Радостная новость для тех, кто импортит контейнеры пару раз в день: https://www.simoahava.com/analytics/partial-container-export-google-tag-manager/
теперь можно импортировать только кусок контейнера
@internetanalytics
теперь можно импортировать только кусок контейнера
@internetanalytics
Simo Ahava's blog
Partial Container Export In Google Tag Manager
Showcasing the partial container export feature in Google Tag Manager. Partial export lets you choose only a subset of the container to export as a JSON file for importing into other containers.
Forwarded from karpov.courses
A/B тесты - один из основных инструментов в продуктовой аналитике. Этот метод маркетингового исследования заключается в том, что контрольная группа элементов сравнивается с набором тестовых групп, где один или несколько показателей изменены для того, чтобы выяснить, какие из изменений улучшают целевой показатель. Например, мы можем поменять цвет кнопки для регистрации с красного на синий и сравнить, насколько это будет эффективно.
После интервью с Никитой Маршалкиным мы собрали источники, которые он одобряет и использует в работе с A/B тестами (а некоторые даже написаны им лично!):
1. Крутая книга о том, как спланировать и провести своё первое A/B тестирование:
https://experimentguide.com
2. Подборка примеров применения A/B тестов в индустрии: как топовая литература на тему, так и интервью от сотрудников крупных компаний, применяющих A/B тесты в работе:
https://exp-platform.com
3. Пошаговый, написанный с Никитой в соавторстве гайдлайн для создания A/B тестов на языке Python:
https://medium.com/.../practitioners-guide-to-statistical...
4. Статья, описывающая как определять, комбинировать и объединять метрики (и комбинации из 2-3 метрик) с высокой прогнозирующей способностью таким образом, чтобы уменьшать их число и снижать вариативность:
research.google/pubs/pub43157/
5. Работа, рассматривающая различные подходы к планированию и созданию рандомизированных экспериментов, чтобы не получить мнимые отличия на этапе дизайна:
https://arxiv.org/abs/1404.7530
6. Краткие конспекты докладов исследователей и практиков из области анализа данных с конференции KDD 2019, где можно почерпнуть новаторские решения в планировании экспериментов для бизнеса:
https://research.fb.com/.../top-challenges-from-the.../
7. Краткое руководство как правильно выстроить работу b2c: на какие метрики необходимо смотреть и как их учитывать для улучшения работы:
https://onlineuserengagement.github.io/
После интервью с Никитой Маршалкиным мы собрали источники, которые он одобряет и использует в работе с A/B тестами (а некоторые даже написаны им лично!):
1. Крутая книга о том, как спланировать и провести своё первое A/B тестирование:
https://experimentguide.com
2. Подборка примеров применения A/B тестов в индустрии: как топовая литература на тему, так и интервью от сотрудников крупных компаний, применяющих A/B тесты в работе:
https://exp-platform.com
3. Пошаговый, написанный с Никитой в соавторстве гайдлайн для создания A/B тестов на языке Python:
https://medium.com/.../practitioners-guide-to-statistical...
4. Статья, описывающая как определять, комбинировать и объединять метрики (и комбинации из 2-3 метрик) с высокой прогнозирующей способностью таким образом, чтобы уменьшать их число и снижать вариативность:
research.google/pubs/pub43157/
5. Работа, рассматривающая различные подходы к планированию и созданию рандомизированных экспериментов, чтобы не получить мнимые отличия на этапе дизайна:
https://arxiv.org/abs/1404.7530
6. Краткие конспекты докладов исследователей и практиков из области анализа данных с конференции KDD 2019, где можно почерпнуть новаторские решения в планировании экспериментов для бизнеса:
https://research.fb.com/.../top-challenges-from-the.../
7. Краткое руководство как правильно выстроить работу b2c: на какие метрики необходимо смотреть и как их учитывать для улучшения работы:
https://onlineuserengagement.github.io/
Реклама делает человека несчастным.
Профессор экономики и бихевиоризма Уорикского университета (Англия) проанализировал результаты ежегодных опросов о качестве жизни девятисот тысяч людей из 27 стран с 1980-го по 2011-й года, сравнил с данными о годовых тратах на общенациональную рекламу и нашел интересную корреляцию.
