Product Analytics


Channel's geo and language: Ukraine, Russian
Category: Technologies


Шпаргалка продуктового аналітика, актуальні материали закладок аналітиків
Автор: @osiyuk Product Analyst в MacPaw.com

Related channels  |  Similar channels

Channel's geo and language
Ukraine, Russian
Statistics
Posts filter


​​Establishing Key Metrics and Segments for Airbnb Users

In this data visualization project, the author is analyzing a dataset with Airbnb data from Kaggle for the year 2019 to see what high-level insights and inferences he could derive.

via @ProductAnalytics


Forward from: WebAnalytics
​​В Google Analytics 4 стали доступні Benchmarking метрики в форматі 25%, 50% і 75% процентилів. Аккаунти, які входять до порівняльних груп визначаються не тільки категорією, вибраною в налаштуваннях ресурсу #GA4, а комбінацією факторів, в тому числі і з урахуванням схожості URL'ів. Звичайно ж, дані шифруються і агреговуються, і мають певні порогові значення перш ніж візьмуть участь у порівнняні. Детальніше у відео або у документації: https://bit.ly/4f2RWJ1

via @WebAnalyst




​​Mastering Dashboard Design: From Good to Unmissable Data Visualizations

A well-designed dashboard is more than just a collection of visuals; it’s a strategic tool for decision-making. By starting with a clear purpose, choosing the right metrics, and structuring your dashboard to guide users logically through the data, you can create visualizations that not only inform but also inspire action.

@ProductAnalytics


​​Як утримати клієнта при взаємодії з продуктом → підкаже не ваша інтуїція, а глибокий аналіз 📊

Навчіться залучати, утримувати й повертати користувачів за допомогою правильного вибору метрик — на курсі «Продуктова аналітика» від Laba.

За 14 занять ви:
👉 навчитесь обирати метрики для зростання свого продукту
👉 засвоїте статистичний аналіз для виявлення закономірностей і прогнозів
👉 розберетесь, як проводити когортний аналіз для прогнозування поведінки користувачів
👉 зрозумієте, як запускати й аналізувати A/B-тести для ухвалення рішень
👉 налаштуєте аналітику для мобільних і вебпродуктів

Лектори:

Лада Кліщенко - Head of Product Analytics у Kyivstar, керує командою аналітиків у роботі над продуктами, як-от «Мій Київстар», «Київстар ТБ» та низкою B2B-продуктів.

Алекс Баликов - Director of Product and Operations у FuseBase, разом з командою з нуля вибудував продуктову та фінансову аналітику у FuseBase.

📅 Старт - 17 листопада

Детальніше про курс 👈


​​Time-Series Market Mix Modeling for Sales Forecasting vs Advertising Expenses using Azure Blob Storage

This market mix modeling is a valuable learning experience, revealing how different advertising expenses impact sales.

@ProductAnalytics


​​Beyond the limitation of A/B Testing using Causal Inference

In the realm of product management and development, understanding the impact of new campaign (aka treatment) releases on user behavior is crucial. Campaign assessing effect on key performance indicators, such as retention metrics (specifically, Day 1 retention or D1), becomes a pivotal task.

However, this task presents several challenges. While A/B testing is commonly employed to measure such impacts, it is not always a viable option due to ethical, practical, or financial constraints.

@ProductAnalytics


​​The main task of any commercial product is to bring profit. To do this, it is necessary that the product has as wide an audience as possible and that users of the product buy from it as often as possible. The task of a product analyst is to constantly observe how profit changes, find the reasons for changes and look for profit growth points. Product metrics help the analyst to do this.

Examples of product metrics and SQL queries for calculating them.

@ProductAnalytics


​​Your End-to-End Product Analytics Strategy

Why you should prioritize metrics based on the product lifecycle stages?

@ProductAnalytics


​​Скільки заробляють та чим живуть аналітики з українського ІТ?

AIN за підтримки Genesis дослідили цей ринок та зібрали інсайти у великому спецпроєкті. Ось кілька фактів:

▪️ Більшість аналітиків вітчизняного ІТ працюють у цій сфері від 1 до 3 років.
▪️ 57% прийшли у професію через самонавчання.
▪️ Цікавість робочих задач і розмір зарплати – головні критерії під час вибору місця роботи для понад 61% опитаних фахівців.
▪️ Чверть опитаних отримують від $2000 до $3000 щомісяця.

Основою для дослідження стали відповіді 99 респондентів, які пройшли анонімне опитування. Читайте більше про те, де навчаються, працюють та з якими викликами зіштовхуються аналітики з українського ІТ:
https://ain.social/3Vr5VkH


Forward from: WebAnalytics
​​Якщо ви ще не встигли забекапити свої дані з Google Universal Analytics — у вас ще є 26 днів та безкоштовний Python-код, який може вам у цьому допомогти. Майте на увазі, що Google Analytics Reporting API v4 має обмеження в 50 000 викликів API на день, тому для великих об'ємів даних можливо прийдеться адаптувати код, щоб вивантажити максимум історичних даних. Ну і враховуйте, що з Universal Analytics завжди дані вивантажуються в агрегованому вигляді.

https://bit.ly/4ecNXd9

via @WebAnalyst


Forward from: BigQuery Insights
​​В Google BigQuery з'явилась можливість імпортувати дані з Facebook Ads, Oracle, Salesforce, Salesforce Marketing Cloud за допомогою нативних конекторів в рамках Data Transfer Service. Це просто та безкоштовно. Ось детальна інструкція для налаштування трансферу даних із Facebook Ads в BigQuery: https://bit.ly/49RVawb

@BigQuery


​​Product Analytics Framework

How can data help make decisions faster on the each product lifecycle stages?

@ProductAnalytics


​​What Success Metrics would you set for Spotify? PM interview

Imagine you are Product Manager for Spotify, what success metrics would you define or lookout for?

@ProductAnalytics




​​The downsides of experimentation

The article help you to delve into the less discussed, yet critical, aspects of experimentation.

@ProductAnalytics


Forward from: A/B testing
​​Delusive Extrapolation and A/B Testing

Cautionary Tales of Complexity and the Dangers of Jumping to Conclusions

@ABtesting


Forward from: Analyzecore
Setup, conflict, resolution - підхід для створення data storytelling

Крутий приклад як зі звичайного нудного графіку створити історію.




​​Моделювання Customer Retention Rate за допомогою Shifted-Beta-Geometric (sBG) розподілу дає доволі точні результати.

Реалізувати можна на R, Python і навіть Excel.

via @ProductAnalytics

20 last posts shown.