Forwarded from DATApedia | Data science
Telegraph
Диаграмма Сэнкей (Sankey diagram) на Python
Я занимаюсь аналитикой данных в Aliradar. Мы не представлены на Хабре, но у меня поднакопился материал, которым хотелось бы поделиться. Написать эту статью меня сподвигло отсутствие годных гайдов по построению диаграммы Сэнкей с использованием python на русском…
Небольшая статья про быстрый и простой анализ Retention в ecommerce.
https://ecommerce-in-ukraine.blogspot.com/2018/12/cohorts-vs-activation-matrix.html.
https://ecommerce-in-ukraine.blogspot.com/2018/12/cohorts-vs-activation-matrix.html.
Blogspot
У меня плохие когорты - что мне делать?
ретеншн клиентов, LTV, a/b тесты, продуктовая аналитика
Forwarded from Krasinsky: growth, marketing & product, analytics
Все по-разному говорят, как считать метрики — кому верить?
Всем салют! Всегда рад читать комментарии к прошлому посту и вопросы чате канала 🔥
Особое спасибо тем, кто открыто пишет о своих сомнениях и признается, что делает ошибки в расчетах метрик — это круто, мы все так учимся друг у друга.
В этот раз несколько раз написали комментарий на тему разной веры в аналитику: все говорят разное, как считать метрики — кто-то топит за сессии и визиты, кто-то за аналитику по пользователям, кто-то верит одной системе, кто-то другой — кому верить и как отстоять свою позицию?
Еще раз продублирую мысль. Это не вопрос чьей-то веры — это вопрос верных математических расчетов, чтобы принять верные управленческие решения:
1.
Сессионная аналитика не стыкуется с юнит-экономикой, планом продаж, потому что здесь конверсия по сессиям математически неверна и при подстановке значений в 1ю, 2ю, 3ю покупку вы получаете цифры, не стыкующиеся в реальности. В разборах я показываю, что эти ошибки — это несколько миллионов рублей прибыли или убытков.
2.
User-based аналитика — это стандарт уже 10+ лет во всей мобильной аналитике. Расчет по сессиям — это атавизм бесплатных движков аналитики, который опытные ребята — Amplitude, Firebase (бывший fabric), Mixpanel, Kissmetrics — уже давно избегают и считают только user-based. Это стандарт комьюнити аналитиков, меня этому обучали еще 12 лет назад.
3.
Для прокаченных аналитиков то, что я рассказываю — это очевидные и давно известные вещи. Но как мы видим по рынку, по комментариям — таких прокаченных ребят лишь небольшая доля, потому что об этих ошибках мало рассказывали в публичном пространстве.
Поэтому мы до костей разбираем метрики, как они считаются, как их считают системы аналитики и где можно ошибиться в интерпретации этих метрик. Чтобы директорам по маркетингу, собственникам — тем, кто не погружался глубоко в вопросы аналитики — было понятно, как на самом деле системы аналитики считают метрики и что на самом деле можно использовать для управленческих решений.
——
В прошлом кейсе обещал, что соберем материал, как можно самим проверить ошибки в расчете конверсии расширенной электронной коммерции, и как построить воронку с честной конверсий по пользователям в Google Analytics Universal. Читайте статью с разбором:
🔗 Расширенная электронная коммерция Google Analytics скрывает ваши проблемы и точки роста. Рассказываем, как себя проверить
Сохраняйте в закладки — перепроверяйте себя, показывайте вашим аналитикам, подрядчикам и не совершайте этих ошибок 🙏
Помните, что конверсия — ваш шанс выигрывать на аукционах и привлекать больше целевых пользователей 🙌
Всем салют! Всегда рад читать комментарии к прошлому посту и вопросы чате канала 🔥
Особое спасибо тем, кто открыто пишет о своих сомнениях и признается, что делает ошибки в расчетах метрик — это круто, мы все так учимся друг у друга.
В этот раз несколько раз написали комментарий на тему разной веры в аналитику: все говорят разное, как считать метрики — кто-то топит за сессии и визиты, кто-то за аналитику по пользователям, кто-то верит одной системе, кто-то другой — кому верить и как отстоять свою позицию?
Еще раз продублирую мысль. Это не вопрос чьей-то веры — это вопрос верных математических расчетов, чтобы принять верные управленческие решения:
1.
Сессионная аналитика не стыкуется с юнит-экономикой, планом продаж, потому что здесь конверсия по сессиям математически неверна и при подстановке значений в 1ю, 2ю, 3ю покупку вы получаете цифры, не стыкующиеся в реальности. В разборах я показываю, что эти ошибки — это несколько миллионов рублей прибыли или убытков.
2.
