בילינו ארבעה חודשים בפיתוח אנליטיקה לשירות עצמי, ואז ראיתי אנשים מנסים להשתמש בה. אני אהיה כנה לגבי מה גרם לזה.זה לא היה סקרנות אינטלקטואלית.זה היה כרטיס ג'ירה. הכרטיס אמר: "Dashboard לא עובד." פתחתי אותו מצפה מסנן שבור או עדכון נתונים חסר.במקום זאת, מצאתי הודעה בשלושה פרקים ממנהל מוצר להסביר כי היא הסתכלה על לוח הטלפון במשך עשרים דקות ועדיין לא הצליחה להבין אם השיגור של התכונה שלה היה מוצלח. לוח ההתקנים עבד בצורה מושלמת. כל תרשים נרשם. כל מסנן הגיב. הנתונים היו טריים, מדויקים ומודלים היטב. היא עדיין לא יכלה לענות על השאלה שלה. הכרטיס הזה ישב בראש שלי במשך שבועות. בסופו של דבר, החלטתי לעשות משהו שמעולם לא עשיתי קודם לכן. לקחתי את אחד לוח המחשב הנפוץ ביותר שלנו וראיתי חמישה צוותים שונים מנסים להשתמש בו עבור החלטה אמיתית. ההתקנה הלוח היה סיכום המעורבות של המוצר שלנו.הוא היה משתמשים פעילים יומיים, שיעורי אימוץ תכונות, קווי retention, וכמה מדדים קרובים הכנסה.הוא נבנה ב Looker, מחובר למודל dbt שנבדק היטב, מתחדש כל ארבע שעות.בכל סטנדרט הנדסה, זה היה עבודה מוצקה. בחרתי חמישה צוותים אשר הגישו באופן קבוע ללוח זה על פי יומני השימוש שלנו. מוצר רצה לדעת אם עיצוב מחדש לאחרונה של ה-onboarding שיפר את ההפעלה. השיווק רצה לדעת אילו ערוצים מונעים את המשתמשים בעלי הערך הגבוה ביותר. הצלחת הלקוח רצתה לדעת אילו חשבונות מראים אותות מוקדמים. המכירות רצו לדעת אם דפוסי השימוש היו קשורים להכנה למכירות. פיננסים רצו לדעת אם המגמה של העלות למשתמש הייתה בר-קיימא עם הצמיחה הנוכחית. חמישה שאלות אמיתיות מחמישה צוותים אמיתיים, כל מה שצריך השבוע. שאלתי כל צוות אם אני יכול לשבת איתם (או להצטרף לשיחת הווידאו שלהם) בזמן שהם עבדו דרך השאלה שלהם באמצעות הלוח. אני מודה בעדינות שלי מראש. ציפיתי לפחות שלושה מתוך חמישה כדי לקבל את מה שהם צריכים. הייתי בונה לוח זה עם שימוש בין-פונקציונלי בחשבון. הייתי מוסיף תיאורים של הקשר לכל תרשים. מה שקרה באמת מוצר צוות המוצר השקיע את שמונה הדקות הראשונות בניסיון לבודד את הקוהורט שלהם על הסיפון.לסגנון היה מסנן תאריך ומסנן תכונות, אבל אין מסנן קוהורט.הם היו צריכים להשוות משתמשים שהצטרפו לפני העיצוב מחדש עם משתמשים שהצטרפו אחרי זה.הסגנון לא יכול לעשות זאת ללא פתרון. ראש הממשלה פתח עורך SQL בכרטיסיה נפרדת.היא כתב שאלה כדי למשוך מזהים של משתמשים לפי תאריך ההרשמה, ולאחר מכן ניסה להדביק אותם לתוך המסנן. היא ויתרה עליי, ביקשה חיתוך מותאם אישית של הנתונים.זמן הכולל על הלוח: ארבעה עשר דקות.החלטה נעשתה מתוך הלוח: לא. שיווק השיווק היה הכי מעניין כי הם מצאו מבחינה טכנית את מה שהם מחפשים.התוכנית הראתה הפסקות ערוץ רכישה.הם יכלו לראות כי חברתית משולמת מובילה את המשתמשים החדשים ביותר.הם הגיעו למסקנה כי חברתית משולמת היא ערוץ הביצועים הטובים ביותר שלהם והחלו להכין הצעה לתיקון תקציב. ל-Payed Social היו רוב המשתמשים, אך שיעור ההחזקה הנמוך ביותר (הוא היה גלוי בכרטיסיה שונה; הם לא הקליקו) והערך הממוצע הממוצע הנמוך ביותר של החוזה (הוא היה על שולחן עבודה שונה לחלוטין). הם קיבלו החלטה.זה היה הדבר הלא נכון.אני סימן את זה לאחר הפגישה.הם היו אסירים תודה, אבל גם מתוסכלים. "למה לא מראה לנו לוח הטלוויזיה רק איזה ערוץ הוא הטוב ביותר?" שאל אחד מהם. כי "הטוב ביותר" פירושו משהו שונה עבור כל צוות.הדגמה הראתה מטרייה.היא לא הראתה תשובות.זה פילוסופיה של עיצוב שאנו חוזרים אליה. הצלחת הלקוח הצלחת הלקוח הייתה הקבוצה שהצליחה, וזה שווה להבין למה. המנהיג שלהם בילה שלושה חודשים בפיתוח מודל מנטלי של מה שינה מוקדמת נראית.היא ידעה את השילוב הספציפי של אותות: היכנסות שבועיות יורדות, אין אימוץ תכונות מעבר לזרם העבודה העיקרי, ותדירות הכרטיסים לתמיכה מעל סף.היא לא צריכה את לוח המכשיר כדי לספר לה את התשובה.היא צריכה את זה כדי לאשר את מה שהיא כבר חשדה. היא פקחה את לוח ההתקנים, פילטרה את החשבונות שלה, בדקה שלושה תרשימים ברציפות ואמרה, "כן, ארבעת החשבונות האלה זקוקים לשיחות התערבות השבוע." הלוח עבד בשבילה כי היא כבר ידעה מה לחפש וכיצד לקרוא את האותות יחד. מכירות מכירות בילה 12 דקות על הלוח ולאחר מכן שאל אותי שאלה שאני עדיין חושב על: "האם אתה יכול רק להגיד לי אילו חשבונות להתקשר?" הם יכלו לראות מגמות שימוש לכל חשבון, אך התרגום "שימוש בחשבון זה עלה ב-40% בחודש שעבר" ל"חשבון זה מוכן לשיחה עלייה" נדרש בהקשר שהחשבון לא היה. סוכן המכירות היה אדיב על זה.היא אמרה כי לוח הטלפון היה "עניין", אשר שווה ערך עסקי של "אני לעולם לא אפתח את זה שוב." מימון הם הביאו את הנתונים הבסיסיים לחוברת בתוך שתי הדקות הראשונות.כאשר שאלתי למה, התשובה הייתה פשוטה: "אני צריך לבנות מודל, לא להסתכל על תרשים." הם היו צריכים להפעיל תסריטים. מה קורה עם עלות למשתמש ב-20% של צמיחה לעומת 40% של צמיחה? מהו נקודת ההפרדה? התוכנית הראתה את המצב הנוכחי. אני לא מחשיב את זה ככישלון של לוח התקנים. זוהי חוסר התאמה של מקרים של שימוש. אבל זה מעלה את השאלה אם היינו צריכים לבנות צוות זה תבנית טבלה במקום טבלה של לוח התקנים. כרטיס Scorecard 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Team 
 Found relevant data? 
 Answered their question? 
 Made a decision? 
 Time spent 
 
