или заполните форму
Аналитика
Data Driven подход: модели, методы и решения
Владимир
Аналитик
Предприниматели всегда формировали стратегию управления, опираясь на данные о расходах и доходах, но решения принимали, основываясь на интуицию, опыт, теорию или традиции. Такие решения в бизнесе всегда субъективны и зависят от личного мнения руководителя.
Но есть и другой подход, который основан на объективных статистических данных, метриках и их грамотной интерпретации. Он опирается на факты и с большей вероятностью принесет прибыль.
Что это такое?
Data Driven (Дата Драйвен) — подход в управлении деятельностью, который во всех процессах опирается на данные, а не интуицию или личный опыт.
С английского термин переводится как «управляемый данными» и может относиться к любому процессу деятельности. В чем заключается Data Driven подход? Управление — это процесс принятия решений, а значит, все решения на пути достижения цели должны быть обоснованы данными.
Базируется на четырех принципах:
- Решения принимаются на основе данных.
- Чтобы доверять данным, они должны быть статистически значимыми и достоверными.
- Данные необходимо анализировать и верно интерпретировать.
- Работа с данными требует ресурсов: бюджетов, времени и внимания специалистов.
То есть любые решения, которые вы принимаете в процессе достижения цели, должны основываться на достоверных данных, которые проверены и проанализированы.
Концепция Data Driven
Подход Data Driven — это совокупность однородных методов. А метод — это способ достижения цели. Поэтому сначала определяются условия выбора, и только потом выстраивается стратегия.
То есть сначала определяется бизнес-цель, например, рост прибыли за год. А уже затем определяются стадии и ставятся промежуточные цели, выполнение которых определяется метриками — KPI.
Чтобы установить условия выбора, нужно определить:
- Цель действий.
- Решения, которые необходимо принять.
- Количество необходимых данных.
- Тип данных.
- Источник данных.
- Срок и частоту обновления данных.
- Методы анализа и интерпретации.
В результате процессы, которые построены на анализе данных, становятся прозрачными, управляемыми и предсказуемыми.
В чем достоинства
Подход дает ощутимые преимущества, потому что стратегия, которая основана на данных, опирается на факты и достоверную информацию. Таким образом она помогает принимать объективные решения.
Большая уверенность в бизнес-решениях
Аналитика данных заменяет субъективные мнения объективными фактами и рациональным подходом. Это дает логическое и конкретное обоснование вашего выбора. Что позволяет оценить существующую производительность и разработать четкий путь к достижению целей.
Ясность в отношении возможностей бизнеса
Сбор и анализ данных упрощает процесс исследования рынка. Изменения рынка и новые тенденции выявляются быстрее, что дает преимущество перед конкурентами. Данные подскажут, как скорректировать маркетинговую кампанию.
Более точное прогнозирование
Анализ данных дает возможность находить новые идеи, что позволяет тестировать различные бизнес-стратегии. А результаты тестирования повышают точность прогнозов.
Повышенная гибкость и способность к масштабированию
Отделы, которые могут отслеживать KPI и результаты, получают возможность корректировать свой курс. Это упрощает непрерывные постепенные изменения. Что дает возможность быстро воплощать идеи и открывать новые направления.
Высокая операционная эффективность и экономия средств
Когда все данные учитываются, это повышает ответственность всех сотрудников за достижение конкретных целей и получение измеримых результатов. Высокая подотчетность приводит к экономии средств и повышению доходов.
Рост лояльности и вовлеченности сотрудников
Работа на основе данных — прозрачна и понятна коллективу. Все видят долгосрочные цели и этапы ее достижения, каждый понимает свой вклад и ответственность. У работников и менеджеров появляется чувство контроля.
Где можно использовать
Data Driven подход может быть применен везде, где можно получить и проанализировать статистические данные.
Самые популярные области применения Data Driven это:
- Data Driven Decisions — принятие решений при управлении проектами.
- Data Driven Management — управление процессами.
- Data Driven Business — ведение бизнеса на основе данных, Big Data и систем Business Intelligence.
- Data Driven Learning — обучение на основе данных, например, изучение иностранных языков.
- Data Driven Design — проектирование дизайна на основе данных о поведении пользователей.