User-based аналитика — это стандарт уже 10+ лет во всей мобильной аналитике. Расчет по сессиям — это атавизм бесплатных движков аналитики, который опытные ребята — Amplitude, Firebase (бывший fabric), Mixpanel, Kissmetrics — уже давно избегают и считают только user-based. Это стандарт комьюнити аналитиков, меня этому обучали еще 12 лет назад.
3.
Для прокаченных аналитиков то, что я рассказываю — это очевидные и давно известные вещи. Но как мы видим по рынку, по комментариям — таких прокаченных ребят лишь небольшая доля, потому что об этих ошибках мало рассказывали в публичном пространстве.
Поэтому мы до костей разбираем метрики, как они считаются, как их считают системы аналитики и где можно ошибиться в интерпретации этих метрик. Чтобы директорам по маркетингу, собственникам — тем, кто не погружался глубоко в вопросы аналитики — было понятно, как на самом деле системы аналитики считают метрики и что на самом деле можно использовать для управленческих решений.
——
В прошлом кейсе обещал, что соберем материал, как можно самим проверить ошибки в расчете конверсии расширенной электронной коммерции, и как построить воронку с честной конверсий по пользователям в Google Analytics Universal. Читайте статью с разбором:
🔗 Расширенная электронная коммерция Google Analytics скрывает ваши проблемы и точки роста. Рассказываем, как себя проверить
Сохраняйте в закладки — перепроверяйте себя, показывайте вашим аналитикам, подрядчикам и не совершайте этих ошибок 🙏
Помните, что конверсия — ваш шанс выигрывать на аукционах и привлекать больше целевых пользователей 🙌
Forwarded from Laptop Coach
В предверии нового сезона АПЛ нашел пресс-релиз лиги о контракте с Oracle - теперь и в Англии во время матча будут считаться статистики для увеличения интереса зрителей. Это схожее сотрудничество, что и у нас в Бундеслиге с AWS, причем похожи даже названия:
АПЛ - Match Insights Powered by Oracle Cloud
Бундеслига - Match Facts Powered by AWS
Начиная с первого тура будут доступны 3 статистики:
Average Formation - средние позиции команды с / без мяча.
Live Win Probability - вероятность команды выиграть в матче. Строится модель, симулирующая остаток матча, затем симуляция повторяется 100000 раз, и на основе получившихся исходов считается вероятность исхода матча. Модель учитывает текущий счет игры, дома или на выезде играет команда, а также количества пенальти, красных карточек, игроков на поле и оставшегося времени матча.
Momentum Tracker - вероятность команды, владеющей мячом, забить гол в следующие 10 секунд. Непонятно, строится ли модель на event или tracking-данных (Opta - официальный поставщик обоих типов данных для АПЛ, Чемпионшипа и Шотландской Лиги), но учитывает последние 5 событий на поле.
Учитывая недавнюю статью Тома Ворвилля об xT на The Athletic, вдвойне круто, что продвинутая статистика становится более популярной и понятной для обычного зрителя.
АПЛ - Match Insights Powered by Oracle Cloud
Бундеслига - Match Facts Powered by AWS
Начиная с первого тура будут доступны 3 статистики:
Average Formation - средние позиции команды с / без мяча.
Live Win Probability - вероятность команды выиграть в матче. Строится модель, симулирующая остаток матча, затем симуляция повторяется 100000 раз, и на основе получившихся исходов считается вероятность исхода матча. Модель учитывает текущий счет игры, дома или на выезде играет команда, а также количества пенальти, красных карточек, игроков на поле и оставшегося времени матча.
Momentum Tracker - вероятность команды, владеющей мячом, забить гол в следующие 10 секунд. Непонятно, строится ли модель на event или tracking-данных (Opta - официальный поставщик обоих типов данных для АПЛ, Чемпионшипа и Шотландской Лиги), но учитывает последние 5 событий на поле.
Учитывая недавнюю статью Тома Ворвилля об xT на The Athletic, вдвойне круто, что продвинутая статистика становится более популярной и понятной для обычного зрителя.
Только что на мой все еще живой аккаунт на FL.ru пришел заказ под заголовком Статист-аналитик. Что там делают статисты, неважно, я о другом.
Небольшая история. Несколько лет назад компания, в которой а работал, немного сотрудничала с данным сервисом. Цель была - увеличение прибыли. Подробности не расскажу, но в итоге они наше предложение не приняли и пути разошлись.
Есть подозрение, что тамошние руководители все еще считают, что лучший способ увеличить прибыль - это больше брать с фрилансеров. Сравнивать с другими биржами здесь не будем, ни к чему это. Ну так вот, на тот момент они просто постепенно поднимали стоимость аккаунта PRO, не очень быстро, не очень резко, но все же.
Сейчас взгляд упал на их комиссию за безопасную сделку.
На данный момент при стоимости заказа менее 35 000 комиссия 20% (отчего-то кажется, что не менее 80% сделок такие). Подробно можно почитать здесь: https://feedback.fl.ru/ru/knowledge-bases/2/articles/17196-skolko-stoit-bezopasnaya-sdelka-komissii-tarifyi-i-nalogi.
Показалось, что это больше, чем было раньше. Немного погуглил, нашел вот такую страничку: http://www.xn--80akhmlofgv.com/fl-ru-%D0%BA%D0%BE%D0%B5-%D1%87%D1%82%D0%BE-%D0%BE-%D0%B1%D0%B5%D0%B7%D0%BE%D0%BF%D0%B0%D1%81%D0%BD%D1%8B%D1%85-%D1%81%D0%B4%D0%B5%D0%BB%D0%BA%D0%B0%D1%85/.
Тут, при сумме заказа до 5000 комиссия была 14,9%, дальше на понижение. Если учесть инфляцию за 5 лет, можно получить, что комиссия выросла если не в 1,5 раза, то около того.
К сожалению, у меня нет полных данных о структуре и динамике прибыли и количестве сделок, фрилансеров данного сервиса. Было бы очень интересно взглянуть.
Небольшая история. Несколько лет назад компания, в которой а работал, немного сотрудничала с данным сервисом. Цель была - увеличение прибыли. Подробности не расскажу, но в итоге они наше предложение не приняли и пути разошлись.
Есть подозрение, что тамошние руководители все еще считают, что лучший способ увеличить прибыль - это больше брать с фрилансеров. Сравнивать с другими биржами здесь не будем, ни к чему это. Ну так вот, на тот момент они просто постепенно поднимали стоимость аккаунта PRO, не очень быстро, не очень резко, но все же.
Сейчас взгляд упал на их комиссию за безопасную сделку.
На данный момент при стоимости заказа менее 35 000 комиссия 20% (отчего-то кажется, что не менее 80% сделок такие). Подробно можно почитать здесь: https://feedback.fl.ru/ru/knowledge-bases/2/articles/17196-skolko-stoit-bezopasnaya-sdelka-komissii-tarifyi-i-nalogi.
Показалось, что это больше, чем было раньше. Немного погуглил, нашел вот такую страничку: http://www.xn--80akhmlofgv.com/fl-ru-%D0%BA%D0%BE%D0%B5-%D1%87%D1%82%D0%BE-%D0%BE-%D0%B1%D0%B5%D0%B7%D0%BE%D0%BF%D0%B0%D1%81%D0%BD%D1%8B%D1%85-%D1%81%D0%B4%D0%B5%D0%BB%D0%BA%D0%B0%D1%85/.
Тут, при сумме заказа до 5000 комиссия была 14,9%, дальше на понижение. Если учесть инфляцию за 5 лет, можно получить, что комиссия выросла если не в 1,5 раза, то около того.
К сожалению, у меня нет полных данных о структуре и динамике прибыли и количестве сделок, фрилансеров данного сервиса. Было бы очень интересно взглянуть.
Userecho
Сколько стоит Безопасная Сделка. Комиссии (тарифы) и налоги. / База знаний FL.ru / FL.ru
Пожалуйста,обратите внимание, гарантии сервиса предоставляются только если соблюдаетсяГлавное правило Безопасной Сделки.
Комиссия заказчика
С 28.07.2021 мы обновили систему тарифов в Безопасных Сделках.
Теперь для заказчиков и фрилансеров, регулярно работающих…
Комиссия заказчика
С 28.07.2021 мы обновили систему тарифов в Безопасных Сделках.
Теперь для заказчиков и фрилансеров, регулярно работающих…
Интересно сейчас разные специалисты рассуждают о будущем аналитики, аналитика.
В частности Алексей Свирин написал интересный пост в fb. В мимолетный миг досуга также надумал сформировать свое мнение.
Не вижу проблемы в том, что дата-аналитика как есть сейчас сдохнет. Ну и ладно, такова жизнь.
У себя в голове не могу толком разделить продуктового и дата-аналитиков. Так как продуктовый, конечно, должен уметь работать с данными, а аналитик данных должен обладать продуктовым мышлением, иначе толка от него не будет.
К вариантам, которые предложил Алексей (системный аналитик, продуктолог, программист, дата-инженер) уверенно добавлю обычного продуктового аналитика.
Предыдущий мой руководитель прекрасно понимал, как нужно работать с аналитиком: даешь аналитику проблему и он идет ее решать. И таких проблем может быть 100500. Ведь жизнь не ограничивается АБ тестами и дашбордами - любой живой развивающийся продукт требует постоянного решения многих вопросов, типа ответов на вопросы как нам сделать?, почему?, когда?, а что, если? и тд. И, слабо понимаю, как изучение прекрасных красивых дашбордов все это сможет сделать.
