Hva er produktanalyse? Den komplette guiden

Vellykkede produkt- og kundeteam trenger produktanalyser for å forstå brukerreisen og ta virkelig kundesentrerte, datadrevne beslutninger. Uten slike analyser flyr du i blinde - og i et hyperkonkurransedyktig landskap holder det ikke å bare levere funksjoner og håpe på det beste.

Men moderne produktanalyse går langt utover forfengelige måltall og grunnleggende rapportering. Det handler om å stille de mest relevante og skarpe spørsmålene og bruke et bredt spekter av data for å koble sammen produktbruk og forretningseffekt.

For å skape bærekraftig produktdrevet vekst trenger dagens team dyp, tverrfunksjonell innsikt som spenner over hele kundens livssyklus. Det betyr innsyn i alt fra brukernes første erfaringer med merkevaren din, til deres første "aha-opplevelse" når de innser verdien av den, til deres daglige bruk av funksjoner, problemer, suksesser og interaksjoner i flere kanaler. Produktanalyser bør gi deg en helhetlig oversikt over alle berøringspunktene som til syvende og sist driver tilfredshet, oppbevaring og kundens livstidsverdi.

Det er her neste generasjons verktøy for produktanalyse er helt avgjørende. Ved å gjøre det enkelt å forene, visualisere og modellere komplekse bruker- og atferdsdata på tvers av kanaler, gir Warehouse-native verktøy som Optimizely Warehouse-Native Analytics produktsentrerte selskaper et 360-graders overblikk over kundeopplevelsen.

Denne omfattende guiden tar for seg det grunnleggende om produktanalyse, utforsker utviklingen av moderne verktøy, deler tips fra den virkelige verden og viser hvordan Optimizely Warehouse-Native Analytics' fremtidsfokuserte tilnærming tar produktanalyse til neste nivå - for alle i bedriften.

Hva handler produktanalyse om?

Kort fortalt handler produktanalyse om å utnytte brukerdata og atferdsinnsikt for å informere om strategi, drive innovasjon og optimalisere kundeopplevelsen. Fra å avdekke detaljert brukeratferd til å avdekke "hvorfor" bak kundefrafall, handler det om å bruke data til å drive bevisst, kontinuerlig forbedring og vekst basert på fakta - ikke magefølelse eller instinkter.

Hvorfor produktanalyse er viktig

Produktanalyser eliminerer gjetning og gir mulighet for datainformert beslutningstaking i hele organisasjonen.

Viktige fordeler med effektive produktanalyser er blant annet

• Validering av produkt-markedstilpasning ved å analysere aktivering, adopsjon og kritiske "aha"-øyeblikk
• Prioritering av produktveikart med stor innvirkning basert på bruk av funksjoner, fastholdelse og inntektseffekter
• Optimalisering av hele brukerreisen ved å koble sammen omfattende produkt-, markedsførings-, salgs- og supportinnsikt
• Minimere frafall ved å identifisere drop-off-punkter og adferdsmessige faresignaler som kan føre til risiko for å beholde brukerne
• Demokratisering av datadrevne beslutninger med selvbetjente analyser som er tilgjengelige for alle roller i hele organisasjonen
• Nøyaktig måling av den nøyaktige effekten av hver lansering, hvert eksperiment og hvert vekstinitiativ ved hjelp av kohortanalyser og mer
• Muliggjøre effektiv produktstyrt vekst ved å knytte produktdata til markedsføring, salg, support og ekspansjonsmålinger

Hvem bruker produktanalyse?

Bedrifter som fokuserer på produktstyrt vekst, vet at effektive produktanalyser skaper verdi i hele organisasjonen, ikke bare i produktteamene.

Produktsjefer validerer hypoteser ved å kartlegge adopsjon av funksjoner i forhold til nedstrøms konverteringer og inntekter. De prioriterer veikart basert på kvantifiserte effektmålinger, måler hver lansering/release og knytter endringer til strategiske KPI-er.

