Кто такой продуктовый аналитик?

Как на основе данных он помогает продуктам развиваться, а компаниям — расти

Культура управления продуктом на основе данных данных развивается и в корпорациях, и в небольших стартапах. Поэтому продуктовые аналитики нужны во многих сферах: e-commerce, IT, банковская сфера, связь, образование и логистика. Вместе с руководителем Центра продуктовой аналитики МТС-Банка и автором курса «Продуктовая аналитика» Антоном Долгачевым разбираемся, зачем в этой профессии Python и что аналитик может узнать из огромного количества источников данных.

Кто такой продуктовый аналитик

Продуктовый аналитик — это специалист, который отвечает за работу со всей воронкой продукта (модель, которая иллюстрирует путь покупателя от знакомства с продуктом до покупки): начиная от привлечения пользователей и их действий в канале (средства коммуникации с клиентами, например, рассылки или группа в Facebook), заканчивая оценкой финансового результата, расчетом новых бизнес-кейсов.

Чем занимается продуктовый аналитик

Задачи продуктового аналитика в разных компаниях могут отличаться, но можно выделить несколько основных.

Работа с культурой управления продуктом на основании данных, то есть с Data Driven-подходом. В рамках этой задачи необходимо создать инструменты для принятия решений по продукту, например дашборды и OLAP-кубы (многомерные системы данных, в которых есть три переменных, например клиенты, продукт и география, а не две, как в таблицах), и обучить команду работе с этими инструментами.

Работа с инсайтами и гипотезами, которая может принести бизнесу пользу в моменте.

Инсайты — это выявление нового знания о продукте: отклонение от нормы в позитивную или негативную сторону, выявление зависимости для определенных показателей или когорт клиентов (группы клиентов, которые совершили одно и то же действие в определенный период времени, например, подписались на рассылку в ноябре 2021 года. Подробно о когортом анализе мы писали в этой статье) и т. д. Они могут появиться, когда аналитик взаимодействует с командой, анализирует воронки и другие отчеты. Аналитик обращает внимание на такие аномалии, выясняет их причину и вместе с командой вырабатывает гипотезы. 

Например, аналитики из devtodev анализировали игру, в которой игроки останавливались на седьмом уровне, не переходили на следующий уровень, но не прекращали играть. Выяснилось, что в игре первые семь уровней были начальными, а начиная с восьмого – условно «профессиональными». Игроки просто хотели быть лучшими из новичков, и играть в свое удовольствие, а не сражаться с профи.  

Поиск точек роста и потерь

Точки роста — это потенциал продукта, который позволит расти и зарабатывать больше. Например, если мы видим, что клиенты, купившие один продукт, с наибольшей вероятностью конвертируются в кросс-продажу (дополнительная продажа тому же клиенту) других продуктов и объем сегмента таких клиентов достаточно велик, — это хорошая возможность поэкспериментировать с активными/пассивными коммуникациями и существенно нарастить продажи.

Точки потерь — это любые недостатки, которые приводят к потере клиентов, заявок, продаж или снижению других важных продуктовых метрик. Например, если при анализе воронки на одной из версий мобильного приложения для одной операционной системы выявили баг при переходе с внутреннего баннера на анкету, то это одна из точек, где бизнес теряет продажи. Обычно их можно быстро исправить и дополнительно вырасти. Одна из ценностей продуктовой аналитики как раз в том, чтобы замечать такие вещи вовремя, принимать решения и улучшать финансовый результат.

Без аналитика продуктовая команда не сможет выстроить важные процессы:

  • Выбрать метрики, на которые направлены задачи команды. Не все данные одинаково важны для развития продукта, поэтому аналитик помогает команде расставить приоритеты и выделить ту область знаний, на которую стоит обратить внимание. Такой подход экономит бюджет компании на хранение и обработку данных.
  • Провести пилоты и эксперименты. Интерпретация результатов — самая важная часть тестирования, за которую тоже отвечает аналитик; здесь важны правильная подготовка к тестированию и корректное статистическое обоснование результатов эксперимента.
  • Рассчитать модели Unit-экономики. Unit-экономика — это оценка прибыльности юнита — единицы, генерирующей доход, например, одного произведенного продукта или одного платящего по подписке клиента. Создание нового продукта, перезапуск или внедрение новых возможностей в бизнесе должны быть финансово обоснованы. Аналитик устанавливает взаимосвязи между характеристиками продукта и управляет изменениями и процессами планирования.

