stratégia címkével jelölt bejegyzések

Lead, Lag, WIG – célok 2015-re

Egyébként ez az utolsó bejegyzésünk idén. Még lezárunk egy-két projektet, aztán mi is megyünk karácsonyozni. De egy rövid gondolat még – mivel sokaknál amúgy is most vannak az év végi értékelések. És ami még fontosabb, nem sokára jönnek az évindító stratégiai szuper-meetingek, a 2015-ös nagy célok felállításaival.

Egy nagyon jó modell, amit a Prezinél láttam (,de pl. az Adatlabornál is ezt használjuk):
4DX (The Four Disciplines of Execution)
(Az egész könyv első fejezetét itt is eléritek, illetve feltettem a szakmai anyagok közé is, de röviden a könyv célokkal kapcsolatos lényege.)
A 4DX szerint  a céljainkat 3 csoportba oszthatjuk: WIG, LAG, LEAD.

Lead Lag WIG
Lead – Lag – WIG — összefüggés

WIG: wildly important goal – azaz a legvégső célod. Legtöbbször ez a cél a profit. Ez nem csak az anyagiak miatt van. A profit nem csak azt mutatja meg, hogy mennyivel leszel gazdagabb, de egy jó mérőszám arra, is hogy a terméked vagy szolgáltatásod valóban értéket képvisel-e. Hogy a lehetséges ügyfelek tényleg fizetnek-e érte, hogy tényleg szüksége van-e a piacnak arra, amit csinálsz. Ha nem, akkor valami nem jó és ezt a legeslegjobban mindig a pénzügyi mutatók mutatják. Én hiszek abban, hogy emiatt – ha csak nem non-profit szektorban vagy – a profit/bevétel egy jó végső mutató és célérték.

LAG: A LAG-ek azok a minicélok, amelyek támogatnak téged a WIG elérésében. Pl. hány vásárlód van, mennyire értékes terméket tudsz eladni. De lehet LAG a hírlevél feliratkozók száma, a Facebook Like-ok száma, stb… A LAG definíciója: egy olyan cél, aminek az elérését nem tudod közvetlenül befolyásolni (pl. egy Facebook like megszületése az oldaladon nem a te döntésed, hiszen, az már a látogatód választása, hogy megnyomja-e a gombot vagy sem), de jó visszajelzés arról, hogy közelebb vagy-e a WIG-hez, a végső célodhoz vagy sem. A LAG-eket ezért mindig csak utólag tudod ellenőrizni.
A LAG-eknél a legnagyobb csapda, hogy bizonyos üzletágakban vannak totálisan irreleváns LAG-célok. Pl. van ahol semmit nem ér a 10.000 cikk megtekintés, mert végül nem lesz belőle egy vásárlás sem. Ezeket az összefüggéseket minden cégnek magának kell kikísérleteznie és kimérnie.

LEAD: (Kicsit megtévesztő a neve, mivel LEAD-nek nevezzük pl. a Sales folyamatokban, a potenciális ügyfelektől érkező visszajelzést is. Ez most egy másik LEAD. :-)) LEAD az a cél, amit mi magunk közvetlenül tudunk befolyásolni. Pl. Hány cikket írok meg a blogomon. Vagy hány konferenciára megyek el beszélni. Vagy hogy mennyi időt és pénzt költök reklámokra. Stb. Ezek még nem a végső célok, hanem az eszközök a végső célhoz. Viszont a LEAD-eket mindig előre tudom vetíteni, tudok vele tervezni. És ami fontos, egy jó LEAD hatással van a LAG-re.

Egy konkrét példa a Lean Analytics című könyvből.
Egy ügyfélszolgálat esetében ezek a számok:
LEAD: 1. a megoldott panaszok száma (%-ban a panaszokhoz képest) 2. a problémamegoldás gyorsasága (átlagos megoldási idő, percben vagy órában)
LAG: 1. az ügyfelek elégedettsége (elégedettség-mérés alapján, pl 1-10) 2. az ügyfél további panaszai (%-ban hány ügyfél panaszkodik tovább)
WIG: Hogy az ügyfél visszatérjen a termékhez és ne mondja le az előfizetését. (% lemondások aránya)Jól látszik, hogy a LEAD befolyásolja a LAG-et, a LAG pedig befolyásolja a WIG-et. De az egyetlen dolog, amiért mi közvetlenül teszünk az a LEAD – a többi már az ügyfeleken és a folyamataink minőségén múlik.
Ha felállítod a saját Lead-jeidet, Lag-jeidet és WIG-jeidet és találsz köztük valódi, statisztikailag is kimutatható összefüggéseket, akkor meg tudod mondani, hogy mi történik, ha az egyik LEAD-edet változtatod. Máshogy mondva meg tudod jósolni a jövőt. Ilyen egyszerű az egész. :-)Kellemes tervezgetést 2015-re és kellemes pihenést 2014 hátralevő részére!

Mester Tomi

Egyetemisták, figyelem!