Увеличение бюджета рекламы давало через несколько лет снижение уровня удовлетворенности опрошенных своей жизнью. За уменьшением бюджета наоборот следовало повышение показателя удовлетворенности.
В мат.модели контролировали ВВП и уровень безработицы, учитывали скачки цен на нефть и подобные случайные события. Эффект годовых трат на рекламу оказался всего в два раза меньше эффекта семейного положения и в 4 раза меньше эффекта отсутствия работы.
https://voxeu.org/article/advertising-major-source-human-dissatisfaction
https://hbr.org/2020/01/advertising-makes-us-unhappy
@internetanalytics
Профессор экономики и бихевиоризма Уорикского университета (Англия) проанализировал результаты ежегодных опросов о качестве жизни девятисот тысяч людей из 27 стран с 1980-го по 2011-й года, сравнил с данными о годовых тратах на общенациональную рекламу и нашел интересную корреляцию.
Увеличение бюджета рекламы давало через несколько лет снижение уровня удовлетворенности опрошенных своей жизнью. За уменьшением бюджета наоборот следовало повышение показателя удовлетворенности.
В мат.модели контролировали ВВП и уровень безработицы, учитывали скачки цен на нефть и подобные случайные события. Эффект годовых трат на рекламу оказался всего в два раза меньше эффекта семейного положения и в 4 раза меньше эффекта отсутствия работы.
https://voxeu.org/article/advertising-major-source-human-dissatisfaction
https://hbr.org/2020/01/advertising-makes-us-unhappy
@internetanalytics
Сегодня два больших гугловых обновления App+Web:
1. Event-scoped Custom Metrics and Dimensions - https://support.google.com/analytics/answer/10075209
2. Data Studio Connector - https://www.kristaseiden.com/new-appweb-data-studio-connector/
1. Event-scoped Custom Metrics and Dimensions - https://support.google.com/analytics/answer/10075209
2. Data Studio Connector - https://www.kristaseiden.com/new-appweb-data-studio-connector/
Google
[GA4] About custom dimensions and metrics - Analytics Help
Analyze and advertise using the custom data from your website or appA custom dimension or metric in Google Analytics enables you to analyze and advertise using the custom data you've gathered from you
Интернет-аналитика // Алексей Никушин
Сегодня два больших гугловых обновления App+Web: 1. Event-scoped Custom Metrics and Dimensions - https://support.google.com/analytics/answer/10075209 2. Data Studio Connector - https://www.kristaseiden.com/new-appweb-data-studio-connector/
Новые материалы по А/B-тестированию. Открываем доступ к докладам из секции про эксперименты на Матемаркетинге-2019. В 2019 году у нас было 7 тем, посвященных экспериментам
= = = =
Ближайшая конференция — Матемаркетинг-2020 — состоится 9-13 ноября в формате online
Программа конференции
Все подробности: https://matemarketing.ru
= = = =
Игорь Яшков из Яндекс.Поиска научил валидировать и развивать метрики
Валерий Бабушкин из Х5 Retail Group научил ускорять сотни А/Б-тестов в десятки раз
Дарья Чиркина из Яндекса привела практические кейсы построения аналитической инфраструктуры в небольших интернет-компаниях.
Искандер Мирмахмадов из EXPF научил увеличивать чувствительность метрик
Анатолий Карпов рассказал о том, как сделать так, чтобы А/В-тестирование заработало
Максим Сергеев из Яндекс.Еды рассказал о marketplace efficiency в Яндекс.Еде
Данила Леньков из Avito рассказал об инфраструктуре A/B-тестирования в Avito для централизации обработки результатов экспериментов.
= = = = =
В 2020 году у нас новые темы, посвященные экспериментам
Дмитрий Гущин, co-founder Stereo7 - Эксперименты в мобильных приложениях
- проблемы с А/В-тестами специфичные для мобильных приложений.
- как неправильно считать деньги в А/В-тестах.
- как правильно считать деньги в А/В-тестах.
- как запускать много А/В-тестов. Кейсы.
Эмели Драль, CTO Evidently AI - Генерация и проверка сильных гипотез, А-А/А-В-тесты
- как отобрать лучшие гипотезы-кандидаты для проведения теста?
- как оценить оптимальный размер группы?
- как оптимизировать длительность теста?
- как убедиться в корректности разбиения?
- как отличить краткосрочный эффект от продолжительного?
