TL;DR

Zamiast mierzenia wszystkiego od początku, lepiej skupić się na kluczowych metrykach i stopniowo rozbudowywać analitykę
Dla nowego produktu najważniejsze jest określenie, czego NIE mierzyć – aby uniknąć przytłoczenia danymi
Każda metryka powinna mieć uzasadnienie biznesowe i prowadzić do konkretnych decyzji
Współpraca analityka z produktowcem jest najefektywniejsza, gdy każdy wnosi swoją unikalną perspektywę
Analityk powinien rozumieć cele biznesowe, a produktowiec podstawy analityczne
Komunikacja przez tabelki z pytaniami badawczymi jest bardziej efektywna niż narracyjne maile
Podstawowe narzędzia jak Excel mogą być wystarczające na początku – ważniejsze jest podejmowanie szybkich decyzji

Wprowadzenie: Dlaczego analityka produktowa jest kluczowa

W dzisiejszym świecie cyfrowym dane są podstawą podejmowania decyzji produktowych. Jednak wdrożenie skutecznej analityki od zera to wyzwanie dla wielu produktowców. W podcaście „Product Vision” prowadzonym przez Olgę Springer i Tomka Tomaszewskiego, Kajo Rudziński, doświadczony analityk danych i twórca Kajo Data Space, dzieli się swoimi doświadczeniami dotyczącymi wdrażania analityki produktowej oraz efektywnej współpracy między produktowcami a analitykami.

Kim jest Kajo Rudziński i czym jest Kajo Data Space?

Kajo nie ma typowego dla analityka wykształcenia matematyczno-technologicznego – jest po studiach polonistycznych, a karierę zaczynał w obsłudze klienta. Od wczesnych lat wierzył, że „mierzenie rzeczy pozwala nam się poprawić” i już jako dwudziestolatek intensywnie korzystał z Excela.

Kajo Data Space to platforma i społeczność dla osób zainteresowanych analizą danych, skupiająca:

Absolwentów studiów szukających drogi do pracy w analityce
Menedżerów i produktowców, którzy chcą lepiej rozumieć język analityków
Osoby w wieku 35-45 lat szukające zmiany kariery

Jak podejść do wdrażania analityki produktowej od zera?

Różne scenariusze wymagają różnych podejść

Kajo wyróżnia dwa główne scenariusze wdrażania analityki produktowej:

Produkt tworzony od zera – jak jego Kajo Data Space
- Głównym wyzwaniem jest decyzja, czego NIE mierzyć
- Pokusa mierzenia wszystkiego jest ogromna, ale prowadzi do przytłoczenia
Nowa funkcjonalność w istniejącym produkcie – np. dodanie subskrypcji w sklepie
- Kluczowe jest określenie, co nowego powinniśmy zacząć mierzyć
- Można bazować na tym, co już wiemy o użytkownikach i produkcie

Szczególne podejście dla produktów zero-to-one

Dla zupełnie nowych produktów (zero-to-one):

Ważniejsze jest skupienie się na tworzeniu wartości i budowaniu biznesu
Na początku brakuje danych do sensownych wniosków analitycznych
Analityka powinna być prosta i skupiona na podstawowych metrykach

Na czym się skupić na początku?

Pragmatyczne i iteracyjne podejście Kajo:

Zacznij od absolutnie podstawowych metryk (np. liczba klientów, przychody)
Stopniowo dodawaj nowe metryki w miarę rozwoju produktu
Buduj nowe metryki na podstawie poprzednich
Unikaj skomplikowanych ram analizy przy niewielkiej ilości danych

Pytania badawcze – kiedy są przydatne?

Olga Springer zwraca uwagę na wartość pytań badawczych:

Świetnie sprawdzają się w procesie Discovery
Pomagają wyłapać, czego nie mierzymy, a powinniśmy
Nie są najlepszym narzędziem na samym początku wdrażania analityki
Stają się wartościowe, gdy mamy już bazę danych i użytkowników

Czego unikać przy wdrażaniu analityki?

Typowe błędy przy wdrażaniu analityki:

Teoretyzowanie zamiast pragmatycznego podejścia
Stawianie nierealistycznych celów analitycznych
Mierzenie wszystkiego od początku
Koncentracja na „vanity metrics” (metrykach, które dobrze wyglądają, ale nie przekładają się na decyzje)

Case study: Wdrażanie analityki w Kajo Data Space

Pierwsze kroki – minimum metryk

Na początku Kajo mierzył absolutne minimum:

Liczba osób kupujących kursy
Podstawowe dane geograficzne
Koszt pozyskania klienta przez reklamę

Świadomy wybór priorytetów

Strategiczna decyzja Kajo: skupić się na tworzeniu większej liczby produktów (kursów) zamiast rozbudowywania analityki. Dopiero rozhulanie biznesu miało pozwolić na wprowadzanie bardziej zaawansowanych analiz.

Czego początkowo NIE mierzył:

Satysfakcja z kursu
Postępy uczestników
Szczegółowe zachowania użytkowników

Powód? Te metryki nie były priorytetami biznesowymi na tym etapie. Każda analiza wymaga czasu na wdrożenie i interpretację.

