Afinal, o que é Product Analytics?

Product Analytics é onde você vai passar do “achismo” para as informações úteis e insights de verdade do seu produto, não é que seu instinto e o seu feeling não faça parte disso, mas saber extrair informações úteis dos dados que são gerados nas nossas plataformas e aplicativos são as partes mais importantes para o sucesso do nosso produto.

E por que se fala tanto em dados hoje em dia?

É simples, os dados são as principais fontes de informação que a gente tem para poder mapear o comportamento do usuário na jornada do nosso produto.

Os pontos fundamentais para analisar os dados do seu produto são:

  • Visibilidade de mercado – Entender concorrentes, colaboradores, fornecedores.
  • Compreender o cliente – Extrair tudo o que o cliente possa estar nos dizendo, seja com clicks, ações frustradas, não conseguir realizar uma tarefa.
  • Redução de Custo – Com os dados será possível calcular o CAC, Churn. Por exemplo se você está aquisitando um cliente que se paga com 8 meses utilizando o serviço e ele fica retido por apenas 6 meses, a empresa estará pagando por esse usuário.

Tudo isso nos ajuda a entender quando vale apena aquisitar esse cliente, e entender muito bem nosso ICP (Ideal customer profile) é uma das principais tarefas de um Product Manager, e saber dizer não para um usuário que não trará resultado para a empresa.

A importância do Product Analytics também se estende além coleta de dados. Ela nos permite mergulhar profundamente nas necessidades e desejos dos usuários, fornecendo uma compreensão detalhada de como eles interagem com os produtos, e com a evolução do mercado digital, a necessidade de adaptação e inovação constante torna-se ainda mais crítica.

Quais são as análises essenciais em Product Analytics?

Quando se trata de escolher um tipo de análise para seus produtos, é fundamental manter os olhos no prêmio final. Entender como seus clientes mexem com seu produto e o que eles têm em comum é a chave para uma boa experiência do usuário.

Análise de Retenção

A análise de retenção é fundamental para compreender quantos clientes retornam ao seu produto ao longo do tempo. Você pode identificar comportamentos que contribuem para a retenção geral, fornecendo dados valiosos para estratégias de marketing de retenção.

  • Qual seu objetivo: Avaliar quantos usuários ou clientes continuam a usar um produto ou serviço ao longo do tempo.
  • Como Funciona: Rastreia usuários ou clientes ao longo de períodos específicos (como semanas ou meses) para ver se eles retornam ou continuam engajados com o produto ou serviço.
  • Quando aplicar: Útil para entender a lealdade do cliente e a eficácia de estratégias de engajamento.

Análise de Conversão

Com a análise de conversão, você pode comparar usuários que completaram todas as etapas do funil dentro de uma “janela de conversão” com aqueles que não converteram. Esta análise fornece insights sobre o que os clientes convertidos têm em comum, permitindo aprimorar estratégias de conversão.

  • Qual seu objetivo: Medir a eficácia com que os usuários ou visitantes são convertidos em clientes ou realizam ações desejadas.
  • Como Funciona: Monitora a jornada do usuário desde o primeiro contato até a realização de uma ação específica (como uma compra, inscrição ou download).
  • Quando aplicar: Essencial para otimizar processos de marketing e vendas, identificando pontos de força e fraqueza nas estratégias de conversão.

Análise de Funil

Visualizar e medir o progresso dos usuários ao longo de uma série de etapas permite identificar oportunidades de melhoria e crescimento. A análise de funis é essencial para otimizar taxas de conversão, identificando pontos onde os usuários desistem, como durante o processo de integração ou no checkout.

  • Qual seu objetivo: Compreender como os usuários avançam através de diferentes estágios de um processo (como um funil de vendas ou de uso do produto).
  • Como Funciona: Divide a jornada do usuário em estágios sequenciais (por exemplo, conscientização, interesse, decisão, ação) e analisa a taxa de passagem entre cada estágio.
  • Quando aplicar: Ajuda a identificar em que ponto os usuários desistem ou onde o processo pode ser melhorado para aumentar a eficiência.

Análise de Cohort

A análise de cohort é uma técnica poderosa para segmentar usuários com base em características ou comportamentos compartilhados. Por exemplo, agrupar usuários com base em ações realizadas desde a inscrição ou comportamentos em um período específico ajuda a identificar clientes de alto valor e aqueles que podem ser incentivados a se tornar mais valiosos.

  • Qual seu Objetivo: Examinar como grupos específicos de usuários se comportam ao longo do tempo.
  • Como Funciona: Agrupa usuários com base em um atributo comum (como a data de inscrição) e acompanha o comportamento ou desempenho desses grupos ao longo do tempo.
  • Quando aplicar: Permite comparações mais precisas entre grupos, isolando fatores externos, e é útil para entender tendências de longo prazo e o impacto de mudanças específicas.

Métricas para Product Analytics

Sobre métricas, temos as métricas de engenharia que dizem respeito a saúde do produto e guia-os sobre quais serão as prioridades da equipe de desenvolvimento.

QA (Quality Analysis)

Aqui vamos verificar a qualidade do código, sem ser perfeccionista, mas sim garantir que o código seja minimamente bem escrito e que possa ser entendido por outra pessoa sem precisar de um líder. Não é uma métrica quantitativa, mas qualitativa. Para realiza-la é através de revisões de código, análises de qualidade automatizadas e testes de software.