В команде аналитик работает с разными специалистами:

  • продакт-менеджер, который отвечает за видение продукта в целом;
  • CRM-менеджеры, отвечающие за вторичные продажи;
  • маркетолог, отвечающий за привлечение новых клиентов;
  • дата-инженер, организующий хранение очищенных данных в витринах данных;
  • UX-специалист, который занимается улучшением клиентских путей и снижением проблем, вызванных ошибками в них;
  • сотрудники других команд, которые занимаются развитием смежных продуктов/каналов.

Зачем нужна продуктовая аналитика?

Продуктовая аналитика позволяет бизнесу увидеть, как пользователи взаимодействует с продуктом: как именно его используют, в какой последовательности совершают действия, на какие нажимают кнопки. На основе этих данных клиентов можно разделить на сегменты. Понимая, что именно в продукте интересно разным сегментам аудитории, можно понять, что в нем стоит исправить или улучшить.

Аналитика помогает:

  • сделать продукт удобнее для пользователей;
  • привлечь новую аудиторию;
  • удержать интерес к продукту;
  • сократить расходы;
  • поднять продажи.

Под «продуктом» могут пониматься разные вещи. Скажем, в банковской сфере это и финансовые продукты, к примеру потребительское кредитование, и программные продукты, например мобильный банк. У того и у другого есть продуктовые команды, есть определенные цели, задачи и метрики эффективности, а значит, везде нужна продуктовая аналитика, чтобы отслеживать достижение показателей.

Проблемы во взаимодействии клиента и продукта начали выявлять давно. Еще в 1980-х годах компания Microsoft столкнулась с проблемой: пользователи не понимали, зачем в Word добавили такое количество функций, ими просто не умели пользоваться. В одном из банков на Уолл-стрит IT-отдел просто удалил панель инструментов, чтобы сотрудники могли только открыть документ, отредактировать текст, сохранить или распечатать. Осознав проблему, Microsoft начала проводить обучение, чтобы представители разных профессий открыли для себя преимущества Word. Если в компании есть продуктовые аналитики, то они первые увидят, что у пользователей есть трудности.

Курс

Продуктовая аналитика

Вас ждет полное погружение в роль продуктового аналитика, вы освоите продуктовый подход, а также методики принятия решений на основе данных. 

Узнать больше

Как стать продуктовым аналитиком

Проект «Нормальные исследования» выяснил, что продуктовой аналитикой, как правило, занимаются специалисты, которые до этого уже работали в дата-аналитике. Им проще всего войти в профессию, так как они знакомы с основными инструментами. Реже продуктовыми аналитиками становятся разработчики, маркетологи и менеджеры проектов.

«Знание сферы, в которой разработан продукт, тоже облегчает вхождение в профессию. Если человек работал на одном из участков бизнес-процесса банка, то стать продуктовым аналитиком в банковской сфере ему, конечно, будет проще. Но ключевое — это хороший уровень технических скиллов. Обрести знание продукта проще и быстрее, чем обрасти необходимыми знаниями в области обработки и анализа данных», — Антон Долгачев

Рабочие инструменты аналитика

Python язык программирования с низким порогом входа, который подходит для многих задач. Netflix, Spotify и Amazon используют его для анализа пользовательских предпочтений и выстраивания стратегий. Python справляется с обработкой больших объемов данных и визуализацией лучше многих инструментов, на сегодняшний день он признан самым популярным языком программирования. В качестве альтернативы для аналитиков здесь можно выделить язык R.

SQL язык запросов, который позволяет получать информацию из табличной базы данных, объединять таблицы, делать выборку по колонкам и строкам. Для работы достаточно базовых знаний и навыков быстро писать запросы. Более продвинутый уровень написания скриптов с уклоном в максимально оптимальное исполнение обычно востребован уже у разработчиков и дата-инженеров.

