Paulina:
Niektóre podcasty nagrywamy na żywo z publicznością i ten odcinek jest właśnie jednym z nich. Na końcu pojawiają się pytania od naszych słuchaczy i słuchaczek, którzy byli z nami na żywo. Jeśli Ty również chcesz współtworzyć podkast razem z nami, zapisz się na nasz newsletter na Design Practice i dołącz do kolejnego wydarzenia na żywo. Dzisiaj gościmy Michała Witkowskiego. Witamy serdecznie Michale!

Michał:
Cześć!

O początkach i analityce produktowej?

Paulina:
Więc pytanie Michał na początek. Jesteś analitykiem od wielu lat. Opowiedz nam, jak to się w ogóle zaczęło, Dlaczego akurat zajmujesz się analityką?

Michał:
Na relatywnie wielu jednak jestem jeszcze stosunkowo młody. No ale tak od czegoś się zaczęło. Zaczęło się od psychologii. Zaczęło się od tego, że ja absolutnie nie chciałem iść do biznesu, bo biznes zgodnie z wychowaniem, które odebrałem na wsi przez kilkanaście lat swojego młodego życia, jest brudny, pieniądze są złe i niedobre, więc idealistycznie żyłem w świecie, gdzie uczelnia jest prestiżowa, ważna i mądra. Spędziłem na tej uczelni trochę za dużo czasu, żeby w to dalej wierzyć, ale bardzo lubiłem robić badania. Bardzo lubiłem samo poszukiwanie wiedzy, tworzenie, łączenie tych danych. Jakby w zespole badawczym, gdzie pracowałem na UJ z psychologi języka wyspecjalizowałem się w analizach danych, zbiorze danych i przede wszystkim analizach danych. Okazało się niedługo później, po tym, kiedy odszedłem z zespołu badawczego, że jestem potrzebny w jakiejś firmie produkującej gry. I wtedy jeszcze myślałem, bo ja uwielbiałem gry komputerowe, nadal uwielbiam, ale mam na nie mało czasu, wtedy myślałem, że jakby co się dalej potoczy tak, że będę w grach, będę po prostu robił coś z grami, coś, co jest IT. Natomiast to połączenie, które miałem takie dość specyficzne, jak się okazało wyjątkowe i użyteczne jednocześnie, czyli połączenie skilla psychologicznego, analitycznego i taka powiedzmy sobie, a nazwijmy to charyzmą, umiejętność komunikowania wyników czy mówienia w sposób, który jest w miarę ciekawy. Połączone do kupy okazało się, że uderzają w taką małą, ale rosnącą i fajną niszę, którą była analityka I próbowałem jeszcze pójść do tego Game devu pare razy, szukałem rozgałęzień, ale ta analityka się mnie trzyma najlepiej, czyli jakby w naturalny sposób zainteresowanie ludzkim zachowaniem, liczbami i tym, jak łączyć te rzeczy doprowadziło mnie do miejsca, gdzie zająłem się analityką.

Aga:
Super fajne, bo pokazuje też, że można wyjść z takiego stricte humanistycznego obszaru w te jednak właśnie w twarde dane, w biznes, czyli to przed czym się broniłeś Cię dogoniło.

Michał:
Strasznie, ale to w ogóle nie jest humanistyczny, znaczy jest humanistyczny, ale make no mistake, ja od zawsze miałem być matematykiem. Cytat kogoś z mojej bliskiej rodziny "zepsuliście dziecko", jak się dowiedzieli, że nie pójdę na matematykę, tylko na psychologię. Nie zepsuli, jest dobrze wszystko.

Paulina:
Dogoniło Cię przeznaczenie.

Aga:
Poradził sobie.

Michał:
Bardziej chodzi o połączenie właśnie miękkiego, twardego skilla, które w analityce jest mega ważne. To czego ludzie nie rozumieją, że analityka jest równie istotnie w analityce jest zdolność takiego twardego skilla, jak takiego miękkiego skilla opowiadania o rzeczach i komunikowania rzeczy odpowiednio.

💡 Chcesz dowiedzieć się więcej o umiejętnościach miękkich? Sprawdź 035 odcinek podcastu Design Practice!

Aga:
Super. No właśnie. To może Michał opowiedz nam czym jest analityka produktowa, bo to jest takie hasło gorące, ale być może nie każdy miał styczność, albo ma jakieś wyobrażenie, że to są tylko te liczby, data engineering itd. Jak byś mógł opowiedzieć o tym ze swojej perspektywy, no bo w tym siedzisz. Więc czym jest analityka produktowa?

Michał:
Trochę w tym siedzę, trochę w tym siedzę, Więc tak, analityka produktowa co do zasady, w ogóle jeżeli chodzi o samo słowo analityka, ono na rynku IT jest stosunkowo rozmyte. Analityka jest, czy analityk, czy analiza jest używana do wielu miejsc, na wiele sposobów, do wielu ról, tutaj panuje duże pomieszanie pojęciowe i ono jeszcze dopiero się układa, czy czy dopiero powstają standardy, w ogóle konwencje nazewnictwa na rynku. Więc to, co mówię, jest jedną z konwencji, tą, którą ja znam i wydaje mi się, że w tym momencie jest najpopularniejsza. Jest to nie jedyna rzecz, różni ludzie różnie to nazywają, ale o co chodzi w analityce produktowej? Do rzeczy. Mianowicie analityka produktowa czy inaczej analityka behawioralna, behawioralna jest podgrupą produktowej, powiem o produktowej. Analityka produktowa to analiza tego, w jaki sposób, w najprostszym rozumieniu, ludzie zachowują się w kontakcie z produktem, a produkt zachowuje się w kontakcie z ludźmi. Czyli mówimy tutaj o kontekście produktu cyfrowego. Można prowadzić analitykę produktową produktu nie cyfrowego, ale zbiór danych staje się wtedy podchwytliwe. Wyobrażam sobie, że Tesla mogłaby prowadzić analitykę produktową, czy nie wiem Ocado ma np, robotyczne ramiona i automatyzację magazynów warehouse'ów. Przypuszczam, że też mogliby prowadzić analitykę fizycznych przedmiotów, jakim są te roboty, ale co do zasady raczej analityka produktowa ogranicza się w 99 procentach do analityki produktów cyfrowych w ten sposób pojętych. Myślisz, że to jest dobra definicja, czy coś powinienem jeszcze poszerzyć? Czy jasno to powiedziałem?

Paulina:
Tak, tak, zdecydowanie.

Dzień w pracy analityka

Aga:
Tak, jakbyś mógł opowiedzieć właśnie o takich zadaniach analityka produktowego. Żeby tak sobie to wyobrazić, przychodzę do pracy i co? Co się dzieje?

Michał:
Co ciekawego się nie dzieje. Bo tak sobie przypominam teraz w ogóle to o czym nie powiedziałem, to teraz pracuję jako niezależny konsultant, jako szkoleniowiec. Jakby ktoś był zainteresowany szkoleniami zapraszam witflow.com

Paulina:
Polecamy, polecamy!

Michał:
Z Igą Mościchowską zrobiliśmy naprawdę spoko. Natomiast próbuję sobie wrócić pamięcią do dni, kiedy pracowałem jako np. menedżer zespołu analitycznego albo pierwszy analityk zatrudniony w firmie, który ma założyć dopiero zespół, byłem w tej sytuacji dwukrotnie i myślę, że barwniejsze są opowieści z pierwszego analityka zatrudnionego w firmie, który ma zakładać zespół. Więc to, co się dzieje, to no tak przychodzisz rano do pracy i robisz sobie kawę, może jesz śniadanie, może już zjadłaś, a może nie masz czasu go zjeść, bo musisz pracować. Idziesz do kompa, pierwsze co robisz otwierasz maila i patrzysz na np. szef tam pisze Michał, fajna analiza, zbadaj mi jeszcze coś takiego. Ktoś inny pisze jakiś feedback do prezentacji, którą mam, w związku z tym muszę mu odpisać "no hej stary, świetna propozycja, ale nie zrozumiałeś wykresu xyz" i zrobić tak, żeby nie poczuł się przy tym głupi, tylko żeby czuł, że fajnie, że dałeś mi ten feedback, nie masz racji, to Cię edukuje, ale tak naprawdę to on ma poczuć, że to on jest fajny. I tutaj już zaczynamy w warstwie komunikacyjnej analityki. Nie jesteś w stanie prowadzić analityki, jeżeli ludzie nie rozumieją, co do nich mówisz, więc przez cały czas pracy analityka trzeba dbać o to, jak komunikujesz te rzeczy. I to jest bardzo ważna część zadań, to jest około jednej trzeciej do połowy pracy. Jeżeli chcesz tą pracę wykonywać dobrze, natomiast to nie jest wiadomo, to nie jest sedno pracy, ponieważ może się zdarzyć, że na przykład jest duży task typu Michał coś się popsuło w jednym z naszych produktów zobacz ilu użytkowników zostało zaafektowanych. I wtedy to, co robię, biorę sobie ten produkt, weźmy na to grę komputerową i zaczynam wyciągać dane. U mnie akurat konkretnie to wyglądało tak, że siadałem sobie najpierw do kartki papieru czy do tablicy. Ogólnie bardzo lubię pracować koncepcyjnie, tak ruchliwe czy ruchowo.

I następnie na tej podstawie wyciągałem sobie informacje związane z tym, czego będę potrzebować, jakie metryki potrzebuję, na jakie pytania chcę odpowiedzieć, jakie źródła danych będą konieczne, w jaki sposób je ze sobą połączę. Jak już miałem plan i pomysł co z tym zrobić, czy możemy iść dalej, to siadałem do Pythona i klepałem kod w Pythonie, wyciągałem dane z Pythona, przetwarzałem je najczęściej w Tableau, moje ulubione oprogramowanie. Najgorszy soft jaki wymyślono BI, ale nie ma lepszego. I z Tableau przerzucałem później dane do Excela po to, żeby zwizualizować je w PowerPoincie. Jest to długa ścieżka, ale jedyna, która daje naprawdę optymalną kontrolę nad tym jakie wizualizację pokazujesz. W jaki sposób, w jakiej kolejności. Przynajmniej jedyna w takim prostym setupie, bez kombinowania z narzędziami, bez zbędnej automatyzacji. Później, kiedy taka analiza już była gotowa leciałem do Chief Product Officera i mówiłem mu "Ej Stary tutaj wyszło nam to xyz i ogólnie zaafektowanych było 10000 ludzi, prawdopodobnie straciliśmy tam 18 tysięcy złotych czy ile, natomiast 9000 z tego po odblokowaniu serwerów ponownie ludzie i tak zapłacili, bo po prostu zapłaciliby to w trakcie, więc straciliśmy efektywnie tylko 9000 zł". Czyli opowiadam o tym, odpowiadam na pytanie badawcze i próbuję opowiedzieć jednocześnie co z tego wynika i staram się też wyszukiwać jakichś dalszych ścieżek, np. Hej, co spowodowało to ten, ten, tamten? Czy np. było jakieś nietypowe zachowanie użytkowników, czy może przyszło dużo botów w tym czasie itd. Także tak wygląda typowy dzień analityka.

