Introduction
Im Zeitalter von Big Data hat man das Gefühl, dass alles datengetrieben sein muss – ein Präfix, das fast jeder Funktion in unserem beruflichen und privaten Leben vorangestellt wird, und das oft ohne jegliche Maßnahmen, um dies zu gewährleisten. Abgesehen von diesem Modewort sind Daten für die Arbeit eines Produktmanagers (PM) in der Tat von zentraler Bedeutung.
Aber Daten zu haben, die Sinn ergeben, auf die man sich verlassen kann, die mit den übrigen Systemen verbunden sind und auf die man einfach und schnell zugreifen kann, ist leichter gesagt als getan. Dies wird zwar immer eine Herausforderung darstellen, doch müssen Produktmanager die Chance erkennen, die sich ihnen bietet: Sie müssen Daten nutzen, um ihre Entscheidungen zu untermauern, neue Ideen einzubringen und letztendlich ein besseres Kundenerlebnis zu schaffen.
Um herauszufinden, wie Produktverantwortliche aller Ebenen darüber denken, haben wir zehn Experten befragt, um zu erfahren, wie sie die Beziehung eines Produktmanagers zu den Daten sehen (unabhängig davon, ob Sie die Beziehung als datengetrieben, datengestützt oder anders bezeichnen würden).
Tauchen wir ein.
Was bedeutet es, datengetrieben zu sein?
In Pendos Bericht Der Stand des Product Leadership 2020 sagten Produktmanager, dass sie ihre Entscheidungsfindung eher auf Daten als auf Instinkt stützen. Aber wie so oft im Produktbereich hat jede Person (oder jedes Unternehmen) eigene Methoden und einen übergeordneten Leitgedanken in Bezug auf Daten.
Als wir die Produktprofis fragten, was datengetriebenes Produktmanagement für sie bedeutet, fielen die Antworten unterschiedlich aus, aber es gab einige deutliche Überschneidungen.
Es geht um ein Produktmanagement, das der Philosophie folgt, kunden- und marktorientierte Entscheidungen über die Produktausrichtung zu treffen, anstatt aus dem Bauch heraus zu handeln oder nur auf ein oder zwei interne Standpunkte zu vertrauen.
Greg Bayer /// SVP of Product
Es ist unerlässlich, stets dazuzulernen, ein besseres Verständnis für unsere Benutzer zu entwickeln und zu verstehen, was für sie wichtig ist. Denn das führt zu besseren Änderungen oder Verbesserungen am Produkt. Für mich ist die Analytik die beste Möglichkeit, das täglich zu überwachen.
Sam Benson /// Product Operations Specialist
Bitte füllen Sie das untenstehende Formular aus, um den Rest dieses E-Books zu lesen.
Für mich geht es beim datengetriebenen Produktmanagement darum, Daten an mehreren verschiedenen Stellen zu nutzen, um fundierte Entscheidungen zu treffen – während man seine Produkthypothese erarbeitet und während des gesamten Produktlebenszyklus.
Rekha Venkatakrishnan /// Senior Manager, Group Product Management
Ich denke, datengetrieben zu sein bedeutet, Daten zum richtigen Zeitpunkt zu nutzen, wobei der Schwerpunkt auf einer großen Anzahl qualitativer Daten liegt. Es geht weniger darum, sich täglich mit Kennzahlen und Dashboards zu beschäftigen, sondern vielmehr darum, dass die Daten in alles einfließen, was Sie als Produktmanager tun.
Bella Renney /// Head of Product
Ich bezeichne es gerne als „datengestützt“ – was für mich bedeutet, Leute mit Daten zu versorgen, auf die sie sich verlassen können, die aktuell sind und es ihnen ermöglichen, in Reaktion auf Kundenbedürfnisse Entscheidungen zu treffen. Dabei erhalten sie genügend Daten, um Nutzen daraus zu ziehen, aber nicht so viele, dass sie dadurch langsamer werden.
