Verwenden Sie nicht mehr 3+ Tools für die Produktanalyse

Haben Sie Zeit und Mühe darauf verwendet, mehrere Teams, Anbieter und Techniken in Ihr Unternehmen zu integrieren, als Sie Ihre Produktanalytik ausgebaut haben? Wenn ja, wissen Sie, dass dies oft zu Datensilos und einer Reihe anderer Probleme führen kann, von Datenduplizierung bis hin zu ineffizienten Prozessen. Das muss nicht so sein. In diesem Artikel gehen wir auf die drei Phasen ein, die Unternehmen auf ihrem Weg zur Produktanalyse typischerweise durchlaufen haben, und zeigen, wie die Produktanalyse der nächsten Generation mehrere Tools durch eine einzige Analyseplattform ersetzen kann, die auf dem modernen Datenstack aufbaut.

Die drei Phasen der Reife der Produktanalytik

Unternehmen beginnen in der Regel mit einem einfachen Analysetool, um einfache Fragen darüber zu beantworten, was die Benutzer mit dem Produkt machen. Es dauert nicht lange, bis die Dinge komplexer werden und ein Team verschiedene Tools für jede Art von Frage hat. Kommt Ihnen dieser Weg der Analytik bekannt vor?

Phase 1: Verfolgung von Benutzerinteraktionen

Sie beginnen mit einer grundlegenden Frage: Wie nutzen die Benutzer Ihr Produkt? Sie entscheiden sich für ein Tool wie Mixpanel. Als nächstes bringen Sie die Techniker dazu, einige Instrumente hinzuzufügen. Es bedarf einiger Überzeugungsarbeit, um das Sicherheitsteam davon zu überzeugen, Daten aus der Produktinstrumentierung in ein Blackbox-SaaS-Tool zu senden, aber schließlich gelingt es Ihnen.

Nachdem Sie die Vorarbeit geleistet haben, erhalten Sie die ersten Erkenntnisse. Mit Ihrem Analysetool können Sie eine Segmentierung der Ereignisse vornehmen, um zu sehen, was die Benutzer tun. Sie können Conversion-, Engagement- und Retention-Kennzahlen messen. Das Tool unterstützt auch die Erstellung grundlegender Trichter und Pfade. Sie haben jetzt ein Maß an Transparenz, das Sie vorher nicht hatten.

Phase 2: Identifizierung der Treiber für die Geschäftsergebnisse

Ihr ursprüngliches Analysetool hat gut funktioniert, bis Sie natürlich begonnen haben, die nächste Gruppe von Fragen zu stellen. Diese nächste Stufe der Analyse geht über die reine Ergebnismessung hinaus. Es geht darum, die treibenden Kräfte hinter den Geschäftsergebnissen zu verstehen, z. B. Warum konvertieren einige Kohorten besser als andere? Wie wirkt sich der Onboarding-Prozess auf die Aktivierung aus? Wie sieht das Profil der Nutzer aus, die abwandern? Wie hängen die Produktkennzahlen mit den allgemeinen Geschäftskennzahlen zusammen?

Wenn Ihr erstes Analysetool bei der Beantwortung dieser Fragen versagt, wenden Sie sich an Ihr BI- oder Data Engineering-Team. Dieses Team richtet ETL-Jobs ein, um Daten aus dem Produktanalysetool in ein Data Warehouse zu exportieren. Sie verwenden ein BI-Tool wie Tableau, um spezielle Berichte zu erstellen, die Sie angefordert haben. Es fällt ihnen schwer, diese speziellen Berichte zu erstellen, da es sehr schwierig ist, in Tableau trichter- oder pfadartige Abfragen zur Produktanalyse zu schreiben. Es dauert durchschnittlich 2 Wochen, bis Sie einen einzigen Bericht erhalten. Oft ist es dann zu spät, um die Erkenntnisse aus diesen Berichten zu nutzen. Die BI- und Data-Engineering-Teams sind mit den wiederholten Anfragen aus dem Unternehmen überfordert.

Phase 3: Unterstützung von benutzerdefinierten Analysen mit SQL

Mit zunehmender Skalierung Ihres Analysebedarfs wird es sehr schwierig, sich auf das BI- oder Data Engineering-Team zu verlassen. Es dauert nicht nur zu lange, bis Sie die benötigten Berichte erhalten, die Analysen sind auch isoliert und nicht nahtlos. Sie können die Ergebnisse aus dem BI-Tool nicht für weitere Analysen in Ihrem Produktanalysetool verwenden und umgekehrt. Sie möchten zum Beispiel das Verhalten der Benutzer auf Kontoebene untersuchen, wofür Sie Daten aus einem Vertriebssystem benötigen. Anhand der Ergebnisse eines BI-Berichts möchten Sie Conversion Trichter untersuchen, die nach Benutzern gefiltert sind, die zu einer bestimmten Kontoebene gehören. Das können Sie nicht tun.

Also beschließen Sie, einen Business-Analysten innerhalb Ihrer Unternehmensgruppe einzustellen, der sich mit SQL auskennt. Sie kauft ein SQL-Tool wie Mode und führt SQL-basierte Analysen für die Gruppe durch. Die Erstellung von Berichten geht jetzt schneller, da Sie nicht mehr auf BI oder Data Engineering angewiesen sind. Andererseits ist das Problem der isolierten Analysen über mehrere Tools hinweg genauso schlimm, wenn nicht noch schlimmer, jetzt, wo SQL im Spiel ist. Der Analyst leidet unter der Herausforderung, komplexes SQL zu schreiben und zu pflegen, wenn die Anforderungen an die Analyse wachsen. Sie sind nicht mehr mit dem zentralen Datenteam des Unternehmens verbunden und stellen Diskrepanzen bei den Metriken im gesamten Unternehmen fest. Das zentrale Team hat Bedenken hinsichtlich der Sicherheit und der Governance in Ihrem Abteilungssilo geäußert.

Produktanalytik der nächsten Generation

Es gibt einen Ansatz der nächsten Generation, der die Arbeit Ihrer Produktanalysesoftware, Ihres BI-Tools und Ihrer SQL-Plattform in einem übernehmen kann. Er beginnt damit, dass er direkt mit Ihrem Data Warehouse arbeitet.

Dies bringt eine Reihe von Vorteilen mit sich:

1. Sie können Datensilos vermeiden und stattdessen das Data Warehouse als die Quelle der Wahrheit nutzen. Dies führt nicht nur zu genaueren Daten, sondern erleichtert auch die Integration von Daten aus Ihrem gesamten Unternehmen, die zuvor nur schwer zu vereinheitlichen waren. Datenschutz- und Sicherheitsbedenken gehören ebenfalls der Vergangenheit an.
2. Sie können das Beste aus Produktanalytik und BI herausholen. Grundlegende Einblicke in die Produktnutzung sind weiterhin möglich, aber es ist auch einfach, Ad-hoc-Fragen mit BI-ähnlichen analytischen Raffinessen zu beantworten.
3. Visuelle Selbstbedienungsschnittstellen verringern die Abhängigkeit der Geschäftsanwender von BI- und Datenentwicklungsteams.

Optimizely Warehouse-Native Analytics steht mit seinem Analyseprodukt, das von Grund auf für den modernen Datenstapel entwickelt wurde, an der Spitze dieses Generationswechsels in der Produktanalytik. Wenn Sie ein Tool wollen, das viele ersetzt und mit Ihrem Unternehmen wächst, sollten Sie sich Warehouse-Native Analytics ansehen.