Aga:
Taki śledczy.

Michał:
Dość intensywnie, tak, to jest strasznie, strasznie mocny theme w analityce. Polega na tym, że to jest praca, która przypomina pracę archeologa albo detektywa, ale takiego książkowego. Jak dobrze to robisz, jak zaczynasz się dobrze dogadywać z danymi. To co się dzieje, to tabele i wykresy opowiadają ci zdania, dają ci wskazówki, dają ci hipotezy albo kolejne pytania badawcze. I te hipotezy są takimi okruszkami, jeżeli np. zastanawiamy się, w którą stronę powinniśmy rozwijać produkt, to możemy sobie wziąć, wykonać analizę i zobaczyć z czego ludzie korzystają, z czego są sfrustrowani, z czego nie są sfrustrowani, ale my nie dostaniemy tych odpowiedzi wprost w analizie ilościowej, kliki nam nie powiedzą, czy ktoś jest sfrustrowany. Chyba, że odpowiednio te kliki zbadamy, wtedy możemy stworzyć hipotezę "a są sfrustrowani częściej w tym miejscu odpuszczają, częściej w tym miejscu, rzadziej używają tych miejsc". I te dowody zaczynają się zbierać do kupy i w toku analizy, I dlatego to jest analiza, dlatego to się ostatecznie nazywa analizą, bierzesz dowody i ważysz sobie, które są ok, które nie, które się składają i jaką całą narrację z tego opowiedzieć. Na końcu to co dostajesz to właśnie taka prezentacja. Zestaw wykresów, zestaw wizualizacji gdzie opowiadasz jak wyglądało Twoje rozumowanie i dlaczego uważasz, że to rozumowanie jest najbardziej poprawne, najpełniejsze. Dużo pracy detektywistycznej. W takich momentach jest, to jest fajne, lubię.

Czy polskie firmy są data driven?

Paulina:
Super! Czyli jesteś takim detektywem, który tłumaczy liczby na ludzki? I teraz pytanie, bo jesteś osobą, która pracowała w wielu firmach. Jesteś teraz freelancerem, więc masz taki ogląd tego, jak wygląda rynek. Więc pytanie moje do Ciebie brzmi jak to wygląda w Polsce? Czy te produkty faktycznie są data driven, czy może mamy z tym w Polsce trochę jeszcze problem? Jak Ty to widzisz?

Michał:
To jest, to pytanie trochę otwiera puszkę Pandory, dlatego, że problem sięga głębiej niż bycie data driven. Data driven to jest tylko jakiś buzzword, w którym próbujemy podejmować decyzje dotyczące strategicznego rozwoju produktu i decyzje dotyczące takie taktyczne, codzienne, co robimy z produktem, bazując na danych. I w tym sensie to się w Polsce dzieje. I z tego, co obserwuję, to się dzieje w coraz bardziej niszowych, coraz starszych, coraz bardziej wymagających transformacji produktach. To dociera do takich różnych niszowych zakątków sieci, gdzie ludzie jeszcze płacą przekazami pocztowymi. Dzisiaj miałem sytuację, gdzie jedną z metod płatności, którą oglądałem był przekaz pocztowy. Ok, i chłop z którym rozmawiałem powiedział mi "płacą, czasami nawet przychodzą do biura". <śmiech> Ok, jest to metoda płatności, więc i tam też jest coraz większy nacisk na dane. Rozumieją potrzeby związane z tymi danymi i ta kultura data driven rozwija się w Polsce, rozumiana jako zbieranie danych, żeby podejmować na ich podstawie decyzje. Natomiast to nie oznacza, że polskie firmy są data driven, dlatego że cała zabawa polega na tym, że analityka ma wspierać strategię, a w Polsce analityka próbuje zastępować strategię. Ludzie myślą, nie wiedząc, dokąd zmierza ich produkt, że będą w stanie, mierząc odpowiednie rzeczy, zastąpić sobie własny namysł kim jesteśmy, dokąd zmierzamy i jak chcemy tam dotrzeć, że analityka jakoś magicznie im to powie. I to jest właśnie moment, kiedy właśnie dochodzi do wielu rozczarowań w analityce. I to jest coś, co w Polsce nie działa. Czyli jesteśmy data driven pod kątem tego, że Polacy czy polskie firmy rozumieją potrzebę danych. Instynktownie szanujemy dane, instynktownie rozumiemy wagę analityki, bo to jest przecież matematyka, to jest obiektywne, ale nie umiemy z tego korzystać.

I w tym sensie, w tym głębszym sensie spinanie analityki z funkcjonowaniem całej firmy, poszczególnych działów i sprawianie, że tak za metaforą analityka jest oczami, biznes jest mózgiem, oczy tylko dostarczają obrazu, biznes musi zdecydować, co z tym zrobić, jak to zinterpretować. Zgodnie z tą definicją jeszcze nie jesteśmy data driven w Polsce. Natomiast to też nie jest tak, że świat jest jakoś super data driven, bo umówmy się kilku gigantów jest, sporo takich średnich firm próbuje być, ale na przykład jedna z korporacji, którą którą dobrze znałem. Przykład z całkiem niedawna musieli całkowicie przeorać swój team analityczny, bo okazało się, że nie funkcjonował optymalnie, więc po prostu doszło tam do dość dużych przetasowań personalnych, żeby nie wchodzić w szczegóły. Także absolutnie to nie jest tak, że data driven się dzieje wszędzie na świecie. Polska jest zapóźniona pod tym względem, ale tylko trochę.

Aga:
A czyli nie jest tak źle.

Michał:
Nie, nie jest źle.

Giganci data driven oraz czy i kiedy zespół analityczny jest potrzebny?

Paulina:
A mógłbyś wymienić tych gigantów czy firmy, które szanujesz pod kątem data driven właśnie?

Michał:
Szanuję, to nie jest dobre słowo. Czuje respekt, jest lepszym. Szacunek jest bardzo złożonym konceptem w kwestii mówienia o danych, dlatego, że dane stają się takim dość niebezpiecznym narzędziem, od kilkunastu lat to rośnie i ten temat staje się coraz poważniejszy, nośniejszy. Powstało RODO w odpowiedzi na te procesy, no ale one sobie postępują. Te firmy, które uważam, że robią dobrą robotę z danymi i uważam, że można je stawiać za przykład organizacji, które faktycznie są data driven to Google, oczywiście Facebook, Spotify. Zastanawiam się jeszcze nad jakimiś dużymi przykładami. To jest trójka moich idoli jeżeli chodzi o wykorzystanie danych. Jest tego więcej, ale jakby nie chcę w tym momencie wymyślać za dużo.

Aga:
Wspomniałeś o tym, że analityka powinna wspierać strategię, że ta strategia powinna być twardo stąpać po ziemi i ta analityka ma ją wspierać. Więc to jest jednak korzyść, taka synergia między tymi dwoma obszarami. Jakie jeszcze są korzyści z tego, że wdrażamy analitykę w swojej firmie, poza tym, że oczywiście gdzieś tam możemy badać pewne decyzje. To jakby tak wymiernie co, co taki founder ma z tego, że zainwestuje w zespół analityczny?

Michał:
Korzyści, korzyści jest dużo tak naprawdę, jest w ogóle cała lista. Możemy to podzielić na korzyści związane z tym, co dostarcza analityk dla firmy, czyli jakie są takie rzeczy, że jakieś pdfy, jakieś dashbrodziki, jakieś produkty, które faktycznie można wziąć i pokazać np. inwestorom, przychodzi inwestor inwestuje 2 miliony w analitykę i pyta "dobra to co za te 2 miliony ja kupiłem". I pokazujecie dashboardy, raporty, wnioski. Natomiast to są takie korzyści, którymi ciężko analitykę reklamować czy budować, już tak nawiązując do tematu, do tematu rozmowy, którymi ciężko argumentować, no bo jakby raport robią wszyscy, dashboardy robią wszyscy, bardzo mało osób robi to dobrze i to na całym świecie. I to nie jest nic spektakularnego. Natomiast takie bardziej abstrakcyjne korzyści abstrakcyjne w sensie wysoko poziomowe, strategiczne, nie takie namacalne korzyści, ale korzyści, które po prostu od czasu do czasu się przewijają i z biegiem czasu stają się ważne, oczywiste, ludzie lubią po prostu brać takie za z góry dane, z angielska take for granted, po prostu uważają, że to jest to jest to jest coś oczywistego, czyli po prostu w jaki sposób analityka może wrosnąć w biznes tak, żeby była korzystna dla biznesu? To w dwóch takich blokach lubię o tym myśleć.

Pierwszym jest analityka, jest zespół produktowy, czyli analityka produktowa mierzy zachowanie użytkowników i mierzy zachowanie samego produktu. Siłą rzeczy zespołem, który jest zdecydowanie najbliżej tych danych, najbliżej użycia tych danych i czerpie z nich najwięcej korzyści, jest zespół produktowy, czyli designerzy, Ux, product managerowie, być może jacyś liderzy inżynierscy zależnie od organizacji. I przede wszystkim analityka produktowa umożliwia podejmowanie trafniejszych decyzji. Czyli często jest tak, że founderzy, project managerowie jak są doświadczeni, mają dużą intuicję związaną z tym, po co produkt jest potrzebny, jakie jest zapotrzebowanie rynkowe, dokąd ten produkt idzie, ale intuicja się załamuje, kiedy tylko zaczynamy rosnąć, kiedy zmieniają się czasy, kiedy zmienia się grupa użytkowników, kiedy dzieje się coś nieprzewidzianego. Intuicja nie wystarcza, bo intuicja jest pewną sumą doświadczeń, która pozwala nam przybliżyć w jakiś sposób to, co się dzieje w rzeczywistości. Ale jak odpowiednio długo będziemy podążać tylko intuicją, zaczniemy być ślepi, po prostu błędy, które będziemy popełniać, zaczną się nawarstwiać. Analityka pozwala temu szybko zapobiegać. Czyli kiedy mamy jakąś intuicję dotyczącą produktu, np. nasi użytkownicy są niezadowoleni z tego, jak wolno działa strona, to możemy tę intuicję zwalidować, wystarczy, że zmierzymy, ile czasu ładuje się strona, że zmierzymy, czy użytkownicy odchodzą, czy nie w zależności od tego, jak długo się ładuje ta strona, wytyczymy sobie granicę, powyżej której ludzie zaczynają odchodzić, kiedy strona ładuje im się za długo i bam! Wiemy już czy strona ładuje się za długo, czy nie, zwalidowaliśmy czy sprawdziliśmy intuicję i to jest tym ważniejsze, im większym produktem jesteśmy. Kiedy zaczynamy się rozrastać na nowe rynki, kiedy zaczynamy się rozrastać do nowych grup docelowych, albo po prostu nowe źródła ruchu do nas przychodzą, zaczynają się ci ludzie zachowywać inaczej niż to, co znamy. I wtedy analityka produktowa staje się wręcz niezbędna, żeby cały czas utrzymać kontakt z klientem na bardzo wysokim poziomie, powierzchownym to nie jest dobre słowo, ale bardzo szerokim, nie wchodzącym w głąb to jest lepsze, nie wchodzącym w głąb jako przeciwieństwo czy uzupełnienie badań jakościowych.

Czyli pogłębienie badań jakościowych, to jest kolejny zysk z analityki produktowej. Czyli jeżeli mamy sobie jakieś badania jakościowe, to bardzo często spotykam się z badaczami UX czy z ludźmi, którzy zajmują się badaniami jakościowymi, którzy posługują się takim sformułowaniem, ono jest właśnie dość intuicyjnie pojmowane przez wszystkich skalowanie badań jakościowych i to umożliwia analityka ilościowa. Czyli jeżeli macie dział badań jakościowych, to badacze jakościowi prawie na pewno będą wam wiercić dziurę, żeby zrobić też badania ilościowe, dlatego że badanie jakościowe po 5-10 badanych po prostu się wyczerpują. Powyżej 10 badanych ciężko wyłowić nową wiedzę, jeżeli jesteś dobrą, badaczką, to ciężko Ci będzie wyłowić nową wiedzę, a po 20 po prostu się tego nie da zrobić. Czyli dochodzisz do pewnej granicy wiedzy, którą możesz uzyskać swoim nakładem pracy i chcesz zrozumieć dobra, przebadałam tych 20 ludzi, ale co dalej, jak mamy 100 tys. użytkowników i użytkowniczek. No to gdzie te 20 osób do nich? I to co robi analityka ilościowa, to bierze te wnioski, jest w stanie sprawdzić na bardzo szerokiej skali, czy one się potwierdzają w szerszej populacji, znaleźć błędy w tym rozumowaniu, znaleźć potwierdzenia, uzupełnić tę wiedzę i w razie potrzeby wrócić do analityki jakościowej z nowymi pytaniami badawczymi, bo na przykład znajdujemy coś nieoczekiwanego i pojawia się pytanie o to, skąd to się wzięło, dlaczego ludzie klikają w to miejsce w interfejsie, przecież my tworzymy grę komputerową, a oni robią z tego jakiś czat do rozmowy i w ogóle social media próbują zrobić z naszej gry, o co chodzi. Czyli tego typu problemy, to nie są problemy, tego typu odkrycia są właśnie takim fajnym napędzaczem między badaniami ilościowym i jakościowymi.

To jest tez kolejna rzecz. I co z tego wynika? Dla zespołu produktowego dostajemy w ten sposób dużo pełniejsze zrozumienie użytkowników i produktu. No i to przekłada się na to, że jesteśmy w stanie lepiej wyznaczać kierunek rozwoju produktu zarówno taktycznie z gatunku, która funkcjonalność jest ważniejsza w tym momencie do rozwoju, bo dotyka większą ilość ludzi albo więcej ludzi jest sfrustrowanych, albo więcej ludzi czerpie z nich wartość, jak i bardziej strategicznych w stylu w czym jesteśmy naprawdę mocni, co powinniśmy zrobić, gdzie powinniśmy zainwestować, żeby ten produkt się rozwijał. I to jest korzyść dla zespołu produktowego. Natomiast zespół produktowy jest jedynym zespołem, który czerpie korzyści z tego, że rozumiemy lepiej naszych użytkowników, bo inne zespoły w firmie prawie wszystkie też czerpią, w zasadzie wszystkie mogą czerpać, poza HRem, mogą czerpać korzyści z analityki, z analityki produktowej. Zarząd będzie w stanie lepiej tworzyć strategię produktową. Jeżeli wiesz, kim są Twoi użytkownicy, jesteś w stanie lepiej budować strategię produktową. Marketing jest w stanie lepiej targetować reklamy, nie wywala pieniędzy w błoto na impresje reklamowe, które kończą się odbiciem użytkownika. Technologiczny zespół jest w stanie zyskać na tym, że zostaną ustalone jakieś SLI, SLO, czyli graniczne wartości jakby tego, jak sprawnie ma działać interfejs, które sprawią, że produkt wreszcie da im święty spokój i nie będzie mówić "ooo, to coś za wolno chodzi naprawcie to" tylko po prostu jesteśmy w stanie wyznaczyć, umawiamy się, jeżeli strona ładuje się dłużej niż sekundę, rzucacie wszystko i to naprawiacie, jesteście z tym okej, jesteśmy z tym okej, bo widzimy, że to kosztuje firmę pieniądze. Czyli tutaj zespół technologiczny jest w stanie skorzystać. Customer support jest w stanie powiedzieć, jakie są paint pointy, gdzie ludzie się gubią, co jest problemem i w związku z tym my jesteśmy w stanie dostarczyć informację, że np "hej,  spodziewajcie się większych problemów tego typu", albo "hej, dzięki za ten input, poprawimy to, żebyście mieli mniej pracy". Obsługa dużego klienta jest w stanie czy customer success, jak zwał tak zwał, nie jestem fanem tej nazwy stanowiska w ogóle, ale Customer Success Management ma wgląd, dokładny wgląd w to co ludzie robią z produktem. Czyli załóżmy, że Customer Success sprzedał produkt, który jest automatyzacją marketingu, a ludzie robią z tego książkę telefoniczną, to może istnieje ryzyko, że taki klient odejdzi. Może trzeba go doedukować, może trzeba mu pomóc z tym produktem. Czyli korzyści jest bardzo dużo i wszystkie związane są z tym, w jaki sposób twórczo wykorzystać wiedzę o tym, co robią użytkownicy z produktem, jak zachowuje się produkt w kontakcie z użytkownikami.

Paulina:
Super. Dzięki za to obrazowe wytłumaczenie. I właśnie mówisz tutaj o bardzo dużych liczbach, o wielkich ilościach użytkowników, wspominałeś właśnie o tych gigantach technologicznych i jak to jest np. z mniejszymi produktami i mniejszymi firmami? Czy to jest tak, że każdy powinien inwestować w analitykę czy właśnie nie każdy i powinniśmy może znać jakiś pułap od kiedy powinniśmy w to inwestować?

Michał:
To jest tak, to jest ważne pytanie, dlatego że istnieją pewne takie granice, one są rozmyte oczywiście, nie ma algorytmu żadnego, natomiast istnieją pewne granice, poniżej których nie ma sensu inwestować w analitykę i powyżej których jak nie inwestujesz, to po prostu tracisz. Potencjalnie dużo tracisz na rynku. Czyli tak, może skupię się po prostu na tych granicach, dam takie diy - jesteś firmą czy inwestować czy nie?

Kiedy nie inwestować w analitykę? Nie inwestować w analitykę praktycznie w ogóle, kiedy dopiero startujesz, kiedy startujesz, jak jesteś w fazie wzrostu produktu, czyli tam gdzie szukasz dopasowania do rynku, zastanawiasz się co konkretnie powinien robić produkt, jaki problem rozwiązywać, na czym będziesz zarabiać pieniądze. Inwestuj w badania jakościowe i to nie jest wskazówka, to jest wręcz nakaz, jeżeli chcesz mieć naprawdę dobry produkt, zainwestuj trochę w badania jakościowe, szeroko pojęte badania UX, ale tak naprawdę w badania rynku na poziomie pojedynczych użytkowników Twojego produktu. Analityka ma tam miejsce tylko w takim w takim sensie, że już tworząc produkt jesteś w stanie przeprowadzić proces analityczny, w którym zastanawiasz się co chcesz osiągnąć, czyli definiujesz strategię i później zastanawiasz się, jak zmierzyć Twój cel, co oznacza sukces i w jaki sposób chcesz to zmierzyć, stawiasz sobie kilka KPIów, o których wiesz, że Ci będą potrzebne nieważne, dokąd Twój produkt pójdzie, KPIów, czyli kluczowych metryk dla tych, którzy nie wiedzą i nie mają tego kontekstu, czyli wybierasz kilka liczb, którymi opisujesz sobie biznes i upewniasz się, że zbierasz dane po to, żeby w przyszłości sobie to policzyć. Jest niefrasobliwością, kiedy jesteś w tej początkowej fazie nie mierzenie ilości aktywnych użytkowników np. raczej chcesz wiedzieć czy masz 10, 100 czy 8000. Natomiast czy potrzebujesz wiedzieć jak dokładnie przeklikują się przez poszczególne podstrony produktu? Nie, to Ci wyjdzie w testach użyteczności, to Ci wyjdzie w obserwacji, w wywiadach. Jest dużo metod jakościowych, które zrobią lepszą robotę. I moment kiedy takie podejście jest sensowne i kiedy się wyczerpuje, to jest do tysiąca użytkowników miesięcznie bym powiedział, roughly do tysiąca użytkowników. Jesteśmy w stanie powiedzieć "ok, nie potrzebujemy badań ilościowych" i prawdopodobnie macie wtedy rację.

Analityka poniżej tysiąca użytkowników miesięcznie może mieć sens tylko w takich bardzo szczególnych przypadkach, np. kiedy zależy nam na bardzo gęstym pokryciu ścieżki użytkownika, bo ci użytkownicy np. płacą po 10 tysięcy złotych każdy miesięcznie i bardzo nie chcemy, żeby oni odeszli, bo każdy z nich jest cenny i wtedy analityka ilościowa ma sens, ale to są niszowe wypadki. Co do zasady poniżej tysiąca szkoda czasu, szkoda pieniędzy. Prawdopodobnie i tak nie ma na to budżetu, wyznaczcie KPI i idźcie se dalej. Szara strefa jest między, około tym tysiącem miesięcznych użytkowników, a dziesięcioma, może dwudziestoma pięcioma tysiącami, ale raczej 10000 postawił jako taką granicę. Tylko zaznaczam, że te 10 tysięcy to ja mówię jako analityk, więc jestem skrzywiony, to może nie być obiektywne. Od tysiąca do 10 tysięcy jest taka strefa, gdzie może się jeszcze okazać, że nie potrzebujecie tej analityki, bo macie dobry kontakt z grupą klientów, bo wiecie co oni robią, bo nie wychodzicie na żadne nowe rynki, bo to są ci sami, co zawsze przychodzili, tylko więcej i zmiany, które wprowadzacie, rzeczywiście zaczynają się sprawdzać, ale w okolicach tych 5-10 tys. MAU może już pojawić się potrzeba z gatunku "kurczę, ja nie jestem pewna, czy na pewno dobry ficzer teraz mamy na road mapie, ja nie jestem pewna, czy powinniśmy się skoncentrować na ulepszaniu jakiejś funkcjonalności, którą mamy komunikacyjnej, czy może na ulepszaniu funkcjonalności, którą mamy związanej z samoobsługą produktu",cokolwiek. I na te pytania zaczyna dobrze odpowiadać analityka ilościowa w połączeniu z badaniami jakościowymi i powyżej 10 tysięcy MAU praktycznie zawsze dochodzi do sytuacji, gdzie ludzie zaczynają robić dziwne rzeczy w produkcie. Ze względu na dużą masę ludzi zawsze znajdzie się podgrupa użytkowników, którzy korzystają z tego w sposób przedziwny, niespodziewany dla Was.