(Ingyenes) “Business Intelligence és Big Data a marketing-ben” c. kurzust indítunk egyetemistáknak!
Itt megtanulhatod, hogy mi a valódi értelme az analitikának és az elemzéseknek. A képzés egyedülálló, mivel csak és kizárólag gyakorlati és valós üzleti helyzeteken alapuló példákat vizsgálunk és elemzünk. (Az elméletet meg meghagyjuk az egyetemnek. :-))
A résztvevők megtanulhatják, hogy hogyan lehet a különböző elemzéseket és kutatásokat valós stratégiai célokra felhasználni. Hogyan lehet belelátni a potenciális ügyfelek fejébe és hogyan lehet kiszedni az internetes adatokból azokat az információkat, amelyek majd az üzlet növekedéséhez vezetnek.

A képzés kitér arra, hogy hogyan használják a big data-t és az üzleti intelligenciát:
– a magyar és külföldi e-commerce szektorban
– a marketingben és a médiában
– a magyar és külföldi startup-okban

A képzés ingyenes és januártól júliusig havonta 1×3 órát vesz igénybe.
Nem titkolt célunk azonban, hogy a résztvevőket a kurzus elvégzése után bevonjuk különböző munkáinkba és valós projektjeinkbe is. Ezért, hogy a legmotiváltabb és a legtehetségesebb egyetemistákkal dolgozzunk együtt már ezeken az alkalmakon is, csak a legjobb 6 jelentkezőt tudjuk felvenni a kurzusra.

Alkalmas jelentkező vagy, ha:
– egyetemista vagy (!)
– kreatív vagy
– értesz legalább alapszinten a programozáshoz (vagy hajlandó vagy megtanulni januárig)
– egy alapszintű marketinges szemlélettel is rendelkezel

Ha így van, jelentkezz a tomi@207.154.217.176-ra és írd meg maximum 100 szóban, hogy miért te vagy a legjobb (illetve, ha van, mindenképp dobj egy önéletrajzot vagy egy linked-in adatlapot magadról). Ja és ne felejtsd ki az életed eddigi legérdekesebb projektjét sem! (Meg hogy melyik egyetemre jársz.)

Hajrá! Várjuk a jelentkezéseiteket!

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

Visszatérő vásárlók – big data az e-kereskedelemben

Láttad Mel Gibson-t a “Mi kell a nőnek?” című filmben? Tudod mitől sikeres? Nem attól, hogy jobban néz ki, mint a többi férfi. Nem is attól, hogy több pénze van. Hanem attól, hogy belelát a nők fejébe és pontosan azt tudja mondani és adni nekik, amire azoknak szükségük van. Most képzeld el, hogy Te ugyanezt meg tudod csinálni a webshopod, e-kereskedelmi boltod vásárlóival. Olvasni tudsz a gondolataikban és pontosan azt tudod nekik megadni, amire szükségük van. Egy ilyen vevő “szerelmes” lesz az internetes boltodba, állandóan visszatér majd és mindenkinek erről fog mesélni. A gondolatolvasás – legalábbis az interneten – ma már lehetséges. Úgy hívják: big data.

Az e-kereskedelmi adatelemzést nagyon kevesen csinálják megfelelő szinten – persze a Google Analytics ott van, sőt néha a vásárlási adatokra is ránéznek. De ennél sokkal több dimenzió van az adat-univerzumban. 3 példa:

1. A legnépszerűbb terméked – nem az, amelyiket gondolnád:
Nem csak a webshopok, de szinte az összes internetes oldal túlértékeli a tényleges vásárlások jelentését. A legtöbbet megvásárolt termék a valóságban sok mindent jelenthet: ott a legjobb az ár-érték arány, ott a legjobb a fotó az oldalon, ott a legjobb a leírás, ott van a legjobb helyen a kosár gomb, stb… Ami Téged érdekel, az viszont az, hogy mire vágynak a legjobban a látogatóid. Mert ha ezt megadod nekik, akkor biztos, hogy boldogok lesznek, továbbajánlanak és ők is visszatérnek. Ezt sok mindenből kiderítheted – milyen oldalról jönnek a felhasználóid, mennyire célirányosan keresnek, mik a személyes igényeik, milyen demográfiai csoportba tartoznak, milyen márkákért rajonganak… És a kedvencem: melyik terméket tették a legtöbben úgy a kosárba, hogy aztán mégsem fizettek és leléptek az oldalról. Te tudod, hogy a Te oldaladon melyik ez a termék?

2. A lélektani határ – viselkedéselemzés:
Nagyon sok látogató van az oldaladon, de ennek valószínűleg a legjobb esetben is csak 10%-a vásárol. De miért pont ők? Ha belenézel az adatokba, látni fogod, hogyan viselkednek (hova kattintanak, milyen termékeket néznek meg, mire keresnek rá, milyen rendszeresen jönnek vissza, pontosan mikor, stb...) a “sikeres”, valóban fizető és vásárló felhasználóid és hogyan viselkednek a “sikertelen”, vásárlás nélkül távozók. Az érdekesség az, hogy a sikertelen vásárlók között mindig van egy vékony réteg – mondjuk 10% – akiknek a viselkedése csak egy hajszálnyit különbözik a sikeresekétől. Ha őket el tudod csípni, máris megdupláztad a forgalmadat.