Аналитик сам решит, какие инструменты применить, в каком формате презентовать и обосновать результат. Наверное, поэтому, при знании только GA, экселя и совсем плохого SQL я никогда не был джуном. И благодарен ему за это.
Менеджеры продукта сами все это не сделают - у них другие обязанности. А аналитик, как его не называй, продуктовый, данных, еще как-то, просто быть самостоятельнее, и, наверное, шире владеть хард и софт-скилами, хорошо понимать, как работает компания. И, конечно, уметь проводить полный цикл решения проблемы, от "пойду в бд" по защиты отчета и рекомендаций.
И все это отлично.
В частности Алексей Свирин написал интересный пост в fb. В мимолетный миг досуга также надумал сформировать свое мнение.
Не вижу проблемы в том, что дата-аналитика как есть сейчас сдохнет. Ну и ладно, такова жизнь.
У себя в голове не могу толком разделить продуктового и дата-аналитиков. Так как продуктовый, конечно, должен уметь работать с данными, а аналитик данных должен обладать продуктовым мышлением, иначе толка от него не будет.
К вариантам, которые предложил Алексей (системный аналитик, продуктолог, программист, дата-инженер) уверенно добавлю обычного продуктового аналитика.
Предыдущий мой руководитель прекрасно понимал, как нужно работать с аналитиком: даешь аналитику проблему и он идет ее решать. И таких проблем может быть 100500. Ведь жизнь не ограничивается АБ тестами и дашбордами - любой живой развивающийся продукт требует постоянного решения многих вопросов, типа ответов на вопросы как нам сделать?, почему?, когда?, а что, если? и тд. И, слабо понимаю, как изучение прекрасных красивых дашбордов все это сможет сделать.
Аналитик сам решит, какие инструменты применить, в каком формате презентовать и обосновать результат. Наверное, поэтому, при знании только GA, экселя и совсем плохого SQL я никогда не был джуном. И благодарен ему за это.
Менеджеры продукта сами все это не сделают - у них другие обязанности. А аналитик, как его не называй, продуктовый, данных, еще как-то, просто быть самостоятельнее, и, наверное, шире владеть хард и софт-скилами, хорошо понимать, как работает компания. И, конечно, уметь проводить полный цикл решения проблемы, от "пойду в бд" по защиты отчета и рекомендаций.
И все это отлично.
Неожиданно узнал, как переименовать в GA каналы трафика. Есть же традиционная проблема у yandex.ru/organic и yandex.ru/referral. Как оказалось, очень просто привести это все к одному источнику.
https://wilhard.ru/blog/seo/yandex-ru-referral-and-yandex-organic-google-analytics-problem/
https://wilhard.ru/blog/seo/yandex-ru-referral-and-yandex-organic-google-analytics-problem/
WILHARD.RU
Что за источник yandex.ru/referral в Гугл Аналитикс? Как исправить?
Почему в Гугл Аналитикс показываются какие-то непонятные источники трафика yandex.ru/referral, yandex.ua/referral и т.д.? Как решить проблему?
Тоже посмотрел-послушал Анатолия Карпова: https://youtu.be/2Obawm2vzDo
Получилось сильно созвучно моему восприятию роли аналитика в компании. Не доставать и джоинить данные, а помогать бизнесу принимать правильные решения.
Недавно один знакомый попросил помочь найти ему аналитика. Согласился составить вакансию, поучаствововать в собеседовании, составить тестовое задание. Мы пока только начали.
Посмотрев на найм со стороны, открыл для себя много интересного. Об этом расскажу с ближайшее время. А также о проблемах, с которыми сталкивается мой знакомый и столкнется его будущий коллега.
Получилось сильно созвучно моему восприятию роли аналитика в компании. Не доставать и джоинить данные, а помогать бизнесу принимать правильные решения.
Недавно один знакомый попросил помочь найти ему аналитика. Согласился составить вакансию, поучаствововать в собеседовании, составить тестовое задание. Мы пока только начали.
Посмотрев на найм со стороны, открыл для себя много интересного. Об этом расскажу с ближайшее время. А также о проблемах, с которыми сталкивается мой знакомый и столкнется его будущий коллега.
YouTube
Как проходить собеседования аналитику данных? | Анатолий Карпов | Голосовой чат | karpov.courses
Курс «Аналитик данных»: http://bit.ly/3FGX5qy
После проведения технического интервью на позицию junior-аналитика мы организовали голосовой чат, чтобы обсудить итоги собеседования. И знаете что? Мы выяснили, что для успешного прохождения важна не вызубренная…
После проведения технического интервью на позицию junior-аналитика мы организовали голосовой чат, чтобы обсудить итоги собеседования. И знаете что? Мы выяснили, что для успешного прохождения важна не вызубренная…
Какая ирония - когда "идешь" на собеседование соискателем, думаешь, что, вот теорию вероятностей как-то начал забывать, а что там с питоном, а что такое мощность в статистике.