Vekstteamene tilskriver markedsførings- og anskaffelsesinnsatsen i toppen av trakten hele veien til aktivert produktbruk, konverteringer og vedvarende vedholdenhet. De kan modellere nye taktikker ved å utforske hvordan kanaler korrelerer med produktatferd.

Produktoperatører kan effektivisere flyter som onboarding og implementering ved hjelp av innsikt fra omfattende kundereiseanalyser på tvers av produkt-, markedsførings-, salgs- og supportdata.

Kundesuksess-team får innsikt i risikoen for kundefrafall og ekspansjon ved å analysere produktbrukskohorter i sammenheng med andre kundesignaler - og deretter drive rettidige pleiekampanjer.

Markedsføringsteam forbedrer avkastningen på kampanjene sine ved å bygge avanserte segmenter basert på produktkvalifiseringskriterier og kartlegge annonseutgifter i forhold til aktivert bruk gjennom hele trakten.

Ledelsesteam fastsetter datadrevne strategier, OKR-er og vekstmål basert på kvantifiserbare effekter som belyses gjennom enhetlig produktanalyse.

Ved å bryte ned datasiloer og kombinere data om produktbruk og kundereiser, kan moderne, lagerbaserte produktanalyser bidra til smarte, brukersentrerte beslutninger på tvers av selskaper.

Ta en titt på oversikten vår for å lære mer om konvergensen mellom produkt- og markedsanalyse.

Nøkkeltall for produktanalyse

For å kunne utføre effektive produktanalyser trenger teamene innsikt i nøkkeltall som måler brukeradopsjon, engasjement, oppbevaring og mer.

Vanlige produktmålinger inkluderer

Adopsjonsberegninger

Aktiveringsrate

Dette er prosentandelen av nye registreringer som opplever kjerneproduktets verdi, og som foretar en kritisk "aha"-handling. For å måle aktivering må du definere en spesifikk handling, hendelse eller opplevelse som er relevant for produktet ditt. For et prosjektstyringsverktøy kan aktiverte brukere være de som oppretter og deler sin første tavle, mens det for en strømmeplattform for lyd kan være å lytte til X minutter med innhold. Å øke aktiveringsgraden er nøkkelen til å øke veksten i toppen av trakten og vise at produktet passer til markedet.

Tid til verdi
Denne beregningen viser hvor raskt brukerne tar i bruk produktet og når milepælene for verdi etter at de har registrert seg, noe som indikerer vellykket onboarding og aktivering. Du måler vanligvis tid til verdi ved å sette opp traktanalyser og spore rekkefølgen av hendelser og tiden som går mellom registrering og aktiveringsmilepælene. En kortere tid til verdi påvirker nedstrøms inntektsmålinger som konvertering fra prøveperiode til betalt, abonnementsoppgraderinger osv.

Daglige/ukentlige/månedlige aktive brukere

Målinger som DAU, WAU og MAU måler tilbakevendende bruk av produktet ditt. Vedvarende bruk er en indikator på produktadopsjon, vanedannelse og brukerlojalitet, noe som er avgjørende for å holde på kundene og maksimere deres livstidsverdi.

Målinger av engasjement

Øktlengde

Den gjennomsnittlige varigheten av en brukers økt med produktet eller tjenesten din hjelper deg å forstå hvordan brukerne engasjerer seg, og om de får nok verdi per besøk til å komme tilbake. Du måler dette ved å spore tiden mellom start- og slutthendelser for brukerøkten, og ta gjennomsnittet eller medianen for hele brukerbasen. Forbedret medianøktlengde kan også være et tegn på at nye funksjoner eller rettelser er vellykkede.

Bruk og adopsjon av funksjoner

Innsikt i den prosentvise bruken av spesifikke produktfunksjoner, funksjoner eller moduler er avgjørende for å validere utviklingsarbeidet og produkt-markedstilpasningen. Du sporer dem ved å instrumentere produktanalyser på viktige funksjoner og brukerflyter av interesse.

