Kuidas teha andmepõhiseid tooteotsuseid

Me teeme iga päev tuhandeid otsuseid. Kas ma lähen hommikul trenni? Kas see on väärt täiendavat 30 minutit und? Teadmine, kuhu peame oma aja investeerima, ja kui oleme pärast seda teinud õige otsuse, võib olla äärmiselt keeruline.

Tootejuhid langetavad pidevalt raskeid otsuseid, ilma et oleks piisavalt teavet, et teha kindlaks, milline võib sel ajal olla õige tegevus. Veel keerulisem stsenaarium on projekti lõpule jõudmine ja see, et ei saa mõõta, kui edukas sa olid või mis mõjutas sinu tehtud otsuseid.

Sealt pärinevad andmed: tootehaldurid (ja andmeteadlased) saavad andmeid kasutada paremate otsuste tegemiseks ja igapäevaste äriprobleemide lahendamiseks. Teisisõnu võimaldavad andmed peaministritel ja nende meeskondadel kindlaks teha, kas projekt lõi loodetud tulemuse või tuleb seda edu saavutamiseks pöörata või tuleb seda ümber mõelda.

Annan teile ülevaate oma kogemusest, kui liitute Shopifyga ja teeksin andmeteadlasena tihedat koostööd tootemeeskondadega. Järgime tooteotsuste tegemisel edu tagamiseks oma samme ja seda, kuidas me seda raamistikku eelmisel aastal Chip & Swipe Readeri käivitamisel kasutasime.

Kus on parim koht andmeressursside investeerimiseks?

Kui otsuse tulemus ei muutu olenemata sellest, mida andmed näitavad, siis on ilmselt parem koht oma ressursside investeerimiseks. Selle näiteks võib olla rakendusele vastavuse komponendi lisamine. Ükski andmemaht ei muuda tulemust - peate selle üles ehitama, olenemata asjaoludest või toimivusest.

Vaadake kõigi tehtud otsuste kohta oma KPI-sid - kas see otsus aitab meid oma pikaajaliste eesmärkide saavutamisele? Kui ei, siis peaks ehk aega ja tööd investeerima mujale.

Lisaks võivad siin olla väärtuslikud iseteeninduslikud analüüsivahendid, et suurendada väiksemate otsuste kadentsi. Mõned näited selle kohta võivad olla otsimisriist sotsiaalsete kampaaniate toimivuse jälgimiseks või võimaldada kasutajatel filtreerida aruandeid piirkonna või müügikanali järgi, et PM-id saaksid liikvel olles vajalikku teavet.

Kuidas saaksin andmeid kasutada paremate otsuste tegemiseks?

Andmed ei ole kristallkuul tulevikku ega üks suurus, mis sobib kõigile edu tagamiseks. See on siiski võimas ressurss, mida saab kasutada konteksti ja parema mõistmise saamiseks. Mõned põhimõtted, mida kasutasin eelmise aasta turuletoomise ajal:

  • Enne otsuse tegemist kasutage andmeid, et mõista oma kasutajabaasi hetkeseisu ja seda, mis on nende jaoks oluline.
  • Mõõtke projekti käigus tehtud edusamme ja jälgige selle tervist.
  • Lõpuks kasutage andmeid projekti edukuse kindlakstegemiseks pärast fakti lõppu.
Esimene küsimus, mille ma tavaliselt projektijuhtidelt esimeestelt küsin, on järgmise lause täitmine: "Kui saavutame x-ga y-d, siis teame, et see projekt on olnud edukas."

Kui te ei jõua enne otsuse langetamist üksmeelele selles, kuidas edu määratleda - on edu kindlaks tegemine võimatu. Kui te ei tea, kuidas oma strateegiat võrrelda, võib selle otsustamine, kas peaksime tootesse rohkem aega investeerima või edasi liikuma, muutuma äärmiselt keerukaks.

Mõned strateegiad nende määratlemiseks on asjakohaste mõõdikute loendi koostamine ja tooterühma kõrged eesmärgid. Jaemüügi meeskonna puhul on meie peamine eesmärk võimaldada rohkematel kaupmeestel isiklikult müüa, seega oli selle loomulikuks jätkuks eesmärk suurendada meie igakuiseid aktiivseid kasutajaid müügikohas teatud protsendi võrra aasta lõpp. On oluline, et teie kõrgetasemeline mõõdik oleks mõõdetav ja sellel oleks ajakomponent.

Seejärel aitas meie kõrgetasemeline eesmärk teavitada teiseseid mõõdikuid. Meil olid juba olemas andmed kaardilugejate kasutusmäärade ja eelnevate seadmete eeltellimuste kohta, mis võimaldas meil prognoosida eeldatavaid eeltellimusi ja kasutamist ning luua venituseesmärk MAU-le teatava% -lise tõusu saavutamiseks.

Sidudes need sekundaarsed mõõdikud tagasi oma algse eesmärgi juurde, saime tuvastada, milliseid hoobasid peaksime käivitamise ajal liikuma tõmbama. (st. kui ettetellimusi oli vähe ja kasutusmaht kõrge, saaksime kohandada turunduskulusid jne). Selle jälgimise abil oli projekti elluviimisel lihtsam otsustada, kuidas meil läheb, ja see võimaldas meil vajadusel suunda muuta.

Teine oluline alusandmed on teie kliendibaasi mõistmine. Üks küsimus, mille esitasime, on see, millist tüüpi jaekaupmehed meie baasis asuvad ja kuidas see toode nende jaoks töötaks? Eelmises harjutuses kasutasime klastrit oma baasi segmentimiseks POS-i järgi, et mõista, kes on meie sihtturg ja kuidas meie tehtud otsused mõjutavad meie baasi erinevaid segmente.

Me ühendasime need kvantitatiivsed andmed UX-meeskonna kvalitatiivsete andmetega, et paremini mõista meie kaupmehi ja hoida neid teadmisi teekaartide ja tooteotsuste tegemisel meeles. Enne turuletoomist teostasime oma kaardilugejate kasutamise võrdluse baasi igas segmendis, et saaksime aru, kuidas meie baas pärast turuletoomist muutus.

Kuidas oma andmeid aja jooksul jälgida?

Järgmisena peate kindlaks tegema, kuidas oma järeldusi edastate, ja tagama, et teil on üks ühtne tõeallikas. Isegi kui mängus on mitu armatuurlauda / dokumenti - pean parimaks tavaks omada ühte peamist armatuurlauda ja manustada samas kohas dokumentide, ressursside ja muude armatuurlaudade linke.

Valisime impulss-armatuurlaua (projekti olukorra kiireks uurimiseks), mis postitati automaatselt meie põhjatähe KPI-dega Slackile. Nii võiks igaüks saada kõrgetasemelise ülevaate, kuidas kaader läks. See impulss suunati ümber meie täielikule juhtpaneelile, võimaldades kasutajatel sukelduda huvipakkuvatesse mõõdikutesse sügavamale, edastades kogu meie grupile ainult kõige olulisemat teavet.

Käivituse ajal liikudes on oluline leida õige aruandluse kadents ja seda korrata. Kui vaatate liiga sageli, tuvastate müra, mitte ei anna signaali, liiga harva ja unustate võimalused korrigeerida või saada rohkem väärtust. Käivitamise esimese kahe nädala jooksul oli meil igapäevane Slacki aruanne ja seejärel liikusime iganädalase kadentsi juurde.

Pärast käivitamist võib õnnestumine tunduda erinev. Parem on ebaõnnestuda kiiresti ja olla võimeline täpselt jälgima, kus asjad valesti lähevad, kui projekti lõppedes aru saada, et tulemus pole oodatud. Kui oma põhjatäht ette joondada, peaks seda olema lihtsam näha, kui liigute õiges suunas või olete praegu selles kohas, kuhu oodata võiksite.

Paljude projektide puhul on loomulik, et eesmärgid aja jooksul muutuvad. Meie puhul lisasime kasvufaasi käivitamisel rohkem venitavaid eesmärke. Teie loodud aruandluse infrastruktuur peaks olema üles ehitatud selle toetamiseks. Peaksite oma projekti jaoks tehtud otsuseid ja seatud eesmärke järjepidevalt hindama, tagamaks, et need on ambitsioonikad ja jälgitavad.

Kas see õnnestus? Vastus on andmetes

Kui žetoonid on langenud ja projekt on lõpule jõudnud, võite öelda, kus teil õnnestus ja kus teil on võimalusi järgmiseks korraks.

Otsuse jaoks vajaliku andmeinfrastruktuuri loomine võib maksta sissetulekuid dividendide kaudu ning luua tulevaste projektide jaoks lihtsama raamistiku ja jagada ühiseid õpetusi teistele tooterühmadele.

Samuti saate kindlaks teha, kas otsusel oli teie sihtturule soovitud mõju - kas on ka muid mõjusid või õppetunde, mis olid teie otsuse ootamatud esemed?

Viimaseks - dokumenteerige oma õppetunnid! Looge raamistik teadmiste jagamiseks ja arukamate otsuste tegemiseks tulevikus. See võib asuda projektitahvlis või tapajärgses pakis, kuid on oluline, et see oleks teiste kasutajate poolt leitav ja ühtlasi ka teie edu aus kirjeldus (kui olete oma KPI-d ette seadnud, peaks seda olema lihtne teha) . Samuti on oluline oma otsuseid kajastada, oma saavutusi tähistada ja otsused uuesti läbi vaadata, et näha, kas kontekst on aja jooksul muutunud.

Lõplikud mõtted

Kõige olulisem õppetund, mida selle kogemuse kaudu õppisin, on see, et edu saavutamiseks on vaja nii tooteekspertiisi kui ka andmepõhist lähenemist. Tonni andmete ülevaade ilma ettevõtte kontekstita pole abiks ja võib aidata mõista, mis juhtus, kuid miks mitte.

Samamoodi võib äriotsuste tegemine ilma oma baasi mõistmata ja oma otsuste kohta andmete ülevaate saamine põhjustada tulemuste valetõlgendamist ja segadust. Kontekst on oluline. Kui me ei saa oma edu mõõta ega määrata, kuidas saaksime tehtud otsustest õppida, siis ei saa me edu saavutada, sõltumata tulemusest.

Loodetavasti on see aidanud demüstiliselt lahendada mõned küsimused, kuidas andmeid kasutada või kuidas nendega suhelda, kui üritatakse ettevõttes muutusi mõjutada. Ükskõik, kas tegemist on igapäevase väikese otsuse või mitme kanaliga toote turuletoomisega, edu kinnitamiseks ja oma asukoha kalibreerimiseks on andmete kinnistamiseks erinevaid viise.

Rebecca Tessier on Shopify andmeteaduse juht.

Korda korrata teavet toote käsitöö kohta, nii et ülejäänud meist saaksid õppida ja saada inspiratsiooni. Järgige veel kord, nagu näiteks Rebecca oma.