Продуктовый аналитик — мостик между бизнесом и данными. Он работает рука об руку с продакт-менеджером и помогает продуктовой команде принимать верные решения. В статье расскажем, кто может стать продуктовым аналитиком, о его задачах и зарплате.
Что такое продуктовая аналитика
Продуктовая аналитика позволяет увидеть, как пользователи взаимодействуют с продуктом. Условно можно выделить две задачи продуктовой аналитики: сбор данных и их интерпретация.
Сначала продуктовый аналитик собирает кучу цифр из разных источников: какие кнопки нажимают пользователи, как часто используют продукт, какие функции продукта популярны, а какие — нет. Эти измерения показывают, что происходит с продуктом, но не объясняют почему.
На втором этапе аналитик вытаскивает из цифр инсайты, которые объясняют поведение пользователей. Благодаря этому продуктовая команда понимает, какой продукт она сделала и куда двигаться дальше.
Продуктовая аналитика помогает команде понять «кто» сделал «что, когда и где». И что со всем этим делать дальше.
Почему продуктовые аналитики ценятся в бизнесе
Продуктовый аналитик отслеживает пользовательские события внутри продукта, переводит значение цифр на язык бизнеса и даёт оперативные рекомендации по решению проблемы. Мы выделили четыре задачи, которые бизнес решает руками продуктового аналитика.
Удержать пользователей в продукте
Деньги могут обеспечить компании взрывной рост и принести много новых клиентов, а продуктовая аналитика помогает сохранить существующих пользователей через знание их поведения, работу с проблемами, с которыми они сталкиваются и ценностью, которую они получают в продукте.
Новый пользователь всегда обходится компании дороже существующего, поэтому компаниям выгодно инвестировать ресурсы в продуктовую аналитику.
Мнение венчурного инвестора Томаша Тунгуза: «С одной стороны, рост помогает поднять раунд инвестиций и показывает спрос на продукт. С другой стороны, отток клиентов ставит вопросы о соответствии продукта рынку.
Стимулирование роста бизнеса на продукте, который не совсем соответствует требованиям рынка, может привести к тому, что компания соберёт миллионы долларов и ей необходимо будет „разворачиваться“».
Подружить продукт и рынок
Нельзя заработать лояльность пользователей без понимания основной ценности продукта, которая гарантирует product-market fit (дословно «соответствие продукта рынку»). Чтобы найти тот самый «Aha Moment» необходимо знать, какие действия отделяют лояльных клиентов от потерянных.
«Aha Moment» — это ключ к росту, момент, когда пользователь понимает ценность продукта. Найти его помогут правильные выводы, основанные на данных клиентов. Для Facebook таким моментом было достижение цели «7 друзей за 10 дней».
Зная, какие показатели продукта значимы для пользователя, легче соответствовать рынку. Энтони Манделли из Snowplow вспоминает, как основатель Airbnb Джо Геббиа в подкасте «Как я построил это» рассказывал о закономерности, которую удалось увидеть с помощью данных: арендодатели долго не могли сдать квартиру, потому что не знали, как сделать привлекательные фото. Тогда Airbnb взял решение задачи на себя и увеличил выручку компании в разы.
Обогнать конкурентов
Исследования McKinsey показывают, что грамотное использование данных и аналитики обеспечивает компаниям масштабный рост. Благодаря этому разрыв между лидерами отрасли и отстающими игроками постоянно увеличивается.
На момент проведения исследования, респонденты из компаний-лидеров рынка говорили, что их инициативы в области данных и аналитики принесли им минимум 20% прибыли за три года.
Точечная работа с аналитикой не несёт нужного эффекта. Чтобы стать лидером, необходимо создавать долгосрочную стратегию работы с данными.
Улучшать пользовательский опыт
Продуктовая команда может изменять продукт вслепую. Но без анализа результатов нельзя быть уверенным, что конкретно привело к успехам или неудачам. Продуктовая аналитика исследует данные о поведении пользователей в режиме реального времени. Это помогает команде переосмыслить видение продукта в течение очередного цикла итерации и предпринять необходимые действия.
Кто может стать продуктовым аналитиком
Компания «Нормальные исследования» выяснила, что чаще всего люди целенаправленно идут в профессию «с нуля», а часть специалистов приходит из разработки и маркетинга.
Профессия продуктового аналитика может быть интересна и продакт-менеджерам, которые уже умеют работать с ценностью продукта, но хотят развить экспертность в анализе: понимании точек роста продукта, прогнозировании его развития.
Чтобы претендовать на должность продуктового аналитика, придётся вспомнить статистику и математику.
Вопрос аналитику: с каким бэкграундом вы приходили в профессию?
Старший эксперт по аналитике в Билайне
По образованию я — экономист-международник с хорошим знанием математики и статистики. В университете увлеклась общественной деятельностью и пошла в HR. Но в итоге нашла себя в маркетинге и продуктовой аналитике и очень рада этому.
Ex-аналитик в Яндексе, продакт-менеджер в AppMetrica
До первой работы аналитиком успел поработать техническим писателем и разработчиком (JS).
Опыт и взгляд разработчика часто мне помогали в работе аналитиком.
Руководитель группы аналитики в «СберМаркетинг»
Когда-то я работал проджектом, вёл проекты по разработке и рекламе в студии и агентстве. Когда перешёл на клиентскую сторону в финансовую организацию, заставили ещё и отчитываться по эффективности запущенных проектов: считать деньги, планировать ресурсы, защищать кейсы по запуску новых продуктов, оптимизации и продвижению текущих. Тогда-то нужда и заставила вникнуть в аналитику.
Сперва я, начитавшись статей, настроил базовый трекинг и вывел в дашборды, чтобы просто понимать, что происходит, и кто вообще все эти люди на сайте. А потом стал думать, как на всё это повлиять, как поднять конверсию, заработать больше, и в итоге знаний из интернета, подкреплённых реальным опытом и набитыми шишками, хватило, чтобы устроиться уже ведущим аналитиком в другую компанию.
Чем занимается продуктовый аналитик
Продуктовый аналитик анализирует состояние продукта и помогает развивать его: следит, чтобы метрики продукта не проседали, а продуктовые решения были успешными.
Мы не нашли единых правил организации данных, постановки задач и проведения тестов для продуктовых аналитиков, в каждой компании они свои. Имеет значение и жизненный цикл продукта, с которым придется работать: в только что запущенном стартапе аналитика попросят привести в порядок систему сбора данных, а в зрелом — найти точки роста и рассмотреть конкурентов.
Поэтому мы проанализировали десятки вакансий и составили список задач, с которыми может столкнуться аналитик. В обзор попали не только ИТ-компании, но и «традиционный бизнес»: авиаперевозчики, компании масс-маркета и логистики.
Находить точки роста и «узкие места» продукта
Продуктовой команде сложно опираться на данные о том, сколько раз кликнули на кнопку, они не объясняют причину поведения человека. Поэтому команда идёт к аналитику, который делает выводы на основе данных, находит закономерности и аномалии в продукте.
Кейс компании Devtodev
Разрабатывать отчёты и метрики мониторинга продуктов
Дашборды показывают командам и руководителям ключевые показатели продукта, зависимости и тренды. Аналитик решает, какие отчёты и метрики нужно выводить на дашборд, чтобы они не отвлекали от главного и помогали принимать управленческие решения. Нет универсального набора метрик, который нужен команде, их выбирают в зависимости от целей бизнеса и типа продукта.
Продакт-менеджер Сергей Тихомиров соотносит набор метрик с жизненным циклом продукта. А продакт AppMetrica Владислав Прищепов советует отталкиваться от цели и сосредоточиться на ключевой метрике продукта. Так, для приложения по доставке еды — это «time to eat»: время от совершения заказа до его получения.
Валидировать проблемы и решения команды
Аналитик «копает» количественные данные, чтобы проверить гипотезы команды и правильно расставить приоритеты в задачах. Если при глубинном интервью команда выявила проблему, аналитик может подтвердить её или опровергнуть. Например, проанализировав сотни разговоров менеджеров колл-центра с клиентами по ключевым словам с помощью инструментов речевой аналитики.
