Что такое инсайты на основе данных и как их использовать?

Что такое инсайты?

Инсайты – термин, в каком-то смысле набивший оскомину. В работе с маркетингом и продуктом это стало чем-то вроде мантры. Все и вся охотятся за волшебной таблеткой в виде этих самых инсайтов. Но далеко не каждый понимает природу инсайтов и уж тем более – как с ними работать. Например, увидели вы кнопку "Купить в один клик" у конкурентов и решили слепо скопировать к себе. Рабочий это вариант? Может быть (вряд ли, конечно). Имеет ли он отношение к работе с инсайтами на данных? Абсолютно точно нет.

В отличие от интуиции, догадок или копирования конкурентов, инсайты предоставляют обоснованные и проверенные факты, которые помогают принимать точные решения. Они позволяют не полагаться на «гадание на кофейной гуще», а использовать данные как компас, направляющий компанию к росту.

Инсайты - это плод тщательной работы с данными. Это глубинные выводы, которые мы делаем, анализируя поведение пользователей, ключевые метрики и взаимосвязи в данных. Пример: Amazon активно использует данные для понимания поведения своих клиентов. Анализируя поисковые запросы, покупки и время взаимодействия с продуктами, они выявляют перспективные тенденции, сегменты и ниши. Эти инсайты помогают персонализировать рекомендации, растить конверсию в покупку и удержание клиентов.

Другой пример — Netflix, который не только отслеживает, что люди смотрят, но и когда и как они это делают. Их алгоритмы, основанные на данных, позволяют точно предлагать контент, удерживая пользователей на платформе дольше. Этот подход привел к росту среднего времени просмотра и снижению оттока пользователей.

Путь к поиску инсайтов обязательно будет интересным и возможно очень извилистым. Однако, есть отличное лекарство для того, чтобы сделать его более понятным и предсказуемым. Это обязательный шаг для эффективной работы с данными в любом контуре – правильная разметка.

Что такое разметка?

Разметка – пласт работы по созданию признаков, категорий, меток для всего, что происходит в вашем приложении. Именно с помощью правильной разметки вы и будете получать данные, с помощью которых в дальнейшем начнете принимать решения для роста продукта или маркетинга.

Одна из главных сущностей разметки – событие.

События — это конкретные действия, которые пользователи совершают на платформе: клики, просмотры страниц, добавления товаров в корзину, завершенные покупки или даже время, проведенное на сайте. Это может быть что угодно. Самое главное в этом творческом процессе – это:

  а) создать понятную, однозначно понимаемую и прозрачную структуру для карты событий;

  б) избежать изобретения велосипеда – рутины в виде настройки сложных, составных, кастомных событий. Последние крайне сложно администрировать. Да и самое важное обычно находится в очень простой плоскости – отправка форм, покупки, скроллы, клики.

При этом сами по себе события редко дают полную картину. Настоящую ценность они приобретают, когда анализируются в контексте. Здесь на сцену выходят атрибуты — данные, которые описывают обстоятельства, при которых происходят события. Атрибуты могут включать время суток, устройство, местоположение пользователя, источник трафика и другие важные факторы.

Например, Spotify учитывает время прослушивания, жанровые предпочтения и частоту использования приложения, чтобы адаптировать свои рекомендации. Все эти атрибуты включаются в данные о событии и помогают платформе не просто удерживать пользователей, но и постоянно предлагать им что-то новое и релевантное. Рекомендации выходят более персонализированными, пользователи чаще возвращаются и проводят больше времени в приложении.

Для продуктовых команд понимание того, как события взаимодействуют с атрибутами, открывает широкие возможности для оптимизации и роста. Атрибуты, связанные со статичными характеристиками пользователя, чаще всего называются пользовательскими свойствами. И именно пользовательские свойства – база для успешной сегментации.

А сегментация – это уже один из методов работы с корректно размеченными данными.

Методы получения инсайтов

Сегментация пользователей – это их группировка по схожим атрибутам или свойствам. Разные группы пользователей по-разному взаимодействуют с новыми функциями и специфически реагируют на каналы привлечения. Поэтому один из важнейших факторов успешности продукта сейчас – это персонализация функционала и оферов в зависимости от сегмента пользователя.

Это будет первый рецепт получения и дальнейшей работы с инсайтами – сегментация пользователей и персонализация их опыта. Один из эффективных способов сегментации – это основанные на алгоритмах машинного обучения рекомендации. Отличный пример тому - Netflix, который получает более 80% стримингового времени с помощью своей рекомендательной системы.

Другая интересная частность сегментации – когортный анализ.

Это метод группировки пользователей на основе общего события, которое они совершили в одно и то же время. Например, дата регистрации или первая покупка. Такой подход позволяет отслеживать поведение пользователей в динамике и понимать, как их взаимодействие с продуктом меняется со временем. В отличие от традиционного анализа, где данные рассматриваются в целом, когортный анализ делит пользователей на группы (когорты), что помогает находить скрытые закономерности.

Когортный анализ особенно полезен, когда нужно понять, как различные когорты реагируют на маркетинговые кампании, обновления продукта или изменения в пользовательском интерфейсе.

Например, представьте, что вы запустили новую функцию в своем приложении. С помощью когортного анализа можно определить, как пользователи, зарегистрировавшиеся до и после её внедрения, по-разному взаимодействуют с продуктом. Это дает возможность увидеть реальное влияние изменений и корректировать стратегию на основе конкретных данных, а не догадок.

Интересно, что ваши сегменты и когорты не являются статичными в своем поведении. Для поиска инсайтов крайне важно отслеживать динамику показателей отдельных групп пользователей во времени. Отличное подспорье для этого - грамотная визуалазация. Качественно построенная диаграмма позволит быстро найти момент, ставший точкой отсчета для аномалии в данных.

А анализ и интерпретация аномалий – великолепный инструмент для того, чтобы выйти из "пузыря" своего аналитического сервиса. Ведь скачок метрик может быть связан с внешими факторами. Которые, как показывает практика, также стоят отдельного упоминания в среде инструментов для извлечения инсайтов.

Все эти методики (вкупе с грамотной разметкой) позволяют с разных сторон смотреть на кучу взаимосвязанных процессов. Например, на то, как новые функции или изменения в продукте влияют на поведение пользователей.

Анализ воздействия новых функций в продукте

Когда продуктовые команды запускают новую функцию или изменяют продукт, важно понять, какое влияние эти изменения оказывают на поведение пользователей. Анализ данных после внедрения нововведений позволяет не только оценить успех или неудачу, но и выявить, какие элементы оказались наиболее эффективными.

Подобный подход можно использовать в любом продукте: после внедрения новой функции важно сразу же проанализировать, как она влияет на конверсию, среднее время взаимодействия или другие ключевые показатели. Например, если вы добавляете новую страницу с рекомендациями товаров в интернет-магазине, можно сравнить поведение когорт пользователей до и после её запуска, чтобы понять, увеличилось ли количество покупок или время пребывания на сайте.

И что самое интересное – анализировать влияние нового функционала можно над несколькими методами из тех, что мы описали – не только когортным анализом, сегментацией, но и отслеживанием ключевых метрик в динамике. И это уже самый настоящий фреймворк для того, чтобы улучшать свой продукт и маркетинг с помощью регулярной проверки ваших рискованных предположений.

Эксперименты для работы с инсайтами

Эксперименты, проведенные на основе выявленных данных, позволяют минимизировать риски ошибки и точнее измерять прирост ключевых метрик продукта. Например, вместо того чтобы делать масштабное изменение для всей аудитории сразу, можно разделить пользователей на группы и провести АБ-тест. Это поможет увидеть, как именно изменения влияют на разные сегменты пользователей, и выбрать наиболее эффективное решение.

Примером успешного эксперимента может служить практика Booking.com, где данные являются основой всех продуктовых решений. Команда не внедряет никаких изменений, пока они не протестированы через АБ тестирование. Например, однажды они решили протестировать офер в музей для бронировавших отель. Гипотеза была проверена буквально в несколько и оказалась успешной!

Ключевая сила экспериментов заключается в возможности измерять их влияние на конкретные метрики и сравнивать результаты между разными группами пользователей. Благодаря этому можно не только исправлять существующие проблемы, но и находить новые точки роста для продукта.

А именно это и есть ключ к устойчивому росту продукта.

Использование инсайтов для роста

Весь процесс работы с инсайтами, от сбора событий и атрибутов до проведения экспериментов, позволяет принимать более осознанные и точные решения. Это не только помогает устранять проблемы, но и открывает новые возможности для роста.

Компании, которые используют данные для анализа поведения пользователей и систематически тестируют гипотезы, такие как Amazon, Netflix или Booking.com, уже доказали, что такой подход позволяет быть на шаг впереди конкурентов. Эти компании не полагаются на интуицию или удачу — они используют данные для того, чтобы постоянно улучшать пользовательский опыт и растить ключевые метрики.

Практические шаги для начала работы с инсайтами:

1. Собирать и анализировать как поведенческие данные, так и атрибуты пользователей
2. Применять когортный анализ для изучения поведения разных групп пользователей со временем
3. Оценивать влияние новых фич и контента через разбиение воронок и анализ зависимости атрибутов
4. Проводить эксперименты, основываясь на полученных данных, чтобы проверять гипотезы и минимизировать риски
5. Интегрировать эти процессы в повседневную работу команды, делая анализ данных неотъемлемой частью стратегии роста.

Можно ли сделать путь к поиску инсайтов проще?

Безусловно. Особенно, если вы будете прибегать к квалифицированной экспертизе и использовать современные анлитические сервисы. Один из интересных примеров – UX Rocket от компании Excite Kit. Извлечение и работа с инсайтами – конек этого приложения. И вот почему:

1. UX Rocket поддерживает функцию авторазметки. Это означает, что сразу после установки приложение идентифицирует важные события и начинает отслеживать их до внесения каких-то изменений в код
2. На стороне UX Rocket сильная команад анлитиков и разработчиков. Это означает, что вам можно будет инвестировать своё время в работу с инсайтами, а не в пустое ковыряние в документации
3. В UX Rocket есть отдельный раздел, который так и называется – "Инсайты". В нем вы можете легко добывать те самые драгоценные знания, которые помогут вам и вашей команде расти быстро и предсазуемо
4. UX Rocket дает массу инструментов для создания кастомных когорт, воронок и сегментов. Это позволяет быстро идентифицировать недооцененные группы пользователей и таргетировать на них свои активности
5. Наконец, в UX Rocket предусмотрен модуль AB-тестов с интуитивно понятным визуальным реадактором и мощным статистическим аппаратом. Все это делает путь от сбора и получения инсайтов до монетизации этих данных максимально коротким.

Попробуйте UX Rocket: