Написала статью про NSM и метрики ценности продукта. Все, что вам нужно знать о метриках продукта. Жду вопросы и комментарии 🙏
Lena Seregina 📈🧘♀️♥️ pinned «Написала статью про NSM и метрики ценности продукта. Все, что вам нужно знать о метриках продукта. Жду вопросы и комментарии 🙏»
Писать ли вам про личный рост? Ниже пост + голосовалка
+пишите комментарии
~*~*~
Я несколько лет работаю с целями. Раз в полгода ставлю 9 целей. И 7 стабильно достигаю. Две цели безуспешно мигрируют из старого списка в новый . А остальные часто удивляют:
-Зачем тебе было это нужно, Лена?
В конце июня я не смогла поставить цели до конца 2019. Я начала бояться мечтать. Стало казаться, что умение достигать цели - отнюдь не успех.
За месяц я прочла несколько книг. Обсудила тему целей и стратегии жизни с умными и сильными людьми. И вот список важных выводов про цели:
1️⃣ Начинай с вопроса “Зачем?” Зачем я хочу этим обладать? Зачем я хочу там быть? Зачем мне все это? Ответ должен быть коротким. Иначе к нему опять придется задавать несколько вопросов “зачем”.
2️⃣ "Какой подарок от меня хочет жизнь?” Мне понравилось, как написал недавно миллиардер и физик по образованию Игорь Рыбаков: 🔥“Как целью может быть то, что является следствием?” Цель “попасть в список Форбс” или “получить признание”, заработать кучу денег или повышение - это не цели, а следствия.
3️⃣ "Боже, пошли мне то, что считаешь нужным". Конкретика может завести нас не туда. Сначала я думала, что недостаточная конкретика приводит к тому, что цели сбываются, но извращенным образом. Однако уточняя конкретику снова и снова, лишь заводила себя все глубже в тупик. Живая цель не нуждается в словесных уточнениях. Помните, как говорил Стив Джобс? 🔥 “Как и со всеми делами близкими вашему сердцу — вы узнаете и почувствуете сами, когда найдете. ” Желать не конкретное, а своё. Допускать, что еще не все о себе знаешь. Разрешать себе выбрать в моменте. Снимать шоры вчерашнего дня.
4️⃣ "Что здесь хочет случиться?" В математике есть два понятия: левая и правая производные. Фактически, левая производная про то, как настоящее отличается от прошлого. Чаще всего мы берём воображаемую линейку и делаем одно из двух. Экстраполируем старый тренд или решаем, что тренда не будет и строим горизонтальную прямую в будущее. Но хороший прогноз - это еще и правая производная. Она отвечает на вопрос, как будущее будет отличаться от настоящего. И узнать этот ответ из настоящего можно, опираясь на теорию (доказанные и подходящие закономерности) и восприятие Настоящего с вопросом: "Что здесь хочет случиться? Куда всё идёт?"
5️⃣ Мечтай по-крупному! Большие мечты не только лучше мотивируют, но и позволяют познать свои пределы.
6️⃣ Цель про деньги надо ставить в самом конце работы с целями. Чтобы не упахататься, зарабатывая все деньги мира. И, напротив, чтобы не пропустить ценное, потому что немного не хватило. Цель про деньги - это подсчет того, сколько требуется для достижения других целей + 30% на риски.
+пишите комментарии
~*~*~
Я несколько лет работаю с целями. Раз в полгода ставлю 9 целей. И 7 стабильно достигаю. Две цели безуспешно мигрируют из старого списка в новый . А остальные часто удивляют:
-Зачем тебе было это нужно, Лена?
В конце июня я не смогла поставить цели до конца 2019. Я начала бояться мечтать. Стало казаться, что умение достигать цели - отнюдь не успех.
За месяц я прочла несколько книг. Обсудила тему целей и стратегии жизни с умными и сильными людьми. И вот список важных выводов про цели:
1️⃣ Начинай с вопроса “Зачем?” Зачем я хочу этим обладать? Зачем я хочу там быть? Зачем мне все это? Ответ должен быть коротким. Иначе к нему опять придется задавать несколько вопросов “зачем”.
2️⃣ "Какой подарок от меня хочет жизнь?” Мне понравилось, как написал недавно миллиардер и физик по образованию Игорь Рыбаков: 🔥“Как целью может быть то, что является следствием?” Цель “попасть в список Форбс” или “получить признание”, заработать кучу денег или повышение - это не цели, а следствия.
3️⃣ "Боже, пошли мне то, что считаешь нужным". Конкретика может завести нас не туда. Сначала я думала, что недостаточная конкретика приводит к тому, что цели сбываются, но извращенным образом. Однако уточняя конкретику снова и снова, лишь заводила себя все глубже в тупик. Живая цель не нуждается в словесных уточнениях. Помните, как говорил Стив Джобс? 🔥 “Как и со всеми делами близкими вашему сердцу — вы узнаете и почувствуете сами, когда найдете. ” Желать не конкретное, а своё. Допускать, что еще не все о себе знаешь. Разрешать себе выбрать в моменте. Снимать шоры вчерашнего дня.
4️⃣ "Что здесь хочет случиться?" В математике есть два понятия: левая и правая производные. Фактически, левая производная про то, как настоящее отличается от прошлого. Чаще всего мы берём воображаемую линейку и делаем одно из двух. Экстраполируем старый тренд или решаем, что тренда не будет и строим горизонтальную прямую в будущее. Но хороший прогноз - это еще и правая производная. Она отвечает на вопрос, как будущее будет отличаться от настоящего. И узнать этот ответ из настоящего можно, опираясь на теорию (доказанные и подходящие закономерности) и восприятие Настоящего с вопросом: "Что здесь хочет случиться? Куда всё идёт?"
5️⃣ Мечтай по-крупному! Большие мечты не только лучше мотивируют, но и позволяют познать свои пределы.
6️⃣ Цель про деньги надо ставить в самом конце работы с целями. Чтобы не упахататься, зарабатывая все деньги мира. И, напротив, чтобы не пропустить ценное, потому что немного не хватило. Цель про деньги - это подсчет того, сколько требуется для достижения других целей + 30% на риски.
Я тут случайно нашла уже старую, но очень важную статью на Хабр. И не могу ей не поделиться. Она написана человеком, который
1) создал для меня и многих других ребят образ аналитика, к которому надо стремиться;
2) стал основным учителем в профессии.
Теперь, когда меня будут спрашивать, кто такой аналитик и куда расти, какое образование нужно и склад ума, я буду просто предлагать прочитать эту статью: https://habr.com/ru/company/yandex/blog/447822/
❤️
1) создал для меня и многих других ребят образ аналитика, к которому надо стремиться;
2) стал основным учителем в профессии.
