Все вокруг говорят про работу с данными. Почему IT-продукту необходима аналитическая экосистема и как настроить ее правильно

За время работы Syntropy мы работали с десятком IT-продуктов разных размеров и индустрий и почти везде встречали проблемы с аналитикой. Можно понять почему: для целостного сбора данных нужен десяток различных сервисов, интегрированных между собой. Какие есть типы аналитик и как каждый поможет компании расти быстрее?

Helicopter view на аналитику IT-продукта. Какие данные собирать и для чего?

Система аналитик помогает команде решать следующие задачи:

1. Быстро реагировать на проблемы. Например, вы заметили резкий спад использования функции. Благодаря этому нашли баг, исправили и сохранили пользователей.
2. Находить новые гипотезы. Вы увидели положительную аномалию – пользователи используют приложение для задач, о которых вы до этого не задумывались. Изменили позиционирование, настроили рекламу на другую аудиторию, получили больше пользователей.
3. Ускорить изменения в компании. Аналитика помогает быстро видеть результаты принятых решений, делать выводы и внедрять изменения.
4. Легкость вводить новых людей в продукт. Наличие данных помогает новым людям быстро вникнуть в продукт, уменьшает время на их онбординг.
5. Привлекать инвестиции. Инвесторы используют данные для принятия решений. Поэтому аналитика крайне нужна тем, кто планирует привлекать финансирование.

Аналитическая экосистема – эдакая «перчатка Таноса». Каждая ее часть имеет свою «суперсилу» и дает ответы на определенный тип вопросов. Рассмотрим типы аналитик, необходимых для развития IT-продукта:

• Бизнес-аналитика. Насколько ваш продукт успешен в целом?
• Продуктовая. Как люди используют ваш софт?
• Финансовая. Какова структура доходов и расходов компании?
• Маркетинговая. Какие аудитории, каналы и сообщения генерируют вам доход?
• Аналитика продаж (CRM). Насколько эффективно отдел продаж обрабатывает лиды?
• Аналитика обращений в службу поддержки. С какими проблемами пользователи обращаются чаще всего?  
• Техническая. Насколько ваш продукт стабилен с технической точки зрения?
• Customer Data Platform (CDP). Не является аналитикой, но выполняет важную инфраструктурную функцию – приводит данные к единому формату и интегрирует аналитики между собой.

Графически систему аналитик изобразим в виде пирамиды. В основе лежат аналитики общего уровня, и чем выше, тем больше детализация. Некоторые метрики и данные пересекаются в различных типах аналитик.

Пульс компании. Задачи, инструменты и метрики бизнес-аналитики

Как работает? «Хочу с одного взгляда понимать, что происходит с моей компанией», – такой запрос у большинства СЕО. Бизнес-аналитика его удовлетворяет – она является набором дашбордов, которые показывают главные метрики компании. Данные для них стекаются из других аналитик, отчетов и инструментов.

Для чего нужна? Показывает общее состояние и прогресс компании, насколько хорошо она достигает своих целей. Бизнес-аналитика быстро регистрирует аномалии в подразделениях компании – если какой-то показатель сильно меняется, это является поводом углубиться в аналитику соответствующей команды и найти причину изменений. Также демонстрация главных метрик компании команде хорошо мотивирует команду как по принципу «морковки спереди», так и по принципу «морковки сзади».

Распространенные метрики. У каждого продукта и компании метрики отличаются, здесь привожу наиболее распространенные и универсальные. Также помните, что некоторые метрики пересекаются в различных аналитиках. Итак, основные метрики бизнес-аналитики:

• Доходы, расходы, прибыль. Темпы их роста ежемесячно, ежегодно.
• Retention – коэффициент удержания пользователей, какая часть из них возвращается к продукту через некоторое время?
• CAC – стоимость привлечения пользователя, и LTV – доход с него за жизненный цикл.
• North Star Metric – главная метрика роста продукта. Например, у Facebook это было число пользователей, которые добавили семерых друзей за 10 дней.
• Количество пользователей, средняя частота использования, продолжительность сессии.

Инструменты: Tableau, Power BI, GeckoBoard и Google Data Studio.

Продуктовая аналитика – главная причина изменений в стартапе. Как люди используют ваш продукт?

Как работает? Агрегирует информацию о действиях пользователей в продукте, показывает их в виде графиков и воронок. Прохождение онбординга, наиболее популярные функции приложения, типы операционных систем аудитории – все это дает продуктовая аналитика. Настраивается она через имплементацию в код специальных тегов (ивентов) на просмотр экранов, действия и характеристики пользователей.

