جميع الشركات اليوم تحب البيانات الضخمة ، وسيكون لكل شركة تقريبًا قسم من محللي علوم البيانات. ومع ذلك ، لا يوجد فهم واضح في الصناعة حول من هو محلل المنتج وكيف يختلف عن عالم البيانات أو باحث تجربة المستخدم الذي يركز على الأساليب الكمية.
بشكل متزايد ، هناك قسم من محللي المنتجات الذين:
- تحديد الأهداف والمقاييس ، وتحديد ناقلات تطوير المنتج
- التحقيق في طبيعة الظواهر ، وتحديد العلاقات السببية
- بناء خوارزميات تنبؤية
على سبيل المثال ، بنية متشابهة في الواقع تبدو متشابهة :
في هذه المقالة ، أرغب في تلخيص القليل من المتخصصين المنخرطين حصريًا في تعلُم الآلة ، والحديث عن رؤية دور تحليلات المنتج في Wrike وعن المهام التي يتعين على فريق المنتج العمل بها يوميًا.
النوعي مقابل الكمي
كقاعدة عامة ، يحب المطورون وبيما الأرقام: تساعد البيانات الكمية على التقاط الحالة الحالية بدقة ، وإظهار الديناميكيات ، وتقييم آفاق السوق. غالبًا ما يُنسى أن الأرقام نفسها لا توفر فرصة لإعطاء إجابة حول دوافع الناس ، حول السبب الجذري لاختيارهم والمزيد من الإجراءات.
النوعي قبل الكمي: كيف تدعم الأساليب النوعية علوم البيانات الأفضل
لذلك ، في Wirke ، لا نرسم انقسامًا واضحًا بين المحللين الذين ينظمون البحث النوعي والكمي. على العكس ، في رأينا ، في فريق صغير (هناك حوالي 10 منا) ، نحتاج إلى أن نكون قادرين على الجمع بين هذه المهارات قدر الإمكان ، باستخدام الأساليب الكمية لتطوير أفكار التحليل النوعي ، والتي يتم إجراؤها غالبًا بالاشتراك مع مدير المنتج والمصمم.
في الواقع ، عندما يتعلق الأمر بالبحث ، لدينا توقعات من المحلل. يجب أن يكون قادراً على:
- إيجاد نقاط نمو منتج واعدة
- التحقق من صحة المشكلة عن طريق صياغتها وقياسها
بعد ذلك ، سنتحدث أكثر عن هذين التوقعين ونوضح كيف يقوم المحلل بالضبط بالدور الرابط بين فهم الأعمال للمشكلة والطرق الكمية التي تساعدهم على التوسع والتحقق من الصحة.
1. البحث عن نقاط نمو المنتج
المحلل هو شخص يجد نقاطًا واعدة لنمو المنتج من خلال توسيع نطاق المشاكل والمهام.
الخطوة الأولى في فهم أي مهمة لمحلل المنتجات هي تحديد فئة المشاكل التي ينتمي إليها. عادة ما يتم تمييز ثلاثة أنواع من البحث:
- اكتشاف المشكلة - عندما لا نعرف المشاكل التي يواجهها المستخدمون خارج وظيفة منتج معين. هذه هي عادة مرحلة المقابلة.
- التحقق من صحة المشكلة - عندما يبدو أننا نعرف أن هناك مهام معينة ، ولكننا نريد التحقق من وجود عدد كبير من المستخدمين لها بالفعل. هذه هي مرحلة الاستطلاعات المختلفة.
- التحقق من الحل (التحقق من الحل) - عندما نتحقق من الحلول المحددة بالفعل التي توصلنا إليها أو النموذج الأولي. نماذج أولية أو اختبار تجريبي.