Теперь, когда меня будут спрашивать, кто такой аналитик и куда расти, какое образование нужно и склад ума, я буду просто предлагать прочитать эту статью: https://habr.com/ru/company/yandex/blog/447822/
❤️
Хабр
Почти уволен. Рассказываю, как я построил отдел аналитики Яндекса и как пройти путём, похожим на мой
UPD, апрель 2021. Если хотите во многом повторить мой путь (и даже устроиться в Яндекс аналитиком так же быстро, как я когда-то устроился в Mail.ru), регистрируй...
Руководство по выживанию на воркшопах 🤟. Написала конспект книги Роба Фитцпатрика “The Workshop Survival Guide" (на самом деле только первой её части). Если будет спрос на эту тему, напишу продолжение. Ссылка внизу 😊
Преждевременная аналитика. На днях консультировала компанию “Чебурашка”. На рынке они давно и метрики узнаваемости бренда - 🔥. Но экономика расползается по швам. Поэтому потребовалась помощь аналитики.
Когда не сходится экономика (то есть продукт в минусе или близко к тому) принимающие решения обычно решают повысить цены. Вопрос к аналитику состоит лишь в том, как.
- Как нам оптимально поднять цены? - спрашивают они.
Если бы метрикой моей работы был Retention клиентов, я бы формально сегментировала базу и спокойно выдала список маржинальных и масштабируемых сегментов. Через полгода-год они вернутся со словами “Всё плохо, давайте дальше копать”.
Но моя главная метрика - вероятность того, что я буду гордиться кейсом, даже если меня закидают гнилыми помидорами. Поэтому давайте разберёмся, в чем там было дело и надо ли бежать в ценообразование.
Кейс типичный. Поэтому я могу представить, как у них всё начиналось. Когда более 5 лет назад стартовал этот продукт. Мы еще с ними не работали. Но.
Стартапов, которые приходят к аналитику еще до запуска, я видела немало.
-Хотим сразу сделать хорошо, - хором говорят они.
И это похвально. Однако классическая аналитика на этапе запуска чаще всего является преждевременной. Какой вопрос я обычно задаю пришедшим ко мне стартапам? Ну много вопросов, но суть одна. Понять их продукт - product fit.
Хотите верьте, хотите нет. Но до запуска и сразу после у стартапов ещё очень расплывчатое понимание продукта (product fit). При этом почти всегда есть набор «правильных» метрик, на которые НАДО смотреть.
Я не то, чтобы опытный стартапер. Но по себе знаю. Итеративный процесс “MVP-CUSTDEV” какой-то очень болезненный. То ли перестаешь в него верить, то ли он требует сверхспособности. Но обвесить продукт оберегами из метрик и преждевременной аналитики как-то легче.
И все бы ничего, но преждевременная аналитика опасна калечащими продукт и его будущее решениями.
Знаете, например, что при рождении даже у людей метрики ведут себя «странно». Например пульс здорового младенца почти в 2 раза выше, чем у взрослого. А такие грозные сигналы, как сбивчивость ритма дыхания или шум в сердце, для только что запущенного продукта, простите, новорожденного чаще всего вариант нормы.
Теперь представьте, что мы начнём все это «лечить». Сбивать пульс, оперировать сердце. Доживет ли такой малыш до взрослых лет?
Вы хотите смотреть на:
💹 конверсия в первую оплату (C1)
💹 конверсия в какое-нибудь супер-важное действие
💹 Retention на 1 и 2 неделе
💹 Аудитория (DAU / WAU / MAU) и скачивания (Downloads)
💹 Средний чек (ARPU) и иногда даже LTV
💹 Цена привлечения пользователя (CAC)
А теперь, внимание, вопрос: как вы собираетесь это интерпретировать? Вы будете способны «не залечить своё детище до смерти» на самых первых порах?
Наши друзья - “Чебурашка”, как стартап технарей с превосходным образованием, был обвешан метриками еще до рождения. Несмотря на прорывную модель бизнеса, Чебурашка сразу после запуска словил такие проблемы адаптации нового продукта, как:
✅ Непопадание в ЦА (они таргетировались на ближайших конкурентов, но это был продукт про другие проблемы пользователей)
✅ Непонятный онбординг (даже таргетная аудитория просто терялась в продукте)
✅ Скрытые издержки (так я называю ситуации, когда баги продукта мешают пользоваться им по назначению)
Итого, будучи управляемыми классическими метриками стартапа, ребята медленно, но верно сделали не жизнеспособный продукт. То есть бизнес-модель от одного продукта и фичи / позиционирование / качество от другого продукта. Франкенштейн, который оттеняет другие рыночные решения.
Что делать? Тут два подхода. Но про это в следующем посте о Чебурашке ☺️
Когда не сходится экономика (то есть продукт в минусе или близко к тому) принимающие решения обычно решают повысить цены. Вопрос к аналитику состоит лишь в том, как.
- Как нам оптимально поднять цены? - спрашивают они.
Если бы метрикой моей работы был Retention клиентов, я бы формально сегментировала базу и спокойно выдала список маржинальных и масштабируемых сегментов. Через полгода-год они вернутся со словами “Всё плохо, давайте дальше копать”.
Но моя главная метрика - вероятность того, что я буду гордиться кейсом, даже если меня закидают гнилыми помидорами. Поэтому давайте разберёмся, в чем там было дело и надо ли бежать в ценообразование.
Кейс типичный. Поэтому я могу представить, как у них всё начиналось. Когда более 5 лет назад стартовал этот продукт. Мы еще с ними не работали. Но.
Стартапов, которые приходят к аналитику еще до запуска, я видела немало.
-Хотим сразу сделать хорошо, - хором говорят они.
И это похвально. Однако классическая аналитика на этапе запуска чаще всего является преждевременной. Какой вопрос я обычно задаю пришедшим ко мне стартапам? Ну много вопросов, но суть одна. Понять их продукт - product fit.
Хотите верьте, хотите нет. Но до запуска и сразу после у стартапов ещё очень расплывчатое понимание продукта (product fit). При этом почти всегда есть набор «правильных» метрик, на которые НАДО смотреть.
Я не то, чтобы опытный стартапер. Но по себе знаю. Итеративный процесс “MVP-CUSTDEV” какой-то очень болезненный. То ли перестаешь в него верить, то ли он требует сверхспособности. Но обвесить продукт оберегами из метрик и преждевременной аналитики как-то легче.
И все бы ничего, но преждевременная аналитика опасна калечащими продукт и его будущее решениями.
Знаете, например, что при рождении даже у людей метрики ведут себя «странно». Например пульс здорового младенца почти в 2 раза выше, чем у взрослого. А такие грозные сигналы, как сбивчивость ритма дыхания или шум в сердце, для только что запущенного продукта, простите, новорожденного чаще всего вариант нормы.
Теперь представьте, что мы начнём все это «лечить». Сбивать пульс, оперировать сердце. Доживет ли такой малыш до взрослых лет?
