Excite Kit

20/09/2024

Что такое сэмплирование в счетчиках аналитики простыми словами?

Ограничение, на которое жалуются все, но при этом далеко не все понимают его природу. Давайте разбираться🙂

Сэмплирование дает вам возможность работать с данными только с определенными оговорками и их важно понимать. В противном случае можно легко прийти к неверному управленческому решению. Изучим это на примере наиболее распространенных сервисов аналитики.

Нас интересуют следующие вопросы:

Что такое сэмплирование?

Можно ли жить без сэмплирования? (Спойлер: нужно!)

Большинство аналитических платформ работают следующим образом: сервис предоставляет доступ к отчетам через интерфейс, где данные предварительно проходят предобработку и агрегацию. Это означает, что в отчетах вы видите так называемые «агрегированные данные», а для расчета метрик почти всегда используется метод сэмплирования.

Сэмплирование – это метод уменьшения объема данных, обрабатываемых при формировании отчетов. Он позволяет ускорить работу сервиса при больших объемах исходных данных. В результате, данные в отчетах представляют собой модель, основанную на определенной выборке – части полных данных. Для понимания размера выборки в отчетах (например, в Яндекс Метрике) есть переключатель "Выборка".

Сталкиваясь с сэмплированием, вы всегда должны держать в уме, что прямо сейчас работаете только с частью всех ваших данных. В какой степени она релевантна полным данным – вопрос открытый.

Если у вас есть сильные навыки работы с SQL и вы не хотите мириться с ограничениями сэмплирования, всегда есть возможность работы с сырыми данными. Сырые данные представляют собой таблицы хитов и сессий, выгружаемые с помощью Logs API, они не подвержены сэмплированию. Однако, это требует участия опытного дата-инженера, так как необходимо создать и настроить кластер ClickHouse в Яндекс Облаке и обеспечить регулярную загрузку данных (если мы рассматриваем, Яндекс Метрику). Простой активации стриминга в облачную базу данных недостаточно, и это значительно повышает порог входа.

Кроме этого, у метода есть и свои ограничения, одно из которых – 10 ГБ на загрузку. Для проектов с большим трафиком это может стать узким местом. Решением может стать Метрика ПРО, но ее стоимость начинается от 300 тыс. руб. в месяц без учета стоимости кластера.

Оперировать только частью данных, когда вы делаете первые шаги в работе с аналитикой вполне нормально. Но чем крупнее бизнес и значимее уровень принятия решений, тем дороже ошибки.

Как мы решили эту проблему в UX Rocket? В UX Rocket вся аналитика изначально строится на сырых данных. Вы оперируете только точными цифрами в абсолютно любом отчете – никаких «средних температур по больнице». Вам не нужен дата-инженер и SQL – достаточно открыть раздел «События»-«Сырые данные». Выгрузка в Excel и любые внешние системы в один клик. Хотите попробовать? Вам сюда: https://uxrocket.ru/demo

Чтобы быть в курсе актуальных трендов в продуктовой и маркетинговой аналитике, А/В - тестировании, а также узнать больше о новых возможностях платформы UX Rocket, подписывайтесь на наш Telegram - канал https://t.me/+npNI41DQzOc4ZTJi

20/09/2024

Как добывать инсайты из сервиса аналитики?

Вы наверняка сталкивались с тем, что сервис аналитики предоставляет огромное количество данных, но часто неясно, как именно использовать эти данные для повышения эффективности бизнеса. Например, как настроить отчеты, какие модели атрибуции выбрать и как с помощью этого проверять гипотезы.

Это, как правило, приводит к параличу – вместо проактивных решений вы тратите ресурсы на то, чтобы разобраться в репортах или просто любуетесь ими. Но главный продукт любого аналитического сервиса – это решения.

Если после работы с аналитикой вашего продукта или маркетинга у вас не появляется базиса для новых решений – вы, скорее всего, тратите время впустую.

