Свежий дайджест с запахом мандаринов и надвигающихся праздников.
Руководитель команды аналитики Mail в VK рассказал о внутреннем инструменте для работы с данными. Сервис копит знания о событиях в виде слабоструктурированных данных с формализованным описанием. Ребята нестандартно подошли к организации реестра событий: вместо того, чтобы хранить события в Confluence или Google Sheets, они запилили собственный сервис. Его главная польза – сокращение Time-to-Market в продуктах с большим легаси. Автор объяснил, как сервис работает изнутри и как выглядит снаружи. Технари найдут для себя полезные ссылки на статьи о хранении данных.
Другие ребята из Mail рассказали о собственной платформе для проведения A/B-тестов. Недавно она обзавелась полноценной расчетной архитектурой, которая позволяет масштабировать сложность расчетов. Всегда интересно посмотреть, как крупные компании реализуют архитектуру собственных сервисов, а не берут готовое с рынка. Платформа собирает события из всех метрик и размещает их в поюзерной таблице. Для расчетов используется Spark. Ребята добавили аналитический репозиторий со статистическими формулами и скриптами для расчета метрик и кумулятивной таблицы. Теперь, как в лучших традициях self-service, аналитики могут обращаться к репозиторию с минимальным участием разработки.
Инструменты самообслуживания для BI появились в 90-ых, однако до сих пор глобальный уровень внедрения BI составляет 26%. Почему так? Чтобы в компании наступила data-демократия, компания сама должна стать data-driven. Автор блога на Medium (VPN) постулирует три столпа data-driven организации – фреймворк, компоненты компании (люди, процессы и инструменты) и правильные действия. В качестве фреймворка автор строит иерархию потребностей для аналитики по аналогии с пирамидой Маслоу. Основу иерархии составляет сбор данных, а на верхушке – прогнозирование и автоматизация. Чем выше вы поднимаетесь по пирамиде, тем большее доверие к данным одновременно необходимо и обеспечено.
#дайджест
Руководитель команды аналитики Mail в VK рассказал о внутреннем инструменте для работы с данными. Сервис копит знания о событиях в виде слабоструктурированных данных с формализованным описанием. Ребята нестандартно подошли к организации реестра событий: вместо того, чтобы хранить события в Confluence или Google Sheets, они запилили собственный сервис. Его главная польза – сокращение Time-to-Market в продуктах с большим легаси. Автор объяснил, как сервис работает изнутри и как выглядит снаружи. Технари найдут для себя полезные ссылки на статьи о хранении данных.
Другие ребята из Mail рассказали о собственной платформе для проведения A/B-тестов. Недавно она обзавелась полноценной расчетной архитектурой, которая позволяет масштабировать сложность расчетов. Всегда интересно посмотреть, как крупные компании реализуют архитектуру собственных сервисов, а не берут готовое с рынка. Платформа собирает события из всех метрик и размещает их в поюзерной таблице. Для расчетов используется Spark. Ребята добавили аналитический репозиторий со статистическими формулами и скриптами для расчета метрик и кумулятивной таблицы. Теперь, как в лучших традициях self-service, аналитики могут обращаться к репозиторию с минимальным участием разработки.
Инструменты самообслуживания для BI появились в 90-ых, однако до сих пор глобальный уровень внедрения BI составляет 26%. Почему так? Чтобы в компании наступила data-демократия, компания сама должна стать data-driven. Автор блога на Medium (VPN) постулирует три столпа data-driven организации – фреймворк, компоненты компании (люди, процессы и инструменты) и правильные действия. В качестве фреймворка автор строит иерархию потребностей для аналитики по аналогии с пирамидой Маслоу. Основу иерархии составляет сбор данных, а на верхушке – прогнозирование и автоматизация. Чем выше вы поднимаетесь по пирамиде, тем большее доверие к данным одновременно необходимо и обеспечено.
#дайджест
👍14
Что происходит на рынке продуктовых и дата-аналитиков?
Мои друзья из NEWHR очень любят аналитиков и регулярно проводят полезные исследования зарплат и тенденций: 2019г, 2020г, 2022г.
Профессии продуктового и дата-аналитика — среди самых востребованных на рынке. Ребята предлагают узнать, как они изменились в 2023 году и в том числе — как поменялись зарплаты и за счёт чего. А ещё они хотят выяснить, чего сейчас аналитики ждут от работодателей.
🕒 Анкета рассчитана на 20-25 минут. Ответив на простые вопросы, вы сможете рассказать про себя и позже узнать, как обстоят дела у других.
Специалисты выскажутся + работодатели узнают честное мнение = никто не пострадает!
Неважно, как называется ваша должность и где вы сейчас проживаете. Если вы считаете себя продуктовым или дата-аналитиком, то пройдите опрос сами и скиньте коллегам 🙌
Будет суперактуально и тем, кто в найме, и тем, кто нанимает сам.
👉 Пройти опрос
Мои друзья из NEWHR очень любят аналитиков и регулярно проводят полезные исследования зарплат и тенденций: 2019г, 2020г, 2022г.
Профессии продуктового и дата-аналитика — среди самых востребованных на рынке. Ребята предлагают узнать, как они изменились в 2023 году и в том числе — как поменялись зарплаты и за счёт чего. А ещё они хотят выяснить, чего сейчас аналитики ждут от работодателей.
🕒 Анкета рассчитана на 20-25 минут. Ответив на простые вопросы, вы сможете рассказать про себя и позже узнать, как обстоят дела у других.
Специалисты выскажутся + работодатели узнают честное мнение = никто не пострадает!
Неважно, как называется ваша должность и где вы сейчас проживаете. Если вы считаете себя продуктовым или дата-аналитиком, то пройдите опрос сами и скиньте коллегам 🙌
Будет суперактуально и тем, кто в найме, и тем, кто нанимает сам.
👉 Пройти опрос
👍6🤔2
Привет, друзья!
Новый год уже почти на пороге, и это отличный повод для того, чтобы пожелать всего самого лучшего в нашем сложном, но увлекательном мире аналитики данных!
Пусть ваши А/В тесты всегда окрашиваются в зеленый цвет успеха, а трекинг будет всегда настроен так безукоризненно, что каждый байт информации будет работать для вас!
Желаю, чтобы ваши ключевые метрики не просто росли, а стремительно взлетали вверх! И конечно же, чтобы ваша зарплата росла вместе с ними!
Верьте в свои силы, не останавливайтесь на достигнутом и всегда идите вперед! Ваша работа важна и ценна.
С наступающим Новым годом🎄
Новый год уже почти на пороге, и это отличный повод для того, чтобы пожелать всего самого лучшего в нашем сложном, но увлекательном мире аналитики данных!
Пусть ваши А/В тесты всегда окрашиваются в зеленый цвет успеха, а трекинг будет всегда настроен так безукоризненно, что каждый байт информации будет работать для вас!
Желаю, чтобы ваши ключевые метрики не просто росли, а стремительно взлетали вверх! И конечно же, чтобы ваша зарплата росла вместе с ними!
Верьте в свои силы, не останавливайтесь на достигнутом и всегда идите вперед! Ваша работа важна и ценна.
С наступающим Новым годом🎄
❤31👍4
📌 Навигация
Я – Роман Романчук и это канал про аналитику, данные и все, что с этим связано.
👤Опыт
В сфере digital c 2008 года – начинал как вебмастер, далее SEO и контекстная реклама, что в итоге привело меня в аналитику.
Имею опыт работы как в российских, так и в международных финтех проектах на позициях от рядового аналитика до директора аналитики (Сравни, Xsolla, Т-Банк).
С 2016 года начал вести блог «This is Data», где по мере погружения в тему описывал интересные кейсы с которыми приходилось сталкиваться.
Telegram-канал появился в 2018 году, но служил в основном для анонсов новых статей. Сейчас мой фокус изменился – вместо больших и объемных публикаций в блоге, будет много небольших постов в канале (статьи несомненно останутся, но реже).
❓Зачем
Я считаю, что информация и любые знания должны быть бесплатны и доступны каждому.
Именно поэтому мной был создан онлайн-курс «Digital-аналитика», который пару лет признавался лучшим курсом для новичков.
#️⃣ Теги
#дайджест – недельная подборка интересного
#статья – авторская статья в блоге
#опыт – кейсы из моего опыта
#книга – полезная книга
#мысли – размышления о разном
#метрики – серия постов про метрики
#аномалии – серия постов про странности в данных
#новости – обозреваю новости из мира аналитики
#eda – про исследовательский анализ данных
📝 Любимые публикации
• Учимся применять оконные функции
• Как правильно вычислить среднее значение?
• Матрица компетенций аналитиков данных
📄 Нанимаю
Почти всегда я нанимаю. Если ты аналитик с практическим опытом от 1.5 лет, то присылай резюме.
Даже если сейчас нет открытых вакансий, то они наверняка появятся позже.
✉️ Обратная связь
Вопросы к постам давайте обсуждать в комментариях, благо они всегда открыты.
Предложить новость или статью для публикации в канале, отправить резюме – @romanchuk_roman
Мой LinkedIn.
🚀 Boost
Проголосовать за канал – boost.
Я – Роман Романчук и это канал про аналитику, данные и все, что с этим связано.
👤Опыт
В сфере digital c 2008 года – начинал как вебмастер, далее SEO и контекстная реклама, что в итоге привело меня в аналитику.
Имею опыт работы как в российских, так и в международных финтех проектах на позициях от рядового аналитика до директора аналитики (Сравни, Xsolla, Т-Банк).
С 2016 года начал вести блог «This is Data», где по мере погружения в тему описывал интересные кейсы с которыми приходилось сталкиваться.
Telegram-канал появился в 2018 году, но служил в основном для анонсов новых статей. Сейчас мой фокус изменился – вместо больших и объемных публикаций в блоге, будет много небольших постов в канале (статьи несомненно останутся, но реже).
❓Зачем
Я считаю, что информация и любые знания должны быть бесплатны и доступны каждому.
Именно поэтому мной был создан онлайн-курс «Digital-аналитика», который пару лет признавался лучшим курсом для новичков.
#️⃣ Теги
#дайджест – недельная подборка интересного
#статья – авторская статья в блоге
#опыт – кейсы из моего опыта
#книга – полезная книга
#мысли – размышления о разном
#метрики – серия постов про метрики
#аномалии – серия постов про странности в данных
#новости – обозреваю новости из мира аналитики
#eda – про исследовательский анализ данных
📝 Любимые публикации
• Учимся применять оконные функции
• Как правильно вычислить среднее значение?
• Матрица компетенций аналитиков данных
📄 Нанимаю
Почти всегда я нанимаю. Если ты аналитик с практическим опытом от 1.5 лет, то присылай резюме.
Даже если сейчас нет открытых вакансий, то они наверняка появятся позже.
✉️ Обратная связь
Вопросы к постам давайте обсуждать в комментариях, благо они всегда открыты.
Предложить новость или статью для публикации в канале, отправить резюме – @romanchuk_roman
Мой LinkedIn.
🚀 Boost
Проголосовать за канал – boost.
❤39🔥6👍5
This is Data pinned «📌 Навигация Я – Роман Романчук и это канал про аналитику, данные и все, что с этим связано. 👤Опыт В сфере digital c 2008 года – начинал как вебмастер, далее SEO и контекстная реклама, что в итоге привело меня в аналитику. Имею опыт работы как в российских…»
Дайджест снова в строю!
По информации компании Gartner, 69% руководителей команд аналитики и данных затрудняются измерить реальные значения ROI для дата проектов. Причина в том, что команды оторваны от бизнеса и не умеют правильно определять KPI для данных. Поэтому многие дата проекты заканчиваются провалом. Автор на Medium (VPN) проанализировала 5 препятствий на пути к ROI и рассказала, как укротить их. Во-первых, руководитель должен понимать приоритеты совета директоров и закладывать их в KPI. В идеале, он сам должен участвовать в постановке бизнес-стратегий. Во-вторых, команда должна научиться измерять свое влияние на бизнес и включить этот навык в рабочие обязанности.
Визуализация сегодня – это не просто создание графиков, а убедительное повествование, которое способствует принятию решений. Автор статьи (VPN) выделяет традиционные инструменты, такие как Power BI и Tableau, а также недавно появившиеся ChartGPT и Infogram. Каждый из них имеет сильные и слабые стороны. Автор обрисовывает возникшие тенденции в сфере. Например, «AI», слово 2023 года по версии словаря английского языка «Collins», сможет автоматизировать анализ данных, распознавать закономерности и генерировать идеи.
