Analityka produktowa bez ściemy – rozmowa z Michałem Witkowskim

To podejście top-down, ono właściwie możemy je zgeneralizować na wiele innych obszarów, to znaczy to nie tylko dotyczy analityki. To jest perspektywa pięciu, dziesięciu lat i nie będziesz potrzebować człowieka, będzie taniej i szybciej zapytać AI, do którego jest podpięty zbiór danych. Data driven to jest w ogóle samo myślenie data driven w ogóle dla mnie, wracając jeszcze Tomek do tego twojego wątku, jest po prostu pułapką. Kwestia ryzyka właśnie, że jeśli chcemy być w stu procentach data driven, to tak naprawdę trochę chcemy powiedzieć, to my nie chcemy podejmować żadnego ryzyka. I teraz jakby jaki jest koszt nie podejmowania żadnego ryzyka? Prawdopodobnie nieskończony. Jest naprawdę spore znaczenie jakiegoś tam czynnika A na czynnik E. Nigdy w życiu bym na to nie wpadł.

Ale analityka nie jest po prostu danymi. Dane są tylko narzędziem. Analityka jest bardziej o myśleniu, tworzeniu wiedzy i przekazywaniu wiedzy dalej. Nie istnieje na świecie, pokaż mi, jedną dużą firmę produktową, która nie robi analityki. Cześć, witajcie w podcaście Dodane do backlogu. To podcast, który wziął się z naszych rozmów o product managemencie.

Dzisiaj naszym specjalnym gościem będzie Michał Witkowski, psycholog i wieloletni praktyk analityki produktowej, współzałożyciel Action Center. Action oferuje czterogodzinne intensywne szkolenia z analityki Tomek z Product Academy. I Kuba z Mix Maxa. No dobra, Michał, czy na początku chciałbyś jeszcze coś więcej powiedzieć o sobie, czy zaczynamy?

Analityka produktowego. Chciałbym mieć taką funkcję. Myślę, że też wiele osób nie ma takiego luksusu, więc od czego zacząć? Jak postawić pierwsze kroki? W ogóle dzięki za update z Zendeska, bo pracowałem tam jakiś czas temu, byłem analitykiem produktowym, ale wygląda na to, że musiało się tam pozmieniać rzeczy. I teraz tak, pytasz od czego zacząć. Generalnie analitykę warto zacząć od wiedzy, czyli zastanów się, bo sprawa jest w ogóle prosta, ona nie jest łatwa, ale jest prosta. Musisz zacząć od wiedzy, czyli dowiedzieć się w ogóle czym jest analityka, z czym się ją je. I analityka, jakby o tym jeszcze pewnie będziemy trochę rozmawiać, ale analityka nie jest po prostu danymi.

Dane są tylko narzędziem. Analityka jest bardziej o myśleniu, tworzeniu wiedzy i przekazywaniu wiedzy dalej. I teraz musisz się nauczyć tego, czym jest analityka i to najprościej zrobić jakimiś kursami online, szkoleniami. Przez kursy rozumiem właśnie takie coś ala bootcamp, długie spotkania. Mogą być szkolenia jakieś kick-offowe, mogą być darmowe materiały online. Chodzi o to, żebyś nabrał poczucia, że wiesz, gdzie zacząć. Poznasz moment, kiedy jesteś gotowy, żeby przeprowadzić pierwszą analizę po tym, że masz w głowie plan, jak zabrać się do analizy, żeby wydobyć użyteczną wiedzę. Czyli masz pytania badawcze i wiesz, jak się do niego dobrać. Czyli co? Czyli Michał, ta analityka to nie jest select gwiazdka from? W sensie chodzi mi teraz o to, żebyśmy sobie zdefiniowali pojęcia.