Для того чтобы анализ данных привел вас к решениям, нужно пройти несколько обязательных шагов:

1. Определить вопросы, на которые вы хотите получить ответы. Без четкого понимания целей анализа, невозможно извлечь полезные инсайты.

2. Выбрать метрики для получения ответов на эти вопросы. Метрики всегда должны коррелировать с целями бизнеса.

3. Определиться со срезами для анализа и построить отчеты. Как минимум, имеет смысл использовать сегментацию данных по пользовательским свойствам и параметрам событий, а также наблюдать изменения метрик в динамике.

4. Идентифицировать гипотезы на основе полученных данных, которые и станут базисом для ваших решений. Примеры таких гипотез:

Оптимизация мобильной версии посадочной страницы приведет к росту конверсии в покупку.

Перераспределение бюджета в сторону таргетированной рекламы приведет к росту окупаемости инвестиций.

Реактивация определенной когорты пользователей принесет дополнительную выручку без затрат на маркетинг.

Крайне важно пропускать себя через эту цепочку. Например, без правильно поставленных вопросов анализ очень быстро заведет вас в тупик. И если ваш сервис аналитики помогает вам в прохождении этих шагов – шанс ошибиться становиться гораздо меньше.

В UX Rocket для этого предусмотрен целый раздел отчетов, который так и называется - "Инсайты". Его основная цель – сделать удобным поиск инсайтов из сырых данных и упростить принятие управленческих решений на их основе. В "Инсайтах" можно буквально по шагам построить модель для будущих решений – начать с выбора метрик, потом применить фильтры, сегментацию, когорты и нужные типы визуализаций.

Более того, в UX Rocket вы можете протестировать, сформулированные гипотезы, без использования дополнительных инструментов и не привлекая команду разработки.

Интересно? Оставьте заявку прямо сейчас https://uxrocket.ru/demo , с удовольствием расскажем и покажем интересующий вас функционал UX Rocket.

Чтобы быть в курсе актуальных трендов в продуктовой и маркетинговой аналитике, А/В - тестировании, а также узнать больше о новых возможностях платформы UX Rocket, подписывайтесь на наш Telegram - канал https://t.me/+npNI41DQzOc4ZTJi

28/08/2024

Итак, сегодня поговорим о первых трех наиболее распространенных когнитивных искажениях, с которыми сопряжена работа над увеличением конверсии.

📌Хитрость конверсии №1 – наш мозг не дружит с тем, как работают когорты

Когда мы говорим, что изменим коэффициент конверсии на 5%, 10% или 15%, то практически всегда подразумеваем, что и выручка изменится пропорционально. Но, к сожалению (или счастью), это почти никогда не является правдой.
Дело в том, что конверсия как показатель неразрывно связана с когортами. Поэтому, если ваши покупатели совершают несколько покупок за свой жизненный цикл, рост (или падение) конверсии практически всегда будут влечь за собой более драматические изменения в выручке по сравнению с вашими ожиданиями.

Вывод №1 - моделируйте возможные изменения в выручке с учетом изменений по когортам в конверсии на бумаге и отчетах, а не ограничивайтесь первым, что пришло в голову.

📌Хитрость конверсии №2 – мы склонны подтверждать собственную точку зрения

Если на онлайн-курсах или тренингах личной эффективности нас научили, что самая большая зона роста всегда находится ближе ко дну воронки – отучиться от этого будет крайне сложно. В этом случае мы имеем дело с confirmation bias или его частностью – motivated reasoning.
Поэтому, если вы уже несколько месяцев бьетесь над оптимизацией чекаута, не поленитесь спросить у команды – кому в голову пришла эта идея и на чем она базировалась. Если на реальных данных – то это очень хорошая новость.

Вывод №2 - ставьте под сомнения свой текущий и прошлый опыт по оптимизации конверсии, инвестируйте в корректный поиск вашего "узкого места".