+ чек-лист по разработке дтизайна и проведению АБ тестирования.
Виталий Черемисинов, Experiment Fest - блиц-формат на тему как искать прокси метрики в продуктах.
Олег Хомюк, Head of R&D Lamoda - блиц-формат про применение методов data science в экспериментах, проверке гипотез в e-commerce и смежных темах.
Игорь Полянский, Head of Analytics Gett - Быстрая приоритезация UX-гипотез
Разбираем проблемы развитой продуктовой аналитики (низкая значимость фичей и их кумулятивное влияние). Кейс Gett: LightGBM с SHAP interpreter для множественное проверки гипотез, результаты, learnings. Делаем разбор применения метода для других метрик, “за” и “против”.
= = = = =
Полная программа конференции: https://bit.ly/3iMiT6Z
@internetanalytics
= = = =
Ближайшая конференция — Матемаркетинг-2020 — состоится 9-13 ноября в формате online
Программа конференции
Все подробности: https://matemarketing.ru
= = = =
Игорь Яшков из Яндекс.Поиска научил валидировать и развивать метрики
Валерий Бабушкин из Х5 Retail Group научил ускорять сотни А/Б-тестов в десятки раз
Дарья Чиркина из Яндекса привела практические кейсы построения аналитической инфраструктуры в небольших интернет-компаниях.
Искандер Мирмахмадов из EXPF научил увеличивать чувствительность метрик
Анатолий Карпов рассказал о том, как сделать так, чтобы А/В-тестирование заработало
Максим Сергеев из Яндекс.Еды рассказал о marketplace efficiency в Яндекс.Еде
Данила Леньков из Avito рассказал об инфраструктуре A/B-тестирования в Avito для централизации обработки результатов экспериментов.
= = = = =
В 2020 году у нас новые темы, посвященные экспериментам
Дмитрий Гущин, co-founder Stereo7 - Эксперименты в мобильных приложениях
- проблемы с А/В-тестами специфичные для мобильных приложений.
- как неправильно считать деньги в А/В-тестах.
- как правильно считать деньги в А/В-тестах.
- как запускать много А/В-тестов. Кейсы.
Эмели Драль, CTO Evidently AI - Генерация и проверка сильных гипотез, А-А/А-В-тесты
- как отобрать лучшие гипотезы-кандидаты для проведения теста?
- как оценить оптимальный размер группы?
- как оптимизировать длительность теста?
- как убедиться в корректности разбиения?
- как отличить краткосрочный эффект от продолжительного?
+ чек-лист по разработке дтизайна и проведению АБ тестирования.
Виталий Черемисинов, Experiment Fest - блиц-формат на тему как искать прокси метрики в продуктах.
Олег Хомюк, Head of R&D Lamoda - блиц-формат про применение методов data science в экспериментах, проверке гипотез в e-commerce и смежных темах.
Игорь Полянский, Head of Analytics Gett - Быстрая приоритезация UX-гипотез
Разбираем проблемы развитой продуктовой аналитики (низкая значимость фичей и их кумулятивное влияние). Кейс Gett: LightGBM с SHAP interpreter для множественное проверки гипотез, результаты, learnings. Делаем разбор применения метода для других метрик, “за” и “против”.
= = = = =
Полная программа конференции: https://bit.ly/3iMiT6Z
@internetanalytics
Яндекс.Музыка запустила кабинет статистики по подкастам.
Подкастерам теперь доступны общие цифры прослушиваний, статистика по каждому эпизоду, а также пол, возраст и география слушателей. Эти данные позволят авторам лучше понимать свою аудиторию и будут полезны для коммуникации с рекламодателями.
Количество слушателей подкастов на Яндекс.Музыке увеличилось в 6 раз по отношению к прошлому году (каждый 4-й подписчик).
Кроме этого, Музыка запустила «Энциклопедию подкастера» – канал в Яндекс.Дзене, в котором будет рассказывать о тонкостях подкастинга. Соавторами энциклопедии станут опытные подкастеры, а также эксперты из смежных индустрий – журналисты, контент-продюсеры, специалисты по маркетингу и рекламе.
P.S. Все-таки пора запускать свой подкаст))
Подкастерам теперь доступны общие цифры прослушиваний, статистика по каждому эпизоду, а также пол, возраст и география слушателей. Эти данные позволят авторам лучше понимать свою аудиторию и будут полезны для коммуникации с рекламодателями.
