stratégia címkével jelölt bejegyzések

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

Big Data a Marketingben sorozat — I. rész

A Big Data kifejezés nem csak a nagy adathalmazokra utal, hanem az óriási tudásra is, ami kinyerhető belőle. A “Big Data” a marketing számára alapjaiban változtatja meg a piachoz való hozzáállást és persze magát a piacot is. A versenytársaid talán még nem tudják, de te most már igen, hogy a Big Data 3 dologban nagyszerű számodra:
– nagy mennyiség
– nagy sebesség, amivel beérkezik az adat
– nagy változatosság — azaz sokféle az adat.

Gondolj bele, 20 éve mi állt a rendelkezésünkre! A (nyomtatott) levélkampányokra való válaszadás, néhány tranzakciós adat, esetleg egy-két kuponfelhasználás. Manapság pedig valós idejű átkattintási-mutatók, e-mail megnyitási ráták, geolokáció, demográfiai adatok, vásárlási szokások, látogatási szokások. De ennél még sokkal, de sokkal több. Pl. eszedbe jutott már, hogy a boltokban a hűségkártyákkal már névhez tudják rendelni a vásárolt termékek teljes listáját és ez alapján személyre szabott e-mail kampányokat tudnak küldeni a vásárlóknak érdeklődés szerint? Hitted volna, hogy ugyanezt te is meg tudod csinálni a Google Analytics segítségével a saját weboldalad saját látogatóival? Az, hogy hogyan használjuk a sok adatot, csak a kreativitásunkon múlik.

Maga a Big Data létezése önmagában még nem vezet jobb marketing-hez. A Big Data olyan mint egy új, speciális és titkos hozzávaló a világ legfinomabb leveséhez (ami természetesen a te üzleted). Meg kell tanulni használni. Jókor, jó helyen és megfelelő szakértelemmel.

A Big Data és a marketing házasságával a következő területeken tudod a leggyorsabban a legnagyobb sikereket elérni:

1. Vevői elégedettség: A Big Data nem csak arról ad elemzéseket és riportokat, hogy kik a vásárlóid, de arról is, hogy hol vannak, mit akarnak és hogy hogyan és mikor érdemes velük kapcsolatba lépni.

2. Visszatérés és márkahűség: A Big Data segítségével meg tudod határozni, hogy mi befolyásolja a vevőid hűségét, mi tartja őket nálad és mitől térnek vissza újra és újra.

3. Reklám hatékonyság optimalizálás. A Big Data-val meg tudsz határozni egy optimális csatornát a sok-sok hirdetési felületed közül. Sőt. Minél többet hirdetsz annál jobban tudod fejleszteni: csökkenteni a költségeket és növelni a fogyasztók elérését. Tesztekkel, mérésekkel és analízissel.

Ehhez pedig 3 dolgot kell tudnod:
1. Milyen adatot akarsz megszerezni?
2. Milyen adatelemző eszközt tudsz ehhez használni?
3. Hogyan fordítod át a megszerzett tudást valós és tényleges hatássá.

A Big Data a marketing-ben sorozatunk ezekre a kérdésekre fog választ adni.

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

Stratégiai hiba a BigData korában…

Geiger Tamás, a DuracellTomi webanalitika blog szerzőjének egyik előadásán láttam ezt a videót és nagyon megfogott, úgyhogy megosztom veletek is. A feladat egyszerű: Számold meg hányat passzol a fehér csapat.

Az üzenet adatelemzés szempontjából is ugyanaz: Gyakran figyelünk felesleges metrikákra, nézegetjük a felhasználók számát, hányszor kattintottak ide, hányszor oda és nem vesszük észre a “táncoló medvét” – azaz az Adatot, ami az igazi növekedést hozhatja be az üzletünkbe. A kritikus és stratégiai gondolkodás elengedhetetlen, akármivel foglalkozol. És amikor összeteszed az első méréseidet, akkor is fel kell tenned magadnak a kérdést: pontosan miért ezt mérem? Milyen tanulságokat várhatok abból, ha ennek a kutatásnak megkapom az eredményeit? Mi a célja ennek az elemzésnek/tesztnek? Hogyan segít ez hozzá engem ahhoz, hogy elégedettek legyenek az ügyfeleim/felhasználóim? És hogyan lesz belőle magasabb bevételem?

Az adatelemzés a döntés-előkészítés egyik legfontosabb eszköze, de csak akkor működik, ha:

1. Van kidolgozott mérési-stratégiád.
2. Ez a mérési stratégia beleillik az üzleti tervedbe.
3. Kritikusan gondolkodsz, elrugaszkodsz a sablonoktól és keresed a “passzolások” között a “táncoló medvét”.
4. Ha a kritikus gondolkodás mellett mégis végig meg tudod tartani a fókuszt és következetesen és cél-orientáltan teszel fel kérdéseket.
5. Minden kérdésedre adat-vezérelt, valós választ adsz (vagy szerzel az elemző, piackutató csapatodtól).

Ha ezt nem teszed meg:
1. Időt fogsz veszíteni, hiszen felesleges adatokkal foglalkozol – akár napiszinten is.
2. Pénzt fogsz veszíteni, hiszen nem a lényeges információkra figyelsz, ezáltal félrevezeted sajátmagad és nem veszel észre kézenfekvő, nagy profittal kecsegtető helyzeteket.
3. Elbizonytalanodsz, hiszen te csak azt látod, hogy az emberek passzolgatnak és nem érted, hogy neked ebből mi hasznod fog származni…

———————

KONKRÉT PÉLDA:
Egy szállás- és utazásközvetítéssel foglalkozó cég, már régóta telepítette a Google Analytics-et a weboldalára (hurrá!!! +1 pont :-)). Három dolgot monitoriztak: a látogatók számát, a weblapon töltött időt és a visszafordulási arányt az egyes oldalakról. Tapasztaltak bizonyos szezonalitást, de ezen kívül mást nem is figyeltek meg, beletörődtek, hogy ezzel sokkal több mindent nem lehet kezdeni. (Te is látod? Ők a passzolások számát figyelték… Nade most jön a táncoló medve:)
Amikor találkoztam velük, azt javasoltam, hogy végezzenek el néhány szegmentációt és nézzék meg, hogy pontosan milyen demográfiai csoportok kattintanak a kapcsolat vagy a vásárlás gombra (azaz kiket konvertálnak nagy eséllyel valódi fizető vendégekké). Pillanatok alatt kiderült, hogy a konverziók (azaz a sikeres fizetéseket vagy kapcsolatfelvételek) jelentős részét a 35-44 év közötti férfiak adják. Sőt egy kicsit még jobban beletúrtunk az adatokba és azt is megtaláltuk, hogy ez a célcsoport kifejezetten a “tengerparti nyaralás” címszóra keresett mielőtt az oldalra talált.
Ebből rögtön egy konkrét, 3 lépéses akció tervet tudtunk csinálni:
1. A marketing tevékenységeket erősebben fókuszálni a 35-44 év közötti férfiakra.
2. A tengerparti nyaralásokat kiemelni a honlapon.
3. További piackutatásokat és felméréseket végezni, hogy a honlapra látogató 35-44 éves férfiak milyen nyaralásokat preferálnak és mit szeretnek benne. Ez is egy nagyon egyszerűen működő hírleveles szavazás vagy honlapba beépíthető szavazás formájában nagyjából ingyenesen elvégezhető. (Feltehetően családdal érkeznek és inkább a tengerparti pihenés, napozás, mint a városnézés köti le őket.)

Látod, ez nem is olyan nagy varázslat… Egyszerűen csak meg kell érteni, hogy mit akarnak a vevőid és meg kell adni nekik.

———————

Ahogy Geiger Tamás mondta az előadásán:
“Mindig üzleti célokat mérjünk, ne csak a kattintásokat!”

Tehát:
Mostmár látod a táncoló medvét?

Tomi