📌Хитрость конверсии №3 – мы подвержены ошибке выжившего

Смотреть на тех летчиков, что вернулись с боевого задания невредимыми (если не в курсе – обязательно почитайте) – нормально. Это дает первую и самую "жирную" обратную связь о качестве вашего продукта. Точно также в аналитике вполне уместно и правильно, когда в оптимизации конверсии вы в первую очередь оцениваете опыт пользователей, прошедших активацию или совершивших покупку. Там находятся так называемые “низко висящие фрукты”.
Проблемы начинаются, когда эти самые фрукты заканчиваются. В этот момент важно оторвать себя от привычного источника получения обратной связи – купивших пользователей.

Вывод №3 - когда работаете с конверсией, цельтесь в вопрос "Почему у меня покупают?", но не забывайте и про вторую часть уравнения - вопрос "Почему у меня не покупают?"

Было интересно? Хотите узнать больше про хитрости работы с конверсией? Ждем ваших реакций 🔥 и продолжаем 🙂…

Если не терпится – можно познакомится с полным текстом статьи тут https://vc.ru/u/3646675-ux-rocket/1420193-pochemu-cr-koefficient-konversii-hitraya-metrika-i-kak-s-nei-rabotat и подписаться на наш блог https://vc.ru/u/3646675-ux-rocket , чтобы не пропустить ничего важного😉
Хотите поработать над повышением конверсии? Вам сюда https://uxrocket.ru/demo 👈🏼

Коэффициент конверсии - это показатель, давший начало целой индустрии – CRO (услуги по оптимизации конверсии). Популярность метрики породила массу консультантов, фр...

27/08/2024

Почему CR (коэффициент конверсии) хитрая метрика и как с ней работать?

Коэффициент конверсии - это показатель, давший начало целой индустрии – CRO (услуги по оптимизации конверсии). Популярность метрики породила массу консультантов, фрилансеров, агентств и иногда даже (к сожалению) мошенников. Кроме богатства выбора среди исполнителей этот факт повлек и другое – размытость в терминологии и по-настоящему эффективных средствах работы с этой метрикой.

В чем же проблема?

В первую очередь, в природе этого показателя. Коэффициент конверсии – что-то вроде “пропускной способности” воронки для бизнеса. Практически всегда под ней понимают определенное отношение:

- покупателей ко всем пользователям;
- совершивших повторную покупку по отношению ко всем покупателям;
- перешедших к оформлению заказа по отношению ко всем, добавившим товар в корзину и т.д.

Для бизнеса это буквально означает следующее: у коэффициента конверсии как у метрики очень мощное плечо. И это ее плюс, и ее минус:

1. Плюс, потому что она может стать сильнейшим рычагом – малейшие изменения в показателе конверсии могут привести к мощнейшим флуктуациям в выручке и прибыли.

2. Минус, потому что работа с ней отдает обманчивой простотой. И, как правило, сопряжена с массой когнитивных искажений.

Хотите узнать о них поподробнее? Ставьте 🔥 и мы расскажем в следующем посте 😉

Еще больше полезной информации в нашем блоге на VC https://vc.ru/u/3646675-ux-rocket – подпишись 😉

Хотите поработать над повышением конверсии?
Вам сюда https://uxrocket.ru/demo 👈🏼

Платформа продуктовой аналитики и A/B-тестирования https://uxrocket.ru/

20/08/2024

8 неудобных вопросов Яндекс Метрике

У Яндекс Метрики есть свои особенности. Если вы делаете шаг от нуля к единице и начинаете собирать первые данные с вашего веб-сайта, то в этих ограничениях нет ничего страшного. Но если вы оперируете серьезными бюджетами на продукт и маркетинг, то цена ошибки становится критической.

Мы задали 8 неудобных вопросов Яндекс метрике в нашем блоге на VC https://vc.ru/marketing/1403098-8-neudobnyh-voprosov-yandeks-metrike

❔Первый вопрос – почему так долго не было событий?
❔Второй вопрос – что с междоменным отслеживанием?
❔Третий вопрос – что с определением визита?
❔Четвертый вопрос – что вообще такое "цели"?
❔Пятый вопрос – что с метрикой конверсии?
❔Шестой вопрос – почему такая скудная электронная коммерция?
❔Седьмой вопрос – почему оффлайн-конверсии без событий электронной торговли?
❔Восьмой вопрос – а как же сырые данные?