 
 
 
 
 
 Product 
 Partially 
 No 
 No 
 14 min 
 
 
 
 
 
 
 Marketing 
 Yes 
 Yes (incorrectly) 
 Yes (wrong one) 
 18 min 
 
 
 
 
 
 
 Customer Success 
 Yes 
 Yes 
 Yes 
 6 min 
 
 
 
 
 
 
 Sales 
 Partially 
 No 
 No 
 12 min 
 
 
 
 
 
 
 Finance 
 Yes 
 N/A (wrong format) 
 No 
 2 min מוצר חלקית לא לא 14 דקות שיווק כן כן (לא נכון ) כן (לא נכון אחד) 18 דקות הצלחת הלקוח כן כן כן 6 דקות מכירות חלקית לא לא 12 דקות מימון כן N / A (פורמט לא נכון) לא 2 דקות מה למדתי שלא ציפיתי התוצאה המסוכנת ביותר היא תשובה שגויה בטוחה. החוויה של שיווק הפחידה אותי יותר מכל דבר אחר. הלוח האנדרואיד נתן להם נתונים. הם פרשרו את הנתונים. הם הגיעו למסקנה. המסקנה הייתה שגויה כי הלוח האנדרואיד הראה תמונה לא שלמה, והם לא היו סיבה לחשוד שזה לא שלם. הלוח האנדרואיד שנותן לך תשובה שגויה, אתה מאמין, הוא גרוע יותר מאשר הלוח האנדרואיד שנותן לך שום דבר בכלל. ההבדל בין מטריקים והחלטות הוא עצום. כל צוות הגיע עם שאלה. לא אחת מהשאלות האלה יכול לענות על ידי תרשים יחיד. ההחלטות דורשות שילוב של אותות מרובים, יישום הקשר העסקי, וביצוע שיחת שיפוט. לוח המחשב מציג מטריקים. התרגום ממטריקה להחלטות מתרחש לחלוטין בראש האדם, ורוב לוח המחשב נותן תמיכה אפס לתהליך התרגום. מומחיות בדומיין היא המסנן האמיתי.הצלחה של הלקוח הצליחה בגלל הניסיון של המנהיגים שלהם, לא בגלל העיצוב של הלוח.היא ידעה מה לחפש.כולם אחרים גולשים, בתקווה שההבנה הנכונה תצא החוצה.ניתוח שירות עצמי מניח מומחיות דומיין שרוב הצוותים עדיין לא בונים. אף אחד לא קורא את התיעוד. כתבתי תיאורים של הקשר. כתבתי מדריך כיצד לעשות. הוספתי הסברים לכל מטריקה. נתוני השימוש מראים כי אפס אנשים (לא נמוך, אפס) הקליקו על תיאורים של המטריקה במחצית האחרונה. אנשים לא קוראים תיעוד מקוון בדפדפנים מאותה סיבה שהם לא קוראים את תנאי השירות. הצוותים שמייצרים לתיקיות לא עושים את זה לא נכון. האינסטינקט של פיננסים לייצוא היה התגובה הרציונלית ביותר לצרכים האמיתיים שלהם. אנו מתייחסים לייצוא טבלאות כאל כישלון של שכבת ה-BI שלנו. אולי זה בעצם סימן לכך שמשתמשים מסוימים זקוקים לנתונים אינטראקטיביים, מניפולטיביים במקום ויזואליזציות מנוהלות. "משרת עצמי" הוא ספקטרום, לא מחליף. הצלחת הלקוח הייתה משרת עצמי. המוצר יכול היה להיות משרת עצמי עם מסנן קוהורט טוב יותר. שיווק נזקק לשמירה. מכירות צריכות מנוע המלצות, לא לוח. כספים צריכים נתונים גלויים עם מודל תסריט. קראנו לכולם "משתמשי אנליטיקה משרת עצמי" ונתנו להם את אותו הכלי. מה שיניתי אחר כך אני בנה מחדש את הלוח, אבל הבנייה לא היתה מה שאתה ציפית. לא הוספתי עוד תרשימים. הוספתי פחות. הוספתי שלושה כרטיסיות ושילמתי את השאר סביב שאלה אחת: "האם מטריקה זו בריאה, רלוונטית או קריטית?" הוספתי תבנית קבועה שהופכת את הקלפים אדומים, צהובים או ירוקים בהתבסס על קווים המוגדרים על ידי הצוות. עבור מוצר, אני בנה כלי השוואת קוהורט נפרד. זה מכוער. זה Looker Explore פרמטריזציה עם שני קבצי תאריך וחישוב דלהט. זה עושה דבר אחד. עבור שיווק, הוספתי ציון מורכב המשלב נפח, שמירה וערך החוזה לתוך מדד יעילות ערוץ אחד.