Проводить A/B-тесты
Рабочие гипотезы проверяют на контрольном сегменте пользователей. Аналитик следит, чтобы на тест не влияли внешние и внутренние факторы: праздники, погода за окном, обзвон клиентов менеджерами колл-центра — всё это может искажать показатели.
Результат тестов должен быть статистически значим — по данным сервиса Appsumo так бывает лишь в 12,5% случаев. Если контрольный сегмент подтвердил гипотезу, её масштабируют. Отдельная проблема — принимать решение после тестов в b2b с небольшим трафиком.
Проверять и масштабировать гипотезы
Тестирование гипотезы условно делится на четыре этапа: 1) ищем метрику, на которую хотим влиять; 2) проводим исследование; 3) анализируем обратную связь; 4) убиваем гипотезу или масштабируем. Аналитик работает с продуктовой командой на каждом этапе, отвечает на вопросы «Почему это произошло» и «Что с этим сделать», спасает команду от поддержки непопулярных решений. Главная ценность работы аналитика — в интерпретации результатов.
Кейс компании Авито
Авито изменили интерфейс карточки товара и провели A/B-тест. Он показал, что в контрольной группе на кнопку «Написать» стали кликать меньше (плохо), но увеличилась конверсия первых сообщений выросла (хорошо).
Анализировать данные
Большой пул задач продуктового аналитика лежит в области хард-скиллов: он разбирается в основах статистики и владеет языками программирования. Это помогает аналитику собирать и обрабатывать данные, оценивать их качество и искать закономерности.
Вопрос аналитику: ключевые задачи, которые вы выполняете?
Старший эксперт по аналитике в Билайне
Работа с новыми пользователями (не клиенты):
- эффективность различных каналов продаж продуктов;
- построение воронок продаж, анализ путей пользователя, их оптимизация;
- A/B-тестирование.
Работа с текущими клиентами:
- построение профиля пользователя и расчёт основных метрик (по разным продуктам): LT, LTV, MAU \ DAU, Retention, Churn, ARPU, потребление трафика;
- поиск путей монетизации мобильного приложения, увеличения выручки по продуктам, удержания клиентов, анализ эффективности маркетинговых акций.
Много времени уходит на:
- настройку периодической отчётности в BI-системах;
- разметку событий на сайте и в целом настройку сбора данных из разных источников;
- построение сквозной аналитики, витрин данных на кластере.
Ex-аналитик в Яндексе, продакт-менеджер в AppMetrica
Чем только не занимался, но чаще всего искал в данных и цифрах точки роста и подсвечивал слабые и сильные места.
Руководитель группы аналитики в «СберМаркетинг»
Условно работу аналитика можно разделить на три этапа: собираем данные, анализируем, действуем, и так по кругу. Сложно хорошо разбираться во всех трёх, вокруг ведь огромное разнообразие технологий. Каждый раз, когда вы замолкаете, кто-то делает первый коммит очередного JS-фреймворка, который убавит вам волос на голове, или запускает новый магазин коннекторов к Google Analytics.
Поэтому зачастую коллеги начинают специализироваться на чём-то. Кому-то больше нравятся статистические исследования, даже если продакт всё равно потом делает по-своему, другие строят автоматизированные системы отчетности, даже если в итоге нужен просто скриншотик для презы. Я же, будучи руководителем отдела, имею возможность собирать медок, и видеть результаты всех, избегая ошибок. Возможность имею, но почему-то не пользуюсь и ухожу в поля набивать свои шишки, так интереснее.
Инструменты продуктового аналитика
Python (аналог: R, Java)
Язык программирования с простым синтаксисом, большим количеством библиотек и развитым комьюнити, которое поможет, если нужно.
Подойдет для обработки больших объемов данных, с которыми не справится Excel. Позволяет визуализировать данные, автоматизировать задачи по анализу информации, строить модели прогнозирования оттока клиентов, проводить кластеризацию.
Google Analytics (аналог: Яндекс.Метрика, Heap)
Бесплатный инструмент для веб-аналитики. Покажет источники трафика и действия пользователей на сайте, количество посетителей, просмотров, конверсию, отчёт о настроенных событиях, поможет провести когортный анализ.