На Хабре найдена дорожная карта для начинающего дата-саентиста. Я бы прошел мимо, если бы не детальность программы обучения. Автор выделяет 5 областей для изучения, такие как теория вероятностей и языки программирования R и Python. Для каждой из них он приводит список важных тем и ссылок на ресурсы. Не проходите мимо! Сейчас самое время залатать дыры в собственном обучении.
Гостевая статья в блоге Симо посвящена языку программирования R, на котором автор строит конвейер данных в Google Cloud Platform для объединения данных из Google Ads и GA4. Автор использует несколько базовых элементов: API-коннекторы, учетные записи сервисов и запросы. Даже если вы не поняли всех частей этой машины, надеюсь, вы сможете оценить, как элегантно она экспортирует объединенные данные в хранилище BigQuery.
#дайджест
По информации компании Gartner, 69% руководителей команд аналитики и данных затрудняются измерить реальные значения ROI для дата проектов. Причина в том, что команды оторваны от бизнеса и не умеют правильно определять KPI для данных. Поэтому многие дата проекты заканчиваются провалом. Автор на Medium (VPN) проанализировала 5 препятствий на пути к ROI и рассказала, как укротить их. Во-первых, руководитель должен понимать приоритеты совета директоров и закладывать их в KPI. В идеале, он сам должен участвовать в постановке бизнес-стратегий. Во-вторых, команда должна научиться измерять свое влияние на бизнес и включить этот навык в рабочие обязанности.
Визуализация сегодня – это не просто создание графиков, а убедительное повествование, которое способствует принятию решений. Автор статьи (VPN) выделяет традиционные инструменты, такие как Power BI и Tableau, а также недавно появившиеся ChartGPT и Infogram. Каждый из них имеет сильные и слабые стороны. Автор обрисовывает возникшие тенденции в сфере. Например, «AI», слово 2023 года по версии словаря английского языка «Collins», сможет автоматизировать анализ данных, распознавать закономерности и генерировать идеи.
На Хабре найдена дорожная карта для начинающего дата-саентиста. Я бы прошел мимо, если бы не детальность программы обучения. Автор выделяет 5 областей для изучения, такие как теория вероятностей и языки программирования R и Python. Для каждой из них он приводит список важных тем и ссылок на ресурсы. Не проходите мимо! Сейчас самое время залатать дыры в собственном обучении.
Гостевая статья в блоге Симо посвящена языку программирования R, на котором автор строит конвейер данных в Google Cloud Platform для объединения данных из Google Ads и GA4. Автор использует несколько базовых элементов: API-коннекторы, учетные записи сервисов и запросы. Даже если вы не поняли всех частей этой машины, надеюсь, вы сможете оценить, как элегантно она экспортирует объединенные данные в хранилище BigQuery.
#дайджест
❤10
При разговоре о фреймворках для работы с метриками я умолчал про главное – цель. Перед выбором метрик и NSM, мы должны сформулировать, в каком состоянии мы хотим оказаться после предпринятых действий. Иначе говоря, нужно понять цель и результаты, которые оповестят о ее достижении. Лучший способ поставить цель – это OKR.
Стратегия OKR зародилась в 1970-х годах в Intel и повсеместно заменила менее демократичную практику управления целями (MBO). Согласно МВО, руководитель устанавливает цели и распределяет задачи между сотрудниками, тогда как в OKR сотрудники сами ставят цели и задачи на основе высокоуровневых бизнес-целей.
OKR (Objectives & Key Results) – методика постановки целей, для каждой из которых прописывают ключевые результаты.
Правильно внедренная OKR – это:
✔️Четкая и прозрачная цель на оговоренный срок
✔️Понятные задачи
✔️Измеримые результаты
✔️Регулярная проверка прогресса
В результате команда вовлечена в работу, сфокусирована на задачах, которые хочется достигать.
🎯Цель (Objective) должна быть достижимой, но при этом амбициозной, а значит чуть выше ваших возможностей. Например, в Google 60-70% достижения цели – это самый лучший результат. Если вы выполнили OKR на 100%, значит занизили цель, если на 40% – переоценили силы.
👍🏻Ключевые результаты (Key Results) – это мера достижения цели. Они всегда измеримы и их значение меняется по мере движения к цели. В KR включают метрики (чаще всего из древа метрик) и действия. К каждой цели выбирают 3-4 KR, но не более 5, чтобы не потерять фокус.
OKR связана с Древом метрик и NSM. Цель ставят «снизу вверх»: сначала выбирают KR, затем называют цель. Цели OKR по иерархии лежат под NSM и ведут к ней. Иногда за цель берут KPI.
Большая часть KR – это метрики из дерева. Чтобы выбрать нужные метрики, анализируют их иерархию. За KR берут:
🔹Цепочку из дочерних метрик в дереве
🔹Метрики из разных узлов дерева
Иногда в KR можно включать другие метрики, не лежащие в дереве. Также в KR пишут конкретные действия, например открыть 10 пунктов выдачи заказов.
#метрики
Стратегия OKR зародилась в 1970-х годах в Intel и повсеместно заменила менее демократичную практику управления целями (MBO). Согласно МВО, руководитель устанавливает цели и распределяет задачи между сотрудниками, тогда как в OKR сотрудники сами ставят цели и задачи на основе высокоуровневых бизнес-целей.
OKR (Objectives & Key Results) – методика постановки целей, для каждой из которых прописывают ключевые результаты.
Правильно внедренная OKR – это:
✔️Четкая и прозрачная цель на оговоренный срок
✔️Понятные задачи
✔️Измеримые результаты
✔️Регулярная проверка прогресса
В результате команда вовлечена в работу, сфокусирована на задачах, которые хочется достигать.
🎯Цель (Objective) должна быть достижимой, но при этом амбициозной, а значит чуть выше ваших возможностей. Например, в Google 60-70% достижения цели – это самый лучший результат. Если вы выполнили OKR на 100%, значит занизили цель, если на 40% – переоценили силы.
👍🏻Ключевые результаты (Key Results) – это мера достижения цели. Они всегда измеримы и их значение меняется по мере движения к цели. В KR включают метрики (чаще всего из древа метрик) и действия. К каждой цели выбирают 3-4 KR, но не более 5, чтобы не потерять фокус.
OKR связана с Древом метрик и NSM. Цель ставят «снизу вверх»: сначала выбирают KR, затем называют цель. Цели OKR по иерархии лежат под NSM и ведут к ней. Иногда за цель берут KPI.
Большая часть KR – это метрики из дерева. Чтобы выбрать нужные метрики, анализируют их иерархию. За KR берут:
🔹Цепочку из дочерних метрик в дереве
🔹Метрики из разных узлов дерева
Иногда в KR можно включать другие метрики, не лежащие в дереве. Также в KR пишут конкретные действия, например открыть 10 пунктов выдачи заказов.
#метрики
👍11🤔2❤1
За окном самый разгар зимы, а у нас очередной утренний дайджест.
Яндекс показал карту технических навыков ML-разработчика. Ребята изучили запросы пользователей по теме машинного обучения, и отобрали те, на которые Яндекс выдавал ссылку на Stack Overflow. На карте отмечены навыки, которые запрашивали пользователи, а их размер отражает популярность запроса. Нажав на навык, можно увидеть динамику популярности навыка по годам. Самые трендовые навыки 2023 года – langchain среди библиотек и LLM среди ML-технологий.
Автор блога на Хабр визуализировал данные банковских транзакций и показал, на что люди тратят деньги в течении дня. Получилась вполне ожидаемая статистика: люди обедают в кафе, после работы покупают продукты, а на выходных отдыхают и кутят в барах. Подобная статистика – пример Data-журналистики. Автор вдохновлялся работой Nathan Yau, в которой исследователь проанализировал один день 1 000 американцев и визуализировал, как обычный человек проводит свои 24 часа жизни.
Дизайнер на Хабр рассказал, как подбирать цвета для палитры визуализации данных в профессиональных интерфейсах. В первую очередь цвета графиков и таблиц должны отвечать базовым критериям:
🔹 Быть контрастными по отношению к фону и друг к другу;
🔹 Одинаково отображаться на разных устройствах;
🔹 Сочетаться с базовой палитрой системы.
Автор выдает базу по основам цветовой теории, объясняет секрет цветового круга Иттена и Web Safe палитры. В конце дизайнер рекомендует, какие цвета лучше использовать в графиках с несколькими классами данных.
Автор блога на Medium (VPN) объединил мощь Power BI и креативность Canva и создал стильную тему для дэшборда. Веб-платформа Canva (VPN) славится простотой создания графики и нацелена на людей, которых одно только упоминание Photoshop погружает в депрессию. У платформы есть бесплатный тариф и его достаточно для создания широкого спектра дизайнов. Статья пошагово разбирает, как создать макет в Canva, выгрузить его в PNG формате и добавить как фон в Power BI.
#дайджест
Яндекс показал карту технических навыков ML-разработчика. Ребята изучили запросы пользователей по теме машинного обучения, и отобрали те, на которые Яндекс выдавал ссылку на Stack Overflow. На карте отмечены навыки, которые запрашивали пользователи, а их размер отражает популярность запроса. Нажав на навык, можно увидеть динамику популярности навыка по годам. Самые трендовые навыки 2023 года – langchain среди библиотек и LLM среди ML-технологий.
Автор блога на Хабр визуализировал данные банковских транзакций и показал, на что люди тратят деньги в течении дня. Получилась вполне ожидаемая статистика: люди обедают в кафе, после работы покупают продукты, а на выходных отдыхают и кутят в барах. Подобная статистика – пример Data-журналистики. Автор вдохновлялся работой Nathan Yau, в которой исследователь проанализировал один день 1 000 американцев и визуализировал, как обычный человек проводит свои 24 часа жизни.
Дизайнер на Хабр рассказал, как подбирать цвета для палитры визуализации данных в профессиональных интерфейсах. В первую очередь цвета графиков и таблиц должны отвечать базовым критериям:
🔹 Быть контрастными по отношению к фону и друг к другу;
🔹 Одинаково отображаться на разных устройствах;
🔹 Сочетаться с базовой палитрой системы.
Автор выдает базу по основам цветовой теории, объясняет секрет цветового круга Иттена и Web Safe палитры. В конце дизайнер рекомендует, какие цвета лучше использовать в графиках с несколькими классами данных.
Автор блога на Medium (VPN) объединил мощь Power BI и креативность Canva и создал стильную тему для дэшборда. Веб-платформа Canva (VPN) славится простотой создания графики и нацелена на людей, которых одно только упоминание Photoshop погружает в депрессию. У платформы есть бесплатный тариф и его достаточно для создания широкого спектра дизайнов. Статья пошагово разбирает, как создать макет в Canva, выгрузить его в PNG формате и добавить как фон в Power BI.
#дайджест
👍11❤2
Google полностью отключит сторонние файлы cookie в Chrome к 3 кварталу 2024 года
Google продолжает работать над блокировкой сторонних файлов cookie в Google Chrome и планирует полностью отключить доступ к ним в Q3 2024 года. В связи с этим компания запустила пробную версию прекращения поддержки сторонних файлов cookie и уже ограничила third-party для 1% пользователей. Пробная версия позволит сайтам, которые используют cookie в нерекламных целях, запросить дополнительное время на отказ от сторонних файлов. Об этом сообщается в справке Google.
Дал комментарий по этой животрепещущей теме для PPC World:
Получить больше информации о том что делать, а также познакомиться с мнением экспертов рынка можно в статье.
Google продолжает работать над блокировкой сторонних файлов cookie в Google Chrome и планирует полностью отключить доступ к ним в Q3 2024 года. В связи с этим компания запустила пробную версию прекращения поддержки сторонних файлов cookie и уже ограничила third-party для 1% пользователей. Пробная версия позволит сайтам, которые используют cookie в нерекламных целях, запросить дополнительное время на отказ от сторонних файлов. Об этом сообщается в справке Google.
Дал комментарий по этой животрепещущей теме для PPC World:
Чем грозит маркетологам, аналитикам и владельцам сайтов?
Файлы cookie – это небольшие фрагменты данных, которые используются для хранения информации в веб-браузерах. Их цель варьируется от полезной (отслеживание вашего входа на сайт, персонализация контента) до спорной с точки зрения конфиденциальности (снятие цифровых отпечатков пальцев).