يشارك المحلل في جميع مراحل البحث الثلاث ، ومع ذلك ، فإن التركيز الرئيسي في العمل عادة ما يقع على التحقق من المشاكل والحلول. افترض أن مدير منتج ، إلى جانب محلل ومسوق ، أجرى عشرين مقابلة مع عملاء مختلفين. كيف نفهم أن هذه الاستنتاجات يمكن الوثوق بها وتلك المشاكل التي تم الإعراب عنها ذات صلة بالفعل لجميع المستخدمين؟ كيف يمكن ضمان موضوعية إمكانات التنمية الموجودة من خلال تقييم الحجم؟ بعبارة أخرى ، كيف نتحقق من أن ما وجدناه في المقابلة هو حقًا نقطة نمو محتملة للمنتج؟
لقد اتضح هنا لزيادة استخدام الأدوات والمعرفة للعمل مع البيانات التي تربط البحث النوعي والكمي. لفهم المقياس والعثور على الطريقة الصحيحة لتحديده - هذه هي الكفاءة الرئيسية لمحلل المنتجات. في ما يلي مثال واحد صغير حيث سمح لنا النهج التحليلي بتغيير عمليتنا في جمع آلام العملاء والاقتراب من التحقق من صحتها من قبل فريق المنتج.
التعرف على المحادثات وتحليلها
لدى Wrike قسم من مديري الحسابات (مديري نجاح العملاء ) مهمتهم الرئيسية دعم العملاء ليس لغرض المبيعات ، ولكن لتحسين تجربتهم في استخدام المنتج. يقومون باستدعاء العملاء عبر الفيديو ، ويناقشون آلامهم الحالية ، ويخبرون أفضل الممارسات ، ويقترحون جولات العمل ، ويقدمون تقارير عن حالة تطوير الميزات الجديدة. تم تسجيل كل هذه المحادثات لفترة طويلة ولم يتم استخدامها عمليا من قبل منظمة الأغذية - فضلت البيايم التواصل شخصيًا مع مديري الحسابات من أجل الحصول على فكرة عامة عن ألم العملاء. قد يؤدي ذلك إلى إضافة عنصر "هاتف مكسور" ولم يكشف دائمًا عن السياق الذي واجه فيه المستخدم هذه المشكلة.
كان أحد مشاريع المبادرة لتحليلات المنتجات هو تطوير خط الأنابيب ، الذي حول المحادثة إلى تنسيق نص مفهومة. باستخدام واجهة برمجة تطبيقات Google Speech ، بالإضافة إلى العديد من النماذج الإضافية لعلامات الترقيم ، تمكنا من الحصول بسرعة على فكرة عن مدى بعض المشكلات والمتطلبات للوظائف بناءً على العديد من محادثات المديرين مع العملاء ، بدلاً من المقابلات الفردية . بفضل هذا المصدر البسيط ، كان من الممكن إجراء بحث شامل عن الكلمات الرئيسية المتعلقة ببعض الوظائف أو المشاكل ، وتقييم طبيعة المستخدمين الذين يحتاجون إلى حل معين ، وفهم السياق الذي يظهر فيه غالبًا. الآن نقوم أيضًا باختبار نموذج تحليل عاطفي يساعدنا في التعرف تلقائيًا على متوسط مستوى الرضا عن الأجزاء الفردية من المنتج وإخطار فريق المنتج بذلك.
المحلل هو الشخص الذي يمكنه صياغة مشكلة على المستوى المناسب للتجريد ، وقياسها والتحقق من أهميتها ، وتقديم توصيات للعمل.
بغض النظر عن مرحلة الدراسة ، هناك مستويات مختلفة من الفرضيات (سنناقشها بالتفصيل أدناه) التي تساعد على تقييم تفاعل المستخدم مع المنتج وبناء المزيد من خطط التطوير. هنا ، تنشأ المهمة غالبًا عن التقييم الصحيح للمستوى الضروري من الفرضية ، واختيار أداة لجمع المعلومات أو التحقق من صحتها. في الواقع ، العملية على النحو التالي:
- صياغة الفرضيات - على سبيل المثال: "من المهم للمستخدمين المسؤولين من مجموعة معينة أن يتمكنوا من إصدار الفواتير بناءً على تقرير أسبوعي."
- إن جمع إحصائيات الاستخدام - مهمة تحليلية كلاسيكية - هو فهم ما إذا كانت الأرقام قادرة على الاستجابة للفرضيات الموضحة أعلاه.
