Introduction

Salut, ici Paweł Huryn Bienvenue dans l' édition gratuite de The Product Compass.

Notre invité aujourd'hui est Ben Yoskovitz , entrepreneur, investisseur et auteur. Il est actuellement associé fondateur de Highline Beta, un studio de capital-risque hybride et une société de capital-risque. Auparavant, il était vice-président des produits chez GoInstant (acq. Salesforce) et VarageSale.

Ben est le co-auteur de Lean Analytics , un livre qui a contribué à rendre la méthodologie Lean Startup plus rigoureuse et analytique. C'est, de loin, mon livre préféré sur Product Analytics.

Actuellement, Ben rédige une newsletter Focused Chaos couvrant la gestion des produits, les startups, etc. ( https://focusedchaos.co ). Pour en savoir plus sur Ben, abonnez-vous à sa newsletter et suivez-le sur Twitter et LinkedIn .

Suivez-vous les bons indicateurs ?

Chaque chef de produit apprend très tôt à se concentrer sur les métriques. De meilleures décisions sont prises avec plus de données. Des preuves plus claires de ce qui fonctionne ou non peuvent être présentées aux patrons et à la haute direction. On ne s'attend pas à ce que les équipes d'ingénierie et de conception s'en remettent aux « tripes du chef de produit » pour ce qui doit être construit. Tout le monde se sent mieux avec les données. Les données sont bonnes.

Mais est-ce toujours le cas ?

Que se passe-t-il lorsque nous suivons la mauvaise chose ? Que se passe-t-il lorsque nous interprétons mal les données ou que nous nous appuyons sur trop peu de données pour prendre les bonnes décisions ?

Utiliser des données pour prendre des décisions semble facile, mais ce n'est pas le cas, et il y a une nuance considérable dont vous devez tenir compte. Et cela commence par comprendre ce qui fait une bonne métrique.

Toutes les métriques ne sont pas créées égales.

1. Les quatre composants d'une bonne métrique

Dans Lean Analytics , le co-auteur Alistair Croll et moi avons identifié quatre critères clés pour une bonne métrique.

1.1 Une bonne métrique est compréhensible

De nos jours, vous pouvez suivre tellement de données. Vous instrumentez l'ensemble de votre application pour surveiller tout ce que font les gens. Vous pouvez accéder à des données concurrentielles (dans certains cas). Vous pouvez segmenter les utilisateurs ou les clients en différents groupes en fonction du comportement. Et ainsi de suite. L'instinct est de suivre autant que possible, ce qui est bien, mais cela a tendance à compliquer les choses.

La première chose à faire est donc de vous assurer que les mesures que vous suivez sont faciles à comprendre. J'ai toujours considéré l'analytique comme un « langage commun » que tout le monde devrait pouvoir parler, car cela aidera tout le monde au sein de votre organisation à savoir ce qui se passe et à faire collectivement de meilleurs choix. Faites donc de votre mieux pour simplifier les métriques et ne pas submerger les utilisateurs.

1.2 Une bonne métrique est comparative

Les métriques représentent souvent un point unique dans le temps. Ils vous donnent un aperçu de ce qui se passe en ce moment. Mais ce n'est jamais toute l'histoire. Par exemple, si je vous dis que j'ai 10 000 utilisateurs actifs dans mon application, difficile de savoir si c'est bien ou mal. Si je vous dis que le mois dernier j'avais 1 000 utilisateurs actifs, en comparant le mois dernier à ce mois-ci, ça a l'air plutôt bien ! J'ai constaté une multiplication par 10 du nombre d'utilisateurs actifs.

Une bonne métrique est généralement comparative sur une période de temps. C'est là que nous commençons à creuser dans l'analyse des cohortes et pourquoi il est si important de mesurer les progrès au fil du temps lorsque vous apportez des modifications.

1.3 Une bonne métrique est un ratio ou un taux

Il est utile de comparer les chiffres au fil du temps, mais cela peut ne pas dire toute l'histoire. Dans l'exemple ci-dessus, disons que le mois dernier, j'avais 1 000 utilisateurs actifs sur 5 000 inscriptions, donc 20 % sont devenus des utilisateurs actifs. Ce mois-ci, j'ai 10 000 utilisateurs actifs (soit 10 fois le mois dernier), mais j'ai en fait eu 200 000 inscriptions, ce qui signifie que je n'ai transformé que 5 % de mes utilisateurs en utilisateurs actifs. (Je sais que ces chiffres sont simples, mais j'espère que vous comprenez.)

Les ratios ou les taux ont tendance à être plus révélateurs que les nombres entiers. Dans mon exemple simple ci-dessus, j'ai réussi à acquérir beaucoup plus d'utilisateurs, mais très peu d'entre eux sont devenus actifs. Bien que je sois satisfait d'une augmentation de 10 fois du nombre d'utilisateurs actifs, quelque chose ne fonctionne pas tout à fait en ce qui concerne les utilisateurs que j'acquiers.

Lors de l'évaluation des paramètres sur lesquels vous vous concentrez, il doit s'agir de ratios ou de taux, qui sont intrinsèquement comparatifs.

1.4 Une bonne métrique est le changement de comportement

C'est l'aspect le plus important d'une bonne métrique. Cela conduit à ce que nous avons décrit dans Lean Analytics comme la « règle d'or des métriques » : si une métrique ne change pas votre comportement, c'est une mauvaise métrique.

Il est facile de suivre de nombreux paramètres, mais il est beaucoup plus difficile de trouver les bons à partir desquels prendre des décisions. Souvent, nous regardons fixement les données que nous avons recueillies et nous ne savons pas quoi faire.

La clé pour être un chef de produit performant est de pouvoir se concentrer sur les quelques mesures clés qui comptent réellement.

Et vous savez qu'ils comptent parce que peu importe qu'ils augmentent, baissent ou restent les mêmes, vous allez agir.

continuer la lecture

Paweł Huryn ici encore. Je m'éloigne de Medium.

Continuez à lire gratuitement sur ma newsletter Substack (pas d'email, pas de paywall):

• 8 types de métriques que chaque PM doit comprendre
• 2 études de cas
• 5 étapes concrètes à suivre en tant que PM