Traktkonverteringer og frafall

Det er viktig å analysere prosentandelen av brukere som fullfører definerte stadier eller en hel reise i produktet ditt, sammenlignet med dem som forlater et bestemt trinn i trakten. Dette hjelper deg med å finne områder der brukerne opplever friksjon i stedet for å bevege seg jevnt gjennom kritiske produktflyter, slik at du kan optimalisere reisen deres. Du måler konverteringer og frafall ved hjelp av traktvisualisering og analyse, og sporer prosessen fra startpunktet gjennom hvert trinn til den endelige konverteringen.

Måling av oppbevaring/frafall

Kundens livstidsverdi (CLV/CLTV)

Dette er prognoser for den totale inntekten en kunde vil generere i løpet av hele sitt engasjement med produktet eller tjenesten din. De vanligste modellene tar hensyn til bruttoinntekt, kundefrafall og faste kostnader. Å øke CLV er et konstant mål for alle selskaper som fokuserer på produktdrevet vekst.

Churn-rate

Hvor ofte kunder sier opp abonnementer eller unnlater å fornye de betalte abonnementene sine (dvs. "churn"), er et nøkkeltall som har direkte innvirkning på vekstpotensialet ditt. Du kan måle churn både i antall brukere (logo-churn) og i prosent av tilbakevendende inntekter (revenue churn).

Selv om disse produktmålingene er viktige diagnostiske verktøy, er det ikke nok å rapportere om umiddelbare hendelser og tall for å virkelig drive produktdrevet vekst.

Produktfokuserte team må forstå produktmålingene i sammenheng med forretningsindikatorer og innsikt i kundereisen, som er i stadig utvikling.

Det kan bety å se produktbruksmønstre i sammenheng med kontoinntekter, eller å koble en spesifikk produktopplevelse eller brukerflyt med høy eller lav lojalitetsgrad. Eller det kan innebære å kombinere data om kilder og kostnader for kundeoppkjøp med produktbruk, slik at du kan forstå nøyaktig hvilke markedsføringskanaler og -segmenter som gir de beste aktiverte brukerne, og identifisere mønstre på tvers av kohorter. Det er også verdifullt å forstå hvordan kundesuksess og berøringspunkter for kundestøtte - som chatter, tickets eller samtalevolumer - henger sammen med vedholdenhet, kundefrafall og ekspansjonsinntekter.

Dette er bare noen få eksempler på mulighetene som ligger i moderne produktanalyse.

Nøkkelen er å ha fleksibiliteten til å stille skarpe spørsmål ved å dele opp ulike datakilder, noe som muliggjøres av komponerbare, lagerbaserte analyseplattformer.

Til det trenger du et nestegenerasjons produkt- og kundeanalyseverktøy som Optimizely Warehouse-Native Analytics.

Utover det grunnleggende: Produktanalyseverktøy i utvikling

La oss ta en titt på de viktigste trendene innen produktanalyseverktøy.

Tradisjonelle BI-verktøy (Business Intelligence) som Looker og Tableau ble utviklet for å levere analyser fra datavarehus som inneholder ERP-, CRM- og andre strukturerte forretningsdatakilder. De er imidlertid begrenset når det gjelder produktanalyse, fordi de ikke er laget for å håndtere store mengder produktbruksdata fra hendelsesstrømmer, og de er avhengige av tekniske analytikere for å kjøre komplekse spørringer, noe som skaper flaskehalser.

Førstegenerasjons produktanalyseverktøy som Heap, Amplitude og Mixpanel ble utviklet for å fylle dette gapet, slik at teamene endelig kunne analysere omfattende data om brukeratferd med funksjoner som trakter, kohortanalyse og segmentbygging.

Disse gamle verktøyene har imidlertid en stor ulempe: De måler og fanger opp produktbruk i "svarte bokser". For å gå utover grunnleggende produktbruksdata og få kontekst rundt forretningsmessige beregninger som inntekter, konverteringer og anskaffelseskilder, har teamene vært nødt til å duplisere og flytte data fra verktøyene til datavarehus for separat analyse.

Som Yali Sassoon, medgrunnlegger av Snowplow, sier det:

"Førstegenerasjonsverktøyene gjorde det mulig for oss å forstå atferd på nye måter , men de begynner å støte på et tak når brukerreisen blir kompleks og vi stiller dypere spørsmål på tvers av flere datakilder."

Nye, lagerbaserte analyseplattformer løser dette ved å kjøre direkte fra et komponerbart CDP-lager som fungerer som én enkelt kilde til sannhet. Neste generasjons verktøy, som Optimizely Warehouse-Native Analytics, gjør det mulig for bedrifter å utforske omfattende førsteparts produkt-, kunde- og forretningsdata.

Optimizely Warehouse-Native Analytics' kraftige selvbetjente datamodellering og visualisering inkluderer et bredt spekter av forhåndsbygde maler og brukervennlige blokker som gjør det tilgjengelig for alle interessenter. Men det er også avgjørende at det gir teamene mulighet til å kjøre ad hoc-undersøkelser, pivotere for å undersøke nye spørsmål og dele opp dataene på alle nivåer. Det gir en enestående tilgang til hele kundereisen, 360 grader rundt.

5 viktige tips for effektiv produktanalyse

For å få mest mulig ut av produktanalysen kreves det et helhetlig, strategisk tankesett og noen viktige beste praksiser. Her er fem tips for å maksimere verdien og effekten av innsikten din.

1. Still de riktige spørsmålene

De beste produktanalysene kommer fra en tydelig definisjon av de viktigste målene eller utfordringene du ønsker å løse.

Yali i Snowplow sier det slik:

"Du bør alltid begynne med å spørre deg selv: Hva er spørsmålet vi ønsker å få svar på? 80 % av verdien frigjøres hvis du bare stiller de riktige spørsmålene. De beste produktsjefene er de som bruker dataene til å stille de mest interessante spørsmålene."

Hvilke spørsmål du stiller, vil avhenge av organisasjonens unike behov og mål, men et godt utgangspunkt kan være følgende spørsmål

"Hvilke introduksjonsflyter fører til høyest produktaktiveringsrate og kortest tid til verdi?"

"Hva er de viktigste forskjellene i brukeratferd mellom kunder som fornyer på premiumnivå, og de som slutter etter ett år?"

"Hva er de viktigste grunnene til at kundene kontakter kundestøtte i løpet av de første 60 dagene, og hvordan påvirker det den langsiktige kundelojaliteten?"

"Hvordan skiller produktbruksmønstrene seg mellom innkommende SQL-kunder som har brukt salgsmarkedsføring, og de som har brukt en spesifikk betalt annonseringskanal?"

Effektiv produktanalyse handler ikke bare om å få frem tall: Det handler om å dykke ned i "hvorfor" gjennom stadig smartere oppfølgingsspørsmål. Det er derfor ad hoc-utforskning, som gjør det mulig å veksle mellom rapporter og utsnitt av data, er så viktig for å finne svar.

2. Utfør omfattende instrumentering

For å drive robust produktanalyse må instrumenteringen fange opp alle meningsfulle brukerinteraksjoner og atferdsdatapunkter på tvers av nettsteder, apper, servere og andre digitale grensesnitt.

Vi anbefaler at du tar utgangspunkt i et sammensatt lager når du instrumenterer.

Optimizely Warehouse-Native Analytics samarbeider med de beste instrumenteringsverktøyene i klassen, som Segment, RudderStack og Snowplow. Dette gjør det mulig for datateam å samle inn, transformere og laste inn detaljerte hendelsesstrømmer sammen med andre kilder i lageret.

Med en sammensatt CDP-arkitektur blir alle førstepartsdataene dine en enhetlig, sikker ressurs for produktanalyse og -utforskning.

3. Samarbeid på tvers av funksjoner

Ved å bryte ned organisatoriske siloer kan du få rikere produktinnsikt knyttet til reell forretningseffekt.

I en netthandelsbedrift kan for eksempel samarbeid mellom produktanalyse-, markedsførings-, salgs- og kundesuksessteam avdekke blokkerende faktorer som økt frafall av kunder som bruker en bestemt betalingsmetode - noe som ville vært vanskelig for teamene å fange opp isolert sett.

