Кейс: находим драйверы роста в социалке при помощи ML и поднимаем ретеншн

В феврале на Flo Data Meetup я рассказывал про кейс с работы. В нём я применил "классические" методы продуктового анализа и теорию графов.

По итогам ресерча продуктовая команда смогла лучше понять предпочтения пользователей, выделала новый сегмент аудитории, выдвинула несколько успешных гипотез и получила прирост к метрикам.

Доклад изначально готовился для аналитиков, но получил хорошие отзывы от разработчиков, дизайнеров и продакт-менеджеров.

Видео содержит:
– Вводную про продуктовые подходы
– Небольшой обзор на науку Human-Computer Interaction, из которой я люблю брать новые идеи
– Информацию про продукт
– Вопросы на которые стейкхолдеры хотели получить ответы
– Как я перевёл эти вопросы на язык данных и как начал ресерч
– Почему не хватило "классических" методов
– Минимум про матрицы и теорию графов
– Сниппет кода, который поможет самому сделать похожий ресерч
– Как я интерпретировал полученные данные
– Что мы сделали с инсайтами и какой получили эффект в метриках
– Книжки для самообразования
– QnA секцию, из которой вы сможете немного узнать про нюансы работы с данными в Flo + немного обсудили филосовские вопросы 🙂

https://www.youtube.com/watch?v=oozhW3fVAAg