Существуют основные и сторонние (third-party) файлы cookie. Основные файлы cookie хранятся на самом веб-сайте. Сторонние файлы cookie хранятся отдельными сервисами, которые отслеживают пользователей и эффективность маркетинга, например аналитические или рекламные трекеры.
Главное внимание здесь уделяется сторонним файлам cookie. Основные файлы cookie в настоящее время не подвергаются риску.
Инициатива Google по защите от отслеживания является частью их Privacy Sandbox for the Web. Долгосрочная цель – удалить все сторонние файлы cookie из браузеров Chrome к концу 2024 года.
Важно отметить, что это изменение затрагивает 1% пользователей Chrome (несколько десятков миллионов человек), что относительно незначительно, учитывая, что примерно 30% браузеров, таких как Safari и Firefox, уже не поддерживают сторонние cookie.
Этот небольшой процент вряд ли приведет к значительным изменениям в среде маркетологов, которые скорее просто скорректируют свои стратегии оптимизации трафика для браузеров Chrome, все еще использующих файлы cookie.
Тем не менее, эта разработка должна послужить тревожным сигналом для активизации усилий по тестированию решений без файлов cookie. Если мы сможем идентифицировать этот 1% затронутых браузеров Chrome, это может дать ценную информацию об эффективности решений работающих без cookie.
Вероятные последствия
Если говорить о последствиях в целом для маркетинга и аналитики при отказе от сторонних cookie, то:
▪️увеличится доля «новых» пользователей на сайте;
▪️увеличится доля прямого трафика;
▪️снизится качество атрибуции и уменьшится длинна цепочки;
▪️станет сложнее строить отчеты по когортам;
▪️вырастет стоимость привлечения клиента;
▪️уменьшится охват ретаргетинговых компаний.
Как подготовиться?
Готовиться надо было раньше, потому что Apple в той или иной форме ограничивает сторонние cookie, по крайней мере, с 2017 года.
Но если вы этого еще не сделали, то вот несколько советов:
✔️собирайте все возможные данные о своих пользователях и рекламных кампаниях в единое хранилище (DWH), чтобы данные контролировались вами, а не сторонними сервисами;
✔️собранные данные должны быть не агрегированными, а максимально сырыми, для возможности в дальнейшем построить fingerprint;
✔️мотивируйте пользователей авторизовываться на сайте и оставлять о себе дополнительную информацию, которая пригодится для построения цифрового профиля клиента и отслеживания конверсий;
✔️стройте собственный цифровой профиля клиента содержащий данные из всех возможных источников – аналитические и рекламные трекеры, маркетинговые системы, CRM, собственные данные пользователя;
✔️на основе накопленных данных стройте свои отчеты, атрибуцию и сегменты.
А с точки зрения пользователя?
То что плохо для аналитиков и маркетологов, хорошо для пользователя 🙃
Конфиденциальность повысится, Google обещает k-анонимность: если у вас анонимность k=1000, вас невозможно отличить от 999 других людей в наборе данных.
Получить больше информации о том что делать, а также познакомиться с мнением экспертов рынка можно в статье.
👍7🤔7🔥1
Дайджест в ленту!
В блоге Amplitude вышла свежая статья о еще одном фреймворке для работы с метриками – AARRR или Acquisition (привлечение), Activation (активация), Retention (удержание), Referral (рекомендация) и Revenue (выручка). Фреймворк также называют «Пиратскими метриками», потому что при взгляде на название так и хочется закричать: «Aarrr, matey!». Он внедряется на этапе масштабирования бизнеса, когда готова рабочая бизнес-модель и подтверждено, что продукт нужен клиентам. Главная задача AARRR – замотивировать команду продвигать и оптимизировать продукт, а не пилить новые фичи. Из статьи вы узнаете, как работает фреймворк и как он помогает понять поведение пользователя на каждом этапе воронки. Автор советует конкретные пиратские метрики. Например, за метрики привлечения можно взять «Количество новых регистраций» и CAC, а за реферальную метрику – «Количество приглашений, разосланных активными пользователями».
Яков Осипенков у себя в блоге разобрал, что такое сеанс в GA4. Он также сравнил отличия показателей сеанса в Universal Analytics и GA4. Оказалось, что одинаковых цифр вы не получите, так как расчет происходит по-разному:
🔹Сеанс в UA закрывался в полночь, а в GA4 сеансы могут длиться несколько дней и при этом считаться одним и тем же сеансом.
🔹Новые сеансы в UA создавались всегда, когда изменялся источник трафика. В GA4 такого переопределения нет.
🔹Для расчета сеансов в GA4 используется не только показатель отказов, но и новая метрика, связанная с вовлечением – «Сеанс в взаимодействием».
Ppc.world провел исследование аудитории 9 крупнейших соцсетей в России на 2024 год. В статье собраны данные об ее характеристиках, поведении, а также о рекламе на площадках. Например, ВК лидирует в рейтинге соцсетей по объему аудитории c MAU в 85 млн, при этом превалирует женская аудитория – 62%. Телеграм держит вторую строчку с MAU 82 млн. Распределение по полу: 58% мужчин и 42% женщин. Данные обещают обновлять весь год.
#дайджест
В блоге Amplitude вышла свежая статья о еще одном фреймворке для работы с метриками – AARRR или Acquisition (привлечение), Activation (активация), Retention (удержание), Referral (рекомендация) и Revenue (выручка). Фреймворк также называют «Пиратскими метриками», потому что при взгляде на название так и хочется закричать: «Aarrr, matey!». Он внедряется на этапе масштабирования бизнеса, когда готова рабочая бизнес-модель и подтверждено, что продукт нужен клиентам. Главная задача AARRR – замотивировать команду продвигать и оптимизировать продукт, а не пилить новые фичи. Из статьи вы узнаете, как работает фреймворк и как он помогает понять поведение пользователя на каждом этапе воронки. Автор советует конкретные пиратские метрики. Например, за метрики привлечения можно взять «Количество новых регистраций» и CAC, а за реферальную метрику – «Количество приглашений, разосланных активными пользователями».
Яков Осипенков у себя в блоге разобрал, что такое сеанс в GA4. Он также сравнил отличия показателей сеанса в Universal Analytics и GA4. Оказалось, что одинаковых цифр вы не получите, так как расчет происходит по-разному:
🔹Сеанс в UA закрывался в полночь, а в GA4 сеансы могут длиться несколько дней и при этом считаться одним и тем же сеансом.