3. A visszatérés záloga:
Az egyszeri vásárlóból a többszöri vásárlás felé rögös út vezet. Egyáltalán tudod az arányt a visszatérő/egyszeri vásárlóid között? Nem mindegy. Mert a visszatérő vásárlók az evangelistáid. Ők azok, akik úgy beszélnek a márkádról, hogy bezzeg ők ott vásárolnak. Ha őket elemzed, megfigyelheted a visszatérés okát: szezonalitás, szülinapok, feleség szülinapja (ajándékvásárlás esetén), bizonyos akciók megjelenése, bizonyos termékcsoport megjelenése.

És ez még csak a csúcs. A Big Data jéghegyének pont az a lényege, hogy az igazi tudás a webshopod felszíne alatt rejtőzik. És ma már hozzá tudsz férni.. A kérdés csak az, hogy akarsz-e. Ha igen, írj és segítünk: http://adatlabor.hu/kapcsolat/

Mester Tomi

Startup adatelemzés interjú IV. – USTREAM

brickflow logo startup interjúA Ustream BI csapatának a vezetőjével, Szakács “Szaki” Balázzsal beszélgettem, arról, hogy pontosan hogyan működik náluk az adatelemzés, az üzleti intelligencia és a big data. A lenti interjúból a nekem legérdekesebb 3 dolog volt, hogy:
1. A Ustream-nél még viszonylag friss, kb 2 éves a BI, de máris óriási hatással vannak a termékre és a cégre.
2. Hogy milyen erős az összefüggés a jól megválasztott social media csatorna és az aktuális tartalom a nézettséggel.
3. Hogy több ezrek közvetítik az esküvőjüket online. :-)
(+1: Van saját Ustream sörük!!!)

Íme a teljes interjú:
Tomi: Te mit csinálsz pontosan a Ustream-nél?

Szakács Balázs, Ustream, BI csapatvezető
Szakács Balázs, Ustream, BI vezető

Szaki: Lassan 2 éve vagyok itt és én vagyok az üzleti intelligencia rész vezetője. Engem azért hoztak ide, hogy segítsem a Ustream-et arra az útra lépni, hogy egy igazán adatvezérelt szervezet legyen. Ehhez gyakorlatilag 0-ról kellett felépíteni a dolgokat: csapatot toborozni, megfelelő embereket  kiválasztani, egyáltalán azt eldönteni, hogy milyen típusú team-re van szükség. A gyakorlatban pedig a vezetői feladatok mellett én tartom a kapcsolatot a cég különböző területi vezetőivel,  kulcsfelhasználóival. Összegyűjtjük az igényeket, hogy milyen irányba lehetne fejleszeni és továbbvinni a terméket, hol tudunk a legnagyobb értéket teremteni. A csapatom pedig az, aki segít ezt megvalósítani, én pedig ebben támogatom őket.

Ezek szerint 2 éve kezdtétek el igazán használni a BI-t a Ustream-nél?
Igen, én 2 éve érkeztem, a csapat maga pedig másfél éves. Tehát mondhatjuk azt, hogy ez egy elég friss dolog a Ustream-nél.

Általánosságban mire használjátok a Ustream-nél az adatelemzést?
Több felhasználási terület van. Az egyik az abszolút vezetői döntés támogatás: hogy áll a cég, jó irányba haladunk-e? KPI-ok, bevételi számok, lemorzsolódási arányok. Ezeket az adatokat heti vagy napi szinten szolgáltatjuk. Van termékfejlesztési támogatás: ha  a termékmenedzserek kitalálnak egy ötletet, mi meg tudjuk mondani, hogy hogyan kéne beárazni, mekkora ügyfélbázisnak lehet érdekes, amit ők kitaláltak…

Ezt AB-tesztekkel nézitek vagy historikusan?
AB-teszteket folyamatosan csinálunk a cégnél, de nem a mi csapatunk. Ezt általában azok csinálják, akik magát a honlapot, a front-end felületet készítik – vagy akár a termékmenedzserek. Pl. az egyik termék ilyen áron van, a másiknak féláron van…

Árakat is szoktatok tesztelni?
Igen, árteszteink is vannak… De nagyon sok User Experience (UX, felhasználói élmény) jellegű tesztünk is van. Pl. ikon legyen vagy felirat. Vagy mekkora legyen a felirat, vagy hova tegyük azt a feliratot, hogy sokkal inkább kézre álljon a felhasználóinknak a termék. Sok ilyet csinálunk, de ezt minden részleg magának, önjáróan készíti. Persze, ha van kérdésük, szívesen segítünk, de alapvetően megvan náluk a kompetencia meg a tapasztalat, hogy összehozzák ezt. Ezek az AB tesztek.
A terméktervezési-döntéseknél pedig általában azt nézzük meg, hogy az ügyfélbázisunk hogy működik. Tehát, ha a termékmenedzserek valamit kitalálnak – valamilyen hipotézist -, mi megnézzük, hogy ez mennyi embernek lehet jó. Megnézzük, hogy ténylegesen az elmúlt években, hónapokban, hogyan használták a termékünket. Milyen tartalmakat fogyasztottak? Miket néztek? Milyen jellegű közvetítéseket csináltak? Ezek historikus adatok és ebből elég jól meg lehet mondani, hogy az ügyfélbázisunkra milyen hatással lesz, ha valami újat bevezetnek.