Пока зарубежные аналитические платформы друг за другом уходят из России по очевидным причинам, выбор российского решения становится практически безальтернативным. Мы интегрировали все лучшее, к чему вы привыкли, используя наиболее сильные западные продукты, и сделали это еще удобнее для пользователя в UX Rocket :

• Аналитика строится исключительно на сырых данных и событийной модели.
• Функционал авторазметки позволяет сформировать типовые события, которые в дальнейшем можно объединить, переименовать или скрыть.
• Кастомные события могут быть созданы и активированы в пару кликов с помощью визуального редактора.
• Актуальность разметки обеспечит визард. Одно удовольствие, скажете вы, и будете правы!
• В UX Rocket вы можете быстро и комфортно формировать последовательности событий, оперировать кастомными ивентами, фокусироваться на сегментах и даже формировать когорты на основе событий. Работать с событиями без необходимости лезть в сырые данные – это удобно 🙂.
• Более того, используя функционал "конверсионные события" вы можете осознанно изменять путь клиента, устраняя и добавляя шаги. Ничего подобного на сэмплированных данных сделать не получится!

Все эти и многие другие особенности и делают наш инструмент крайне гибким, удобным и эффективным для аналитика.

Хотите попробовать UX Rocket в деле? Вам сюда https://uxrocket.ru/demo 👈🏼

Обсудим особенности Яндекс Метрики, которые имеют значение для пользователей с серьезными бюджетами на продукт и маркетинг, где цена ошибки становится критическо...

14/08/2024

Когорты – что это такое и с чем их едят?

Любой сервис аналитики в первую очередь оперирует количественными метриками – DAU, визиты, события и прочее. Но на самом деле без использования когорт эти метрики не так полезны. И вот почему.

Если вы не разделяете пользователей на когорты, то фактически смешиваете в одну кучу совершенно разных людей – новых, вернувшихся, текущих клиентов, спящих и отвалившихся. Это вносит шум в ваши данные. Поэтому важно понимать суть когорт.

Когортный анализ — это эффективный метод для изучения поведения пользователей. Главное преимущество когортного анализа в том, что он позволяет отличить новых пользователей от тех, кто возвращается. Это важно для прогнозирования будущих доходов и быстрого выявления проблемных зон в бизнесе.

Вот из чего состоит базис когортного анализа:

1. Разделение пользователей на группы. По определенному признаку, например, дате регистрации, первому посещению или первой покупке.
2. Анализ поведения групп со временем. Исследование активности и вовлеченности пользователей в каждой группе на протяжении времени помогает выявить тренды и закономерности.

Анализ исторических данных в разбивке когорт делает очень крутую штуку – предсказывает динамику KPI в будущем. А взвешенный прогноз своих метрик в среднесрочной и долгосрочной перспективе способствует принятию более обоснованных управленческих решений.

Для проведения когортного анализа определитесь со следующими вещами:

📌 Признак когорты. Событие, которое формирует группу, например, первый визит, первая покупка или регистрация. Пользователи группируются по дате этого события. Например, "когорта по дате первого сеанса".
📌 Размер когорты. Обычно (не необязательно) это день, неделя или месяц. В отчетах когорты могут обозначаться конкретными датами или диапазонами, например, февральская когорта или когорта 31-й недели.
📌 Интервал для анализа. Изучайте когорты в рамках определенного периода, например, за последний год, полгода или квартал. Это даст возможность увидеть динамику в поведении пользователей.
📌 Метрика. Показатель, который трекается по когортам, например, конверсии, покупки или повторные визиты. Очень важно выбрать метрику, которая непосредственно связана с ключевыми бизнес-показателями или служила их заменой.