W takim razie zdefiniujmy sobie pojęcia dla uporządkowania dyskusji. To w takim razie jak zdefiniować? Co to jest ta analityka, jeśli nie jest prostą QR-ką w SQL? Dobra, to analityka może zdefiniuję ją funkcją, którą pełni w biznesie. Analityka Ma na celu tworzenie nowej wiedzy i stosowanie jej do podjęcia zyskownych decyzji. To wszystko z użyciem metod ilościowych. Czyli kluczem w analityce nie są dane. Kluczem jest wiedza. Ja od zawsze powtarzam, że gdyby analityka polegała na wróżeniu z fusów, uczyłbym się wróżenia z fusów. Jakby po prostu szukam najbardziej obiektywnego, najprostszego, najlepszego sposobu opisania rzeczywistości w dużej skali, który daje mi wiedzę o tym, czego aktualnie potrzebuję. Aktualnie w 2025 roku wypada, że to jest analityka.

Gdyby to było coś innego, pewnie zajmowałbym się czymś innym. I teraz analityka posługuje się danymi ilościowymi i metodami ilościowymi i tam jest miejsce na tego twojego SQL-a, ale tam jest też miejsce na Excela, tam jest też miejsce na webankietę, tam jest też miejsce na wiele innych narzędzi Google Analytics, Google BigQuery. Pytona, Airflowy i inne wszystkie narzędzia do przetwarzania danych, ale narzędzia są wtórne. Twoim celem, twoim zadaniem jest zadanie pytania badawczego, dobranie odpowiedniego zestawu danych i poszukanie w tym zestawie danych odpowiedzi na pytanie badawcze. O to chodzi w analityce. To, jakich narzędzi i metod użyjesz jest wtórne. To już rozjaśnia? Ja myślę, że... Przepraszam, wyszedłem ze szkolenia dopiero i mam taką manierę, czy to rozjaśnia. No, myślę, że rozjaśnia. Nie, nie. Cieszę się. A, no to pewnie, nie.

Rozjaśnia, rozjaśnia. Zapala się lampka. Ja mam w sumie jeden komentarz i jedno pytanie. Komentarz jest taki, że to, o czym mówisz, że nieważne są te wszystkie narzędzia, Tylko czy dostaliśmy z tego jakiś insight i dzielenie się tą wiedzą, która wyniknęła z pytania badawczego, to jest często w ogóle pomijany nawet punkt przez praktykujących analityków, którzy często na przykład biznesowi dostarczają, hej, 20% użytkowników zrobiło to, 15% z tego zrobiło to, kropka. Nie ma nawet sugestii, co to może dla nas oznaczać, czy tam jest jakiś potencjał, czy jakaś anomalia, którą powinniśmy dalej inwestygować. Nie ma tego ostatniego domknięcia całego tego procesu, czego często brakuje.

To ja sobie pozwolę skomentować Twój komentarz, bo to jest komentarz o tyle ważny w kontekście rynku analitycznego, że to co opisujesz za chwilę zostanie zastąpione przez AI. To jest perspektywa 5-10 lat i nie będziesz potrzebować człowieka, będzie taniej i szybciej zapytać AI, do którego jest podpięty zbiór danych. Dopiero wartość dodana z analityki względem AI jest dopiero w tym, że ty rozumiesz, jakich danych potrzebujesz, dlaczego, w jakim kontekście ich użyjesz i przekazujesz wiedzę, którą znalazłeś w prosty, zrozumiały, dopasowany do odbiorcy sposób. To jest ta wartość, której ci AI nie zabierze jeszcze długo. A to wszystko, co w tej drugiej części technicznej wyciągania danych. Ja się spodziewam, że po prostu w pewnym momencie te narzędzia, większość tych narzędzi, o których mówiłem, po prostu będzie przestarzała, bo wpisujesz query do AI i on ci wyciąga te dane.