Вы хотите смотреть на:
💹 конверсия в первую оплату (C1)
💹 конверсия в какое-нибудь супер-важное действие
💹 Retention на 1 и 2 неделе
💹 Аудитория (DAU / WAU / MAU) и скачивания (Downloads)
💹 Средний чек (ARPU) и иногда даже LTV
💹 Цена привлечения пользователя (CAC)
А теперь, внимание, вопрос: как вы собираетесь это интерпретировать? Вы будете способны «не залечить своё детище до смерти» на самых первых порах?
Наши друзья - “Чебурашка”, как стартап технарей с превосходным образованием, был обвешан метриками еще до рождения. Несмотря на прорывную модель бизнеса, Чебурашка сразу после запуска словил такие проблемы адаптации нового продукта, как:
✅ Непопадание в ЦА (они таргетировались на ближайших конкурентов, но это был продукт про другие проблемы пользователей)
✅ Непонятный онбординг (даже таргетная аудитория просто терялась в продукте)
✅ Скрытые издержки (так я называю ситуации, когда баги продукта мешают пользоваться им по назначению)
Итого, будучи управляемыми классическими метриками стартапа, ребята медленно, но верно сделали не жизнеспособный продукт. То есть бизнес-модель от одного продукта и фичи / позиционирование / качество от другого продукта. Франкенштейн, который оттеняет другие рыночные решения.
Что делать? Тут два подхода. Но про это в следующем посте о Чебурашке ☺️
Дружественное HR-агенство New.HR провело масштабное исследование рынка аналитиков. Исследование длилось больше года (Ваша покорная слуга помогала с ним в самом начале) и его результаты заслуживают внимания.
Мои комментарии:
✅ на рынке до сих пор нет понимания, что аналитики бывают разными (data science != product analytics, marketing analytics != product analytics)
✅ по личным ощущениям большинство крутых аналитиков себя недооценивают (см. место со средними зп и сравнивай со своей)
✅ приходя в аналитику, вы должны помнить о том, что это история не навсегда. Если вы настоящий аналитик, то сразу сделаете себе примерную стратегию развития в профессии и после выхода из нее.
✅ См. исследование и размышляйте про стратегии найма или карьеры
Мои комментарии:
✅ на рынке до сих пор нет понимания, что аналитики бывают разными (data science != product analytics, marketing analytics != product analytics)
✅ по личным ощущениям большинство крутых аналитиков себя недооценивают (см. место со средними зп и сравнивай со своей)
✅ приходя в аналитику, вы должны помнить о том, что это история не навсегда. Если вы настоящий аналитик, то сразу сделаете себе примерную стратегию развития в профессии и после выхода из нее.
✅ См. исследование и размышляйте про стратегии найма или карьеры
А/Б-тесты. Ни слова о большой математике. Маленькое наблюдение. Именно так и проводят А/Б-тесты в большинстве компаний: берут две идентичные репрезентативные выборки. Показывают им два совершенно разных продукта. Долго спорят о выводах. Или, что хуже, делают выводы. Или, что чаще, просто катят в прод.
Экономика счастья. Решение лежало на поверхности. 4 месяца назад я ушла в self-employed. И начала вести статистику времени и доходов в Google Sheets. А вчера просто классифицировала проекты на 2 типа:
вдохновляющие и напрягающие.
С чего такая мысль? Что-то пошло не так в жизни. Да, она не простая. Но я раньше просыпалась с радостью, у меня драйва хватало на себя, близких и даже дальних. А последнее время я была бледной тенью себя. Я почти не болею. И когда я начинаю болеть - это сигнал того, что я довела себя до предела.
Я классифицировала свои доходы по источникам:
✅ Из вдохновения - задачи, которые случались как чудо, которые приносили вдохновляющие люди, проекты, в которых я обнаруживала себя растущей и счастливой
✅ Из желания нравиться или страха неудачи - это задачи, которые я брала по просьбе друзей, или с желанием заработать все деньги мира
Про последнее поясню. Иногда думаешь: “нет, за эти деньги, нет” или “нет, эту задачу, нет”. А потом “но да, потому что хоть что-то лучше, чем ничего”. И не важно, что ты пользуешься спросом и понимаешь всю абсурдность такого подхода.
И ровно так же я классифицировала время по тому, куда оно утекало:
✅ На вдохновение
✅ На преодоление и напряжение в не привлекающих меня задачах
🔥Когда я перевела числа в доли %, мое сердце забилось, как раньше. 70% времени я трачу на то, что меня напрягает и даёт всего 30% моего дохода.
🔥Если посчитать экономику счастья, добавив в формулу издержки на НЕсчастье, то экономика перестанет сходиться.
Я дала себе обещание разобраться с не вдохновляющими проектами до начала октября. В крайнем случае это всего лишь 30% от моего дохода и можно их просто закрыть навсегда. И кто знает, какой станет жизнь, если я перестану делать то, меня убивает.
вдохновляющие и напрягающие.
С чего такая мысль? Что-то пошло не так в жизни. Да, она не простая. Но я раньше просыпалась с радостью, у меня драйва хватало на себя, близких и даже дальних. А последнее время я была бледной тенью себя. Я почти не болею. И когда я начинаю болеть - это сигнал того, что я довела себя до предела.
Я классифицировала свои доходы по источникам:
✅ Из вдохновения - задачи, которые случались как чудо, которые приносили вдохновляющие люди, проекты, в которых я обнаруживала себя растущей и счастливой
✅ Из желания нравиться или страха неудачи - это задачи, которые я брала по просьбе друзей, или с желанием заработать все деньги мира
Про последнее поясню. Иногда думаешь: “нет, за эти деньги, нет” или “нет, эту задачу, нет”. А потом “но да, потому что хоть что-то лучше, чем ничего”. И не важно, что ты пользуешься спросом и понимаешь всю абсурдность такого подхода.
И ровно так же я классифицировала время по тому, куда оно утекало:
✅ На вдохновение
✅ На преодоление и напряжение в не привлекающих меня задачах
🔥Когда я перевела числа в доли %, мое сердце забилось, как раньше. 70% времени я трачу на то, что меня напрягает и даёт всего 30% моего дохода.
🔥Если посчитать экономику счастья, добавив в формулу издержки на НЕсчастье, то экономика перестанет сходиться.
Я дала себе обещание разобраться с не вдохновляющими проектами до начала октября. В крайнем случае это всего лишь 30% от моего дохода и можно их просто закрыть навсегда. И кто знает, какой станет жизнь, если я перестану делать то, меня убивает.
Задачка для тренировки аналитического мышления из фб-паблика Яндекса:
---
Однажды мы для смеха написали алгоритм, определяющий слова, популярность которых в Поиске изменяется так, как будто между ними есть какая-то связь. Получилось лучше, чем мы думали. С тех пор мы каждую неделю выбираем очередную пару и делимся с вами.
Сегодня это «персик» и «хромосома». Как вы думаете, почему так получается?
