Что такое продуктовая аналитика

Зачем это знать

Хотите стать продуктовым аналитиком? Или разобраться, чем он отличается от BI и data analyst? Эта статья — полный обзор.

Плюс полезно прочитать перед собесами в продуктовых компаниях.

Что такое продуктовая аналитика

Использование данных для улучшения продукта. Фокус на:

• Поведении пользователей
• Успехе фич
• Воронках, активации, retention
• A/B-экспериментах
• Влиянии на выручку

Отличается от:

• BI: отчёты, дашборды
• Data science: ML-модели
• Data engineering: пайплайны

Продуктовый аналитик тесно работает с продактом, дизайнерами, разработчиками.

Обязанности

Измерять продукт

• Определять метрики (north star, инпут-метрики)
• Строить дашборды
• Следить за здоровьем продукта

Анализировать

• Эффект фич
• Сегменты пользователей
• Retention, churn
• Воронки конверсии

Экспериментировать

• Проектировать A/B-тесты
• Разбирать результаты
• Принимать решения о релизе

Исследовать

• Путь пользователя
• Когортные инсайты
• Юнит-экономика

Коммуницировать

• Отчёты
• Презентации
• Рекомендации

День из жизни

Утро

• Проверка дашбордов с метриками
• Слак: вопрос от продакта

День

• Глубокий анализ в SQL / Python
• Встречи с продуктовой командой

После обеда

• Разбор результатов A/B-теста
• Оформление анализа

Вечер

• План на завтра
• Асинхронные апдейты

Типичное распределение времени: 50% индивидуальный анализ, 30% коммуникация, 20% встречи.

Навыки

Технические

• SQL: сильный
• Python / pandas: средний и выше
• Статистика: средний (A/B, доверительные интервалы)
• BI: Amplitude / Tableau / Metabase

Софт-скиллы

• Продуктовое мышление
• Коммуникация
• Любопытство
• Умение работать с командой

Фреймворки

AARRR (пиратские метрики)

Acquisition → Activation → Retention → Referral → Revenue.

Мышление через воронку.

HEART (Google)

Happiness, Engagement, Adoption, Retention, Task success.

Замер пользовательского опыта.

JTBD (Jobs To Be Done)

Пользователи «нанимают» продукт для выполнения задачи.

Взгляд со стороны пользователя.

Growth loops

Механики самоподдерживающегося роста.

North Star

Одна метрика, отражающая ценность продукта.

Метрики

См. шпаргалку по метрикам.

Ключевые категории:

• Acquisition
• Activation
• Engagement
• Retention
• Monetization

A/B-тестирование

Ключевая компетенция.

• Проектирование экспериментов
• Размер выборки
• Разбор результатов
• Принятие решений о релизе

Важно не просто запускать, а понимать ограничения, подводные камни, novelty-эффекты.

Исследования пользователей

Микс количественных и качественных методов:

• Аналитика (поведение)
• Интервью
• Опросы
• Запись сессий

Триангулируем, чтобы получить полную картину.

Типичные проекты

Запуск фичи

Оцениваем adoption, эффект, побочные эффекты.

Разбор retention

Почему пользователи уходят? Сегменты, причины, действия.

Оптимизация активации

Как быстро пользователи доходят до aha-момента?

Анализ цен

Эластичность, упаковка, готовность платить.

Growth-эксперименты

Вирусные петли, реферальные программы, механики роста.

Инструменты

Продуктовая аналитика

• Amplitude (флагман)
• Mixpanel
• PostHog (open-source)

BI

• Tableau
• Metabase
• Looker

SQL

• Хранилища: Snowflake, BigQuery, Redshift, ClickHouse
• IDE: DataGrip, DBeaver

Python

• Jupyter
• VS Code

Платформы экспериментов

• Optimizely
• GrowthBook (open-source)
• Внутренние платформы (в больших компаниях)

Стек в российских компаниях

Яндекс

ClickHouse, DataLens, внутренние инструменты

Тинькофф

PostgreSQL, ClickHouse, собственные разработки

Озон

ClickHouse, Vertica, Tableau

Avito

ClickHouse, DataLens

Стартапы

Часто Amplitude / PostHog + Metabase

Как учиться

Книги

• «Hooked» — Нир Эяль
• «Hacking Growth» — Шон Эллис
• «Lean Analytics» — Кролл и Йосковиц
• «Trustworthy Online Controlled Experiments»

Блоги

• Reforge
• Lenny's Newsletter
• First Round Review
• Amplitude blog

Курсы

• Reforge (платный)
• Product School
• Бесплатные курсы по аналитике

Практика

• Датасеты на Kaggle
• Открытые API
• Свой пет-проект

Карьерный путь

Junior (0–2 года)

• Осваивает основы
• Решает задачи от продакта
• Делает простые анализы

Middle (2–5 лет)

• Отвечает за области метрик
• Сам ведёт A/B
• Менторит джунов

Senior (5+ лет)

• Стратегические проекты
• Кросс-функциональное лидерство
• Влияние на roadmap

Lead / Head

• Управление командой
• Стратегия
• Бюджет

Product analyst vs data analyst

Product analyst

• Узкий фокус на продукте
• Тесно работает с продактом
• Много экспериментов
• Поведение пользователей

Data analyst

• Более широкий скоуп
• Бизнес-метрики
• Отчётность
• Меньше экспериментов

Пересечение есть, но фокус разный.

Product analyst vs data scientist

Product analyst

• Анализирует, измеряет, рекомендует
• Обычно мало ML
• Влияние на бизнес

Data scientist

• Строит ML-модели
• Исследует алгоритмы
• Глубина в технических задачах

Есть пересечение, но основные навыки отличаются.

Типовые вопросы

Product sense

«Spotify хочет запустить автоплей. Хорошая идея?»

Что учесть:

• Поведение пользователя (сколько слушает)
• Влияние на вовлечённость
• Влияние на retention
• Рекламная выручка (автоплей = больше рекламы?)
• Открываемость нового контента
• Контроль (переключатель фичи?)

Нужен структурный разбор.

Дизайн метрики

«Какая метрика нужна для продукта X?»

Разбираем:

• Бизнес-цель
• Ценность для пользователя
• Ведёт ли к выручке?
• Actionable (можно ли повлиять)?
• Можно ли измерить?

Расследование

«Метрика неожиданно изменилась».

RCA: проверка → определение скоупа → сегментация → корреляция → гипотеза → валидация.

На собесе

«Что такое продуктовая аналитика?» Подход к продуктовым решениям на основе данных.

«Чем отличается от BI?» Продуктовая аналитика — фокус на продукте, экспериментах, поведении пользователей. BI — широкая бизнес-отчётность.

«Любимый фреймворк?» Выберите один, разберите на примере.

«Опыт?» Конкретные проекты, инструменты, эффект.

Связанные темы

• Что такое продуктовая аналитика простыми словами
• Как перейти в продуктовую аналитику
• Продуктовое мышление для аналитика
• AARRR
• HEART
• Jobs To Be Done
• North Star

FAQ

Сколько зарабатывает продуктовый аналитик?

Обычно чуть выше, чем обычный аналитик. В России у мидла — 200–350k.

Продуктовый аналитик сам решает, что запускать?

Нет. Даёт рекомендации продакту. Решение общее.

Нужен ли ML?

Обычно нет. Плюс, но не обязательный.