Tableau (аналог: Power BI, QlikSense, Looker)
Платформа для анализа и визуализации данных с понятным интерфейсом. Поможет построить эффектную графику, объединить данные из разных источников. Работает с MS Excel, MySQL, SQL, Google BigQuery, Microsoft Azure. Есть возможность настроить автоматическое обновление и рассылку отчётов, пересылать их по электронной почте, публиковать ссылку на сервере и получать доступ к отчёту по ссылке.
Mixpanel (аналог: Amplitude, Flurry, KissMetrics)
Система для аналитики и анализа в режиме реального времени. Помогает понять, что делают пользователи после регистрации. Позволяет построить воронку с условиями на каждое событие в ней, отправлять пуши, проводить A/B-тестирование.
SQL
Инструмент для работы с базами данных внутри экосистемы продукта. С ним аналитик получит, обработает и скомпонует нужные данные без разработчика. Можно создавать отчёты с динамическими периодами, соединять таблицы, отсекать значения по нужным критериям.
Читать также
- Узнаете, как автоматизировать бизнес-процессы с помощью Python и Tableau, строить аналитические модели и тестировать гипотезы
- Получите опыт работы с данными из Google Analytics, SQL, Google Sheets
- Сделаете первый шаг к востребованной профессии
Вопрос аналитику: три инструмента, без которых не проходит ваш рабочий день?
Старший эксперт по аналитике в Билайне
SQL, Excel, Google Analytics (+Qlick Sense или любая другая BI-система +GTM, без них тоже никуда).
Ex-аналитик в Яндексе, продакт-менеджер в AppMetrica
Google spreadsheets, Dropbox paper, система аналитики / хранилище данных (в каждом продукте, где мы работали, были разные системы аналитики и хранилища данных).
Руководитель группы аналитики в «СберМаркетинг»
SQL. Данные обычно хранятся в базах, а с ними как правило взаимодействие происходит именно на этом языке, так что без него аналитику никуда. В моём случае большинство данных находятся в BigQuery.
VS Code. Чтобы данные были в базе, их надо туда сперва положить. Иногда для этого нужно написать скрипт на каком-нибудь языке, который достанет данные с помощью API рекламного кабинета или аналитической системы и отправит по назначению. Кодинг пригодится и для того, чтобы данные по пути сцепить, обработать, сагрегировать, да и вообще провести полноценное исследование и визуализировать результаты.
К VS Code я уже просто привык, потому что много пишу на javascript в свободное время. По работе же я в основном использую Python, потому что на нём куча готовых решений и удобные механизмы с ячейками. Чтобы быть в теме, пробовал писать и на R, да вообще что угодно, лишь бы не СУММЕСЛИМН — в силу профессии с Excel у меня не очень, как и с логикой и с цифрами.
Зарплата продуктовых аналитиков и спрос на них
Глобальное исследование консалтингового агентства MarketsandMarkets показывает, что с 2019 до 2024 объём мирового рынка аналитики продуктов вырастет в два раза.
Драйверы — рост использования больших данных и потребность компаний выпускать конкурентоспособные продукты.
Спрос на аналитиков будет расти и в традиционных отраслях бизнеса. Например, в ритейле, который трансформирует магазины на районе в retail-tech. Ритейлерам интересны сервисы для отслеживания поведения покупателей: чтобы предотвращать кражи, расставлять товар на полках, таргетировать рекламу.
Исследование компании «Нормальные исследования» показывает, что продуктовый аналитик получает 134 000 рублей в первый год работы и 274 000 рублей после трёх лет работы в компании.
На момент написания статьи на HeadHunter нашлось 1000 вакансий по запросу «Product Analyst» и почти 5000 по запросу «Продуктовый аналитик».
Статьи, каналы и видео о продуктовой аналитике
Каналы, блоги
- Всё об A/B-тестах — подборки материалов про A/B-тестирование.
- Product Science — Антон Мартсен делится материалами о продуктовой и бизнес-стратегии, метриках, аналитике, прикладной Data Science и исследовании пользователей. Автор детально копает вглубь каждого топика, чтобы передать самую суть разных методов и подходов.