---
Однажды мы для смеха написали алгоритм, определяющий слова, популярность которых в Поиске изменяется так, как будто между ними есть какая-то связь. Получилось лучше, чем мы думали. С тех пор мы каждую неделю выбираем очередную пару и делимся с вами.
Сегодня это «персик» и «хромосома». Как вы думаете, почему так получается?
👍1
По следам Стива Бланка: Как видеть продукт во всём
Сейчас модно смотреть на всё «как на продукт». Я часто спрашиваю участников своих занятий: «Что такое продукт?» Ответ обычной такой: «Продукт — это то, что удовлетворяет потребность».
Что ж, близко к истине. Но, как аналитик, я цепляюсь к деталям. И здесь, мне кажется, важно увидеть и осознать разницу между потребностью и проблемой.
Судите сами. Проблема = боль. Потребность = желание. На решение своей проблемы мы готовы отдавать время, деньги и другие ресурсы. Удовлетворение потребностей - чаще вопрос отложенных инвестиций: не сейчас, я сделаю это завтра.
Проблема - это самый нижний из всех неудовлетворенных уровней Пирамиды Маслоу. Сложная мысль. Поживите с ней в течение дня и вы увидите, в какой из уровней Пирамиды Маслоу целится Ваш продукт.
Пример. Поисковики типа Яндекса и Google решают проблему пользователя «я хочу получить ответ на свой вопрос». Доставка еды из ресторанов решает проблему «я хочу качественную еду быстро и там, где я нахожусь».
Внизу по кнопке видео Стива Бланка 2013 года (на 3 мин) о том, что такое проблема, которую решает продукт и почему важно её определить.
Сейчас модно смотреть на всё «как на продукт». Я часто спрашиваю участников своих занятий: «Что такое продукт?» Ответ обычной такой: «Продукт — это то, что удовлетворяет потребность».
Что ж, близко к истине. Но, как аналитик, я цепляюсь к деталям. И здесь, мне кажется, важно увидеть и осознать разницу между потребностью и проблемой.
Судите сами. Проблема = боль. Потребность = желание. На решение своей проблемы мы готовы отдавать время, деньги и другие ресурсы. Удовлетворение потребностей - чаще вопрос отложенных инвестиций: не сейчас, я сделаю это завтра.
Проблема - это самый нижний из всех неудовлетворенных уровней Пирамиды Маслоу. Сложная мысль. Поживите с ней в течение дня и вы увидите, в какой из уровней Пирамиды Маслоу целится Ваш продукт.
Пример. Поисковики типа Яндекса и Google решают проблему пользователя «я хочу получить ответ на свой вопрос». Доставка еды из ресторанов решает проблему «я хочу качественную еду быстро и там, где я нахожусь».
Внизу по кнопке видео Стива Бланка 2013 года (на 3 мин) о том, что такое проблема, которую решает продукт и почему важно её определить.
Как бы высоко не взлетали наши мечты по поводу перспектив анализа данных, пока не будет минимального порядка в аналитике (документации скриптов и описания базы данных, продуманных и описанных агрегатов из данных для нужд аналитиков, базы знаний по всем ad-hoc задачам, гибкого планирования), не получится нам улететь к звёздам. Сколько хожу по рынку, а везде - одно и тоже.
PS. На правах рекламы в течение месяца под каждым моим постом будет ссылка на курс по аналитике для товов и аналитиков. Лэндос пока не очень продающий (работаем), но зато скидки
PS. На правах рекламы в течение месяца под каждым моим постом будет ссылка на курс по аналитике для товов и аналитиков. Лэндос пока не очень продающий (работаем), но зато скидки
Экономика доверия. Это понятие из последней книги Роба Фитцпатрика про воркшопы. Но! “Экономика доверия”- универсальный фреймворк. Мне он помогает в продажах и в контенте. А также в развитии других аналитиков и даже в личной жизни.
Экономика доверия строится на утверждении, что доверие и внимание эквиваленты. И вот формула юнит-экономики нематериальных благ (па-пам!):
{ДОВЕРИЕ} - {ВНИМАНИЕ}= 0 (1)
Это то, чему учит Фитцпатрик. Чтобы не потерять доверие, управляйте вниманием. Если теряете чье-то внимание, вероятно, теряете и доверие. Чтобы удерживать внимание, не допускайте скучный, однообразный или буллшит-контент.
Доверие неизмеримо. Когда аналитик во мне начал пытаться измерить доверие, я дополнила формулу Фитцпатрика:
{ДОВЕРИЕ_РУБ}* = {ВНИМАНИЕ_ЧАС}*x{ЦЕНА ЧАСА} + {ЦЕНА_ПРОДУКТА_ИЛИ_УСЛУГИ_РУБ} (2)
То есть люди отдадут вам свое активное время и может быть даже деньги, если у них сохранится доверие к вам или вашему продукту. Отдать небольшую сумму денег проще, чем отдать деньги и время. Вначале знакомства с человеком, продуктом, сервисом обычно есть кредит доверия, который довольно скоро утрачивается (дисконтируется по времени).
Доверие - сколько я готова доверить человеку денег. Заметьте, не оплатить труд. А доверить. Например, если доверяю разработчику сделать код для проекта на 300к, а плачу 100, то доверяю ему 200-300. Именно так оцениваются риски на перенайм или несдачу проекта.
Помимо рисков есть внимание. Его я оцениваю часами. Сколько часов я готова тратить на общение с человеком, его развитие и адаптацию в команде. Если говорить про личную жизнь, то сколько своего активного, вовлеченного и живого времени я готова отдать человеку, и будет моим активом внимания.
Формула юнит-экономики доверия тренирует не только осознанность. Она помогает принимать критические решения, не становясь восторженным одуваном или оценщиком людей! Потому что оценка людей - крайне токсичное занятие.
Важно понимание, что экономика доверия - очень симметричная история. Ты доверяешь, доверяют тебе.
Я постоянно тренирую в себе способность чувствовать моменты, когда теряю чье-то доверие к себе или моей работе. Веду записи в дневнике во время встреч и воркшопов, или сразу после. Фиксирую все сомнительные места. Проверяю свои гипотезы через обратную связь. Так обнаруживаются точки роста как для контента, так и для таргета или качества коммуникации.
ПРО ПРОДУКТЫ. Когда пользователь приходит в продукт, то он приходит с кредитом доверия. Вот почему секунды, часы или дни до первой конверсии самые важные. Вот почему именно временем до первой конверсии стоит управлять, нежели самой конверсией. Почему так важно быть интересным, оправдывать себя, не утомлять и не спамить. Впрочем это уже не экономика доверия, а экология внимания. Немного другая тема.
Экономика доверия строится на утверждении, что доверие и внимание эквиваленты. И вот формула юнит-экономики нематериальных благ (па-пам!):
{ДОВЕРИЕ} - {ВНИМАНИЕ}= 0 (1)
Это то, чему учит Фитцпатрик. Чтобы не потерять доверие, управляйте вниманием. Если теряете чье-то внимание, вероятно, теряете и доверие. Чтобы удерживать внимание, не допускайте скучный, однообразный или буллшит-контент.