הם עדיין יכולים לראות את הרכיבים, אבל התצוגה default עונה על השאלה האמיתית: איזה ערוץ הוא הטוב ביותר לכל דולר שנשמר. עבור מכירות, ויתרתי על לוח התקנים לחלוטין.בניתי רשימה של חשבונות עם ציונים המופעלים מדי שבוע, מדורגים חשבונות על פי אותות העלאה, והולכים לתוך ערוץ Slack.זה לקח פחות זמן לבנות מאשר את הכרטיסיה של לוח התקנים שהחלפתי. עבור פיננסים, יצרתי תבנית של Google Sheet שמוציאה נתונים חי באמצעות API של Looker. הקו המשותף: הפסקתי לשאול "מה מדדים הצוות הזה צריך?" והתחלתי לשאול "מה ההחלטה שהצוות הזה עושה שוב ושוב, ומהו הדרך הקצרה ביותר מהנתונים להחלטה זו?" מה הייתי מספר לעצמי בעבר אם אתה לא יכול להזכיר את ההחלטה הספציפית שהדפדפן אמור לתמוך בה, אתה בונה תערוכה במוזיאון. תראו מישהו משתמש בלוח ההדפסה שלכם לפני שאתם שולחים אותו, לא דומיין של בעלי עניין, שבו הם נוגעים, פגישה מעשית שבה הם מנסים לענות על שאלה שמעניינת אותם, תוכלו ללמוד יותר בעשרים דקות של תצפית מאשר בחודש של איסוף דרישות. ה- BI הטוב ביותר הוא לא תמיד לוח מדפסת. לפעמים זהו אזהרה של Slack. לפעמים זהו טבלה עם נתונים חיים. לפעמים זהו רשימת ציונים. ואם יומני השימוש שלך מראים שאנשים פותחים את לוח ההתקנים שלך ויוצאים תוך שתי דקות, לוח ההתקנים אינו איטי. החלק הקשה ביותר של אינטליגנציה עסקית הוא לא לבנות מודל נתונים, זה להבין מה אנשים באמת עושים כאשר הם פותחים את העבודה שלך.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Read My Stories

האודיו הזה מופק בשפת המקור של הסיפור!

נתתי 5 צוותים את אותו לוח התקנים - רק 1 עשה החלטה עם זה

About Author

הערות

תלו תגים

מאמר זה הוצג ב

Related Stories

100 Days of AI, Day 13: How Instruction Finetuning Improves a Pre-trained LLM

179 Super Compelling HackerNoon Headlines

The TechBeat: To Focus or Not Focus: How to Find the Right Product-Market Fit (3/14/2024)

The TechBeat: Python's Testing Playbook: Building Bulletproof Code (1/16/2024)

100 Days of AI, Day 13: How Instruction Finetuning Improves a Pre-trained LLM

179 Super Compelling HackerNoon Headlines

The TechBeat: To Focus or Not Focus: How to Find the Right Product-Market Fit (3/14/2024)

The TechBeat: Python's Testing Playbook: Building Bulletproof Code (1/16/2024)

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps