Este documento discute as habilidades técnicas importantes para PMs, incluindo análise de dados, métricas de produto e experiência do usuário. Ele fornece exemplos de como PMs podem usar ferramentas de análise para priorizar ideias e melhorar o engajamento dos usuários. Finalmente, discute como PMs precisam entender marketing, crescimento e SEO para alcançar objetivos de negócios.
10. Exemplo - App de fotos
OKR: Ser global em 2020
● 10MM de usuários mensais no Brasil em Q1/2020
● 30% dos usuários precisam usar o app toda
semana
*Disclaimer: Os dados mostrados não são reais
11.
12. Exemplo - App de fotos
OKR: Ser global em 2020
● 10MM de usuários mensais no Brasil em Q1/2020
● 30% dos usuários precisam usar o app toda semana
Brainstorm de
idéias
Data Analytics
Priorização das
idéias
13. Exemplo - App de fotos
OKR: Ser global em 2020
● 10MM de usuários mensais no Brasil em Q1/2020
● 30% dos usuários precisam usar o app toda semana
Idéias aleatórias:
1. Aumentar marketing pago
2. Criar feature X, Y, Z
3. Mandar push notification toda semana
4. ...
14. Exemplo - App de fotos
OKR: Ser global em 2020
● 10MM de usuários mensais no Brasil em Q1/2020
● 30% dos usuários precisam usar o app toda semana
Idéias aleatórias priorizadas:
1. Aumentar marketing pago
2. Criar feature X, Y, Z
3. Mandar push notification toda semana
4. ...
15. Você tem outros dados!
● Pesquisa
● Teste de Usabilidade
● Entrevista
● BI
● Benchmarks
● Canais de suporte
● Review de Apps
● ...
16. Exemplo - App de fotos
Analytics: feature de 'Pin' é usada 50% menos no Brasil do
que nos EUA.
Data
Analytics
Brainstorm
PERGUNTAS
PriorizaçãoCONTEXTO
17. Exemplo - App de fotos
Analytics: feature de 'Salvar' é usada 50% menos no Brasil do
que nos EUA.
Estratégia 2: brainstorm de PERGUNTAS
1. Comportamento de quem salva é
diferente dos outros?
2. Usuário sabe que existe a feature?
3. Empresa se beneficia da feature?
4. Usuários gostam da feature?
18. Exemplo - App de fotos
Analytics: feature de 'Salvar' é usada 50% menos no Brasil do
que nos EUA.
Estratégia 2: brainstorm de PERGUNTAS
1. Comportamento de quem salva é
diferente dos outros?
2. Usuário sabe que existe a feature?
3. Empresa se beneficia da feature?
4. Usuários gostam da feature?
19. Pinterest Renames 'Pin It' Button
As 'Save' In Push For Global Growth
"When you look at our internal data, you see that people who are
really engaged with Pinterest are more likely to associate saving
with the value of Pinterest. 'Pin it' doesn’t always help people
understand why Pinterest is valuable."
Gabe Trionfi - Head of Research
"Quando você olha nossos dados internos, você nota que
as pessoas realmente engajadas com o Pinterest são mais
propensas a associar a ação de 'Salvar' com o valor do
Pinterest. 'Pin' nem sempre ajuda as pessoas a
entenderem por que o Pinterest é valioso."
Forbes - Pinterest rename Pin-it
20. Ferramentas
Amplitude | Google Analytics | Mixpanel
Apptimize | AB Tasty | Optimizely | Optimize (Google)
Looker | Periscope Data | Metabase | PowerBI | Tableau
SQL
21. Web/App Analytics
Amplitude | Google Analytics | Mixpanel
Apptimize | AB Tasty | Optimizely | Optimize (Google)
Looker | Periscope Data | Metabase | PowerBI | Tableau
SQL
22.
23. Web/App Analytics
1. Uso de Funil / Cohort / Retenção
2. Canal de aquisição
3. Intervalos adequados (Diário/Semanal/Mensal)
4. Instrumentação equivalente entre produtos
24.
25. A/B Testing
Amplitude | Google Analytics | Mixpanel
Apptimize | AB Tasty | Optimizely | Optimize (Google)
Looker | Periscope Data | Metabase | PowerBI | Tableau
SQL
26. A/B Testing
● Filtrar só usuários novos?
● Filtrar canal de aquisição?
● Hipótese
● Tamanho da amostra e duração
● Validar Instrumentação
● Avaliação dos Resultados
28. BI & Analytics
Amplitude | Google Analytics | Mixpanel
Apptimize | AB Tasty | Optimizely | Optimize (Google)
Looker | Periscope Data | Metabase | PowerBI | Tableau
SQL | Python | R
29.
30. Web analytics não responde
● Quantos imóveis tem qualidade boa ou ruim?
● Quais as características dos produtos mais vendidos na
última Black Friday?
● Alguma correlação entre cancelamentos e uso do produto?
31. Ferramentas em evolução
● Embedded Analytics
● Ações
● Integrações
● Data Science/Inteligência artificial
32. Dark Side
Amplitude | Google Analytics | Mixpanel
Apptimize | AB Tasty | Optimizely | Optimize (Google)
Looker | Periscope Data | Metabase | PowerBI | Tableau
SQL
34. SELECT sn.id,
EXTRACT(days from (expiration_date - appointment_date))::INTEGER as leave_days,
sn.image_path,
EXTRACT(days from (original_expiration_date - appointment_date))::integer as original_leave_days,
sn.original_expiration_date,
sn.remaining_days,
pd.location_code,
CASE
WHEN EXTRACT(DAY FROM (sn.original_expiration_date - sn.appointment_date)) >= 1
THEN EXTRACT(DAY FROM (sn.original_expiration_date - sn.appointment_date))::INTEGER
ELSE EXTRACT(HOUR FROM (sn.original_expiration_date - sn.appointment_date))::INTEGER
END as original_leave_amount,
CASE
WHEN EXTRACT(DAY FROM (sn.original_expiration_date - sn.appointment_date)) >= 1 THEN 'day'::VARCHAR(32)
ELSE 'hour'::VARCHAR(32)
END as original_time_unit,
pd.salary/((44::DECIMAL/6::DECIMAL)*30::DECIMAL) as salary_per_hour,
EXTRACT(day from (sn.expiration_date - sn.appointment_date))*(44*60/6)
+ EXTRACT(hour from (sn.expiration_date - sn.appointment_date))*60
+ EXTRACT(minute from (sn.expiration_date - sn.appointment_date)) AS leave_minutes,
EXTRACT(day from (sn.original_expiration_date - sn.appointment_date))*(44*60/6)
+ EXTRACT(hour from (sn.original_expiration_date - sn.appointment_date))*60
+ EXTRACT(minute from (sn.original_expiration_date - sn.appointment_date)) AS original_leave_minutes,
FROM health_db.sick_notes as sn
LEFT JOIN analytics.people_details as pd on sn.people_details_id = pd.id
WHERE original_expiration_date BETWEEN date_trunc('day', (now() - INTERVAL '120 days') ) AND date_trunc('day', now())
38. Times + técnicos exigem + técnicas
● Mobile
● Frontend
● Backend
● Data Analytics
● Data Science
● ...
39. Devs são data-driven
● Métricas e objetivos como motivadores
● Métricas técnicas quando fizer sentido
● 'Traduza' resultados técnicos para os leigos
● Objetivos vagos favorecem over-engineering