Implementer prosesser som ukentlige datagjennomganger på tvers av teamene, Slack-kanaler for deling av funn, lunsjmøter med fremvisning av brukstilfeller, åpen deling av datamodeller/dashboards og mer. Dette er enklere å få til hvis alle teamene jobber med data fra et datalager med én sannhetskilde.

Bruk av verktøy med tydelige, selvbetjente datavisualiseringer gjør det også enklere å dele nøkkelinnsikt på en overbevisende og lettfattelig måte med en rekke ulike interessenter.

4. Kontinuerlig overvåking av nøkkeltall

Automatisert overvåking og varsling av kritiske produkt-KPI-er gjør at du kan gripe inn proaktivt før du ender opp med å måtte slukke branner. Det er også en god måte å raskt oppdage positive trender og muligheter på.

I Optimizely Warehouse-Native Analytics kan du bygge produksjonsdatamodeller og angi kontinuerlig overvåking med varsler basert på definerte regler, tilpassbare terskelverdier og støyreduksjonskontroller.

Du kan for eksempel bli varslet hvis en ny funksjons adopsjonsmåling faller under det forventede intervallet, slik at du raskt kan teste og tilbakestille om nødvendig. Eller oppdag når en ny aktiveringsflyt begynner å gi bedre resultater enn den opprinnelige.

Kontinuerlig overvåking holder deg koblet til produktet ditt, og avdekker både risikoer og muligheter i sanntid.

5. Velg riktig verktøy

Alle disse beste praksisene for produktanalyse krever selvfølgelig at du har det rette verktøyet for å få frem pålitelig, meningsfull og handlingsrettet innsikt på en effektiv måte.

Generelt sett bør du se etter fleksible verktøy som kan kombinere hendelsesdata med andre kilder, muliggjøre selvbetjent ad hoc-datautforskning og unngå å skape flere datasiloer.

Optimizely Warehouse-Native Analytics' warehouse-native-plattform inneholder alle disse funksjonene - og har hjulpet mange selskaper med å utdype produktanalysen.

For eksempel erstattet det spillbaserte treningsselskapet Ergatta eldre digitale produktanalyseverktøy med Optimizely Warehouse-Native Analytics' nestegenerasjonsløsninger. Dette gjorde det enkelt for dem å kombinere data om bruk av tilkoblede apper med innsikt i markedsføring, demografi, abonnementer og supportbilletter - noe som forbedret time-to-market og innføring av nye programmer/funksjoner, samt reaktivering og reengasjement av inaktive brukere.

"Optimizely Warehouse-Native Analytics er den hellige gral innen produktanalyse. Du trenger ikke å flytte dataene dine noe sted. Den sitter direkte på datalageret, ser på tvers av alle datasett og støtter både tradisjonell BI-analyse og moderne hendelsesorientert produktanalyse. Det er også selvbetjent, slik at du kan utvide rekkevidden og effekten til alle i organisasjonen, ikke bare tekniske team."

- Chang Yu, produktdirektør hos Ergatta

Fremtidsfokusert produktanalyse

Etter hvert som selskapene satser på produktdrevet vekst, har det blitt helt avgjørende å ha de beste produktanalysefunksjonene i klassen. Tradisjonelle verktøy og fragmenterte datakilder er rett og slett ikke nok.

For å virkelig forstå kundene dine, optimalisere opplevelsene deres og oppnå bærekraftig vekst, trenger du analyseverktøy som bygger på en fremtidsrettet datastack.

Det er akkurat det Optimizely Warehouse-Native Analytics' komponerbare, warehouse-native tilnærming leverer. Ved å gi alle team muligheten til å analysere hele kundereisen på en fleksibel måte gjennom selvbetjent datautforskning, revolusjonerer Optimizely Warehouse-Native Analytics hvordan produktsentrerte selskaper driver vekst.

Hvis du er klar til å ta produktanalysen din til neste nivå, kan du be om en demo i dag.