А когда "идешь" на собеседование нанимающим, думаешь, как понять, что у него с головой в порядке, что он понимает, как работают деньги, чтобы был ответственным, критичным, а пандас этот за 3 месяца отлично учится, и оконки в sql не главное, и сквозная аналитика только звучит эффектно...
Прежде всего понимание, как решить задачу-проблему. А в качестве инструмента и эксель ничего так. А, может, и нет проблемы, и решать ничего не надо.
А когда "идешь" на собеседование нанимающим, думаешь, как понять, что у него с головой в порядке, что он понимает, как работают деньги, чтобы был ответственным, критичным, а пандас этот за 3 месяца отлично учится, и оконки в sql не главное, и сквозная аналитика только звучит эффектно...
Прежде всего понимание, как решить задачу-проблему. А в качестве инструмента и эксель ничего так. А, может, и нет проблемы, и решать ничего не надо.
Forwarded from Lena Seregina 📈🧘♀️♥️
Помню, как я впервые услышала на Школе Менеджеров Яндекса фразу:
Продукт — это то, что решает проблему пользователей или клиентов. Всё остальное — галлюцинации.
Я потеряла сон. Будто заблудший человек, которому великий мудрец раскрыл, в чем смысл жизни. Да только человек (я) ничего не понял.
Эта фраза напоминала мне неравенство Гейзенберга и уравнение Бернулли. Прекрасная в своей контр интуитивности и простоте.
Эта фраза будила меня по ночам все мои годы в аналитике. Я понимала, что помимо случайной череды событий, обычного Казино, коим является жизнь, есть ещё простое разделение людей. Люди делятся на 2 типа. На тех, кто понимает что-то особенное про проблему пользователей и тех, «кто копает». Но что?
Я была тем, кто копает. И таких большинство. Я редко встречала тех, кто понимал что-то особенное про проблему клиентов. За их плечами росли экспоненты аудитории и дохода. А они плавно шли к окну, чтобы утонуть в созерцании калифорнийского заката.
Когда мне показалось, что что-то такое про проблему — это научиться её измерять, я изобрела метрики ценности PV и придумала формулу их связи с качеством — PQ. Мои соцсети читают родители. Поэтому я напишу далее без обсценной лексики:
— Подавляющему большинству продуктовых людей и топам глубоко наплевать на ценность и качество. И уж тем более измерение этих далёких для них вещей.
Вы думаете, я не показывала им, как математические ценность драйвит экономику продукта? Им было наплевать.
Я думаю, что человек с амбициями сделать крутой продукт и человек с амбициями заработать достаточно, чтобы не работать, очень легко читаются по их равнодушию или неравнодушию к ценности.
Люди с амбициями сделать крутое, творцы, создатели — это те, кем я восхищаюсь. И их интересует ценность прежде всего. И им часто наплевать на аналитику. Потому что в культуре данных нет развитого мускула -- считать ценность.
В какой-то момент, я увидела, что крутые продукты всегда монетизируют ценность, которую они дают клиентам. Они всегда именно за неё берут деньги или именно в момент получения основной ценности включают рекламу. Так себе продукты берут деньги за материю (вроде какого-нибудь ненужного китайского девайса, который либо сгорит через неделю, либо будет скучать среди сотен тысяч ему подобных в разделе Авито «Продаю своё»).Либо (что еще хуже) так себе продукты продают время работы своей команды. Это диджитал, детка. Диджитал и два конца.
Обратите внимание, что Фейсбук (PV=Time Per session), Тиндер (PV = matches per session), Spotify (PV=Time Per session), Фитнес-платформы с понедельной подпиской (PV=Weekly Retention), некоторые частные клиники на самом деле продают вам в чистом виде ценность. Даже Amazon продает ценность (PV = Orders Per session), а точнее её первообразную по пользователям.
Но таких продуктов очень мало.
Мало людей с амбициями не лежать, а творить. Поэтому я уже месяц открываю LMS и закрываю снова. Надо залить туда своей курс про метрики ценности. Но кому это надо? Думаю я. И ухожу в рутину, где всем надо закрывать KPI и медитировать на графики аудитории.
А как дела в вашей компании? Знают ли там ключевую метрику ценности продукта?
Продукт — это то, что решает проблему пользователей или клиентов. Всё остальное — галлюцинации.
Я потеряла сон. Будто заблудший человек, которому великий мудрец раскрыл, в чем смысл жизни. Да только человек (я) ничего не понял.