Доверие неизмеримо. Когда аналитик во мне начал пытаться измерить доверие, я дополнила формулу Фитцпатрика:
{ДОВЕРИЕ_РУБ}* = {ВНИМАНИЕ_ЧАС}*x{ЦЕНА ЧАСА} + {ЦЕНА_ПРОДУКТА_ИЛИ_УСЛУГИ_РУБ} (2)
То есть люди отдадут вам свое активное время и может быть даже деньги, если у них сохранится доверие к вам или вашему продукту. Отдать небольшую сумму денег проще, чем отдать деньги и время. Вначале знакомства с человеком, продуктом, сервисом обычно есть кредит доверия, который довольно скоро утрачивается (дисконтируется по времени).
Доверие - сколько я готова доверить человеку денег. Заметьте, не оплатить труд. А доверить. Например, если доверяю разработчику сделать код для проекта на 300к, а плачу 100, то доверяю ему 200-300. Именно так оцениваются риски на перенайм или несдачу проекта.
Помимо рисков есть внимание. Его я оцениваю часами. Сколько часов я готова тратить на общение с человеком, его развитие и адаптацию в команде. Если говорить про личную жизнь, то сколько своего активного, вовлеченного и живого времени я готова отдать человеку, и будет моим активом внимания.
Формула юнит-экономики доверия тренирует не только осознанность. Она помогает принимать критические решения, не становясь восторженным одуваном или оценщиком людей! Потому что оценка людей - крайне токсичное занятие.
Важно понимание, что экономика доверия - очень симметричная история. Ты доверяешь, доверяют тебе.
Я постоянно тренирую в себе способность чувствовать моменты, когда теряю чье-то доверие к себе или моей работе. Веду записи в дневнике во время встреч и воркшопов, или сразу после. Фиксирую все сомнительные места. Проверяю свои гипотезы через обратную связь. Так обнаруживаются точки роста как для контента, так и для таргета или качества коммуникации.
ПРО ПРОДУКТЫ. Когда пользователь приходит в продукт, то он приходит с кредитом доверия. Вот почему секунды, часы или дни до первой конверсии самые важные. Вот почему именно временем до первой конверсии стоит управлять, нежели самой конверсией. Почему так важно быть интересным, оправдывать себя, не утомлять и не спамить. Впрочем это уже не экономика доверия, а экология внимания. Немного другая тема.
Культура. Всё чаще и больше мне кажется, что успех того или иного начинания, его результативность определяется не тем, КТО и даже не тем КАК, а КУЛЬТУРОЙ. Вот почему я всё меньше предлагаю компаниям мастер-классы по вау-аналитике. И всё чаще поворачиваю в сторону культуры:
💥порядок в данных
💥порядок в бэклоге
💥база знаний
💥среда развития
💥культура кода / визуализации / отчета / презентации / etc
Культуру тяжко внедрять там, где люди уже привыкли жить странно. Даже после объяснений, что 2 минуты на опрятный вид графика и добавление его в базу знаний вместе с выводами бережет вам и компании часы/дни/недели, я всё равно слышу:
😭 мы слишком быстро растем
😭 мы слишком заняты
😭 никто не будет это поддерживать
😭ой, да и так же все раньше работало
Культура легче прививается молодым аналитикам или компаниям, где у топов преобладает установка на рост (growth mindset).
💥порядок в данных
💥порядок в бэклоге
💥база знаний
💥среда развития
💥культура кода / визуализации / отчета / презентации / etc
Культуру тяжко внедрять там, где люди уже привыкли жить странно. Даже после объяснений, что 2 минуты на опрятный вид графика и добавление его в базу знаний вместе с выводами бережет вам и компании часы/дни/недели, я всё равно слышу:
😭 мы слишком быстро растем
😭 мы слишком заняты
😭 никто не будет это поддерживать
😭ой, да и так же все раньше работало
Культура легче прививается молодым аналитикам или компаниям, где у топов преобладает установка на рост (growth mindset).
Как найти баланс между упоротыми визуализациями из какого-то-нибудь BI, аптечно-роботным дизайном pandas и убогими Excel-графиками? Чаще всего рисователь графиков, хочет он того или нет палит самое главное – свой внутренний мир в момент размышления над конкретными числами.
Нет. Техника тут ни при чем.
#1 А не *ерунду* ли я делаю? Конечно важный вопрос. Но когда рисуешь графики, стоит спросить: Что я вообще тут делаю? На какой вопрос ищу ответ ? Какую историю хочу рассказать?
!!! Кстати обратите внимание. Есть аналитическая визуализация, а есть визуальная аналитика.
#2 Are you need this? Все элементы, которые не несут никакой дополнительной информации или информационно перегружают, надо удалить. Подписи, очевидные легенды, сетка.
#3 Минимализм размерностей. Я насчитала аж 6 доступных размерностей:
1) ось икс
2) ось игрек
3) цвет
4) толщина
5) форма
6) подписи
Но не стоит запихивать их все на один график. Мудрость в том, чтобы с высоты своего ума и технической оснащённости нарисовать простенький, но действенный график.
PS. Помните о том, что графики отражают ваш внутренний мир в момент решения задачи. Хотите вы навялить, спихнуть, понравиться, покрасоваться умом или умением делать импорт в пандас — все это читается сначала, а уже потом история, которая есть в графике. Любите себя в графиках, а не графики от себя.
Продолжение следует.
Нет. Техника тут ни при чем.
#1 А не *ерунду* ли я делаю? Конечно важный вопрос. Но когда рисуешь графики, стоит спросить: Что я вообще тут делаю? На какой вопрос ищу ответ ? Какую историю хочу рассказать?
!!! Кстати обратите внимание. Есть аналитическая визуализация, а есть визуальная аналитика.
#2 Are you need this? Все элементы, которые не несут никакой дополнительной информации или информационно перегружают, надо удалить. Подписи, очевидные легенды, сетка.
#3 Минимализм размерностей. Я насчитала аж 6 доступных размерностей:
1) ось икс
2) ось игрек
3) цвет
4) толщина
5) форма
6) подписи
Но не стоит запихивать их все на один график. Мудрость в том, чтобы с высоты своего ума и технической оснащённости нарисовать простенький, но действенный график.
PS. Помните о том, что графики отражают ваш внутренний мир в момент решения задачи. Хотите вы навялить, спихнуть, понравиться, покрасоваться умом или умением делать импорт в пандас — все это читается сначала, а уже потом история, которая есть в графике. Любите себя в графиках, а не графики от себя.
Продолжение следует.
Я была дикарем, который строит культуру. Помню эту свою любимую фразу "Когда у меня нет ресурсов, я делаю себе крепкий кофе и открываю терминал".