Hány user-etek van most és ehhez képest hányan dolgoztok a Ustream-nél?
Most már több, mint 30 millió regisztrált felhasználónk és havi 80 millió nézőnk van. Ehhez képest mi 250-en vagyunk a cégnél, Magyarországon 115-en. Itthonról megy minden fejlesztés és üzemeltetés. Mi, az üzleti intelligencia csapatban 6-an vagyunk, mi is Budapesten.

Egy laikus számára mi lehet a legérdekesebb, amit adatokkal elértetek?
Ami nagyon érdekes, az az, hogy milyen típusú tartalmakat közvetítenek nálunk és mit néznek. Például megnéztük, hogy hány esküvő van a Ustream-en. És kiderült, hogy havonta több ezer esküvőt közvetítenek, ami egészen meglepő volt nekünk. De nagyon sok egyház is minket választ arra, hogy mindenféle szertartást, ami náluk van, azt nálunk közvetítsenek és pl. a tartalmunknak egy része emiatt vallási tartalmú egyébként.

Ezt hogyan látjátok az adatokból?
Amikor egy közvetítést kezdesz, akkor meg kell adni, hogy milyen típusú tartalmat közvetítesz. Ebből tudunk információt begyűjteni… Az is nagyon érdekes, hogy a social media milyen hatással van a közönségre. Például volt egy One Direction koncert, amit mobiltelefonnal közvetített végig egy néző a hátsó sorból. Nem sok minden látszott, mert hátul volt, sötét volt és mégis a különböző rajongói Facebook csoportokon elterjedt és pár percen belül már 110.000-en nézték. Egy viszonylag rossz minőségű tartalom, de mégis annyira aktuális volt és annyira jól terjedt el a social media csatornákon, hogy ennyire felfutott a nézettsége.

Milyen eszközöket használtok az adatelemzéshez?
Nálunk is minden megtalálható, ami a klasszikus “kemény vonalas business intelligence” eszköze. Az open-source eszközök vannak túlsúlyban Pentaho ETL, MySQL, stb… Van big data megoldásunk is, ehhez az Amazon szervereit használjuk, ahol fut egy Hadoop Cluster-ünk. Fizetős eszközöket használunk adatvizualizálásra – ez a Tableau.

Van valami, amit még szívesen elmondanál?
Talán nem is az adatokról, hanem arról, hogy igazán büszke vagyok arra, hogy milyen csapatom van. Merthogy sikerül elérni másfél év alatt, hogy fontosak lettünk és a középpontba kerültünk a cégen belül. Reflektorfényben vagyunk, mert nagyon erős igény van az adatokra és az adatelemzésre. Nincs nagy csapatunk, de mégis mindent így 6-an csinálunk. És működik. Nagyon jó az összetétel mind tudásban, mind személyiségben. Én pedig sehol nem lennék, ha nem ilyen csapat lenne mögöttem.

Köszönöm szépen a beszélgetést!

A Startup adatelemzés interjú sorozat többi része:
Prezi, Evernote, Eventbrite, GoodData, Brickflow és Ustream interjúk

Mester Tomi

Üzleti Intelligencia = Ember és Adat

A napokban futottam bele az egyik legeslegjobb példára abban, hogy mennyire szükséges az emberi józan ész és a valódi kritikus gondolkodás az adatelemzés mögé. Az üzleti intelligenciának egy fontos eleme, hogy kiszedjük a big data-ból a lényeget, de hogy az mit is jelent ténylegesen, hogyan befolyásolja a döntéseinket és a stratégiánkat, az már az emberi intelligencián és kreativitáson múlik.
A Tylervigen egy nagyon egyszerű projekt, amiben számítógépek kapnak egy csomó szociológiai adatot, majd korrelációt – azaz összefüggést – keresnek gyakorlatilag minden között. Ember legyen a talpán, aki meg tudja mondani, hogy mi a logikai kapcsolat a Maine-ben levő válások száma és Amerika margarin fogyasztása között, pedig a korreláció 99,2%-os.

Korreláció - 99,2%

De van tovább. Tudtad például, hogy mióta a Méztermelő méhkasok száma lecsökkent Amerikában, azóta jól kimutathatóan nőtt a Marihuána árusításért letartóztatott fiatalok száma ugyanitt? Korreláció: 93,3%

Méz vs. marihuána statisztika
Méz vs. marihuána statisztika

Két szomorúbb hír is van. Jól látható az összefüggés a fulladásos halálok és a technológiára, tudományra és űrkutatásra költött pénzek növekedése között.

tudomány vs. fojtogatás statisztika
tudomány vs. fojtogatás statisztika

Az pedig, hogy a mindenkori Miss America kora és a forró gőzökkel és tárgyakkal történő gyilkosságok között is 87%-os erősségű kapcsolat van, már végképp megdöbbentő.