Количество слушателей подкастов на Яндекс.Музыке увеличилось в 6 раз по отношению к прошлому году (каждый 4-й подписчик).
Кроме этого, Музыка запустила «Энциклопедию подкастера» – канал в Яндекс.Дзене, в котором будет рассказывать о тонкостях подкастинга. Соавторами энциклопедии станут опытные подкастеры, а также эксперты из смежных индустрий – журналисты, контент-продюсеры, специалисты по маркетингу и рекламе.
P.S. Все-таки пора запускать свой подкаст))
Всем пользователям Метрики стали доступны новые типы целей
Что нужно сделать?
Перейти в настройки счётчика, открыть вкладку «Цели» и добавить наиболее оптимальные. “Простые цели” в связке с оплатой за конверсии способны оптимизировать эту самую конверсию с рекламы только за счёт оплаты за конкретные действия посетителей сайта. В итоге, можно покупать по фиксированной цене заполнение формы, клики по контактным данным, номеру телефона и прочее.
Пример:
1. Сделали простую цель «Отправка формы», «Клик по номеру телефона» или «Клик по email».
2. Делаем ее ориентиром для конверсионной автостратегии в Директе, и, например, платим только за те визиты, которые заканчиваются соответствующим действием пользователя. Для этого используем её в стратегии «Оплата за конверсии».
Кроме этого, доступны еще варианты поиска самых конверсионных источников трафика, возврата аудитории на сайт и др.
Подробности в блоге Метрики: https://yandex.ru/blog/metrika/light-goals
@internetanalytics
Что нужно сделать?
Перейти в настройки счётчика, открыть вкладку «Цели» и добавить наиболее оптимальные. “Простые цели” в связке с оплатой за конверсии способны оптимизировать эту самую конверсию с рекламы только за счёт оплаты за конкретные действия посетителей сайта. В итоге, можно покупать по фиксированной цене заполнение формы, клики по контактным данным, номеру телефона и прочее.
Пример:
1. Сделали простую цель «Отправка формы», «Клик по номеру телефона» или «Клик по email».
2. Делаем ее ориентиром для конверсионной автостратегии в Директе, и, например, платим только за те визиты, которые заканчиваются соответствующим действием пользователя. Для этого используем её в стратегии «Оплата за конверсии».
Кроме этого, доступны еще варианты поиска самых конверсионных источников трафика, возврата аудитории на сайт и др.
Подробности в блоге Метрики: https://yandex.ru/blog/metrika/light-goals
@internetanalytics
Блог Яндекса
Делаем Метрику проще: заводите важные цели без помощи разработчика
Мы в Метрике хотим сделать работу с целями как можно более простой — чтобы специалисты без навыков работы с кодом могли быстро настроить отслеживание важных событий на сайте. Для этого мы сделали новые типы целей — на клик по номеру телефона или по адресу…
Хотели было перевести на русский (хотя бы оглавление и основные темы разделов), но что-то так много задач по Матемаркетингу в этом году, что, выкатываем так.
Пару недель назад вышла классная книжка по продуктовой аналитике от Mixpanel. Это прямо-таки маст.
В общем, полистайте, положите в закладки и обращайтесь, когда будете считать ретеншен
@internetanalytics
Пару недель назад вышла классная книжка по продуктовой аналитике от Mixpanel. Это прямо-таки маст.
В общем, полистайте, положите в закладки и обращайтесь, когда будете считать ретеншен
@internetanalytics
Mixpanel
The Guide to Product Analytics - Introduction | Mixpanel
The Guide to Product Analytics taps dozens of product leaders (from companies like Google, Twitter, and LinkedIn) to break down how PMs can use product analytics to drive product-led growth.
New Templates in App+Web
https://www.kristaseiden.com/new-templates-in-appweb-analysis/
@internetanalytics
https://www.kristaseiden.com/new-templates-in-appweb-analysis/
@internetanalytics
Слушайте, я ищу подтверждённые кейсы, когда человек, будучи нулевым в аналитике, прошёл чей-то курс (за 3-6 месяцев) и вышел на заявленные на лендосе деньги (например, 120-180 000).
Ведь если такие обещания даются, значит, такие люди существуют.