Szukam jakiegoś przykładu, właśnie miałem ostatnio taki przykład, że jakaś aplikacja była używana, to była aplikacja do bukowania godzin i była używana w Indonezji czy w innej Malezji przez dowoźnych sprzedawców rzeczy. Używali tego, żeby jeżeli dobrze pamiętam, zabukować godzinę, która tak naprawdę była dostawą, bo to była najtańsza opcja, ponieważ nie trzeba było za nic płacić, tylko po prostu jest darmowa usługa, która zamiast coś schedulować, zamiast ustawiać coś w kalendarzu, po prostu scheduluje, kiedy masz dowieźć komu zakupy. I to była duża grupa użytkowników i to jest takie czemu oni to robią, ale może tego jest dużo, a może z tego będą pieniądze? Czyli w pewnym momencie zaczynają się pojawiać takie edge case użycia i ludzie zaczynają robić dziwne rzeczy i tracimy nad tym kontrolę. I ten moment następuje zwykle właśnie w tych okolicach 5-10 tys. MAU, tak bym powiedział. Jeżeli macie 20-30 tysięcy MAU miesięcznych użytkowników lub więcej i nie robicie analityki, to chyba już naprawdę powinniście, to już jest taki moment, że jak możecie mierzyć to mierzcie. Czy to odpowiada, macie wrażenie, że to odpowiada?

Po co w ogóle jest analityka - jak się za nią zabrać?

Paulina:
Tak, zdecydowanie. I jeszcze takie pytanie pomocnicze do tego. No bo załóżmy, że ok, już mamy trochę tych użytkowników, zdecydowaliśmy się. Dobra, no to należy coś tutaj zmierzyć i ile pieniędzy powinniśmy zainwestować w analitykę na początku? Czy powinniśmy od razu zatrudnić zespół, czy może właśnie freelancera? Czy i generalnie jak się do tego zabrać?

Michał:
Tak, to jest ogólnie pytania z typu strategii biznesowej. I teraz tak jak się za to warto zabrać, to nie inwestować za dużo. Firmy, które przeinwestują w analitykę znam takie, nie pokażę palcem, znam polskie, ale wiecie, że o Was mówię, przeinwestowują w analitykę, mają zespół analityczny, który jest wszędzie i to jest zespół, który oplata po prostu całość, firmy i kosztuje firmę dużo, a w pewnym momencie po prostu stopa zwrotu z tej inwestycji w analitykę przestaje być fajna. To tutaj ma zastosowanie takie typowe prawo Pareto, trzeba znaleźć te 20% problemów, które może rozwiązać analityk, przysłowiowe 20%, które dadzą nam 80% zysku z zatrudnienia analityka. Z mojego doświadczenia taki sweet spot jeżeli chodzi o zasoby, jeżeli chodzi o siły ludzkie, które trzeba inwestować w analitykę i duże dane, to jest od jednego do pięciu procent całości organizacji, czyli na każdy milion złotych jeżeli wydasz między 10 do 50 tysięcy złotych, to są sensowne wydatki, powyżej 50 tysięcy złotych pewnie, prawdopodobnie przeinwestowywujesz, chyba że to jest duża jednorazowa inwestycja, wtedy ok. Poniżej 10 tysięcy złotych, ja wiem, ciężko powiedzieć, czy jakakolwiek wartość z tego będzie, bo jak zainwestujesz za mało, to będziesz mieć erzac zamiast porządnej analityki, to nie zadziała. Czyli tutaj tutaj bym powiedział, że to jest taka inwestycja. Była druga część pytania Paulina, która mi uczkła czy możesz mi przypomnieć.

Paulina:
Tak, ile pieniędzy i jak się do tego zabrać? To znaczy czy zatrudniać, czy właśnie współpracować z freelancerem na przykład.

Michał:
Tak, tak, to to już jest takie pytanie ściśle taktyczne, biznesowe. Jak to zrobić, tutaj odwołam się do tego, po co w ogóle jest analityka? Analityka ma dostarczać nowej wiedzy, która będzie użyteczna, analityka produktowa, w tym kontekście ma dostarczać nowej wiedzy, która będzie użyteczna do rozwoju produktu, walidacji strategii czy sprawdzania, czy idziemy w dobrym kierunku. I dopiero na tej podstawie podejmowania decyzji, czyli analityk ma wyprodukować nową wiedzę. I to kiedy się inwestuje w takie rzeczy, to jest zazwyczaj właśnie rzecz dość wysokiego ryzyka jak jesteś małai jest to rzecz dość kosztowna. Specjaliści od danych są jednymi z najdroższych specjalistów na rynku i np. taki data scientist to jest osoba, która jest w top 10 zarabiających zawodów na świecie i to łącznie z neurochirurgami, łącznie z backend inżynierami czy z prawnikami w Stanach Zjednoczonych, to są najlepiej zarabiające jednostki na świecie i dane ogólnie są dość kosztowne, dlatego że próbując wejść na rynek danych i analityki bezpośrednio konkurujecie z największymi firmami tego świata IT.  Każdy chce mieć dane, każdy chce mieć dobrych inżynierów, więc przygotujcie się na to, że będzie się drogo płacić. I pytanie brzmi w jaki sposób dostarczyć jakiś proof of concept, w jaki sposób pokazać, że analityka może działa i upewnić się, że to jest dobry wydatek dla firmy? Jeżeli jesteście duzi i jesteście lekko zapóźnieni, czyli np. zatrudniacie 100 osób i nie macie żadnego analityka, zatrudnijcie analityka, weźcie se jakiegoś fajnego kogoś, kto rozumie Wasz produkt, czuje to potrafi rozkręcić samodzielnie rzeczy z takim vibem start upowym i po prostu weźcie pierwszą osobę, namaśćcie ją na budowanie analityki i pozwólcie jej działać.

Natomiast jeżeli macie tych osób mniej, dajmy na to 20 albo 50, może nie mieć sensu zatrudnienia analityka, zwłaszcza w małych zespołach poniżej 20 osób, a cały czas może być na tego analityka zapotrzebowanie i wtedy można skorzystać z freelnacera, tylko ich na rynku jest stosunkowo mało w tym momencie, ale jeżeli jakiegoś dorwiecie, absolutnie korzystajcie z freelancera. Można też próbować budować kompetencje wewnątrz swojego zespołu, wybrać osobę, która jest najbliżej tego, typowo PMi, UXi to są takie dwie typowe role, które czują się często dobrze w analityce ilościowej. Wysłać ich na jakieś szkolenie, albo kazać im poczytać materiały, dać im dostęp do danych i powiedzieć: "hej, tutaj odpowiedzcie na pytanie badawcze, powiedzcie mi czy jesteśmy w stanie to zrobić", czyli albo spróbuj znaleźć freelnacera, to jest bardzo wygodne rozwiązanie, bo możecie w każdej chwili powiedzieć sorry stary, nie stać nas albo jednak to nie jest dobry moment, żebyśmy robili analitykę. Stawki będą nieco wyższe niż kiedy robi się to własnym sumptem, ale to jest takie ubezpieczenie, to jest to ryzyko, które ponosi freelancer w takiej relacji biznesowej, po prostu musi być odzwierciedlone w wyższej stawce, dlatego że to jest ta korzyść, którą ma biznes w każdej chwili można takiego człowieka po prostu wyrzucić to nie jest pracownik, można powiedzieć dobra ucinamy wydatki na analitykę, bo nas nie stać, kryzys, cokolwiek. Nie trzeba się nawet tłumaczyć, ale wewnętrznie jak to zrobicie, to zaczynacie budować kompetencje, które później można formalizować, czyli w miarę wzrostu można powiedzieć dobra, ty jesteś dobrą, analityczną Paulina, ja wiem, że ty umiesz UX, ja wiem, że Ty umiesz analizować, pokazałaś mi, potrafisz Pythona, świetna robota! Czy chcesz być na pół etatu analityczką? I heja, jeżeli mówisz, że tak, to się rozwijasz w tę stronę I takich ludzi będzie trochę dlatego, że są różne motywacje, dane są ciekawe, to jest moja motywacja, po prosty lubię dane, ale na przykład dane dają też ciekawe pieniądze. To jest też motywacja wielu ludzi, że dla ludzi, którzy są bardziej business driven powiedzmy, money driven, zorientowani na pieniądz, to też jest argument z gatunku, a może by się przekwalifikować? Dawno nie byłem w Tajlandii, no i z pensji takiego data scientist czy data inżyniera jest łatwiej polecieć na Tajlandię niż na przykład z pensji UXa, w tym momencie w Polsce.

Z UXa w analityka - jak to zrobić?

Aga:
No właśnie, to na chwile wejde Ci Michał tutaj w słowo, bo poruszyłeś wątek dla nas też bardzo ciekawy, bo w naszej społeczności jest bardzo dużo projektantek/projektantów i my same widzimy, jesteśmy w tej branży, czujemy, że w ogóle to myślenie o produkcie, zespoły produktowe, to jest bardzo ważne. I faktycznie na Zachodzie temat produktowy jest teraz na topie i mówi się o tym już UX trochę tak odchodzi w użyteczność jest ważna, ale to właściwie też jest takie naturalne, że my nawet nie musimy mówić, że chcemy, żeby nasz produkt był użytecznie intuicyjny, nie trzeba, nie trzeba podawać tych definicji. Więc pytanie jak z Twoich doświadczeń, obserwacji przychodzi do Ciebie właśnie dużo osób, którzy parają się UXem na szkolenia? Jak Ty widzisz to powiązanie UXowców z analityką, czy faktycznie oni mają szansę, my/oni, mamy szansę pozyskać takie wartościowe kompetencje analityczne, ciągle projektując, bo to też nam to dostarcza frajdy, czy da się zyskać te kompetencje analityczne, robiąc też to, co się lubi, czyli projektować interfejsy, rozmawiać z ludźmi czy organizować jakieś warsztaty dla klientów? Jak połączyć, jak przejść trochę z tej z tej trochę już węższej teraz działki UXowca na takie myślenie o produkcie i właśnie łączenie tych kropek tak jak analityk?

Michał:
Może naturalniejszym kierunkiem rozwoju dla UXa, czy dla projektanta jest product management, który po prostu jako jedno z narzędzi korzysta z analityki i wtedy taka wprawka w analitykę czy takie delikatne tworzenie analiz jest po prostu naturalnym kierunkiem rozwoju, gdzie spędzasz trochę czasu ucząc się analityki, rozumiejąc co to jest. Chodzisz na konferencje, chodzisz na szkolenia, robisz rzeczy i po prostu lepiej ogarniasz temat, ale traktujesz to jako jeden z ważnych klocków w Twoim skill secie, gdzie obok nich masz projektowanie, może programowanie, może skille polityczne, może skille społeczne, komunikacyjne, cokolwiek co jest ważne w pracy PMa.

Natomiast jeżeli chcesz być analitykiem to analityka to jest praca na pełen etat, taki bardzo pełen etat i w związku z tym jeżeli myślisz na poważnie o pracy analityka w pełni, to prawdopodobnie powinnaś się zastanowić nad takim przejściem w stronę analityka czy end gamem, w którym stwierdzasz dobra, ja siedzę w tych danych, chcę to robić, analizuję te dane, to mnie bawi, albo po prostu masz jakieś swoje motywacje, żeby to zrobić. Natomiast najlepsza jest motywacja wewnętrzna, lubię to robić i iść w tą stronę stabilnie. Teraz w jaki sposób się dowiedzieć czy Ty jesteś tym UXem, który może powinien być analitykiem czy nie? Spróbuj sobie przeprowadzić analizę, po prostu zastanów się czy bawi Ciebie analiza. Posłuchaj sobie analiz w innych miejscach, zastanów się czy Ciebie to kręci, czy chciałabyś coś takiego robić w ogóle, czyli czy chciałabyś być w miejscu tej osoby, która to prezentuje i opowiadać publiczności również podobne rzeczy. Na youtubie jest sporo prezentacji. Nie jestem w stanie sobie teraz przytoczyć, ale jest sporo prezentacji, które właśnie pokazują jak wyglądają analizy i dowiedz się czy to jest dla Ciebie, jeżeli jest, to wtedy ustaw sobie ścieżkę rozwoju i to jest rok, dwa lata pracy zanim będziesz w stanie faktycznie wykonywać na stałe analizę i wtedy się przekwalifikowujesz na analityka. Przy czym jeżeli byłaś UXem i byłaś analitykiem, to prawdopodobnie kiedy Ci się znudzi będziesz bardzo dobrym product managerem, ale takim bardzo dobrym, bo poza UXem i analityką produktową zostaje tylko dobicie odrobiny zrozumienia strategii, wyrobienia politycznego i nie ma już nic więcej. I po prostu jesteś kompletnym PMem, a wtedy. Przepraszam jeżeli obraziłem jakiegoś PMa.

Paulina:
No dobra, załóżmy, że że jesteśmy właśnie kimś takim, kto już gdzieś tam płynie sobie w stronę tego dokwalifikowania się w stronę analityki. Ale jeszcze w firmie nie do końca to działa i chcielibyśmy przekonać właśnie swoje szefostwo do tego, żeby zainwestować np. w nasze szkolenie, albo żeby zatrudnić kogoś, od kogo moglibyśmy się uczyć. Jak to zrobić? Od czego zacząć w ogóle?

Michał:
No właśnie właśnie, pierwsze to jakby powołam się tutaj, na Sun Tzu, sztukę wojny, nie idź na wojnę, którą przegrasz, czyli zorientuj się, czy to jest w ogóle możliwe. Sygnały, które są takimi czerwonymi flagami, które mówią nie rób tego Paulina, są następujące, Zarząd mówi tylko o pieniądzach i pieniądze są dla niego ważne, strategię definiuje w kontekście pieniędzy, czyli jaki jest nasz cel strategiczny, urosnąć dwukrotnie w ciągu najbliższego roku, ale jak? Poprzez obniżanie odchodzenia klientów i zwiększanie przychodzenia nowych, to może wskazywać na brak głębi strategicznej, która ciebie będzie bardzo boleć, bo to jest po prostu źle zdefiniowana strategia i jeżeli tego brakuje, to będzie Ci ciężko przebić się przez to pieniądz, pieniądz, pieniądz, pieniądz, pieniądz, więc tutaj inwestycja w analitykę mogłaby być możliwa, ale przegrasz długofalowo wojnę, wygrasz bitwę, którą jest hej pokażemy Tobie, że z analityki produktowej są pieniądze, ale przegrasz dlatego, że długofalowo poza pieniędzmi nie będzie się liczyć nic. Analityka produktowa jednak ma ten aspekt, chce dobrze robić tym wszystkim biednym ludziom, którzy muszą z tym softem pracować, chcę znaleźć miejsca, gdzie możemy mieć największy wpływ jako organizacja na komfort życia tych ludzi. Tam jest pewna misja zaszyta i w takich warunkach tej misji nie będzie. Inna czerwona flaga, to kiedy jest duża zajawka u dołu, ale ona niknie wraz z poziomami w górę, czyli jesteś np. po prostu UXem w zespole produktowym i mówisz chcę robić dane, dane są super, zaczynasz zajawiać ludzi, ale to idzie od ciebie w górę i nie łapiesz w górę kontaktu, ludzie mówią fajne miał, w sumie to jest dobry pomysł, ładnie mi to, Michał opowiedziałeś możesz to sobie robić, możesz na to przeznaczyć 10% czasu. I to się zawsze kończy tak samo, czyli jeżeli inicjatywa jest, ja kiedyś byłem idealistą, myślałem, że to się udaje, to się nie udaje, jeżeli inicjatywa jest oddolna, nie ma wsparcia z góry w analityce, to ta inicjatywa upada, bo przychodzi do poważnego budżetowania, wydawania pieniędzy, wydawania Twojego czasu, ustawiania priorytetów i dostajesz odpowiedź w postaci "panie Michale, to była świetna inicjatywa, Bardzo doceniamy Pana wkład i bezpłatne nadgodziny, które Pan zrobił, ale niestety tutaj są priorytety na ten kwartał, bardzo prosimy, żeby Pan bezpłatne nadgodziny tam pompował". I tak umiera analityka. Czyli tutaj trzeba zrozumieć czy w ogóle jest apetyt u góry na analitykę produktową. Przez górę rozumiem najczęściej zarząd może founderów, może CPO czy tego apetytu nie ma? Jeżeli tego nie ma, to analityka się po prostu nie uda, to musi iść od góry, to musi być w jakiś sposób wewnętrzne poczucie od góry.

Możecie to próbować budować, ale musicie być przekonane, kiedy to robicie, że ta osoba, która w zarządzie mówi "Kurczę, Michał, to jest dobre, to jest to masz moje zielone światło na to" mówi to na poważnie, jest w stanie zainwestować zasoby i wtedy warto przekonywać ludzi. Jak już wiemy, że to się może udać, trzeba zacząć po prostu przekonywać ludzi, w jaki sposób to zrobić. Pierwszy krok oczywiście odnosimy analitykę produktową do pieniędzy, czyli możemy powiedzieć my w tym momencie nie wiemy dokładnie, z jakich funkcji ludzie korzystają, a rozwijamy na road mapie 4 z nich. Jaką mamy pewność, że będzie jakikolwiek zwrot z inwestycji z tego? Czyli takie pytania z gatunku uderza w kompetencje strategiczne lidera, ale w sposób miękki to jest taki kurde, no właśnie, skąd ja będę to wiedzieć? I wtedy taka osoba się zastanawia, może trzeba w to zainwestować? Faktycznie, zaraz pzepale pieniądze szef mnie będzie po łbie bił, albo inwestor, bo przepaliłam hajsy na ficzer, którego nikt nie używa. Czyli staramy się szukać odwołania do pieniędzy albo poprzez właśnie ten argument z użytkowaniem, albo poprzez to, że wiedząc jak wydajna musi być aplikacja jeżeli chodzi o rzeczy takie jak czas ładowania czy wydajność technologiczna, jesteśmy w stanie nie przeinwestować w technologię, ale też odpowiednio w nią doinwestować, czyli jesteśmy w stanie tutaj zoptymalizować, może spróbować znaleźć jakieś miejsce w firmie, w którym jest w tym momencie brak wiedzy dotyczący zachowania użytkowników. Tradycyjnie są to zespoły produktowe, jak mamy UXa, to każdy UX powie "Jezus analityka, róbcie mi to", jak wie co to jest, a jak nie wie i się dowie to jest ta sama reakcja, bo to po prostu ułatwia życie. Jak nie ma UXa, to wtedy trzeba budować świadomość, że w którą stronę w ogóle dążymy z tym produktem, czyli szukać odniesienia realnego, biznesowego, jakiegoś zysku, który jest stosunkowo łatwo dostępny. I to jest najprostsza ścieżka, po przez pieniądze. Później jeszcze mogę opowiedzieć Wam, jakie konkretnie analizy robić, ale nie chcę wchodzić w tak dokładne szczegóły, bo są pewne samograje, są analizy, które wykonujecie i one natychmiast przynoszą wartość w 90 procentach przypadków, a są analizy, które jak zaczniecie robić, to marnujcie czas i pieniądze i wszyscy są sfrustrowani. Więc to jest też argument przez pieniądze.

Natomiast jest też argument, zwłaszcza jeżeli w firmie istnieje strategia produktowa, jest argument przez strategię, czyli argument gdzie my mówimy OK, my tu mówimy chcemy zbudować najbardziej przyjazny, najlepszy produkt na rynku, ale skąd wiemy, czy my jesteśmy przyjaźni, jeżeli mierzymy zachowania użytkowników, czyli jakby to, co tutaj mówisz, ten claim strategiczny, który masz, proszę ja Ciebie, panie CEO, jest martwy w tym momencie. Oczywiście upraszczam, ale chodzi o to, żeby wzbudzić takie poczucie w tej osobie, która podejmuje decyzje, bo do tego się sprowadza, że może faktycznie są pewne braki w wiedzy i trzeba je zaadresować. Czyli cała gra, którą prowadzisz, kiedy próbujesz nakłonić kogoś w zarządzie, bo to musi być ktoś w zarządzie do inwestycji, ewentualnie jakiś wysoko postawiony dyrektor czy VP, do inwestycji w analitykę polega na wzbudzeniu jakiejś wewnętrznej, chęć tego człowieka wewnętrznej motywacji do zrobienia analityki. Co to jest? Trzeba to zawsze odnieść do produktu, do sytuacji. Być może np. zaczyna się kryzys finansowy i wiecie, że będą Wam odchodzić duzi klienci, wiecie, że będzie potrzebna optymalizacja kosztów? No to zadajcie sobie pytanie, dobra, w których miejscach użytkownicy spędzają najwięcej czasu, bo to będziemy im optymalizować, albo szukamy po prostu dróg, które są relewantne dla firmy i szukamy sponsora najwyżej postawionego, żeby go przekonać. To ma sens?

Analizy samograje i wskazówki jak wdrożyć analitykę w firmie

Aga:
Tak i od razu pogłębimy te pytania o te analizy samograje, bo padło to hasło i nie możemy tego tak zostawić. Jak już powiedziałeś A, to powiedz B.

Michał:
Dobra, powiem jakie są te analizy samograje, czyli co analizować, żeby nie przegrać, kiedy już uda się wam przekonać osobę do współpracy? To jest trudna sprawa, żeby zdobyć dobre dane. Na tym etapie prawdopodobnie będziecie w miejscu, gdzie jest bardzo dużo polskich firm w okolicach tego miejsca, czyli "o Jezu, jakie narzędzia użyć? Skąd ja wezmę dane?", to jest prosty problem, nie przejmujcie się, macie dwa źródła danych tylko: backend i eventy analityczne, a ponieważ nie macie analityki, nie macie eventów analitycznych, zostaje Wam backend.

Co to jest backend? Jest to serwer, tabela, na której stoi Wasz produkt, czyli jeżeli użytkownik widzi cokolwiek w interfejsie produktu sieciowego to musi być zapisany gdzieś w jakiejś tabeli i bardzo często w tych tabelach zapisane są różne informacje dotyczące aktywności użytkowników na potrzeby inne niż analityczne. To co można zrobić to można jako źródło takie pierwsze użyć tych tablic, czyli zastanowić się dobra, jakie informacje tam mam, jakie informacje będą łatwo dostępne, albo co może mi do tych tabel dołożyć mój programista. Nie pracujcie na produkcji, oczywiście zróbcie sobie jakiegoś slave'a, użyjcie to proszę jako słowo klucz, slave to jest taka kopia bazy danych, która która się update'uje razem z całą bazą, ale nie wpływa na to, nie jest częścią experience'u użytkownika. Przykład, co się dzieje kiedy tego nie robicie? Miałem kolegę, który w ciągu jednego dnia dwa razy na pół godziny wywalił całą grę komputerową z 100 tysiącami użytkownikami dziennie, dlatego, że zrobił duże query analityczne, wszystko się wysypało, był czerwony alarm w firmie, nikt nie wiedział co się dzieje. Produkt wstał i parę godzin później zrobił dokładnie to samo, więc tak. I nie róbcie analityki na produkcji, nie róbcie. Znam ludzi, którzy to robią, uważam, że mają żelazne nerwy, ale ja się nie odważę, więc poproście o slave'a. Weźcie sobie te tabelki, które macie i zastanówcie się jakie dane możecie z nich wyciągnąć, jakie dane są sensowne albo jakie dane możecie spróbować zdobyć jeszcze od programisty. Czyli tutaj Wasze pierwsze narzędzie to będzie Wasz backend.

Drugie narzędzie to będzie jakaś generyczna instancja Google Analytics, czyli wpinacie kod Google Analytics i bierzecie co Wam daje od pierwszej instancji i to jest bardzo cenne źródło informacji. Ono już domyślnie daje Wam informację kto, kiedy, gdzie klika, jak przechodzi między stronami. I to są zestawy informacji, których da się wyciągnąć bardzo dużo rzeczy. Także jak nie wiecie od czego zacząć użyjcie najbardziej podstawowych metod jakie może być takie MVP klasyczne, klasyczne w IT użyjcie do analityki. Teraz jak macie dane jest kilka schematów takich badawczych, które po prostu działają i które zawsze dają ciekawe rezultaty. Pierwsze, badanie pierwszej sesji, co ludzie robią w trakcie pierwszej wizyty w produkcie, czego nie robią? Jeżeli macie podpięty Google Analytics, jesteście w stanie wtedy z niego wyciągnąć informacje o tym, po jakich stronach użytkownicy przechodzili I co równie ciekawe w jakich stronach nie przechodzili. Możecie wyciągnąć informacje o tym, gdzie klikali, gdzie nie klikali, ile ta pierwsza sesja trwała, czyli efektywnie ile macie czasu, żeby przyciągnąć uwagę i pokazać wartość, czyli tutaj mamy analizę pierwszej sesji. Zadajmy sobie pytanie co ludzie robią i czego nie robią w trakcie pierwszego użycia produktu po to, żeby zobaczyć, czy w ogóle dostrzegają wartość w produkcie, który my mamy, czyli zastanówcie się, co daje wartość. Zdefiniujcie jakie akcje, które są wykonane tą wartość faktycznie reprezentują, jeżeli jesteście mailem, to jest to wysłanie maila, jeżeli jesteście czatem jest to np. napisanie do kogoś na czacie itd. I sprawdźcie czy ludzie to robią czy nie. Taka analiza później przekłada się na drugą analizę, która jest analizą powracalności użytkownika do aplikacji, czyli jeżeli użytkownik miał pierwszą sesję zadajcie sobie pytanie czy ten użytkownik wrócił czy nie. I wtedy musicie sobie zbadać, czy ten powracający użytkownik różni się czymś w trakcie pierwszej sesji wstecznie od tego, który nie wrócił, czyli to co chcecie zrobić, to chcecie zidentyfikować zachowania, które odróżniają użytkowników powracających od nie powracających. Tutaj musicie uważać, bo zawsze jeżeli ktoś spędzi więcej czasu po prostu częściej wróci, to jest silnie skorelowane. Jest tak, że jak spędzisz więcej czasu, to częściej wrócisz, więc musicie odsiać ludzi, którzy siedzą za długo, za krótko, po prostu znaleźć taką grupę, która spędziła podobną ilość czasu np. między minuta a 10 minut w produkcie i wziąć z tej grupy wybrać ludzi, którzy wrócili i nie wrócili. I to jakimi zachowaniami ci ludzie się różnią pozwoli Wam stwierdzić, w których miejscach produktu tkwi jakaś wartość, czyli dla przykładu jeżeli jesteście aplikacją, portalem informacyjnym, to użytkownicy, którzy wchodzą w newsy sportowe wracają częściej niż ci, którzy wchodzą w newsy z kraju i częściej niż ci, którzy wchodzą w newsy o pogodzie i zjawiskach pogodowych. Co to dla Was oznacza? Najbardziej wartościowe informacje na waszym portalu, to są informacje na temat sportu i z tą informacją jesteście w stanie już robić rzeczy, może Wy nie chcecie być portalem sportowym i musicie zrobić lepsze treści z kraju, a może stwierdzaie to jest ciekawa droga, faktycznie jest nisza, jako jedyni piszemy w tym w tym kraju o speed rowerach, jest taki sport i w związku z tym "hej, zróbmy to! Ludzie będą do nas wracać, chcemy to iść", czyli tutaj mamy drugą analizę powracalności.

I później mamy trzecią analizę, analizę użycia funkcjonalności, to jest moja ulubiona analiza w starszych produktach ona jest dość niesamowita, bo to co robimy, to zastanawiamy się jakie są ważne funkcjonalności naszego produktu i już na tym etapie to co zrobicie to włożycie trochę kij w mrowisko jeżeli wcześniej to nie było robione, ponieważ okaże się, że różni ludzie mają różne pomysły na temat tego co robi produkt. Czyli analityka zacznie w tej analizie pełnić taką pełną funkcję, którą powinna pełnić analityka, debugować strategię i debugować rozumienie produktu. Kiedy zadasz sobie pytanie co robi mój produkt, po co ja chcę się czegoś dowiedzieć jaka jest wartość tego produktu? Odwołujesz się siłą rzeczy do takiego takiego jądra produktu, takiej strategii ściśle produktowej, co w ogóle my oferujemy temu klientowi, czy funkcjonalnością powinien być chat, czy może funkcjonalnością powinna być raczej cała gama narzędzi do komunikacji? Czy jesteśmy firmą od czatu, czy od komunikacji z klientem, czy np. powinien być kalendarz, czy może cała funkcjonalność związana z ustawianiem spotkań itd. Więc to już budzi, budzi problemy i wątpliwości i otwiera ciekawe dyskusje, które same z siebie mają wartość. A kiedy zgodzimy się do tego jakie są funkcjonalności, to musimy sobie zidentyfikować najprostsze zachowania, które są związane z tym, że ktoś ich używa, czyli np. w Gmailu dodanie załącznika, wysłanie e-maila, otworzenie e-maila. W czacie, wysłanie wiadomości, odebranie wiadomości. W kalendarzu, dodanie wydarzenia w kalendarzu, zaproszenie kogoś do kalendarza itd., robicie to dla wszystkich funkcjonalności i sprawdzacie ilu ludzi tego używa. I tutaj się dzieją niespodzianki, dlatego, że bardzo często jest tak, że kiedy robicie tę analizę po raz pierwszy, a produkt jest dość dawno na rynku, wasza intuicja się załamuje, czyli i Wy też się możecie załamać wtedy, bo dzieje się tak, że ludzie przez ostatnich kilka lat zaczęli używać tego produktu w jakiś sposób, wyście to przegapiły i zamiast tego rozwijacie zupełnie inne funkcjonalności. Ja pracowałem kiedyś np. w jakimś oprogramowaniu do automatyzacji sprzedaży i myśmy budowali strasznie zaawansowane featury sprzedażowe. Przeprowadziliśmy w końcu pod wpływem jakiegoś takiego impulsu z gatunku dlaczego tego nie zrobiliśmy, analizę użycia poszczególnych feature'ów i co się okazało? Połowa płacących użytkowników i to płacących tak od dość dawna nie korzystała z tej aplikacji do sprzedaży, korzystała z tego jako książka telefoniczna, automatyzacja marketingu i tylko ta druga połowa faktycznie korzystała do sprzedaży, a spośród tamtej połowy tylko około 30/40% w ogóle wykorzystywało te zaawansowane funkcjonalności. Myśmy inwestowali w rocket science, a ludzie poszukiwali tych przysłowiowych ołówków.

Kojarzycie tę historię ze stacji kosmicznej, nie? Gdzie Amerykanie i Rosjanie ścigali się, kto ma, to jest urban legend, ale jest fajnym przykładem, Amerykanie i Rosjanie ścigali się na temat tego, jak pisać w kosmosie, przecież jest nieważkości, tusz będzie orbitować dookoła Ciebie, albo będzie się zbijać w kulkę w środku długopisu, nic nie napiszesz w kosmosie. Więc Amerykanie wynaleźli turbo złożony ten długopis, który zawsze pompuje odpowiednią ilość tuszu i kosztowało ich to jakiś milion dolarów, a Sowieci użyli ołówka. Teraz to jest urban legend, dlatego, że ołówek wyzwala później pył grafitowy, który osadza się w urządzeniach. Natomiast jak to się ma do analityki? Może się okazać, że po prostu strasznie przestrzeliliśmy i analiza funkcjonalności bardzo szybko pozwoli nam to zidentyfikować. To jest jedna z moich ulubionych analiz, bo to jest taki samograj z gatunku nawet jak tam nie będzie nic super ciekawego, to zawsze znajdzie się jakieś zaskoczenie np. czemu oni wysyłają maila klikając jak mogą zrobić enter, czemu nikt nie używa Entera? Wiesz ile klepaliśmy tego Entera? Trzy dni.

Aga:
To prawda, to prawda.

Paulina:
Ja jeszcze chciałam trochę wrócić, jeszcze do momentu, kiedy jeszcze chcemy kogoś namówić. Bo pytanie właśnie do kogo się zwrócić najlepiej z taką prośbą, z takim pomysłem, czy uderzać od razu gdzieś na samą górę, czy właśnie iść powoli piąć się właśnie z tym pomysłem? Jak to jest z Twojego doświadczenia?

Michał:
To jest trudny problem. Najlepsza sytuacja jest taka, gdzie góra decyduje, że "hej, musimy coś z tym zrobić, stajemy się data driven" i wtedy możecie się pod to podpiąć. Natomiast oddolne inicjatywy tak jak mówię, jeżeli nie ma żadnego ale to żadnego parcia odgórnego na to, to jest cholernie trudne, bo musicie wtedy znaleźć dojście do samej góry po prostu z pomysłem, z jakąś ideą, którą trzeba zareklamować. I wtedy zazwyczaj tak, najlepiej w ogóle być seniorem albo jakąś osobą, która jest w miarę poważana w firmie, to jest też pierwszy prerekwizyt, jeżeli tego nie macie, to to będzie kłopotliwe, bo nikt nie weźmie was na poważnie, bo stwierdzą "aaa, ona nic nie wie o produkcie, nic nie wie o firmie". Czyli jeżeli jesteście nowe, to ale na stanowisku seniorskim, to możecie z kolei wykorzystać ten fakt, że "a to jest nowa osoba, ona widziała coś na zewnątrz i jest seniorem, więc może ma ciekawe pomysły", więc albo wykorzystacie pierwsze wrażenie, albo ugruntowaną pozycję w firmie. Jeżeli jesteście gdzieś pomiędzy, poszukajcie kogoś kto ma tę cechę i współpracujecie z nim. I wydaje mi się, że tak można, gdybym miał próbować to robić to szedłbym stopień po stopniu w górę, czyli najpierw zajawił to menadżerowi, ale ustawił sobie cel w postaci długiej gry pół roku do roku, bo to jest duża inwestycja, to będzie trudne, to jest ambitne. Muszę to robić niejako po godzinach czy jako dodatek do moich zadań. I zacząłbym od PMa, zajawiłbym mu ideę, zapytał, czy są szanse, powiedział, że potrzebuje tego do swojej pracy, pokazał jak to działa w innych organizacjach po prostu ogólnie korzystał z one on one'ów, korzystał z narzędzi, które mam, takich społecznych, politycznych jako liniowy pracownik, żeby pokazać jakie korzyści może odnieść analityka. Na przykład pokazać ten webinar i pokazać coś o korzyściach, czemu nie?

Aga:
Tak, jak najbardziej.

Michał:
Polecam, bo ta lista korzyści naprawdę może przekonywać i później szedł coraz wyżej "hej, czy możemy się umówić z tym", "hej, czy możemy się z tamtym"? W pewnym momencie ktoś powie dobra, pokaż nam jak to działa i wtedy musicie zrobić ten proof of concept jakąś analizę, która zadziała. Odpowiedź na pytanie czy to w ogóle ma sens? I wtedy jak macie ten proof, to jest bardzo ważny moment, to jest taki moment, powiedzmy sobie poczęcia analityki w firmie, tam nie macie drugiej szansy, żeby zrobić pierwsze wrażenie. Jak to zrobicie źle, to po prostu przegrałyście i będzie wam dużo, dużo trudniej zrobić coś dalej. To nie jest niemożliwe, ale to będzie takie zarażenie do analityki, wydaliśmy pieniądze, wydaliśmy czas, ten chłop nie zrobił pracy, którą miał wykonać i patrzcie, co dowiódł - to. Czyli tutaj dostajecie tę szansę i nie można jej zmarnować, wtedy trzeba po prostu dołożyć wszelkich starań, żeby ta analiza przeszła i pokazała, że jest użyteczna i kiedy to będzie, to kolejną rzeczą, o którą trzeba zadbać to jakiś biznes z góry i tego zazwyczaj też nie da się zrobić łatwo, jeżeli góra sama nie czuje, że to jest wartościowe. I tutaj też przeszkodą może być np. polska szkoła zarządzania, czyli niezrozumienie tego, że energia i zaangażowanie pracownika nie jest dla nas zagrożeniem, tylko jest dla nas szansą. I może być tak, że po prostu kwestie polityczne wam to utną, no i wtedy niestety nic z tego nie ma.

Ale może też się zdarzyć, że kiedy wykonacie tę pracę i tę analizę i ona będzie dostatecznie dobra, zacznie się tournee po firmie z tą analizą, tutaj ktoś was zaprosi, tu będzie "Aga, weź mi opowiedz o tym", widziałem to kilka razy, w kilku miejscach, prowadziłem takie tournee, ono dobrze przeprowadzone robi naprawdę świetną robotę, to jest taka ewangelizacja u podstaw, takie otwarcie ludzi na analitykę, gdzie bierzesz tą analizę i pokazujesz i Ciebie pyta ten Chief Product Officer "hej Aga, widziałem tą prezentację, możesz mi opowiedzieć coś więcej?", a z przyjemnością Panie Bartłomieju, "oczywiście muszę się przygotować, kiedy by miał Pan czas". Robisz wszystko, żeby tych ludzi zajawić, żeby pokazać im tą wartość. I to jest myślę moment krytyczny, jeżeli to zrobisz dobrze, to wygrywasz, jeżeli nie - jest ciężko wtedy naprawić ten błąd. Ogólnie to na co trzeba mieć namiar to, w pierwszym kroku znalezienie takiej zahaczki biznesowej, gdzie nikt na żadnym szczeblu nie będzie mógł powiedzieć ale przecież to mamy, w tym nie ma wartości. I drugie dobicie do momentu, gdzie ktoś wam mówi dobra, pokaż mi co potrafisz. I z perspektywy liniowego pracownika, nawet z perspektywy managera, nic więcej już nie zrobisz, bo menedżer też ma strasznie małą władzę, w ogóle niski, średni szczebel zarządzania często są właśnie, no one nie mają takiego wpływu, szukać kogoś z wyższego szczebla.

Historia prosto z Facebooka

Aga:
Super, bardzo fajne rady, wskazówki. To na pewno nie jest proste tak, jak powiedziałeś, ale jeśli ktoś ma zajawkę, trzeba próbować. Ale chciałyśmy powoli będziemy zmierzać do końca, bo jeszcze chcemy chwilę powiedzieć o konferencji, jeszcze pojawiają się pytania nawet, więc Michale, gdybyś mógł nam opowiedzieć swoją ulubioną, jakiś ulubiony przykład, historię tego, jak analityka wpłynęła na strategię produktu.

Michał:
Tak myślałem, myślałem o tym, to jest strasznie trudne pytanie, dlatego że to nie jest tak, że firmy Ci przyjdą i się z tym podzielą z Tobą. Bardzo mało firm Ci opowie o takich przypadkach, bo one wymagają zrobienia jednej z dwóch rzeczy, albo firma musi powiedzieć "nasza strategia była błędna, analityka wyłapała ten błąd i my to naprawiliśmy.". Żadna firma ci tego nie zrobi, bo jeżeli strategia jest błędna, to inwestorzy są bardzo smutni i starają się to trzymać cicho, a ty przegrywasz jako strateg, człowiek u góry biznesu albo strategia zmienia się w kierunku, który daje dużą przewagę biznesową i tylko firmy, które tą przewagę biznesową skonsumowały do dna będą się dzielić z tym success story, więc to co tu przytoczę, być może już słyszałyście, jest opowieścią Facebooka, teamu growth'ego z Facebooka. Czyli tam to co robił Facebook, to Facebook bardzo usilnie próbował znaleźć motywy związane z tym, co jest ważne, w jaki sposób rozwijać ten produkt, w jaki sposób go wyskalować. Zuckerberg to może być plotka, ale spotkałem się z tym w kilku miejscach, Zuckerberg już przy założeniu Facebooka wiedział, że najważniejszą rzeczą, jaka jest w tym produkcie to obecność użytkowników, regularna obecność użytkowników i wyznaczył jako kluczową metrykę dla produktu MAU. Strategia opierała się na tym, że miało być jak najwięcej ludzi, którzy przychodzą do Facebooka regularnie. Natomiast problem pojawia się w związku z tym okej, ale jak mamy to dokładnie zrobić? Czyli jak może wyglądać strategia wzrostu i rozwoju firmy? No i powstał tam zespół growth'owy, w którym to zespole przez długi czas nie wiem, czy to nie było około roku, czy nawet nie dłużej, ten zespół szukał sposobów, żeby znaleźć jakiś prosty wskaźnik tego, że użytkownik jest zaangażowany, czyli jeżeli naszym celem jest doprowadzenie do tego, żeby MAU wzrosło, albo żeby było w zasadzie tak, ma wzrastać, no to musimy zrobić tak, że nowi użytkownicy przychodzą do nas, ale później z nami zostają, wracają na kolejny miesiąc. I który moment jest tym momentem, gdzie użytkownik się zajawia, gdzie użytkownik stwierdza "a to jest to, fajny produkt" i to co zrobili, to w toku różnych analiz ten moment aha, czyli ten moment zajawienia użytkownika produktem byli w stanie bardzo dokładnie zidentyfikować i skwantyfikować i doszli do takiej liczby, która jest właśnie podawana jako taka magiczna liczba w Facebooku. Jeżeli zaprosisz do 10 freindów w ciągu pierwszych siedmiu dni aktywności, zostajesz z nami. I uczynili z tego swój cel. Czyli co oni powiedzieli? Tutaj to było ryzykowne, bo oni zaobserwowali, że istnieje pewna prawidłowość, jeżeli zaprosiłeś tych 10 ludzi w ciągu 7 dni, to będziesz wracać, a to jest korelacja. Także to się stało potem nastąpiło coś innego, ale mogło być wiele różnych przyczyn. Zaczęli z tym eksperymentować, to czym się na pewno nie pochwalili, to nieudane próby. Jestem pewien, że znaleźli inne korelacje, inne wskaźniki, które nie działały w stylu napisania ośmiu postów polajkowanie czterech innych postów, zagranie w jakąś grę? Nie, bo na pewno mieli dużo tych typów, na pewno wiele rzeczy testowali, oni już wtedy mieli dużo danych i to co się stało, to po prostu zaczęli budować growth dookoła tego, żeby ściągać znajomych ludzi, żeby budować tą sieć społecznościową no i to im zażarło. I okazało się, że to jest kluczowa strategia growth'u dla Facebooka.

