Data Driven-пользователи: продуктовая аналитика / Алексей Лазарев (Kodix Automotive Digital)

• Алексей Лазарев, специалист по автобизнесу, рассказывает о том, как он попал в эту сферу и как его компания Code Auto Motive занимается внедрением цифровых решений для автодилеров.  

• Он объясняет, что в автобизнесе мало что меняется, и что его компания предлагает дилерам цифровую платформу для запуска различных продуктов, таких как автомобили в наличии, кредитный калькулятор и онлайн-оценка автомобилей.  

• Алексей приводит примеры использования коллаборативной аналитики в автобизнесе, включая использование аналитики для продажи автомобилей через классифайды и для игры World of Tanks.  

• Он также обсуждает, как аналитика может помочь игрокам в игре World of Tanks, предоставляя им информацию о том, как их персональная аналитика и аналитика клана могут помочь им расти лучше.  

• Алексей обсуждает, как он верит, что в будущем автомобили будут сами ездить, и что в этом случае люди будут выбирать автомобили, основываясь на аналитике и функциональности.  

• Он также обсуждает эксперименты, которые его компания проводит для проверки гипотез о том, как аналитика может быть использована в автобизнесе.  

• В видео обсуждаются различные тесты и эксперименты, проводимые в автобизнесе.  

• Обсуждаются различные инструменты для анализа данных, включая веб-аналитику, клик-хаус, био-инструменты, мета-баз и питон.  

• Упоминается, что для проведения экспериментов необходимо иметь аналитика или продак-менеджера с ролью аналитика.  

• Также важно иметь внедренную аналитику и карту событий для проведения экспериментов.  

• В видео обсуждаются различные инструменты и методы анализа данных, включая использование веб-аналитики, клик-хаус, био-инструменты, мета-баз и питон.  

• Упоминается, что для анализа траекторий пользователей по сайтам одной марки и сегментации пользователей по группам необходимо использовать специальные инструменты.  

• Обсуждается использование внутреннего онлайн-опроса для сбора данных и его проведение с помощью различных инструментов, включая гугл формс, тайп форм и взгляд.  

• В этом методе можно задавать вопросы о том, насколько пользователю нравится наличие определенной аналитики, и как он относится к ее отсутствию.  

• Метод позволяет разделить фичи на четыре группы: обязательные базовые, желаемые, безразличные и привлекательные.  

• Примеры фичей: виджет авто, история действий пользователя, аналитика действий, история бронирования отеля.  

• Для внедрения фичей используются инструменты Google Таблицы и Google Optimize.  

• После внедрения проводится анализ результатов с помощью Google Analytics или Amplitude.  

• После подтверждения гипотезы, важно научиться внедрять фичи на постоянной основе, мониторить их работу и отвечать на вопросы о том, что случилось, почему это случилось и что случится в будущем.  

• В видео обсуждается влияние аналитики на поведение пользователей и ее влияние на продукт.  

• Аналитика может быть как конкурентным преимуществом, так и иметь отрицательный эффект.  

• Приводится пример с Instagram, где аналитика может привести к соревнованию за количество лайков и комментариев.  

• В смартфонах и автобизнесе используется аналитика для заботы о клиенте.  

• В смартфонах, например, можно узнать, как часто пользователь пользуется устройством, и использовать эту информацию для ограничения использования.  

• В автобизнесе, телематик страхование использует данные о вождении для определения вероятности аварии и изменения страхового полиса.  

• Продуктовая аналитика может быть полезной для пользователей, если она помогает им принимать решения и использовать продукт.  

• Важно задуматься о том, какие метрики измерять и как их использовать для улучшения продукта.  

• В качестве примера приводится использование аналитики для показа количества просмотров товара на сайте и времени, проведенного на сайте.