Забавно, что некоторые выводы из исследования по удержанию сотрудников перекликаются с выводами из статьи по формированию data-driven культуры.

Найдя эту статью на HBR, я был уверен, что в ней много сути и "мяса", но оказалось, что 10 шагов к data-driven культуре от Harvard Business Review это всего-навсего несложные советы, которые укладываются в здравый смысл. Но на всякий случай - напишем. Возможно, кому-то они помогут. Справедливости ради, отмечу, что советы 2, 5 и 10 действительно ценные.

= = =
1. Важность данных для принятия решений должна транслироваться сверху: топ-менеджерам стоит взять за правило рассматривать только те предложения от сотрудников, которые подкреплены крепкими аргументами и числами.

2. Используйте метрику 'predictive accuracy through time', то есть оценивайте постфактум, насколько точны ваши метрики. Это дисциплинирует.

3. Не изолируйте дата саентистов от топ-менеджмента. А еще лучше поставьте обязательным требованием для найма в компанию на любую должность наличие навыков программирования и количественного анализа.

4. Предоставьте аналитикам максимум данных, не ограничивайте их горсткой метрик, которые считаете важными.

5. Просите аналитиков оценивать качество предлагаемых ими моделей. Задаваясь вопросом "Насколько я действительно могу доверять своей модели?", аналитик глубже разберется в деталях, а в идеале и предложит альтернативы для экспериментов. Не бойтесь экспериментов.

6. Создавайте простые решения, которые легко быстро раскатать на прод, а затем уже усложняйте и уточняйте их.

7. Проводите обучение в компании релевантное ближайшим задачам, чтобы сотрудники могли сразу применить полученные знания, а не забыть их навсегда.

8. Не центрируйте обучение сотрудников вокруг улучшения продукта или бизнеса. Обучайте сотрудников тем навыкам, которые помогут им в работе: сэкономят время, помогут избежать переделок или позволят набрать недостающие данные.

9. Выберите единые метрики и единый язык программирования для всей компании. Это облегчит как коммуникацию в целом, так и ускорит анализ данных, агрегированных из разных отделов.

10. К любому решению должен прилагаться список отвергнутых моделей и причины, по которым они сработали хуже. Таким образом рассматривается больше вариантов действий, а решения принимаются более осознанно.

@internetanalytics

И про продакт-менеджеров. На неделе я встретил ссылку на статью и иллюстрацию к ней в посте Паши Левчука (а Паша постит только полезные вещи, не то, что некоторые 😊)

Так вот, речь идет о превращении из роли Product Manager в роль Product Leader.
Рассуждают Fareed Mosavat (Slack, Instacart, Zynga) и Casey Winters (CPO Eventbrite, Growth Lead Pinterest, адвайзор Tinder, Hipcamp, Reddit, Canva, Pocket). В общем, довольно крутые парни.

Существует множество определений роли Product Manager, обязанности отличаются из компании в компанию, критерии размыты и слишком субъективны. "Product Manager" в Airbnb будет называться "Senior Product Manager" в компании LinkedIn или "Head of Product" в молодом стартапе. Ступеньки карьеры разных позиций в известных компаниях можно посмотреть здесь: www.levels.fyi (для продуктов тут)

Кроме того существует скрытая ловушка прямо посередине карьерной лестницы, в которую попадают многие PM'ы на своем пути. Речь идет о моменте перехода из роли Senior Product Manager к роли Product Leader (может также называться Group Product Manager, Director of Product, Product Lead).

Дело в том, что навыки, которые определяют вас как PM, это не те навыки, которые нужны PL. Например, если раньше задача монетизации представлялась как доработка страницы прайсинга или чекаута, то теперь вам придется решать, какие фичи в какой тариф включить. Проблему с активацией вы обычно решаете анализом данных, тогда как PL проверит, а правильно ли вообще собираются и интерпретируются данные, правильно ли определена ЦА маркетинговых компаний.

Самое печальное — вы не найдете списка новых нужных навыков в описании вакансии PL, и у вас не спросят о них на собеседовании. Но зато мы готовы поделиться несколькими советами по опыту PL крупных компаний.