- Интернет-аналитика — канал с 33 000 аудиторией, где Алексей Никушин делится статьями и исследованиями со всего мира.
- Burger Data — cоветы, практики и новости веб-аналитики от руководителя группы аналитики «СберМаркетинг» Севы Мироновича.
- Make Sense podcast — канал подкаста Make Sense. Ведущий Юрий Агеев говорит с гостями о том, что важно при создании продуктов — людях, идеях, деньгах, инструментах и практиках.
- BigQuery Insights — инсайты и примеры SQL-запросов от продуктового аналитика в MacPaw.com.
- No Flame No Game — авторский канал о развитии и разработке продуктов Анны Булдаковой.
- Krasinsky: growth, marketing & product, analytics — Илья Красинский отвечает на часто задаваемые вопросы о продуктовом менеджменте и маркетинге, юнит-экономике, аналитике.
- Datalytics — блог Алексея Макарова о веб-аналитике, анализе данных с помощью Python.
- Close2Sense — канал о продуктовой аналитике, анализе данных и смысле.
- Тёмная сторона — канал Аркадия Морейниса о работе с продуктами, маркетинге и стартапах.
- Grow Horse — канал про Growth Management, команды роста и всё, что помогает хорошим
продуктам быстро расти (в том числе аналитика).
Видео
- Илья Красинский, AppCraft. Юнит-экономика или поиск точек кратного роста
- Глеб Сологуб, Skyeng. Как построить культуру аналитики в компании
- Алексей Смирнов, Wrike. Качественный анализ в продуктовой аналитике
- Александр Сергеев, Едадил. Продуктовая аналитика и выбор метрик
- Олег Рудаков, AGIMA. Продуктовые исследования мобильных приложений: поиск потребностей и барьеров клиентов
- Максим Годзи, Retentioneering. Тренды продуктовой аналитики
- Леонид Чёрный, Rambler. Сквозная аналитика как инструмент развития продукта или история одной монетизации
- Евгений Гильманов, Ultimate Guitar. Процессы и место аналитика в продукте
- Анастасия Кузнецова, Алексей Горгадзе, «Сетевые исследования». Методы анализа текста в R
- Алексей Рехлов, Creative Mobile. Как посчитать всё, что нужно, имея только Excel и 6 классов школы
- Василий Сабиров, Devtodev Долгосрочное удержание в играх
- Михаил Табунов, CPO FunCorp. Как мы растили ретеншен в продукте
iFunny
Вопрос аналитику: какие три ресурса (статьи, книги, подкаста) вы сегодня порекомендовали бы себе, когда начали работать аналитиком?
Старший эксперт по аналитике в Билайне
Я посоветовала бы сразу начать изучать языки программирования, как минимум — SQL. При работе с большими данными без них не обойтись. Хорошие обучалки: раз и два.
Ещё почитайте крутую статью про то, как руководители видят идеального аналитика.
Лично для меня была очень полезной и помогла понять, что заказчики ждут от меня не просто красивых отчётов, а полезных инсайтов, выводов и, в итоге, что я буду знать и понимать продукт не хуже (а может и лучше) менеджера продукта.
Очень полезно хорошо разбираться в статистике, вот хороший и подробный курс на Stepik, я бы хотела пройти его раньше.
Ex-аналитик в Яндекс, продакт-менеджер в AppMetrica
Сложно назвать три вещи которые бы мне помогли, я посоветую другое: чаще общаться с коллегами аналитиками из других компаний, спрашивать какие задачи и как они решают, если есть возможность, смотреть на то, как формулируют и доставляют выводы.
Руководитель группы аналитики в «СберМаркетинг»
- Подкаст «Как делают игры» ― может, передумал бы тогда.
- Любой годный курс по ML ― как раз бы к сегодня разогнался до 300к в секунду.
- Что-нибудь про бургеры.
Мнение автора и редакции может не совпадать. Хотите написать колонку для Нетологии? Читайте наши условия публикации. Чтобы быть в курсе всех новостей и читать новые статьи, присоединяйтесь к Телеграм-каналу Нетологии.