Produktanalyse

Produktanalyse er måling og analyse av hvordan folk bruker et produkt, rettet mot å forbedre selve produktet snarere enn å måle markedsføringsytelse. Der tradisjonell webanalyse er organisert rundt økter, sider og trafikkilder, er produktanalyse organisert rundt brukere, hendelser, funksjoner og atferd over tid, noe som gjenspeiler de ulike spørsmålene hver enkelt er ment å svare på.

Kjerneenheten er hendelsen: en diskret handling en bruker utfører, registrert med egenskaper som beskriver konteksten. Fra en godt designet hendelsesstrøm følger standardanalysene: trakter som viser hvor brukere faller ut av en definert sekvens, retensjonskurver som viser hvordan bruken vedvarer over dager og uker etter første gangs bruk, funksjonsadopsjon som viser hvilken andel av brukerne som noen gang bruker en funksjon og hvor ofte, stianalyse som viser hva folk faktisk gjør i stedet for hva den tiltenkte flyten antok, og kohortsammenligninger som viser om nylige brukere oppfører seg annerledes enn tidligere brukere.

Dens særegne bidrag er å koble atferd til resultater på nivået av individuelle funksjoner. Spørsmål som markedsanalyse ikke kan svare på, for eksempel om brukerne som tar i bruk en bestemt funksjon, beholder brukerne bedre, hvilken sekvens av handlinger i den første uken som forutsier langvarig bruk, og hvilke deler av produktet som brukes av nesten ingen til tross for at det krever vedlikeholdsinnsats, er direkte adresserbare. Funnet om at en spesifikk tidlig handling korrelerer sterkt med lojalitet er et tilbakevendende mønster i produktdrevne virksomheter, og det omformer vanligvis onboarding rundt å drive brukere til den handlingen.

Kvaliteten på alt avhenger av hendelsestaksonomien, og det er her de fleste implementeringer mislykkes. Hendelser som navngis inkonsekvent, defineres forskjellig på tvers av plattformer, legges til ad hoc av individuelle team, eller mangler egenskapene som trengs for å segmentere dem, produserer et datasett som ikke kan svare på spørsmål uten en arkeologisk øvelse først. En dokumentert sporingsplan, som definerer hver hendelse, dens egenskaper, dens utløserbetingelser og dens eier, avtalt før implementering og vedlikeholdt etter hvert som produktet endres, er forskjellen mellom et brukbart datasett og et dyrt et.

Korrelasjon og årsakssammenheng blandes lettere sammen her enn i de fleste analyser, fordi atferdsdata inviterer til årsakssammenheng. Brukere som tar i bruk en gitt funksjon og beholder brukerne bedre, bekrefter ikke at funksjonen forårsaker retensjon; mer engasjerte brukere kan ganske enkelt ta i bruk flere funksjoner. Å handle på slike funn ved å presse funksjonen mot alle produserer ofte ingenting, fordi den årsakssammenhengende pilen gikk den andre veien. Å etablere årsakssammenheng krever eksperimentering, og det er derfor produktanalyse og kontrollert testing fungerer sammen snarere enn som alternativer.

Forholdet mellom produktanalyse og tradisjonell webanalyse fortjener en klar avgjørelse snarere enn parallell akkumulering. Mange organisasjoner ender opp med å bruke begge deler, med overlappende instrumentering, divergerende definisjoner og to sett med tall som aldri helt stemmer overens, noe som fører til møter om hvilken rapport som er riktig snarere enn om hva man skal gjøre. Den gjennomførbare ordningen definerer omfanget av hvert verktøy eksplisitt, vanligvis markedsførings- og oppkjøpsmåling i det ene og produktatferd i det andre, med en felles identifikator som forbinder dem og én avtalt kilde for enhver beregning som vises i begge. Der det samme spørsmålet kan besvares fra begge, bør svaret dokumenteres én gang i stedet for å beregnes på nytt uavhengig av den som blir spurt.

Både personvern og volum krever bevisst håndtering, ettersom detaljert atferdssporing genererer store datasett som inneholder informasjon om identifiserbare individer og er underlagt de samme samtykke- og oppbevaringsforpliktelsene som all annen behandling av personopplysninger. I praksis etableres sporingsplanen og analysemuligheten av dataanalyse, instrumenteringen er implementert som en del av produktutvikling snarere enn ettermontert, og de resulterende funnene gir grunnlag for prioritering i produktforskning, hvor atferdsmessige bevis og kvalitativ innsikt veies sammen.