Travis Turney /// Senior Data Strategist
Der übergeordnete Gedanke, der mir vorschwebt, ist die Harmonisierung von Signalen, die aus Daten gewonnen werden, um Ihrer Intuition eine bessere Grundlage zu bieten. Meiner Meinung nach gibt es auch bei Daten immer ein Element der Interpretation und des Erkenntnisgewinns, das es zu berücksichtigen gilt.
Manosai Eerabathini /// Product Manager
Daten tragen zur Objektivität bei. Daher denke ich, datengetrieben zu sein bedeutet, sich zuerst die Daten anzuschauen und gleichzeitig anzuerkennen, dass es immer einen Platz gibt für das Bauchgefühl und für Erfahrungen, um die Entscheidungsfindung voranzutreiben.
Beatrice Fabris /// Manager, UX, Content & Development
Es geht darum, fundierte Entscheidungen auf der Grundlage von Daten zu treffen und Daten aus verschiedenen Quellen verwertbar zu machen – alles mit dem Ziel, dem Kunden ein hervorragendes Erlebnis zu bieten. Vor allem aber hilft es dabei, das große Ganze im gesamten Unternehmen zu sehen, indem vor- und nachgelagerte Informationen erfasst und für den Kundenerfolg kanalisiert werden.
Viraj Phanse /// Senior Product Manager
Amazon Web Services
Aus den Antworten können wir eine Handvoll Schlüsselthemen herausfiltern: die Verwendung von Daten zur Entscheidungsfindung im Dienste Ihrer Kunden, die Nutzung von Daten während des gesamten Produktlebenszyklus, das Erfassen von Daten aus verschiedenen Kanälen und das Abwägen von Fakten und Zahlen mit den eigenen Instinkten. Im weiteren Verlauf des E-Books werden wir auf jeden dieser Punkte näher eingehen, aber beginnen wir mit dem Elefanten im Zimmer: der menschlichen Seite der Datenanalyse.
- Daten zur richtigen Zeit nutzen
- Balancieren von Signalen
- Verwendung der richtigen Menge an Daten
- Intuition
- Über den gesamten Produktlebenszyklus hinweg
- Umsetzbare Erkenntnisse aus Daten
- Auf Kundenbedürfnisse eingehen
- Verstehen der Benutzer
- Qualitativ und quantitativ
- Datengestützt
- Das Unternehmen verbinden
Es gibt kein datengetriebenes Produktmanagement ohne den PM
In seinem neuesten Buch 21 Lektionen für das 21. Jahrhundert schreibt der Historiker Yuval Noah Harari: „In einer Welt, die überflutet wird von belanglosen Informationen, ist Klarheit Macht.“ Für Produktmanager sind diese irrelevanten Informationen (und hoffentlich jede Menge relevanter Informationen) Daten, die aus einer Vielzahl von Quellen stammen. Es ist dann Sache des PM, daraus schlau zu werden.
Bei all dem Wert und der Objektivität, die mit den Daten einhergehen, gibt es genügend Variablen oder Situationen, in denen die menschliche Komponente immer Teil der Erfahrung bleiben wird. Diese Objektivität zu haben, aber auch seine eigenen Einsichten, Erfahrungen und sein Bauchgefühl einzubringen, ist der bessere Weg, dies zu erreichen.
Beatrice Fabris /// Manager, UX, Content & Development
Wie wir im vorigen Abschnitt gehört haben, bedeutet „datengetrieben“ nicht unbedingt, den Daten blind zu folgen. Vielmehr ist die mit der Analyse der vorliegenden Daten beauftragte Person genauso wichtig (wenn nicht sogar wichtiger) wie die Daten selbst. Und es gibt zwei Schlüsselbereiche, in denen das menschliche Element der Datenanalyse nicht gegen einen Algorithmus oder ein automatisiertes System ausgetauscht werden kann.
