chart címkével jelölt bejegyzések

Adatvizualizáció Google Fusion Tables segítségével

Papp Gábor
Papp Gábor, thepitch.hu

Mai vendégszerzőnk Papp Gábor a The Pitch | Online Marketing blog alapítója, SEO és online marketing szakértő! Ebben a posztjában az adatvizualizáció egy kis szeletét fogja megmutatni nekünk!

Már az elején fontos valamit leszögezni: nem vagyok profi adatelemző. De adatvizualizáló sem. Ugyanakkor nagyon sok olyan eszközt használok, amelyek valamilyen formában alkalmasak az adatvizualizációra. Még egy angol keresőoptimalizálással kapcsolatos cikk kapcsán futottam bele a Google egyik ún Big Data tooljába, a Google Fusion Tables-be. Ahogy elkezdtem elmerülni a használatában, rájöttem, hogy ezt az eszközt bizony sok célra fel lehet használni. Most ezekről gyűjtöttem össze a tapasztalataimat.

Az adatok megfelelő vizualizációjához szerintem az alábbiakra van szükség: jó minőségű és jól strukturált adat, valamint egy jó adatvizualizáló megoldás. Ez lehet egy eszköz, vagy akár csak egy módszer (egy gráf például). Ha megvan az összhang a fenti elemek között, akkor lesz igazán jó az adatmegjelenítésünk. Adatvizualizáció Google Fusion Tables segítségével bővebben…

Funnel analízis

Mi az a Funnel analízis?
Egy mondatban: Egyetlen erőteljes elemzési módszer, amely megmutatja az egész felhasználói életút legsarkalatosabb pontjait.

Vagy inkább egy képben:

Funnel alanlízis egy képben
Funnel alanlízis egy képben

Hogyan is működik a Funnel metrika a gyakorlatban? Mik a legnagyobb kérdések és elakadások? Hogyan lehet belőle “actionable” tudást kiszedni?  Hogyan tudod elkészíteni magadnak? Vegyük sorra! Funnel analízis bővebben…

Szignifikáns vagy sem? Így mérd az AB-teszted eredményességét

Az egyik leggyakoribb kérdés, amit AB-teszteléssel kapcsolatban kapni szoktam, hogy ugyan hány felhasználóra van szükség a teszteléshez? Természetesen, mint a kérdések 99%-ra, itt is az a válasz: attól függ!

Mitől függ?

Alapvetően 3 dologtól:

  1. Az alapkonverziós arányodtól (%)
  2. A javulás nagyságától, amit elvársz a teszttől (%)
  3. A szignifikancia-mutatótól, amit elvársz a teszttől (~95%)

Ha ezek megvannak, akkor dobd be az Optimizely – Sample Size Calculator-ba és már meg is kapod a bűvös számot:

Optimizely - Sample Size Calculator
Optimizely – Sample Size Calculator

Ahogy látod, az adott példában, a 3%-os alapkonverzió, 20%-os növekedésének 95%-os biztonságához: 10170 ember kell verziónként!

Azaz, ha hetente 10.000 látogatód van, akkor egy 2 verziós AB-teszt 2 hét alatt fog kipörögni.

3 egyéb mód a szignifikáns kontra nem szignifikáns kérdés eldöntésére:

Azt tudni kell, hogy az Optimizely motorja elég szigorúan méri, hogy egy eredmény szignifikáns vagy sem.
Ez így jól is van, de én azért 3 egyéb módon szoktam még ellenőrizni, hogy biztonsággal valós eredményeket kaptunk-e. Egyébként ha ez a 3 mérés mind pozitív eredményt hoz, akkor gyakran nem is várom meg az Optimizely szuper-szigorú méréseit. Íme:

1. T-próba:

A legklasszikusabb AB-teszt ellenőrző művelet. Van online elérhető felhasználó-barát, kitölthetős verziója (pl. ITT). Száraz tudomány – ha itt kapsz egy P-value < 0.05, akkor 95%+ eséllyel valóban az lesz a nyertes, akit jelenleg nyerésre áll. De önmagában ez még nem elég.

AB-teszt szignifikancia kalkulátor, szignifikáns vagy sem?
VWO, AB-teszt szignifikancia kalkulátor

2. Trend chart-ok:

Az Optimizely mutatja azt is, hogy hogyan alakulnak a trendek. Ez nem egy nagy varázslat. Ha 2 héten keresztül végig ugyanazt látod és még a T-próbád is jó eredményt dob, akkor már majdnem biztos lehetsz benne, hogy nyertél.

AB teszt trendek, szignifikáns vagy sem?
AB teszt trendek

3. AAB(B) teszt:

Ez egy expert-trükk! ;-)
Már a kísérlet elejétől érdemes az eredeti verziónak egy változtatás nélküli verzióját is elkészíteni. Így lesz 2 A verziód – vagy akár akár 2 B verziód is. Ha a két hasonló verzió között nincs eltérés eredményben, akkor az már jót jelent! Ezt kombinálva a trend-chart és a T-próba módszerrel, padlóra küldted a szignifikáns kontra nem-szignifikáns kérdést!

AABB teszt - konverziók, szignifikáns vagy sem?
AABB teszt – konverziók

Azt hiszem, ezzel mindent tudsz, amit az AB-teszt eredményének a biztonságosságáról tudnod kell!

Ha szeretnél hasonló bejegyzéseket olvasni, iratkozz fel a Hírlevélre!

Ha részletesen érdekel a téma, gyere el az Adatvezérelt Marketing Tréningünkre!

Tomi

Jön a ChartCube!

Egyre többször találkozom mostanában a ChartCube nevű új adatvizualizációs alkalmazással, ami végtelen Excel táblázatokat alakít pillanatok alatt szép és könnyen értelmezhető chart-okká, automatikusan.

Ugyebár egy átlagos üzleti jelentés úgy néz ki, hogy a felelős ember elkezd dolgozni Excel-ben, különböző forrásokból összeszedi azokat az adatpontokat, amik a riportjához kellenek. Gyárt néhány szép chart-ot, amiket bemásol egy e-mail-be, ahol elindul a beszélgetés az adatokról. Mi a probléma? Hogy nehezen kezelhetőek a chart-ok, nem módosíthatóak, szükség esetén nem tudunk még egy szinttel mélyebbre menni, csak ha az eredeti riport gyártóját megkérjük és hát egyébként is nehezen hordozható az egész rendszer.

Ezeket a problémákat oldja meg  a ChartCube. Lényegében felgyorsítja az adatalapú kommunikációt a cégen belül. Talán a Forbes fogalmazta meg a legfrappánsabban – “a prezentáló kezébe elemzést, az elemzők kezébe prezentációt ad”.

A videójuk pedig többet mond ezer szónál is:

Ajánlom kipróbálásra!
Mester Tomi

DataViz – néhány jó cucc adatvizualizációra

Nemrég egy adatokkal foglalkozó startup-nak segítettünk adatvizualizációban/adatkommunikációban. Az ő kutatómunkájuknak hála egy csomó open-source adatvizualizációs eszközt megismertem, amit most meg is osztok Veled. Korábban írtunk a GoodData-ról, illetve a Chart.io-ról, mindkettő profi adatfeldolgozó eszköz, de ami azt illeti az áruk bizony elég borsos. Márpedig egy induló cégnél ez probléma lehet. Ha Te is így vagy vele, akkor ezt a listát szeretni fogod.

1. HighCharts.com:
HighCharts

JavaScript alapú felület, manipulálható CSS és HTML kódokkal. Mindent, amit csak szeretnél beállíthatsz rajta. Szeretnél sraffozott oszlop-diagramokat? Nem probléma. Kisimított vonal-diagram? A kérdés csak az, hogy milyen sima legyen.
Ezekkel az előre leprogramozott chart-okkal minimális programozói tudás mellett is tudsz gyorsan adatvizualizálni.

2. NPashaP gyűjteménye:

NPashaP
A koncepció hasonló, de itt sokkal speciálisabb, ritkábban fellelhető diagramokat találsz. Nem egy közülük interaktivitást is engedélyez.

3. Mbostock gyűjteménye:
Mbostock

Szintén egy magángyűjtemény – nekem a fenti a kedvenc diagramom, de ezenkívül még másik 500-at találsz a linkre kattintva. Nagyon sok világtérkép és egyéb egyedi chart-típusok.
Megjegyzés: ezeket a chart-típusokat használják pl. a NYTimes újságírói is.

Mbostock NYTimes

Ha találsz Te is hasonló open-source chart-gyűjteményt, küldd el e-mail-ben és beágyazom ebbe a posztba!
Szép hetet!
Mester Tomi

Mi érdekli a TEDxYouth@Budapest közönségét?

És egyébként is, hogyan lehet ezt kideríteni? Egész egyszerűen. Ha TEDx konferencián jársz, a névjegyeden van egy “erről szeretek beszélgetni” felirat és alatta 3 üres mező. Ezeket Te töltheted ki egy-egy szóval, ami egy-egy érdeklődési területedet jelöli. A regisztráció interneten keresztül történik és ezt a 3 szót a közönség minden egyes tagja megadja, úgyhogy kár lenne nem elemezni ezeket az amúgy is meglévő adatokat.

Tehát fogtuk TEDxYouth@Budapest eddigi összes 3 szavát, amit a több száz fős közönségek 2010-től 2013-ig megadtak, és beledobtuk a nagy adatelemző-gépezetünkbe. Ez pedig rögtön kiadta a főbb érdeklődési témákat.

Mi érdekli a TEDxYouth@Budapest közönségét?

Wow! Ez aztán könnyen ment. Gondoltad volna, hogy a fenntarthatóság rögtön a harmadik helyen van a kreativitás és a design után? Vagy hogy a startup csak az első 8 helyezettbe fér bele? Ami azt illeti ennek az az oka, hogy az évek során változnak a trendek. Vannak örök klasszikusok (közösség, fenntarthatóság, kreativitás), vannak nagy felfutók (startup, zene) és nagy lefutók is (marketing, kommunikáció). A közönség érdeklődése jól láthatóan változik!

TEDxYouth@Budapest trendek

És hogy reagálnak erre az előadók? Ha futtatunk egy analízist az idei 2014-es előadások szinopszisain, kiderül, mennyire kapcsolódnak a közönség általános érdeklődéséhez.

TEDxYouth@Budapest előadások

Ahogy az szépen kirajzolódik, a főbb témakörök ott vannak (design, kreativitás, zene). De megjelennek újak is (önkéntesség, pszichológia, kutatás). Az én feltevésem az, hogy egy jó konferencia nem csak követi a közönsége igényeit, de egy kicsit meg is határozza azokat. És a szépsége az az egésznek, hogy ezt a feltevést jövőre talán már tudom adatokkal is igazolni – csak meg kell majd néznem a 2015-ös jelentkezők “miről beszélgetek szívesen” 3 szavait… Mert az adatok ott vannak körülöttünk, csak tudni kell bennük olvasni.

Mester Tomi

A vizualizáció az infogr.am szoftverével készült.

Uber + adatok

A lenti képeket az Uber blogjáról szedtem össze. Inkább persze szórakoztató, just-for-fun tartalmak, de azért érdekes, hogy mennyire részletesen figyeli az Uber stáb a felhasználói adatokat és hogy milyen ügyesen elemezgetnek belőle.

Pl. itt egy chart, ami rögtön igazolja a “társadalmi szerepvállalásukat” – az egyik görbén az alkoholból származó balesetek számát, a másikon az Uber rendelések/teljesítések számát látjuk.

uber hasznalat vs alkohol chart

 

Persze itt inkább az az érdekes, hogy pontosan látják, hogy mikor kell kiküldeniük több sofőrt az útra és mikor elég kevesebbet.

A másikon San Francisco-t látjuk és a tipikus utakat – honnan hova mennek az emberek. Ha kicsit több adatunk lesz, lehet, hogy Budapesten is kirajzolódik majd ilyen szépen a belváros.

San Francisco Uber használat

 

A harmadik ábra Vegas-ról szól – itt csak egyszerűen az útvonal célok vannak megjelenítve. Ha még nem volt Las Vegas-ban… Meg tudnád tippelni, hogy hol vannak a kaszinók? :-) Azt hiszem nem nehéz.

vegas_uber

 

Még több érdekes Uber adatot találsz a blogjukon: blog.uber.com #uberdata.

Mester Tomi

Adat, prezentáció – az 5 főszabály

“Az adatok ábrázolása nem az adatokról szól, hanem az adatok mögött rejlő tartalomról, üzenetről.” Nancy Duarte, az egyik legelismertebb prezentáció-készítéssel foglalkozó szakember 5 szabályban foglalja össze a jó adatábrázolást.

1. Mondj igazat!
2. Térj a lényegre!
3. A megfelelő eszközt válaszd ki!
4. Emeld ki a lényeget!
5. Maradj egyszerű!

1. Mondj igazat! – Az adatoknál semmi sem alapozza meg jobban az előadói hitelességedet, ezért ne is élj vissza vele – véletlenül se manipuláld – még csak kicsit se – az eredményeket. Amikor egyszerű adatokat is prezentálsz, állj készen arra, hogy ha belekérdeznek, tudj beszélni a részletekről. A kedvenc manipulatív diagramm típusom, a “mekkorát-hazudjak” chart. Baloldalt egy “mekkorát-hazudjak” chart, jobb oldalt a valóság a fizetésemelésekről. :-)

adatok prezentálása
adatok prezentálása – “a mekkorát hazudjak chart”

(Ugyebár a különbség az, hogy baloldalon nem 0-ról indul a skála és vizuálisan megtéveszti a nézőt az arányokról.)

2. Térj a lényegre!

Mit kell a közönségnek megérteni az adataidból? Mit akarsz, hogy hazavigyenek magukkal? Ahhoz, hogy hatékonyan kommunikáld az adatokat, először meg kell fogalmaznod, hogy mi az a konklúzió, amit a közönségednek át akarsz adni.
Pl. a lenti chart-nak több üzenete is lehet – elsőre talán azt gondolnánk, hogy az év végi növekedés a hangsúlyos.

adat prezentálás - sales chart
adat prezentálás – sales chart

De, ha a Q2-es mélypont a prezentáció fókusza, jobb ha ezt már az elején egyértelművé teszed, hogy ne kelljen külön elmagyarázni vagy kézzel mutogatni, hogy “vegyük csak észre, hogy mi történt”.

adatok prezentálása - sales chart 2
adatok prezentálása – sales chart 2

3. A megfelelő eszközt válaszd ki!
Melyik grafikon legyen? Vonal, kör vagy oszlop-diagramm? Erről korábban írtam már egy cikket. Ezt most csak egyetlen gondolattal egészítem ki. Ha adatokat kell összehasonlítani, mindenképp használj chart-ot (felső ábra), de néha elég csak a konklúzió maga a prezentáció diáiban (alsó ábra).

adatok prezentálása (összehasonlítás)
adatok prezentálása (összehasonlítás)
adatok prezentálása (konklúzió)
adatok prezentálása (konklúzió)

4. Emeld ki a lényeget!
Az adat-prezentáció lényege nem az, hogy mindent megmutass, hanem, hogy megmutasd a konklúziókat és az azt alátámasztó adatokat. Ez alapján egy adat-diát 3 rétegre bonthatunk.
1. Háttér
2. Adat
3. Kiemelés
Íme 3 példa a Slide:ology-ból:

Háttér + Adat + Kiemelés = Adat Dia
Háttér + Adat + Kiemelés = Adat Dia

5. Maradj egyszerű!
Végül, de nem utolsó sorban… Egy prezentációba nem kellenek 3D-s chart-ok, nem kellenek fölösleges információk. Ha egy chart-on:
1. Kettő, de legfeljebb 3 dimenziót ábrázolsz,
2. Három színnél nem használsz többet,
3. Soha sem használsz térbeli grafikonokat,
4. Sosem közölsz olyan információt, ami nem támasztja alá az üzenetedet…
— nagy baj már nem történhet! : )

Tehát ne feledd:
1. Mondj igazat!
2. Térj a lényegre!
3. A megfelelő eszközt válaszd ki!
4. Emeld ki a lényeget!
5. Maradj egyszerű!

A következő részben, ezt megnézzük egy esettanulmányon keresztül is. Addig is olvasd el az előző részt:
Válaszd a megfelelő chart-ot!

Mester Tomi

Neticle – megmutatják, mit gondol a web

Nemrég akadtam rá egy fantasztikus netes megoldásra, ami elsősorban PR-osoknak lehet hasznos BI-eszköz. A Neticle egyébként egy magyar startup és alapvetően 3 dolgot tud:
1. Automatikusan összegyűjti és megmutatja, hogy a magyar web-en hol jelentek meg rólad (a brand-edről) cikkek, megjegyzések, Facebook kommentek – egyszóval minden publikus megjelenésedet.
2. Egy beépített automatika elemzi, hogy ezek pozitív vagy negatív megjegyzések voltak-e.
3. Trendeket készít, ahol láthatod, hogy az elmúlt napokban sokat vagy keveset, jókat vagy rosszakat mondtak rólad – egyszóval megkapod a “véleményárfolyamodat”.

Ennél persze sokkal több funkció is el van benne rejtve. Az Apple példáján keresztül fogom megmutatni, hogy mit tud a Neticle. Pl. az Apple magyarországi PR-osaként szeretném tudni, hogy hogy állunk a versenytársakhoz képest megítélésben.

Neticle - véleményárfolyam, PR, marketing, adatelemzés
Neticle – véleményárfolyam

Máris látom, hogy bizony szeptember 24. óta drasztikusan csökkent az iPhone megítélése, sok negatív vélemény jelent meg – ami nem is csoda, hiszen 24-én jött le az első magyar cikk az iPhone 6 “hajlékonyságáról”. :-)

A forrásokból hamar kiderül, hogy kik a legaktívabb említőink és hogy milyen fórumokon találjuk meg őket:

Neticle, aktív fórumok, adatelemzés, PR
Neticle, aktív fórumok

Ha sok negatív vélményt látunk a prohardver.hu-n, lehet, hogy érdemes ellátogatni az oldalra és a kommentben panaszkodóknak személyes support-ot ajánlani vagy valami más módon megnyugtatni és újra apple-hívővé formálni őket.

Ha pedig arra vagyok kíváncsi, hogy mik a konkrét pozitív és negatív kifejezések, akkor azokat is elő lehet venni – a negatív oldalon látszik, hogy a véleményformálok, sokat használták a “botrány”, a “szar” és az “illegális” kifejezéseket.

Neticle pozitív, negatív kifejezések - PR adatelemzés
Neticle pozitív, negatív kifejezések

Hát… úgy tűnik az Apple híres PR-gépezete is berozsdásodik néha. És mielőtt még azt mondaná a vezetőség, hogy nem baj, legalább beszélnek rólunk – még az orruk alá tolhatok egy chart-ot, hogy azért olyan kiemelkedően sokat mégsem:

Neticle, említések száma - PR, adatelemzés
Neticle, említések száma

Akárhogyis: a Neticle egy újító eszköz, PR-osként, marketing-esként érdemes kipróbálni – mint láthatod elég meglepő és mindenképp hasznos dolgok kiderülhetnek a Te márkád megítéléséről is!

Mester Tomi

Startup adatelemzés interjú I. – PREZI

prezi startup logoTóth Zotyával, a Prezi adat-infrastruktúra csapat vezetőjével beszélgettem, arról, hogy hogyan is működik az olyan sikeres startup-oknál, mint a Prezi az “adatozás”, a big data és a különböző elemzések összeállítása. Nagyon sok érdekességet megosztott velem. A kedvenc tényeim:
1. A cégben nagyon erős a belső transzparencia. Az elemzéseket az összes Prezi dolgozó láthatja – beleértve az éves bevételt, az aktív felhasználók számát és minden egyebet.
2. A prezi belső szerverein naponta (vagy még sűrűbben) 640 script gyárt automatikus riportokat/elemzéseket.
3. Körülbelül 1 petabyte (=1.000 terrabyte = 1.000.000 gigabyte) elemezhető interakciós adatból dolgoznak – amivel azt kutatják, hogy a felhasználók hogyan használják a prezit, hova kattintanak és miért.
4. Önkiszolgálás. Minden csapat képes saját magát kiszolgálni adatokkal. A jól felépített infrastruktúrának hála gyorsan és könnyen érik el az adatokat.

toth zotya startup adatelemzés prezi
Tóth Zotya, Prezi

Tomi: Hányan vagytok most a Data Team-ben?
Zotya: Most 9-en vagyunk. Ezen belül hárman vagyunk a Data Services-ben. Amit mi csinálunk, az a gerince az egész adatinfrastruktúrának, egyrészt, mi gondoskodunk róla, hogy az adatok eljussanak az adattárházba, másrészt, hogy menjen minden elemző eszköz, amit a különböző csapatok használnak. Ezekkel, már eljutottunk odáig, hogy automatikusan működnek és ha valami gond van velük, jeleznek nekünk maguktól. A főprojektünk az ETL, ami a gerince az adattovábbításnak. Erre van egy komoly belső fejlesztésű rendszerünk.
A preziben nagyon fontos, hogy az egész adatozás self-service, tehát ha te egy termékcsapatban dolgozol, akkor te meg tudod írni a saját riportjaidat, te tudod, hogy honnan keresd az adatot, hogy hogyan strukturáld és mi pedig egy platformot adunk, hogy mindezt megcsináld. Így sikerült azt elérni, hogy még mindig 3 fős a csapat, és mégis ki tud szolgálni egy ekkora, több mint 200 fős szervezetet.

– Mire használjátok az adatokat a Preziben?
– Egyrészről vannak a core-adatok, amik a startégiai döntéseket befolyásolják. Ezeket nagyon sokat nézi a vezetői csapat, hogy merre vigyék tovább az üzletet. Pl. felhasználók száma, aktív felhasználók száma, bevétel,  vagy éppen, hogy hányan újítják meg az előfizetésüket, azok akik elkezdtek egy próbaidőszakot és hányan fizetnek. Tehát sok benne a növekedés menti, az aktív használat és a bevétel menti adat.
Másrészről a termékcsapatoknak van saját KPI-uk (“teljesítmény-mutató”), tudják mit akarnak elérni egy adott szemeszterben és azt mérik. Ezt lebontják különböző szintekre és néznek nagyon finom dolgokat is. Például sok olyat csinálnak, hogy egy kis részletet megváltoztatnak – A/B tesztelés – a weben. Egyszerűen csak máshova tesznek egy gombot, ami kimegy a felhasználók 5%-ának, a maradék 95% pedig látja a régi verziót. Azt figyelik, hogy az az 5% szignifikánsan jobban használja-e ezt az új funkciót – magyarul, hogy érdemes-e azt a gombot arrébb rakni. Ha igen, akkor megváltoztatjuk a terméket. Párhuzamosan sok ilyen kísérlet zajlik – persze nagyobbak is, de ez egy jó példa.
Ha fejlesztenek egy új dolgot, akkor tudják, hogy miket akarnak nézni: hányan használják, hányan használják mégegyszer, mennyi a hiba, a felhasználóknak hogyan változik a viselkedése, ami alatt azt értem, hogy mennyire könnyen csinálnak az emberek egy prezit. Erre is vannak belső mérőszámok és a fejlesztők azt nézik, hogy ha változik egy funkció, akkor hogyan változnak ezek a mérőszámok.

– Hogyan frissülnek az adatok? És hogyan jelenítitek meg őket?
– Körülbelül 640 script van, ami minden este vagy akár óránként lefut és ezek elküldik az eredményeket különböző vizualizációs platformokra. Például van egy chart.io nevű eszköz, de emellett használjuk a gooddata-t is. Ezenkívül van a Plotserver, ami egy sajátfejlesztésű open-source eszköz…

– Ezt a Prezi fejlesztette és open-source-szá tette?
– Igen. Bárki számára elérhető… (link: https://github.com/prezi/plotserver) Ezenkívül még van a Prezi Analytics, amit a Metrics csapat kezel. Ez az a felület, amin soha nem lehet hiba, mivel ez sok fontos döntést befolyásol és emiatt mindig pontosan és időben ott kell lennie a számoknak. Ha prezi alkalmazottként üzleti adatokkal akarsz dolgozni, kíváncsi vagy, hogy mi történik éppen a céggel, felmész erre a webes felületre és pár perc alatt összekattintgathatod az elemzésedet.

– És ezt a cégből mindenki eléri?
– Igen, ez nagyon fontos. A Prezinek az a filozófiája, hogy ahhoz, hogy datadriven-ek legyünk, ahhoz mindenkinek mindenhez hozzáférést kell adni. Tehát nincs olyan adat, ami titkos bárki előtt a preziben. Onnantól, hogy felvettek, visszamenőleg látod, hogy mikor mekkora volt a bevételünk, mennyi felhasználónk volt és azok hogyan viselkedtek. De minden mást is, amire csak kíváncsi vagy. Egészen egyszerűen azért, hogy a legjobb döntést tud meghozni.

– Köszönöm szépen a beszélgetést!

Tetszett a cikk? Nézdd meg a többi részt is:
1. Startup adatelemzés interjú II. – Evernote, Eventbrite, GoodData
2. Startup adatelemzés interjú III. – Brickflow
3. Startup adatelemzés eszköztár – AB-teszt, szegmentálás, kohortok

És ne felejts el feliratkozni a hírlevélre! :-)

Mester Tomi