Главная фишка когортного анализа в том, что он позволяет глубже понять поведение пользователей и оптимизировать бизнес-процессы на основе полученных данных.

Попробовать когортный анализ можно во многих сервисах продуктовой и маркетинговой аналитики, однако, в большинстве своем эти сервисы оперируют сэмплированными данными. Увы, этот путь не претендует на точность результатов. Опираться на сырые данные без сильной SQL-экспертизы в команде раньше было практически нереально.

Мы задумались о том, чтобы возможность быстро и легко создавать и работать с когортами была у всех продуктовых команд, независимо от размеров и наличия SQL-экспертизы. В UX Rocket вы можете создать практически любую когорту на сырых данных – с учетом массы предустановленных и кастомных параметров. Кроме того, вы можете использовать когорты как базу для составления отчета или сегментации, когда отчет уже готов.

Интересно попробовать? Ставьте + в комментариях или оставляйте заявку на нашем сайте: http://uxrocket.ru/demo

07/08/2024

Правильная разметка веб-сайта - какая она?

Сколько настроенных событий вы видели на веб-сайте? 10? 100? 1000? Если сумели зафиксировать интересный рекорд – обязательно напишите в комментариях. Но самое главное – любой карте событий очень легко стать избыточной. Иногда под каждый чих хочется создать свой ивент. Но это тупиковый путь.

Это ведет к переполнению документации, наличию устаревших и никому не известных событий. Которые еще и страшно удалить – а вдруг они кому-то окажутся нужны? Из этой истории есть только один выход - упрощать.

Подавляющее большинство действий пользователя складывается из стандартных событий (скролл, клик, покупка и т.д.). И, как правило, в современных браузерах для этого предусмотрены стандартные JS-события. Что самое удивительное – они могут отслеживаться автоматически, и далеко не всегда обязательно настраивать для этого отдельный ивент.

Три ключевых принципа разметки событий:
1. Определение стандартных событий. Используйте встроенные возможности аналитической платформы https://uxrocket.ru/ для отслеживания стандартных пользовательских действий. Это уменьшает объем работы по настройке и снижает вероятность ошибок.
2. Минимизация кастомных событий. Создание уникальных событий оправдано только в случае специфических, нетипичных действий пользователя. Это помогает избежать ненужной сложности и дублирования данных.
3. Использование простой и понятной логики именования событий. Например, правило "признак действия_субъект действия_глагол действия" – submit_button_click. Правила должны быть интуитивно понятны и приняты всеми командами.

Эти принципы помогут вам эффективно настроить аналитическую систему, минимизировать документацию и уменьшить вероятность ошибок при интеграции разных сервисов.

Если ваш сервис аналитики собирает автоматически регистрируемые события – это вполне нормальная практика. Если так не происходит, вы обрекаете себя на ненужную рутинную работу.

В UX Rocket есть функционал авторазметки, позволяющий собирать массу однотипных и не очень событий без вмешательства со стороны разработки. Кастомные события добавляются с помощью визуального редактора. Хотите попробовать как это работает?

Оставляйте заявку тут https://uxrocket.ru/demo или в комментариях к посту😉 Мечты должны становиться реальностью, а разметка не должна быть болью 🙂

25/07/2024

Продуктовая и маркетинговая аналитика: вместе не тесно, а порознь и правда грустно!

Учитывая все перечисленные здесь: https://t.me/ux_rocket/8 минусы использования зоопарка из аналитических сервисов, очевидно, что использование одного источника данных для получения инсайтов в продукте и маркетинге является стратегически более сильным решением. Если вы формируете свой data lake (например, в виде сырых событий), а потом занимаетесь тем, что решаете с помощью него специфические задачи каждого из подразделений – то буквально с порога снижаете риски зависимости от нескольких сторонних провайдеров.