Итак, смените фокус в следующих вещах:

1. Вместо углубления в один тип продуктовой работы растите вширь, освойте все: проработку нового функционала, захват текущего рынка, масштабирование, выход на смежный рынок со смежным продуктом. PL должен знать, как увеличить ROI одновременно по каждому из этих направлений.

2. Вместо того, чтобы хорошо справляться со своей работой, начните учить других хорошо справляться со своей работой. Часто оказывается, что в вещах, которые мы делаем интуитивно, мы меньше всего разбираемся. Наставничество поможет систематизировать собственный опыт, плюс вы научитесь чему-то у коллег. Кроме того может оказаться, что ваши знания могли бы облегчить чью-то работу и сэкономить время всей компании. Не оставляйте самую тяжелую работу только для себя.

3. Вместо того, чтобы решать задачи имеющимися ресурсами, учитесь перераспределять ресурсы и привлекать новых людей к решению задач, то есть влиять. Нужно принять тот факт, что руководство больше не оценивает ваш личный успех, оно оценивает успех вашей команды, за которую вы несете ответственность.

4. Переключитесь с поиска возможностей для собственного роста на возможности для роста компании. Вы можете сколько угодно вкладывать сил и времени в решение одной проблемы, например, улучшение чекаута или повышение конверсии Free to Paid, но хороший PL просто расширит команду и делегирует черную работу, а себе оставит только руководство. При этом PL сможет одновременно руководить решением сразу нескольких задач несколькими командами, и наверняка оптимальное решение будет лежать на пересечении. Хороший PL смотрит сверху, видит все проблемы и закрывает их чужими руками. Но не забывайте о балансе: сотрудники тоже должны решать проблемы и принимать решения, чтобы развиваться.
= = =

Нехитрые, по большому счету, советы. Боюсь, многим они, как и шаги к data-driven культуре, покажутся банальными и незначительными, но ведь правильного ответа на вопрос как быстро расти, прокачиваться и строить карьеру просто нет или же его тщательно скрывают от нас 😊.

@internetanalytics

Свежий опрос от НАФИ сообщает, что россияне все-таки откладывают деньги на будущее, но, к сожалению, не сообщает о том, каковы эти суммы, какова регулярность и цели.

Да и ситуация не очень позитивная на самом деле. 43% опрошенных сообщают, что они ничего не откладывают. Полагаю, делают они это не от хорошей жизни, а от того, что просто ничего не остается(

Источник
Пресс-релиз с таблицами

Полтора месяца назад мы запустили @MateMarketing_bot, который раз в неделю случайно предлагает вам собеседника для звонка или встречи из числа участников наших сообществ.

По состоянию на данный момент прошло более 1000 встреч, которые в среднем оценены на 4,1 по 5-балльной шкале. Бот учится подбирать наиболее интересных напарников, и мы движемся в этом направлении. Мы спрашиваем о том, где вы работаете и какие задачи решаете, а также о том, чем можете поделиться с собеседником и какую информацию ищите.

Судя по отзывам, люди обсуждают работу (процесс найма и управление командами), помогают друг другу с SQL-запросами и сравнивают задачи в своей компании и компании своего визави. Надеюсь, что эта простая механика позволит нам обрасти новыми полезными связями

Вчера @NightWolf121 в своем Facebook рассуждал на тему собственного аналитического стека. Пишет о том, что Яндекс.Метрика может быть лучших выбором по соотношению цены/ясности, бесплатного доступа к логам вплоть до каждого визита . + решение для развертывания хранилища данных на ClickHouse так как опенсорсный и не нужно не за что платить. (С данными Google Analytics чтобы все было также быстро к расширенной версии Google Analytics ($150k в год) нужно ещё купить BigQuery и остальной стек технологий для построения полноценного пайплайна данных).

После всего этого, Адиль задает вопрос о развертывании хранилища данных с нуля и ему отвечает Сергей Довганич (renta.im):
"1. Руководство по развертыванию и настройке КХ: https://renta.im/ru/blog/clickhouse/
2. Инструкция по импорту данных Метрики в КХ на базе Renta:
https://renta.im/docs/metrica-clickhouse/
Касательно open source — обманчиво. КХ нужно разворачивать на сервере, а он стоит денег и обычно это дороже BigQuery. И точно сложнее, если место/памяти не хватает в рамках одной машины".

Пост открыт только для друзей

Digital-агентство Nimax запустили онлайн-курс по веб-аналитике для тех, кто работает с цифровыми каналами и отвечает за принятие решений — руководителей, проектных и продуктовых менеджеров, специалистов отделов маркетинга и продаж.

Nimax строили программу так, чтобы ответить на сложные вопросы, которые возникают в ежедневной работе. Потому что они агентство и видят реальные пробелы в знаниях у клиентской стороны.

Курс поможет систематизировать знания веб-аналитики, научит эффективно распределять бюджет, выстраивать стратегию работы с каналами продвижения и правильно анализировать данные и цифры.

16 уроков в трёх больших блоках:
- Инструменты веб-аналитики: разбор инструментов, которые нужны в ежедневной работе.
- Юнит-экономика и сквозная аналитика: изучение финансовых моделей и внедрение сквозной аналитики.
- Интерпретация данных и принятие решений: анализ, визуализация и использование данных.

Два формата обучения:
- Полный. Домашние задания проверяют специалисты агентства. Оперативная связь с преподавателями в телеграм-чате. Всего 30 мест.
- Самостоятельный. Можно пройти в своём темпе. Без проверки домашних заданий и доступа к чату.
Первый поток стартует 15 июля, программа и регистрация по ссылке

От себя:
- курс от агентства, а значит зарабатывают они не на продажах курсов, а на реальных проектах. Значит, цель научить чему-то, а не продать много курсов
- первый набор и поэтому в 2 раза дешевле среднего по рынку
- версия без проверки домашек стоит 15k
- всем скидка 15% по промокоду NIKUSHIN
- толковых учеников быстро порекомендуют на сторону клиентов

Вчера меня обрадовали. Прислали сообщение о том, что на всех маркетологов в компании лид аналитики разослал ссылку на доклад с Матемаркетинга-2019.

"Пользуясь случаем, поделюсь докладом с последнего Матемаркетинга о data driven. Он длится не сильно больше, чем всякие популярные обзоры на ютубе, но охватывает и сложности, с которыми встречаемся, и способы борьбы с ними. Мы будем очень рады, если вы его посмотрите. Ссылка на доклад"

Имеет смысл поделиться со всеми 😊

Алена Артемьева очень емко и точно рассказывает о построении data-driven маркетинга в маленькой компании, когда еще вроде не так много данных и не так много денег.

Видео доступно на YouTube: https://youtu.be/BfKIZ8JvtWs

@internetanalytics

Лайвстрим про построение сквозной аналитики на базе Google BugQuery


https://www.facebook.com/segmentstream/videos/621832368435196/

Петр Аброськин, директор по операционному маркетингу в Яндекс, забросил свой канал @marketingdot, но написал хороший пост в facebook по итогам онлайн-конференции от Google про продвижение мобильных приложений.

"Занятные факты:
- рост установок мобильных приложений в 2019 году был +2% YoY (всего!). В 2020 году прогноз +22% (помогла пандемия),
- 20% приложений открывают один раз,
- в среднем, частотность покупок в приложениях на 33% выше, чем на сайтах.
- 95% пользователей смотрят рекламу со звуком на YouTube!

Полезные инсайты:
- проверяйте свою видеорекламу на телефонах с 50% яркостью. Многие пользователи используют энергорежим, а креатив можем быть неприспособлен для таких условий,
- длинные ролики иногда работают лучше коротких. Суть - если пользователь посмотрел более 60 секунд вашей рекламы, то у него интент купить что-то у вас в 3 раза выше, чем у того, кто просмотрел 15 секунд. Для радикального примера, реклама длительностью 24 минуты Говорят, что очень успешная.
- HOFF успешно продает мебель через Tik-Tok и получает новых клиентов

Запись конференции.

