Страница 3 из 3
Если ответы на эти вопросы даны и энтузиазм не испарился, можно переходить к этапу 2.
Стадия 2. Пилотный проект
На втором этапе аналитик должен определиться: как дешево проверить, что от внедрения нового сервиса или продукта будет польза? На этом этапе проектируются и запускаются примитивные прототипы – простые приложения, сайты и т. п.
Стадия 3. А/В-тестирование и вилка решений
Суть А/B-тестирования лучше пояснить на примере.
Допустим, у вас есть интернет-магазин. Вы хотите добавить ему пару новых функций – например, красивую кнопку оформления заказа и 3D-обзор товара. Для удобства назовем их «Функция 1» и «Функция 2» соответственно. Текущее состояние магазина без новых функций будет служить контрольным показателем. Итак, вы создаете несколько версий магазина: только с «Функцией 1», только с «Функцией 2» и с обеими «Функциями» сразу, а потом демонстрируете новые версии сайта фокус-группам пользователей.
Ваша цель – понять, как новые изменения и их комбинации повлияли на работу магазина по сравнению с контрольным показателем. Возможно, смена цвета кнопки с синего на красный приведет к оттоку пользователей. Или, наоборот, заказов станет больше. Подобные тесты позволяют сформировать набор данных, на основе которых и принимается решение: добавлять новую функцию в сервис или нет.
На данном этапе возникает так называемая вилка решений. Перед началом работ вы должны однозначно определиться с критериями принятия решения. Иными словами, организаторы тестирования «на берегу» договариваются: если новая функция приведет к увеличению интересующего показателя на X % – значит, работы по внедрению продолжаются. А если функция понизит интересующую метрику на Y% – значит, от функции отказываемся и придумываем что-то еще.
Стадия 4. Запуск в промышленную эксплуатацию
Если А/В-тестирование показало приемлемые результаты, то новая функция внедряется в полном объеме.
Стадия 5. Сопровождение
На последнем этапе анализируется востребованность новых функций со стороны пользователя, работа обновленного сервиса, подводятся итоги проведенной работы. Кроме того, аналитик в течение определенного времени сопровождает обновленный сервис во избежание непредвиденных инцидентов.
Интересный факт
В 2010 году в компании Google разработчики провели свыше 8000 A/B-тестов, касающихся исключительно функции поиска[5].
Аналитик данных решает следующие задачи:
● построение прогнозных моделей на основе больших массивов данных – например, прогноз оттока клиентов на основе анализа данных об их активности с момента появления в клиентской базе;
● разработка механизмов персональных рекомендаций на основе анализа больших объемов данных;
● выявление скрытых аномалий и закономерностей в данных.
Для решения подобных задач аналитику данных нужны хорошие, глубокие знания в области математики и статистики. Эффект «большого брата», следящего за вами, – заслуга аналитика данных. Речь о ситуации, когда сервис формирует персональные рекомендации буквально через минуту после возникновения потребности у клиента. Вы послушали всего несколько песен на «Яндекс. Музыке», а вам уже предлагают индивидуальные плейлисты, которые с высокой вероятностью соответствуют вашим предпочтениям.
Задача аналитика, работающего над привлечением пользователей, – привести на сервис как можно больше людей и обеспечить максимальную коммуникацию с каждым из них.
В данном направлении аналитик работает с:
● инструментами поисковой оптимизации;
● сегментацией клиентов и точечными предложениями;
● инструментами управления взаимоотношениями с клиентами (CRM – от англ. Customer Relationship Management);
Конец ознакомительного фрагмента.
Текст предоставлен ООО «ЛитРес».
Прочитайте эту книгу целиком, купив полную легальную версию на ЛитРес.
Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.
5
Роулинг С. Я хочу больше идей. Более 100 практик и упражнений для развития творческого мышления. – М.: Манн, Иванов и Фербер, 2018.