КЕЙСИ
Аналітичні історії на основі даних для Reface: кейс на курсі Growth Analytics
Український додаток для заміни обличчя у відео чи gif-форматі Reface став замовником на першому наборі курсу Projector з гроуз-аналітики. Для компанії студенти підготували дві аналітичні історії з розбором даних та інсайтами. Розповідаємо, як усе відбувалося.
Тест-драйв курсу: як побудували роботу першого набору
Кураторка курсу Дарина Свірчевська розповідає, що через формат онлайну відчувала ще більшу відповідальність мотивувати студентів, спонукати їх до нових знань і знайомств. Тому розробила власну систему: протягом двох місяців працювали над кожним блоком курсу щоразу в іншому форматі.
1
Блок «Підготовка даних» передбачав не тільки розуміння інструментів для аналізу та різних типів даних, а й роботи функціональних команд, побудови event tracking plan, детального занурення в експерименти та вивчення retention. Десятьох студентів розділили на 3 команди, які протягом 3 тижнів робили домашні завдання разом. Вони мусили обов'язково впоратися до дедлайну — щоразу за 2 дні до обговорень, щоб почути фідбек не тільки кураторки, а й студентів решти груп. Даша переконана: оцінювати чиїсь результати набагато легше після того, як сам виконав те ж завдання і пройшов через ті ж челенджі.
2
Блок «Проведення аналізу» передбачав знайомство з SQL. Студенти працювали поодинці, кожен мав написати власні рядки коду, незалежно від рівня початкового володіння мовою запитів, та всім вдалося зрозуміти її логіку і як покращувати свої скіли далі. Задачею Даші було донести логіку написання запитів, неважливо, йдеться про підрахунок суми всіх активних користувачів за рік (дуже просто) чи ретеншну (складно).
3
Блок «Візуалізація і презентація даних» включав курсову роботу. Тут студенти працювали вже в 2 рандомно поділених групах. Попередньо всі індивідуально виконали одне з головних завдань — складання ідеального дашборду від руки на аркуші паперу. Так студенти тренувалися розповідати історію на основі ідеальних даних, котрі лишень могли уявити. Як здається Даші, тоді ж для багатьох студентів настав aha-момент усього курсу.
З чого все почалося: про запит на партнерство зі стартапом
Для мене було важливо обрати продуктову компанію і запартнеритися так, щоб студенти могли на практиці імплементувати знання для справжнього клієнта. Нам пощастило сконектитись із однією з найбільш цікавих та успішних українських компаній. Разом ми визначили, які саме дані знадобляться для студентів, котрі зможуть поділитися інсайтами для подальшого розвитку. Я ж ставила собі за мету показати на курсі реальний світ аналітики. Адже він далеко не завжди ідеальний.

кураторка курсу в Projector
Про роботу над кейсом для Reface
У кожній з двох груп студенти самі обрали лідера, який приймав фінальне рішення:

  • як робитимуть аналіз;
  • у якому напрямку ресьорчу рухатися;
  • як підготувати фінальну презентацію для клієнта.

Студенти отримали сирі дані від Reface за кілька тижнів до фінальної презентації. Спочатку ознайомились із цими даними, зрозуміли їхню гранулярність і однорідність. Разом пройшлися по кожній колонці таблиці та визначили, що вона підраховує та означає, а також які є variables & measures.
Спочатку ми намагалися зрозуміти, що містить у собі датасет, які величини представлені, в якому часовому діапазоні та на якому рівні гранулярності. Уже після цього треба було провести аналіз і знайти відповіді на цікаві для бізнесу запитання. Ми хотіли дослідити дані так, щоб на презентації донести неочевидні, але вартісні інсайти. В якій локації бракує локального контенту, але у користувачів високий паритет купівельної спроможності? Де компанія недостатньо інвестує у рекламу, а де витрачає забагато? Яким типом контенту користувачі найчастіше діляться? Відповіді можуть допомогти компанії визначити точки росту і слабкі місця.