@internetanalytics

​​ИНФОГРАФИКА: на чём заработали Facebook, Amazon, Apple, Microsoft и Alphabet в 2019 году
🤔
Выручка большой пятерки — Facebook, Amazon, Apple, Microsoft и Alphabet (FAAMG) — в 2019 году составили $900 миллиардов, что превышает ВВП четырех стран G20.
😱💰
Для сравнения, выручка FAAMG сделали бы ее 18-й по величине страной по ВВП, опередив Саудовскую Аравию и уступив Голландии.
💥
Amazon — американская компания, крупнейшая в мире на рынках платформ электронной коммерции и публично-облачных вычислений.
✨ Выручка $281 млрд.
✨ 69% выручки генерируется в США.
✨ Чистая прибыль $11,6 млрд.
✨ Капитализация $1,44 трлн.

Apple — американская корпорация, производитель персональных и планшетных компьютеров, аудиоплееров, телефонов, программного обеспечения.
✨ Выручка $260 млрд.
✨ 45% выручки генерируется в США, 22% в Европе и 27% Китай.
✨ Чистая прибыль $55,2 млрд.
✨ Флагманский продукт — iPhone делает больше половины выручки.
✨ Капитализация $1,58 трлн.

Alphabet / Google — американская транснациональная корпорация, реорганизованная 15 октября 2015 года в международный конгломерат Alphabet, компания в составе холдинга Alphabet, инвестирующая в интернет-поиск, облачные вычисления и рекламные технологии.
✨ Выручка $162 млрд.
✨ 46% выручки генерируется в США, 31% в EMEA (Европа, Ближний Восток и Африка).
✨ Чистая прибыль $34,3 млрд.
✨ Капитализация $1,02 трлн.

Microsoft — одна из крупнейших транснациональных компаний по производству проприетарного программного обеспечения для различного рода вычислительной техники — персональных компьютеров, игровых приставок, КПК, мобильных телефонов и прочего, разработчик семейства операционных систем Windows.
✨ Выручка $126 млрд.
✨ 51% выручки генерируется в США.
✨ Чистая прибыль $39,2 млрд.
✨ Капитализация $1,56 трлн.

Facebook — крупнейшая социальная сеть в мире.
✨ Выручка $71 млрд.
✨ 45% выручки генерируется в США, 24% в Европе.
✨ 98,5% выручки приносит Facebook Ads (реклама в соцсетях)
✨ Чистая прибыль $18,5 млрд.
✨ Капитализация $665 млрд.
🍀
Infographics in JPG >>>
🛩
Source >>>

#analytics #case #economics #product #technology #visualization

Среди незаброшенных каналов - канал @insightstream Владимира Журавлева, который всю жизнь занимается маркетинговыми исследованиями.

Несколько ссылок на посты из этого канала.

Топ-10 трендов в сфере данных и аналитики by Gartner

Если ооооочень коротко, то сочетание данных и аналитики с технологиями искусственного интеллекта сыграет ключевую роль в вопросах прогнозирования, подготовки и оперативного реагирования на глобальный кризис и его последствия.

Свежий отчет WeAreSocial & Hootsuite о том, как 4,5 млрд людей используют интернет и социальные сети в частности

Отчет об эффективности цифровых технологий в Европе и цифровой конкурентоспособности.
Этот отчет будет полезен тем, кто занимается/хочет заниматься цифровизацией компаний/корпораций/государств. Метрики, индикаторы, куда смотреть, что уже сделали.

Digital Society Index 2020: 66% людей ожидают от компаний применения технологий во благо обществу
(как и от всего и всех). Этот отчет (как я понял) позволит понять что хотят простые/малознакомые с технологиями люди от технологических гигантов и страхи этих людей. Да, по ту сторону онлайна довольно страшно.

В общем, много хороших материалов, за которыми не всегда успеваем мы собраны у Володи @insightstream