В статье руководитель отдела аналитики AGIMA Олег Рудаков рассказывает, как масштабироваться за счёт задач более крупного агентства, и как стать таким подрядчиком.
1. Краткая история развития аналитики в Рунете
Веб-аналитика в Рунете вышла из анализа и оптимизации трафика. Это наиболее простая и понятная схема использования данных — следить и по возможности улучшать рентабельность вложений в рекламу. Со временем аналитика трафика развилась до использования больших данных для прогнозирования конверсии, построения эконометрических моделей и сложной атрибуции трафика. Однако такая аналитика строится на данных и никак не взаимодействует с пользователями.
Привлекать на сайт или в приложение целевую аудиторию важно, но не менее важно сделать продукт удобным и понятным для этой аудитории. Поэтому параллельно развивалась UX-аналитика, которая с помощью глубинных интервью, опросов, юзабилити-тестирований и других методов определяет проблемы пользователей при взаимодействии с продуктом для того.
Сейчас в аналитике существует несколько различных направлений работы. Но, к сожалению, из опыта общения с разными командами аналитиков на мероприятиях или с соискателями на собеседованиях, многие команды так и остались работать с задачами вида «сделайте нам отчет» по эффективности трафика. Зачастую такие отчеты строятся на базовых отчетах систем веб-аналитики, имеют одинаковый формат, не используются для оптимизации и даже не оплачиваются. Кажется, что такой подход убивает как желание аналитиков работать, так и понимание рынка о том, что же такое аналитика.
Мы в своей работе пришли к совмещению качественных (например, глубинные интервью и юзабилити-тестирование) и количественных (например, опросы и данные разметки систем веб-аналитики) методов исследований и стараемся развивать такой подход в работе с крупными заказчиками.
Но нам не всегда хватает ресурсов, чтобы закрыть все насущные задачи, и мы ищем команды с хорошей экспертизой, которые помогут масштабироваться и делать еще больше крутой аналитики.
Ниже мы собрали несколько пунктов, чтобы ответить на вопрос потенциальных коллег о том, зачем же это им нужно и почему просто не продолжать находиться в своей зоне комфорта с привычными задачами.
2. Работа на стыке количественных и качественных исследований
«Digital analytics — the analysis of qualitative and quantitative data from your website and the competition, to drive a continual improvement of the online experience that your customers, and potential customers have, which translates into your desired outcomes (online and offline).
Авинаш Кошик, один из самых известных веб-аналитиков, больше 10 лет назад сформулировал, что такое digital-аналитика
При этом, в Рунете исторически качественные и количественные исследования развивались отдельно и до сих пор редко применяются в совокупности на одном проекте. Однако совместив эти подходы можно получить более полезный результат. Качественные исследования помогут определить конкретные проблемы пользователей, почему и в каких контекстах они возникают. Количественные исследования дадут возможность проверить и приоритизировать результаты качественных. В итоге можно получить бэклог необходимых доработок, который будет приоритезирован на основании данных о долях сегментов аудитории, критичности и частоте повторения выявленных проблем. Этот бэклог можно сразу брать в работу и по результату повышать конверсию продукта.
В отрыве — количественные исследования говорят о том, где есть проблема и насколько часто повторяется, а качественные — почему возникает проблема. Совместив одно с другим, можно ответить на вопросы: где, почему и как часто возникают проблемы. То есть то, что принято называть «Продуктовая аналитика».
3. Работа с заказчиком со стороны продукта
В работе с продуктовой аналитикой заказчиком является бизнес, который проповедует data-driven подход. Ему нужны данные для принятия решений, а не таблички выгрузки из Google Analytics или какой-то иной системы.
Результаты продуктовой аналитики могут влиять и на интерфейсы, и на бизнес процессы компании. В целом на все, с чем сталкивается пользователь и за счет чего можно повысить конверсию или иные KPI продукта. Это возможно только в плотной работе с заказчиком как в постановке задач, так и в анализе и принятии решения по результатам работы.
При работе с продуктом с большой аудиторией, который используешь сам и использует множество людей вокруг это вдвойне ответственно. Но, при внедрении твоих решений понимаешь, что твоя работа делает удобнее жизнь людей.
4. Кроссфункциональность участников команды
Совмещение нескольких экспертиз предполагает, что все участники команды хорошо ориентируются в используемых методах.
Кроме стандартных навыков работы с системами аналитики, JS для разметки и SQL/Python/R для анализа данных, веб-аналитик умеет проводить юзабилити-тестирования и не боится выйти «в поля», чтобы опросить аудиторию офлайн или пройти с респондентами по магазину. В свою очередь UX-исследователь должен понимать, как работают системы веб-аналитики, как их настроить, чтобы собрать необходимые для исследования данные, как кластеризовать результаты онлайн-опроса, чтобы определить сегменты аудитории, и в целом понимает, как работать с данными, а не только смотрит тепловые карты и Вебвизор Яндекс.Метрики. За счет слаженной работы команды можно добиться гораздо большего, чем по отдельности.
5. Продвинутые инструменты аналитики
Продуктовая аналитика — удел крупных компаний. Они используют более дорогие и сложные инструменты аналитики.
Например:
- запустить набор автотестов для отслеживания корректности работы разметки;
- можно поработать с Google Analytics 360, забыв о сэмплировании;
- визуализировать на дашбордах сырые данные из внутреннего хранилища, не мучаясь с «кривыми» коннекторами;
- использовать системы аналитики, которые работают в контуре компании, такие как PIWIK, получая уникальные данные, например, по личным кабинетам финансовых компаний;
- можно запускать панельные онлайн-опросы в готовых системах с верифицированными на панели пользователями, а не искать подходящую аудиторию по форумам и блогам;
- иметь возможность проверять полученные в исследовании идеи в А/В-тестах, потому что даже небольшая неточность может быть критичной и так далее.
6. Максимум полученных в исследовании выводов и гипотез будут реализованы
После окончания исследования нужно претворить результат в жизнь./p>
А это значит, что аналитики передадут свои выводы и будут общаться с командами проектирования, дизайна и разработки. Это еще одна возможность получить новый опыт и прокачать свою экспертизу в смежных областях.
7. Доступ к знаниям и процессам клиента
Крупная компания следит за качеством результата. При совместной работе подрядчик получает доступ к ценным чек-листам и стандартам контроля качества клиента.
8. Фокус работы аналитиков на аналитике
Работа с большими проектами предполагает активное вовлечение квалифицированных менеджеров, иначе крупный проект не взлетит. Для команды аналитиков и исследователей это огромный плюс — можно заниматься профильной работой и минимально отвлекаться на коммуникации.