Overzicht: productanalyse is het proces waarbij wordt geanalyseerd hoe gebruikers omgaan met een product of service. Het stelt productteams in staat om gegevens over gebruikersbetrokkenheid en gedrag bij te houden, te visualiseren en te analyseren. Teams gebruiken deze gegevens om een product of service te verbeteren en te optimaliseren.
Als productmanagers grijpen we elke gelegenheid aan om meer over onze klanten te weten te komen, omdat het begrijpen van hun behoeften van cruciaal belang is voor het bouwen van nuttige producten. Dit vereist het afnemen van klantinterviews, het houden van enquêtes en het onderzoeken van in-productanalyses. De gegevens die we verzamelen uit productanalyses vertellen ons hoe gebruikers het product daadwerkelijk gebruiken. En dus niet wat ze willen doen, hoe ze denken dat ze het gebruiken, of zelfs hoe wij denken dat zij het gebruiken.
Waar softwareontwikkeling in verschilt, en het bouwen van een woning zeker van zou kunnen profiteren, is het gebruik van agile methodologie. Met agile kunnen meerdere teams snel op veranderingen inspelen. Dus hoe kan agile, een methode die gebaseerd is op frequente, continue levering, worden gebruikt met langetermijnplanning voor het totaalplaatje? Is het mogelijk om gedurende een lange periode een realistische prognose te geven, wetende dat de enige constante verandering is?
Voor een PM zijn vragen als: 'Hoeveel tijd besteden gebruikers elke dag aan het product?', 'Welke acties voeren ze het meest uit?' en 'Welke functies worden het minst gebruikt?' ongelooflijk waardevol om je gebruikers te begrijpen en ons aanwijzingen te geven over hoe hun ervaring kan worden verbeterd. In dit artikel leg ik uit wat productanalyses zijn en waarom je ze zou moeten gebruiken, hoe je echt inzicht in je gebruikers kunt krijgen zodat je 'empathieschulden kunt aflossen', en hoe je analyses kunt gebruiken om de ontwikkeling van nieuwe functies te begeleiden.
Aan de slag!
Probeer Jira Product Discovery gratis
Stel prioriteiten, werk samen aan nieuwe productideeën en bezorg ze, en bereid je voor op de impact.
Wat is productanalyse?
Productanalyse is het proces waarbij wordt geanalyseerd hoe gebruikers omgaan met een product of service. Het stelt productteams in staat om gegevens over gebruikersbetrokkenheid en gedrag bij te houden, te visualiseren en te analyseren. Teams gebruiken deze gegevens om een product of service te verbeteren en te optimaliseren.
Om kwantitatief inzicht te krijgen in wat gebruikers met je product doen, is de eerste stap het te instrumenteren met productanalyses. Het idee is om een event te starten voor elke actie die een gebruiker in je product kan uitvoeren, zodat je een geaggregeerd beeld krijgt van hoeveel gebruikers een functie gebruiken en hoe vaak ze die gebruiken. Als je bijvoorbeeld wilt bijhouden hoe vaak een gebruiker op een specifieke knop klikt, kun je een event starten met de naam 'grote-rode-knop.kliks'. Van daaruit kun je zien welke functies extra werk nodig hebben en welke de belangrijkste zijn. Vervolgens kun je die informatie gebruiken om wijzigingen te prioriteren.
Er zijn tal van oplossingen die je een kader bieden om analyse-events toe te voegen en te volgen. Bekijk Google Analytics of KISSmetrics als uitgangspunt.
Bij Atlassian hebben we geprobeerd het voor iedereen zo eenvoudig mogelijk te maken om bij gegevens te kunnen en hun eigen vragen en rapporten te kunnen uitvoeren. We gebruiken een aantal intern ontwikkelde tools om deze services te leveren, maar tools zoals Google Analytics helpen ons ook op weg. Dit heeft ertoe geleid dat iedereen, van ontwikkelaars tot PM's tot ontwerpers, vragen stelde over het gebruik en de impact probeerde te begrijpen van wat we bouwen.
'Empathieschuld': de nieuwste soort schuld
Laten we deze nieuwe term 'empathieschuld' uitproberen.
Productanalyses kunnen je helpen een empathieschuld op twee manieren af te lossen: met kwalitatieve feedback verzameld via activiteiten zoals concepttests en klantinterviews. En met kwantitatieve gegevens die in het product worden verzameld met zaken als productanalyses en NPS-enquêtes.
Confluence bestaat bijvoorbeeld al vrij lang en heeft veel functies die weinig tot geen analyses bevatten. Eén daarvan is het dashboard, dat voor de meeste mensen de eerste kennismaking met Confluence is. We hadden wat feedback over het dashboard ontvangen uit klantinterviews, maar we hadden niet alle productanalyses die nodig waren om het gebruik echt vanuit een kwantitatief perspectief te begrijpen. We zaten met veel onbeantwoorde vragen, zoals:
- Hoeveel vaak wordt het dashboard gebruikt? Hoe vaak bezoeken mensen het dashboard tijdens een typische Confluence-sessie?
- Waar gebruiken mensen het dashboard eigenlijk voor? De feed Alle updates? De feed Populair? Om naar een space te navigeren?
- Wat willen mensen op het dashboard? Kunnen we bepalen wat de beste dingen zijn die naar boven komen op basis van wat mensen doen na een bezoek aan het dashboard?
Dit zijn een paar vrij fundamentele vragen waarop we antwoorden nodig hadden voordat we begonnen een van de meest bezochte pagina's in Confluence te wijzigen. Als je geen analyses in je product hebt, of zelfs een specifieke functie die je wilt veranderen, zit je in hetzelfde schuitje en moet je erg op je hoede zijn bij het nemen van beslissingen. Het is tijd om die empathieschuld af te betalen!
Tijdens onze dashboardtests hebben we geleerd dat het bekijken van 'favoriete pagina's' een van de meest voorkomende acties op het dashboard was. Dit was een superbelangrijke bevinding, die niet echt in onze uitgangshypothese voorkwam. Dit brengt ons bij het belangrijkste inzicht: betaal je empathieschuld zo snel mogelijk af. Als je geen analyses in je product hebt, voeg ze dan zo snel mogelijk toe en begin gegevens te gebruiken om beter geïnformeerde productbeslissingen te nemen. Anders neem je belangrijke beslissingen op de gok. En bedenk dat analyses niet liegen! Ze laten ons precies zien wat gebruikers met het product doen, maar probeer ook wat dieper te graven om aan de hand van de analyses te begrijpen wat gebruikers echt willen.
De toekomst testen voordat deze is aangebroken
Hoewel het toevoegen van productanalyses waardevol kan zijn om te begrijpen hoe gebruikers bestaande functies gebruiken, zijn ze ook uiterst waardevol voor het testen van nieuwe functies en ervaringen. Als je een duidelijk doel hebt voor hoeveel je wilt dat je functie wordt gebruikt, helpt productanalyse je toe te werken naar die oude agile mantra van snel falen en itereren totdat je slaagt.
Het proces dat we volgen ziet er over het algemeen als volgt uit:
- Een duidelijke hypothese definiëren voor een productwijziging — bijv. 'Door het opmerkingenveld groter te maken, verwachten we 5% meer opmerkingen te zien.'
- De goedkoopst mogelijke implementatie bouwen van deze wijziging, boordevol alle analysegebeurtenissen die we nodig hebben, zodat we onze hypothese kunnen testen.
- De wijziging implementeren bij een subset klanten in een A/B-test.
- Met onze duimen draaien terwijl we wachten op resultaten.
- Een uitsplitsing maken van de resultaten, met de hulp van een analist in het geval van complexere wijzigingen, en beslis of de wijziging succesvol was.
Voor onze dashboardwijzigingen hebben we uiteindelijk drie zeer 'eigenzinnige' dashboards ontworpen, die elk een andere usecase en reeks gedragingen stimuleren. We hebben ze door dit proces geleid (hoewel onze hypothese iets ingewikkelder was) en het werkte heel goed voor ons. Maar er zijn enkele veelvoorkomende lessen die we hebben geleerd (soms op de harde manier) waar je over wilt nadenken voordat je nieuwe functies op deze manier test.
- Er is niets erger dan aan het einde van een experiment te komen en te beseffen dat je niet alle events hebt die je nodig hebt ... Probeer je analyse uit te voeren voordat je het experiment uitvoert met behulp van enkele dummy-gegevens. Je zult snel eventuele hiaten zien in wat je vastlegt.
- Het bedenken van een hypothese kan tijdrovend zijn, maar je moet ervoor zorgen dat je er een hebt en dat je er zeker van bent dat je het kunt bewijzen of weerleggen met de productanalyses die je hebt voordat je begint. Door een analyse op dummy-gegevens uit te voeren voordat je begint, kun je dit ook testen.
- Zorg ervoor dat je voldoende gebruikers test en gedurende een periode die lang genoeg is. Je wilt er zeker van zijn dat je resultaten statistisch significant zijn.
- Wees bereid om slechte ideeën weg te gooien! Zoals ik al zei, wil je functies zo goedkoop mogelijk testen en deze tests zo snel mogelijk uitvoeren. Snel falen is goed.
Vergeet niet om ook naar je gebruikers te luisteren
Zoals ik hierboven al zei, is het geweldig om met data te werken, maar als je volledig datagestuurd bent, kun je soms blind zijn voor de algehele ervaring die je voor gebruikers creëert. Volledig afhankelijk zijn van data kan ook verlammend werken als het tijd is om een beslissing te nemen en je niet over alle gegevens beschikt die je nodig hebt.
Productanalyses laten de rauwe realiteit zien van hoe mensen het product gebruiken, of zelfs een bepaalde functie, maar dit kan ook heel eenzijdig zijn. Als je wat je denkt te weten uit productanalysegegevens combineert met kwalitatieve feedback in klantinterviews, concepttestworkshops en sparren, krijg je een completer beeld van wat er gebeurt, zodat je het best mogelijke product kunt bouwen.