I teraz, jak masz to pytanie badawcze, to miejsce analizy jakościowej jest W doborze metody do odpowiedzi na pytanie. Jeżeli masz pytanie badawcze, które zaczyna się np. od pytania dlaczego ktoś coś robi, nie odpowiesz na to ilościowo. Nie ma szans. To jest coś, do czego potrzebujesz metod jakościowych. Jeżeli masz pytanie jak coś robią użytkownicy, najczęściej to będzie metoda jakościowa. Da się odpowiedzieć na pytanie jak coś robią użytkownicy badaniem ilościowym, Ale to musi być bardzo dobrze zawężony i zrozumiany proces. W sytuacji, w której proces ma jakieś rozgałęzienia niewiadome, musisz zdobyć tę wiedzę jakościowo. Musisz to wyeksplorować, bo inaczej nie będziesz w stanie tego zmierzyć ilościowo. Nie da się. Czasami też w ogóle zdarza się, bo w tym uniwersum jest jeszcze trzecia metoda, po prostu podjęcie decyzji. Czasem zdarza się, że próbujesz przerzucić na analitykę i badania odpowiedzialność za to, za co masz odpowiedzialność jako PM.

Jakie mogą być konsekwencje Twoich wyborów, ale wybór spoczywa na Tobie. To jest ta trzecia kategoria. Tak odpowiadając. Ja mogę dorzucić przykład do tej ostatniej historii, o której powiedziałeś, czyli takie przerzucanie jakiegoś ciężaru na analitykę. Jednym z takich przykładów jest eksperymentowanie w poszukiwaniu udowodnienia, kto ma rację w zespole. Czyli powiedzmy, że osoba A uważa, ma opinię, powinniśmy ten przycisk dać w lewy górny róg, a druga osoba uważa w prawy górny róg. Zróbmy eksperyment, żeby się dowiedzieć, kto ma rację. I to jest najgorsze spożycie czasu i energii na eksperymentowanie, podczas gdy Za tym wszystkim powinna stać jakaś mocna hipoteza biznesowa, a nie opiniowa, żeby przeprowadzać takie eksperymenty.

Prawdopodobnie z technicznego punktu widzenia to może działać, tylko problem polega prawdopodobnie na tym, z takim podejściem, że nie znamy wszystkich warunków środowiskowych, które doprowadziły do tego, że ten mamut Czy ten kot, czy to zwierzątko wyglądało w taki, a nie inny sposób. I teraz wracając do analityki produktowej. Zastanawiam się jak Ty podchodzisz, jak sobie radzić z takim podejściem do analityki, która miałaby Taką funkcję wyjaśniania problemów, bo ja rozumiem, że możemy opisać pewne, tak jak powiedziałeś, zachowanie użytkowników, wzorce użytkowników, prawdopodobne motywy, ale wciąż bardzo często nie znamy tej domeny, nie rozumiemy, co się stało przedtem, jakie były warunki środowiskowe tego, że ktoś podjął taką, a nie inną decyzję,

Kiedy często prawdopodobnie stakeholderzy chcieliby tylko i wyłącznie liczbami wyjaśnić pewną rzeczywistość? Co jest pytaniem? Jak grać w analitykę, jednocześnie nie popadając w takie misjonarskie podejście, że liczby nam wyjaśnią rzeczywistość? Wydaje mi się, że to jest taka kwestia, jak bardzo data-driven w firmie mamy być. Myślenie, że hej, to skoro mamy jakby dane, to teraz każdą możliwą decyzję właśnie taką biznesową, produktową podejmiemy na bazie danych, no bo przecież my mamy być data driven, więc powinniśmy na podstawie danych podejmować, a nie na podstawie tutaj, że ktoś coś gdzieś powie, nie?

I każdorazowo, kiedy podejmujesz decyzję, skąd weźmiemy podstawę do zrobienia czegoś, musisz sobie zważyć te koszty i te zyski, które ponosisz w analityce. I kiedy zaczynasz to robić, To dociera do Ciebie na przykład jak kosztownym procesem jest analiza. Przeciętna większa analiza trwa taka dobra duża analiza, których tam dużo wykonywałem, to jest tydzień pracy analityka i przewalenie w zależności od wielkości Waszej firmy od kilku do kilkuset terabajtów danych na bardzo wiele różnych sposobów. I koszty takiej imprezy to jest koszt rzędu od Kilku do kilkunastu tysięcy złotych zależy jak wieloma danymi pracujesz. Czyli kiedy zlecasz analizę to cię kosztuje tyle kiedy ta analiza jest duża.