Эта фраза напоминала мне неравенство Гейзенберга и уравнение Бернулли. Прекрасная в своей контр интуитивности и простоте.
Эта фраза будила меня по ночам все мои годы в аналитике. Я понимала, что помимо случайной череды событий, обычного Казино, коим является жизнь, есть ещё простое разделение людей. Люди делятся на 2 типа. На тех, кто понимает что-то особенное про проблему пользователей и тех, «кто копает». Но что?
Я была тем, кто копает. И таких большинство. Я редко встречала тех, кто понимал что-то особенное про проблему клиентов. За их плечами росли экспоненты аудитории и дохода. А они плавно шли к окну, чтобы утонуть в созерцании калифорнийского заката.
Когда мне показалось, что что-то такое про проблему — это научиться её измерять, я изобрела метрики ценности PV и придумала формулу их связи с качеством — PQ. Мои соцсети читают родители. Поэтому я напишу далее без обсценной лексики:
— Подавляющему большинству продуктовых людей и топам глубоко наплевать на ценность и качество. И уж тем более измерение этих далёких для них вещей.
Вы думаете, я не показывала им, как математические ценность драйвит экономику продукта? Им было наплевать.
Я думаю, что человек с амбициями сделать крутой продукт и человек с амбициями заработать достаточно, чтобы не работать, очень легко читаются по их равнодушию или неравнодушию к ценности.
Люди с амбициями сделать крутое, творцы, создатели — это те, кем я восхищаюсь. И их интересует ценность прежде всего. И им часто наплевать на аналитику. Потому что в культуре данных нет развитого мускула -- считать ценность.
В какой-то момент, я увидела, что крутые продукты всегда монетизируют ценность, которую они дают клиентам. Они всегда именно за неё берут деньги или именно в момент получения основной ценности включают рекламу. Так себе продукты берут деньги за материю (вроде какого-нибудь ненужного китайского девайса, который либо сгорит через неделю, либо будет скучать среди сотен тысяч ему подобных в разделе Авито «Продаю своё»).Либо (что еще хуже) так себе продукты продают время работы своей команды. Это диджитал, детка. Диджитал и два конца.
Обратите внимание, что Фейсбук (PV=Time Per session), Тиндер (PV = matches per session), Spotify (PV=Time Per session), Фитнес-платформы с понедельной подпиской (PV=Weekly Retention), некоторые частные клиники на самом деле продают вам в чистом виде ценность. Даже Amazon продает ценность (PV = Orders Per session), а точнее её первообразную по пользователям.
Но таких продуктов очень мало.
Мало людей с амбициями не лежать, а творить. Поэтому я уже месяц открываю LMS и закрываю снова. Надо залить туда своей курс про метрики ценности. Но кому это надо? Думаю я. И ухожу в рутину, где всем надо закрывать KPI и медитировать на графики аудитории.
А как дела в вашей компании? Знают ли там ключевую метрику ценности продукта?
Навеяло некоторые воспоминания.
Когда-то работал в небольшом прайс-агрегаторе - отвечал за разработку и трафик закупаемый и продаваемый, ну и за многие другие вопросы - компания была небольшая. Название приводить не буду - это не является важным.
Долгое время я полагал что наш продукт - прайс-агрегатор, что он дает ценность посетителю (может выбрать товар по лучшей цене) и интернет-магазину (даем целевой трафик). И на всем вот этом мы будем зарабатывать.
Впоследствии выяснилось, что все не так. Фактически было два продукта с очень разными ценностями:
- сайт (прайс-агрегатор) - интерфейс для получения чека от интернет-магазина - менеджеры по продажам звонили в интернет-магазин и предлагали разместить на нем свой прайс-лист. Часть из них соглашались.
- инструмент открутки трафика - нужно было потратить бюджет клиента трафиком фактически любого качества, главное было списать бюджет и попросить еще платеж. Пользователи, приходящие в интернет-магазин, даже и не видели наш прайс-агрегатор - они редиректились с попутным прикреплением наших utm меток.
Итого: ценность все это несло только для владельца бизнеса, 95% платежей были менее 10 000 р., и минимум повторных платежей. Этот бизнес жив и сейчас - в России полно интернет-магазинов, да и аналитика не у всех нормально настроена, чтобы увидеть проблему. Меня давно там нет, и к лучшему, но это был очень полезный опыт.
Вот такой бывает продукт, с такой вот ценностью, пусть и для ну очень узкой аудитории.
Когда-то работал в небольшом прайс-агрегаторе - отвечал за разработку и трафик закупаемый и продаваемый, ну и за многие другие вопросы - компания была небольшая. Название приводить не буду - это не является важным.
Долгое время я полагал что наш продукт - прайс-агрегатор, что он дает ценность посетителю (может выбрать товар по лучшей цене) и интернет-магазину (даем целевой трафик). И на всем вот этом мы будем зарабатывать.
