как-то поделить на сегменты
- вы уже обслуживаете какие-то сегменты
- а еще какие-то не обслуживаете

Как расти:
- лучше обслуживать уже существующие сегменты
- выходить в новые сегменты

Как лучше обслуживать существующие сегменты
Понять, что именно хотят клиенты оттуда и адаптировать предложение прям под них. Чтобы понять, надо идти и с разговаривать с теми, кто у вас купили (что хотели? почему выбрали вас? довольны?) и с теми, кто не купили (что хотели? кого выбрали? чего не хватило нам?). Проведите 20-30 интервью и станет гораздо понятнее, где нужно улучшать.

Как выходить в новые сегменты
Я пока ни слова не сказал о том, как именно мы поделили рынок на части. Что это за сегменты такие? Мне удобнее всего делить потенциальных покупателей по тому, какую работу они хотят получить от вас. Под работой я имею в виду не «сделайте нам интерфейс», а на шаг или два глубже.

Например, есть банки, которые хотят интерфейс мобильного приложения, чтобы клиентам было удобно, и они чаще подключали банковские сервисы. А еще есть те же банки, которые хотят улучшить интефейс внутреннего портала для сотрудников, чтобы те, ну не знаю, быстрее находили шаблоны документов. Это разные работы.

В ходе интервью тех клиентов, которые у вас не купили, вы можете заметить те работы, с которыми вы пока не справляетесь. Может быть вам нужно сделать специальный оффер для какой-то услуги? Может быть вы слишком дорогие? Или все ок, просто клиенты не поняли, что вы это умеете. Сделаете промо-страницу, дадите рекламу — и полетит.

Подборка цифр и исследований e-commerce

E-commerce Report 2019: аналитика по центральной и восточной Европе. Международное маркетинговое агентство Promodo провело исследование интернет-магазинов Центральной и Восточной Европы (проанализировано 292 магазина из 16-ти стран)
- европейский рынок e-commerce за год вырос на четверть в доходе
- скорость роста среднего чека онлайн-ритейлеров превысила уровень инфляции
- по количеству сеансов десктоп проигрывает мобильным устройствам больше чем в 2 раза.
- в 2020 впервые количество транзакций и дохода с мобильных устройств превысит показатели десктопа.

Онлайн-платежи: главные тенденции 2019 года
Assist проанализировал изменения в сфере онлайн-платежей в 2019 году. Количество платежей, совершенных с мобильных устройств, достигло 47% от общего числа, их рост значительно опережает рост десктопных платежей. Все больше увеличивается доля платежей с кредитных карт — в минувшем году их объем составил уже 60% в рублях. Москвичи и петербуржцы совершают основную часть платежей в интернете — 43% и 15% соответственно. Владельцы карт «Мир» в среднем совершают платеж на 2656 рублей, Visa — 3240 рублей, MasterCard — 3442 рубля. Средняя величина одного онлайн-платежа по pay-сервисам выросла на 14%, тогда как по банковским картам — на 2%.

Исследование Яндекс.Кассы: бесконтактные платежи влияют на средний чек. Бесконтактную оплату через Apple Pay и Google Pay на сайтах или в приложениях принимают 19% компаний, использующих Яндекс.Кассу. В Москве самый высокий средний чек при бесконтактных платежах был в 2019 году на сайтах и в приложениях из сферы туризма и отдыха (19 900 рублей).

Фарма готова к онлайну: аналитика рынка от Data Insight. Объём онлайн-заказов в сегменте "лекарственные средства" вырос в деньгах за год сразу на 83%. Сейчас он составляет 83 млрд рублей.
Источник

Банк Русский Стандарт изучил общие тенденции внесения наличных средств на карты сторонних банков в его сети АТМ. Исследование показало, что в 2019 году количество и объем (общая сумма) таких операций увеличились на 20,51% (по сравнению с 2018 годом).

Сбербанк в рамках проекта «СберДанные» проанализировал развитие безналичных платежей в России. Более половины товаров и услуг в нашей стране впервые были оплачены безналично (доля расчетов составила 50,4% от общих расходов)

@internetanalytics

Более чем на 763 млн мобильных устройств во всём мире заблокирована реклама, причём в основном с помощью мобильных браузеров с блокировкой по умолчанию.

Общее число приверженцев блокировки мобильной рекламы выросло на 64% с декабря 2016 года.


Источник
Полный отчет

@internetanalytics

Статья, в которой автор Fareed Mosavat (ex. Dir of Product в Slack) рассказывает о разнице между хорошими и плохими тестами:

https://www.reforge.com/blog/good-experiment-bad-experiment

via @ABtesting