skip to Main Content

نگاهی دقیق به داده ها

بی شک، گفتگو با مصرف کنندگان محصولات یکی از ارزشمند ترین راه ها برای کسب اطلاعات مفید است. انها به شما ریزترین داده های کاربردی را اعطا میکنند در واقع شما با بررسی انگیزه ها و تجارب کاربران به علت استفاده آنها از محصولتان پی می برید.

با این وجود این شیوه کسب اطلاعات از مشتری مانند شکار می ماند و در طی دوره پیشرفت شرکت شما ، پتانسیل های زیادی برای این نوع شکار وجود دارد.

جامعه آماری داده های کیفی کاربران که از تحقیق در مورد انها بدست می آید در واقع از تعداد کمی از کاربران تشکیل شده است. و شما به عنوان مدیر محصول باید ویژگی این تعداد کم کاربران را بشناسید تا با استفاده از آن بتوانید این کاربران ارزشمند را پیدا کنید. ویژگی های آنان به شرح ذیل می باشد

1- آنها به زبان شما صحبت میکنند.

2- آنها نزدیک شما زندگی میکنند

3- از همه مهمتر، زمان کافی برای شرکت در تحقیقات شما را دارند.

اما به این نکته توجه داشته باشید که تفاوت بزرگی میان افکار مردم و آنچه در واقعیت انجام خواهند داد، وجود دارد این نکته را گفتیم تا آگاه باشید که تمام اطلاعات کسب شده از کاربران ، بصورت 100 درصدی درست نمی باشند و احتمال خطا در آن موجود است.

و اینجاست که نقش شما به عنوان یک مدیر محصول پررنگ شده و بایستی از این اطلاعات کیفی و توصیفی در جهت فهم رفتار کاربران و پیدا کردن زمینه های موفقیت محصول، استفاده کنید.

مسئولیت ها

1- نکات کلیدی موفقیت کسب و کارتان را کشف کنید

شما موفقیت را در چه چیزی تعریف میکنید ؟ این سوال زیبایی است و زیبایی آن زمانی پیدا میشود که بخواهید بصورت شخصی به آن جواب دهید اما زمانی زیبایی آن دوچندان میشود که یک سازمان بخواهد به ان پاسخ دهد. زیرا که اگر اشخاص به این سوالات جواب دهند معمولا جواب های یکسانی خواهید شنید اما سازمان ها جواب های متفاوتی بسته به شرایطشان برای این سوال دارند.

زمانی که شما به عنوان فرد جدید وارد تیم میشوید خواه سنیور بوده یا جونیور، شما بایستی شاخص های موفقیت سازمان تان را شناسایی کنید. سوالات زیر میتواند شما را در جهت شناخت این شاخص ها یاری کند

1- سازمان شما موفقیت را در چه چیزی تعریف میکند ؟ در واقع کی پی آی های موفقیت این سازمان چیست ؟

2- شاخص های موفقیت محصول در چه چشم اندازی به کمال خود میرسند؟

3- استفاده عالی و صحیح از محصول، چگونه است ؟

 بصورت ایده آل برخی سازمان ها معیارهای موفقیتشان را از پیش مشخص کرده اند و شما به عنوان مدیر محصول اگر نگاهی به آن معیارها بیندازید کاملا متوجه خواهید شد که کدام یک از لحاظ استراتژیکی مهم است. به عنوان مثال برای برخی از سازمان ها رشد کارابرانشان مهم است یا برای برخی از سایت های فروش، افزایش میزان بازدید سایت در اولویت قرار دارد.

سازمان شما بایستی یک داشبورد معیار داشته باشد و شما بتوانید تمام چشم انداز های سازمان را در آن واحد تحلیل کنید اما اگر چنین داشبوردی ندارید به فکر درست کردن یکی از آنها باشید، زیرا داشتن چنین داشبوردی برای شما نگاهی از کل به جزء به ارمغان می آورد و میتوانید علت وجود هریک از متریک ها را متوجه شوید.( جلوتر طریقه خلق چنین داشبوردی را برایتان شرح خواهیم داد.)

اگر شما تازه وارد شرکت شدید، سعی کنید تاثیر محصولات بر این معیارها را به صورت دقیق بررسی کنید، این بررسی میتواند حتی موضوع چند جلسه با تیمتان باشد. تلاش کنید در این حیطه بسیار عمیق شوید و مو را از ماست بیرون بکشید.  اگر تعیین اثر محصولات بر معیارهای موفقیت شرکت، کاری چالش برانگیز است این نشانه خوبی برای شما نیست؛ زیرا نشان میدهد که قبل از شما کسی اهمیتی به این تاثیرات نداده است.

اما خودتان را صرفا محدود به پاراگراف قبل، بررسی تاثیر محصولات، نکنید بلکه یک پله بالاتر بیایید و سعی کنید ارتباط میان معیار ها و خروجی تیم ها را به اهداف سازمان، کشف کنید. بگذارید این جمله را با ذکر یک مثال بهترعنوان کنیم:

فرض کنید در حال کار کردن بروری باگ اسپم شدن ایمیل های ارسالی تان کار میکنید، در اینجا تیم توسعه دهنده به دنبال رفع مشکل است اما شما علاوه بر اینکه باید بر روند آنها نظارت داشته باشید و بدانید تیم به درستی روی مشکل کار میکند، بایستی از طرفی بر روند تیم بازاریابی نیز ناظر باشید و متوجه شوید که آیا آنها فرآیند ریتنشن کاربر که ناشی از این باگ است را به خوبی انجام میدهند یا خیر. دائم این سوال را بپرسید که آیا ارتباطی میان این دو بخش هست ؟ آیا این دوبخش میتوانند به یکدیگر در پیشرفتشان کمک کنند ؟

2- نحوه شخصی سازی کردن داده ها برای خودتان و روش جمع آوری آنها را فرا بگیرید.

سرعت چرخه های مختلف محصول، بسیار در روند تحلیل داده ها مهم است. شما نیاز دارید تا فرضیاتی را وارد بازی محصول کنید و آنها را تست کنید و این چرخه را بصورت مداوم تکرار کنید. اگر بخواهید داده های مورد نیازتان را توسط یک مهندس داده بدست آورید؛ روند بدست آوردن اطلاعات ممکن است از 15 دقیقه الی 15 روز طول بکشد پس سعی کنید خودتان روش شخصی سازی شده تان را پیدا کرده و از طریق آن اطلاعات لازم را بدست آورید.

اما دو روش برای جمع آوری داده ها برای یک مدیر محصول مبتنی بر امکانات داخل سازمان، وجود دارد. برخی از سازمان ها یکسری داشبورد های مخصوص از پیش طراحی کرده اند که عصاره تحلیل داده ها در SQL را، درون داشبورد ها قرار دادند و یکسری هم چنین امکانی ندارند و شما بایستی بصورت مستقیم با SQL کار کنید و روند تحلیل داده را انجام دهید.

در واقع حتی اگر سازمان شما، داشبوردهای مخصوصی طراحی کرده است بازهم بازگشت شما به سوی SQL خواهد بود؛ زیرا این ابزار کنترل شما را بر جزئی ترین داده ها نیز برقرار میسازد و زمان زیادی برای شما ذخیره میکند. اگر دانش کافی برای کار با SQL را ندارید اصلا نگران نباشید و سعی کنید در طی یک الی دو روز مفاهیم اولیه را یاد بگیرید و سپس در روند انجام کارهایتان به آموزش تخصصی آن بپردازید.

3- یک داشبورد برای تیم تان بسازید.

هر محصولی باید شامل یک داشبورد باشد که مدیران محصول یا دیگر افراد داخل شرکت که در روند تولید آن محصول سهیم بودند، بتوانند به آن دسترسی داشته باشند. اگر شما داشبورد را در scratch طراحی کردید یا در حال ساختن آن هستید، در اینجا چند نکته بسیار مهم را شما یادآوری میکنیم:

1- متریک های موفقیت را نشان دهید.