Stopniowy rozwój analityki

Dopiero po około 1,5 roku i kilku udanych produktach, Kajo rozbudował analitykę:

Analiza konwersji
Mierzenie retencji w modelu subskrypcyjnym
Badanie, jak zwiększyć liczbę płatności od jednego klienta

Współpraca między Product Ownerem a Analitykiem

Czego analityk oczekuje od Product Ownera?

Oczekiwania analityka:

Przypominanie o wartości i wizji produktu
Posiadanie roadmapy rozwoju produktu
Unikanie koncentracji na „Vanity Metrics”
Wnoszenie unikalnej perspektywy, innej niż analityczna
Rozumienie języka liczb bez zagłębiania się w szczegóły techniczne

Czego produktowcy oczekują od analityka?

Oczekiwania produktowców:

Zaangażowanie w sukces produktu, nie tylko wykonywanie analiz
Dociekliwość i współpraca przy ustalaniu co i jak mierzyć
Przekładanie skomplikowanych pojęć na prosty język
Generowanie wniosków, nie tylko dostarczanie liczb
Proaktywne podejście – sugerowanie lepszych sposobów analizy

Model product trio/quattro

Wartość włączenia analityka do zespołu decyzyjnego:

Tradycyjne „product trio” składa się z: Product Managera, Designera i Tech Leada
W zespołach silnie opartych na danych warto rozszerzyć to do „quattro” z analitykiem
Analityk staje się równie ważny przy podejmowaniu kluczowych decyzji produktowych

Jak skutecznie komunikować się między rolami?

Praktyczne wskazówki komunikacji:

Używaj tabelek zamiast długich opisów
- Analitycy czują się pewniej z danymi w strukturze tabelarycznej
- Język biznesowy produktowców może być zbyt narracyjny dla analityków
Nie bój się zadawać prostych pytań
- Analitycy doceniają chęć zrozumienia i unikania błędów
- Podstawowe pytania często prowadzą do lepszego porozumienia
Strukturyzuj komunikację
- Pierwsza kolumna: pytanie badawcze
- Druga kolumna: metoda badawcza i źródło danych
- Trzecia kolumna: wspólnie poszukiwane wyniki

Narzędzia do analityki produktowej

Pragmatyczne podejście Kajo do narzędzi:

Podstawowe narzędzia wystarczające na początek:

Excel – do podstawowej analizy danych
Tableau – do wizualizacji (bezpłatna wersja)
Power BI – ze względu na integrację z ekosystemem Microsoft

Kluczowa lekcja: nie zawsze potrzebujemy skomplikowanych narzędzi – ważniejsze jest podejmowanie decyzji biznesowych.

Optymalizacja biznesowa vs. satysfakcja klienta

Kontrowersyjny temat z podcastu: czasem optymalizacja biznesowa nie idzie w parze z intuicyjnym rozumieniem „dobrego produktu”.

Przykład z subskrypcjami:

Klienci, którzy płacą, ale nie korzystają z produktu
Z perspektywy produktowej: problem (nie wiemy nic o tych użytkownikach)
Z perspektywy biznesowej: najlepszy rodzaj klienta (nie generuje kosztów)

Dwie perspektywy z dyskusji:

Kajo: metryki muszą mieć uzasadnienie w finansach
Tomek: klienci, którzy nie otrzymują wartości, w końcu rezygnują i nie wracają

Ta dyskusja pokazuje napięcie między krótkoterminową optymalizacją finansową a długoterminową wartością produktu.

Gdzie szukać wiedzy o analityce produktowej?

Możliwości zdobywania wiedzy analitycznej dla produktowców:

Edukacja formalna
- Akademia Analityki Produktowej (wspomniana przez Olgę)
- Kursy uczące projektowania celów i metryk
Praktyczne doświadczenie
- Przećwiczenie podstawowych analiz na realnych danych
- Nauka pokory wobec tego, co można wyciągnąć z danych
Wspólna praca z analitykami
- Zadawanie pytań i aktywne poszukiwanie zrozumienia
- Budowanie wspólnego języka

Podsumowanie: Balans między danymi a intuicją

Kluczowe wnioski:

Zacznij od podstawowych metryk i stopniowo rozbudowuj analitykę
Koncentruj się na metrykach prowadzących do konkretnych decyzji biznesowych
Pamiętaj o celu biznesowym – nie wszystko warto mierzyć
Buduj efektywną współpracę między produktowcami a analitykami
Używaj narzędzi odpowiednich do skali – czasem Excel wystarczy

Wdrażanie analityki to proces ewoluujący wraz z produktem, nie jednorazowe działanie.

Ten artykuł, oparty na odcinku 019: „Analityk vs PM – wdrażanie analityki produktowej” z Kajo Rudzińskim (KajoData.com), jest częścią serii notatek z wartościowych webinarów i podcastów na temat zarządzania produktem cyfrowym.

Tag: Kpi

Analityk vs PM – Jak skutecznie wdrażać analitykę produktową #EN59