Product Analytics

​​Что такое Модели вовлеченности и как они помогают развивать продукт.

via @ProductAnalytics

​​Наверняка еще не все знают, что для устройств с iOS14.5+ в рекламном трафике из Google Ads теперь на замену идентификатору кликов GCLID пришли два новых идентификатора: WBRAID и GBRAID. Они генерируются на уровне групп пользоваталей, чтобы трекинг конверсий работал в рамках App Tracking Transparency от Apple. WBRAID назначается трафику, который из приложений приходит на web-страницу, а GBRAID — наоборот, при переходах из web-страниц в приложение. Чтобы все правильно работало нужно:

1) Если у вас есть собственная система аналитики с какой-то логикой определения источников трафика — нужно учесть в ней, что источник google / cpc стоит определять не только, когда в URL есть gclid но и gbraid, wbraid get-параметры.

2) Ваш веб-сайт должен поддерживать новые get-параметры gbraid и wbraid (а не отдавать 404 ошибку, как это иногда бывает).

3) Для трекинга конверсий внутри приложения — в запросах должен передаваться последний известный gbraid параметр. Обычно, для этого достаточно просто обновить до посследней версии SDK Google Analytics for Firebase.

4) Для трекинга конверсий на web-сайтах — нужно использовать gtag.js или Google Tag Manager.

Подробнее почитать про это можно здесь и здесь.

via @WebAnalyst

​​Интересно о распределении временных интервалов между покупками с примерами кода на R.

via @ProductAnalytics

​​О выборе правильных метрик для разных категорий продуктов.

via @ProductAnalytics

​​В сети появился небольшой каталог полезных SQL-запросов и функций, его обещают дополнять новыми фрагментами кода.

@BigQuery

​​Актуальное и полезное обсуждение о решениях ограничения трекинга.

За круглым столом: Павел Мрыкин (Calltouch), Дмитрий Осиюк (MacPaw, автор канала @WebAnalyst), Алексей Никушин (Матемаркетинг, автор канала @internetanalytics), Игорь Селицкий (SegmentStream) и Алексей Бирюков (Андата, Цифровой паспорт).

via @ProductAnalytics

​​Как посчитать выгоду от изменений пользовательского опыта?
Примеры расчета ROI в UX в зависимости от внедренных решений.

via @ProductAnalytics

​​Хороший пример моделирования спроса на продуктовые "бандлы" и выгоды от подобных предложений.

via @ProductAnalytics

​​Хорошая статья о том, как выжимать максимум пользы из результатов экспериментов.

via @ABtesting

​​Руководство по удержанию клиентов:

https://neemz.medium.com/a-guide-on-customer-retention-efforts-40a6efbd5db1

via @ProductAnalytics

Apple все больше и больше ограничивает работу first-party cookie. В браузерах Safari c ITP2.2 (на macOS 10.14.5+ и на iOS13+) все cookie поставленные через Javascript метод document.cookie ограничиваются во времени хранения на 24 часа, если при переходе на сайт соблюдаются два условия:
- HTTP Referrer содержит домен трекинговой системы (например: google.com, facebook.com и тд)
- В конечном URL есть URL-параметры (например: gclid, fbclid, utm_source).

То есть, если пользователь браузера Safari вернулся к вам на сайт спустя 24 часа с момента последнего рекламного визита — у вас в системе аналитики появляется новый пользователь и все конверсии будут атрибутироваться другому источнику трафика. Это касается как новых, так и старых пользователей.

Решение проблемы: установка cookie через Set-Cookie в HTTP response headers, то есть переход на Server-side трекинг, например через GTM.

via @WebAnalyst

Любите инновационные продукты и прорывные бизнес-модели? Тогда рекомендуем подписаться на Disruptors🚀

Консультант по стратегии разбирает кейсы роста, стартапы с незаурядными фичами, технологические и отраслевые тренды и многое другое. С примерами, простым языком и с юмором

Подписывайтесь на @disruptors_only

​​Хороший пример оптимизации отклика на рекламные активности через анализ результатов A/B-тестирования от Starbucks.
Описание решения с примерами кода на Python.

via @ProductAnalytics

​​Жизненный цикл пользователя в приложении. Пример с описанием от команды Google Play.

via @ProductAnalytics

​​Пример игровой аналитики с использованием Data Studio и общедоступного набора данных игры Flood it в BigQuery.

@BigQuery

​​Что замедляет работу пользователя при использовании продукта. Типы препятствий. И как продуктовая аналитика помогает их устранять.

via @ProductAnalytics

​​Принципы работы с данными от Uber:

https://eng.uber.com/ubers-journey-toward-better-data-culture-from-first-principles/

via @ProductAnalytics

​​CSAT (customer satisfaction score) - метрика, которая показывает, насколько клиенты довольны продуктами и/или услугами вашей компании. Тогда как Net Promoter Score (NPS) измеряет лояльность клиентов к компании.
В Microsoft описали как работать с метрикой, в том числе с ее статистической обработкой.

via @ProductAnalytics

​​Культура визуализации данных в Spotify:

https://medium.com/spotify-insights/visual-analytics-at-spotify-3d4221d8686

+ несколько полезных советов по созданию дашбордов.

via @ProductAnalytics

Как лучше организовать аналитическую работу внутри продуктовой компании и как взаимодействовать с аналитиками:

https://www.productandsystems.com/p/product-analytics-series-who-should

via @ProductAnalytics