😎 #1
Применяй все, что знаешь, даже в самых простых задачах. Продакты же должны знать, какой ты умный профессионал.
Аналитики годами совершенствуют свои навыки — прокачивают себя в ML, изучают миллионы способов проведения нетривиальных А/Б, знакомятся с новыми методами и в результате могут дать бизнесу максимально точные результаты. Но иногда из-за своего желания применить все, что мы знаем, мы усложняем задачу, которую можно решить сильно проще.
Однажды мне нужно было предсказать, станет ли продавец дебитором. Я применила все свои знания, построила очень точную модель, консультировалась с преподавателями в ВШЭ. За нее СРО подарил мне бутылку шампанского со словами: «За диссертацию». Нужно ли говорить, что здесь совсем не нужна была никакая модель, а мы нашли более простое решение после? 🙄
🤨 #2
Не предлагай свои идеи. Они точно будут глупые.
Аналитики всегда первыми видят на цифрах, что что-то идет не так. И часто хватает двух-трех тривиальных селектов, чтобы не только найти проблему, но и локализовать ее и прийти к бизнесу с уже подтвержденной гипотезой.
Пару недель назад мой аналитик пришел ко мне с идеей, как привлечь продавцов в акции. Я предложила обсудить эту мысль с бизнесом. Вы не представляете, как положительно продукт принял идею и помог ее раскрутить. Спасибо нашим продактам за поддержку! А аналитикам стоит помнить: ежедневная работа с цифрами позволяет видеть те гипотезы, которые еще не сгенерированы и не оформлены в задачу в Jira.
Ищите в цифрах быстрые победы для вашего продукта.
🧐 #3
Не пользуйтесь продуктом, который анализируете. Вы и так работаете с ним каждый день.
До работы в Ozon я чуть-чуть торговала на маркетплейсах. Миллионы я, к сожалению, не заработала, но точно на себе прочувствовала все прелести работы с площадками — где возникают сложности, что непонятно, что можно улучшить. Понимание пути клиента или продавца определенно дает возможности генерировать более точные гипотезы. Не предполагать, а знать, где может быть слабое место продукта.
В Ozon для всех сотрудников была возможность попробовать себя в качестве продавца. Когда мы знаем, как должно работать по бизнес-требованиям, мы думаем, что клиент тоже понимает, как это работает и чего от него ждут в этой воронке.
Как только сами становимся на место клиента, сразу замечаем, что не все так интуитивно, как мы предполагали. Сразу становится понятно, что запущенный А/Б путает пользователя, что в следующий раз нужно заложить время на бесшовную раскатку теста или что какую-то точку входа в продукт даже не учитывали в прошлой задаче.
🫣 #4
Занимайтесь аналитикой только своей части продукта. Какая разница, что там делают другие команды, главное, чтобы наши метрики росли.
Как правило, аналитики работают только с одной частью продукта — определенным этапом воронки, отдельным функционалом, сегментом клиентов. Мы следим за своими метриками и строим гипотезы только относительно своего кусочка продукта.
Но если посмотреть шире, становятся очевидны взаимосвязи вашего продукта и других команд, появляется тот самый "helicopter view". Если смотреть очень глобально на маркетплейсы (тут на нашем вертолете мы поднимаемся где-то в космос), то приток продавцов может быть связан не с нашими бонусами селлерам-новичкам, а, например, с ростом числа покупателей благодаря маркетинговым активностям.
🫡 #5
Не спрашивай, зачем продукту задача. Они же сказали, что посчитать, зачем загружать себя контекстом.
С таким подходом скорее всего вам задачу нужно будет пересчитывать. И не раз. Но что еще хуже — вы можете додумать контекст за бизнес и пойти совсем в другую сторону.
Будьте партнерами, а не калькуляторами!
Применяй все, что знаешь, даже в самых простых задачах. Продакты же должны знать, какой ты умный профессионал.
Аналитики годами совершенствуют свои навыки — прокачивают себя в ML, изучают миллионы способов проведения нетривиальных А/Б, знакомятся с новыми методами и в результате могут дать бизнесу максимально точные результаты. Но иногда из-за своего желания применить все, что мы знаем, мы усложняем задачу, которую можно решить сильно проще.
Однажды мне нужно было предсказать, станет ли продавец дебитором. Я применила все свои знания, построила очень точную модель, консультировалась с преподавателями в ВШЭ. За нее СРО подарил мне бутылку шампанского со словами: «За диссертацию». Нужно ли говорить, что здесь совсем не нужна была никакая модель, а мы нашли более простое решение после? 🙄
🤨 #2
Не предлагай свои идеи. Они точно будут глупые.
Аналитики всегда первыми видят на цифрах, что что-то идет не так. И часто хватает двух-трех тривиальных селектов, чтобы не только найти проблему, но и локализовать ее и прийти к бизнесу с уже подтвержденной гипотезой.
Пару недель назад мой аналитик пришел ко мне с идеей, как привлечь продавцов в акции. Я предложила обсудить эту мысль с бизнесом. Вы не представляете, как положительно продукт принял идею и помог ее раскрутить. Спасибо нашим продактам за поддержку! А аналитикам стоит помнить: ежедневная работа с цифрами позволяет видеть те гипотезы, которые еще не сгенерированы и не оформлены в задачу в Jira.
Ищите в цифрах быстрые победы для вашего продукта.
🧐 #3
Не пользуйтесь продуктом, который анализируете. Вы и так работаете с ним каждый день.
До работы в Ozon я чуть-чуть торговала на маркетплейсах. Миллионы я, к сожалению, не заработала, но точно на себе прочувствовала все прелести работы с площадками — где возникают сложности, что непонятно, что можно улучшить. Понимание пути клиента или продавца определенно дает возможности генерировать более точные гипотезы. Не предполагать, а знать, где может быть слабое место продукта.
В Ozon для всех сотрудников была возможность попробовать себя в качестве продавца. Когда мы знаем, как должно работать по бизнес-требованиям, мы думаем, что клиент тоже понимает, как это работает и чего от него ждут в этой воронке.
Как только сами становимся на место клиента, сразу замечаем, что не все так интуитивно, как мы предполагали. Сразу становится понятно, что запущенный А/Б путает пользователя, что в следующий раз нужно заложить время на бесшовную раскатку теста или что какую-то точку входа в продукт даже не учитывали в прошлой задаче.
🫣 #4
Занимайтесь аналитикой только своей части продукта. Какая разница, что там делают другие команды, главное, чтобы наши метрики росли.
Как правило, аналитики работают только с одной частью продукта — определенным этапом воронки, отдельным функционалом, сегментом клиентов. Мы следим за своими метриками и строим гипотезы только относительно своего кусочка продукта.
Но если посмотреть шире, становятся очевидны взаимосвязи вашего продукта и других команд, появляется тот самый "helicopter view". Если смотреть очень глобально на маркетплейсы (тут на нашем вертолете мы поднимаемся где-то в космос), то приток продавцов может быть связан не с нашими бонусами селлерам-новичкам, а, например, с ростом числа покупателей благодаря маркетинговым активностям.
🫡 #5
Не спрашивай, зачем продукту задача. Они же сказали, что посчитать, зачем загружать себя контекстом.
С таким подходом скорее всего вам задачу нужно будет пересчитывать. И не раз. Но что еще хуже — вы можете додумать контекст за бизнес и пойти совсем в другую сторону.
Будьте партнерами, а не калькуляторами!