🔹Новые сеансы в UA создавались всегда, когда изменялся источник трафика. В GA4 такого переопределения нет.
🔹Для расчета сеансов в GA4 используется не только показатель отказов, но и новая метрика, связанная с вовлечением – «Сеанс в взаимодействием».
Ppc.world провел исследование аудитории 9 крупнейших соцсетей в России на 2024 год. В статье собраны данные об ее характеристиках, поведении, а также о рекламе на площадках. Например, ВК лидирует в рейтинге соцсетей по объему аудитории c MAU в 85 млн, при этом превалирует женская аудитория – 62%. Телеграм держит вторую строчку с MAU 82 млн. Распределение по полу: 58% мужчин и 42% женщин. Данные обещают обновлять весь год.
#дайджест
👍6❤1
Методика OKR – классная вещь. В нее стоит погружаться, ощущать тонкости и внедрять в проекты. Для дальнейшего изучения я советую эту книгу.
📚 Измеряйте самое важное. Как Google, Intel и другие компании добиваются роста с помощью OKR
англ. Measure What Matters: How Google, Bono, and the Gates Foundation rock the world with OKRs
Автор: Джон Дорр / John Doerr
Джон Дорр – американский инвестор и венчурный капиталист. Впервые он познакомился с OKRs в 1970-х годах, когда работал инженером в Intel. В то время компанию возглавлял ее сооснователь – легендарный Энди Гроув, сумевший вывести Intel из кризиса, вызванного появлением на рынке более дешевых японских модулей памяти и ошибкой в процессоре Pentium. История возрождения корпорации стала хрестоматийной и вошла в учебники по бизнесу как пример эффективных действий.
По рекомендации Джона Дорра в 1999 году систему OKR внедрила тогда еще начинающая компания Google. Вскоре ее начали применять известные менеджеры: от Билла Гейтса до Боно из U2. Где бы ни внедрялась методика, она работала.
Как и сами OKRs, книга состоит из двух взаимодополняющих частей. Первая рассматривает основные характеристики системы и то, как она превращает хорошие идеи в блестящее исполнение и удовлетворенность работой. Книга начинается историей возникновения OKR в Intel, а после перерастает в обсуждение четырех «суперсил» OKR: обозначение приоритетов, синхронизация, мониторинг и стремление к выдающимся результатам.
Вторая часть книги посвящена применению и влиянию OKR в новом корпоративном мире. В частности, Дорр рассказывает про младшего брата OKR – CFR. Методика расшифровывается как Conversation или обсуждение, Feedback или обратная связь и Recognition или признание. OKR и CFR могут объединить усилия и вывести лидеров, сотрудников и организации на новый уровень.
🔗Купить печатную версию на русском языке можно, например, на Литрес.
Оригинал ищите на Амазоне.
#книга
📚 Измеряйте самое важное. Как Google, Intel и другие компании добиваются роста с помощью OKR
англ. Measure What Matters: How Google, Bono, and the Gates Foundation rock the world with OKRs
Автор: Джон Дорр / John Doerr
Джон Дорр – американский инвестор и венчурный капиталист. Впервые он познакомился с OKRs в 1970-х годах, когда работал инженером в Intel. В то время компанию возглавлял ее сооснователь – легендарный Энди Гроув, сумевший вывести Intel из кризиса, вызванного появлением на рынке более дешевых японских модулей памяти и ошибкой в процессоре Pentium. История возрождения корпорации стала хрестоматийной и вошла в учебники по бизнесу как пример эффективных действий.
По рекомендации Джона Дорра в 1999 году систему OKR внедрила тогда еще начинающая компания Google. Вскоре ее начали применять известные менеджеры: от Билла Гейтса до Боно из U2. Где бы ни внедрялась методика, она работала.
Как и сами OKRs, книга состоит из двух взаимодополняющих частей. Первая рассматривает основные характеристики системы и то, как она превращает хорошие идеи в блестящее исполнение и удовлетворенность работой. Книга начинается историей возникновения OKR в Intel, а после перерастает в обсуждение четырех «суперсил» OKR: обозначение приоритетов, синхронизация, мониторинг и стремление к выдающимся результатам.
Вторая часть книги посвящена применению и влиянию OKR в новом корпоративном мире. В частности, Дорр рассказывает про младшего брата OKR – CFR. Методика расшифровывается как Conversation или обсуждение, Feedback или обратная связь и Recognition или признание. OKR и CFR могут объединить усилия и вывести лидеров, сотрудников и организации на новый уровень.
🔗Купить печатную версию на русском языке можно, например, на Литрес.
Оригинал ищите на Амазоне.
#книга
🔥13👍3❤1
Недельный дайджест уже в ленте!
Таня Мисютина из Бюро рассказала о принципе наглядности при визуализации сложных данных. Она подталкивает нас мыслить креативнее – вместо безликих столбиков придумывать естественные метафоры из жизни, чтобы пользователю не приходилось расшифровывать визуализации. Так, на графике характеристик танков «World of Tanks» можно поиграться с изображением самих танков. В другой статье Таня делится вдохновляющими визуализациями 2023 года. Каждая из них – история, пробуждающая эмоции и давящая масштабами проблемы. В довесок – пример того, как дать читателю прочувствовать, что такое 243 миллиарда долларов.
Руководитель команды Data & Analytics в Lamoda Tech поделился типичными ошибками при анализе данных в ретейле и e-commerce и дал рекомендации, как не допускать факапы. Например, большая ошибка считать, что существует «средний клиент». Мы рискуем работать только с одной категорией покупателей и оставлять другие сегменты за бортом. С другой стороны, изучать поведение только текущей аудитории – значит совершать «ошибку выжившего». Так, если мы продаем книги, то учитываем поведение книголюбов, забывая при этом о геймерах. Чтобы получать объективные данные о рынке, нужно изучать разные категории покупателей.
Ребята из Selectel подготовили годовой дайджест дайджестов из мира AI, ML и дата-аналитики. Во-первых, команда собрала самые значимые статьи на Хабре за прошедшие 10 месяцев. Во-вторых, они дали ссылки на технические решения по адаптации собственных сервисов для решения ML-специфичных задач. В-третьих, ребята обобщили обучающий материал для юных падаванов, осваивающих Data Science и машинное обучение. В статье вы найдете карту навыков как «портрет» современного специалиста. Напоследок авторы припасли видеоматериалы прошедших конференций для тех, кто больше слушатель, чем читатель.
#дайджест
Таня Мисютина из Бюро рассказала о принципе наглядности при визуализации сложных данных. Она подталкивает нас мыслить креативнее – вместо безликих столбиков придумывать естественные метафоры из жизни, чтобы пользователю не приходилось расшифровывать визуализации. Так, на графике характеристик танков «World of Tanks» можно поиграться с изображением самих танков. В другой статье Таня делится вдохновляющими визуализациями 2023 года. Каждая из них – история, пробуждающая эмоции и давящая масштабами проблемы. В довесок – пример того, как дать читателю прочувствовать, что такое 243 миллиарда долларов.
Руководитель команды Data & Analytics в Lamoda Tech поделился типичными ошибками при анализе данных в ретейле и e-commerce и дал рекомендации, как не допускать факапы. Например, большая ошибка считать, что существует «средний клиент». Мы рискуем работать только с одной категорией покупателей и оставлять другие сегменты за бортом. С другой стороны, изучать поведение только текущей аудитории – значит совершать «ошибку выжившего». Так, если мы продаем книги, то учитываем поведение книголюбов, забывая при этом о геймерах. Чтобы получать объективные данные о рынке, нужно изучать разные категории покупателей.
Ребята из Selectel подготовили годовой дайджест дайджестов из мира AI, ML и дата-аналитики. Во-первых, команда собрала самые значимые статьи на Хабре за прошедшие 10 месяцев. Во-вторых, они дали ссылки на технические решения по адаптации собственных сервисов для решения ML-специфичных задач. В-третьих, ребята обобщили обучающий материал для юных падаванов, осваивающих Data Science и машинное обучение. В статье вы найдете карту навыков как «портрет» современного специалиста. Напоследок авторы припасли видеоматериалы прошедших конференций для тех, кто больше слушатель, чем читатель.
#дайджест
👍16❤3
Стать пользователем
Часто замечаю одну вещь: многие аналитики, работающие над продуктом, строящие дашборды с кучей метрик, проводящие сложные ресерчи, на самом деле ни разу не были настоящими пользователями своего продукта. Да, вы не ослышались. Они предлагают пути улучшения, но сами никогда не использовали продукт. Звучит абсурдно, не так ли?
И это касается не только аналитиков, но и всех, кто работает над развитием продукта: топ-менеджеров, продакт оунеров, маркетологов, дизайнеров… Многие из этих людей предлагают идеи, направляют бизнес, вносят изменения, но они – не пользователи.
Лучший совет, который я могу дать для развития в профессии – это регулярная работа с обратной связью. Да, именно так! Лучше потратить несколько часов в неделю на чтение фидбека и отзывов в сторе, чем на очередной бесполезный курс.
Если ты работаешь над игрой – установи ее и пройди от начала до конца. Доставка товаров? Поставь себя на место покупателя и курьера. Финтех? Попробуй оформить кредит через свой сервис и ощути всю боль навязанных страховок и маркетинговых процентных ставок. Может быть тогда, наконец, придет инсайт, почему метрика «Take rate» упала.
Только пройдя этот путь, ты сможешь действительно понять свой продукт и быть на одной волне с пользователем.
#мысли
Часто замечаю одну вещь: многие аналитики, работающие над продуктом, строящие дашборды с кучей метрик, проводящие сложные ресерчи, на самом деле ни разу не были настоящими пользователями своего продукта. Да, вы не ослышались. Они предлагают пути улучшения, но сами никогда не использовали продукт. Звучит абсурдно, не так ли?
И это касается не только аналитиков, но и всех, кто работает над развитием продукта: топ-менеджеров, продакт оунеров, маркетологов, дизайнеров… Многие из этих людей предлагают идеи, направляют бизнес, вносят изменения, но они – не пользователи.
Лучший совет, который я могу дать для развития в профессии – это регулярная работа с обратной связью. Да, именно так! Лучше потратить несколько часов в неделю на чтение фидбека и отзывов в сторе, чем на очередной бесполезный курс.
Если ты работаешь над игрой – установи ее и пройди от начала до конца. Доставка товаров? Поставь себя на место покупателя и курьера. Финтех? Попробуй оформить кредит через свой сервис и ощути всю боль навязанных страховок и маркетинговых процентных ставок. Может быть тогда, наконец, придет инсайт, почему метрика «Take rate» упала.
Только пройдя этот путь, ты сможешь действительно понять свой продукт и быть на одной волне с пользователем.
#мысли
👍32🔥13❤1
Утренний дайджест с любовью от This is Data❤️
Если ты готовишься к собеседованию, то загляни к Павлу Бухтику. Он опубликовал сборник из 133 тестовых заданий для продуктовых аналитиков и аналитиков данных. Классно то, что в нем собраны оригинальные задания от Авито, Тинькофф, Aviasales, Сбера и не только. Паша активно пополняет сборник и всегда рад получить новый материал от коллег. Кроме того, в телеграм-канале он уже разобрал многие из заданий под хэштегом #задачиссобеседований.
ML-разработчик из команды Ozon рассказал о процессе поиска одинаковых товаров – матчинге. Так, благодаря матчингу в e-commerce пользователь находит товар с наиболее выгодной ценой среди разных продавцов. Пайплайн поиска товаров-дубликатов обычно включает два этапа: подбор кандидатов и проверку пар моделью. Товары-дубликаты следует объединять в кластеры. Автор хорошо разбирается в алгоритмах кластеризации на графах и транзитивном подходе, в выделении сообществ (community detection), self-supervised и unsupervised задачах. Советую всем, кто хочет погрузиться в теорию графов и понять причины распада карате-клуба Закари.
Я заметил, что сейчас в тренде А/В тестирование всего и вся. Так и хочется вернуться с небес на землю и напомнить, почему не стоит тестить все подряд. Во-первых, А/В тесты – это дорого, особенно для стартапа. Во-вторых, тестирование различных метрик (чего-то большего, чем простой коэффициент конверсии) требует различных подходов, превосходящих способности большинства популярных платформ. В-третьих, нужно помнить о чувствительности теста: небольшой компании может не хватить количества пользователей и трафика, чтобы обнаружить различия в 3-5%. Хорошо, что автор блога на Medium (VPN) разобрал неудобные истины о тестировании. Используй А/В тесты с умом и помни: Everything is a Trade-off.
