TL;DR
- Zamiast mierzenia wszystkiego od początku, lepiej skupić się na kluczowych metrykach i stopniowo rozbudowywać analitykę
- Dla nowego produktu najważniejsze jest określenie, czego NIE mierzyć – aby uniknąć przytłoczenia danymi
- Każda metryka powinna mieć uzasadnienie biznesowe i prowadzić do konkretnych decyzji
- Współpraca analityka z produktowcem jest najefektywniejsza, gdy każdy wnosi swoją unikalną perspektywę
- Analityk powinien rozumieć cele biznesowe, a produktowiec podstawy analityczne
- Komunikacja przez tabelki z pytaniami badawczymi jest bardziej efektywna niż narracyjne maile
- Podstawowe narzędzia jak Excel mogą być wystarczające na początku – ważniejsze jest podejmowanie szybkich decyzji
Wprowadzenie: Dlaczego analityka produktowa jest kluczowa
W dzisiejszym świecie cyfrowym dane są podstawą podejmowania decyzji produktowych. Jednak wdrożenie skutecznej analityki od zera to wyzwanie dla wielu produktowców. W podcaście „Product Vision” prowadzonym przez Olgę Springer i Tomka Tomaszewskiego, Kajo Rudziński, doświadczony analityk danych i twórca Kajo Data Space, dzieli się swoimi doświadczeniami dotyczącymi wdrażania analityki produktowej oraz efektywnej współpracy między produktowcami a analitykami.
Kim jest Kajo Rudziński i czym jest Kajo Data Space?
Kajo nie ma typowego dla analityka wykształcenia matematyczno-technologicznego – jest po studiach polonistycznych, a karierę zaczynał w obsłudze klienta. Od wczesnych lat wierzył, że „mierzenie rzeczy pozwala nam się poprawić” i już jako dwudziestolatek intensywnie korzystał z Excela.
Kajo Data Space to platforma i społeczność dla osób zainteresowanych analizą danych, skupiająca:
- Absolwentów studiów szukających drogi do pracy w analityce
- Menedżerów i produktowców, którzy chcą lepiej rozumieć język analityków
- Osoby w wieku 35-45 lat szukające zmiany kariery
Jak podejść do wdrażania analityki produktowej od zera?
Różne scenariusze wymagają różnych podejść
Kajo wyróżnia dwa główne scenariusze wdrażania analityki produktowej:
- Produkt tworzony od zera – jak jego Kajo Data Space
- Głównym wyzwaniem jest decyzja, czego NIE mierzyć
- Pokusa mierzenia wszystkiego jest ogromna, ale prowadzi do przytłoczenia
- Nowa funkcjonalność w istniejącym produkcie – np. dodanie subskrypcji w sklepie
- Kluczowe jest określenie, co nowego powinniśmy zacząć mierzyć
- Można bazować na tym, co już wiemy o użytkownikach i produkcie
Szczególne podejście dla produktów zero-to-one
Dla zupełnie nowych produktów (zero-to-one):
- Ważniejsze jest skupienie się na tworzeniu wartości i budowaniu biznesu
- Na początku brakuje danych do sensownych wniosków analitycznych
- Analityka powinna być prosta i skupiona na podstawowych metrykach
Na czym się skupić na początku?
Pragmatyczne i iteracyjne podejście Kajo:
- Zacznij od absolutnie podstawowych metryk (np. liczba klientów, przychody)
- Stopniowo dodawaj nowe metryki w miarę rozwoju produktu
- Buduj nowe metryki na podstawie poprzednich
- Unikaj skomplikowanych ram analizy przy niewielkiej ilości danych
Pytania badawcze – kiedy są przydatne?
Olga Springer zwraca uwagę na wartość pytań badawczych:
- Świetnie sprawdzają się w procesie Discovery
- Pomagają wyłapać, czego nie mierzymy, a powinniśmy
- Nie są najlepszym narzędziem na samym początku wdrażania analityki
- Stają się wartościowe, gdy mamy już bazę danych i użytkowników
Czego unikać przy wdrażaniu analityki?
Typowe błędy przy wdrażaniu analityki:
- Teoretyzowanie zamiast pragmatycznego podejścia
- Stawianie nierealistycznych celów analitycznych
- Mierzenie wszystkiego od początku
- Koncentracja na „vanity metrics” (metrykach, które dobrze wyglądają, ale nie przekładają się na decyzje)
Case study: Wdrażanie analityki w Kajo Data Space
Pierwsze kroki – minimum metryk
Na początku Kajo mierzył absolutne minimum:
- Liczba osób kupujących kursy
- Podstawowe dane geograficzne
- Koszt pozyskania klienta przez reklamę
Świadomy wybór priorytetów
Strategiczna decyzja Kajo: skupić się na tworzeniu większej liczby produktów (kursów) zamiast rozbudowywania analityki. Dopiero rozhulanie biznesu miało pozwolić na wprowadzanie bardziej zaawansowanych analiz.
Czego początkowo NIE mierzył:
- Satysfakcja z kursu
- Postępy uczestników
- Szczegółowe zachowania użytkowników
Powód? Te metryki nie były priorytetami biznesowymi na tym etapie. Każda analiza wymaga czasu na wdrożenie i interpretację.
Stopniowy rozwój analityki
Dopiero po około 1,5 roku i kilku udanych produktach, Kajo rozbudował analitykę:
- Analiza konwersji
- Mierzenie retencji w modelu subskrypcyjnym
- Badanie, jak zwiększyć liczbę płatności od jednego klienta
Współpraca między Product Ownerem a Analitykiem
Czego analityk oczekuje od Product Ownera?
Oczekiwania analityka:
- Przypominanie o wartości i wizji produktu
- Posiadanie roadmapy rozwoju produktu
- Unikanie koncentracji na „Vanity Metrics”
- Wnoszenie unikalnej perspektywy, innej niż analityczna
- Rozumienie języka liczb bez zagłębiania się w szczegóły techniczne
Czego produktowcy oczekują od analityka?
Oczekiwania produktowców:
- Zaangażowanie w sukces produktu, nie tylko wykonywanie analiz
- Dociekliwość i współpraca przy ustalaniu co i jak mierzyć
- Przekładanie skomplikowanych pojęć na prosty język
- Generowanie wniosków, nie tylko dostarczanie liczb
- Proaktywne podejście – sugerowanie lepszych sposobów analizy
Model product trio/quattro
Wartość włączenia analityka do zespołu decyzyjnego:
- Tradycyjne „product trio” składa się z: Product Managera, Designera i Tech Leada
- W zespołach silnie opartych na danych warto rozszerzyć to do „quattro” z analitykiem
- Analityk staje się równie ważny przy podejmowaniu kluczowych decyzji produktowych
Jak skutecznie komunikować się między rolami?
Praktyczne wskazówki komunikacji:
- Używaj tabelek zamiast długich opisów
- Analitycy czują się pewniej z danymi w strukturze tabelarycznej
- Język biznesowy produktowców może być zbyt narracyjny dla analityków
- Nie bój się zadawać prostych pytań
- Analitycy doceniają chęć zrozumienia i unikania błędów
- Podstawowe pytania często prowadzą do lepszego porozumienia
- Strukturyzuj komunikację
- Pierwsza kolumna: pytanie badawcze
- Druga kolumna: metoda badawcza i źródło danych
- Trzecia kolumna: wspólnie poszukiwane wyniki
Narzędzia do analityki produktowej
Pragmatyczne podejście Kajo do narzędzi:
Podstawowe narzędzia wystarczające na początek:
- Excel – do podstawowej analizy danych
- Tableau – do wizualizacji (bezpłatna wersja)
- Power BI – ze względu na integrację z ekosystemem Microsoft
Kluczowa lekcja: nie zawsze potrzebujemy skomplikowanych narzędzi – ważniejsze jest podejmowanie decyzji biznesowych.
Optymalizacja biznesowa vs. satysfakcja klienta
Kontrowersyjny temat z podcastu: czasem optymalizacja biznesowa nie idzie w parze z intuicyjnym rozumieniem „dobrego produktu”.
Przykład z subskrypcjami:
- Klienci, którzy płacą, ale nie korzystają z produktu
- Z perspektywy produktowej: problem (nie wiemy nic o tych użytkownikach)
- Z perspektywy biznesowej: najlepszy rodzaj klienta (nie generuje kosztów)
Dwie perspektywy z dyskusji:
- Kajo: metryki muszą mieć uzasadnienie w finansach
- Tomek: klienci, którzy nie otrzymują wartości, w końcu rezygnują i nie wracają
Ta dyskusja pokazuje napięcie między krótkoterminową optymalizacją finansową a długoterminową wartością produktu.
Gdzie szukać wiedzy o analityce produktowej?
Możliwości zdobywania wiedzy analitycznej dla produktowców:
- Edukacja formalna
- Akademia Analityki Produktowej (wspomniana przez Olgę)
- Kursy uczące projektowania celów i metryk
- Praktyczne doświadczenie
- Przećwiczenie podstawowych analiz na realnych danych
- Nauka pokory wobec tego, co można wyciągnąć z danych
- Wspólna praca z analitykami
- Zadawanie pytań i aktywne poszukiwanie zrozumienia
- Budowanie wspólnego języka
Podsumowanie: Balans między danymi a intuicją
Kluczowe wnioski:
- Zacznij od podstawowych metryk i stopniowo rozbudowuj analitykę
- Koncentruj się na metrykach prowadzących do konkretnych decyzji biznesowych
- Pamiętaj o celu biznesowym – nie wszystko warto mierzyć
- Buduj efektywną współpracę między produktowcami a analitykami
- Używaj narzędzi odpowiednich do skali – czasem Excel wystarczy
Wdrażanie analityki to proces ewoluujący wraz z produktem, nie jednorazowe działanie.
Ten artykuł, oparty na odcinku 019: „Analityk vs PM – wdrażanie analityki produktowej” z Kajo Rudzińskim (KajoData.com), jest częścią serii notatek z wartościowych webinarów i podcastów na temat zarządzania produktem cyfrowym.