kísérlet címkével jelölt bejegyzések

Egy Játék mérése: gamification vs. retention

Múlt héten tettem ki az egyszamjatek.eu című kísérletünket a Facebook oldalunkra.

A játék nagyon egyszerű volt: mondj egy pozitív egész számot és ha ez a legkisebb olyan szám, amit más ember nem mondott Rajtad kívül, akkor nyertél. (Egyébként magát a játékot Mérő László találta ki.)
Összesen 7 forduló volt. Minden fordulóban 24 órán keresztül lehetett játszani. Így összesen 7 nyertest hirdethettünk.

A cél kettős volt:
1. Vizsgáljuk, hogy mi a nyertes stratégia. (Ezt ígéretemhez híven csak azoknak publikáljuk, akik játszottak. Sorry…)
2. Modellezzünk egy gamification alapú startup-ot és vizsgáljuk, hogy a játékélmény milyen hatással van a visszatérésre, illetve, hogy ezt hogyan lehet mérni.

Ezt a cikket azért írom, hogy ha esetleg online játék fejlesztésében vagy, láss néhány ötletet (konkrét példán keresztül is), hogy miket, miért érdemes mérni és elemezni.

Összehasonlítani nem akarom akármilyen más app vagy SaaS szoftver eredményeivel ezt a játékot, hiszen ez csak egy kísérlet, meg amúgy is tök más, mint akármi más, ami értelmes. :-) De azért nem árt ha tudod, hogy egyetlen mérőszám volt, amit boost-olni akartam az egész folyamat során: ez pedig a daily retention – azaz minél többször, minél sűrűbben visszahozni a játékosokat.

Ehhez egyetlen “marketing stratégiát” használtam – mindenki, aki adott napon játszott, kapott egy direkt email-t az eredményekről és egy linket a következő napi játékhoz. Ez a tool működött is – a leveleknek átlagosan 80%-os megnyitási aránya volt, amit kifejezetten erősnek mondanék.

mailchimp megnyitas és CTR - játék
mailchimp megnyitas és CTR

Nézzük mi a helyzet az aktív játékosok számával! Az első nap csináltam a játéknak egy nyitópromo-t (néhány csoportba és FB-oldara kitettem a játékot.) Így 296 emberrel indult a verseny az első nap. Ehhez csatlakozott az utolsó napig innen-onnan még 38 ember (valószínűleg meghívásos alapon, hiszen ezután már nem hirdettem). Tehát összesen 334-en játszottak.

A lenti ábra azt mutatja, hogy mekkora volt a napi visszatérés, azaz az előző nap játékosai közül hány % játszott az adott napon.

daily retention - egyszamjatek.eu - játék
daily retention – egyszamjatek.eu

Ha megfigyeled, két mélypont van. A 2. nap, amikor 30% körüli a retention és az 5. nap, ahol 50% körül van. A többi napon 60% felett megyünk, sőt az utolsó napokon felszökik 100% felé, ami azt jelenti, hogy olyanok is visszajöttek, akik régebben játszottak!
Ki találod mi történt a 2. és 5. napon? Elárulom, ezeken a napokon véletlen délután 4-kor küldtem ki a hírlevelet, amit reggel 9-kor kellett volna. Tanulság ebből a chart-ból: reggel kell kiküldeni a leveleket…

Nézzünk egy klasszikus kohorsz elemzést! Minden sorban az adott nap regisztrált user-eket látod és minden oszlopban azt, hogy hány maradt meg belőlük X nappal később.

kohorsz elemzés játék
kohorsz elemzés

Mi látszik itt? Az, ami már a retention riportból is elkezdett kiderülni. Az első napon regisztráltak, ha ki is hagytak egy-két napot, vissza-visszajönnek 2-3 nap után. Lehet, hogy az ideális játékciklus nem 1 nap lenne, hanem 2?

Kedvenc riportom: aktív user-ek vs. retaining user-ek.

aktiv user-ek vs. retaining user-ek
aktiv user-ek vs. retaining user-ek

Ahogy azt írtam, az első nap után már semmit sem tettem bele a marketing-be. Ez az ábra mutatja a legjobban: ha lecsökken a user bázis, akkor ott szűrve szépen csak a “legjobb” felhasználók maradnak bent. Nekik magas lesz a visszatérésük és valószínűleg ez a néhány (35-40) user volt az is, akik behozták az utolsó pár napon a +10 új user-t – mindenféle költségek nélkül.

2 érdekesség a Gamification hatásáról:
1. Volt egy feltűnő trend a nyertes játékosok körében. Ez a 7 játékos, miután nyertek, már sokkal kisebb eséllyel jött vissza játszani. Lehet, hogy őket valahogy máshogy kellett volna visszacsábítani egy második körre?

játszott - nyert - nem játszott
játszott – nyert – nem játszott

2. A Power User-eknek (azaz, azok a játékosoknak, akik mindennap játszottak), több mint 50%-a mindennap ugyanazt a számot játszotta meg. (Az egyik nyertes egyébként pont közülük került ki.)

———————————————————————————

Akárhogy is, számomra ez egy izgalmas kísérlet volt – sok olyan dolog kiderült belőle, amiket már máshol is mértünk, de a titoktartás miatt nem publikálhattam! :-)

Remélem hasznosnak találtad és ha szeretnél feliratkozni az Adatlabor hírlevélre, ne habozz!

Tomi

Az Evolution előadás margójára: Az A/B tesztelés 4 szabálya

Note: ezt a bejegyzést az Evolution konferenciás előadásomhoz kapcsolódóan írtam. De azért bárkinek hasznos lehet… :-)

A legfrissebb statisztikák szerint az online szolgáltatók 91%-a tudja, hogy mi az az A/B tesztelés, de csak 11% az, aki ténylegesen (legalább egyszer) futtatott A/B tesztet az oldalán. Pedig az A/B tesztelésnek forintban mérhető, azonnali haszna van. Egy külföldi esettanulmány:

A fab.com e-commerce startup egyetlen dolgot tesztelt az oldalán. A lenti két képen látszik is: az “Add to cart” gomb színét.

fab AB teszt piros

fab AB teszt piros
Az oldalra érkező látogatók fele-fele arányban véletlenszerűen kapták meg vagy a piros vagy a kék verziót. Ekkora látogatószámnál viszonylag kevés tesztből kiderült a válasz a kérdésre: melyik gombszín hoz több kattintást, ezáltal magasabb konverziót és több profitot. Az eredmény pedig megdöbbentő: 49%, ami éves szinten dollár-milliókat(!) jelent a fab.com-nak. A kísérlet beállítása és elindítása nettó 2 óra munkát jelentett nekik. Azt hiszem, ezek után nehéz lenne azt mondani, hogy az A/B tesztelés nem hasznos.

De hogyan is kell A/B tesztelni? Íme 4 szabály, amit én a legtöbbször látok elrontani olyan ügyfeleknél, akik maguknak kezdték el csinálni az A/B tesztjeiket. (Ezt nem amolyan “cikizés”, csak azért írom le, hogy más ne essen ezekbe a gyakori hibákba! :-))

1. Egy időben fusson a két verzió!
Tehát az nem A/B teszt, hogy februárban kiteszem az egyik verziót, márciusban pedig a másikat és mérem, hogy melyik hoz több kattintást… Miért nem? Azért, mert ebben az esetben közbeszólhat a szezonalitás. Azaz lehet, hogy márciusban nagyobb igény van az adott termékre (pl. tavaszi cipő), mint februárban volt és ez is befolyásolja a konverziót. Egy korrekt A/B tesztben a különböző verziók egymással párhuzamosan, egy időben futnak.

2. A teszt csoport és a kontroll csoport azonos összetételű legyen!
Pl. ha a fizetős felhasználóim perszonalizált hírlevelet kapnak, az ingyenes felhasználóim pedig nem, akkor a hírlevélből jövő átkattintási arányok nem csak azért lesznek eltérőek, mert más a levél tartalma, hanem azért is, mert más a felhasználói csoportok elkötelezettségi szintje. Ha a fizetős felhasználók teljesen ugyanazt a levelet kapnák, mint az ingyenesek, könnyen lehet, hogy mivel ők elkötelezettebbek a termék iránt, amúgy is többen kattintanának. Éppen ezért, ha tényleg a levél tartalmát akarod tesztelni, akkor vagy a fizetős felhasználókat kell véletlenszerűen két csoportba osztanod, vagy az ingyeneseket. A lényeg, hogy a kontroll csoport és a teszt csoport azonos típusú embereket tartalmazzon.

3. Legyen célja a tesztnek!
És ez nem csak arról szól, hogy ne dolgozzunk feleslegesen, hanem arról is, hogy ténylegesen: egy A/B tesztet csak akkor lehet kiértékelni, ha az ember már a tervezés fázisban eldönti, hogy mi lesz az az 1, maximum 2 mérőszám, aminek a változását figyeli és ami alapján azt mondja, hogy az egyik verzió sikeresebb, mint a másik (mint pl. a fab.com esetében a gombra kattintás).

4. Csak egy dolgot változtass!
Ezt nehéz betartani és általában nem is szokták. De vedd figyelembe, hogy minél több elemet változtatsz a két verzió között, annál nehezebb lesz eldönteni, hogy pontosan melyik volt a kulcselem, ami az egyik verziót sikeresebbé tette, mint a másikat (pl. a fab.com csak a kék és a piros gomb közötti különbséget mérte.

És hogy hogyan is kell beállítani egy A/B tesztet? Természetesen ebben mi is tudunk segíteni, de ha egyedül szeretnél belevágni, ezen 3 platform valamelyikét tudom ajánlani:
Visual Website Optimizer
Optimize.ly
Google Analytics Experiments

FOLYTATÁS: Szignifikáns vagy sem? Így mérd az AB-teszted eredményességét! 

Mester Tomi

Ha a HVG-s cikk kapcsán jutottál ide…

(Ha nem, akkor: megjelent ma a HVG-n egy kutatásunk az idei TEDxYouth konferenciáról – bővebb info ott és hamarosan itt is…)

… akkor örülök, hogy átkattintottál. Mester Tomi vagyok, az Adatlabor vezetője, és mindenféle internetes vállalkozásnak segítünk az adataikat kielemezni (#big data) és az alapján olyan igazi stratégiát kidolgozni, amivel több, jobb és boldogabb látogatókat és vevőket szerezhetnek.
De ami Neked érdekes lehet, az két korábbi kutatásunk, az egyiket tavaly a TEDxYouth-on is előadtam:

Vajon jó marketing eszköz-e a QR-kódos matrica?

A másik a Nagy Tinder kísérlet, amit Mészáros Beával, egy idei előadóval csináltunk az Internet Hungary-ra és az Origo vezércikkben közölte:

A Nagy Tinder kísérlet

Ha ezek megtetszettek, nézz fel a Facebook oldalunkra is és lájkold, így értesülhetsz a többi kutatásunkról és más érdekességről is:

http://facebook.com/adatlabor

Vagy iratkozz fel a hírlevélre itt:

Ez itt a reklám helye volt, sorry… :-)
Mester Tomi

Startup adatelemzés interjú II. – Evernote, Eventbrite, GoodData

Mikor legutóbb San Francisco-ban jártam, a Prezinek hála volt szerencsém néhány nagyobb sikeres startup adatrészlegének a képviselőjéve beszélgetnem, úgy mint az Evernote, az Eventbrite vagy a GoodData. Mivel ezek nem klasszikus interjúk, hanem inkább ötletelések voltak, csak röviden egy-egy gondolatot emelnék ki belőlük, ami az itthoni startup-oknak szerintem a leghasznosabb lehet.

GOODDATA

Gooddata logoA GoodData 40000+ olyan cég adatvizualizációjához adnak platformot, mint a Zendesk, a Virgin America, vagy más nagy amerikai vállalatok. Ray Light-tal, az ügyfélkapcsolati igazgatóval ültünk le, aki pozíciójából fakadóan nagyon sok üzletág adat-startégiájára rálát.

Rey a GoodData-ból
Ray a GoodData-ból

A beszélgetés legérdekesebb pontja az volt, amikor Ray a felhasználók “életútjáról” beszélt. Mint mondta, az adatelemzés segítségével fel lehet állítani egy ún. “sikeres-felhasználó életutat” és ha ez megvan, azokra a látogatókra kell kiemelt figyelmet fordítani, akik még épphogy elkezdtek letérni az útról. Ez önmagában még nem lenne nagy találmány, de amit ezután mondott, azt úgy gondolom, minden cégnek meg kéne fogadnia, mégpedig: az olyan user-eket, akik már nagyon messzejárnak ettől az ösvénytől, már nem érdemes piszkálni – ugyanis náluk már nagyobb az energiabefektetés, mint a nyereség. Fölösleges nekik extra-kedvezményt felajánlani vagy most-vagy-soha hírleveleket kiküldeni. A legrosszabb felhasználóinkat egyszerűen el kell engedni, a tapasztalat azt mutatja, hogy ha ők nem akarják használni a termékünket, akkor úgysem lehet őket hosszútávon gazdaságosan meggyőzni erről. Amúgy is: jönnek helyettük sokkal jobbak! :-)

EVERNOTE

Evernote logoAz Evernote-nál Koundinya Pidaparthi-val (Analytics Manager) és Damon Cool-lal (Director of Analytics) egy nagyon izgalmas eszmecsere alakult ki arról, hogy hogyan érdemes szegmentálni a user-eket, illetve hogy mi ennek a haszna. Az ő eredményeik azt mutatják, hogy ha olyan széles és sokrétű közönségre lő a termék, mint az Evernote és emiatt nagyon sokfajta felhasználója van az embernek, a kvantitatív analízis – azaz a bigdata-ba való mély leásás nem mindig segít.

Koundinya az Evernote-tól
Koundinya az Evernote-tól

Ugyanis ha az ember talál egy különösen aktív részcsoportot, akkor nagy eséllyel az a csoport csak egy nagyon-nagyon kicsi része az összes user-nek, éppen ezért iszonyatosan nehéz az ő eredményeiket felskálázni az összes felhasználóra. Szerintük sokszor célravezetőbb a visszamenő elemzések helyett sok-sok user-tesztet csinálni (felhasználói élmény teszt, kvalítatív analízis) és az ott kapott következtetéseket és ötleteket okosan AB-tesztelni.

EVENTBRITE

Az Eventbrite irodája
Az Eventbrite irodája

Az Eventbrite-nak már csak az irodája is megérne egy misét – de adat szempontból is ők hozták az egyik legnagyobb tanulságot a San Francisco-i utam alatt. A módszer, amit kifejlesztettek, nem új – a multik, a telekommunikációs cégek és a bankok, már régóta használják. De én startup-oknál még soha sem láttam. Feltűnt, hogy ha felhívod a bankod vagy a mobilszolgáltatód, akkor az ügyintéződ rögtön tud neked ajánlani 3 kedvezőbb csomagot? Az ügyfél-kártya módszer egy igazi kis csemege az adatok használatában. A bigdata-nak hála ma már könnyen elérhető az, hogy az összesített használati adatod (pl. telefonálási szokások, bankkártya használati szokások) a hívás pillanatában megjelenjen az ügyintéző képernyőjén és valós időben feldobjon neki 3 olyan ajánlatot, ami neked nagy eséllyel tetszeni fog. Félreértés ne essék: ez egy win-win szituáció, itt tényleg olyan csomagot kapsz, amivel jobban jársz, a cég pedig azért jár jól, mert boldogan távoztál és valószínűleg nem mész át egy konkurenshez. És ez a séma működhet a startup-ok support csatornáin is – sőt kis kreativitással és odafigyeléssel az egyes marketing csatornákon is (pl. email kampányok)! Minél személyesebb a tartalom, annál nagyobb az ügyfél-elégedettség.

Remélem neked is tanulságos volt ez a 3 gondolat ettől a 3 nagy sikerű startup-tól! A következő interjúban újra magyar startup-ok jönnek!

Tetszett a cikk?

Nézd meg az adatelemzés és startup-ok sorozat többi részét is: 1. Startup adatelemzés interjú I. – Prezi
2. Startup adatelemzés interjú III. – Brickflow
3. Startup adatelemzés eszköztár – AB-teszt, szegmentálás, kohortok

És ne felejts el feliratkozni se!

Mester Tomi

Az AirBNB sztori – villámteszt

Hogyan okoz egy jól irányzott villámteszt több mint 60-szoros növekedést a cégedben? Az AirBNB-től lehet ellesni a titkot.

Az AirBNB az egyik legismertebb nemzetközi lakásközvetítő oldal. A lényege a megosztáson alapuló gazdaság. Nem kell többé hotelekben drága szobákat fizetni. Helyette a város szívében lehet apartmanokat pillanatok alatt lefoglalni, sokkal olcsóbban és közvetlenül a lakás tulajdonosától.

De az adatlabor számára érdekes nagy trükkjük az ún. villámtesztelés. 2010-ben, pusztán 1 évvel az alapítás után volt egy megérzésük: a profi fotók segítenek a lakás kiadásban. De ahelyett, hogy óriási munka és költségek árán azonnal megcsinálták volna a profi fotókat, inkább belevágtak egy villámtesztbe. A villámteszt lényege, hogy ha van egy felvetésed vagy ötleted, amiből úgy érzed, akár üzletet is csinálhatsz, akkor nem vágsz bele rögtön a munkába, hanem valahogyan gyorsan és egyszerűen leteszteled. Pl. ha egy stilisztikai elemző app-ot akarsz készíteni középiskolás diákoknak, akkor nem biztos, hogy első körben megéri lefejleszteni az app-ot magát. Előbb fel kell mérned, hogy van-e rá igény. Ebben az esetben a olcsóbb és praktikusabb, ha először elkezded hirdetni, hogy van egy ilyen alkalmazás, a valóságban pedig ráálltok hárman, hogy a különböző szabályok alapján kézzel megcsináljátok, amit egyébként a jövőben majd a program csinálna. (Mielőtt belekezdesz, már van ilyen app: http://www.hemingwayapp.com/ :-))
A villámtesztelés a legolcsóbb, legegyszerűbb és legfájdalommentesebb módja annak, hogy elindíts egy startup-ot és felmérd, hogy az embereknek valóban szükségük van-e a termékedre. Ha igen, akkor – és csak akkor – jöhet a fejlesztés.

Ezt a modellt követte az AirBNB is a profi fotókkal. Ahelyett, hogy 200 fotóst kiküldtek volna és körbe fotózták volna az összes lakást, tesztelték a koncepciót 20 lakáson egy fotóssal. És ahogy az lenni szokott, a teszt segítségével nem csak arra jöttek rá, hogy a profin fotózott lakások 2-3-szor jobban teljesítenek a piaci átlagnál, de arra is, hogy ezért a szolgáltatásért a bérbeadók még hajlandóak is lennének fizetni. 2011 végére már 20 fotóssal dolgoztak együtt és akkor hadd mellékeljek egy beszédes chart-ot arról, hogy végül ez jó ötlet volt-e vagy sem. (Kiadott éjszakák száma évente: )

airbnb fotós chart diagramm

ÖSSZEFOGLALVA:
– Az AirBNB-nek volt egy jó megérzése.
– Villámtesztelték az ötletet – a lehető legkisebb erőbefektetéssel kipróbálták, hogy valóban működik-e a koncepció.
– Amint kiderült, hogy a kísérlet jól működik, kiterjesztették az összes AirBNB lakásra.

Ha terméket fejlesztesz és jó ötleted támad, mindig találd ki a legegyszerűbb, leggyorsabb és legolcsóbb módját annak, hogy hogyan tudod tesztelni. Legyen meg a hipotézised és ha igazolódik, terjeszd ki az egész termékedre!

Cikkek startup témában: Startup adatelemzés eszköztár

Mester Tomi

Vajon jó marketing eszköz-e a QR-kódos matrica?

Röviden: NEM.

Mindig is bosszantott, hogy teleragasztják a romkocsmák WC-it undorító QR-kódos matricákkal, úgyhogy kinyomtattam és kiragasztottam 240 ilyen matricát, amik az én oldalamra mutatnak és lemértem a hatékonyságukat. Az előkészítés része volt még, hogy összesen 8 fajta matricát tettem ki fiú és lány WC-kbe, hátha a különböző témák és a különböző nemek különböző viselkedéseket mutatnak. (Így is lett.)

qr kód marketing

Az eredményeket tavaly előadtam a TedXYouth-on (videó lent), de mindig is publikálni akartam egy cikkben is a végeredményt, ahol egy kicsit részletesebb szakmai (“adatos”) eredményeket is leírhatok.

Költségek: 8000 Ft (240 matrica)
Kiragasztásra szánt idő: 4 óra/2 ember
Összes leolvasás egy hónap alatt: 171 db

Azaz 29.24 ft-ot és 84,21 mp-t fizettem egy darab leolvasásért.
Amit a TedXYouth-on nem mondtam el, hogy a honlapon volt egy e-mail cím. Leírtam, hogy mindez csupán egy kísérlet és akit érdekel az eredmény, az írjon egy e-mail-t – akit nem, az nézelődhet a honlapon. Ugyebár egy QR-kód leolvasásnak ez lenne az értelme: bejön a user, és vagy szétnéz a honlapon vagy pedig kontaktál.

Összesen 3 darab e-mail-t kaptam 1 hónap alatt. Ami ennél is durvább, hogy összesen a 171-ből 8-an (azaz CSAK NYOLCAN) mentek tovább a honlapra.
Ez azt jelenti, hogy több száz forintot és több tíz percet
fizettem egy-egy konverzióért, egy-egy “elégedett” felhasználóért.

Összességében még azzal is jobban jártam volna, hogy ha leülök 8 emberrel beszélgetni a romkocsmákban, meghívom őket egy-egy sörre és dumálok velük egy félórát arról, hogy miért kéne nekik velem üzletelniük.

Szóval nem, a QR-kód nem jó marketing eszköz – egyszerűen nem erre való. (Legalábbis a fenti kísérlet alapján.) Eleve kevesen olvassák le – de aki leolvassa az is inkább csak poénból, igazából nem akar semmit. A QR-kód még mindig jó lehet kiegészítő információk közlésére, útbaigazításra, ilyesmire, de marketingre nem. (Ja igen és nem is szép.)
(Persze ennek a tesztnek voltak korlátai.
1. csak romkocsmákban készült
2. viszonylag kicsi volt a mintavétel (240 matrica)
De szerintem egy jó irány, hogy további következtetéseket feltételezhessünk más helyzetekre is.)

Számomra a legnagyobb tanulság ebből a kísérletből ismét csak az, hogy minden marketing csatornádat mérni kell. Ha nem méred, nem tudod, hogy mi a pénzkidobás és mi az, amiből a legtöbb “ügyfeledet” hozod be.

+1 gondolat: a két kedvenc szegmentált adatom: a fiúk és lányok átkattintási preferenciái. Érdemes megfigyelni, hogy a szex után a lányoknál második helyen a pénz, fiúknál a semmi áll. : )) (Najó, a lányoknál tényleg kicsi volt a minta…)

lányok qr teszt

fiúk qr teszt

Ha a többi részletes eredmény is érdekel, itt a TedXY előadásom tavalyról:

Mester Tomi

Adatelemzés

Csak az illendőség kedvéért, ha már adatelemzés-blog, az adatelemzés néhány definíciója. (Érdekes módon magyar nyelven nem találtam semmit, úgyhogy jobbára angol nyelvű szövegeket fordítottam át):

Angol nyelvű wikipédia :
“Az adatelemzés az a folyamat, ami az adatok ellenőrzésére, letisztítására, átalakítására és modellezésére szolgál. Ezáltal hasznos információkat fedezhetünk fel, fontos következtetéseket vonhatunk le és jelentősen hozzájárulhatunk a helyes döntésekhez. Az adatelezmésnek több aspektusa és módszertana létezik – különböző technikák, különböző neveken, különböző üzeleti, tudományos, vagy szociológiai területeken.”

A business dictonary szerint:
“Az adatelemzés az adatok értékelése az analitikus és logikus érveléshez. Az elemezés ezen módja csak egy a sok lépés közül, amit el kell végezni egy kutatás során. Sok különböző adatelemzési terület létezik, mint például: adatbányászat, üzleti intelligencia, szövegelemzés vagy éppen az adatvizualizáció.”

Vagy az egyik kedvencem Croll és Yoskovitz Lean Analytics című könyvének a bevezetőjéből:
“Mind hazudunk magunknak néha. Egy vállalkozáshoz ez elengedhetetlen. Megesik, hogy jobban kell hinnünk abban, amit csinálunk, mint az ésszerű lenne. De ha túlzásba esünk és elkezdjük túlrajongni az ötleteinket, egyszer csak falnak ütközünk és a lufi, amit fújunk kidurran – fájdalmasan és véglegesen.
Néha muszáj hazudnunk önmagunknak, de ha ezt nem kontrolálljuk, veszélybe sodorhatjuk a vállalkozásunkat. És itt jön a képbe az adatelemzés.
Az elemzés a szükséges ellensúlya a hazugságoknak. A yin a yang-hoz. Egyébként minden szükséges üzlet (eredeti szövegben: “startup”) sarokköve is egyúttal.
Persze nem azt mondjuk, hogy az ösztöneidre hallgatni rossz. A belső sugallat az inspiráció, amire oda kell figyelni. De ne téveszd meg magad! A megérzéseid számítanak… viszont tesztelned kell őket! A megérzések a lehetséges kísérleteid alapjai, de a végső bizonyíték az adat lesz.”

És zárásképpen még egy közkeletű “definíció”, sokan megírták már, úgyhogy sajnos nem tudom kitől származik eredetileg.
Az adatelemzés gondolatolvasás. Legalábbis az ügyfeleid szemszögéből. Ha kihasználod az adatokban levő erőt, aki találkozik a termékeddel/szolgáltatásoddal, egész egyszerűen azt fogja érezni, hogy te tudod, hogy ő mit akar. Hát kell ennél több?

Mester Tomi

A legnagyobb pszichológiai kísérlet – EVÖR…

… a Facebook által. A cég egyébként azóta már hivatalosan is bocsánatot kért, hogy szűk 700,000 felhasználó üzenőfalát manipulálták. Az emberek egyik felének a negatív hangulatú, a másik felének pedig a pozitív hangulatú posztokat tüntették el az üzenőfalukról és azt figyelték, hogy ez a hangulateltolódás mennyire befolyásolja, azt hogy a kísérleti alany maga mit posztol. Az ügy hiába kérdőjeles erősen etikailag, adatok szempontjából egyszerűen nem lehet rá mást mondani, minthogy GYÖNYÖRŰ.

N=689,003

Azaz 689,003 fős a mintavétel, ami annyira szignifikáns eredményeket jelenthet, amire még tényleg nem volt példa soha. A tanulságok egy grafikonban összefoglalva.

facebook_research Tehát az eredmény az, hogy ha a Facebook felhasználók kevesebb pozitív dolgot olvasnak, maguk sem használnak annyi pozitív kifejezést. És fordítva, ha csökkentjük az őket érő negatív kifejezéseket, a saját üzeneteikben is visszavesznek a negatív hangulatú szavakból. Bár a kísérlet Facebook alapú volt – tehát az eredményeit csak és kizárólag a Facebook-ra vonatkoztathatnánk -, ez alapján statisztikailag is erősen igazoltnak tűnik, amit eddig is tudtunk, hogy környezetünk attitűdje nagyban befolyásolja a saját hangulatunkat is. Tessék tehát szép dolgokat posztolni Facebook-ra és cserébe mi is szép dolgokat fogunk kapni. :-)

Mester Tomi

ui.: Az eredetileg publikált tanulmányt megtalálod itt.