Более того, в этом случае вы легко сможете заимствовать и переиспользовать параметры продукта в маркетинговой воронке и наоборот – ведь они будут находиться в одной базе данных. И вы или ваши аналитики, например, построят воронку с учетом конкретной атрибуции или учтут недооцененные события для узкого сегмента в кампаниях ремаркетинга.

Платформа UX Rocket как раз является примером такого "озера данных" с базисом в виде сырых событий и надстройками в виде отчетов функционала под специфические задачи. Аналитик, продакт и маркетолог найдут здесь абсолютно все, что им необходимо! Больше не нужно передавать что-то из одного приложения в другое – все находится в одном месте, в виде списка событий, пользовательских параметров, предустановленных когорт и атрибутов. Стандартные продуктовые метрики и конструктор собственных метрик, анализ эффективности рекламных кампаний и модели атрибуции, воронки и путик клиентов - сложнее сказать чего нет, чем перечислить все имеющиеся возможности. Вы можете обогащать данные информацией из рекламных кабинетов, профили клиентов данными из CRM и других систем, но в отличие от GA и ЯМ не рискуете тем, что вашими данными воспользуется провайдер.

В интерфейсе UX Rocket все, что нужно для аналитики, находится в нескольких понятных табах - "Дашборды", "Эксперименты", "События", "Профили" и "Отчеты". Вы можете выбрать нужный функционал и сразу приступить к тому, ради чего пришли - получению инсайтов для принятия качественных управленческих решений. Более того, не уходя с платформы вы можете также и протестировать гипотезы с помощью функционала АВ тестов.

Если для вас вопрос использования нескольких сервисов для продуктовой и маркетинговой аналитики выглядит избыточным, подумайте о том, чтобы использовать для этих целей один.
Наши менеджеры с удовольствием обсудят с вами возможности использования UX Rocket для развития и продвижения вашего продукта: https://uxrocket.ru/demo?utm_source=vc_fb_uxrocket&utm_medium=vc_fb&utm_campaign=vc_fb_uxrocket_1_mark_prod&utm_content=vc_fb_uxrocket_1_mark_prod&utm_term=vc_fb_uxrocket_1_mark_prod

25/07/2024

Маркетолог хочет GA4, а продакт Amplitude - что делать?🧐
Кейс из басни классика – продакт влюблен в Amplitude, маркетологу нужно отслеживать атрибуцию в GA4, а проджект-менеджер не признает ничего, кроме линейных чартов в Grafana. И у каждого есть аргументы, вполне разумные. Ведь у каждого свои, специфические задачи. Тем не менее, всем известно, к чему приводят такие разногласия.
О плюсах использования нескольких сервисов можно почитать здесь https://vc.ru/u/3646675-ux-rocket/1321367-marketingovaya-i-produktovaya-analitika-vmeste-ili-po-otdelnosti

О минусах:

1. Раздутая документация. Необходимо хранить и регулярно обновлять базу знаний, а также фиксировать, хранить и обновлять вводные об одном событии (например, “регистрация”) для 4-5 разных программных продуктов.

2. Нагрузка на производительность вашего продукта. Когда сторонних сервисов становится много, это неизбежно приводит к снижению перфоманс-метрик – например, времени отрисовки самых крупных единиц контента.

3. Сложности с передачей данных. Зачастую одному из приложений необходимо переиспользовать параметры другого. При этом далеко не все сервисы обладают удобным API, а значит придется делать хрупкую=хлипкую доработку.

4. Сложности администрирования. Компания обрастает источниками, каждый из которых в какой-то мере (далеко не самой полной) претендует на оригинальность. Это приводит к путанице и массе вопросов из серии : "А почему данные в A не совпадают с данными в B?".

5. Дороговизна и недоступность. Годовая подписка на продукты уровня GA4 , Amplitude, Adobe Analytics, ABTasty будет колебаться вокруг цифры $100тыс. Стоит ли говорить о том, что в связи с текущей ситуацией в России вопрос покупки всех перечисленных продуктов закрыт или будет закрыт в ближайшие месяцы.