Напишите в личку @a_nikushin, плиз
Ведь если такие обещания даются, значит, такие люди существуют.
Напишите в личку @a_nikushin, плиз
Павел Левчук в своем facebook делится интересной мыслью из статьи Cassie Kozyrkov - Head of Decision Intelligence, Google.
1. Аналитик помогает формировать вам гипотезы, улучшая качество ваших вопросов, в то время как статистик помогает тестировать ваши гипотезы, улучшая качество ответов.
2/ Аналитик будет расходовать часть вашего времени в пустую, такова цена исследования. Поэтому аналитика это игра по оптимизации вдохновения-в-минуту лица принимающего решения.
3/ Не стоит буквально оценивать аналитика по метрике вдохновение-в-минуту. Лучше оценивать его навыки добывать информацию. Но и здесь нужно быть аккуратным в оценочных суждениях: навык аналитика не гарантирует прорывной идеи. Часто это зависит от данных.
@internetanalytics
1. Аналитик помогает формировать вам гипотезы, улучшая качество ваших вопросов, в то время как статистик помогает тестировать ваши гипотезы, улучшая качество ответов.
2/ Аналитик будет расходовать часть вашего времени в пустую, такова цена исследования. Поэтому аналитика это игра по оптимизации вдохновения-в-минуту лица принимающего решения.
3/ Не стоит буквально оценивать аналитика по метрике вдохновение-в-минуту. Лучше оценивать его навыки добывать информацию. Но и здесь нужно быть аккуратным в оценочных суждениях: навык аналитика не гарантирует прорывной идеи. Часто это зависит от данных.
@internetanalytics
Medium
What makes a data analyst excellent?
Short answer? Speed. But it’s not as simple as you think…
"Ключевое качество аналитика - уметь видеть за потоком цифр вопросы к работе проекта. Доформулировать помогут специалисты, но первоначально увидеть правильные сигналы должен уметь хороший аналитик" - добавляет Антон Сучков мне в личные сообщения ))
Классное исследование от Яндекса о сравнении стоимостей владения автомобилем и поездок на каршеринге/такси.
https://yandex.ru/company/researches/2020/auto-cost
Есть полноценный калькулятор, в который вшито 116 моделей автомобилей
https://yandex.ru/lab/calculator-auto/
Яндекс молодцы, умеют делать так, чтобы люди долгосрочно задумывались о важных Яндексу вещах
@internetanalytics
https://yandex.ru/company/researches/2020/auto-cost
Есть полноценный калькулятор, в который вшито 116 моделей автомобилей
https://yandex.ru/lab/calculator-auto/
Яндекс молодцы, умеют делать так, чтобы люди долгосрочно задумывались о важных Яндексу вещах
@internetanalytics
Компания Яндекс
Компания Яндекс — Во сколько обходится личный автомобиль
Из чего складываются расходы и что выгоднее: своя машина, такси или каршеринг
Вопрос к вам от Adventum и Amplitude. Они готовятся к Матемаркетингу и хотят выбрать максимально релевантную тему. Проголосуйте за самое интересное
1.Секрет успеха принятия data-driven решений (почему это важно и что это меняет)
2. Как понимание поведения клиентов помогает улучшать продукт/увеличивать монетизацию + кейс Delivery Club
3. In-house vs Коробочное решение. Как выстроить аналитический стек с максимальной пользой.
4. Путь продуктовой аналитики в Delivery Club
5. Кейс по работе с Retention
1.Секрет успеха принятия data-driven решений (почему это важно и что это меняет)
2. Как понимание поведения клиентов помогает улучшать продукт/увеличивать монетизацию + кейс Delivery Club
3. In-house vs Коробочное решение. Как выстроить аналитический стек с максимальной пользой.
4. Путь продуктовой аналитики в Delivery Club
5. Кейс по работе с Retention
Интернет-аналитика // Алексей Никушин via @like
Вопрос к вам от Adventum и Amplitude. Они готовятся к Матемаркетингу и хотят выбрать максимально релевантную тему. Проголосуйте за самое интересное 1.Секрет успеха принятия data-driven решений (почему это важно и что это меняет) 2. Как понимание поведения…
Итак, выходит, что сравнение возможностей in-house и коробочных решений попадает в программу.
Отлично. Устроим холивар на эту тему после этого доклада на конфе.
Спасибо!
Отлично. Устроим холивар на эту тему после этого доклада на конфе.
Спасибо!
Forwarded from This is Data
Наконец-то закончил статью на одну из самых сложных для понимания тем - оконные функции в SQL.
На ее написание ушло почти пять месяцев с перерывом на отпуск :)
В статье на простых примерах с картинками разбирается принцип работы данных функций, а в конце вас ждут кейсы с расчетом моделей атрибуции «Первый клик» и «С учетом давности взаимодействий».
На ее написание ушло почти пять месяцев с перерывом на отпуск :)
В статье на простых примерах с картинками разбирается принцип работы данных функций, а в конце вас ждут кейсы с расчетом моделей атрибуции «Первый клик» и «С учетом давности взаимодействий».
Интернет-аналитика // Алексей Никушин
Devtodev выпустили бесплатный курс по A/B-тестам в играх. Это хорошо. В копилочку https://www.devtodev.com/education/online-course/ab-tests-from-a-to-b-part1 @internetanalytics
Devtodev выпустили вторую часть курса по А/Б-тестам. Тоже бесплатно
https://www.devtodev.com/education/online-course/ab-tests-from-a-to-b-part2/
@internetanalytics
https://www.devtodev.com/education/online-course/ab-tests-from-a-to-b-part2/
@internetanalytics
David Ritter из Boston Consulting Group обращает наше внимание на вечное: как определить, стоит ли внимания обнаруженная вами корреляция.
Согласно подходу BCG результат можно использовать для продуктовых решений, если:
а) Вы уверены, что такую связь вы снова обнаружите в будущем, и не раз. То есть, вы наблюдали подобную связь в прошлом и можете ее объяснить.
б) Риск совершить ошибку, предприняв какие-либо действия в отношении продукта, опираясь на эту корреляцию, не высокий. То есть, потенциальная польза перевешивает риски или косты.
https://hbr.org/2014/03/when-to-act-on-a-correlation-and-when-not-to
@internetanalytics
Согласно подходу BCG результат можно использовать для продуктовых решений, если:
а) Вы уверены, что такую связь вы снова обнаружите в будущем, и не раз. То есть, вы наблюдали подобную связь в прошлом и можете ее объяснить.
б) Риск совершить ошибку, предприняв какие-либо действия в отношении продукта, опираясь на эту корреляцию, не высокий. То есть, потенциальная польза перевешивает риски или косты.
https://hbr.org/2014/03/when-to-act-on-a-correlation-and-when-not-to
@internetanalytics
Finding_PMF_for_Consumer_Products_Hypothesis_&_Personas_Exercise.pdf
133.9 KB
Sarah Leary (Microsoft, eBay, Nextdoor, Unusual Ventures) поделилась своим чеклистом по проработке гипотез для Product-Market Fit и персон с примерами.
@internetanalytics
@internetanalytics
Sarah Leary поделилась инструкцией к поиску Product-Market Fit. Она была продактом в Microsoft, запускала первые версии Microsoft Office, экс-вице-президент одной из компаний eBay, основатель Fanbase и Nextdoor, партнер Unusual Ventures.
1. Ответьте на три главных вопроса:
- Кто является целевым покупателем?
- Какая именно его потребность не удовлетворена?
- Почему она до сих пор не удовлетворена?
Выпишите ответы и обсудите с командой и знакомыми. Польза фидбэка выше, чем риск, что кто-то украдет вашу идею.
2. Проверьте гипотезы.
Andy Johnes (Facebook, Twitter, Quora, Wealthfront) говорит: "Не так важно первым выйти на рынок, как первым занять соответствующую продукту нишу рынка".
Признайте, что вы тоже можете ошибаться, и идите проверять гипотезы. Проверка должна быть быстрой и дешевой:
- опросы
- макеты на бумаге
- 1:1 интервью
- "Волшебник страны Оз" (Пользователь взаимодействует с системой, которая (как ему сказано) полностью автоматизирована. На самом деле, все действия и ответы системы находятся под контролем человека-оператора.)
И никогда не отдавайте эту работу на аутсорс.
Несколько недель тестов сэкономят вам месяцы разработки.
3. Протестируйте продукт в реальном мире.
Разработайте прототип с 1-3 фичами, MVP. Многие считают, что MVP — версия продукта, которую проще всего и быстрее сделать. На самом деле MVP — версия продукта, которая обрадует клиента и вызовет в нем энтузиазм дождаться следующей версии.
Sarah говорит, что осознала, что Nextdoor нашел Product-Market Fit, когда во время приостановки работы прототипа на час, ей стали звонить и писать обеспокоенные пользователи — Nextdoor был им нужен немедленно!
4. Детально проработайте портреты персон ЦА.
Проработка персон важна не для того, чтобы определить, кого именно вы обслуживаете. Проработка персон помогает понять, кого вы НЕ собираетесь обслуживать.
Не пытайтесь удовлетворить всех. Лучше иметь небольшую базу пользователей, которые влюблены в ваш продукт, чем большую базу людей, которым "вроде бы нравится". У продуктов успешных компаний всегда есть несгибаемое в своей лояльности ядро аудитории.
5. Запускайтесь, учитесь, корректируйте курс.
Как определить, что пора масштабно запускаться? Не дайте лучшему стать врагом хорошего. Запускайте, как только все жизненно важные фичи будут готовы и оттестированы. Если у вас проблемы с регистрацией пользователей — точкой входа — лучше отложить запуск на несколько недель, даже если у вас договоренности с прессой.
Nextdoor понял, что пора запускаться, когда заработала реферальная система. Новые пользователи слышали о сервисе от знакомых и уже были готовы регистрироваться.
https://www.unusual.vc/field-guide-consumer/finding-product-market-fit-2
@internetanalytics
1. Ответьте на три главных вопроса:
- Кто является целевым покупателем?
- Какая именно его потребность не удовлетворена?
- Почему она до сих пор не удовлетворена?
Выпишите ответы и обсудите с командой и знакомыми. Польза фидбэка выше, чем риск, что кто-то украдет вашу идею.
2. Проверьте гипотезы.
Andy Johnes (Facebook, Twitter, Quora, Wealthfront) говорит: "Не так важно первым выйти на рынок, как первым занять соответствующую продукту нишу рынка".
Признайте, что вы тоже можете ошибаться, и идите проверять гипотезы. Проверка должна быть быстрой и дешевой:
- опросы
- макеты на бумаге
- 1:1 интервью
- "Волшебник страны Оз" (Пользователь взаимодействует с системой, которая (как ему сказано) полностью автоматизирована. На самом деле, все действия и ответы системы находятся под контролем человека-оператора.)
И никогда не отдавайте эту работу на аутсорс.
Несколько недель тестов сэкономят вам месяцы разработки.
3. Протестируйте продукт в реальном мире.
Разработайте прототип с 1-3 фичами, MVP. Многие считают, что MVP — версия продукта, которую проще всего и быстрее сделать. На самом деле MVP — версия продукта, которая обрадует клиента и вызовет в нем энтузиазм дождаться следующей версии.
Sarah говорит, что осознала, что Nextdoor нашел Product-Market Fit, когда во время приостановки работы прототипа на час, ей стали звонить и писать обеспокоенные пользователи — Nextdoor был им нужен немедленно!
4. Детально проработайте портреты персон ЦА.
Проработка персон важна не для того, чтобы определить, кого именно вы обслуживаете. Проработка персон помогает понять, кого вы НЕ собираетесь обслуживать.
Не пытайтесь удовлетворить всех. Лучше иметь небольшую базу пользователей, которые влюблены в ваш продукт, чем большую базу людей, которым "вроде бы нравится". У продуктов успешных компаний всегда есть несгибаемое в своей лояльности ядро аудитории.
5. Запускайтесь, учитесь, корректируйте курс.
Как определить, что пора масштабно запускаться? Не дайте лучшему стать врагом хорошего. Запускайте, как только все жизненно важные фичи будут готовы и оттестированы. Если у вас проблемы с регистрацией пользователей — точкой входа — лучше отложить запуск на несколько недель, даже если у вас договоренности с прессой.
Nextdoor понял, что пора запускаться, когда заработала реферальная система. Новые пользователи слышали о сервисе от знакомых и уже были готовы регистрироваться.
https://www.unusual.vc/field-guide-consumer/finding-product-market-fit-2
@internetanalytics
www.field-guide.unusual.vc
Five Steps to PMF