Пример. У вас HRM-платформа, и вы хотите знать, пользуется ли ваша аудитория запросами на отпуск – функцией, которая состоит из четырех шагов. Вы строите воронку из четырех экранов и видите, что на третьем шаге отваливается 90% пользователей. Анализ третьего экрана привел вас к гипотезе, что там много полей. Вы уменьшаете их количество, тестируете – и видите увеличение числа людей, завершивших запрос. Отлично, только что вы усовершенствовали продукт на основе данных.

Для чего нужна? Продуктовая аналитика помогает принимать взвешенные решения о добавлении/удалении функций в софте, проводить А/Б-тестирование, совершенствование пользовательского опыта. Часто люди говорят, что используют продукт одним способом, но ведут себя иначе. Продуктовая аналитика дает вам реальную картинку их поведения.

Распространенные метрики:

• DAU, WAU, MAU – количество активных пользователей по дням, неделям, месяцам.
• Retention – удержание пользователей в продукте, общее и по определенным функциями.
• Onboarding Completion – количество пользователей, прошедших онбординг, воронка его прохождения на каждом этапе.
• Отчеты об использовании определенных фич приложения в виде воронок, абсолютных и относительных показателей.
• Поведенческие отчеты в зависимости от тарифного плана пользователя: продолжительность сессий, частота использования.

Инструменты: Amplitude, Mixpanel. Тепловые карты – CrazyEgg, Hotjar.

Финансовая аналитика – состояние «кровеносной системы» компании. Какова структура ваших доходов и расходов?

Как работает? Финансовые отчеты показывают, насколько принятые компанией решения трансформируются в основной показатель ее успешности – деньги. В ней вы видите количество имеющихся ресурсов и пределы компании – сколько она может просуществовать при данных условиях и ресурсах.

Выбор инструмента финансовой аналитики зависит от индустрии, бизнес-модели, типа организации и платежных систем бизнеса. Часто она интегрируется со счетами компании, HRM, системой учета товара на складах и платежными системами.

Для чего нужна? Помогает понять, какие решения компания может позволить, а какие – нет. Показывает, насколько текущая бизнес-модель успешна и какие продукты приносят больше дохода. С помощью нее можно оценить эффективность вложенных инвестиций. А для внешних инвесторов финансовая аналитика – ключевой фактор принятия решения о вливании средств.

Распространенные метрики:

• Доход, расходы, прибыль, рентабельность. Часто это перечисляется и на определенный продукт, фичу, подразделение или инвестиции.
• LTV, CAC – доход с пользователя за жизненный цикл и стоимость его привлечения.
• Burn rate – сколько месяцев стартап может просуществовать при текущих ресурсах и показателях.
• Churn Rate – процент пользователей, которые перестают пользоваться продуктом за определенный период.
• Прогнозы по финансовым показателям.

Инструменты: их сотни, подбор зависит от специфики продукта и промышленности. Приведу наиболее универсальные.

Малые и средние бизнесы: QuickBooks, Zoho Books, FinMap, 1C.

SaaS и приложения: RevenueCat, Chargebee, ChartMogul.

Маркетинговая аналитика – разведцентр компании. Какие каналы и аудитории генерируют вам доход?

Как работает? Если продуктовая аналитика помогает правильно инвестировать внутри компании – в разработку продукта, то маркетинговая показывает, куда нужно инвестировать вовне – для привлечения клиентов.

Для чего нужна? Отвечает на классические вопросы ночного сторожа: «Кто вы? Откуда? Что нужно?» То есть маркетинговая аналитика показывает вам характеристики вашей аудитории, канал ее привлечения и потребности, которые ваш продукт помогает ей закрыть.

Есть другая «огнестрельная» метафора, объясняющая задачи маркетинговой аналитики: АКМ – понимание Аудитории, Канала и Месседжа.

В маркетинговой аналитике важно настроить конверсии – целевые действия, которые мы хотим, чтобы осуществил юзер (оставить контакты, загрузить промодокумент, купить подписку). Это позволяет не только видеть количественные показатели, но и открывает двери для автоматической оптимизации рекламы. Так рекламные кабинеты Facebook или Google сами подбирают таргетинг под вашу рекламу, что увеличивает число конверсий.

