Курс Продуктова аналітика

Курс розрахований на людей, які хочуть опанувати професію Product Analyst. На заняттях ви навчитесь обирати потрібні для вашого продукту метрики та фреймворки, а також використовувати їх у комплексному поєднанні, виводити дані з джерел та візуалізувати їх у Google Data Studio, а також аналізувати різні типи графіків у Amplitude, опануєте навички фінансового аналізу та планування, навчитесь враховувати попередню динаміку показників для якісного прогнозування.

Програма курсу

Вступ до продуктової аналітики. Інструменти та підходи

• Роль продуктового аналітика у бізнесі
• Продуктовий менеджер та продуктовий аналітик: навіщо працювати в парі та коли потрібно розділяти дві ролі. Продуктові команди
• Продуктові дослідження: цикл продуктової розробки, дослідження, ринковий аналіз
• Огляд на основні інструменти аналітики: Amplitude, Mixpanel, Firebase, Google Analytics, Hotjar/Clarity
• Інструменти для дослідження конкурентів: App Annie, Similarweb

Базові метрики продукту

• Як визначити метрику North Star для продукту
• Кроки побудови метрик продукту, визначення оптимальної метрики
• Приклади неправильних метрик, типові помилки
• Які стандартні метрики зазвичай використовують (Retention, NPS)
• Якісні (LTV, ARPU) та кількісні (New Users, MAU, DAU) метрики продукту
• Взаємодія команди з аналітикою
• Документація аналітиків, продуктова аналітика в IT-продуктах

Дерево метрик, визначення похідних показників

• Як побудувати дерево метрик
• Піраміда метрик: від бізнес-метрики до моніторингу (Revenue, Margin, Loyalty, Value, Quality, Marketing Success)
• Метрики бізнесу: визначення показників ефективності продукту, воронки продажів, пошук точок зростання
• Маркетингова аналітика: Cost, Impessions, Clicks, CTR, CPC, CPA
• AARRR-фреймворк: 5 показників, які впливають на розвиток бізнесу
• Трохи про Growth Hacking

Основи статистичного аналізу

• Основи статистичного аналізу: середня, медіана, квантиль, процентиль
• Кореляція та причинно-наслідковий зв'язок
• Типові математичні та статистичні завдання на конкретних кейсах
• Сегментація за цінністю: RFM-аналіз
• Практика на занятті: розв'язання задач зі статистики на розуміння теорії

Клієнтські дані. Сегментація та когортний аналіз

• Навіщо потрібна сегментація. Основні типи сегментації клієнтів
• Сегментація потреб користувачів. Поведінкова сегментація
• Когортний аналіз. Поведінкова сегментація
• Customer profiling, segmentation personas development. Метод персон, сценарії, інструменти для роботи з користувачами в рамках продукту та інтерфейсу

Фінансове планування

• Змінні та результуючі показники для фінансового планування
• Як враховувати попередню динаміку на нові фактори під час прогнозування
• Точки зростання компанії

Фінансовий аналіз

• Unit Economics (LTV, CAC, LTV/CAC)
• P&L: Revenue, COGS, Gross Profit, Operating Expenses, EBIT
• Ключові метрики для SaaS-компаній (MRR, Expansion, Reactivation, Contraction, Churn, NDR)

Планування та оцінювання A/B-тестів

• Що таке A/B-тест і коли варто проводити А/B-тести
• Навіщо потрібний А/А-тест?
• Дизайн A/B-тесту за допомогою Google Optimize, Firebase та аналогів: етапи запуску, висунення продуктових гіпотез, результати
• Основна та Health-метрики у тесті
• Обмеження та складні кейси А/B-тестування
• Як зібрати результати?
• Коли ухвалювати рішення щодо тесту: проблема підглядання
• Чому результат тесту постійно змінюється: статистична значущість та довірчі інтервали
• Через що змінилася метрика: поведінковий аналіз

Web- та app-аналітика

• Аналіз ефективності сайту та мобільних застосунків
• Інструменти вебаналітики: Google Tag Manager, Hotjar, OWOX BI
• Аналітика мобільних застосунків. Firebase, AppMetrica, Adjust, Amplitude
• Основи та базове налаштування
• Семплінг даних. Обмеження GA
• Налаштування облікового запису та уявлень Google Analytics
• Сегменти користувачів та події користувача
• Налаштування цілей та їхнього відстеження через воронку
• Робота з UTM-мітками

Підходи до аналізу окремих фіч

• TARS framework
• Внесок окремих фіч у фінансові результати компанії

Робота з GA4 та GTM

• Робота з подіями (events), best practice із документації
• Налаштування цілей та їхнього відстеження
• Тестування в режимі реального часу
• Користувальницькі змінні
• USER_ID-налаштування Google Analytics
• Огляд основних звітів GA
• Що таке асоційовані конверсії та як перевірити їхню цінність
• Імпорт та експорт даних

User Retention and Lifecycle

• Що таке Retention. Зв'язок з Product-Market Fit
• Як оцінити повернення користувачів у продукт
• Різні види візуалізацій Retention
• Інсайти з Retention по ринку; який Retention вважається хорошим
• Про Lifecycle Framework та його зв’язок з Retention
• Як сегментувати користувачів за їхнім циклом життя у продукті
• Як використовувати Lifecycle Framework для покращення продукту

Репортинг та побудова дашбордів. Робота з Google Data Studio. Частина 1

• Порівняння Power BI, Tableau, Google Data Studio
• Джерела даних: BigQuery, Ads Cabinets, GA4
• Ознайомлення зі структурами даних, в яких зберігається інформація. Як знайти потрібні дані?
• Налаштування Google Data Studio
• Зв'язок та налаштування різних джерел даних
• Типи графіків у Google Data Studio, можливості візуалізації
• Створення дашборду з ключовими метриками продукту

Репортинг та висновки через дашборди. Робота з Google Data Studio. Частина 2

• Планування стратегії розвитку продукту, складання звітності за результатами аналітики та проведеної роботи (яка може бути проєктна документація, як користуватись автоматичними звітами)
• Як знаходити інсайти з даних на дашборді
• Нормалізація даних
• Кореляція та регресія. Умови застосування коефіцієнта кореляції
• Пошук аномалій у даних

Особливості курсу

• Курс складається з 14 живих онлайн занять
• Закріплення отриманих знань на практиці
• Особистий фідбек від викладачки
• Сертифікат після закінчення курсу

Викладачі курсу

• Лада Кліщенко - Head of Product Analytics у Kyivstar
• Алекс Баликов - Director of Product and Operations у Nimbus Platform (запрошений лектор)