- جمع التعليقات - إجراء البحوث من خلال التسويق أو القوائم البريدية أو من خلال أدوات التغذية المرتدة الداخلية
- تحليل النتائج والتحقق من صحتها - التحقق من النتائج على القانون. الصلة
دعنا نتحدث عن الفقرة الثالثة ، لأنه غالبًا ما يميز محلل المنتجات عن مجرد شخص ضليع في الإحصائيات.
جمع الملاحظات
تعتقد العديد من الشركات أنه بعد إنشاء نظام تسجيل ، وربط الخدمات التحليلية مثل Google Analytics بمنتجها ، ينتهي إعداد منصة للتحليلات هنا. ومع ذلك ، لسوء الحظ ، مع هذا النهج ، يتم نسيان أهم عنصر - الحاجة إلى تعليقات من المستخدم ، والقدرة على سؤاله في الوقت المناسب حول مهامه والصعوبات التي يواجهها.
وبالتالي ، من الأهمية بمكان أن يكون لدى الفريق أدوات كافية لاستجواب المستخدمين بشكل غير ملحوظ وجمع التعليقات منهم ، ليس فقط من خلال نوع من مسح التسويق ، ولكن أيضًا من خلال آلية داخلية.
نستخدم أداة QFF الداخلية (نموذج التغذية الراجعة النوعية) لصياغة الفرضيات والتحقق منها والنظر في سيناريوهات تجربة المستخدم المحتملة كهرم ثلاثي المراحل (المنتج → الميزة → التفاعل):
- مستوى المنتج
- مستوى الوظائف
- مستوى التفاعل المحدد
دعنا نتناول بالتفصيل كل واحد منهم بمزيد من التفاصيل ونوضح المقاييس التي نستخدمها لفهم مشاكلهم.
1. مستوى المنتج
هنا ، من المهم بالنسبة لنا أن نفهم الأجزاء الأوسع والأكثر وظيفية من مسار تجربة المستخدم. هذه هي الرغبة في العثور على إجابات لأكثر الأسئلة العالمية ، سواء كانت راضية عن المنتج ككل أو مع مجموعة الوظائف لحل مهمة واحدة (على سبيل المثال ، قد يتطلب تنسيق الإجازات التفاعل بين وظائف التقويم وحالات المهمة وخوارزميات الجدولة وما إلى ذلك).
لا توجد مقاييس منظمة بوضوح يجب تطبيقها في مثل هذه المواقف ؛ فهناك دائمًا فروق دقيقة. ومع ذلك ، كقاعدة عامة ، في هذا المستوى من التجريد ، نتحدث عن مقاييس NPS (صافي نقاط المروج) أو مقاييس SUS (مقياس قابلية استخدام النظام). المقاييس ليست بلا منازع ، ولكن ، كقاعدة عامة ، فهي مع ذلك معايير الصناعة وتساعد على توجيه الذات لتحديد الأهداف على نطاق عدة أرباع.
2. مستوى الوظيفة
على هذا المستوى ، نطرح أسئلة أكثر تحديدًا تتعلق مباشرة بوظيفة معينة. من المثال أعلاه - يمكننا بالفعل أن ننظر بشكل منفصل ليس في مشكلة "تنسيق العطلات" بشكل عام ، ولكن لا نأخذ سوى جزء محدد من المنتج ، على سبيل المثال ، التقاويم. ما مدى ارتياحهم للإدراك؟ لماذا يستخدمها الناس؟
اعتمادًا على مرحلة بحثنا ، قد لا تختلف الأسئلة فحسب ، بل أيضًا المؤشرات التي نجمعها من مستخدمينا. أبسطها هو مستوى الرضا ، والذي يمكن قراءته من مهمة إلى أخرى باستخدام مقاييس مختلفة (ثلاثة رموز أو مقياس ليكرت) ، CES (نتيجة جهد العميل) - مدى صعوبة أو سهولة المستخدم في تنفيذ بعض المهام.