Kiedy analiza jest mała to takie najmniejsze analizy które mają sens w biznesie mają Godzina czasu. Analityka, do tego przekwerowanie jakiegoś niedużego zbioru danych, utrzymanie narzędzi. To jest kilkaset złotych trzeba liczyć. Przedział dwieście osiemset złotych. Tak bym strzelał. Pi razy oko. Mniejsze analizy. I to jest koszt odpowiedzi na pytanie z użyciem danych. I teraz jak ty wiesz, ile to kosztuje pieniędzy, jak ty wiesz, ile to trwa czasu, bo analiza spowalnia twój proces decyzyjny. Zważ sobie, czy ty chcesz to wiedzieć z danymi, czy nie. Firmy, które mówią, że wszystko trzeba poprzeć danymi, moim zdaniem, po pierwsze, nie przestrzegają tej zasady, tak na pewno nie jest, to jest niemożliwe. I po drugie, marnują dużo pieniędzy na dane.

Absolutnie. Moim zdaniem intuicja jest podstawą do każdej decyzji biznesowej, bo jakby intuicja psychologicznie, intuicja działa tak, że to jest streszczenie Twoich doświadczeń i wiedzy eksperckiej w jakiejś tam prostej decyzji. Intuicja często nie jesteś w stanie jej do końca uzasadnić, ale im jesteś lepszym specjalistą, im masz więcej doświadczenia, tym lepiej to robisz, tak? I jakby zatrudniając seniora PM-a albo kogoś, kto jest mocnym PM-em, Ty zatrudniasz też jego intuicję. Marnujesz zasób, nie korzystając z tej intuicji. To o czym trzeba pamiętać to, że to jest aż intuicja i tylko intuicja. W związku z tym ona będzie tak z mojego doświadczenia z najlepszymi ekspertami z jakimi pracowałem w 10-20% przypadków będzie się mylić i wtedy jakby analityka pomaga. No ale nadal masz 80-90% decyzji, które jak podejmiesz intuicyjnie będzie ok. Więc jakby ja bym się tego nie obawiał.

Data driven. To jest w ogóle samo myślenie data driven w ogóle dla mnie, wracając jeszcze Tomek do tego twojego wątku, jest po prostu pułapką, gdzie możesz wydać za dużo pieniędzy na dane i sparaliżować sobie proces decyzyjny i za bardzo wzmocnić analityków. Nie będę tu publicznie podawał przykładów firm, gdzie analitycy byli za mocni, ale to się kończy tak, że zespół analityczny jest rozbuchany, ma dużo władzy i później przychodzi co do czego i jest zwalniany, dlatego że zamiast, robił to co ma robić, ale firma zamiast podejmować ryzyko biznesowe patrzyła na dane. I skończyło się tak, że nie podjęła ważnych decyzji wtedy, kiedy były potrzebne, nie podjęła ryzyka. To na krakowskim podwórku jeden ze startupów coś takiego zrobił. No i w końcu przyszedł moment, kiedy rzeczywistość i inwestorzy powiedzieli sprawdzam i doszło do bardzo dużych zwolnień. I to jest typowy moment, gdzie przesadzamy z analityką.

Także bądź data driven, Tylko o tyle, odpowiadając Tomku na Twoje pytanie, o ile Ci to służy. Za każdym razem, kiedy widzisz zwrot z inwestycji w tę wiedzę, używaj tej metody. Jeżeli tego nie widzisz, nie używaj tego. W ogóle podział, jeszcze na marginesie, podział na analitykę produktową i na badanie jakościowe, jakby się krótko zastanowić, w świetle tej definicji, którą podałem, jest sztuczny. Bo obie te rzeczy robią to samo, one wam dają wiedzę. To są po prostu różne narzędzia, które biznesowo pełnią tą samą funkcję. W mojej ocenie to jest kwestia pięciu, dziesięciu lat, to dotrze do większości dużych organizacji i po prostu zbliży się do siebie współpraca badaczy i analityków, no bo to jest jakby jedyna logiczna droga, żeby te zasoby najlepiej wykorzystać. Przynajmniej mam nadzieję, że to będzie logiczne. No mi się też wydaje, że to jest po prostu właśnie kwestia tego podejmowania ryzyka, nie?

Tak, a ja bym chyba chciał wrócić do tego pierwotnego naszego wątku, czyli właśnie no jestem tym PM-em, bo fajnie pogadaliśmy sobie właśnie o trochę, nie chcę powiedzieć teorii, bo to jest jakby praktyka też, nie, ale bardziej z takiego modelowego punktu widzenia, ale tak się zastanawiam, no jestem tym PM-em w tej organizacji, która no może już tam jakieś pojedyncze dane, coś tam zbiera, pewnie ma analityksa, może coś tam podpieli sobie pod jakąś hurtownię danych, ale nie sądzę i tak się zastanawiam jakby właśnie, od czego taki człowiek powinien zacząć właśnie, nie? Tak, to wrócę do tego tematu. Fajnie, że się udało wrócić po tych perypetiach analitycznych i definicyjnych. I teraz od czego zacząć? Zacznij, tak jak powiedziałem, zacznij od zrozumienia tego, co ty z tymi danymi chcesz zrobić i po co. Twoim celem jest wykorzystanie tych danych do stworzenia nowej wiedzy, czyli tak naprawdę przeprowadzenie analizy.

Bo mi się wydaje, ale może mnie tutaj popraw, że to prawdopodobnie będą jakieś elementy ewaluacyjne, że w sensie zewalujesz chociaż to, co zrobiłeś za pomocą właśnie analityki, ale może się mylę, nie? I tak jestem ciekaw twojego zdania. Tak, jeszcze budując na tym pytaniu domka, to może gdybyś też mógł powiedzieć, jak też zbudować, postawić sobie dobre pytanie badawcze, jaki przyjąć framework myślenia o dobrym pytaniu badawczym. Dobra, więc tak. Jeżeli chodzi o generyczne pytania badawcze, to najlepsze startowe pytanie badawcze, jakie znam, to jest, jak użytkownicy korzystają z mojej aplikacji. I to jest tak naprawdę pytanie o użycie funkcjonalności twojego produktu czy feature'ów, bo ja wiem, że jest w polskim dyskusja funkcja, funkcjonalność.

Będę mówić feature, bo to wkurza wszystkich porówno. Więc musisz się zastanowić, jakie masz feature'y w produkcie. Musisz się zastanowić, co to oznacza, że ktoś ich używa i później sobie po prostu zobaczyć, jaki odsetek ludzi używa których feature'ów. To jest bardzo fajne pytanie badawcze. Jak często użytkownicy wracają do naszej aplikacji? Co odróżnia użytkowników, którzy wracają do naszej aplikacji od tych, którzy tego nie robią? Co odróżnia użytkowników, którzy konwertują od tych, którzy nie konwertują? Co jest skojarzone z wyższym zaangażowaniem użytkownika? Jakie czynniki wpływają na zaangażowanie użytkownika? Dodam to piąte. Ono jest trudne. Od piątego bym nie zaczynał. Ono wymaga już wcześniejszej wiedzy. Czyli takie bardzo generyczne pytania dotyczące tego, kto do nas przychodzi, co robi w produkcie, kiedy płaci i kiedy odchodzi i dlaczego odchodzi. To są te rzeczy, do których Analityka jest stworzona w tym sensie, że każde narzędzie umożliwi Tobie łatwą eksplorację tego tematu.