- Data Driven Testing — тестирование программных продуктов, сайтов и приложений.
- Data Driven Development — разработка программных продуктов.
Мы будем рассматривать применение Data Driven в электронной коммерции.
Data Driven в ecommerce
В электронной коммерции используют подход Data Driven Marketing, то есть маркетинг на основе данных.
Он дает более полное представление о том, кто ваши клиенты и чего они хотят. Также это процесс получения информации о поведении потребителей и выявления тенденций и паттернов, что позволяет корректировать маркетинговые усилия и повышать их эффективность.
Обзор поведения пользователей
Подход позволяет:
- Правильно определить целевую аудиторию.
- Создать портрет потребителя с помощью данных, а не догадок.
- Верно таргетировать предложение и маркетинговые сообщения.
- Повысить эффективность рекламных кампаний.
- Прогнозировать поведение пользователей на основе паттернов.
- Повысить средний доход на пользователя ARPU и пожизненную ценность клиента.
- Оперативно реагировать на изменения рынка.
Опора на данные в маркетинге имеет следующие цели:
- Повышение эффективности.
- Привлечение новых клиентов.
- Удержание постоянных клиентов и мотивация к повторным покупкам.
- Персонализированный подход к коммуникациям с посетителями.
- Понимание поведения и потребностей пользователей с помощью анализа данных.
Для достижения целей собирают два типа данных:
- Количественные, которые рассказывают, что и в каком объеме происходит на сайте.
- Качественные, которые рассказывают контекст и историю, и помогают понять, почему пользователи ведут себя определенным образом.
Анализ этих данных дает возможность определить сценарии поведения пользователей, пути клиента и найти препятствия при прохождении воронки продаж.
Маркетинг на основе данных — это итеративный процесс, то есть циклы постоянно повторяются. Он может быть применен как для привлечении трафика, так и для повышения конверсий, продаж и прибыльности интернет-магазинов.
Насколько вы готовы к Data Driven
Прежде чем внедрять подход, нужно определить на каком уровне находится ваша компания — для этого можно использовать готовые модели.
Data Driven Model — это модель для определения аналитической зрелости компании от Gartner.
Уровни Data Driven компаний по мере их развития
Всего выделяют 5 уровней работы с данными.
1. Базовый — начало работы с данными
- Ручной сбор данных.
- Связанность данных низкая или отсутствует.
- Теряется больше 50% данных.
- Низкая культура работы с данными.
- Работает небольшая команда.
2. Приспособленческий — данные используются часто
- Полуавтоматический сбор данных.
- Данные из разных систем не связаны.
- С данными работают руководство и отдельные команды.
- Тактические решения принимаются на основе данных.
3. Систематический — решения принимаются на основе данных
- Сбор данных определен стратегией.
- Автоматический сбор данных и отчетов.
- Внедрены системы работы с данными.
- Собирается от 50 до 80% всех данных.
- Добавляются сторонние источники данных.
4. Дифференцирующийся — быстрый рост, благодаря данным
- Выделенная команда аналитиков данных.
- Стратегические решения принимаются на основе данных.
- Данные служат источником идей для развития маркетинга.
- ROI рассчитывается на основе данных.
5. Трансформирующий — бизнес, завязанный на работе с данными
- Сильная культура работы с данными.
- Инвестиции основаны на данных.
- Данные — центральная часть стратегии.
- Все решения основаны на данных.
- Все данные компании связаны между собой и составляют единую базу.
Как внедрить Data Driven
Чтобы внедрить Data Driven подход в вашу организацию, нужно:
- Определить источники данных.
- Убедиться в точности, актуальности и чистоте данных.
- Собрать все источники на единой платформе.
- Создать инфраструктуру для хранения — базы данных.
- Найти специалистов по аналитике и работе с данными.
- Собрать данные из источников.
- Проанализировать их, выдвинуть гипотезы.
- Проверить гипотезы на практике и получить выводы.
Что важно понимать
1. Это не просто сбор, как можно большего количества разных данных.
Необходимы данные, которые помогут понять поведение пользователей, чтобы затем улучшить продукт или развить проект.
2. Чтобы получить статистически значимый результат, необходимы достаточные объемы данных.
Важны сроки и объемы сбора данных, иначе результат нельзя считать статистически достоверным.
3. Важно не переборщить с подходом, основанным на данных.
Данные — это не самоцель. Цель — понять пользователя и улучшить его опыт, чтобы достичь бизнес-целей.
Сложности:
- Недостаточно просто собирать данные, их необходимо обрабатывать, хранить, интерпретировать, а затем выдвигать и проверять гипотезы.
- Необходима инфраструктура, нужны системы веб-аналитики, учета ресурсов и сквозной аналитики, CRM.
- Нужны опытные специалисты, которые умеют правильно интерпретировать данные и тестировать гипотезы.
- Необходимо определенное время, чтобы получить значимые результаты.
- Нужна культура работы с данными, то есть привычка принимать решения только на основе данных, а не наугад.
Если у вас нет квалифицированной команды и опыта — вы рискуете потратить много времени и ресурсов, но добиться слабых результатов. Альтернатива — отдать работу с данными на аутсорс, тем, кто уже имеет опыт и наработанные методики.
Работа со специалистами на аутсорсе
Выберите правильного партнера
Убедитесь, что агентство активно использует данные и работает с ними на стратегическом уровне. Партнер должен обладать реальным опытом извлечения и проверки данных, тестирования гипотез и внедрения.
Используйте MVP
Минимально жизнеспособный продукт — это то, что позволит найти лучший вариант на практике с помощью тестирования, но без крупных затрат. Агентства, которые работают на основе данных, постоянно тестируют свои гипотезы, а значит, с большей долей вероятности предположат выигрышное решение.
Подробнее в статье «MVP интернет-магазина: как запустить e-commerce проект быстро и с минимальными рисками».
Объедините количественные и качественные данные
Работа с данными — это не просто поиск и визуализация красивых цифр. Любая гипотеза должна опираться как минимум на 2 источника данных и также должна быть подтверждена 2 типами данных. То есть цифры должны быть подтверждены контекстом и историей.
Только такой подход позволяет понять поведение пользователей и улучшить их опыт, что повысит их лояльность и как результат повысит конверсии, лояльность и повторные покупки.
Как Data Driven работает в KISLOROD
Наше агентство — пример Data Driven компании. Мы опираемся на данные во всех рабочих процессах, внедряем и развиваем культуру работы с данными среди сотрудников.
Любая работа с данными строится как петля улучшений, то есть повторяется итерациями:
- Сбор данных.
- Поиск идей и выдвижение гипотез.
- Отбор гипотез.
- Исследования и тестирование гипотез.
- Анализ результатов.
Затем процесс запускается заново. Так мы работаем последовательно и рационально, а все свои действия планируем и можем прогнозировать результаты с высокой долей вероятности.
Алгоритм работы
Кроме того, мы ведем собственную базу знаний, где аккумулируем отраслевой опыт, что повышает точность прогнозов. Это существенно экономит бюджеты заказчика и наше время и нервы, как подрядчика.
Аудит интернет-магазинов
При проведении аудитов мы собираем данные об ошибках на сайте и даем рекомендации по их устранению.
В рамках этой услуги производится два вида аудитов:
1. Юзабилити-аудит. Позволяет найти, а затем устранить проблемы в использовании сайта, определить причины низкой конверсии и плохих показателей поведенческих факторов.
2. Технический аудит. Выявляет проблемы как в коде и в верстке, причины низкой производительности и нагрузки на сервер.
В нашей практике есть хороший пример, когда технический аудит позволил заказчику сэкономить значительные средства — ему не пришлось создавать новый интернет-магазин. Вместо этого мы провели нагрузочное тестирование, а затем оптимизировали программный код так, чтобы ресурс выдерживал нагрузку до 60 тысяч посетителей в день.
Подробности читайте в статье «Как провести нагрузочное тестирование интернет-магазина на Битрикс».
Таким образом данные становятся основой для доработок, что позволяет принимать осознанные рациональные решения. Мы также используем собственный многолетний опыт разработки на «1С-Битрикс» и в e-commerce проектах.
Продуктовая аналитика
Это анализ данных по всей воронке продаж интернет-магазинов. С помощью аналитики мы находим новые точки роста и возможности для доработок.