Miss America vs. gyilkosságok statisztika
Miss America vs. gyilkosságok statisztika

Persze ezekben az esetekben egyértelmű, hogy nem beszélünk valódi összefüggésekről. De üzleti döntésekben már sokszor homályosabb a helyzet. Ha látunk is korrelációt, érdemes többször is végiggondolni, hogy mi következik miből: az “A” állítás “B”-ből vagy “B” állítás A-ból, vagy eseteg “A” és “B” egy külső “C”-ből. A fentiekből is látszik – az üzleti intelligencia mögé éppen annyira kell a kritikusan gondolkodó ember, mint maga az adat és az adatelemzés!

Mester Tomi

Ha a Tinderes kísérlet kapcsán jutottál ide…

… akkor jó helyen jársz. Mester Tomi vagyok az adatlabor.hu szakmai blog szerzője és még írnék neked pár gondolatot, amire a sajtóközleményben nem maradt hely és adat szempontból fontos. Mindenek előtt itt a PPT, amit az eredeti előadásban az IH2014-en vetítettünk, sok chart-tal, sok eredménnyel:

Mészáros Beával, a Mindea vezetőjével az Internet Hungary-s előadáson az egyik legfontosabb üzenetünk az volt, hogy manapság már kis kreativitással igenis mindent lehet mérni. A Tinder egy párkereső platform, de nekünk egy analitikai eszköz volt. Persze nem kell tényleg mindent elemezni, de a marketing kreatívok tipikusan olyan dolgok, amiket érdemes. Bea marketing szakember, ő tudta, hogyan kell összetenni a profilokat, én adatelemző vagyok, úgyhogy tudtam mit, hogyan és miért elemezzünk. A/B teszt, konverzió, megtérülés. Gyorsan összefoglalom a legérdekesebb eredményeket a kutatásból.

1.) Először is, ahogy írtam a Tinder párkereső appon AB-teszteltünk férfi és női profilokat. 200 embert húzunk jobbra és 24 órát adtunk nekik a match-elésre, azaz, hogy visszajelezzék, hogy mi is tetszünk nekik. A különböző profilok, Beánál, akit a kísérletben Annának hívtunk és 25 éves volt:

Tinder kísérlet, női profilok
Tinder kísérlet, női profilok

És a férfi profilok Tominál, aki a kísérletben a szintén 25 éves András volt.

Tinder kísérlet, férfi profilok
Tinder kísérlet, férfi profilok

(Zárójelben jegyzem meg, hogy kicsit féltünk ettől, de végül úgy döntöttünk, hogy akkor hiteles a kísérlet, ha saját magunkkal tesztelünk.)

És az eredmények:

NŐI PROFILOK VISSZAIGAZOLÁS ÜZENET
1. Kacér, kihívó 110 53
2. A Tinder legjobb csaja 103 44
3. Titokzatos 87 44
4. Átlagos szőke 86 42
5. Párkapcsolatban élő 56 25
6. Barna hajú 46 15
FÉRFI PROFILOK ———- ———-
1. Gazdag 20 1
2. Orvos 16 2
3. Titokzatos 11 0
4. Átlagos 9 0
5. A Tinder legjobb pasija 2 0
6. Párkapcsolatban élő 2 0

A csajoknál a szexiség, a srácoknál a gazdagság és a presztizs-szakma nyer. Az eredmények szignifikánsnak tekinthetőek. Habár adatelemzési szempontból ez nem egy klasszikus minden dimenziójában tökéletesen AB-tesztnek tekinthető kísérlet, azért az eredményekből lehet sejteni, hogy mi a nyerő és mi nem.

2. Márcsak azért is, mert csináltunk egy 1600 fős kérdőívezést is, ahol az első kérdésünk az volt, hogy mi az első asszociáció a Tinder szó kapcsán. Fiúkra és lányokra szegmentáltunk.

Tinder teszt, férfi asszociációk Tinder teszt, női asszociációk

3. Másik nagy találásunk volt, hogy egyéjszakás kalandok és párkapcsolatok is jönne a Tinderről, habár a fiú egyéjszakás kalandok száma igen csak kiemelkedik.

tinder teszt párkapcsolat   tinder teszt egyéjszakás

4. És megfigyelted, hogy a sorrendben a rejtőzkődő profilok jobban teljesítenek, mint az alap-profil? Vagy azt, hogy a lányoknál működik a badge, a fiúknál pedig nagyon nem?

Sok más minden kiderült még, ha további kérdéseid vannak, írj. :-)

A kutatás teljesen anonim volt, mindenki személyiségi jogait maximális tiszteletben tartottuk és tartjuk.

Ha kíváncsi vagy egy hasonló kísérletre, kattints ide:
A nagy QR-kód kísérlet – a fiúk a szex után a semmire, a nők a pénzre kattintanak.

És ne felejts el feliratkozni a hírlevélre:


Mester Tomi

Startup adatelemzés interjú III. – Brickflow

brickflow logo startup interjúA Brickflow csapatának két tagjával beszélgettem: Kökény “Tojás” Tamással társalapítóval, aki a fejlesztőcsapatot is vezeti, illetve Ryan C. McCabe-bel, aki adatelemző gyakronokként erősíti a Brickflow-t. A legérdekesebb történetük az volt, hogy hogyan pivot-oltak és kerültek növekedő pályára újra AB-teszteléssel – de esett szó minden másról, ami egy kicsi, de sikeres startup életében az adatelemzéssel kapcsolatban felmerülhet.

Mester Tomi: Mindenek előtt… Mi az, amin dolgoztok, mi a koncepció a Brickflow mögött?

Kökény "Tojás" Tamás - Brickflow, Lead Developer
Kökény “Tojás” Tamás – Brickflow, Lead Developer

Tojás: Jelenleg egy olyan alkalmazást fejlesztünk, ami segít a Tumblr felhasználóknak növelni az olvasószámukat, reposztolni a posztjaikat, megmutatjuk nekik, hogyan tudnak jó tartalmakat adni az olvasóiknak és hogy kiket kéne követniük, illetve vissza-követniük. Összességében ez egy marketing eszköz Tumblr-re, de mi nem a marketing ügynökségekre fókuszálunk, hanem a tinédzserekre. Az érzésre, hogy “egyedül vagyok”, “nem figyelnek” rám, kínálunk megoldást, segítünk több olvasót szerezni és az érdekes tartalmakat eljuttatni a megfelelő közönséghez.

– Akkor sokat változtatok az elmúlt időkben. Mikor utoljára hallottam rólatok, Twitter-rel, Facebook-kal és hashtag-ekkel foglalkoztatok…
Igen, időközben pivot-oltunk és ami azt illeti, ez egy nagyon is adatalapú döntés volt. Az előző termékről kiderült, hogy nem tud olyan ütemben növekedni, ahogy terveztük. De már sok felhasználónk volt, így közben láttuk, hogy az emberek főleg arra használták a Brickflow-t, hogy összegyűjtsenek dolgokat és nem arra, hogy valami újat csináljanak. Ezért futattunk egy AB-tesztet, amiből kiderült, hogy a keresés a termék lelke és nem a tartalomépítés. De a “value propostion”-t, a valódi és egyedi értéket még mindig nem láttuk tisztán. Ezért február környékén elkezdtünk különböző egyszerű nyitóoldalakat tesztelni – összességében 6 vagy 7 különböző “value proposition”-t néztünk meg és kiderült, hogy kb. 4-szer akkora konverziónk van Tumblr-ös verzióval, mint a Facebook-ossal, a Pinterestes-sel vagy akármelyik másikkal.
Ez volt az első alkalom, hogy teszteléssel találtuk meg a megfelelő utat és elkezdtünk növekedni. És még sohasem volt ilyen nagy a növekedésünk, mint most: 10-15%-ot növünk hetente, úgyhogy úgy tűnik végre igazi termékké váltunk.

– Publikus, hogy hány felhasználótok van most?
– Igen, most kicsivel több, mint 60.000 felhasználónk van. Nemsokára jön az IOS app is és a fundraising-et is elkezdtük.

– Még viszonylag a korai szakaszban vagytok, úgyhogy jól rálátsz erre… Mit gondolsz, mikortól érdemes vagy mikortól lehet elkezdeni az adatokkal foglalkozni egy startup életében?
Ami azt illeti, már a legelejétől. Persze óvatosnak kell lenni, mert az elején nagyon kevés adatpontod lesz, pl. egy AB-teszten 5-600 felhasználó. Ilyenkor sokáig kell várni az eredményekre, nem úgy mint mondjuk a Prezinél, ahol a felhasználók 5%-nak odaadsz egy funkciót és másnap már látod az eredményeket. :-) De ha én most kezdenék új projektbe, biztosan nem vágnék bele egy gyors validáció, pl. egy nyitóoldal teszt nélkül. Ha van egy jó ötleted, tesztelni kell, valódi számokat kell látnod.
Aztán az elején lehet mérni a marketing csatornákat is. Ez az egyik legfontosabb, hiszen először itt tudod követni a növekedést.

– Most milyen eszközöket használtok?
– Ez elég nagy kihívás, mivel egy kisebb cégnek még nincsenek túl nagy erőforrásai, nem tud 100 gépes parkokat bérelni, stb… Eleinte a Mixpanel, a Google Analytics és a KissMetrics persze elég, de amint elkezdesz sok tesztet csinálni és egyedi mérésekre van szükséged, ezek már nem tudnak kiszolgálni. A Hadoop és egyéb nagy rendszerek pedig túl nagy lépés lennének rögtön ezek után. Ezen a szinten szerintem mindenki elkezdi a saját adatelemző rendszerét csinálgatni, amit a cégnek magának kell kitalálnia. Mi is ezt csináljuk.

– Hányan vagytok a Brickflow-nál?
– Kb. 10-en vagyunk. 3 marketinges, 4 fejlesztő és 1 ember az üzleti oldalról, plusz néhány részmunkaidős. A csapatban amerikaiak is vannak, ami jó, mert így angolul is beszélhetünk és ők azért közelebb vannak az amerikai kultúrához is. Ami itthon menő, az nem feltétlenül az Amerikában és ezt ők jobban látják.

– És ti mivel foglalkoztok pontosan?
Tojás: Én vagyok a vezető fejlesztő és az alapítók egyike is. Így a többi fejlesztőt koordinálom és persze vannak alapítói tennivalóim, pitch-elés, stb. A fejlesztői oldalról én foglalkozom a legtöbbet a fontos alapmetrikákkal, az elemzésekkel és a tesztekkel.

Ryan C. McCabe - Brickflow, Data Analyst Intern
Ryan C. McCabe – Brickflow, Data Analyst Intern

Ryan: Én is elemzésekkel és méréssel foglalkozom. Olyanokkal, amikre nem biztos, hogy lenne másoknak idejük az irodában, de azért mégiscsak mindenkinek tudnia kéne róluk. Mint pl. hány ember oszt meg tartalmat, vagy hogy mi a nyitóoldal konverziója. Riportokat készítek és prezentálok a kollégáknak. Pl. múlt héten találtam egy problémás eset, ahol a megosztások kb. 20%-a egy hibaüzenettel végződött. Itt muszáj volt kideríteni, hogy melyik oldalról jön a hiba, a mi alkalmazásunk felől vagy a külső alkalmazásokból.

Tojás: Igen és ezek olyan adatok, amik néha egyszerűen csak érdekesek, de sokszor emellett még nagyon hasznosak is. Sajnos egy marketingesnek vagy egy fejlesztőnek egy kis cégnél sokszor nincs ideje arra, hogy megnézze, mi éppen a legeslegnagyobb probléma, mi a legeslegfontosabb dolog, amivel foglalkozni kell, ilyenkor jó, ha az elemzésekből rögtön visszajelzést kap.

– Mi volt a legnagyobb tanulság eddig?
– Igazából ez volt az első alkalom, amikor igazán adat-vezérelten döntöttünk. Sokat tanultunk a lean valódi jelentéséről – de ehhez mindenképpen kellettek bukások is. Még mindig vannak nem lean-es folyamataink és azért azt is látni kell, hogy egy ideig eltart míg az ember tényleg data-driven-né válik. Data-driven-né, jó értelemben. Meg kell találni az egyensúlyt, hogy mikor kell mérni és mikor kell egyszerűen csak dönteni, ha esetleg valami triviális volna vagy éppen nagyon nehéz lenne lemérni. Folyamatosan tanuljuk ezt, de azt hiszem a tavalyi év óta nagyon sokat fejlődtünk.

– Köszönöm szépen a beszélgetést!
Mester Tomi

A Startup adatelemzés interjú többi része:
Startup adatelemzés interjú I. – Prezi
Startup adatelemzés interjú II. – Evernote, Eventbrite, GoodData
Startup adatelemzés eszköztár – AB-teszt, szegmentálás, kohortok
És persze, ne felejts el feliratkozni az ingyenes hírlevélre!

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

Webdizájner vagy? Készíts jobb honlapot, mint akárki más…

Te is szeretnél keresett és menő webdizájnerré válni? A programozás része már megvan, SEO-ról hallottál eleget, a grafikáid pedig első osztályúak, de még hiányzik valami plusz? Ebben a cikkben leírom, mit kell tenned!
Nagyon sok a fájdalmasan rossz, elfogadhatatlan minőségű weblap. Ugyanakkor egy erős, felhasználóbarát, könnyen használható oldal óriási előny az üzleti életben. Egy jó honlap ténylegesen pénzt termel, méghozzá nem is keveset. Na ez az, amit a megrendelők imádnak, ez az ami alapján továbbajánlják a webdizájnert.
Felhasználóbaráttá pedig csak úgy válhat egy honlap, ha “nomen est omen” alapon tényleg a felhasználókkal foglalkozol! Pontosítok, ha az ADOTT HONLAP felhasználóival foglalkozol. Ha ismered a honlap készítés általános szabályait (dizájn, programozás, stb), itt az idő, hogy lenyűgözd a látogatókat és ezáltal a honlap tulajdonosát azzal, hogy észreveszed és reagálsz a speciális igényekre.
Itt jön be a képbe a Google Analytics és a felhasználói adatelemzés.

FIGYELEM! Az itt leírt 3 trükk nem bonyolult dolog – 15 perc ráfordítással simán eléred ezeket az információkat – mégis, a weblap-tervezők kevesebb mint 1%-a használja ki ezeket a fegyvereket.

Mind a 3 trükkhöz szükséged lesz arra, hogy beletúrj az általad dizájnolandó weblap előző verziójának az adataiba. Kérj a megrendelőtől egy Google Analytics hozzáférést és nézz rá ezekre az elemzésekre:

1) ESZKÖZÖK ARÁNYA: Az egyik legcikisebb élményem volt, amikor az egyik ismerősöm weblapját nem optimalizálták okostelfonos és tabletes forgalomra – mondván, hogy az úgyis elenyésző része a forgalomnak. Aztán egy konferencián, míg az egyik honlap-tulajdonos prezentált, egy néző mellettem elővette  a mobilját, fel akart menni az oldalra és ezt látta:
prezimagyarul mobil előnézetUgye? Nem túl felhasználóbarát… Miután belenéztünk az adatokba, láttuk, hogy a látogatók, több mint 16%-a mobilon vagy tablet-en próbálja megnyitni az oldalt. Végre adatokkal sikerült meggyőzni az ügyfelet, hogy 16%-os növekedés várható, ha reszponzív weblapra váltanak, tehát igenis megéri a befektetést. A honlap tulajdonosai berendelték az új, reszponzív dizájnt és remélhetőleg soha többé nem lesz ilyen probléma – és beindul a növekedés.