Więc robisz te wykresy, klepiesz tą prezentację i ona jest nudna, a na końcu idziesz przedstawić tą wiedzę, którą odkryłeś ludziom, którzy mogą z nią coś zrobić, bo analityk nie powinien być jednocześnie product managerem. Ty nie powinieneś być swoim własnym analitykiem, bo jesteś wtedy tendencyjny i nawet o tym nie wiesz. To powinna być inna osoba. Jedna osoba tworzy wiedzę, druga ją wdraża. Dopiero wtedy to ma sens. No to idziesz prezentować tę wiedzę, opowiadasz sobie o tej wiedzy i nikt cię nie słucha, bo pytanie jest nudne i prezentacja jest nudna. W związku z tym ta prezentacja może iść do kosza, część tej prezentacji, która jest nudna. Więc wstępem do dobrego pytania badawczego jest to, że masz poczucie, że jest jednocześnie użyteczne i ciekawe. Dodam jeszcze, że pytanie, które było ciekawe rok temu, dzisiaj może być bardzo nudne. Na pewno znacie takie rzeczy.

Jak rozpocząć tą przygodę z analityką? Myślę, że teraz już wielu osobom mogła głowa wybuchnąć od naszych meta dyskusji i zastanawiam się, Wspomniałeś też o tym, że idealnie gdy PM nie jest również analitykiem, gdy są to dwie niezależne osoby, rzeczywistość często jest zgoła inna, że na horyzoncie przez najbliższe 5 lat nie będzie analityka w zespole. PM jest dosyć ambitny w tym, żeby zrozumieć jak ci użytkownicy się zachowują w produkcie. Nie mają jeszcze buy-inu od stakeholderów na górze? Czy wierzysz, że istnieje ścieżka, w której oni mogą przebić ten sufit i jak gdyby być championami w organizacji do

Gdzie zacząć w ogóle tworzenie analityki w organizacji? Bo jedną kwestią jest to, W jaki sposób ty Analitykę chcesz rozwijać jako osoba dla swoich potrzeb w organizacji, a drugą jak to zrobić systematycznie, żeby to zadziałało. I ten drugi problem jest dużo szerszy, eksplorowałem go z różnych stron, widziałem różne podejścia i niestety jest tylko jedno, które działa. Spoiler alert, ale o tym za chwilę. Dokończę jeszcze o tych pytaniach, bo jeszcze nie odpowiedziałem Wojtkowi, a ja mam głębokie poczucie, że muszę odpowiedzieć Wojtkowi na pytanie. To jest moja maniera szkoleniowca wychodzi. Muszę dokończyć odpowiedź. Wracając. Jeżeli mamy pytanie, które jest dobre, które zostało przeformułowane pod kątem celu, możemy zrobić jeszcze jedną rzecz. Wziąć sobie to pytanie badawcze i rozbić je na części. I przeprowadzić coś, co nazywam analizą semantyczną. Czyli bierzesz i rozkładasz swoje pytanie, na przykład czym różnią się użytkownicy powracający od niepowracających.

Duży poziom złożoności. I wracając. Jak teraz zrobić analitykę jako... Spróbujmy, spróbujmy ten wątek dociągnąć. Mamy jeszcze trochę czasu, spróbujmy. Jak zacząć analitykę jako osoba pojedyncza, PM? No to musisz po prostu nauczyć się, jak poprowadzić analizę i tą analizę przeprowadzić z użyciem dostępnych narzędzi. I to jest stosunkowo proste, jakby kroki, które sobie wypisałem przed tym spotkaniem. Kickstartuj swoją wiedzę, zrób szkolenie, kurs, przeczytaj książkę, obejrzyj sobie materiały. Zapoznaj się ze swoim narzędziem, wybierz narzędzie. Typowym narzędziem będzie Google Analytics. Częste narzędzia są takie jak Mixpanel, Amplitude, ale narzędzie jest na pęczki. No i prowadź analizę. Nie ma innej opcji. Analityka jest bardzo mocno praktycznym zadaniem i