  • Ferramentas utilizadas: Ferramentas como SonarQube, CodeClimate e análises de código integradas em IDEs (Ambientes de Desenvolvimento Integrado).

Stress (Frustação do Usuário)

É tudo que frusta seu usuário e pode gerar de fato stress para ele. Um exemplo disso é um botão que não tem a funcionalidade de um botão e usuário ficar apertando ele 5x seguidas sem obter resultado (pode ser verificado pelo HotJar).

Essa métrica é geralmente medida por análises comportamentais, como o número de cliques repetidos em um elemento não funcional.

  • Ferramentas utilizadas: Hotjar, Crazy Egg (para heatmaps e gravações de sessão) e Google Analytics (para eventos e comportamentos do usuário).

Failure Rate (Quantidade de Falhas)

É o indicador de falhas que pode ser aplicado em qualquer contexto. São calculadas como a proporção de transações ou processos que falham em relação ao total.

  • Ferramentas utilizadas: Ferramentas de monitoramento de desempenho e logs de aplicativos como Splunk, New Relic, e sistemas de rastreamento de erros como Sentry.

Performance (Velocidade de Navegação)

Quão rápido uma página carrega ou o quão rápido um usuário consegue resolver determinada tarefa, ou seja, o tempo médio de carregamento de página ou execução de tarefas.

  • Ferramentas utilizadas: Google PageSpeed Insights, GTmetrix, Lighthouse.

DAU (Daily Active Users)

Esse indicador diz respeito a retenção do usuário e o comportamento de utilização do usuário no produto ao longo da semana, ou seja, é a contagem diária de usuários únicos que interagem com o produto.

Tempo de sessão e taxa de rejeição

No Google Analytics essas são as principais informações que analisamos de um usuário que acabou de chegar no seu produto. Quando temos um usuário que ficou apenas em uma página ele irá aumentar a taxa de rejeição.

Já a taxa de sessão é o tempo médio gasto no site por sessão e a porcentagem de visitas de uma única página sem interação.

  • Ferramentas utilizadas: Google Analytics, Adobe Analytics.

Taxa de desinstalação do aplicativo

É similar a taxa de rejeição, mas aqui vamos ver ela de forma mais dura onde o usuário fez o download, abriu e já desinstalou o aplicativo, ou seja, é a porcentagem de desinstalações em relação ao total de downloads em um período.

  • Ferramentas utilizadas: Ferramentas de análise de aplicativos como App Annie, Adjust, Google Play Console, e Apple App Analytics.

NPS (Net Promote Score)

Indicador mais conhecido, que servirá para verificar o quanto o usuário indicaria seu produto.

Nessa métrica os clientes classificam a probabilidade de recomendar o produto numa escala de 0 a 10. Os respondentes são categorizados em promotores (9-10), passivos (7-8) e detratores (0-6). O NPS é calculado subtraindo a porcentagem de detratores da porcentagem de promotores.

  • Ferramentas utilizadas: SurveyMonkey, Qualtrics, e ferramentas específicas de NPS como Delighted e Promoter.io.

Estratégias de Coleta de Dados em Product Analytics

A coleta de dados em Product Analytics é um processo intrincado que requer não apenas a identificação das métricas corretas, mas também a implementação de métodos eficazes para capturar esses dados. É crucial entender que os dados coletados devem refletir com precisão as interações do usuário com o produto e capturar nuances críticas do comportamento do consumidor. Isso envolve o uso de uma variedade de técnicas, desde rastreamento de eventos e análise de logs até pesquisas e feedbacks diretos dos usuários. Cada técnica tem seu valor único e, quando combinadas, proporcionam uma visão holística do desempenho do produto.

Algumas dicas na hora de coletar seus dados são:

  1. Antes de começar, tenha objetivos claros. Pergunte-se o que você quer entender ou melhorar no seu produto.
  2. Utilize técnicas diversificadas na utilização de rastreamento de eventos, análise de logs, pesquisas e feedbacks diretos para obter uma visão abrangente do comportamento do usuário.
  3. Combine métodos para integrar diferentes técnicas para capturar uma variedade de dados, desde padrões de uso até feedbacks diretos dos usuários.
  4. Integre a coleta de dados no design e na funcionalidade do seu produto para garantir uma coleta contínua e automática.

Aqui vai mais dicas de ferramentas disponíveis para fazer análises do seu produto:

  1. Google Analytics: Para análise geral do site, comportamento do usuário e rastreamento de conversões;
  2. Mixpanel ou Amplitude: Focadas em análise de produtos, permitem rastrear eventos específicos e funis de usuário;
  3. Hotjar ou Crazy Egg: Para mapas de calor, gravações de sessões e feedbacks diretos dos usuários;
  4. Intercom ou Zendesk: Ferramentas de suporte ao cliente que podem fornecer insights valiosos sobre as perguntas e problemas dos usuários.

Quer saber mais sobre Product Analytics?

Torne-se um product manager e aprenda mais sobre product analytics na prática!

Aprenda as principais habilidades e esteja pronto para assumir uma das funções mais cobiçadas atualmente no mercado digital, ser um Product Manager.

Com a nossa formação em produto você vai aprender:

  • Javascript;
  • Product Analytics;
  • Metodologias Ágeis;
  • Marketing;
  • Modelos de Negócio;
  • Pesquisa de Mercado;
  • UX Research;
  • Teste de Usabilidade.