студентка, User Acquisition Manager у Fabulous
Слайд із фінальної презентації команди Євгена
Другий етап курсової — визначення метрик, які студенти виділяли на основі даних. Студенти акцентували на тому, як представлятимуть фінальну історію і які інсайти хочуть донести. Після цього їм потрібно було сформувати самі аналітичні історії, котрі логічно й поступово розповіли б про інсайти. І на останньому етапі — оформити все це візуально за допомогою Tableau, відформатувати та додати контексту до метрик.
Разом з командою ми намагалися зрозуміти, якого типу гіпотези в нас є і який має бути фінальний проєкт. Для цього побудували високорівневий дашборд з основними метриками продукту на основі наявного датасету. Це дало базове розуміння метрик і потенційне спрямування, де можемо працювати. Водночас побачили ряд обмежень у датасеті, що ще більш звузило кількість напрямів, куди хочемо рухатися. На основі дашбордів визначили, що побудуємо проєкт навколо наступної історії: виявити залежність між кількістю зроблених рефейсів і ймовірністю користувачів стати преміум-юзером (конвертуватись у платіж).

студент, Product Marketing Manager at Gismart
Студенти провели аналіз даних, очистили їх і презентували основні гроуз-метрики:

  • monthly retention;
  • retention curve;
  • growth rate of installs per month;
  • funnel metrics: activation, engagement per action;
  • number of refaces per markets, regions, devices and correlation;
  • distribution of freemium and premium users, what are their behavioral habits.
У проєкті складністю стали Null значення від компанії. Але все ж це дало можливість використати саме те, що в нас було для курсової роботи. Врешті ми зробили робочий дашборд, котрий можна використати для пошуку інсайтів. Якщо його масштабувати, він допоможе відстежувати і воронку, і ретеншн, і спрямовувати правильно у розрізі країн та деяких фіч. Інша складність — комунікація онлайн, з якою таки впоралися завдяки максимальній залученості та підтримці Даші — це перша кураторка, котра настільки хвилюється, щоб студенти зрозуміли все.

студентка, Technical Product Manager у Playtika
Що по висновкам?
1
Студенти курсу занурились у дані, наскільки це було можливо. За відчуттями кураторки, кожен побачив, як багато відповідей можна дати на одне й те ж запитання, якщо його поставити недостатньо точно.
2
Працювати потрібно по максимуму. Як згадує студент Женя, інколи доводилось проводити командні зідзвони до пізньої ночі — наприкінці таких розмов студенти майже засинали. Але вдалося впоратися і зі сном, і з бурхливими дискусіями. Тому він передає подяку Паші за правильно вибудовану комунікацію в групі, Алісі за нереальну енергію та бажання йти до кінця, і Тані за величезну роботу з візуалізацією даних і пошук непростих рішень.
3
Кураторка стала справжньою пейсмейкеркою для студентів. У своїх коментарях для блогу студенти ділились, як Даша мотивувала і підтримувала порадами протягом курсу. Це зокрема допомогло створити сприятливі настрій та атмосферу, як ділиться Наталя.
4
Кожен отримав шанс проявити сильні сторони. Іра розповідає, що цьому посприяла дружба, яка сформулась у процесі навчання. А серед самих студентів були і фахівці проєктного менеджменту, і продуктового маркетингу; спеціалісти, компетентні в аналітиці чи в стратегіях залучення користувачів.
5
Інсайти залишаться інсайтами, поки не будуть втілені. Студенти залишилися задоволені проєктом, адже їм вдалося витягти максимум із отриманих даних. Їхні пропозиції можуть допомогти компанії посилити свої позиції як додатку №1 у галузі розваг, тому за розвитком всієї історії обов'язково стежитимуть.
Щоб також покращити скіли у роботі з даними та попрактикуватися на проєкті для реального замовника, приєднуйтеся до нового набору курсу Growth Analytics.

Редакторка: Тоня Чундак
Головне зображення: the-village.com.ua
Фото із зустрічі: Наталія Азаркіна
Courses
Сподобалась стаття?