No último artigo O que são eventos de interação de usuários, passamos por alguns conceitos básicos de product analytics. Dando um passo além, a ideia agora é entender como transformar essas informações em métricas e indicadores que façam sentido para seu produto.
Durante o dia a dia, é comum esbarrar pelo questionamento de o que e como medir para tomar uma decisão ou entender como o seu produto está performando. Mas o segmento do seu produto, a proposta de valor, o mercado em que atua e diversos outros fatores podem e vão afetar diretamente quais métricas você observará e, principalmente, o grau de importância que será dado para cada uma delas durante seus processos de decisão e análise.
O que são métricas e indicadores
No artigo Métricas, indicadores e comportamento do usuário - Parte 1 o Diego Eis explica super bem o que é uma métrica e (spoiler) o que difere ela de um indicador.
Resumidamente, uma métrica é a consequência de uma ação do usuário no produto que pode ser metrificada, como:
- Usuário acessou página XPTO;
- Assinou o serviço ABCD;
- Usou a feature 123.
Os indicadores são conjuntos de métricas que dão indícios de como está a performance do produto em algum aspecto, como:
- Churn;
- LTV/CAC;
- Retenção.
Nesse artigo vamos linkar esse conteúdo com os eventos de interação de usuários.
O primeiro passo não tem nada a ver com métricas
No dia a dia de produto, precisamos alternar entre diversos mindsets: em alguns momentos estamos focando em dados, em outros em conectar a estratégia de negócio com o produto, em outros focando em entrevistas com usuários e análises de mercado. E cada momento desse pode pedir inputs de dados diferentes no seu processo de decisão.
Com isso em mente, antes de perguntar “O que eu quero medir no produto?”, é importante entender em qual situação as suas análises vão se encaixar. Pensar em dados de produto <> negócios pode ser bem diferente de como pensar em dados para entender como os usuários estão usando seu produto.
O ideal é que todos esses dados dialoguem no final das contas, mas reforçando, são momentos e categorias de análises diferentes.
Então começo por onde?
Antes de pensar em qualquer indicador ou métrica para seu produto, independente se é a primeira vez que seu time está trabalhando com dados ou se você já está acostumado com isso no dia a dia, você precisa de algumas respostas:
- Quais os objetivos da companhia no momento?
- Como o produto ajuda a alcançar esse objetivo da companhia?
- Por que eu preciso medir isso?
Com isso em mente, seus objetivos e motivadores (os porquês bem definidos) e a sua incerteza de como e o que medir fica muito menor.
Alguns objetivos e motivadores comuns são:
- Definir a estratégia de produto;
- Melhorar a aquisição de novos usuários / ROI;
- Otimizar conversão;
- Melhorar engajamento no produto / Stickiness;
- Melhorar retenção no produto / LTV;
- Aumentar GMV da empresa.
Entendendo tudo isso, vamos considerar que seu momento é focar em melhorar engajamento no produto. Vamos definir agora os KPIs do seu produto relacionados à retenção.
Digamos que seus KPIs sejam:
- Stickiness (DAU/MAU);
- Retenção de novos usuários na primeira semana.
Eles podem ser analisados de 2 maneiras:
- Performance de todo o produto: como todo o conjunto de features e interações no produto impactam na retenção dos usuários;
- Performance em uma parte do produto: como os usuários se relacionam com as features/partes do produto que você é responsável.
Definir isso é fundamental para darmos os primeiros passos.
Beleza, já entendi os meus objetivos e o que vou medir, mas como eu faço isso?
Agora é entender a jornada do seu usuário dentro do seu produto (ou parte do produto que você é responsável) tendo sempre em mente os seus objetivos com essa análise.
A partir daqui já começamos a usar os eventos de interação para nossas análises. Normalmente temos 3 tipos básicos de classificações para isso:
- Event Counters: quantos eventos foram performados pelos usuários dentro de um determinado intervalo de tempo (diário, semanal, mensal...).
Aqui podemos olhar para dados como DAU e MAU (usuários que performaram o evento X pelo menos uma vez no intervalo Y de tempo), total de assinaturas, total de músicas ouvidas ou várias outras ações variam de acordo com qual é seu produto.
- Funil / Conversões: a visibilidade de funil permite que a gente analise pontos de dor do produto ou do usuário em determinada jornada.
Se pensarmos num fluxo de:
Entrar no app → Acessar o perfil → Clicar em editar imagem de perfil → Salvar foto.
Imagina que nesse funil (formado por eventos individuais em cada etapa) você percebe que da penúltima para a última etapa você tem uma taxa de conversão de 25% - ou seja - dos usuários que clicam em editar a imagem do perfil, só 25% deles concluem a operação. Seu papel é entender o porquê disso acontecer e o que está acontecendo para essa taxa ser baixa.
- Análises de comportamento: aqui é a parte mais interessante das análises (a ideia é entender como a interação com certos eventos impacta no comportamento do usuário em outras partes do produto).
Um exemplo pode ser de que novos usuários que engajam com a feature XPTO têm maiores chances de se converter em usuários assinantes - você não precisa atuar diretamente em conversão para poder impactar as métricas desse lado com as suas partes do produto.
Como eu ligo os pontos?
Lembrando que no nosso cenário hipotético seus KPIs são:
- Stickiness (MAU/DAU);
- Retenção de novos usuários na primeira semana.
Começamos com as análises em 2 cohorts (de maneira simplificada, 2 grupos de usuários):
- Novos usuários;
- Todos os usuários ativos.
Analisaremos primeiro o seu KPI de Stickiness - pra isso, usaremos os conceitos mencionados acima:
- Event counters: vão ser a base das métricas de DAU e MAU (basicamente o número de usuários únicos que performaram o evento XPTO dentro do espaço de tempo de um dia e os que performaram dentro de um mês. Com isso você consegue calcular seu % de stickiness);
- Análises de comportamento: dentro desse grupo, há diferenças de stickiness entre quantas vezes os usuários performaram o evento XPTO? Imagina que em um cenário, dentro desse mesmo indicador, separamos os usuários em 2 grupos (um que performou pelo menos 1 vez o evento em cada timestamp e outro que performou pelo menos 5 vezes ao mesmo tempo).
Quanto isso muda seu percentual de stickiness? Se a diferença for que performar mais vezes o evento XPTO resulta em mais stickiness, isso pode ser uma orientação inicial de como seu produto (ou parte dele) pode impactar nesse KPI.
Agora pensando no KPI de Retenção de novos usuários na primeira semana:
- Funil / Conversões: se estamos olhando para o grupo de novos usuários, podemos pensar em um funil simplificado como:
Usuário finalizou cadastro → Performou X ações → Voltou na semana seguinte para performar mais ações.
- Análises de comportamento: aqui a ideia é a mesma do KPI anterior (como a relação com os eventos de interação com o produto impactam no usuário voltar na semana seguinte?).
Para finalizar
É importante entender que os objetivos de negócio sempre devem guiar as suas análises. Sem isso podemos conduzir infinitas análises e tomarmos infinitas decisões baseadas nessas leituras, mas sem estarmos corretamente alinhados com a estratégia, não estaremos trazendo resultados para o produto e para a companhia.