Правильная настройка конверсий помогает видеть атрибуцию – влияние маркетинговых активностей на результат. Сейчас путешествие пользователя до покупки довольно сложное и редко состоит из одного контакта. Задумайтесь, когда вы покупали что-то сразу, увидев только одну рекламу? Обычно человек сначала видит рекламу в Facebook, затем читает статью на сайте, кликает по рекламному баннеру, ищет отзывы в Google и только потом – покупает.

Распространенные метрики:

• Количество визитов на сайт/страницу, конверсий, соотношение между ними (конверсионность).
• Среднее время на сайте/странице, число просмотренных страниц за сеанс.
• Bounce Rate – процент сеансов, когда человек вышел с сайта, не осуществив ни одного действия.
• Количество лидов – людей, оставивших контактные данные.
• Количество взаимодействий с продуктом конверсии.
• Подписчики в разных соцсетях.

Инструменты: Google Analytics, CrazyEgg. Также у каждого канала (email, SMM) есть более узкие аналитики и метрики.

CRM, аналитика отдела продаж. Сколько лидов конвертируется в продажи и как увеличить этот показатель?

Об аналитике продаж расскажет человек, который разбирается в вопросе гораздо лучше автора – Анны Каиновой, консультанта по продажам для стартапов.

Как работает? Если представить, что компания – это велосипед, то продажи – одна из его педалей, движущая его вперед (вторая – маркетинг). Система ведения и аналитики продаж (Customer Relationship Management, CRM) агрегирует данные о потенциальных и существующих клиентах, их месте в воронке, помогает оценить эффективность отдела продаж.

Для чего нужна? С помощью CRM координируют работу менеджеров и проводят всесторонний анализ отдела продаж. Основные вопросы, на которые отвечает CRM:

• насколько потенциальный клиент квалифицированный и подходит под портрет идеального пользователя?
• сколько стоит найти и удержать клиента?
• как продажи наполняют и расходуют бюджет компании?
• сколько времени тратит команда на переговоры и квалификацию?
• какой объем потенциальных продаж у компании сейчас, прогнозы на будущее?

Аналитика продаж помогает понять потребности пользователя, его критерии выбора. Это дает данные для совершенствования маркетинговых сообщений, скриптов разговоров и продукта. Поэтому так важно, чтобы отдел продаж постоянно взаимодействовал с другими структурами компании.

Основные метрики:

• Объемы продаж: общие, по продуктам и тарифным планам.
• Процент дохода от новых и старых клиентов.
• Процент сделок, закрытых с участием отдела продаж и автоматически.
• Количество потенциальных сделок на каждой стадии, конверсионность перехода в каждую, ежемесячные темпы их роста.
• Стоимость продажи – расходы отдела продаж на закрытие сделки. Чаще всего измеряется как процент от дохода компании.
• Средняя продолжительность цикла продаж.
• Win Rate – соотношение успешных сделок к их общему количеству.
• Upsales, crossales – стоимость сделок с текущими клиентами.

Инструменты: Hubspot CRM, Zendesk CRM, Pipedrive.

Интеграция аналитики продаж, маркетинга, продукта и финансов позволяет видеть взаимодействие пользователя с компанией на всех стадиях. Это часто называют сквозной аналитикой – она позволяет видеть, какие именно взаимодействия с пользователями приносят компании наибольший доход. Существуют отдельные инструменты, заточенные именно под сквозную аналитику, например Ringostat и OWOX.

Аналитика обращений в службу поддержки. Где у пользователей возникают проблемы и как обратить эту информацию в пользу?

Как работает? Службу поддержки или любят – и рассказывают, как заказали пиццу через поддержку monobank, или ненавидят – и пишут гневные посты в Facebook. Работа саппорта в IТ-продукте критически важна – по данным PWC, 32% людей готовы остановить работу с брендом после первого же негативного опыта. Поэтому поддержку важно вести не через почту на сайте, а через специальные платформы, которые категоризируют проблемы и помогают решать их быстрее.

Для чего нужна? Как говорили в одноименной книге, жалоба – это подарок. Аналитика обращений в службу поддержки дает идеи для новых фич, показывает слабые места продукта и помогает усовершенствовать опыт пользователя. Например, если новые клиенты не могут разобраться с использованием продукта, с помощью обращений в поддержку вы поймете, какие учебные материалы им нужны. Или резко увеличилось число обращений – значит, где-то возникли технические проблемы.

Одной из важнейших функций саппорта является удержание пользователей и увеличение их LTV. Аналитика помогает эффективно управлять этим процессом.

