4 lezioni imparate in 4 anni ininterrotti di analisi dei dati

Archana Madhavan

articolo orginale:

4 Lessons Learned From 4 Years Of Non-Stop Data Analysis

L’Analytics è un campo che si evolve velocemente.

La maggior parte dei cambiamenti sono avvenuti a seguito del passaggio dal PC al mobile. Il mobile è ancora un mondo tutto nuovo per l’analytics. Le novità si succedono in fretta e tutti sono in cerca della soluzione più recente, migliore e più rapida.

Ad Amplitude, analizziamo i dati senza sosta, ormai da quattro anni. Vogliamo condividere quattro dei temi che abbiamo visto emergere mentre aiutavamo le nostre aziende con l’analisi dei dati. Queste sono visioni di un quadro più ampio e di framework che a volte si perdono, nella corsa al nuovo, ma sono fondamentali e vanno tenuti a mente se volete ottenere la massima informazione dai dati.

1. Adesso i vostri strumenti sono diversi

La gente da per scontato che lo strumento che usa per la normale web analytics funzioni anche sul mobile; non è così. Web e mobile non sono due modi diversi di fare esperienza del vostro prodotto, sono dei mezzi di comunicazione completamente differenti, con struttura, organizzazione, incentivi e metriche specifiche:

Identificazione: nelle app mobile non abbiamo a che fare con i cookie. Gli utenti sono identificati con ID univoci che vengono loro assegnati all’inizio, quando fanno il download e si registrano.

Utilizzo offline: gli utenti non saranno sempre collegati in Internet quando usano la vostra applicazione, quindi non potete fare affidamento su un monitoraggio basato sul solo tracciamento in tempo reale.

Gesti: un click è semplice da tracciare; click, un clic è solo un clic. Ma gli utenti interagiscono con le applicazioni in tutti i modi possibili, che sia un tocco, un tocco prolungato, una strisciata, lo scuotimento del dispostivo, o uno dei tanti altri gesti resi possibili dal mobile.

Coorti: dal momento che il tempo che un utente passa con la vostra applicazione inizia chiaramente con l’installazione e si conclude con l’applicazione che diventa inattiva, potete fare una analisi molto più efficace (rispetto al caso di un sito web – n.d.t.) sul comportamento di certi gruppi di utenti e reagire ai cambiamenti.

Monetizzazione: i siti web tradizionalmente monetizzano mediante la pubblicità e quindi orientano le loro analisi verso questo obiettivo; le app mobile no. Queste ultime invece cercano di monetizzare attraverso installazioni aggiuntive.

Lezione appresa: enfatizzare il mobile

Le precedenti sono differenze fondamentali nel modo in cui gli utenti sperimentano il vostro prodotto, e gli strumenti che usate per comprendere quegli utenti devono adattarsi. L’analytics mobile non è una cosa in più che ci piacerebbe avere: è parte essenziale dello sviluppo di un grande prodotto mobile.

Monitorare i dati in modo corretto è uno degli strumenti più potenti che avete per riuscire a crescere. Vi consentirà quella comprensione del comportamento degli utenti, che non avreste mai potuto avere con i normali strumenti di web analytics. Ciò che imparerete vi aiuterà a ridurre la frizione, ad aumentare la retention, e a sviluppare un prodotto più potente e più utilizzato, con il risultato che la vostra azienda sarà più forte.

2. L’accessibilità ai dati ora conta molto di più

Quando l’applicazione mobile-first, Tinder, iniziò a sperimentare l’utilizzo di massa, la loro precedente piattaforma di analisi, fino ad allora efficace, andò in tilt (su Tinder per richiedere un incontro si striscia a destra la scheda del soggetto che si vuole contattare, si era però diffusa la tattica di lanciare richieste di incontro a tappeto per aumentare le proprie chance, mandando così in crisi il sistema di tracciamento degli eventi e peggiorando la qualità dei contatti. Da qui la decisione di Tinder di limitare il numero delle richieste di incontri che si possono fare in un giorno – n.d.t.). Le ricerche che prima richiedevano minuti, stavano richiedendo ore. Questo non era accettabile, soprattutto oggigiorno, che ci aspettiamo che quasi ogni decisione che prendiamo su un prodotto, sia sostenuta da qualche genere di dati.

Una volta era accettabile, quando tutte le richieste di dati venivano convogliate verso un nodo centrale interno all’organizzazione. Se un product manager avesse avuto bisogno di informazioni sul comportamento degli utenti, o sui funnel di conversione, avrebbe fatto una richiesta ai gestori del data warehouse aziendale e sarebbe stato soddisfatto. Oggi, schermi più piccoli, menu più compressi, e una maggiore varietà di possibili interazioni connaturate ai dispositivi mobile, si sono combinate per generare con regolarità, enormi quantità di informazioni sugli utenti. E i dati sono una cosa che ogni azienda vuole poter usare.

2-microscope-new

Senza un metodo per rendere quei dati accessibili a tutti, il meccanismo decisionale in un’organizzazione si inceppa.

Lezione appresa: pensare fuori dagli schemi.

Assicuratevi che gli strumenti servano le esigenze informative della vostra intera organizzazione. Come ha detto Fareed Mosavat di Instacart: “Se dici che sei data-driven, ma tutto deve passare attraverso un analista dati, allora non sei davvero data-driven”.

Al crescere di scala della vostra azienda, questo concetto diventa sempre più cruciale. Il volume di richieste che il vostro team di analisi dati comincia (o dovrebbe cominciare) a ricevere, rallenta a passo d’uomo le capacità decisionali del vostro team. Ecco perché è essenziale orientarsi verso una soluzione di analisi dati preconfezionata.

Il vostro strumento fatto in casa avrebbe potuto servirvi bene quando eravate solo voi e il vostro cofondatore, ma ormai altre persone hanno pensato a lungo e lavorato duro sul problema dell’accessibilità dei dati. E’ necessario che vi concentriate sullo sviluppo del vostro business, non sul rabberciare la soluzione di analisi migliore che potete.

3. Si prega di non danneggiare la UX

Anni fa, i “grow hacker” delle startup, innamorati del successo fulminante di aziende come Facebook e Zynga cominciarono a spingere la crescita delle proprie app. Ma il grow hacking è come il gioco del telefono seza fili. Una società fa qualcosa di intelligente, si diffonde la voce e le altre persone iniziano a cercare di emulare il loro successo. Però lo fanno sbagliando sempre qualcosa. La stessa tecnica non funziona mai due volte.

E’ così che si arriva a quelle app che sono state così palesemente sovra-ottimizzate per raccogliere metriche a breve termine, da diventare quasi inutilizzabili. Tutti quei pulsanti sociali, i dark pattern (interfacce accuratamente pensate per indurre l’utente con l’inganno a compiere delle azioni non volute – n.d.t.), finestre modali a tutto schermo e notifiche push fastidiose, potrebbero anche raccogliere conversioni nel breve termine, ma quasi sempre vi costeranno nel lungo periodo.

dark_side_quote_short

Aziende come Facebook non sono cresciute perché hanno trovato il modo di raccogliere un po’ di conversioni di basso livello. Se avessero fatto i primi tempi, ciò che alcune app fanno oggi, in pratica sarebbero stati come MySpace.

Le aziende che hanno vinto e continuano a vincere usando i dati, mantengono la l’esperienza degli utenti al primo posto nei loro pensieri. Ogni cambiamento che influenza negativamente i propri utenti anche in modo molto marginale, deve essere sistematicamente pesato con i possibili benefici dell’esperimento. Per mantenere il volume degli utenti nel lungo termine, bisogna mantenere pervicacemente elevata la qualità dell’esperienza utente.

Lezione appresa: ascoltate i vostri utenti.

La maggior parte dei programmatori, oltre a scrivere il codice, scrivono anche gli unit test (test delle singole funzioni – n.d.t.). Questi blocchi di codice imitano il comportamento degli utenti reali, immettendo i dati nel programma. Monitorando gli esiti delle operazioni simulate, lo sviluppatore può vedere se la sua applicazione sta funzionando come previsto.

Quando si eseguono degli esperimenti, non basta che facciate le modifiche e speriate per il meglio; applicate invece lo stesso metodo. Se il cambiamento è radicale, fatelo provare prima dalle persone della vostro team e se non vengono fuori magagne, esponetelo una coorte limitata di utenti.

E non lo fatelo solo perché dovete farlo: osservate come rispondono al cambiamento e poi valutate se volete renderlo visibile su scala più ampia.

4. Osservate i comportamenti, non solo le singole azioni

Il più grande cambiamento dell’analytics è stato passare dai dati grezzi e di alto livello, a una analisi di tipo globale, comportamentale.

Quattro anni fa, fondamentalmente avevate tre opzioni per comprendere l’utilizzo nella vostra applicazione:

  • Guardare i dati grezzi su come i singoli utenti navigano e utilizzano la vostra applicazione.
  • Guardare un cruscotto di sintesi che mostra i funnel di conversione e i grafici della retention.
  • Assumere un team di analisti dati brillanti che possono raccogliere, elaborare e definire non solo come i gruppi di persone usano la vostra app, ma anche perché.

I primi due erano utili, ma incompleti. Il terzo era troppo costoso. Oggi, questo tipo di analisi del “come e perché” è possibile con strumenti più accessibili e più user-friendly di qualsiasi cosa avessimo quattro anni fa.

Il principio di base è usare lo studio delle coorti. Invece di osservare i singoli utenti o l’intera base degli utenti, si osserva il comportamento delle coorti composte di utenti specifici. Questo approccio permette di scoprire i modelli di comportamento che pensate possano generare retention a lungo termine per la vostra app, per poi analizzarli più da vicino.

4_amplitude-growth-discovery-engine-2

Non si tratta di fare in modo che un pulsante converta lo 0,04% visitatori in più, rendendolo verde. Si tratta di trovare il momento “Aha!”, il punto di flesso nella curva dell’esperienza utente delle app, che li spinge a tornare molte volte.

Lezione appresa: mantenere la semplicità.

Ci sono un milione di modi per analizzare i dati generati dalla vostra app. Cercate di non avere una visione ristretta, pensando che il modo migliore per creare un impatto misurabile, sia quello di ottimizzare per qualche variabile di conversione a caso, che credete essere importante.

Quello che conta nel passato, nel presente e nel futuro è una sola cosa: l’esperienza dell’utente. L’analytics deve servire l’esperienza dell’utente, non il contrario. Trovate i comportamenti che rendono eccezionale la vostra app e raddoppiateli.

Ottimizzate per le variabili e guadagnerete nel breve periodo, mentre distruggerete la vostra azienda nel lungo periodo. Ottimizzare per l’esperienza utente e potrebbe richiedere più tempo prima di vedere dei risultati, ma stareste muovendovi nella giusta direzione.

Conclusione

Il passaggio al mobile ha cambiato un sacco di cose sull’Analytics. Ha alzato la posta in gioco moltiplicando il numero di eventi tracciabili, ha cambiato il modo in cui analizziamo quegli eventi e ha reso più importante che mai mantenere i cima ai nostri pensieri l’esperienza utente.

La novità di questo campo ha portato molti a pensare nuove idee e framework su come dovrebbe essere fatta la mobile analytics. Ora, imparare nuove tattiche è grandioso, ma è importante che manteniate sempre la visione d’insieme:

  • Date al vostro team gli strumenti giusti
  • Fate in modo che il vostro team abbia l’accesso ai dati
  • Non danneggiate l’esperienza utente
  • Osservate come realmente si comportano le persone nella vostra app

Organizzate i vostri esperimenti e le vostre analisi sulla base di queste quattro idee e vi preparerete per il successo a lungo termine, invece che ottimizzare per quello che va di moda oggi.

Archana MadhavanArchana Madhavan

Traduzione di

Archana Madhavan

Archana è una scrittrice del team di marketing di Amplitude, dove crea contenuti che consentono alle persone di prendere decisioni basate sui dati. Faceva ricerca di biologia molecolare e cellulare a Stanford. Nel suo tempo libero studia il coreano e tiene un blog sul linguaggio.

Stampa articolo Scarica il file in formato PDF

Post A Comment

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *