Product Science by Anton Martsen

Было? 😅

Фреймворк для систематизации культур и особенностей поведения в них https://www.behavioraleconomics.com/what-behavioral-scientists-should-know-about-hofstedes-cultural-framework/

Хорошо сказал

Понравилась вот эта часть статьи Криса: "Ответ на вопрос типа « Как влияет ___ на ___? » обычно требует больше усилий, чем оно того стоит . Забудьте о редком исключении. → Вместо этого : сосредоточьтесь на хорошей оценке в каждом блоке — оценке опыта пользователей, оценке поведения, оценке качества продукта, оценке цен, оценке конкурентов и т. д. — и не пытайтесь связать их вместе (что, даже если бы вы это сделали, в любом случае потребуется хорошая оценка внутри каждого блока; на самом деле, потребуется отличная оценка, чтобы справиться с объединенной дисперсией и помехами.)" Зачастую, действительно хочется упороться в анализ причинно-следственных связей и понять, а что конкретно влияет на нужную тебе метрику. Например я работаю с cr1, можно много ковыряться в событиях и искать корреляции и пытаться обосновать их причинность. Но как правило более эффективно идти от понимания системы и анализа отдельных блоков. Например на cr1 влияют: - ценность оффера для сегментов, которые приходят на сайт - этап пути клиента на котором находится пользователь - доверие к продукту и бренду - удобство и понятность интерфейса и отсутствие барьеров в процессе заказа - позиционирование и цены конкурентов - сезонность - факторы принятие решения по сегментам. Построить модель влияния всех этих факторов на cr1 и оценить вклад каждого параметра, кажется практически не возможно, а также всегда могут быть скрытые переменные. Но можно провести исследование в каждом из блоков и найти гипотезы по улучшению в каждом из блоков и проверить их через АБ, такой путь более практичный, более понятный и приносит конкретный результат в виде роста метрик

Речесч подборка от Юры Ветрова. Обратите внимание на статью Криса Чапмана - жиза.

Тяжеловесная мини-подборка свежего о пользовательских исследованиях. Такая плотность редкой годноты собирается нечасто:   1. Michele Williams: Годная памятка по проведению исследований для улучшения accessibility. Инструменты и методы сильно ограничены, но она предлагает альтернативы.   2. UXtweak: Мощнейшая памятка по поиску респондентов. Они опросили экспертов, которые дали много толковых советов. 3. Noreen Whysel: Разобралась, делятся ли сервисы для исследований какими-то данными со сторонними платформами. Есть нюансики. 4. Faten Habachi: Структурированная подборка статей о построении базы знаний и инсайтов. Как инициировать, построить, наполнить, использовать и т.п. 5. Adam Palanica: Решил разобраться с мифами о поведении людей. Зачастую это клише, искажённые научпопом, которые не подтверждаются реальными исследованиями или сильно искажены относительно первоисточника. 6. Chris Chapman: Напоминает, что исследования не всегда могут дать простой ответ на сложные бизнес-гипотезы. Он предлагает отличный обзор разных аспектов бизнеса, в каждом из которых можно принести много годных инсайтов. 7. Steve Bromley: Отличная памятка о том, когда и сколько игровых тестов нужно проводить на каждом этапе работы над игрой. Какие риски есть на этих этапах и что за методы помогут их снизить. 8. Jeff Sauro и Jim Lewis: Памятка по всем своим исследованиям шкал опросов, которые они делали в последние годы. Они пытались разобраться, есть ли разница в результатах при изменении формы. Из последнего — они испытали необычный вариант — сплошную полоску, где можно кликнуть в любое место, а не классические радио-кнопки. В целом заметной разницы нет. 9. Jake Burghardt: Принципы хорошей базы знаний и инсайтов. 10. Сервис Dovetail для ведения базы знаний и инсайтов из пользовательских исследований провёл свою конференцию Insight Out 11 апреля в Сан-Франциско. Они начали публиковать видео и транскрипции выступлений. Вот несколько толковых:   — Со-основатель и глава Dovetail Benjamin Humphrey рассказал об изначальной задумке при создании продукта и том, как её удалось реализовать только сейчас, с помощью недавних наработок рынка в ИИ. Он также рассказал о новых алгоритмических функциях для упрощения работы с инсайтами.   — Команда Jared Forney в Okta умеет здорово миксовать разные методы под запрос команды. Он рассказал о нескольких подходах, используя метафору меню в ресторанах.   — Из-за массовых сокращений в ИТ 2020 и 2022-2023 года рынок сильно изменился, включая пользовательские исследования в компаниях. John Garvie из Uber делится своим пониманием обязанностей и возможностей генералистов в такой ситуации.   #research

График от QuantUX-ресерчера, который повлиял на стратегию YouTube https://elizlaraki.substack.com/p/how-one-ux-researcher-ignited-sweeping История из бородатого 2010 года, в котором общими мазками описывают как взяли кучу данных поведения пользователей на сайте, систематизировали их и отобразили визуально. И этот визуал стал настолько виральным внутри компании, что с ним печатали футболки и никому в YouTube не удалось увернуться от выводов, которые с прилагались к графику. Герой этой истории был первым квант-ресерчером, затем переквалифицировался в dataviz-инженера и вернулся обратно в ресерч. Попутно родился вот такой чудесный темплейт для рисования sunburst-диаграмм. https://observablehq.com/@kerryrodden/sequences-sunburst Я таких историй прочитал много, но что важно: - персонализированные продукты генерируют большой объем разнообразных паттернов - с каждый годом персонализации в продуктах все больше и больше - чтобы емко и понятно отобразить результаты исследования их надо не только систематизировать и упростить, но и эффективно отобразить. Поэтому подчеркиваю важность dataviz-скиллов и в целом навыки презентации своей работы. Современные персонализированные продукты, которые оперируют в разных странах, на разных платформах и для разных сегментов аудитории почти невозможно объяснить "простыми, понятными и неэффективными" инструментыми коммуникации. Тренд на усложнение инструментов аналитики виден и в других частях продуктовой работы. Вспомним, как постепенно индустрия постепенно отходит от воронок и чаще начинает оперировать траекториями путей пользователя, а линейные деревья метрик уступают места каузальным графами со сложными неявными связями между метриками. А это требует новых методов обработки информации (напр. сетевой анализ) и их отображения (напр. новые виды диаграмм как на картирке к посту).

Поговорим про Product Science? Aha'24 на этот раз проходит с припиской Product Science (все совпадения случайны👀). Спектр тем: продуктовая аналитика, продуктовые подходы и все более проникающим в продукты и процессы ИИ. В этом году не выступаю, но веду и модерирую секцию персонализации и рекомендательных систем. Обещаю вдумчивых вопросов для спикеров и приятной атмосферы в зале для всех слушателей. P.S. А что бы вы спросили у спикеров? В комментариях к этому посту предлагаю написать вопросы, которые бы вы хотели задать. Вот тут список докладов (F43:F49), чтобы понять кто и о чем будет рассказывать. P.S.S. Уверен, что немалая часть аудитории этого канала уже приобрела себе билетик, но если нет, то вы знаете что делать на сайте https://matemarketing.ru/aha (промо LASTCHANCE дает приятный скидон)