Основные метрики:

• Среднее время ожидания до первого ответа.
• Среднее время ожидания по всем ответам.
• Процент запросов, решенных с первого ответа менеджера.
• Общий процент успешного решения запросов.
• Оценка удовлетворенности поддержки/менеджером по шкале от 1 до 10.

Распространенные инструменты: Zendesk, MonkeyLearn, HelpDesk, Intercom.

Техническая аналитика и метрики IТ-продукта. Насколько ваш продукт стабилен и оптимизирован?

Рассказывает Дмитрий Волошин, соучредитель и СТО украинского EdTech-гиганта Preply.

Как работает? Согласно исследованию Gartner, одна минута недоступного сервиса для IT-продуктов стоит $5400. В августе 2016 года пятичасовое отключение электроэнергии в эксплуатационном центре повлекло за собой 2000 отмененных рейсов и убытки в размере $150 млн для Delta Airlines. А если вы не измеряете доступность, стабильность или надежность вашего продукта, то как можете понять, сколько средств теряете вы?

Если продукт нестабильный, медленный или не выполняет свои функции, он быстро потеряет пользователей и ничего ему не поможет. Техническая аналитика отслеживает баги, стабильность продукта и серверов, показывает возможности для оптимизации.

Для чего нужна? Другой пример популярной метрики – скорость загрузки страниц. Недавние исследования Google показывают, что лишняя секунда загрузки веб-сайта уменьшает конверсию на 20% для мобильных устройств. Похожие данные приводит крупнейший мировой ритейлер Amazon – каждые 100 миллисекунд задержки ответа сервера приводят к потерям 1% продаж.

Для того чтобы бизнес мог принимать взвешенные решения по IТ-продукту, ему нужно понимать, какова его надежность. К примеру, классикой надежности для веб-сайтов является SLO > 99,99%, что означает, что 99,99% запросов пользователя к сайту успешны. С помощью такого рода метрик можно переводить время недоступности IТ-продукта в деньги и иметь более очевидную ценность от систем мониторинга и логирования, которые будут указывать на проблемы в функционировании продукта.

Ключевые метрики:

• Стоимость технической поддержки данного продукта – серверы, инструменты, хостинг, безопасность.
• Количество багов и крашей. Среднее время для их нахождения и решения.
• Uptime – среднее время доступности сервера.
• Response Time – скорость выполнения целевого действия софта. Google, например, показывает это и пользователям – за сколько миллисекунд он нашел для вас эти миллионы страниц.
• Индикатор уровня обслуживания (SLI) – показатель уровня услуг, предоставляемых поставщиком услуг клиенту.

Распространенные инструменты: Datadog, Pingdom, Sentry, New Relic.

«Одно кольцо, чтобы править всеми». Customer Data Platform – связующее звено всех аналитик

Мы рассмотрели семь типов аналитик, у каждой из них может быть несколько инструментов – как упорядочить этот хаос? Ранее интеграция этих инструментов, создание единого дашборда были крайне сложной задачей. Это требовало привлечения разработчиков, маркетологов, продактов, СЕО, аналитиков и финансистов. Сейчас появились решения, очень облегчающие этот процесс, – Customer Data Platforms (CDP).

CDP – это хаб, который агрегирует в себе данные о пользователях в едином формате, а потом направляет их в различные типы аналитик. Таким образом, не нужно вручную вводить код каждой аналитики и расставлять под них метки – достаточно сделать это один раз. Это удобно и экономит тысячи долларов при настройке. Кроме того, CDP обеспечивает последовательность в работе с данными – для всех платформ она будет одинаковой, не вызовет проблем с их целостностью.

Распространенные инструменты: Segment, Insider.

Оправдывает ли аналитическая экосистема время и ресурсы на ее настройку?

Скорость настройки аналитики зависит от размера компании. Для стартапа это может быть две – четыре недели, для корпорации – месяцы координации работы нескольких подразделений. Окупает ли себя аналитика? Да, потому что без нее невозможно масштабироваться и привлекать инвестиции.

Аналитика является критичной для роста IT-продукта. Она экономит средства, время и нервные клетки команды. Ключевые люди компании с ее помощью могут «поднять веки» и ежедневно видеть реальное положение дел в организации. Команда получает конкурентное преимущество в скорости реакции на внутренние и внешние события, оптимизирует использование ресурсов и принимает качественные, основанные на данных решения.

Материалы по теме

Категория

Инновации

Дата

24 июня 2021

11 лучших стартапов по личным финансам, которые попали в финтех-рейтинг от Forbes

Категория

Рейтинги

Дата

02 апреля 2021

30 лучших стартапов