Последовательно разгребая завалы закладок, я на днях добрался до отличной презентации: Продуктовая Аналитика — Карго Культ в современных компаниях. Рекомендую изучить всем, кто как-то связан с веб-аналитикой, работой с конверсиями или интерфейсами. Очень хорошо помогает настроиться на правильный подход.
Главный слайд:
Остальные 104 штуки, впрочем, тоже более чем достойны внимания. Не стоит пугаться размера – изложение очень простое и доступное.
Добавлю еще несколько замечаний от себя.
Ошибки в работе с данными, после которых хочется грызть клавиатуру
По каждому замечанию следовало бы написать огромный лонгрид. Настроения и времени на лонгриды нет, поэтому опишу несколько общих моментов как мини-памятку.
- Объединение информации без кросс-проверки. Бывает, что работаешь с данными из разных источников по одному и тому же процессу. Например, для сеошника это часто Google Search Console и Analytics. В аффилейтском бизнесе – Analytics + панель партнера. Чем дальше в лес (чем более нетривиальная задача) – тем больше требуется источников и их доработки напильником. Очень важно в такой ситуации методично сопоставить все источники, чтобы они сложились в непротиворечивую картину. Инструменты ломаются, по-разному трактуют один и тот же термин, настроены на разные часовые пояса, по-разному определяют ботов, наконец.
- Выводы только по графикам и с непониманием масштаба. График, построенный с логарифмической шкалой, может сильно отличаться от построенного на стандартной равномерной. На уровне поверхностного восприятия они будут подталкивать к разным выводам. Важно четко понимать, с какой шкалой вы имеете дело. Вот наглядный материал о шкалах, хорошо показывающий разницу.
- Затраты на аналитику больше выигрыша от нее. Зачастую серьезные data-driven решения вообще не нужны: достаточно по косвенным приблизительным метрикам понимать, что мы идем в правильном направлении. А сэкономленные ресурсы просто сразу перевести в маркетинговый бюджет. Здесь, как и везде, нужен баланс. Хороший признак, что вы делаете аналитику для аналитики – у вас нет конкретной боли (пример реальной боли: важный источник трафика вдруг перестал давать конверсии), а просто есть желание что-то улучшить и оптимизировать чтобы было.
- Ну и напоследок: поиск данных для подтверждения своей гипотезы, а не для ее проверки. Кто ищет – тот всегда найдет. Только к аналитике такой поиск отношения не имеет. 🙂