Introdução à Product Analytics

Você, pessoa de produto, sempre está rodeada de muitos dados, e a grande verdade é que ainda se sente como se pudesse obter ainda mais. O problema de uma gestão de produto não é obter mais dados, e sim gerenciar os dados existentes. A maioria dos profissionais da área sequer sabem o que é governança de dados, o que me levou a criar este primeiro episódio voltado para análises de produto.

 

Como começar?

 

Antes de responder essa pergunta, vamos primeiro listar algumas das principais ferramentas e como elas são mais conhecidas, ok?

 

  • Google Analytics – Ferramenta bastante usada em Marketing Analytics e Product Analytics. É eficiente na medição de acessos, pageviews, funis, e também possui uma boa ferramenta de testes AB.
  • Mixpanel – Ferramenta bastante usada para eventos de usuário, além de ser boa para criar segmentação de uso e permitir até mesmo interagir de forma criativa e eficiente com seus usuários.
  • Amplitude – Ferramenta também bastante usada para eventos de usuário, assim como documentação e relatórios (muito parecida com Mixpanel).
  • Hotjar – Ferramenta bastante usada para monitorar o comportamento do usuário na sua página/aplicação. O Hotjar possui um viés mais de UX, gerando mapa de calor por onde os usuários passam o mouse, clicam e “scrollam”, sem contar sua poderosa ferramenta de gravação de sessões de usuário e seu funil de eventos.

 

Existem muitas outras? Sim! Como, então, eu decidi as que eu listaria para vocês? Bom, não só baseado em experiências minhas com essas ferramentas, mas, principalmente, porque todas as 4 permitem que você comece o seu projeto gratuitamente.

 

— Bernard, agora que já explicou as ferramentas, em que momento eu devo começar a investir em ferramentas de trackear dados de produto?

 

  • Se o seu produto for B2B, você pode investir após ter 30 clientes ativos.
  • Se o seu produto for B2C, você pode investir após ter 700 clientes ativos.

 

Antes disso, você deve focar em aprendizado qualitativo com seus usuários, através de NPS, entrevista com usuários, formulários etc.

 

  • OBS1: se você consegue usar a versão gratuita de uma dessas ferramentas em seu MVP, deixe ela coletando dados e aprendendo para quando for investir tempo e esforço, você já ter um histórico.
  • OBS2: uma ferramenta que pode te ajudar já no seu MVP é a Hotjar, não só por mostrar como os usuários estão usando o seu produto de forma mais visual, mas por permitir que você abra pesquisas com o seu usuário, chat e até mesmo permitir que eles se marquem como “testers”.

 

Eventos são tudo!

 

Mencionei eventos no último tópico, mas sei que muita gente não sabe o que significa, ou até mesmo já ouviu falar, mas não sabe a real importância deles.

 

O que são eventos?

 

Eventos são interações do usuário com algum conteúdo que pode ser medido independentemente de uma página da web ou de um carregamento de tela.

Exemplos: downloads, busca (botão de busca), botão de cadastro, link
de acessar arquivo, upload de fotos, botão de compra, aumentar foto de produto etc.

 

Trackeando eventos

 

Um erro muito comum de quem começa a usar essas ferramentas é querer rastrear (trackear) tudo que é possível, causando um trabalho muitas vezes desnecessário de desenvolvimento, sem nenhuma produtividade, e, principalmente, vantagem para o produto.

 

Ao começar na área, você precisa se familiarizar com um Plano de Rastreamento (Tracking Plan), que é um documento onde você insere, de forma organizada, tudo que quer rastrear e o status desse rastreamento.

 

Dando o 1º passo em Product Analytics

 

Por mais que o céu seja o limite em análise de produto, existem algumas métricas que são as mais usadas por gerentes de produto, vamos dar uma olhada?

 

  • Customer Acquisition Cost (CAC) – Custo de Aquisição do Cliente.
  • Customer Conversion Rate (CCR) – Taxa de Conversão do Cliente
    (usuário em cliente).
  • Repurchase Rate – Taxa de Recompra.
  • Daily Active Users (DAU) – Usuários Ativos Diários.
  • User Churn (UC) – Saída de Usuários.
  • Customer Satisfaction (CSAT) – Satisfação do Cliente.
  • Customer Lifetime Value (CLV) – Valor do Tempo de Vida do Cliente.

 

Vamos de exemplo

 

Para esse exemplo, escolhi o Customer Conversion Rate (CCR) como métrica principal, ok?

 

Minha hipótese é que aproximando o botão de compra do preço, na tela de pricing, eu consigo aumentar a taxa de conversões de clientes.

 

Para isso, preciso analisar algumas coisas que vão interferir nessa hipótese:

 

  • Teste AB, onde a gente deixa a versão atual da página de preços (A) concorrer com uma nova página (B), onde o botão estará mais próximo do preço.
  • Evento de clique de compra trackeado.
  • Taxa de conversão de cliente por página.

 

Assim, conseguiremos realmente validar nossa hipótese e tomar a decisão de trocar (ou não) a página atual de preços para a versão B do nosso teste AB.

 

Processo de análise e conclusão

 

À primeira vista, tudo isso parece muito assustador, mas experimente começar pelo começo e não tente dar um passo maior que a perna.

 

Uma dica é começar pela proposta de valor. Por exemplo, se estou criando um aplicativo de relacionamento, minha proposta de valor é o match entre pessoas.

 

Logo, meu objetivo é claro: atingir a maior quantidade de matchs por semana.

 

A partir daí, você pode fazer um brainstorm com o seu time respondendo a seguinte pergunta:

 

— O que podemos fazer dentro do App para aumentar a quantidade de matchs?

 

Essas suposições serão listadas e votadas pelo time. Eu, particularmente, votaria nessas suposições usando matriz Esforço X Impacto, pois quero saber o que terá menos trabalho de desenvolvimento e gerará maior impacto para a empresa.

 

As suposições com as melhores notas serão as primeiras que serão testadas como hipóteses.

 

Assim, colocamos as hipóteses como requisições nesse trimestre, ou seja, vamos inserí-las em um backlog de tarefas e elas serão gerenciadas junto com outras tarefas, funcionalidades e bugs com o time de desenvolvimento.

 

Vale lembrar que uma hipótese só pode ser testada quando definida a métrica responsável por validar se ela deu POSITIVA ou NEGATIVA.

 

Por fim, você vai medir o experimento, documentar o resultado e tomar decisões a partir dele, e isso acontece de novo, de novo e de novo.

 

Então, perceba a jornada:

 

Você observou algo, criou suposições, priorizou, criou hipóteses, definiu a métrica responsável pelo experimento, rodou o experimento e documentou o resultado.

 

E é assim que você entra de vez no universo de Product Analytics, usando conceitos, ferramentas e processos para analisar e melhorar o seu produto, sempre de forma contextualizada, inteligente e eficaz!