#дайджест
Если ты готовишься к собеседованию, то загляни к Павлу Бухтику. Он опубликовал сборник из 133 тестовых заданий для продуктовых аналитиков и аналитиков данных. Классно то, что в нем собраны оригинальные задания от Авито, Тинькофф, Aviasales, Сбера и не только. Паша активно пополняет сборник и всегда рад получить новый материал от коллег. Кроме того, в телеграм-канале он уже разобрал многие из заданий под хэштегом #задачиссобеседований.
ML-разработчик из команды Ozon рассказал о процессе поиска одинаковых товаров – матчинге. Так, благодаря матчингу в e-commerce пользователь находит товар с наиболее выгодной ценой среди разных продавцов. Пайплайн поиска товаров-дубликатов обычно включает два этапа: подбор кандидатов и проверку пар моделью. Товары-дубликаты следует объединять в кластеры. Автор хорошо разбирается в алгоритмах кластеризации на графах и транзитивном подходе, в выделении сообществ (community detection), self-supervised и unsupervised задачах. Советую всем, кто хочет погрузиться в теорию графов и понять причины распада карате-клуба Закари.
Я заметил, что сейчас в тренде А/В тестирование всего и вся. Так и хочется вернуться с небес на землю и напомнить, почему не стоит тестить все подряд. Во-первых, А/В тесты – это дорого, особенно для стартапа. Во-вторых, тестирование различных метрик (чего-то большего, чем простой коэффициент конверсии) требует различных подходов, превосходящих способности большинства популярных платформ. В-третьих, нужно помнить о чувствительности теста: небольшой компании может не хватить количества пользователей и трафика, чтобы обнаружить различия в 3-5%. Хорошо, что автор блога на Medium (VPN) разобрал неудобные истины о тестировании. Используй А/В тесты с умом и помни: Everything is a Trade-off.
#дайджест
❤14👍4
Сегодня я хочу рассказать про фреймворк для нахождения метрики Полярной звезды. Кратко мы уже затрагивали эту тему.
Метрика North Star (NSM) - это главная метрика, которая отражает ключевую ценность продукта и фокусирует на его развитии в долгосрочной перспективе. Именно ценность продукта для клиента определяет, как долго клиент останется с вами и, как следствие, сколько прибыли он принесет в будущем. По этой причине некоторые аналитики считают метрику Revenue плохой NSM. Она концентрирует внимание на краткосрочной прибыли и не учитывает доход от лояльных клиентов в будущем.
Польза NSM:
🔹Определяет фокус всей компании;
🔹Дает прозрачную оценку прогресса;
🔹Ориентирует на пользе для клиента.
Она решает и более конкретные задачи:
✔️Измеряют ли A/B-тесты то, что нужно?
✔️На что смотреть при приемке релизов?
✔️Что подсвечивать в бизнес-дашбордах?
✔️Где искать инсайты и WOW-аналитику?
Однако нужен баланс. Гиперфокус на одной метрике опасен, потому что мы рискуем упустить другие показатели и не увидеть реальных изменений. Также зацикленность на NSM приводит к ошибке второго рода, когда мы отвергаем правильную гипотезу. Например, одна компания отказывается от новой фичи, потому что та никак не влияет на их NSM. Затем другая компания внедряет эту идею у себя и их продажи возрастают.
Разные авторы предлагают свои алгоритмы нахождения NSM. Но часто команды не хотят тратить время на это и берут NSM у конкурентов. Здесь есть нюанс. Метрика отражает пользу вашего продукта для клиентов. NSM не будет эффективной без понимания идеи, лежащей за ней, и стратегии ее измерения. Первична не метрика, а ваши идеи и предположения.
На слайде приведен один из вариантов поиска NSM. В первую очередь мы прорабатываем входные метрики, они же KPI, которые приводят нас к главной метрике.
Для проработки схемы полезно организовать воркшоп с командой для брейншторма идей. Начать воркшоп советую с разминки: сперва заполнить поля для любого известного вам продукта, а затем приступить к поиску уже вашей Полярной звезды.
#метрики
Метрика North Star (NSM) - это главная метрика, которая отражает ключевую ценность продукта и фокусирует на его развитии в долгосрочной перспективе. Именно ценность продукта для клиента определяет, как долго клиент останется с вами и, как следствие, сколько прибыли он принесет в будущем. По этой причине некоторые аналитики считают метрику Revenue плохой NSM. Она концентрирует внимание на краткосрочной прибыли и не учитывает доход от лояльных клиентов в будущем.
Польза NSM:
🔹Определяет фокус всей компании;
🔹Дает прозрачную оценку прогресса;
🔹Ориентирует на пользе для клиента.
Она решает и более конкретные задачи:
✔️Измеряют ли A/B-тесты то, что нужно?
✔️На что смотреть при приемке релизов?
✔️Что подсвечивать в бизнес-дашбордах?
✔️Где искать инсайты и WOW-аналитику?
Однако нужен баланс. Гиперфокус на одной метрике опасен, потому что мы рискуем упустить другие показатели и не увидеть реальных изменений. Также зацикленность на NSM приводит к ошибке второго рода, когда мы отвергаем правильную гипотезу. Например, одна компания отказывается от новой фичи, потому что та никак не влияет на их NSM. Затем другая компания внедряет эту идею у себя и их продажи возрастают.
Разные авторы предлагают свои алгоритмы нахождения NSM. Но часто команды не хотят тратить время на это и берут NSM у конкурентов. Здесь есть нюанс. Метрика отражает пользу вашего продукта для клиентов. NSM не будет эффективной без понимания идеи, лежащей за ней, и стратегии ее измерения. Первична не метрика, а ваши идеи и предположения.
На слайде приведен один из вариантов поиска NSM. В первую очередь мы прорабатываем входные метрики, они же KPI, которые приводят нас к главной метрике.
Для проработки схемы полезно организовать воркшоп с командой для брейншторма идей. Начать воркшоп советую с разминки: сперва заполнить поля для любого известного вам продукта, а затем приступить к поиску уже вашей Полярной звезды.
#метрики
👍19🦄2❤1