داشبورد شما باید شامل گراف هایی باشد که مهمترین عوامل موفقیت در محصول را نشان میدهند.  اما هدف از این گراف ها چیست ؟ در واقع ما از این گراف ها استفاده میکنیم تا تغییر وضعیت این معیارها را مشاهده کنیم. به عنوان مثال معیاری همچون ترن اور ریت (Turnover Rate ) را در نظر بگیرید، این معیار در طی لانچ چرخه های محصول، دست خوش تغییر میشود اما معیاری همچون ریتنشن (Retention) بسیار سخت تغییر میکند و ممکن است در هر لانچ محصول یا آپدیت آن، شما تغییر محسوسی در نمودار آن مشاهده نکنید اما تغییرات آن را در دوره زمانی طولانی تر احراز کنید.

2-  به دنبال پیش نیازها بگردید.

بگذارید این بخش را با این سوال شروع کنیم که به نظر شما چه چیزی معیارهای موفقیت را هدایت می کند؟ جواب شما به این سوال در واقع همان پیش نیازهایی ست که دنبال آنها هستیم. به عنوان مثال در نظر بگیرید که معیارموفقیت ما، زمان آنلاین بودن کاربر در سایت باشد؛ اما این معیار را به وسیله تعداد کاربران و تعداد پستی که توسط آنها دیده شده است، بدست می آوریم. در واقع اینجا تعداد کاربران و تعداد پست دیده شده توسط آنها، دو پیش نیاز هستند که باید آنها را دنبال کنیم و ریز جزئیات آنها را کشف کنیم. در واقع همین پیش نیازها هستند که به شما هشداری در مورد میزان موفقیت تغییرات محصول میدهند.

 3- طریقه استفاده کاربران از محصول را نشان دهید.

گاهی اوقات تیم ها رهگیری نوع استفاده کاربران از محصول و اینکه چه ویژگی در نظر انان مهم است را فراموش میکنند. در نظر داشته باشید که عصاره این نوع داده ها را در داشبورد خود داشته باشید و از آنها استفاده کنید. هر چند ممکن است نمودار تغییرات این داده ها در کوتاه مدت تغییر نکند اما در بلند مدت باعث میشود شما در واقعیت بفهمید که کاربران چگونه از محصول شما استفاده میکنند. همچنین این داده ها میتوانند زنگ خطری برای تیم باشند تا حواس خود را به حفظ کیفیت محصولات متمرکز کنند.

4- نویز و واریانس را با فیلترگیری هوشمند کاهش دهید.

شاید در ابتدا کمی تعجب کنید که این مباحث برقی چه ارتباطی به مدیریت محصول دارند؟ توجه شمارا به این جلب میکنیم که گاهی اوقات، برخی از داده ها همچون نویز اضافی هستند و بودن آنها در کنار بقیه داده ها، واریانس قابل توجهی ایجاد میکند؛ در واقع شما باید با فلیترهایی که برای داشبورد خود تعریف میکنید؛ این نویز ها را از داده های اصلی حذف کنید. به عنوان مثال، فرض کنید اپلیکیشنی طراحی کردید و روزانه کاربران جدیدی به شما اضافه میشوند اگر واریانس زیادی میان تعداد و کیفیت کاربران جدید روزانه شما هست، شما میتوانید کاربران با کیفیت پایین را از طریق فیلتر نوار کیفیت، از بقیه کاربران جدا کنید. خب نوار کیفیت چیست ؟ نوار کیفیت را در واقع شما تعریف میکنید اما مثال هایی از آن میتواند شامل افرادی که نصب اپلیکیشن را تکمیل کرده و داخل آن لاگین کرده اند یا افرادی که از این اپ حداقل 3 روز در هفته استفاده کرده اند، باشد.

5- متریک ها را نرمال سازی کنید.

بگذارید این مفهوم را با مثالی آغاز کنیم، فرض کنید یکی از متریک های ما، افزایش علاقه مشتریان باشد ،به نظرتان چگونه میتوانیم پیشرفت این شاخص را اندازه گیری کنیم ؟ یکی از راه ها، بررسی افزایش تعداد کامنت های مشتریان است اما صرفا با نگاه کردن به یکسری از نمودارها، ما نمیتوانیم نتیجه بگیریم که تعداد کاربران و در نتیجه علاقه آنان به ما بیشتر شده است فلذا در این موقعیت بایستی اصل نرمال سازی متریک ها را به وسط آورده و تعداد کامنت ها را به تعداد کاربران فعال تقسیم کنیم و این روند را بررسی کنیم؛ در آن صورت است که میتوانیم بفهمیم که افزایش تعداد کامنت ها، ناشی از افزایش علاقه کاربران بوده یا افراد جدیدی به کاربران ما اضافه شده اند.

در واقع اصل نرمال سازی متریک ها این را بیان میکند که شما برای طبیعی سازی شاخص هایتان میتوانید نمودار شاخص مد نظر را بر نمودار کاربران فعال تقسیم کنید و شاخص مورد نظر را بررسی کنید.

6- حساب فصلی محصولات: برخی از محصولات در بعضی از زمان های ماه یا سال، بیشتر مورد استفاده قرار میگیرند و خب اگر ما شاخصی برای تغییرات استفاده از محصولات نداشته باشیم گاهی اوقات درک یک روند نزولی یا صعودی معنادار، برای ما سخت میشود. یک راه ساده برای جلوگیری از این ابهام، کشیدن یک خط چین زمانی مروبط به یک سال یا یک هفته پیش، در نمودارهای مصرف محصولات، میتواند خیلی موثر باشد. و در اینجاست به شما میگوییم حساب کتاب فصلی یادتان نرود!

7- میانگین تغییرات 7 روز گذشته را نشان دهید.

برخی از محصولات ذاتا “spikey” هستند و ممکن است روند تغییرات لحظه ای داشته باشند و برای بررسی بهتر این تیپ محصولات سعی کنید میانگین 7 یا 14 یا 28 روز گذشته تغییرات مصرف این محصولات را در داشبورد داشته باشید. این کار باعث میشود تا زمان های خاصی که مصرف این محصولات در اوج بوده است را شناسایی کنید و گاها تحلیل های خفنی برروی آن پیاده سازی کنید.

متریک های تیم تان را به صورت منظم یادآوری کنید.

متریک های محصولات شما بایستی به صورت منظم بررسی شوند و اینکار باعث میشود تا شما هر تغییر ناگهانی در شاخص اصلی را شناسایی کنید و به سرعت به حل آن بپردازید. سوالات زیر به شما در این روند کمک میکنند:

1- آیا نمودارهای شاخص ها نسبت به روند قبلی که داشتند، دچار تغییر ناگهانی شده اند؟ اگر جوابتان مثبت است به دنبال علت این تغییر با توجه به نمودار ها و نکات قبلی که گفتیم، بگردید.

2- آیا تغییرات اخیر مارکتینگ و محصولات، بر شاخص ها تاثیر گذاشته اند ؟

3- آیا شاخص ها به مرحله ای از موفقیت رسیده اند که برای پیشبردشان جشن بگیریم ؟

4- ایا روند های بلند مدت جالبی در محصولات مشاهده میکنید ؟ این سوال در عین جالب بودن عجیب به نظر میرسد برای پاسخ دادن به آن، توجه ویژه ای به متریک هایی که پشتیبان استراتژی محصولات هستند، داشته باشید.

برخی از تیم ها به این علاقه مند شده اند که یک سیستم دوره ای برای بررسی و بازنگری دوباره متریک ها درست کنند. به عنوان مثال آنها روتینی را بوجود آورده اند که هرهفته یکی از افراد تیم محصول، متریک هارا بازنگری کند و هر تغییر ناگهانی را به بقیه اعضا، اطلاع دهد. اینکار علاوه بر بازنگری شاخص ها، باعث میشود تا بقیه اعضای تیم نیز با متریک ها اشنا شوند و هیچ وقت انهارا فراموش نکنند.

