Get best of the week

Analis produk: apa fungsinya, berapa banyak yang ia hasilkan, apa manfaat yang dihasilkan bisnis

Analis Produk - jembatan antara bisnis dan data. Dia bekerja bergandengan tangan dengan manajer produk dan membantu tim produk membuat keputusan yang tepat. Penulis Netis, Denis Vikharev, mengatakan apa itu analitik produk, mengapa analis produk dihargai dalam bisnis, yang dapat menjadi analis produk, tentang tugas, gaji, dan peralatannya.

Apa itu analitik produk?


Analisis produk memungkinkan Anda melihat bagaimana pengguna berinteraksi dengan produk. Secara konvensional, dua tugas analitik produk dapat dibedakan: pengumpulan data dan interpretasinya.

Pertama, analis produk mengumpulkan banyak angka dari berbagai sumber: tombol mana yang diklik pengguna, seberapa sering mereka menggunakan produk, fitur mana dari produk produk yang populer, dan mana yang tidak. Pengukuran ini menunjukkan apa yang terjadi pada produk, tetapi tidak menjelaskan mengapa.

Pada langkah kedua, analis menarik wawasan dari angka-angka yang menjelaskan perilaku pengguna. Berkat ini, tim produk memahami produk mana yang telah dibuat dan di mana untuk melanjutkan.
Analisis produk membantu tim memahami "siapa" melakukan "apa, kapan dan di mana." Dan apa yang harus dilakukan selanjutnya dengan semua ini.

Mengapa analis produk dihargai dalam bisnis


Seorang analis produk melacak peristiwa pengguna di dalam produk, menerjemahkan arti angka-angka tersebut ke dalam bahasa bisnis, dan memberikan rekomendasi operasional untuk menyelesaikan masalah. Kami mengidentifikasi empat tugas yang diselesaikan bisnis dengan tangan seorang analis produk.

Simpan pengguna di dalam produk


Uang dapat memberi perusahaan pertumbuhan yang eksplosif dan mendatangkan banyak pelanggan baru, dan analitik produk membantu melindungi pengguna yang sudah ada dengan mengetahui perilaku mereka, bekerja dengan masalah yang mereka hadapi dan nilai yang mereka terima dalam produk.

Pengguna baru selalu merugikan perusahaan lebih dari yang sudah ada, sehingga bermanfaat bagi perusahaan untuk menginvestasikan sumber daya dalam analitik produk.
Opini investor ventura Tomasz Tunguz : “Di satu sisi, pertumbuhan membantu meningkatkan putaran investasi dan menunjukkan permintaan terhadap produk. Di sisi lain, arus keluar pelanggan menimbulkan pertanyaan tentang kesesuaian produk dengan pasar.

"Merangsang pertumbuhan bisnis pada produk yang tidak cukup memenuhi persyaratan pasar dapat menyebabkan perusahaan mengumpulkan jutaan dolar dan perlu" meluncurkan "."

Untuk menjadikan teman sebagai produk dan pasar


Tidak mungkin untuk mendapatkan loyalitas pengguna tanpa memahami nilai inti dari produk, yang menjamin kecocokan pasar-produk (secara harfiah, "kesesuaian produk dengan pasar"). Untuk menemukan "Aha Moment" yang sama, Anda perlu tahu tindakan apa yang memisahkan pelanggan setia dari yang hilang.
"Aha Moment" adalah kunci untuk pertumbuhan, saat ketika pengguna memahami nilai produk. Menemukannya akan membantu kesimpulan yang tepat berdasarkan data pelanggan. Bagi Facebook, ini adalah  pencapaian tujuan "7 teman dalam 10 hari . "
Mengetahui metrik produk mana yang relevan bagi pengguna lebih mudah dicocokkan dengan pasar. Anthony Mandelli dari Snowplow mengenang bagaimana pendiri Airbnb Joe Gebbia, dalam podcast "How I Build  It,"  berbicara tentang pola yang saya lihat menggunakan data: tuan tanah tidak dapat menyewa apartemen untuk waktu yang lama karena mereka tidak tahu cara membuat foto yang menarik. Kemudian Airbnb mengambil alih solusi masalah dan meningkatkan pendapatan perusahaan sesekali.

Memecahkan masalah dengan kualitas foto meningkatkan pendapatan Airbnb beberapa kali. Sumber: situs web Airbnb

Mengungguli pesaing


Penelitian McKinsey  menunjukkan bahwa menggunakan data dan analisis dengan bijak memungkinkan perusahaan untuk tumbuh dalam skala besar. Berkat ini, kesenjangan antara para pemimpin industri dan pemain yang tertinggal terus tumbuh.

Pada saat penelitian, responden dari perusahaan-perusahaan terkemuka pasar mengatakan bahwa inisiatif data dan analitik mereka menghasilkan setidaknya 20% laba dalam tiga tahun.

Pekerjaan spot dengan analitik tidak memiliki efek yang diinginkan. Untuk menjadi seorang pemimpin, Anda perlu membuat strategi jangka panjang untuk bekerja dengan data.

Tingkatkan pengalaman pengguna


Tim produk dapat memodifikasi produk secara membabi buta. Tetapi tanpa menganalisis hasilnya, orang tidak dapat memastikan apa yang secara spesifik menyebabkan kesuksesan atau kegagalan. Analitik produk memeriksa data perilaku pengguna secara langsung. Ini membantu tim memikirkan kembali visi produk selama siklus iterasi berikutnya dan mengambil tindakan yang diperlukan.

Siapa Yang Dapat Menjadi Analis Produk


Perusahaan "Penelitian Normal" menemukan bahwa paling sering orang dengan sengaja masuk ke profesi "dari awal", dan beberapa ahli berasal dari pengembangan dan pemasaran.

Data  dari laporan  2019 di pasar analitik

Profesi seorang analis produk mungkin menarik bagi manajer produk yang sudah tahu cara bekerja dengan nilai suatu produk, tetapi ingin mengembangkan keahlian dalam analisis: memahami titik-titik pertumbuhan produk, memprediksi perkembangannya.

Untuk memenuhi syarat untuk posisi analis produk, Anda harus mengingat statistik dan matematika.

Pertanyaan kepada analis: dengan latar belakang manakah Anda memasuki profesi ini?



Tatyana Chadaeva , Ahli Analis Senior di Beeline.

Dengan pendidikan, saya adalah seorang ekonom internasional dengan pengetahuan matematika dan statistik yang baik. Di universitas ia menjadi tertarik pada kegiatan sosial dan pergi ke HR. Tetapi pada akhirnya saya menemukan diri saya dalam pemasaran dan analisis produk dan saya sangat senang tentang hal itu.


Vladislav Prishchepov , mantan analis di Yandex, manajer produk di AppMetrica

Sebelum bekerja pertama sebagai analis, ia berhasil bekerja sebagai penulis teknis dan pengembang (JS). Pengalaman dan pandangan pengembang sering membantu saya dalam pekerjaan saya sebagai analis.


Vsevolod Mironovich , kepala kelompok analitik di SberMarketing

Pernah saya bekerja sebagai insinyur proyek, memimpin proyek pengembangan dan periklanan di studio dan agensi. Ketika saya beralih ke sisi klien dalam organisasi keuangan, mereka juga memaksa saya untuk melaporkan keefektifan proyek yang diluncurkan: hitung uang, rencanakan sumber daya, lindungi kasing untuk meluncurkan produk baru, optimalkan dan promosikan yang sekarang. Saat itulah kebutuhan membuat saya mempelajari analitik.

Pertama, setelah membaca artikel, saya mengatur pelacakan dasar dan meletakkannya di dashboard, hanya untuk memahami apa yang sedang terjadi dan siapa yang secara umum semua orang ini ada di situs. Dan kemudian saya mulai berpikir bagaimana memengaruhi semua ini, bagaimana meningkatkan konversi, mendapatkan lebih banyak, dan sebagai hasilnya, pengetahuan dari Internet, didukung oleh pengalaman nyata dan penuh dengan benjolan, sudah cukup untuk mendapatkan pekerjaan sebagai analis terkemuka di perusahaan lain.

Apa yang dilakukan analis produk?


Seorang analis produk menganalisis keadaan suatu produk dan membantu mengembangkannya: itu memastikan bahwa metrik produk tidak melorot dan keputusan produk berhasil.

Kami tidak menemukan aturan yang seragam untuk mengatur data, menetapkan tujuan, dan melakukan tes untuk analis produk, masing-masing perusahaan memiliki sendiri. Siklus hidup produk yang harus Anda selesaikan: pada saat startup baru diluncurkan, analis akan diminta untuk merapikan sistem pengumpulan data, dan pada yang matang, mereka akan menemukan poin pertumbuhan dan mempertimbangkan pesaing.

Oleh karena itu, kami menganalisis puluhan lowongan dan menyusun  daftar tugas yang mungkin dihadapi analis . Tinjauan ini tidak hanya mencakup perusahaan IT, tetapi juga "bisnis tradisional": perusahaan penerbangan, pasar massal, dan perusahaan logistik.


Temukan poin dan hambatan pertumbuhan produk


Sulit bagi tim produk untuk mengandalkan data pada berapa kali mereka mengklik tombol, mereka tidak menjelaskan alasan perilaku manusia. Oleh karena itu, tim pergi ke analis, yang menarik kesimpulan berdasarkan data, menemukan pola dan anomali dalam produk.

Kasus perusahaan Devtodev



Cara menemukan kemacetan. Contoh Gamedev

Kembangkan laporan dan metrik pemantauan produk


Dasbor menunjukkan tim dan pemimpin metrik produk utama, dependensi, dan tren. Analis memutuskan laporan dan metrik mana yang harus ditampilkan di dasbor sehingga tidak mengganggu hal utama dan membantu membuat keputusan manajerial. Tidak ada set metrik universal yang dibutuhkan tim, mereka dipilih tergantung pada tujuan bisnis dan jenis produk.
Manajer Produk Sergey Tikhomirov menghubungkan satu set metrik  dengan siklus hidup produk . Dan produk AppMetrica, Vladislav Prishchepov menyarankan mulai dari tujuan dan fokus  pada metrik kunci produk . Jadi, untuk aplikasi pengiriman makanan, ini adalah "waktu makan": waktu dari menyelesaikan pesanan hingga menerimanya.

Validasi masalah dan solusi tim


Analis “menggali” data kuantitatif untuk menguji hipotesis tim dan memprioritaskan tugas dengan benar. Jika tim mengidentifikasi masalah selama wawancara mendalam, analis dapat mengkonfirmasi atau membantahnya. Misalnya, setelah menganalisis ratusan percakapan manajer pusat panggilan dengan pelanggan dengan kata kunci menggunakan alat analisis ucapan.

Lakukan tes A / B


Hipotesis kerja diuji pada segmen kontrol pengguna. Analis memastikan bahwa tes tidak dipengaruhi oleh faktor-faktor eksternal dan internal: liburan, cuaca di luar, memanggil pelanggan dengan manajer call center - semua ini dapat merusak kinerja.

Hasil tes harus signifikan secara statistik - menurut layanan Appsumo  ini hanya terjadi pada 12,5% kasus . Jika segmen kontrol mengkonfirmasi hipotesis, ini akan diskalakan. Masalah terpisah adalah membuat keputusan setelah pengujian dalam b2b dengan sedikit lalu lintas.

Uji dan skala hipotesis


Pengujian hipotesis secara kondisional dibagi menjadi empat tahap: 1) kami mencari metrik yang ingin kami pengaruhi; 2) melakukan penelitian; 3) menganalisis umpan balik; 4) bunuh hipotesis atau skala. Analis bekerja dengan tim produk di setiap tahap, menjawab pertanyaan "Mengapa ini terjadi" dan "Apa yang harus dilakukan tentang hal itu", menyelamatkan tim dari mendukung keputusan yang tidak populer. Nilai utama dari pekerjaan analis adalah dalam menginterpretasikan hasil.

Kasus perusahaan Avito


Avito mengubah antarmuka kartu produk dan melakukan tes A / B. Dia menunjukkan bahwa dalam kelompok kontrol mereka mulai mengklik tombol "Tulis" kurang (buruk), tetapi konversi pesan pertama meningkat (baik).

Hasil tes negatif, sepertinya itu buruk.


Tetapi jika Anda melihat, itu lebih baik.

Menganalisis data


Sejumlah besar tugas untuk analis produk terletak di bidang keterampilan keras: ia memahami dasar-dasar statistik dan berbicara bahasa pemrograman. Ini membantu analis mengumpulkan dan memproses data, mengevaluasi kualitasnya dan mencari pola.

Pekerjaan analitik produk - komunikasi dengan orang-orang dan bekerja dengan alat analisis profesional

Pertanyaan kepada analis: tugas utama yang Anda lakukan?



Tatyana Chadaeva , Pakar Analis Senior Beeline

Bekerja dengan pengguna baru (bukan klien):

  • efektivitas berbagai saluran penjualan produk;
  • konstruksi corong penjualan, analisis jalur pengguna, optimalisasi mereka;
  • Pengujian A / B.

Bekerja dengan pelanggan saat ini:

  • membangun profil pengguna dan menghitung metrik dasar (untuk produk yang berbeda): LT, LTV, MAU \ DAU, Retensi, Churn, ARPU, konsumsi lalu lintas;
  • mencari cara untuk memonetisasi aplikasi seluler, meningkatkan pendapatan berdasarkan produk, retensi pelanggan, analisis efektivitas kampanye pemasaran.

Banyak waktu dihabiskan untuk:

  • menyiapkan pelaporan berkala dalam sistem BI;
  • menandai acara di situs dan, secara umum, mengatur pengumpulan data dari berbagai sumber;
  • membangun analitik ujung ke ujung, data mart pada sebuah cluster.


Vladislav Prishchepov , seorang mantan analis di Yandex, seorang manajer produk di AppMetrica

Apa yang tidak dia lakukan, tetapi paling sering mencari titik pertumbuhan dalam data dan angka dan menyoroti kelemahan dan kekuatan.


Vsevolod Mironovich , kepala kelompok analitik di SberMarketing. Secara

kondisional, pekerjaan analis dapat dibagi menjadi tiga tahap: kami mengumpulkan data, menganalisis, bertindak, dan sebagainya. Sulit untuk memahami ketiganya dengan baik, karena ada berbagai macam teknologi di sekitarnya. Setiap kali Anda diam, seseorang membuat komitmen pertama dari kerangka JS berikutnya, yang akan mengurangi rambut Anda di kepala Anda, atau meluncurkan toko konektor baru ke Google Analytics.

Karena itu, sering kolega mulai berspesialisasi dalam sesuatu. Beberapa orang lebih menyukai penelitian statistik, bahkan jika produk masih melakukannya dengan cara mereka sendiri, yang lain membangun sistem pelaporan otomatis, bahkan jika pada akhirnya mereka hanya memerlukan tangkapan layar untuk preza. Saya, sebagai kepala departemen, memiliki kesempatan untuk mengumpulkan madu dan melihat hasilnya, menghindari kesalahan. Saya memiliki kesempatan, tetapi karena alasan tertentu saya tidak menggunakannya dan pergi ke ladang untuk mengisi kerucut saya, ini lebih menarik.

Alat Analisis Produk



Python  (analog: R, Java)

Bahasa pemrograman dengan sintaksis sederhana, sejumlah besar perpustakaan dan komunitas maju yang akan membantu jika diperlukan.

Cocok untuk memproses sejumlah besar data yang tidak dapat ditangani oleh Excel. Ini memungkinkan Anda untuk memvisualisasikan data, mengotomatiskan tugas-tugas untuk analisis informasi, membangun model untuk memprediksi arus keluar pelanggan, dan melakukan pengelompokan.


