Вы когда-нибудь выигрывали в лотерее?
Я только в детстве: в беспроигрышную от Fazer. Ну, помните, покупаешь коробки конфет, получаешь ручки и что-то там еще.

Но случилось невероятное ❗️

Когда мы приехали в Чили, я, естественно, открыл местную сим-карту. Номер выдается рандомно, и обычно это что-то типа:+56 9 2023 2389. Но мой-то, вот какой красавчик: 9 20000 800. ✨ Приравниваю к первой победе в лотерее.

Не звоните на него только, лучше пишите в телегу, если вы, например, хотите записаться на экскурсию в отдел аналитики!

Аналитика в EdTech
Я уже рассказывал, зачем предпринимателю данные в общем, а теперь хочу пройтись по отдельным сферам и привести более конкретные примеры. Начну с эдтехов. Мы с ними сейчас много работаем, так что тема мне близка.

▶️ Что дает аналитика онлайн-школе или курсу?

📶Путь клиента от первого клика. Студент пришел с рекламы, подал заявку, поговорил с продажником, записался на курс, а потом какое-то время учился и взаимодействовал с учебной платформой. Все это — отдельные записи в разных системах. Их надо совместить, чтобы посчитать сколько стоило привлечение студента и сколько денег он в итоге принес компании.

Это актуально для всех бизнесов, но у эдтехов свои особенности. У них много разных каналов продвижения (соцсети, реклама, интеграции у блогеров, бесплатные вебинары), некоторые из которых очень сложно оцифровать. Клиент может несколько раз потыкать в разные рекламы, походить по вебинарам и консультациям, прежде чем решится записаться. А когда он это сделает, надо отслеживать активность на протяжении долгого времени после покупки.

Готовые решения «из коробки» с этой задачей плохо справляются — им не хватает гибкости, чтобы подстроиться под особенности каждой конкретной школы. А вручную это сводить — вообще безумие. Кастомная система аналитики это все посчитать сможет.

📶Развитие продукта на основе данных. Как понять, что курс удачный и востребованный? Или наоборот, что есть какие-то проблемы?

Когда у нас продукт для массовой аудитории, нет смысла опираться на ощущения отдельных людей вроде единичных отзывов в интернете. Нужны данные, собранные с большой выборки.

📌Лучше всего проиллюстрировать на моем любимом примере из Refocus: Когортный анализ по студентам показал, что в какой-то момент резко выросло число заявок на возврат средств. Студенты одного и того же курса, доходя до определенного этапа, просили вернуть деньги. Стали разбираться, в чем дело, и увидели проблемы с контентом курса. Когда их исправили — число заявок снизилось.

Вот такой пример data-driven подхода, когда решения принимаются на основе данных, а не интуитивно..

Рассказывать еще можно долго, но пост уже получился длинный. Пишите, как вам и про какие еще сферы хотели бы почитать в таком формате?

Data Heroes с Александром Шестопаловым из BBE
В новом выпуске пообщались с коммерческим директором Bang Bang Education — онлайн-школы для дизайнеров, аниматоров, монтажеров и вот с недавних пор аналитиков.

У Саши интересный опыт: он в эдтехе с 2017, работал как в крупных, массовых проектах, так и в нишевом BBE, где с нуля выстроил инхаус-команду аркетинга. Так что он видел сферу со всех сторон, и рассказал, как в ней все устроено.

Много говорили про внутренние процессы в эдетехе: про найм, маркетинг и, конечно, аналитику. Дашборды и графики обсудили особенно подробно, так что если интересна эта тема — слушайте вот здесь: Яндекс Музыка, Apple Podcasts, Spotify. ⚡️

Как мы аналитику Refocus’у строили
У меня новая статья — подробно рассказываю про аналитику, которую мы в Valiotti Analytics сделали для Refocus.

Один материал на эту тему уже есть, но он больше для технарей. Эта статья — для предпринимателей и руководителей. Я в ней рассказываю про проблемы, с которыми сталкивается бизнес, и решения, которые предлагает аналитика.

Технические детали в ней тоже есть, но без духоты.

▶️ Читайте и комментируйте на vc.ru.

Аналитика в телекоме
Продолжаю серию постов про использование аналитики на практике. Первый был про эдтех, а сегодня — про телеком.

Рассказываю во многом из личного опыта работы в Yota, конкретные примеры кейсов.

🔵 Расчет нагрузки на оборудование. Компании собирают данные, сколько у них пользователей живет в определенном районе и сколько трафика они генерят. Потом на картах отмечают, где стоят базовые станции, какая нагрузка на них приходится, есть ли перегруженные/недогруженные трафиком. Если есть — их перемещают так, чтобы они справлялись с нагрузкой и создавали максимально широкое покрытие.
🔵 Прогнозирование оттока клиентов. Компании собирают данные о поведении абонентов, анализируют их и выявляют закономерности. Например: человек за последние 30 дней заходил в интернет 5 раз и скачал меньше 500 МБ — высока вероятность, что он уйдет.

Что это значит? Значит, надо с ним связаться, предложить новый тариф или бонус. Таким образом удается сохранить около 30% клиентов. 📶

🔵 Таким же образом, кстати, можно предсказывать поведение и своих сотрудников — например, на основе активности и вовлеченности рассчитать вероятность увольнения и принять меры (если хочется).

Как всегда — надеюсь, что было интересно и жду ваших вопросов! ❗️

Почему люди выбирают работу у нас в компании?
Недавно мы в Valiotti Analytics провели опрос среди коллег, чтобы узнать, почему им нравится у нас работать.

▶️ Зачем? Интересно стало, да и на hh.ru такой список хорошо смотрится. Спасибо всем, кто откликнулся, набрали аж 20 пунктов. Они все на картинке к посту.

Для меня в нем ничего неожиданного не оказалось — я же знаю свою компанию и наши сильные стороны. Но было важно услышать (или скорее прочитать, потому что опрос был письменный) это именно от команды. Круто, что все усилия не напрасны и оценены.

А что для вас ценно в работе? На какие условия обращаете внимания, а без чего точно работать не будете?