داده ها را زیر و رو کنید. ⚡

اجازه دهید این بخش با مثالی آغاز کنیم که با آن آشنا هستید، فرض کنید که شما در حال انجام تحقیقات UX برای کشف دیدگاه های جدید از کاربران هستید؛ برای اینکار تمام اطلاعات مربوط به مشتریان را زیر و رو میکنید. چنین وضعیت مشابهی را برای داده های مربوط به محصولات در نظر بگیرید. برای کشف موقعیت های بیشتر میتوانید از داده های محصولات بصورت بهینه استفاده کنید. شاید تا اینجا ابهامی برای شما پیش بیاید که تفاوت میان داده های کاربران و داده های محصولات چیست ؟ جهت شفاف سازی بقیه موارد به مثال زیر توجه کنید.

یکبار تیم من در شرکت گوگل قصد داشت تا با استفاده از آدرس آی پی کاربران نتایج مرتبط مکانی را به او نشان دهد. به عنوان مثال زمانی که کاربر ” فست فودی” هارا سرچ میکرد با توجه به آدرس آی پی او، مکان های مرتبط نزدیک اورا پیشنهاد دهد. و اعتقاد من بر این بود که این آدرس های آی پی که از کاربران دریافت میشود به اندازه کافی دقیق هستند؛ اما چگونه میتوانستم میزان دقت بالای آن را ثابت کنم ؟ گاهی اوقات شما برای نظریه هایی که به انها باور دارید استدلال کافی ندارید😊 همچنین تیم ما تمایلی به اجرای یک آزمایش فوری برای اثبات این دقت نداشت و در ثانی حتی اجرای چنین آزمایشی نمیتوانست نتایج دقیقی دال بر اینکه اینکه این آدرس های آی پی چقدر دقیق هستند به ما بدهد و از طرفی شاید عقیده من همیشه درست نباشد و گاهی اوقات کاربران نتایج نا مرتبط ببینند.

بیایید پرش عمیقی به این داستان داشته باشیم و آنرا برای شرایط خودمان بازسازی کنیم. اگر شما جای ما بودید چه میکردید ؟

تصور کنید شما در شرکت گوگل کار میکنید و قصد دارید اینرا اثبات کنید که آدرس آی پی مشتریان با لوکیشن آنها مطابقت دارد. این نکته راهم جزو مفروضات سوال در نظر بگیرید که شما به لوکیشن افراد دسترسی ندارید.

به ایده هایتان برای این سوال فکر کنید و در ادامه ایده من را هم بخوانید 😊

در مرحله اول ،اینرا یافتم که مکان کاربران هنگام سرچ مطالبی همچون، پیش بینی اب و هوا یا زمان پخش فیلم ها، در زیپ کد مربوطه نهفته میشود و توانستم این را بفهمم که آدرس آی پی لوکیشن تا حد زیادی با زیپ کد هم خوانی دارد.

اما ممکن است آدرس های آی پی، مایل ها (mile) از لوکیشن اصلی شان دور باشند حتی اگر این آدرس ها دارای زیپ کد درست باشند. در اینجا چگونه میتوانیم برتری آدرس های آی پی را نسبت به زیپ کد اثبات کنیم؟ بیایید راه حل من را برای این مثال بررسی کنیم.

من متوجه شدم که کاربران گاهی بصورت دوره ای برای یافتن یکسری رستوران های خاص یا مغازه جستجو میکنند. بنابراین سوال این بود که آنها چه زمانی برای چنین سرچ خاصی اقدام میکنند؟ آیا این سرچ بیشتر با زیپ کد مطابقت دارد یا آدرس آی پی ؟

در نتیجه من دیدم که آدرس آی پی خیلی دقیق تر از زیپ کد است. هم اکنون من میتوانم با اعتماد به نفس کامل آزمایش خ