Google Analytics  (analog: Yandex.Metrica, Heap)

Alat gratis untuk analisis web. Ini akan menunjukkan sumber lalu lintas dan tindakan pengguna di situs, jumlah pengunjung, tampilan, konversi, laporan acara yang disesuaikan, akan membantu untuk melakukan analisis kohort.


Tablo  (analog: Power BI, QlikSense, Looker)

Platform untuk menganalisis dan memvisualisasikan data dengan antarmuka yang jelas. Ini akan membantu untuk membangun grafik yang efektif, menggabungkan data dari berbagai sumber. Bekerja dengan MS Excel, MySQL, SQL, Google BigQuery, Microsoft Azure. Dimungkinkan untuk mengonfigurasi pembaruan dan distribusi laporan secara otomatis, mengirimkannya melalui email, menerbitkan tautan di server dan mengakses laporan dengan referensi.


Mixpanel  (analog: Amplitude, Flurry, KissMetrics)

Sistem untuk analisis dan analisis secara real time. Ini membantu untuk memahami apa yang dilakukan pengguna setelah pendaftaran. Memungkinkan Anda membuat corong dengan ketentuan untuk setiap peristiwa di dalamnya, mengirim dorongan, melakukan pengujian A / B.


SQL

Alat untuk bekerja dengan basis data dalam ekosistem produk. Dengan itu, analis akan menerima, memproses, dan menyusun data yang diperlukan tanpa pengembang. Anda dapat membuat laporan dengan periode dinamis, bergabung dengan tabel, memotong nilai sesuai dengan kriteria yang diperlukan.

Pertanyaan kepada analis: tiga alat yang tanpanya hari kerja Anda tidak lulus?



Tatyana Chadaeva , pakar senior analitik dalam Beeline

SQL, Excel, Google Analytics (+ Qlick Sense atau sistem BI + GTM lainnya, tanpa mereka, juga, tidak ada tempat).




Vladislav Prishchepov , mantan analis di Yandex, manajer produk di

spreadsheet Google AppMetrica , kertas Dropbox, sistem analisis / gudang data (setiap produk yang kami kerjakan memiliki sistem analisis dan gudang data yang berbeda).


Vsevolod Mironovich , kepala kelompok analitik di SberMarketing

SQL. Data biasanya disimpan dalam database, dan sebagai aturan, interaksi dengan mereka terjadi dalam bahasa ini, jadi tanpa itu analis tidak akan pergi ke mana pun. Dalam kasus saya, sebagian besar data ada di BigQuery.

Kode VS. Agar data berada dalam database, Anda harus meletakkannya di sana. Terkadang untuk ini, Anda perlu menulis skrip dalam beberapa bahasa, yang akan mendapatkan data menggunakan API kantor periklanan atau sistem analitis dan mengirimkannya ke tujuan. Pengkodean juga berguna untuk menghubungkan, memproses, mengumpulkan data di sepanjang jalan, dan, secara umum, melakukan studi lengkap dan memvisualisasikan hasilnya.

Saya baru saja menggunakan VS Code, karena saya banyak menulis tentang javascript di waktu senggang saya. Untuk pekerjaan, saya terutama menggunakan Python, karena ia memiliki banyak solusi yang sudah jadi dan mekanisme yang nyaman dengan sel. Untuk berada di subjek, saya mencoba menulis dalam R, tetapi apa saja, jika hanya SUMMER - berdasarkan profesi dengan Excel, saya tidak punya banyak, serta dengan logika dan dengan angka.

Gaji analis produk dan permintaan mereka


Sebuah studi global  oleh agen konsultasi MarketsandMarkets menunjukkan bahwa dari 2019 hingga 2024, pasar global untuk analisis produk akan berlipat ganda.

Pengemudi adalah meningkatnya penggunaan big data dan kebutuhan perusahaan untuk menghasilkan produk yang kompetitif.

MarketsandMarkets: pasar analitik produk akan berlipat ganda dalam lima tahun.

Permintaan analis juga akan tumbuh di sektor bisnis tradisional. Misalnya, dalam ritel, yang mengubah toko di daerah menjadi teknologi ritel. Pengecer tertarik pada layanan untuk melacak perilaku pelanggan: untuk mencegah pencurian, menempatkan barang di rak, untuk menargetkan iklan.

Grup Ritel X5  Tentang Pengecer Kebutuhan Penelitian Bisnis

 Normal Research menunjukkan bahwa seorang analis produk menerima 134.000 rubel di tahun pertamanya dan 274.000 rubel setelah tiga tahun di perusahaan.

Cuplikan layar  dari laporan  pasar analis 2019

Pada saat menulis artikel tentang HeadHunter, ada 1.000 lowongan untuk Analis Produk dan hampir 5.000 untuk Analis Produk.



Artikel, saluran, dan video analitik produk


Saluran, Blog 


  1. Semua Tentang Tes A / B  - Tes A / B.
  2. Ilmu Produk  - Anton Martsen membagikan materi tentang strategi produk dan bisnis, metrik, analitik, Ilmu Data terapan, dan riset pengguna. Penulis menggali jauh ke dalam setiap topik secara rinci untuk menyampaikan esensi dari berbagai metode dan pendekatan.
  3. - — 33 000 , .
  4. Burger Data — c, - «» .
  5. Make Sense podcast — Make Sense. , — , , , .
  6. BigQuery Insights — SQL- MacPaw.com.
  7. No Flame No Game — .
  8. Krasinsky: growth, marketing & product, analytics — , -, .
  9. Datalytics — -, Python.
  10. Close2Sense — , .
  11.  — , .
  12. Grow Horse — Growth Management, , ( ).

 


  1. , AppCraft. -
  2. , Skyeng. 
  3. , Wrike. 
  4. , . 
  5. , AGIMA.  :
  6. , Retentioneering. 
  7. , Rambler. 
  8. , Ultimate Guitar. 
  9. , , « ».  R
  10. , Creative Mobile.  , , Excel 6
  11. , Devtodev 
  12. , CPO FunCorp.  iFunny

: (, , ) , ?



Tatyana Chadaeva , pakar analis senior di Beeline

Saya akan menyarankan Anda untuk mulai belajar bahasa pemrograman segera, setidaknya SQL. Ketika bekerja dengan data besar, Anda tidak bisa melakukannya tanpanya. Pelatih yang baik:  satu  dan  dua .

Baca juga artikel keren  tentang bagaimana manajer melihat analis yang ideal.

Secara pribadi, itu sangat berguna bagi saya dan membantu untuk memahami bahwa pelanggan mengharapkan dari saya bukan hanya laporan yang indah, tetapi wawasan yang berguna, kesimpulan dan, sebagai hasilnya, saya akan tahu dan memahami produk tidak lebih buruk (atau mungkin lebih baik) daripada manajer produk.

Sangat berguna untuk memiliki pemahaman yang baik tentang statistik, di sini adalah kursus yang baik dan  rinci tentang Stepik , saya ingin mengambilnya lebih awal.


Vladislav Prishchepov, mantan analis di Yandex, manajer produk di AppMetrica

Sulit menyebutkan tiga hal yang akan membantu saya. Saya akan menyarankan sesuatu yang lain: lebih sering berkomunikasi dengan sesama analis dari perusahaan lain, bertanya tugas apa dan bagaimana mereka menyelesaikannya, jika mungkin, lihat bagaimana mereka merumuskan dan memberikan kesimpulan.


Vsevolod Mironovich , kepala kelompok analitik di SberMarketing

  • Podcast "How Games Make" mungkin telah berubah pikiran saat itu.
  • Setiap kursus ML yang cocok akan dipercepat hingga 300rb per detik hari ini.
  • Sesuatu  tentang burger ;-)


Dari editor Netology


Jika Anda mencermati profesi analogi makanan, kami mengundang Anda untuk mempelajari program kursus kami:

  • « : » « ». .
  • « PRO» « Data Science». , - Python Tableau, .

More articles:


All Articles