Google Analytics - mobil eszközök aránya
Google Analytics – mobil eszközök aránya

Ha el akarod érni, ezt az oldalt, nyisd meg a Google Analytics-et és nézd meg, milyen eszközökkel használják az oldalt. Ehhez menj a KÖZÖNSÉG –» MOBIL –» ÁTTEKINTÉS menübe.

google analytics webdizajn elemzes
Google Analytics – mobil eszközök menü

A mobil eszközök tételesen lebontva is láthatóak – tehát ha kész a reszponzív webdizájn, akár azt is megnézheted, milyen mobilon vagy tablet-en kell tesztelned. KÖZÖNSÉG –» MOBIL –» ESZKÖZÖK:

Google Analytics - mobil eszközök lebontva
Google Analytics – mobil eszközök lebontva

2) HŐTÉRKÉP: A hőtérkép nem más, mint egy vizuális kép a leggyakrabban kattintott elemekről az adott oldalon. Igen, igazi hőtérkép az oldalról – létezik ilyen.

google analytics oldalon belüli elemzés (hőtérkép)
Google Analytics oldalon belüli elemzés (hőtérkép)

Erről már írtam egy részletes cikket korábban, ezt most csak egy saját sztorival egészíteném ki. Egy ügyfelünknek elemeztük a honlapját új dizájnhoz – és észrevettük, hogy van egy gomb az oldal közepén, nem túl hangsúlyos helyen, ami egy ún. “közösségi csapatépítő képzés” aloldalra vezetett. Erre a gombra kattintott a felhasználók, több mint 16% – a hőtérképen vörös színnel volt jelölve. Azaz annak ellenére, hogy kicsit “el volt dugva”, az emberek többet akartak tudni a “közösségi csapatépítő képzésről”. Ez gyanút keltett bennünk, úgyhogy megnéztük, és google-ről is ez volt a legkeresettebb oldal. Rájöttünk, hogy ez a képzés az, ami a cég profiljai közül a legtöbb embert vonzza. Hogy lehet, hogy erről a cég nem tudott? Hát úgy, hogy az aloldalon a JELENTKEZÉS gomb szinte megtalálhatatlan volt, így végül nagyon kevesen jelentkeztek ténylegesen, a cég pedig figyelmen kívül hagyta ezt a tréninget. Eredmény: Ezek után az új dizájnban kiemelt helyre került a “közösségi csapatépítő tréning”, a jelentkezés gombot pedig az aloldal tetejére, jól látható/kattintható pozícióba tettük. A tréningre való jelentkezés megnégyszereződött (4X!!), a tréningcég pedig leírhatatlanul hálás volt nekünk.

3) DEMOGRÁFIA: Le akarod nyűgözni a megrendelőt? Akkor mutasd meg neki, hogy kik az online-látogatói. Férfiak vagy nők? 18-25 évesek vagy inkább 45-54? TV-sorozat rajongók vagy komoly üzletemberek?

Google Analytics - demográfiai adatok
Google Analytics – demográfiai adatok

A megrendelők imádják, ha ezt tudják a potenciális vevőikről… Tudod miért? Azért, mert így sokkal könnyebben meg tudják szólítani őket, sokkal könnyebben tudnak reklámozni és sokkal könnyebben tudnak terméket vagy szolgáltatást fejleszteni.
Egy férfi öltönyökkel és zakókkal foglalkozó honlapon pl. kiderült, hogy a látogatók nagy része (79% !!!) nő! Gondoltad volna? Hát én sem. Mindenesetre, miután ezt az adatot kibányásztuk, az összes reklám szöveget átírta a tulajdonos: “Szeretne egy szép zakót magának?” típusú mondatok helyett “Szeretne egy szép zakót fiának vagy férjének?” típusúakra (jó-jó, azért ennél összetettebbek voltak a változtatások, de a lényeget érted…). Ezek az apróságok persze tudat alatt hatnak, de a növekedés kézzelfogható volt.
Hogyan érheted el ezeket az adatokat?
KÖZÖNSÉG –» DEMOGRÁFIA –» ÁTTEKINTÉS
Nagy eséllyel ezt fogod látni:

Google Analytics - demográfiai elemzés
Google Analytics – demográfiai elemzés

Ha így van, kattints az engedélyezés gombra és cseréld ki az eddigi GA-kódot az újonnan felkínáltra! Ezek után pár nap és már jönnek is be az adatok! Ugyanebben a menüben megtalálod őket.
———————————–

Ezzel a 3 alaptrükkel szinteket tudsz lépni a felhasználóbarát weblap készítésben és biztos lehetsz benne, hogy ha tényleg jól használod, akkor nemcsak visszahívni fognak az ügyfeleid, hanem továbbajánlani is. Ennél persze sokkal többet rejt mind a Google Analytics, mind az adatelemzés tudomány eszköztára! Ha értesülni akarsz róla vagy haladóbb trükkökre vagy kíváncsi, iratkozz fel az Adatlabor hírlevélre!


Mester Tomi