1. Рост конверсии. Собираем данные, выдвигаем и проверяем гипотезы, чтобы увеличить конверсию за счет доработок.
2. Юзабилити-тестирование. Проводим A/Б-тесты и юзабилити-тестирование на фокус-группах, чтобы улучшить опыт пользователя.
3. Конкурентный анализ. Собираем данные об игроках в нише: трафик, аудиторию, сильные и слабые стороны. Даем рекомендации, как отстроиться от конкурентов и выгодно от них отличаться.
Анализ воронки сайта с низкой конверсией
Еще один пример — системная работа над оптимизацией конверсии, CRO. Она объединяет различные методы сбора данных, поиска и проверки гипотез для улучшения пользовательского опыта. Цель — повышение среднего чека и количества транзакций без привлечения дополнительного трафика.
Подробнее о том, как это работает, читайте здесь: «Увеличиваем конверсию и доход e-commerce проектов по собственной методике CRO»
Data Driven Design
В разработке при проектировании UX и UI дизайна мы используем Data Driven Design.
Data-Driven Design — это проектирование продукта на основе данных: исследований, тестов и проверки гипотез.
В традиционном подходе дизайн создается на основе догадок, опыта и интуиции дизайнера. Мы же разрабатывая проекты, руководствуемся своим опытом, лучшими практиками на рынке от Baymard Institute и Nielsen Norman Group, а также анализом данных и результатами исследований. При этом мы не отрицаем опыт и интуицию, но исключаем вкусовщину и действия наугад.
Кейс из практики
Работали с интернет-магазином детской одежды, но проект находится под NDA, поэтому покажем только прототипы вариации первого экрана.
Старый вариант карточки товара
Провели CustDev, изучили отзывы бренда на маркетплейсе — так выяснили, на какие детали обращает внимание ЦА, когда выбирает одежду в этой категории. По результатам анализа полностью переработали блок со слайдером изображений.
- Отказались от слайдера на десктопе — изображения выводятся сразу друг под другом.
- На мобильных слайдер остался, но изменилась механика.
- Значительно увеличили размер изображения.
- Внедрили элементы инфографики с УТП.
Оптимизировали коммерческий блок, собрав все важные элементы, которые влияют на принятие решения, на первом экране, поскольку большая часть посетителей видят именно его.
Прототип новой версии
Изменения:
- собрали выбор ростовки в селект;
- на смартфонах блок с выбором ростовки расположили в ряд;
- вытащили из табов и переместили вверх информацию о доставке и оплате;
- внедрили фиксацию коммерческого блока, пока пользователь не прокрутит все изображения;
- добавили возможность покупателям делиться своими фотографиями в отзывах.
Если приглядеться, то можно найти ещё отличия
Результаты:
- рост дохода на пользователя (ARPU) на 37,28%;
- коэффициента транзакций на 36,21%;
- дохода на 24,59%.
Больше о том, как мы работаем с UX-дизайном, можно прочитать в нашем блоге — статьи про UX и UI.
Работа с данными — основа преимущества на рынке
Data Driven подход не отрицает интуиции или личного мнения, он означает, что все основные усилия в работе должны определяться фактическими данными, то есть реальностью.
Концепция подойдет не только большим компаниям. Развитие современных технологий позволяет использовать подход в организациях любого размера.
Есть желание внедрить Data Driven подход в вашу электронную коммерцию? Обращайтесь в KISLOROD.
Получайте полезный контент от KISLOROD в любой из мессенджеров
При переходе в одну из указанных социальных сетей, вы автоматически соглашаетесь с политикой конфиденциальности
Спасибо, что дочитали до конца.
Если информация была полезна, поделитесь статьёй. Вам не сложно, нам приятно ;)
Рекомендованные статьи
Скачайте 17 точек роста и 100 + чекеров для роста конверсии и прибыли интернет-магазина
При переходе в одну из указанных социальных сетей, вы автоматически соглашаетесь с политикой конфиденциальности
Мы проанализировали ведущие интернет-магазины, результаты исследований, свой опыт и собрали важные моменты в одно руководство. Делаем e-commerce лучше, поэтому не только пользуемся сами, но и делимся с вами.
Выберите удобный мессенджер и получите чек-лист прямо сейчас:
