Hva er produktbruksanalyse? En omfattende guide

Det brukerne sier, er ikke alltid det samme som det brukerne gjør.

La oss si at kundene dine forteller deg at det de ønsker seg aller mest, er fullstendige tilpasningsmuligheter på plattformen din. Men så analyserer du produktbruken og finner ut at de knapt bruker de personaliseringsfunksjonene du allerede har. Det kan være et tegn på at det er bedre å optimalisere introduksjonen, oppdagelsen av funksjoner og den generelle opplevelsen i stedet for å øke kompleksiteten med tilpassede funksjoner.

Uten bruksanalyser som viser deg nøyaktig hvordan brukerne opplever produktet ditt fra dag til dag, risikerer du å gå glipp av viktige signaler om hva som virkelig driver aktivering, verdi og langsiktig fastholdelse. Du kan lett investere tid og energi på feil steder basert på feilaktige tilbakemeldinger - eller din egen magefølelse.

Denne guiden viser deg hvordan du unngår disse fallgruvene ved hjelp av effektive produktbruksanalyser som eliminerer gjetninger og gir deg mulighet til å ta beslutninger basert på data. Du lærer også alt du trenger for å koble detaljert innsikt i brukeratferd til kunde- og forretningskontekst som engasjement, oppbevaring og inntekter.

La oss komme i gang!

Er du klar til å drive produktledet vekst med førsteklasses analyser?

Hva er produktbruksanalyse?

Produktbruksanalyse er en datadrevet tilnærming til å forstå hvordan brukerne samhandler med det digitale produktet eller tjenesten din. Det innebærer å samle inn og analysere detaljerte data om brukeratferd i produktet, for eksempel overordnede beregninger av hvor mange som bruker produktet og konverterer i produktet, samt bruk av funksjoner, navigasjonsmønstre, avbruddspunkter, konverteringsøyeblikk og individuelle klikk, svev og rullinger.

Disse dataene gir teamene et objektivt innblikk i brukeropplevelsen, noe som utfyller bildet du får fra spørreundersøkelser, intervjuer og kundeundersøkelser.

Slik sa produktekspert C. Todd Lombardo, forfatter av Product Research Rules, det under webinaret Product Excellence Ask Me Anything:

Kvalitative undersøkelser forteller oss hvorfor kundene bruker et produkt, og kvantitative undersøkelser forteller oss hva de gjør. Kombinasjonen av disse to tingene gir deg mye makt som produktsjef.

Bruksanalyser hjelper teamene med å identifisere effektive funksjoner og doble ned på det brukerne elsker, samtidig som de fjerner blokkeringer som fører til frafall. La oss for eksempel si at brukerne gir høy rangering til anbefalingsmotoren for strømmeappen din i spørreundersøkelser, men at bruksdataene avslører at de fleste stort sett bare blar gjennom de øverste "populære" karusellene for å finne innhold. Dette er verdifull informasjon som kan hjelpe deg med å rette produktveikartet ditt mot å optimalisere muligheten til å finne innhold gjennom de feeds som brukerne bruker mest - eller du kan finne ut hvorfor anbefalingsmotoren er underutnyttet, og hvordan du kan forbedre UX-en.

Produktbruksanalyse vs. markedsføringsanalyse vs. business intelligence

Tradisjonelt har det vært klare skiller mellom ulike analysedomener som tar sikte på å dekke ulike forretningsbehov, med separate verktøy for hver av dem.

Markedsføringsanalyse har fokusert på å måle effektiviteten av reklamekampanjer, trafikkilder, konverteringsfrekvenser og kundetrakter. Tradisjonelt innebærer det å bruke verktøy som Google Analytics samt produktanalyse- og business intelligence-løsninger for å forstå hvordan brukerne oppdager og kommer inn i produktøkosystemet ditt.

Produktbruksanalyse har historisk sett levd i sin egen silo. Tradisjonelle produktanalyseverktøy har fungert som en "svart boks", der data fra apper eller digitale produkter har blitt instrumentert og samlet inn isolert. Denne fragmenterte tilnærmingen har hindret teamene i å få et fullstendig overblikk over kundereisen og forstå hvordan produktopplevelser påvirker bredere forretningsresultater.

I mellomtiden fokuserer Business Intelligence på operativ rapportering på høyt nivå og på å få svar på strategiske spørsmål ved hjelp av datakilder som omfatter hele organisasjonen, inkludert ERP-, CRM- og økonomisystemer med mer. BI-verktøy som Tableau og Looker kan hente data direkte fra et sentralisert datalager, slik at teamene kan modellere og visualisere data fra én enkelt kilde til sannhet.

Men det er en utfordring å integrere produktbruksdata i tradisjonelle BI-verktøy for å besvare forretningsspørsmål. Det innebærer vanligvis komplekse, dyre og tidkrevende omvendte ETL-rørledninger for å flytte produktdata inn i lageret, noe som fører til datainkonsistenser og styringsproblemer - og BI-verktøyene har ikke de spesialiserte funksjonene som skal til for å analysere og visualisere bruksdata på hendelsesnivå på en effektiv måte.

Heldigvis ser vi nå at de strenge grensene mellom ulike analysetyper viskes ut etter hvert som virksomhetene krever en enhetlig, helhetlig oversikt over hele kundeopplevelsen på tvers av alle berøringspunkter.

Stadig flere virksomheter tar utgangspunkt i et datalager og bygger en sammensatt datastack som gjør det mulig å bygge bro mellom kunde-, produkt- og forretningsdata som tidligere var siloer.

Med en sentralisert, modernisert datastack kan bedrifter dra full nytte av neste generasjons løsninger som Optimizely Warehouse-Native Analytics, som gir selvbetjent tilgang til datastrømmer om produktbruk beriket med fullstendig markedsføring, salg, support og økonomisk kontekst.

Dette gir deg full 360-graders innsikt i kundereisen og hjelper deg med å koble sammen brukeropplevelsen med kvantifiserbare forretningseffekter - noe som er det første steget mot å optimalisere hele kundereisen og ta datastøttede beslutninger som driver produktdrevet vekst.

Gå bort fra siloanalyse av bruk

C. Todd Lombardo sier at gode produktbruksanalyser kommer av å bli nysgjerrig og prøve å forstå hva brukerne opplever i produktet ditt - og hvorfor.

Han anbefaler at teamene begynner med spørsmål som "Hva gjør folk når de først logger inn på produktet ditt? Er det en bestemt landingsside de ofte går til? Er det standardlandingssiden som gir skjeve resultater?"

Men han understreker også hvor viktig det er for produktteamene å kombinere data om produktbruk med kvalitativ kundeinnsikt og annen kundekontekst.

Han har for eksempel hatt suksess med å analysere kundesupporthenvendelser for å "finne ut hva kundene klaget over, hvilke problemer vi løste godt, og hvilke problemer vi ikke klarte å løse". Han anbefaler å innlemme en rekke data "for å se hvordan de nåværende kundene bruker produktet, og om noe er i endring. Hvis du ser på fjoråret, hva var de vanligste temaene og trendene du så? Hvordan er de sammenlignet med i år?"

Hvis du ser på bruken av produktet isolert, går du glipp av viktig kontekst rundt hele brukerreisen på tvers av berøringspunkter for markedsføring, salg, kundeservice og inntekter før og etter at noen blir en aktiv bruker. Du kan til og med gå glipp av viktig informasjon - for eksempel hvor mange brukere som faller fra via telefon - noe som kan forvrenge frafallstallene dine.

Derfor gjør neste generasjons produktanalyseplattformer som Optimizely Warehouse-Native Analytics det enkelt å få et 360-graders omnikanalsbilde av produktet og kundereisen ved å jobbe med datalageret ditt og kombinere produktdatastrømmer med andre kilder, som f.eks:

• Data om markedsføringsengasjement (kampanjeinteraksjoner, annonseengasjement osv.)
• Salgsaktivitetsdata (kontakt med potensielle kunder, demoer, forhandlinger osv.)
• Service- og supportdata (tickets, chattesamtaler, oppslag i kunnskapsbaser osv.)
• Fakturerings- og betalingsdata
• Data om brukerundersøkelser og tilbakemeldinger

En helhetlig, flerkanals analysetilnærming gir produktteamene den innsikten de trenger for å optimalisere alt fra å skaffe kunder til å beholde dem og utvide virksomheten.

Fordeler med produktbruksanalyser

Produktbruksanalyser gir produkt- og brukerteamene innsikt som gjør dem i stand til å allokere ressurser strategisk, forbedre brukeropplevelsene og drive frem produktvekst.

La oss se nærmere på de tre viktigste fordelene.