Czyli jeżeli jesteś siecią społecznościową, to też jest intuicyjne jakby się zastanowić, jeżeli jesteś siecią społecznościową, to musisz być siecią i musisz być społecznościowa, więc jak tam wchodzisz chcesz w tą sieć się jak najszybciej zaplątać i ta masa krytyczna, która musi zostać wytworzona, to jest problem każdej jednej sieci społecznościowej, tak przy okazji, jak tę masę krytyczną wytworzyć?. Facebook stwierdził "zaproszenie do tych 10 ludzi, do tych siedmiu dni" i w ten sposób tworzy się masa krytyczna i to im zbudowało strategię growth'u na lata. I ta strategia growth'u okazała się tak skuteczna, że w tym momencie mają ponad miliard miesięcznie aktywnych użytkowników, więcej na świecie ma już chyba tylko Google. Także to jest taka historia Facebooka, analityki produktowej, growth'u i zachowania użytkowników.

Aga:
No i pokazuje. A przepraszam, proszę. Paulinka, proszę.

Paulina:
Nie, powiedz Aga, bo chciałam coś innego.

Aga:
Ja chciałam tylko tak skomentować, że to pokazuje jak ważne jest te eksperymenty i to zastanowienie się nad metrykami, no bo teraz Facebook, wiadomo, że to nie tylko wzięło się od tej jednej metryki, ale jest to ogromny produkt, który zna cały świat, więc to pokazuje, że te rozkminki strategiczno analityczne w parze są mega ważne i decydują o sukcesie produktu.

Michał:
Nie ma dużego produktu, który nie robiłby analityki. Analityka, nie jest konieczna, inaczej analityka nie gwarantuje, że wygrasz rynek, ale brak analityki gwarantuje, że go przegrasz. To w tę stronę. I to też jest mocny argument. Jakby się przyjrzeć, to też można go użyć.

Paulina:
Wspaniały cytat. Na pewno wykorzystamy w materiałach po webinarze.

Michał:
To się cieszę, tak starałem się, bo to strasznie trudny temat mi wybrałyście, przekonywanie ludzi w biznesie mi się zawsze wydaje takie no robię to, umiem to robić, ale to jest takie, to jest na pewno interesujące.

Paulina:
Tak, nawet to jest bardzo trudne właśnie. A ja jeszcze dodam, że na naszej konferencji będzie Kuba, który pracuje w Meta, w Kalifornii w siedzibie, więc zdradzi nam trochę ciekawych rzeczy.

Michał:
Pięknie.

Aga:
Tak, Kuba też pracował wcześniej w tik toku, jako ciekawostka, więc on ma taki po prostu przekrój produktów top top, miliard użytkowników, więc to tak a propos ciekawostek.

Co jest najtrudniejsze w budowaniu analityki?

Paulina:
Powiedz jeszcze Michał, co jest najtrudniejsze według Ciebie w budowaniu analityki, we wdrażaniu?

Michał:
Dobra, więc tak potoczne rozumowanie wskazywałoby dane, zbiór danych, technologia, nie. To jest problem, który został rozwiązany na sto sposobów przez miliony organizacji na świecie. Dane są prostym problemem. Kiedy rozumiecie, że potrzebujecie danych, to znajdziecie rozwiązanie za 100 dolarów miesięcznie i możecie wybrać spośród kilkunastu albo kilkudziesięciu rozwiązań. Także nie myślcie o danych i o zbiorze danych i o narzędziach jako o problemie. To jest problem, który jest rozwiązany. Musicie tylko wygooglać sobie odpowiedź, znaleźć narzędzia. Problemem jest i to jest to jest poważny problem, zrozumienie co i po co chcemy mierzyć. Tego brakuje wszędzie, na całym świecie. I to jest najtrudniejszy pierwszy krok, zrozumienie co i po co chcemy mierzyć. Jeżeli chodzi o jakąś stronę techniczną, takie proste technikalia jak implementować analitykę. Częścią techniczną analizy jest zadanie odpowiedniego pytania badawczego i znalezienie tych dobrych pytań badawczych jest najtrudniejsze na samym początku, a rzeczą najtrudniejszą, ale nie dlatego, że jest najtrudniejsza per se, bo sama z siebie jest stosunkowo prosta, tylko jest najtrudniejsza, bo wydaje się w Polsce ignorowana, znaczy ona ona jest w Polsce ignorowana, jest budowanie świadomości analitycznej, czyli rozpowszechnianie wiedzy analitycznej. To, co się często dzieje, gdzie analityka kończy, to ludzie wychodzą od tego, że zbierają sobie, rozwiązali trudny problem, mamy narzędzie, pół roku danych, zebrali te dane i teraz 'co my z nimi zrobimy?'. No więc co z nimi zrobicie? Prawdopodobnie nic, dlatego że nie wiecie, po co je zbieraliście.

W związku z tym, jakby to jest pierwszy problem, ale drugi problem, mam te dane, nawet wiem, po co je zebrałem, więc teoretycznie prowadzę dobrą analitykę, odpowiadam na ważne pytania badawcze, mam tą wiedzę, ale wiedza umiera. Pracowałem jako konsultant czy konsultowałem w jednej dużej firmie gdzie dokładnie to było problemem był świetny klaster danych, świetny zespół Big Data, bardzo kompetentny zespół analityków, którzy byli mocno zaangażowani, ale zbudowali dookoła siebie silos, który nie przenikał do produktu czy przenikał stosunkowo słabo. I to co się okazało, to że po prostu wiedza umierała, oni zbierali te dane, odpowiadali nimi na pytania, były analizy, ale kiedy przychodziło do skorzystania z wyników tych analiz, nikt tego nie robił. I to jest najtrudniejsze w rozwijaniu analityki po pierwszym pół roku, mniej więcej, kiedy wiedza zaczyna płynąć, kiedy zaczynają się pojawiać rzeczy. To jest coś, co może zabić wam analitykę w średnim terminie, brak użyteczności, wiedzy, czyli wiedza, którą dostarczacie, nie ma umocowania w faktycznych akcjach produktowych i temu da się łatwo zapobiegać od samego początku, kiedy budujecie analitykę, analityka powinna być podzielona wyraźnie na dwie role czy dwa obszary biznesowy i analitycznie. I obszar biznesowy powinien odpowiadać za zadawanie odpowiednich pytań badawczych i używanie odpowiedzi na te pytania do faktycznie działania, a obszar analityczny powinien dostarczać tak rzetelne i trafne odpowiedzi na te pytania, jak to tylko możliwe, biorąc pod uwagę dane i dopiero to sprawia, że jest osoba odpowiedzialna za to, żeby zadać dobre pytanie i odpowiedzialna za to, żeby jak analityk przepali ten czas i poda Ci odpowiedź, czyli efektywnie wyprodukuje zdanie warte kilka tysięcy złotych, bo tym jest wiedza analityczna, to Ty weźmiesz to zdanie warte kilka tysięcy złotych i zrobisz coś z nim, co sprawi, że produkt zarobi kilkadziesiąt tysięcy złotych, a więc produkt się zwróci. I to jest moim zdaniem taki najpoważniejszy ślepy punkt w tym momencie w Polsce, ale też jeden z najpoważniejszych na świecie. To jest trudne do rozwiązania, to jest trudny problem komunikacji.

Paulina:
I to też świetnie nawiązuje do tego, o czym będziesz mówił na konferencji Data Driven Conf już 20 czerwca, więc może Michał powiedz o czym, o czym będziesz mówił?

Michał:
Tak, tam Wam opowiem o temacie, który jest dużo prostszy dla mnie do opowiadania, bo widziałem go 8 miliardów razy i zawsze jak go słyszę to mam takie, nieee. Mianowicie typowy problem na rynku polskim w tym momencie, ludzie już rozumieją, że są dane, ludzie już rozumieją, że dane są potrzebne, ale ludzie jeszcze nie rozumieją, że narzędzia to nie analityka i dane to nie wiedza. W związku z tym problem, który często mają ludzie, to wykupują sobie jakąś agencję specjalistę albo każą swoim inżynierom zbudować zestawy danych. Zastanawiają się co, co tam można zabrać, co się przyda i wrzucają te 'przydasie' do tych danych, które zaśmiecają te dane, ale wydaje się, że się przydadzą, więdz 'hej, trzymajmy to' i zostajemy z dużym zbiorem danych, po pół roku, roku sobie myślimy, ale tych danych nazbierałam, przeanalizowała. Siadacie do analizy i z tej analizy nic nie wynika. Dlaczego? Ano otóż dlatego, że analityka to nie są dane, że analityka to jest odpowiadanie na dobrze postawione pytania badawcze i budowanie wiedzy, ale w oparciu o jakieś realne, rzeczywiste problemy i będę Wam opowiadać o tym, w jaki sposób nie zaczynać analityki produktowej właśnie wychodząc od przykładu, który podałem, czyli mam dane. I co dalej?

Aga:
Super! Już się nie możemy doczekać. W ogóle mogłybyśmy tak rozmawiać, rozmawiać, bo wątków jest bardzo dużo. Detali mamy ciągle wiele, ale powoli musimy dobijać do brzegu, więc teraz opowiemy trochę więcej o konferencji. Skoro już Michał Ty opowiedziałeś o swoim wykładzie, a my sobie opowiemy, my opowiemy Wam, o tym co się będzie działo na Data Driven Conf już 20 i 21 czerwca online, bo jest to konferencja, która się dzieje online. No i na początek, skąd w ogóle się wziął pomysł na konferencję, konferencje i na tę tematykę? Tak jak już Michał powiedział, ta analityka zaczyna być coraz bardziej zauważana w firmach w Polsce i nie tylko i dane odgrywają bardzo dużą rolę, to jest waluta dwudziestego pierwszego wieku. Jak wpiszecie w przeglądarkę jakie są najbardziej pożądane teraz tytuły i role, to to okazuje się właśnie, że że jest bardzo duża potrzeba na zespoły produktowe. Więc jak zobaczycie to i liczba wyszukiwań i ofert pracy wzrasta tak jak już Michał powiedział, coraz więcej UXów myśli o tym, żeby przejść gdzieś tam dalej, budować swoje kompetencje i product manager to jest taki naturalny kierunek i tych product managerów faktycznie jest duża potrzeba wystarczy sobie na LinkedIn wpisać Product manager Jobs i zobaczycie, że w Polsce duże firmy szukają właśnie takich osób, więc poczułyśmy potrzeba, żeby warto gdzieś tam poszerzyć i nasze kompetencje i Wasze w naszej społeczności, która zazwyczaj była bardzo zanurzona w świecie designu i chcemy gdzieś tam pokazać Wam, że jest to ważny temat i piszecie o nim coraz więcej, powstaje coraz więcej artykułów o podejściu data driven, więc fajnie by było na ten temat edukować.
‍
Jeżeli zainteresowała Cię tematyka analityczna, to zapraszamy po więcej informacji na naszą stronę dotyczącą konferencji - https://www.datadrivenconf.pl/

‍