Визуализация данных это представление отчетов в наглядных формах: графики, таблицы или диаграммы. Есть группа инструментов, которые помогают комплексно работать с данными и представлять отчеты в реальном времени продуктовой команде, например Tableau, Qlik Sense, Power BI.

Google Analytics, Яндекс.Метрика, Firebase, Appmetrika, Appsflyer инструменты, которыми чаще пользуются маркетологи-аналитики, но некоторые данные могут пригодиться продуктовому аналитику: источники трафика на сайте, события продуктовой воронки и какие-либо дополнительные значимые события.

Перспективы и зарплата аналитика продукта

Карьера продуктового аналитика в большинстве компаний состоит из стандартных этапов:

  • Junior. Им доверяют подготовку данных, простой анализ, написание скриптов. Джунам достаточно знать основы статистики, Excel и SQL, уметь визуализировать данные и писать простой код. Обычно они работают в команде с наставником.
  • Middle. Решает задачи средней сложности. Он лучше разбирается в инструментах, но знает еще не все нюансы работы, устройства бизнеса и продукта, поэтому тоже редко решает задачи один. Однако уже умеет задавать бизнесу правильные вопросы при обсуждении очередной задачи.
  • Senior. Специалист этого уровня хорошо понимает рынок и специфику продукта. Некоторые из них могут обходиться без дата-инженера и разработчика в команде, так как сами прекрасно разбираются в коде и настройке баз данных. Кроме владения основными инструментами, senior обладает развитыми soft skills и умеет организовать работу команды.

Карьерный трек развивается по экспоненте: примерно каждые полтора года на новой ступени навыки и знания аналитика растут в цене. В итоге успешные специалисты, которые развивают еще и управленческие навыки, становятся тимлидами. Кроме того, продуктовый аналитик может не ограничиваться одним работодателем, а брать заказы на фрилансе и работать из любой точки мира.

В среднем аналитики зарабатывают около 155 тыс. рублей. Новичкам предлагают от 80 тыс., а самые высокие зарплаты в направлении — более 300 тыс. рублей.

Министерство цифрового развития составило список топ-50 самых востребованных профессий в российском IT, который основан на данных HeadHunter, Superjob и Хабр.Карьеры. Вакансии удаленных аналитиков составляют примерно 20% спроса, и наиболее высокий интерес работодатели проявляют именно к продуктовым аналитикам: эта профессия находится на 6-м месте в рейтинге.

Где учиться

Высшее образование в этой профессии — скорее базовая необходимость, чем конкурентное преимущество. По результатам «Нормальных исследований», у 94% аналитиков есть диплом об образовании и только 6% смогли начать работу без него.

Начать учиться бесплатно можно с помощью книг, блогов и вебинаров.

Книги помогут понять принцип работы с продуктом специалистам, которые до этого делали упор на технические навыки:

Вебинары это способ познакомиться с направлением и задать вопросы опытным специалистам:

Подпись: Вебинар «Удаленный аналитик: must have-инструменты + лайфхаки по началу карьеры»

Можно записаться на онлайн-курс, получить теоретические знания и выполнить несколько проектов. На курсе «Продуктовая аналитика» вы освоите четыре блока: продуктовое мышление, клиентская аналитика, А/В-тестирование, Data Driven культура. Преподаватели из топовых компаний поделятся опытом и научат применять навыки в реальной работе.

Курс

Продуктовая аналитика

Освойте продуктовый подход в аналитике за 4 месяца. 

  • Тренажер SQL в подарок
  • Преподаватели  из Яндекса, МТС, Ozon, VK 
  • 2 больших проекта в течение курса

Получить скидку

Какие курсы вам подходят

Специализация «Продуктовая аналитика»

От 10500 Р/мес

4 мес

Подробнее о курсе

Профессия «Аналитик Данных»

От 5750 Р/мес

6 мес

Подробнее о курсе
(рейтинг: 5, голосов: 2)
Добавить комментарий