Fordel 1: Ta datadrevne beslutninger

Produktbruksanalyser gir objektiv, kvantifiserbar innsikt i hvordan brukerne samhandler med produktet ditt, noe som betyr at du kan integrere data i de største beslutningene dine i stedet for å basere deg på antakelser eller anekdotiske tilbakemeldinger.

Med konkrete data tilgjengelig kan du prioritere tiltak på produktveikartet, bruke ressursene dine strategisk og føle deg trygg på at du bygger produkter som er i tråd med brukernes behov og atferd.

Ved å basere produktstrategien og -utviklingen på empiriske data om brukeratferd kombinert med innsikt i kundereisen, kan du fokusere på tiltak som har målbar innvirkning på viktige forretningsparametere som aktivering, engasjement, konvertering og oppbevaring.

Med neste generasjons produktanalyseplattformer kan du koble detaljert brukerinnsikt til nedstrøms innvirkning på inntektene, slik at du får et fullstendig bilde av hvordan optimalisering av brukeropplevelser direkte kan forbedre vekst og økonomiske resultatmål for alle team.

Bruksdata kan for eksempel avsløre et segment av storbrukere som er svært engasjerte i et bestemt sett med premiumfunksjoner. Ved å koble denne brukerinnsikten med informasjon om kundeoppkjøp, preferanser og ekspansjonsinntekter kan du fokusere produktinvesteringer og go-to-market-kampanjer på å fange opp og beholde de mest verdifulle kohortene.

Fordel 2: Avdekk brukerfrustrasjoner og optimaliser UX

Bruksanalyser gir deg en detaljert oversikt, noe som betyr at du kan oppdage områder med frustrasjon eller forvirring som kanskje ikke kommer til syne i andre tilbakemeldingskanaler.

Ved å identifisere disse smertepunktene kan teamene iverksette proaktive tiltak for å optimalisere brukeropplevelsen, redusere friksjonen og forbedre produktengasjementet, kundetilfredsheten og lojaliteten.

I tillegg til å identifisere produktinterne blokkeringer kan neste generasjons analyseverktøy hjelpe deg med å utforske andre frustrasjonssignaler på tvers av kundereisen. Ved å kombinere produktbruksanalyser med kundestøttedata kan du for eksempel oppdage at et stort antall brukere tar kontakt med brukerstøtten etter å ha brukt en bestemt funksjon og følger opp resultatene. Dette kan gi deg verdifull innsikt i hvor du trenger UX-redesign, bedre veiledning i appen eller kontekstuell funksjonshjelp.

Fordel 3: Forbedre produktets holdbarhet og oppbevaring

Ved å analysere bruksmønstre kan du se hvilken brukeratferd, hvilke handlinger og opplevelser som driver langsiktig engasjement og oppbevaring. Ved å forstå hva som får brukerne til å komme tilbake og hva som får dem til å slutte, kan teamene fokusere produktinnsatsen på de områdene som har størst effekt.

Det kan for eksempel bety å forstå om brukere som fullfører en spesifikk arbeidsflyt ved oppstart eller oppnår et bestemt "aha!"-øyeblikk, viser høyere retensjon nedstrøms - noe som betyr at du bør veilede brukerne mot disse kritiske milepælene. Eller ved å identifisere funksjoner med lav adopsjon og optimalisere UX og oppdagbarhet, kan du gi brukerne mer verdi, noe som øker tilfredsheten og lojaliteten deres.

Bruksanalyser kan også avdekke mønstre som viser hvilken atferd som korrelerer med risikoen for å avslutte abonnementet eller slutte å bruke produktet - for eksempel kan brukere som bruker produktet over lengre tid uten å engasjere seg, være mye mer tilbøyelige til å avslutte abonnementet. Du kan sette opp automatiserte analysevarsler for visse beregninger og atferdsmønstre, slik at du kan handle raskt for å forhindre frafall eller misnøye.

Viktige KPI-er for produktbruk å spore

Overvåking av viktige KPI-er for produktbruk gir deg en overordnet oversikt over hvor godt produktet ditt leverer verdi til brukerne, og hjelper deg med å oppdage eventuelle problemer. Men du må følge med på de riktige KPI-ene og være i stand til å koble kvantitative data til "hvorfor" bak tallene.

Selv om de spesifikke måltallene vil variere avhengig av produktet og målene dine, er dette noen av de viktigste å følge med på:

Aktive brukere (DAU, WAU, MAU)

Disse måler antall unike brukere som engasjerer seg i produktet ditt over daglige, ukentlige eller månedlige perioder. De hjelper deg med å ta pulsen på trender i produktengasjement og brukeroppbevaring over tid. De kan også varsle deg om potensielle problemer - hvis du for eksempel ser at appens DAU faller etter lanseringen av en ny funksjon, kan det være et tegn på en blokkering eller ytelse som må undersøkes.

Adopsjon og bruk av funksjoner

Dette handler om å spore unike brukere som utnytter hver funksjon, besøks-/sesjonsmålinger, gjennomsnittlig tid i funksjonen og andre viktige hendelser. Ved å forstå disse beregningene kan du identifisere og markedsføre funksjoner som brukerne faktisk tar i bruk og synes er verdifulle.

Konverteringsfrekvenser

Ved å holde et øye med konverteringsfrekvensen (for eksempel prosentandelen brukere som konverterer til betalte nivåer fra gratis prøveversjoner eller freemium), kan du finne de mest/mindre effektive konverteringsveiene og de viktigste "aha-opplevelsene" du bør optimalisere.

Beregninger for aktivering

Aktiveringsmålinger som tid til verdi, tid til aktivering og aktiverte brukeres bruk av funksjoner viser deg hvor mange av de nye brukerne som registrerer seg eller prøver tjenesten, som utfører kritiske handlinger som gjør dem til engasjerte brukere med høy produktadopsjonsrate.

Profftips:

Andrew Caplan, Head of Growth hos Postscript, delte sine erfaringer om hvor viktig det er å spore aktivering:

Ved å bli enige om hvordan en vellykket "aktivert" konto ser ut, og forstå alle de individuelle handlingene som skal til for å nå dit, kunne vi ta introduksjonen av nye brukere til neste nivå. Teamet er i stand til å prioritere ideer og prosjekter på en tydelig måte, siden vi alle er enige om hvordan suksess ser ut. Denne aktiveringsmålingen gir stort utbytte for brukerne og selskapet vårt.

Brukerstier og drop-offs

Ved å oppdage vanlige stier, trakter og punkter der brukerne faller fra, kan du se hvor brukerne sliter, står fast eller forlater produktet. Det hjelper deg med å identifisere de mest presserende UX-problemene og prioriteringene for å redusere friksjonspunktene.

4 tips for effektiv analyse av produktbruk

Selv med de riktige måleparameterne på plass, krever det en bevisst tilnærming for å maksimere verdien av bruksanalyser.

Bruk følgende fire tips for å sikre at du kan omsette analysene til strategisk, handlingsrettet innsikt.

1. Bygg en moderne datastack

For å maksimere verdien av produktbruksanalyser trenger du en datainfrastruktur som eliminerer siloer og lar deg kombinere produkthendelsesstrømmer og atferdsdata med andre kunde- og forretningskilder. Hvis du prøver å analysere produktanalyser isolert, vil det begrense muligheten til å koble reelle brukeropplevelser med overordnede forretningsmål og resultater.

Vi anbefaler at du investerer i en moderne, sammensatt datastack som lar deg instrumentere hendelsesstrømmer fra verktøy som Segment, Snowplow eller Rudderstack sammen med andre datakilder som applikasjonsdatabaser, CRM, markedsføringsautomatiseringsverktøy og mer. Alle disse førstepartsdataene strømmer deretter inn i datalageret ditt i skyen (Snowflake, BigQuery, Redshift osv.), noe som skaper et sentralisert, sikkert lager.

Deretter kan du bruke en løsning som Optimizely Warehouse-Native Analytics på disse enhetlige dataene, slik at du kan få frem detaljerte produktanalyser knyttet til innsikt i kundereisen og nedstrøms forretningseffekter.

2. Tilpass målene og KPI-ene til forretningsmålene

Ikke bare instrumenter hendelsessporing og opprett dashbord for produktbruk for moro skyld.

De mest effektive produktteamene bruker analyser målrettet for å ta datadrevne beslutninger som bringer dem nærmere North Star-målet.

Begynn med å kartlegge prosessene og kundereisene som er involvert i å nå viktige mål som f.eks:

• Redusere frafall av brukere/kunder og øke kundelojaliteten
• Raskere tid til verdi for nye brukere
• Forbedre aktiverings- og konverteringsraten fra prøveperioder/freemium
• Identifisere og pleie kundesegmenter med høy verdi
• Øke inntektene fra mersalg, kryssalg og tilleggsprodukter

Deretter kan du jobbe deg bakover for å finne ut hvilke milepæler, brukeratferd og analyser du trenger å spore på hvert trinn av reisen for å optimalisere for målene dine.

Hvis du for eksempel har fokus på å redusere kundefrafall, kan det være lurt å fokusere mest på beregninger som signaler om hvor lenge kunden blir værende (DAU/MAU), brukeratferd, antall supporthenvendelser, betalingsmislighold og mer. Ved å knytte disse produktbruksanalysene sammen med økonomiske data kan du kvantifisere inntektseffekten av kundefrafall, slik at du kan prioritere de tiltakene som gir størst effekt.

3. Bruk ad-hoc-analyser for å gå dypere

Standard dashbord er avgjørende for rask og enkel overvåking av produktbruk og kundeanalyser. Men de bør ikke være alt. Du må også kunne gå utover overflaten og utforske dataene på en fleksibel måte, og stille nye spørsmål etter hvert som du lærer mer.

Verktøy som Optimizely Warehouse-Native Analytics gjør det mulig for teamet ditt å utføre ad hoc-analyser basert på fleksibel kombinasjon av enhetlige data, slicing og dicing på tvers av alle dimensjoner for å identifisere viktige mønstre og rotårsaker.

La oss for eksempel si at du oppdager et problem med en viktig brukeraktiveringsmåling fra et av dashbordene dine. Med ad hoc-utforskning kan du enkelt utvide analysen ved å sette sammen brukerhendelsesstrømmer med relaterte supporthenvendelser eller kunnskapsbasevisninger, trekke inn markedsførings- og salgsdata, bygge kohorter som sammenligner aktiverte og ikke-aktiverte brukere - og kontinuerlig justere definisjoner og filtre.

Som Brian Balfour, tidligere VP of Growth i Hubspot, uttrykker det:

Når du får ny innsikt i dataene dine, åpner det for nye spørsmål.

Med ad hoc-analyser kan du gå i dybden og forfølge den innsikten du trenger, slik at du ikke er begrenset av statiske dashbord og rapporter.

4. Demokratiser data på tvers av organisasjonen

Selv de mest kraftfulle og innsiktsfulle produktbruksanalysene vil ikke gi noen organisatorisk effekt hvis du ikke har en datadrevet kultur.

Det betyr at du må støtte teamene slik at de kan basere beslutninger på analyser og datastøttet innsikt, i stedet for å basere seg på magefølelse.

For å få til dette må du sørge for at produktlederne modellerer dette fra toppen og ned, og integrere data i beslutningsprosesser som veikartplanlegging, ressursallokering, debriefer med mer.

Du må også gi tverrfunksjonelle interessenter opplæring og utdanningsressurser, slik at de ikke bare forstår hvordan de skal lese rapporter, men også hvordan de skal stille gode analytiske spørsmål, utvikle datadrevne hypoteser og bruke verktøy for å finne innsikt.

Og viktigst av alt, du må tilby intuitive, selvbetjente analyseverktøy som gjør det mulig for teamene å utforske analysene på en fleksibel måte for å få svar på spørsmålene sine uten å måtte bruke dataingeniører.

Driv frem kontinuerlige forbedringer med produktbruksanalyser

Produktbruksanalyser er en gullgruve av innsikt som kan bidra til kontinuerlig produktforbedring. Men den virkelige magien skjer når du setter disse dataene inn i en kontekst og kobler dem til andre datakilder på tvers av brukerreisen.

Å kombinere produktbruksanalyser med CRM-data, tilbakemeldinger fra kunder og forretningsinnsikt er nøkkelen til å ta informerte produktbeslutninger og bygge opplevelser som folk virkelig elsker.

Det er her Optimizely Warehouse-Native Analytics' warehouse-native plattform kommer inn i bildet. Ved å utnytte datalageret direkte som en enhetlig sannhetskilde, gir Optimizely Warehouse-Native Analytics deg en enestående 360-graders oversikt over hele kundereisen og produktopplevelsen.

Optimizely Warehouse-Native Analytics gjør det mulig for teamene å kontinuerlig innovere og optimalisere, og ta strategiske, datastøttede beslutninger som driver bærekraftig produktdrevet vekst.