Самое большое недоразумение в использовании нескольких сервисов для аналитики продукта и маркетинга – это то, что они работают с одними и теми же данными в одном и том же контексте. Чаще всего это данные о событиях с вашего веб-сайта или приложения. Иногда они обогащены чем-то интересным из CRM, рекламных кабинетов и т.д. Ваши интересы как заказчика – получать базис для качественных решений. Но к сожалению, аналитические сервисы далеко не всегда преследуют эти интересы в полной мере. Например, последняя версия Google Analytics все чаще побуждала пользователей обогащать GA4 дополнительными данными. Что, совершенно очевидно, полезно провайдеру. Но вы нанимаете сервис аналитики вовсе не для этого. А для того, чтобы получать более качественные Data driven решения.

Как решить эту проблему и сделать работу с данными удобной для всех расскажем в следующем посте 😉

P.s. если вы сталкивались с болью от использования нескольких сервисов в одном продукте - ставьте + в комментариях или поделитесь историей решения проблемы😉

04/07/2024

Привет, друзья!
Конференции проходят – польза остается:)
Если вы не смогли посетить одну из ключевых конференций по аналитике и продуктовому маркетингу Aha!`24, послушать наше выступление и зайти на мастер класс – ничего не потеряно) Мы готовы поделиться записями выступлений и ответить на любые вопросы в комментариях ;)
Ловите:
Наш CEO Денис Платонов рассказал о том, как платформа продуктовой аналитики и АВ тестирования UX Rocket помогает ускорить и снизить стоимость HADI-цикла, поговорили о том куда развиваются инструменты продуктовой аналитики и почему A/B-тесты набирают популярность в МСБ.
Доклад Дениса вы можете посмотреть здесь https://youtu.be/coOt7_TN7rI

А вот здесь https://youtu.be/MHWp5zH5ViQ вы можете виртуально «посетить» наш очень камерный и уютный мастер-класс на тему: «ПОВЕДЕНЧЕСКАЯ АНАЛИТИКА И ЭКСПРЕСС A/B-ТЕСТЫ».
Как это было? Всех участников (аналитики, продакты) мы разделили на две команды и дали задание найти ключевые инсайты в отчётах поведенческой аналитики в UX Rocket и настроить AB тест на визуальном редакторе. Мы были приятно удивлены таким активным откликом от участников: время уже подходило к концу, а ребята ещё во всю аргументировали свою позицию и не спешили покидать зал (p.s. и отпускать нашего СТО🙈)
Благодарим организаторов Алексей Никушин и, конечно же, участников, было по-настоящему интересно и полезно!

24/06/2024

Спасибо за интерес к онлайн-встрече
"Как построить системную работу по развитию UX с помощью платформы для продуктовой аналитики и АВ тестов".

Презентация и видео уже в открытом доступе:

🎞 Видеозапись (https://youtu.be/_kEGt0-sCgU) встречи
📔 Презентация (https://drive.google.com/file/d/1tedtygHhpMwr2RvSghEOcADLVDWdkglQ/view?usp=sharing)

Получить демо доступ (https://uxrocket.ru/demo?utm_source=youtube&utm_medium=cpc&utm_campaign=usabilitylab_vebinar_20_06_youtube&utm_content=usabilitylab_vebinar_20_06_youtube&utm_term=usabilitylab_vebinar_20_06_youtube) к UX Rocket

💬Оставшиеся вопросы задавайте в комментариях.

18/06/2024

Рады узнать, что наш инструмент UX Rocket включен в статью "А/Б-тестирование: 6 лучших инструментов для проведения (2024)"! Делимся ссылкой: https://vc.ru/niksolovov/1156951-a-b-testirovanie-6-top-instrumentov-dlya-provedeniya-2024?ysclid=lvrseeyeuo276752307 Приятного чтения!😊

Как проводить А/Б-тестирование эффективно, получая максимум информации? Это вопрос, который мучает многих специалистов в области интернет-маркетинга и UX. И есть 6 т....