Я помню, как интуитивно пришла к концепции DWH (Datawarehouse - хранилище данных). Пришла с идеей к руководству. Продавать сложные технологические идеи трудно. Во-первых, ты сам не до конца уверен в их правильности. Во-вторых, топ-менеджеры не могут контролировать всё, а мидлл-менеджеры нередко стали таковыми, убегая от проблем, порожденных технологическим несовершенством.
Получается, замкнутый круг. Нет точки опоры для принятия решения - фигачить и выделять бюджет. И нередко такой точкой опоры может стать герой-одиночка, коим я долгие годы и была. Я писала в ночи код для построения своей первой DWH.
В последствии мои самодельные DWH использовали и большие/растущие компании, и небольшие стартапы. Но всё это было дико. Надо признать, что КУЛЬТУРА делается не так. И не кодом продуктовых аналитиков.
Надо смотреть по миру, по рынку. Изучать элегантные решения технологических проблем и привлекать на помощь их носителей. Я вот даже не знала, что то, что я строю называется DWH. Я знаю одного сильного аналитика, которые везде и всюду строит DWH и не знает, что это так называется. А еще я знаю множество компаний, в которых DWH - это страх и слёзы. Потому что там аналитические хранилища строятся в отрыве от аналитики.
С другой стороны, ничего крайне сложного в построении аналитических хранилищ нет. И именно с них начинается культура data-driven.
Если и у вас тоже проблемы с данными, ставьте + и не стесняйтесь описать их в комментариях!
Я помню, как интуитивно пришла к концепции DWH (Datawarehouse - хранилище данных). Пришла с идеей к руководству. Продавать сложные технологические идеи трудно. Во-первых, ты сам не до конца уверен в их правильности. Во-вторых, топ-менеджеры не могут контролировать всё, а мидлл-менеджеры нередко стали таковыми, убегая от проблем, порожденных технологическим несовершенством.
Получается, замкнутый круг. Нет точки опоры для принятия решения - фигачить и выделять бюджет. И нередко такой точкой опоры может стать герой-одиночка, коим я долгие годы и была. Я писала в ночи код для построения своей первой DWH.
В последствии мои самодельные DWH использовали и большие/растущие компании, и небольшие стартапы. Но всё это было дико. Надо признать, что КУЛЬТУРА делается не так. И не кодом продуктовых аналитиков.
Надо смотреть по миру, по рынку. Изучать элегантные решения технологических проблем и привлекать на помощь их носителей. Я вот даже не знала, что то, что я строю называется DWH. Я знаю одного сильного аналитика, которые везде и всюду строит DWH и не знает, что это так называется. А еще я знаю множество компаний, в которых DWH - это страх и слёзы. Потому что там аналитические хранилища строятся в отрыве от аналитики.
С другой стороны, ничего крайне сложного в построении аналитических хранилищ нет. И именно с них начинается культура data-driven.
Если и у вас тоже проблемы с данными, ставьте + и не стесняйтесь описать их в комментариях!
Правда или действие? Ценность или данные!
Я всегда прошу своих клиентов перестать смотреть на пользователей в терминах систем веб-аналитики, мобильной аналитики и т.д. "Куки - не люди!" - говорю я им. И показываю кейсы, когда переход от визитов или транзакций к сессиям, характерных для потребления в конкретном бизнесе, давал множество прорывных инсайтов, помогал выявить реальные классы пользователей, роли, боли и т.д. (Кому стало очень интересно про равномерное/интервальное потребление, скоро будет статья - t.me/@close2sense)
Другая частая история - это управление конверсиями вверху воронки продаж с помощью работы над временем знакомства пользователя с продуктом. Очень часто его невозможно посчитать, так как мы имеем только "сессионные куки". То есть до какого-то момента "пользователь" и "Визит" - это одно и то же.
"Мы не можем (собирать логины/аккаунты в соцсетях/почты)" - говорят мне продакты. И вот здесь знания из классической экономической теории оказываются как нельзя кстати.
Мы можем! Во-первых, надо понимать, что покрыть всю базу пользователей логинами невозможно и не требуется. Наша цель - это репрезентативное покрытие. Во-вторых, надо помнить, что продуктовое взаимодействие с пользователем - это ОБМЕН БЛАГАМИ (понятие из классической экономики). Хочешь что-то забрать? Деньги, время, внимание, данные... Дай ценность!
Хотите взять данные? Сначала дайте ценность - разогрейте. И обязательно пообещайте ценность в конце. Пользователь должен знать, зачем он регистрируется в вашем сервисе/продукте.
ПРИМЕР. Сервис по подбору ипотеки. Пользователь заполняет важные поля, сервис дает информацию по предложению банков, исходя из условий пользователя. В момент, когда пользователь получил ценность (value в том, что теперь я знаю, какая ипотека и где мне светит) самое время дать ему еще больше ценности. Это может быть предложение получать уведомления об изменениях за регистрацию через соцсети или чек-лист получения одобрения ипотеки на почту или т.д.
Будьте ласковыми! Обратная противоположность - это сложные формы регистрации в начале воронки. Отказаться от этого бывает сложно из-за того, что решение убрать регистрацию на входе требует массу разработки и перепроектировку всего CJM. Поэтому лучше сразу делать хорошо. И помнить - хороших конверсий без ценности не бывает:
Сначала дайте ценность - потом регистрируйте.
PS. На худой конец всегда есть flash куки, которые живут годами в отличие от сессионных. Пользуйтесь - не благодарите!
Я всегда прошу своих клиентов перестать смотреть на пользователей в терминах систем веб-аналитики, мобильной аналитики и т.д. "Куки - не люди!" - говорю я им. И показываю кейсы, когда переход от визитов или транзакций к сессиям, характерных для потребления в конкретном бизнесе, давал множество прорывных инсайтов, помогал выявить реальные классы пользователей, роли, боли и т.д. (Кому стало очень интересно про равномерное/интервальное потребление, скоро будет статья - t.me/@close2sense)
Другая частая история - это управление конверсиями вверху воронки продаж с помощью работы над временем знакомства пользователя с продуктом. Очень часто его невозможно посчитать, так как мы имеем только "сессионные куки". То есть до какого-то момента "пользователь" и "Визит" - это одно и то же.
"Мы не можем (собирать логины/аккаунты в соцсетях/почты)" - говорят мне продакты. И вот здесь знания из классической экономической теории оказываются как нельзя кстати.
Мы можем! Во-первых, надо понимать, что покрыть всю базу пользователей логинами невозможно и не требуется. Наша цель - это репрезентативное покрытие. Во-вторых, надо помнить, что продуктовое взаимодействие с пользователем - это ОБМЕН БЛАГАМИ (понятие из классической экономики). Хочешь что-то забрать? Деньги, время, внимание, данные... Дай ценность!
Хотите взять данные? Сначала дайте ценность - разогрейте. И обязательно пообещайте ценность в конце. Пользователь должен знать, зачем он регистрируется в вашем сервисе/продукте.
ПРИМЕР. Сервис по подбору ипотеки. Пользователь заполняет важные поля, сервис дает информацию по предложению банков, исходя из условий пользователя. В момент, когда пользователь получил ценность (value в том, что теперь я знаю, какая ипотека и где мне светит) самое время дать ему еще больше ценности. Это может быть предложение получать уведомления об изменениях за регистрацию через соцсети или чек-лист получения одобрения ипотеки на почту или т.д.
Будьте ласковыми! Обратная противоположность - это сложные формы регистрации в начале воронки. Отказаться от этого бывает сложно из-за того, что решение убрать регистрацию на входе требует массу разработки и перепроектировку всего CJM. Поэтому лучше сразу делать хорошо. И помнить - хороших конверсий без ценности не бывает:
Сначала дайте ценность - потом регистрируйте.
PS. На худой конец всегда есть flash куки, которые живут годами в отличие от сессионных. Пользуйтесь - не благодарите!
Топ 5 методов анализа данных, которые будут полезны каждому 🔥
Towards Data Science опубликовали отличный и (что важно) не попсовый текст про методы продуктовой аналитики. Поскольку все это очень удобные и полезные методы, но обычно не встречаются в одном материале и (как это принято говорить) в структурированном виде, делюсь:
https://towardsdatascience.com/top-5-data-analysis-methods-you-need-to-know-e83f95cae355
Ниже тезисно:
1) Формулы для связи и декомпозиции метрик
2) Метод сравнения метрик в динамике (по срезам)
3) Метод квадрантов для анализа аудитории/продаж/etc при различных значениях метрик. Например, низкая конверсия в корзину и высокая конверсия в выкуп (1) ; низкая конверсия в корзину и низкая конверсия в выкуп (2); высокая конверсия в корзину и высокая конверсия в выкуп (3);
высокая конверсия в корзину и низкая конверсия в выкуп (4))
4) Принцип Парето (правило 80/20): классификация пользователей/продаж с целью поиска наиболее доходного (и как правило) не основного сегмента. На практике это не всегда 80/20, иногда 70/30. По личному опыту Принцип Парето реализовавывается между 70/20 и 90/10.
5) Анализ воронок. Воронка - это универсальный фрейморк для решения множества задач в аналитике, где есть этапы и потери на этих этапах. Это не обязательно продажи или уровни игры. Это может быть задача передачи данных, прохождения онбординга и даже найма специалистов.
Towards Data Science опубликовали отличный и (что важно) не попсовый текст про методы продуктовой аналитики. Поскольку все это очень удобные и полезные методы, но обычно не встречаются в одном материале и (как это принято говорить) в структурированном виде, делюсь:
https://towardsdatascience.com/top-5-data-analysis-methods-you-need-to-know-e83f95cae355
Ниже тезисно:
1) Формулы для связи и декомпозиции метрик
2) Метод сравнения метрик в динамике (по срезам)
3) Метод квадрантов для анализа аудитории/продаж/etc при различных значениях метрик. Например, низкая конверсия в корзину и высокая конверсия в выкуп (1) ; низкая конверсия в корзину и низкая конверсия в выкуп (2); высокая конверсия в корзину и высокая конверсия в выкуп (3);
высокая конверсия в корзину и низкая конверсия в выкуп (4))
4) Принцип Парето (правило 80/20): классификация пользователей/продаж с целью поиска наиболее доходного (и как правило) не основного сегмента. На практике это не всегда 80/20, иногда 70/30. По личному опыту Принцип Парето реализовавывается между 70/20 и 90/10.
5) Анализ воронок. Воронка - это универсальный фрейморк для решения множества задач в аналитике, где есть этапы и потери на этих этапах. Это не обязательно продажи или уровни игры. Это может быть задача передачи данных, прохождения онбординга и даже найма специалистов.
Недавно узнала, что потребление бывает двух видов:
✅интервальное
✅равномерное
При этом в одном продукте всегда есть оба типа потребления (см. картинку). Но! Можно выделить пользователей, которые чаще потребляют продукт интервалами (покупают или просто заходят на сайт) или равномерно. И обычно это две разные аудитории.
Простейшая по исполнению, но мощнейшая по эффекту для бизнеса классификация пользователей сводится к тому, чтобы выделить перечисленные выше два сегмента.
Интервальное потребление: пользователи "частят" и потом на продолжительное время исчезают. Например, у клиента есть периоды ежедневной активности, между которыми проходит 9-15 месяцев.
Равномерное потребление: пользователей, которые совершают разовые покупки/действия в продукте с характерными интервалами примерно одного порядка. Например, клиент появляется в продукте каждые 2-7 недель.
КАК выделяются эти типы потребления? Есть 2 подхода к работе с этой историей.
Первый - шаманский. Мы миксуем качественный анализ и несложную статистику. Так мы узнаем, как выглядит реальное потребление в продукте и получаем набор гипотез для глубинных интервью и, например, кластеризации пользователей.
Второй - ещё хуже. Он «ботанский». Мы делаем всё то же самое, но потом добавляем статистику и анализ данных, постоянно помешивая и разбавляя шаманскими методами.
✅интервальное
✅равномерное
При этом в одном продукте всегда есть оба типа потребления (см. картинку). Но! Можно выделить пользователей, которые чаще потребляют продукт интервалами (покупают или просто заходят на сайт) или равномерно. И обычно это две разные аудитории.
Простейшая по исполнению, но мощнейшая по эффекту для бизнеса классификация пользователей сводится к тому, чтобы выделить перечисленные выше два сегмента.
Интервальное потребление: пользователи "частят" и потом на продолжительное время исчезают. Например, у клиента есть периоды ежедневной активности, между которыми проходит 9-15 месяцев.
Равномерное потребление: пользователей, которые совершают разовые покупки/действия в продукте с характерными интервалами примерно одного порядка. Например, клиент появляется в продукте каждые 2-7 недель.
КАК выделяются эти типы потребления? Есть 2 подхода к работе с этой историей.
Первый - шаманский. Мы миксуем качественный анализ и несложную статистику. Так мы узнаем, как выглядит реальное потребление в продукте и получаем набор гипотез для глубинных интервью и, например, кластеризации пользователей.
Второй - ещё хуже. Он «ботанский». Мы делаем всё то же самое, но потом добавляем статистику и анализ данных, постоянно помешивая и разбавляя шаманскими методами.
Метод квадрантов на наглядном примере
Источник: "Harvard Business Review: Самоирония: правила безопасности" https://hbr-russia.ru/karera/lichnye-kachestva-i-navyki/767857?
Цитата:
"В 2009 году группа ученых под руководством Рене Пройера из Университета Цюриха опубликовала результаты масштабного исследования гелотофобии. Изучив 73 страны, они расположили их на диаграмме, где по оси абсцисс — страх быть осмеянным, по оси ординат — мнительность, то есть ощущение, что смеются именно над тобой.