Впоследствии выяснилось, что все не так. Фактически было два продукта с очень разными ценностями:
- сайт (прайс-агрегатор) - интерфейс для получения чека от интернет-магазина - менеджеры по продажам звонили в интернет-магазин и предлагали разместить на нем свой прайс-лист. Часть из них соглашались.
- инструмент открутки трафика - нужно было потратить бюджет клиента трафиком фактически любого качества, главное было списать бюджет и попросить еще платеж. Пользователи, приходящие в интернет-магазин, даже и не видели наш прайс-агрегатор - они редиректились с попутным прикреплением наших utm меток.
Итого: ценность все это несло только для владельца бизнеса, 95% платежей были менее 10 000 р., и минимум повторных платежей. Этот бизнес жив и сейчас - в России полно интернет-магазинов, да и аналитика не у всех нормально настроена, чтобы увидеть проблему. Меня давно там нет, и к лучшему, но это был очень полезный опыт.
Вот такой бывает продукт, с такой вот ценностью, пусть и для ну очень узкой аудитории.
Слушаю крайний выпуск подкаста Айтишниками не рождаются.
Прекрасно сформулирована основная задача аналитика - ответить на какой-то бизнесовый вопрос. А все остальное - всего лишь инструменты, помогающие на него ответить.
Прекрасно сформулирована основная задача аналитика - ответить на какой-то бизнесовый вопрос. А все остальное - всего лишь инструменты, помогающие на него ответить.
Рабочая доска аналитика. Решил сохранить на память. Тут есть:
- задача про вагонетку
- решение задачи про вагонетку с помощью линейной регрессии, назначив жертвам веса
- проблема выбора жертвы автономного автомобиля
- правильная схема дерева решений при принятии мужем решения шпионить за женой
- портреты двух политиков
- нахождение одной проблемы на сайте в момент поиска решения другой
- схема триангуляции Делоне
- немного питона
- схема сборки отчета в БД
- проблема принятия решения человеком во взаимодействии вычислительного центра (наша нейросеть) и входящих факторов
- проблема принятия решений у очень богатых людей
Не ожидал, насколько насыщенный у меня сегодня день
- задача про вагонетку
- решение задачи про вагонетку с помощью линейной регрессии, назначив жертвам веса
- проблема выбора жертвы автономного автомобиля
- правильная схема дерева решений при принятии мужем решения шпионить за женой
- портреты двух политиков
- нахождение одной проблемы на сайте в момент поиска решения другой
- схема триангуляции Делоне
- немного питона
- схема сборки отчета в БД
- проблема принятия решения человеком во взаимодействии вычислительного центра (наша нейросеть) и входящих факторов
- проблема принятия решений у очень богатых людей
Не ожидал, насколько насыщенный у меня сегодня день
Кстати, если кто-то интересуется спортивной аналитикой данных, в частности футбольной, можно начать отсюда:
- https://github.com/metrica-sports/sample-data
- https://github.com/Friends-of-Tracking-Data-FoTD/LaurieOnTracking
По первой ссылке можно найти трекинговые данные и события по нескольким играм. По второй уроки по анализу этих данных.
Можно также написать мне в личку, расскажу про группы и каналы по футбольной аналитике.
- https://github.com/metrica-sports/sample-data
- https://github.com/Friends-of-Tracking-Data-FoTD/LaurieOnTracking
По первой ссылке можно найти трекинговые данные и события по нескольким играм. По второй уроки по анализу этих данных.
Можно также написать мне в личку, расскажу про группы и каналы по футбольной аналитике.
GitHub
GitHub - metrica-sports/sample-data: Metrica Sports sample tracking and event data
Metrica Sports sample tracking and event data. Contribute to metrica-sports/sample-data development by creating an account on GitHub.
Forwarded from Laptop Coach
Use case, о котором мечтает, наверное, каждый футбольный Data Scientist. Остаётся Бэнему собрать такой же клуб в Про лиге, и помимо Analytics Derby в АПЛ будет Automated Decisions Derby в Бельгии.
https://www.sports.ru/tribuna/blogs/urbanhymns/2982901.html?sl=1
https://www.sports.ru/tribuna/blogs/urbanhymns/2982901.html?sl=1
Sports.ru
Владелец «Брайтона» ставит эксперимент в Бельгии: его клуб «Юнион» собрали из бесплатных игроков компьютерной программой
Денис Пузырев изучил сказочную историю из сердца Европы.
Отличная новость с Yac Education. Яндекс начал публиковать учебник по машинному обучению - https://academy.yandex.ru/dataschool/book
И снова про наше все - образование. Достаточно случайно натолкнулся на курс по продуктовой аналитике от одной онлайн-школы. Название школы приводить не буду - скажу лишь, что она от компании, созвучной с названием одной соцсети и на этот курс уже распространяется черная пятница с большой скидкой.
Ну так вот. Смотрим программу. В целом, она неплохая - закрывает и хард, и софт-скиллы. 1 блок - Продуктовая аналитика, 2 блок - SQL и получение данных, 3 блок - Tableau, и т.д. С самого начала нас учат работать с гипотезами, строить пирамиду метрик, юнит экономику. Это же прекрасно?! Нет. Отсутствует самый первый блок.
Так кто же такой аналитик продукта? Говорят, что это продакт-менеджер в миниатюре - если сильно упростить, он должен понимать, как работает бизнес, продукт, чтобы помогать продакту принимать правильные решения. И только после этого появляются питоны, базы данных, аб-тесты и проч.
Так почему же тогда с самого начала нас учат работать с гипотезами, потом работать с данными, потом общаться? А, может, стоит сначала поучить, как работает бизнес, как работают деньги, что такое маркетинг, какие проблемы и как решает бизнес, какие решения он должен принимать и в каких ограничениях, и вот это вот все. Именно с этого нужно начинать, не меньше месяца посвятить самому главному. Должны быть изучены и проработаны десятки бизнес-кейсов продуктов различного типа: интернет-магазин, подписной сервис, мобильная игра, оффлайн-бизнес и др. Чтобы студенты понимали, какие проблемы предстоит решать.
А то работодатели жалуются, что выпускники онлайн-школ могут неплохо работать с данными, но очень часто не понимают, что и зачем они делают. Так просто их этому не учат. Ну, конечно, проще записать пару лекций на питоне и дать задания по SQL (типа тех, что на одном известном сайте-тренажере). И плюс красивый лендинг с кучей пруфов, конечно. А учить бизнесу, учить решать вопросы - это зачем?
Ну так вот. Смотрим программу. В целом, она неплохая - закрывает и хард, и софт-скиллы. 1 блок - Продуктовая аналитика, 2 блок - SQL и получение данных, 3 блок - Tableau, и т.д. С самого начала нас учат работать с гипотезами, строить пирамиду метрик, юнит экономику. Это же прекрасно?! Нет. Отсутствует самый первый блок.
Так кто же такой аналитик продукта? Говорят, что это продакт-менеджер в миниатюре - если сильно упростить, он должен понимать, как работает бизнес, продукт, чтобы помогать продакту принимать правильные решения. И только после этого появляются питоны, базы данных, аб-тесты и проч.
Так почему же тогда с самого начала нас учат работать с гипотезами, потом работать с данными, потом общаться? А, может, стоит сначала поучить, как работает бизнес, как работают деньги, что такое маркетинг, какие проблемы и как решает бизнес, какие решения он должен принимать и в каких ограничениях, и вот это вот все. Именно с этого нужно начинать, не меньше месяца посвятить самому главному. Должны быть изучены и проработаны десятки бизнес-кейсов продуктов различного типа: интернет-магазин, подписной сервис, мобильная игра, оффлайн-бизнес и др. Чтобы студенты понимали, какие проблемы предстоит решать.
А то работодатели жалуются, что выпускники онлайн-школ могут неплохо работать с данными, но очень часто не понимают, что и зачем они делают. Так просто их этому не учат. Ну, конечно, проще записать пару лекций на питоне и дать задания по SQL (типа тех, что на одном известном сайте-тренажере). И плюс красивый лендинг с кучей пруфов, конечно. А учить бизнесу, учить решать вопросы - это зачем?
Forwarded from Я у мамы аналитик (Stas Valuev)
"Browser-Based Database Clients" - обзорная статья про варианты подключения к базам данных через браузер:
🔸SQL-клиенты гиперскейлеров (AWS, GCP, Azure);
🔸ноутбукоподобные клиенты (Count.co, Databricks SQL notebook, Franchise);
🔸BI-инструменты, которые могут в SQL (Redash, Metabase, Superset);
🔸Другое (SQLPad, PopSQL, JackDB).
С инструментами из последней категории сталкиваюсь впервые, кажется могут подойти для базовых сценариев, когда дашборды не нужны.
🔗Ссылка
#базы_данных #инструменты
🔸SQL-клиенты гиперскейлеров (AWS, GCP, Azure);
🔸ноутбукоподобные клиенты (Count.co, Databricks SQL notebook, Franchise);
🔸BI-инструменты, которые могут в SQL (Redash, Metabase, Superset);
🔸Другое (SQLPad, PopSQL, JackDB).
С инструментами из последней категории сталкиваюсь впервые, кажется могут подойти для базовых сценариев, когда дашборды не нужны.
🔗Ссылка
#базы_данных #инструменты