3. مستوى التفاعل
تتمثل مهمة هذا المستوى في تقييم التكرار المحدد الذي قام به المستخدم مع المنتج (على سبيل المثال ، النقر فوق زر). في الوقت نفسه ، من المهم أن تكون نتيجة هذا التفاعل هي إجراء أو حل معين لا يمكننا قياسه أو السيطرة عليه. كقاعدة ، نتحدث هنا عن مستويات الرضا وتبني بعض القرارات اللاحقة: على سبيل المثال ، هل فهم المدير ، بالنظر إلى التقويم ، عندما يكون الموظف في إجازة؟ هل تنسيق تصدير البيانات مناسب للمستخدم؟ نظرًا لأن جميع الإجراءات الإضافية تحدث فقط في رأس المستخدم أو خارج منتجنا ، فليس لدينا أي طريقة أخرى لتقييم التكرار.
في الواقع ، مستوى تقييم التفاعل هو محاولة لتقييم مقياس CSAT (رضا العملاء) ، والذي يُستخدم غالبًا في الدعم والخدمات الأخرى حيث تحتاج إلى تقييم حدث معين. في الوقت نفسه ، يمكن أيضًا استخدام مقاييس مثل CES هنا ، ولكن بصيغة "محلية" أكثر.
تحليل النتائج والتحقق من صحتها
بعد إصلاح الفرضيات ، وصياغة الأسئلة وإجراء استطلاعات التحقق الخاصة بنا على المستوى المناسب لتجربة المستخدم مع المنتج ، تظهر مهمة تتطلب مرة أخرى مواهب خاصة من المحلل - هذه المرة في مجال الإحصائيات واختبار الفرضيات.
في الواقع ، بعد كل مسح ، يجب على المحلل التأكد من درجة الثقة التي يمكنك الوثوق بها في النتائج ، بما في ذلك نتائج عملك. هل يؤثر عامل العمل في شركة كبيرة على الإجابة؟ وموقف الموظف؟
يتم فحص جميع هذه الفرضيات بعناية باستخدام الأدوات اللازمة: مثل إجراء اختبار أ / ب بشكل صحيح ، فإن النهج التي تنطبق في كل حالة معينة تعتمد بشكل مباشر على المحلل. وكقاعدة عامة ، يمكن استخدام تحليل الانحدار في كثير من الأحيان ، ومع ذلك ، فهو ليس الحل الشامل الوحيد منذ ذلك الحين لديها مجالات التطبيق والتفسير الخاصة بها. الأساليب المحددة دائمًا ما تكون وفقًا لتقدير المحلل.
بدلا من الاستنتاج
أعلاه ، كشفنا عن حالتين رئيسيتين فقط في عمل المحلل ، وفي الوقت نفسه لم نتحدث عن عمد عن جميع مراحل عمله - وصف مفصل لجميع أنواع البحث وصياغة الفرضيات وجمع البيانات الصحيح يستحق مقالات منفصلة. ومع ذلك ، نعتقد أنه حتى مثل هذه الصيغة رفيعة المستوى للتوقعات من التحليلات وإصلاح الطرق الرئيسية لعملها ستعزز بشكل كبير أي فريق منتج وتساعد على صنع منتجات أفضل.
القدرة على العثور على نقاط نمو في البيانات (بغض النظر عن مدى عدم هيكلتها) ، وصياها بشكل صحيح في الفرضيات ، وتوسيع نطاقها والتحقق من صحتها لجميع المستخدمين الحاليين والمستقبليين - هذه هي الصفات التي تميز محللي منتجاتنا. لذلك ، نعلم على وجه اليقين أن مثل هذه المتطلبات تعطي أفضل النتائج الملموسة ولا تسمح لها بالانزلاق إلى روتين التشغيل ، وبالتالي نوصي بشدة بهذه المبادئ للفرق الأخرى.
وإذا كنت تريد التحدث عن التحليلات الكمية والبيانات الضخمة والبنية التحتية التي تدعم جميع التحليلات في Wrike ، فقم بزيارتنا في اجتماع في مكتب سان بطرسبرج . حسنًا ، أو اذهب فقط للزيارة.