Быть осмеянными меньше всего боятся жители Англии, Норвегии, Австралии, Гонконга, США. Россия, что интересно, тоже находится в левой половине диаграммы — гелотофобия нам свойственна в небольшой степени.
По данным другого исследования, проведенного группой психологов под руководством Сергея Ениколопова, в России наблюдается зависимость между размером города и уровнем гелотофобии: чем меньше населенный пункт — тем сильнее страх быть осмеянным. Похожая связь отмечается и в США."
Отсылка: Ранее метод квадрантов упоминался мной в посте "Топ 5 методов анализа данных, которые будут полезны каждому"
Источник: "Harvard Business Review: Самоирония: правила безопасности" https://hbr-russia.ru/karera/lichnye-kachestva-i-navyki/767857?
Цитата:
"В 2009 году группа ученых под руководством Рене Пройера из Университета Цюриха опубликовала результаты масштабного исследования гелотофобии. Изучив 73 страны, они расположили их на диаграмме, где по оси абсцисс — страх быть осмеянным, по оси ординат — мнительность, то есть ощущение, что смеются именно над тобой.
Быть осмеянными меньше всего боятся жители Англии, Норвегии, Австралии, Гонконга, США. Россия, что интересно, тоже находится в левой половине диаграммы — гелотофобия нам свойственна в небольшой степени.
По данным другого исследования, проведенного группой психологов под руководством Сергея Ениколопова, в России наблюдается зависимость между размером города и уровнем гелотофобии: чем меньше населенный пункт — тем сильнее страх быть осмеянным. Похожая связь отмечается и в США."
Отсылка: Ранее метод квадрантов упоминался мной в посте "Топ 5 методов анализа данных, которые будут полезны каждому"
Учиться, учиться и ещё раз учиться! Нет, это не Владимир Ильич расписывает ручку, это рынок Образования нам напоминает, прирастая почти на 5% в год. Не то, чтобы это был грандиозный рост. Рынок игр например растёт быстрее. Но всё же. Образование пленит. Технологии в нём способны произвести революцию, однако их там по-прежнему не то, чтобы много.
Тем временем, мне попалась занятная статья про метрики в Образовании. Прочитайте, если ещё нет: https://fh.school/tpost/ktsrsf1j80-tsar-metrika-onlain-obucheniya-chto-skri
Я по большей части согласна с авторами, поэтому делюсь ей с Вами. Вот метрики, которые они предлагаю смотреть в Образовании, с моими комментариями:
1) Традиционная, почти NSM образования ("The One Metric That Matters" - напутствие из Lean Analytics ~ по бОльшей части чушь, как уже понимает всё цивилизованное человечество) -это COR (Completion Rate) ИЛИ «доходимость курса до конца» (для массовых бесплатных курсов она составляет 3-5%, для платных - 30-40%)
2) Уровень сложности. Авторы предлагают снимать его через опросы и глубинные интервью. Сама по себе идея норм, но без чёткой методологии может обернуться для компании профанацией. Тем не менее метрика относится к важным Оффлайн метрикам качества, о которых я довольно часто напоминаю гражданам. Пример - Rel (релевантность ссылок по запросу в Поиске). Методология в данном случае - единая инструкция для асессоров и репрезентативная группа асессоров* / *асессор - тот, кто оффлайн оценивает качество ответов Поиска за запросы
3) Ожидания и реальность. Это конечно уже не совсем про метрики, но точно про русские образовательные программы. Как правило, сначала создается лендинг (одними людьми), а затем обучающая программа (вторыми людьми) и обучение собственно (третьими людьми). Ну вы сами всё понимаете. Круто, что авторы про это пишут.
4) Темп и нагрузка. Здесь, кажется, и так ясно, что я думаю из предыдущих комментариев.
5) Время просмотра контента. Да, да, да! И глубина. Хотите учиться у лидеров, погуглите, как это делает Medium.
6) Количество выполненных домашних заданий. И доля. Потому что доли - это "good metrics"))
7) Качество усвоения материала. Говорят, как измерять это, есть методология. Пока не разбиралась.
8) Активность участия в обсуждениях. Да, да, да! Только вот как бы это явление измерить? Что думаете? Допустим, у нас есть логи Slack. Пишите в комментариях!
9) Трудоустройство. А также повышение по службе или рост ЗП. Пожалуй, самая важная метрика. Однако трудно измеримая.
Картинка отсюда: https://www.holoniq.com/edtech/10-charts-that-explain-the-global-education-technology-market/
Тем временем, мне попалась занятная статья про метрики в Образовании. Прочитайте, если ещё нет: https://fh.school/tpost/ktsrsf1j80-tsar-metrika-onlain-obucheniya-chto-skri
Я по большей части согласна с авторами, поэтому делюсь ей с Вами. Вот метрики, которые они предлагаю смотреть в Образовании, с моими комментариями:
1) Традиционная, почти NSM образования ("The One Metric That Matters" - напутствие из Lean Analytics ~ по бОльшей части чушь, как уже понимает всё цивилизованное человечество) -это COR (Completion Rate) ИЛИ «доходимость курса до конца» (для массовых бесплатных курсов она составляет 3-5%, для платных - 30-40%)
2) Уровень сложности. Авторы предлагают снимать его через опросы и глубинные интервью. Сама по себе идея норм, но без чёткой методологии может обернуться для компании профанацией. Тем не менее метрика относится к важным Оффлайн метрикам качества, о которых я довольно часто напоминаю гражданам. Пример - Rel (релевантность ссылок по запросу в Поиске). Методология в данном случае - единая инструкция для асессоров и репрезентативная группа асессоров* / *асессор - тот, кто оффлайн оценивает качество ответов Поиска за запросы
3) Ожидания и реальность. Это конечно уже не совсем про метрики, но точно про русские образовательные программы. Как правило, сначала создается лендинг (одними людьми), а затем обучающая программа (вторыми людьми) и обучение собственно (третьими людьми). Ну вы сами всё понимаете. Круто, что авторы про это пишут.
4) Темп и нагрузка. Здесь, кажется, и так ясно, что я думаю из предыдущих комментариев.
5) Время просмотра контента. Да, да, да! И глубина. Хотите учиться у лидеров, погуглите, как это делает Medium.
6) Количество выполненных домашних заданий. И доля. Потому что доли - это "good metrics"))
7) Качество усвоения материала. Говорят, как измерять это, есть методология. Пока не разбиралась.
8) Активность участия в обсуждениях. Да, да, да! Только вот как бы это явление измерить? Что думаете? Допустим, у нас есть логи Slack. Пишите в комментариях!
9) Трудоустройство. А также повышение по службе или рост ЗП. Пожалуй, самая важная метрика. Однако трудно измеримая.
Картинка отсюда: https://www.holoniq.com/edtech/10-charts-that-explain-the-global-education-technology-market/