019: Analityk vs PM - wdrażanie analityki produktowej - Kajo Rudziński (KajoData.com)

Ale chcemy wprowadzić jakiś nowy feature do tego sklepu. Na przykład chcemy wprowadzić sprzedaż subskrypcyjną. Mamy sklep spożywczy. Wiemy, że Mąka, jajka, mleko schodzą regularnie ludziom. Super by było, żeby ci ludzie nie musieli do nas jeździć i teraz wybierać sobie, czy tam kupią u nas, czy u konkurencji, tylko my im będziemy to mleko dostarczać. Oni mogą sobie kupić, co miesiąc przyjedzie taka partia mleka. Czyli masz dwa różne produkty. No i teraz mamy dwa różne podejścia. Ja na początku zaszkicuję, a ty mi później powiesz, które cię bardziej interesuje.

Jeżeli mamy produkt od zera, w przypadku Kajo Data Space, to głównym problemem, paradoksalnie, z mojej perspektywy, jest to, czego nie mierzyć. Bo zachęta tego, żeby mierzyć wszystko, żeby od razu sobie ustawiać całe imperium KPI-ów, testów AB, eksperymentów, jest olbrzymie, szczególnie jeżeli ktoś ma jakiś taki analityczny drive. Więc trzeba się zastanowić, co jest w ogóle najważniejszą rzeczą, na której się skupimy, bo zazwyczaj mamy mniej czasu, niż tam się wydaje. I to jest ten jeden scenariusz, powiedzmy. A drugi scenariusz, To jeżeli jesteśmy w miejscu, gdzie nadbudowujemy, gdzie naszym produktem jest feature, naszym produktem jest jakaś zmiana, jakieś usprawnienie, no to my już coś wiemy o tych klientach.

My już coś wiemy o tym produkcie matce, że tak powiem. Więc na podstawie tego produktu będziemy próbowali spojrzeć, co ten nowy produkt ma dodać, więc być może będziemy musieli Mierzyć jakąś dodatkową rzecz, innymi słowy tutaj będziemy się zastanawiali np. czego nie mierzyliśmy wcześniej, co nam pomaga w rozwoju tego produktu, co nam pomaga w dostarczaniu wartości, też zarabianiu mówiąc wprost, no bo dlatego tworzymy te produkty. Ale w taki sposób, żebyśmy się dowiedzieli czegoś nowego, bo być może będzie istniała możliwość na sprzężenie zwrotne. Bo to, że my się dowiemy czegoś o tym nowym produkcie, o tym nowym feature, powie nam coś o tym produkcie matce, o tym z czego my w ogóle wychodzimy.

Albo wyobrażam sobie inną sytuację, że okej, to może spróbujmy nie na tych ogólnych, tylko wyobrażamy jakiś feature, to bardziej skupmy się na przykład na ewaluacji tego feature'a. Jakby skupiamy się na bardzo małym, wyselekcjonowanym fragmencie po to, żeby odpowiedzieć sobie na bardzo konkretne pytanie, jaki ten feature miał w ogóle wpływ na Nie wiem, ile osób też go, nie wiem, skorzystało z niego, ile do niego wraca i tak dalej. Trzecie, może jeszcze sobie mówię o dwóch podejściach, jeszcze widzę jakieś tam trzecie, że można sobie po prostu zadawać, okej, to na jakie pytanie badawcze chciałbym sobie odpowiedzieć i pod to tak naprawdę początkowo ustawiać bardziej analitykę. Jak się zadają jakby, gdzie ten punkt jakiejś takiej zaczepienia najczęściej, gdybyś widział, że nie mam w organizacji w ogóle, chciałbym wdrożyć i zastanawiam się jakby, gdzie byłoby najbliżej, nie?

Trzeba być bardzo ostrożnym, porównując różne produkty do siebie, bo wydaje mi się, że nawet my, porównując nasze produkty, operujemy na zupełnie innej skali, zupełnie innych możliwościach. Więc nawet jeżeli mówimy, Tu kurs online, tu kurs online. To mogą być różne rzeczy. Jeżeli z kolei powiesz, jeżeli wrócimy do tego innego scenariusza, czyli scenariusza korporacyjnego, dużej firmy, biznesu, która ma już swoje produkty i teraz naszym produktem, który my wprowadzamy, jest jakiś nowy feature, jakaś nowa odmiana tego produktu, tak? Ale to wtedy ta satysfakcja klienta jest kluczowa na przykład, nie?