Daten sind Daten, aber sie sagen einem nie, wie eine Entscheidung aussehen sollte.
Tatyana Mamut /// Head of Product
1. Entscheidungen treffen
Egal wie informativ oder aufschlussreich die Daten auch sein mögen – eine menschliche Meinung wird immer nötig sein. Laut Tatyana Mamut, Produktleiterin bei Nextdoor, besteht die Aufgabe eines Produktleiters darin, die Daten effektiv zu interpretieren, ihre Bedeutung zu verstehen und dann Entscheidungen zu treffen, je nachdem, ob die Situation eine Entscheidung erfordert, die auf empirischen Beobachtungen oder auf Werten (oder beidem) beruht.
Travis Turney, leitender Datenstratege bei Rapid7, schloss sich dieser Meinung an: „Es wird nie ein Programm geben, in das man ein paar Eingaben macht und das genau die richtige Lösung ausspuckt. Es gibt keine Datenanalyse ohne einen Menschen, der daran beteiligt ist.“
Sicher, es gibt einige Fragen im Produktmanagement, die mit einem einzigen Datenpunkt beantwortet werden können – Welche Funktion hat mehr Nutzen? Wie hoch ist unser durchschnittlicher NPS-Score? Welchen Prozentsatz der Benutzer des Typs X haben wir nach drei Monaten bei uns behalten? – aber es gibt noch viele weitere Fragen, die sich nicht mit nur einem Punkt beantworten lassen.
Wenn Sie herausfinden möchten, warum Benutzer an einem bestimmten Punkt des Workflows aussteigen, wie sich die Nutzung für eine bestimmte Funktion geändert hat oder welche Version eines In-App-Guides die meisten Aktionen auslöst, muss ein menschlicher Entscheidungsträger beteiligt sein.
2. Im Gespräch mit Kunden
Alles, was ein Produktmanager tut, ist im Dienst des Kunden. Und im direkten Gespräch lässt sich am besten verstehen, was Ihre Kunden benötigen oder von Ihrem Produkt erwarten. Greg Bayer, SVP für Produkte bei Nielsen, sagt, dass regelmäßige Kundengespräche, um Feedback zu bestimmten „Funktionen zu erhalten, bei der Roadmap-Planung zu helfen oder sogar zu erfahren, wie sie komplementäre Technologien einsetzen, einen Makrostandpunkt für den Produktmanager darstellen, der für die umfassende Vision entscheidend ist“.
Selbst wenn Sie glauben zu wissen, was Kunden wünschen, je nachdem, wie sie mit Ihrem Produkt interagieren (z. B. anhand von Produktnutzungsdaten) oder wie sie es empfinden (z. B. anhand von NPS- oder CSAT-Umfragen), kann nichts die Erkenntnisse ersetzen, die Sie aus persönlichen (oder virtuellen) Gesprächen gewinnen. Sam Benson sagte, dass es für das Product Operations Team von Firefly Learning äußerst wichtig ist, quantitative Daten mit qualitativen Recherchen aus Benutzerinterviews zu kombinieren, um das „Warum“ in jeder Phase des Erkenntnisprozesses zu verstehen.
Wir verwenden die Produktanalyse in unserer „Lernphase“, um Schwachstellen in unserem Produkt zu finden und die Arbeitsabläufe der Benutzer zu verstehen. Dann bauen wir darauf mit dem menschlichen Element auf und befragen die Nutzer, um uns wirklich in ihre Erfahrungen hineinzuversetzen und herauszufinden, wie wir diese verbessern können.
Sam Benson /// Product Operations Specialist
Produktmanager müssen Daten verantwortungsvoll nutzen
Je mehr Daten die Produktmanager verwenden, desto mehr Nutzen entsteht (im Idealfall). Doch Beatrice Fabris, Benutzererlebnis-Managerin zuständig für Inhalte und Entwicklung bei Mimecast, erkannte schnell, „dass man die Daten häufig so drehen und wenden kann, wie man will“. Obwohl quantitative Daten als objektiv gelten, können sie dennoch missbraucht werden, je nachdem, wie der Mensch, der hinter der Analyse steht, sie präsentiert.
Produktmanager haben die Verantwortung, Daten so zu verwenden, dass das Gesamtbild nicht verzerrt oder verdeckt wird. Es wird immer erforderlich sein, dass Produktmanager auf ihre eigene Intuition, Erfahrung und Meinungen zurückgreifen, um die richtigen Entscheidungen zu treffen. Aber Daten spielen bei diesen Entscheidungen in jeder Phase des Lebenszyklus der Produktentwicklung eine wichtige Rolle.
Das ist etwas, das mir ein wenig Sorgen bereitet, denn die Leute gehen oft davon aus, dass man keinerlei Fehler mehr macht, sobald man die Daten hat. Aber es genügt, wenn die Person nur einen Teil des Gesamtbildes zeigt – und einen anderen nicht – und schon wird eine ganz andere Geschichte erzählt.
Beatrice Fabris /// Manager, UX, Content & Development
So nutzen Produktmanager Daten
Obwohl Daten für einen Produktmanager immer nützlich sind, ist dieser Nutzen stets unterschiedlich. Rekha Venkatakrishnan, ein leitender Manager des Konzern-Produktmanagements, betrachtet Daten als einen fortlaufenden Teil des Produktentwicklungs-Lebenszyklus. Hierbei kommt es jedoch darauf an, sicherzustellen, dass Sie wissen, welche Daten Sie benutzen wollen (und warum), um Ihre Ziele zu erreichen.
Beatrice Fabris von Mimecast schloss sich dieser Meinung an: „Ich würde eigentlich nicht sagen, dass es einen bestimmten Bereich gibt, in dem Daten am wertvollsten sind. Daten können während des gesamten Prozesses verwendet werden. Wir müssen nur sicherstellen, dass wir die Daten auf die richtige Art und Weise nutzen, denn nur so erhalten wir den meisten Nutzen.“
Sie erklärte weiter, dass im UX-Team je nach Phase, in der sich ein Produkt befindet, unterschiedlich an Daten herangegangen wird. Vor der Einführung einer neuen Funktion untersucht sie, wo Benutzer viel Zeit im Produkt verbringen, um so herauszufinden, wo sie ergänzende In-App-Guides einsetzen sollten. Bei einem Produkt, das bereits auf dem Markt ist, verwenden sie Daten, um Bereiche zu identifizieren, die verbessert werden müssen, und um die Leistung von In-App-Guides zu bewerten.
Dennoch lohnt es sich, auf Bereiche der Produktentwicklung und des Kundenlebenszyklus hinzuweisen, in denen Daten eine wichtige Rolle spielen können:
ENTDECKUNG
Im Rahmen des Erkenntnisprozesses können Produktmanager Daten nutzen, um mögliche Schwachstellen im Produkt zu identifizieren und darüber zu informieren, welche Änderungen oder Aktualisierungen vorgenommen werden sollten. Auf der anderen Seite ist es auch nützlich, einen Blick auf die am häufigsten verwendeten Funktionen zu werfen, um zu sehen, ob sich dieses Erlebnis für Ihre Benutzer verbessern lässt. Wenn Sie wissen, dass eine bestimmte Funktion mit wichtigen Kundenergebnissen verbunden ist, sollten Sie immer nach neuen Möglichkeiten suchen, diese besser zu machen.
Roadmapping
Daten zur Produktnutzung sind wertvoll, um direkt in die Produkt-Roadmap einzufließen (d. h. welche Funktionen werden von den Kunden am häufigsten genutzt und erfordern daher mehr Aufmerksamkeit?), aber Viraj Phanse, Produktmanager bei Amazon Web Services, erwähnte ein anderes Szenario. Er betonte, dass manchmal ein Produktmanager eine Idee für die Roadmap habe, aber keine Daten zur Verfügung stünden, um sie zu belegen. In diesem Fall müssen die PMs die Entscheidung so oder so treffen und dabei auch intelligente Risiken eingehen. Ein kundenorientierter Ansatz kann ebenfalls hilfreich sein: Konzentrieren Sie sich während der gesamten Roadmap-Journey auf die Probleme Ihrer Kunden und fragen Sie sich ständig, welches Kundenproblem Sie lösen möchten.
Einführung von Funktionen
Greg Bayer von Nielsen sagt, dass sein Team bei der Einführung neuer Funktionen immer zuallererst die Akzeptanz und Nutzung verfolgt, einschließlich der Frage: Wie viele Kunden nutzen die neue Funktion, und führt sie insgesamt zu einem größeren Engagement für das Produkt? Er betonte, wie wichtig es ist, Erfolgskriterien mit Ihren Kunden zu verknüpfen, denn schließlich wollen Sie, dass Ihre Kunden erfolgreich sind, weil sie Ihr Produkt genutzt haben.
Sie sollten auch den Erfolg einer neuen Funktion analysieren, um etwaige Nutzungsmuster zu verstehen und zu erfahren, was die Kunden möglicherweise noch von dem Produkt erwarten. Vor allem sollten Sie sicherstellen, dass Sie über eine Tracking-Funktion verfügen, bevor Sie eine neue Funktion einführen. Travis Turney von Rapid7 ist der Meinung, dass die Kennzahl selbst nicht so wichtig ist wie eine Art Messprogramm, damit man mit der Zeit lernen kann, was ein „guter“ Wert ist.
Onboarding
Bei der Entwicklung einer Onboarding-Strategie können Produktdaten Ihnen dabei helfen, zu bestimmen, welche Funktionen in Ihren Onboarding-Flow einbezogen werden sollten (d. h. diejenigen, die am ehesten zum Erfolg des Produkts führen). Außerdem können Produktdaten Ihnen helfen, die Onboarding-Effektivität zu messen.
Auch Travis Turney von Rapid7 bezeichnete das Onboarding als einen wichtigen Bereich, um durch die über die Kunden erfassten Daten mehr über sie zu erfahren. Da sich Kunden bei der ersten Nutzung Ihres Produkts eher wohl fühlen, wenn sie Informationen über sich selbst zur Verfügung stellen, ist dies laut Travis Ihre beste Gelegenheit, Daten zu erfassen (z. B. über ihre Position in ihrem Unternehmen). Mit diesen Informationen können Sie dann in Zukunft ein individuelleres Produkterlebnis bieten.
Experimentieren und Testen
Der Experimentierprozess ist auf die Daten angewiesen, während Sie testen, analysieren und lernen, was funktioniert und was nicht. Manosai Eerabathini von Google sieht Daten als entscheidend für Experimente, insbesondere bei Produkten, die gut etabliert sind und bei denen das Testen und Implementieren von kleinen Optimierungen des Nutzererlebnisses eine große Wirkung erzielen kann.
Andy Browning, Benutzererlebnis-Autor bei Mimecast, erklärte dies aus der Perspektive des Benutzererlebnis-Teams: „Wir haben festgestellt, dass wir, wenn wir Benutzertests durchführen, unsere eigenen Ideen und Instinkte einfließen lassen. Dann sehen wir jedoch, wie sich die Benutzer in Wirklichkeit mit dem Produkt beschäftigen und erhalten die Daten. Und dann kann es sein, dass wir völlig falsch liegen. Und daran lässt sich dann nicht herumargumentieren – es ist offensichtlich, wo man Verbesserungen vornehmen muss.“
Retention
Kundenbindung ist immer wichtig, aber es ist für Unternehmen noch wichtiger geworden, der Kundenbindung einen Schritt voraus zu sein und zu verstehen, wie die Kunden die Anwendung nutzen. Sam Benson erläuterte, wie CSMs (Customer Success Manager) bei Firefly Learning eine gute Vorstellung von den Benutzer-Journeys ihrer Kunden haben müssen, um produktive Gespräche führen zu können, insbesondere wenn es um Verlängerungen geht. Auf diese Weise können CSMs die richtigen Empfehlungen anbieten, die auf die Nutzung des jeweiligen Kundenkontos zugeschnitten sind.
Von Kunden, die abwandern, können Sie am meisten lernen
Bella Renney, Produktleiterin bei Tray.io, ist überzeugt, dass die wertvollsten Informationen nicht nur aus der Nutzung von Daten zur Optimierung der Kundenbindung stammen, sondern auch aus Gesprächen mit Kunden, die ihr Abonnement nicht verlängern oder Ihr Produkt nicht mehr nutzen:
„Ich interessiere mich viel mehr für die Kunden, die das Tool gefunden und benutzt haben und dann entschieden haben, dass es nicht nützlich ist. Warum sind sie abgewandert? Das ist meiner Meinung nach das wichtigste Datenelement, mit denen man als Produktmanager Prioritäten setzen kann.“
Daten beginnen und enden nicht mit dem PM
Wenn sie effektiv genutzt werden, existieren Produktdaten als gemeinsame Sprache im gesamten Unternehmen. Nahezu jedes Team hat einen Grund, sich dafür zu interessieren, wie das Produkt funktioniert oder wie die Kunden es benutzen, insbesondere bei Organisationen, die „produktgeführt“ sind. Ein großer Teil der Aufgabe eines Produktmanagers besteht also darin, den Rest der Organisation mit den gesammelten Daten und Erkenntnissen zu versorgen.
Hier sind einige Tipps für den effektiven Austausch von Produktdaten:
- Sicherstellen, dass alle Beteiligten Zugang zu den Produktdaten haben
- Beim Austausch von Produktdaten ist es wichtig, die Informationen bereitzustellen, die für jede Art von Stakeholdern (z. B. die verschiedenen Teams) relevant sind.
- Wenn Sie eine Nordstern-Kennzahl haben, so können Sie diese als Instrument für den Austausch von Produktdaten verwenden.
- Einbeziehen von Produktdaten in die gemeinsame Nutzung bei unternehmensweiten Meetings für alle Mitarbeiter oder Townhall-Meetings.
- Erläutern Sie den Kontext, warum die Daten für jeden Interessenvertreter oder jedes Team speziell wichtig sind
- Verwenden Sie Slack (oder einen anderen Kommunikationskanal), um Produktdaten auszutauschen und kollaborative Gespräche zu fördern.
Ich stelle sicher, dass alle Interessengruppen Zugang zu umfassenderen Berichtsdaten haben, wenn sie dies wünschen. Ich finde es jedoch immer am nützlichsten, eine monatliche Präsentation abzuhalten, bei der das Produktteam die aktuellen Versionen und deren Wert für Kunden diskutiert.
Greg Bayer /// SVP of Product
Ein Anwendungsfall für Product Ops
„Ich arbeite mit allen unseren Teams bei Firefly zusammen, um sie zu entlasten und es ihnen zu ermöglichen, über Produktanalysesysteme wie Pendo tief in die Benutzerdaten einzutauchen. So können wir sicherstellen, dass wir eine Plattform bieten, die unsere Benutzer lieben.“
Um Beispiele zu nennen, sagte Sam, sie analysiere Benutzer-Workflows und Kundendaten und berichte dann über Trendprobleme an funktionsübergreifende Teams im gesamten Unternehmen. Die Product Ops Org stellt auch sicher, dass jedes Team im gesamten Unternehmen dazu angeregt wird, die vom Produktteam bereitgestellten Tools, Daten und Erkenntnisse zu nutzen. Sam hilft auch dabei, Produktideen und Rückmeldungen von Kunden zurück an das Produktmanagementteam zu leiten.
Bei all den unterschiedlichen Arten, wie Produktmanager Daten verwenden, stellt sich die Frage: Welche Kennzahlen sollten sie benutzen?
Wichtige Kennzahlen
Daten zu nutzen, um ein hervorragendes Produkt zu schaffen, ist nur die halbe Miete. Produktmanager müssen auch Produktnutzung, Nutzerstimmung und Kundenfeedback verfolgen, um kontinuierlich das beste Produkterlebnis zu bieten und sicherzustellen, dass die Bedürfnisse der Kunden erfüllt werden. Sogar Sweetgreen, eine Fast-Casual-Kette für Salate, bezeichnet sich als Technologieunternehmen und geht dazu über, Kennzahlen wie aktive App-Benutzer und Lifetime Value von Kunden zu verfolgen, anstatt nur Ladenverkäufe oder Besucherzahlen zu erfassen.
Der Mensch fühlt sich von Natur aus zu Informationen hingezogen, die klar strukturiert und, wenn möglich, vereinfacht sind. Am schwierigsten ist es oft, zu bestimmen, welche Produktkennzahlen gemessen werden sollen und, davon ausgehend, welche Kennzahlen am wichtigsten sind. Als wir unsere Interviewpartner fragten, was die wichtigsten zu messenden Kennzahlen für PMs sind, gab es einen überwältigenden Konsens: Es kommt darauf an.
Hier sind einige der Faktoren, die sich darauf auswirken, welche Kennzahlen Produktmanager verfolgen sollten:
- Ist Ihr Unternehmen ein B2B-, B2C- oder Hybridunternehmen?
- Ihre Branche (z. B. SaaS oder Nicht-SaaS, Unternehmen oder Verbraucher als Kunden)
- Das Stadium, in dem sich Ihr Produkt befindet
- Die Ziele Ihres Unternehmens (z. B. Neukundengewinnung oder -bindung)
Da es keine allgemeingültigen Produktkennzahlen gibt, finden Sie hier einige Möglichkeiten, wie Sie bei der Auswahl der Schwerpunkte vorgehen können:
Ich glaube, am Ende des Tages muss es eine Möglichkeit geben, die einzelnen Punkte wieder mit den allgemeinen Geschäftszielen zu verbinden. Wenn Sie das nicht tun können, konzentrieren Sie sich vermutlich nicht auf das Richtige.
Manosai Eerabathini /// Product Manager
Sie werden einen Kompromiss zwischen Datenmenge und Vollständigkeit eingehen müssen – Benötigen Sie viele Daten oder benötigen Sie weniger Datenpunkte, die aber vollständiger sind, wie beispielsweise schriftliche Antworten aus einer Umfrage? In diesem Fall empfiehlt es sich möglicherweise, mehrere Methoden zur Datenerfassung anzuwenden, z. B. eine Sentiment Survey sowohl in der App als auch per E-Mail durchzuführen.
Travis Turney /// Senior Data Strategist
Als jemand, der sich mit B2B- und B2C-Produkten auskennt, geht es in erster Linie um die Kunden: Akquise, Einbindung und Bindung.
Rekha Venkatakrishnan /// Senior Manager, Group Product Management
Ich habe in erster Linie im B2B-Bereich gearbeitet, wo ich nach erfolgreichen Elementen bei der Einführung von Funktionen und Aktivitäten suche – wie oft sich Kunden anmelden, oder wie viele Mitarbeiter eines Kunden das Produkt nutzen. Wenn Verkaufsdaten verfügbar sind, untersuche ich auch, wie verschiedene Kennzahlen (z. B. Werbeeinnahmen) auf der Grundlage der Funktionsakzeptanz im Trend liegen.
Greg Bayer /// SVP of Product
Zwei Beispiele für Kennzahlensysteme
1. Viraj Phanse von Amazon Web Services stellt ein Kennzahlensystem zur Verfügung, bei dem Sie die Kennzahlen nach dem internen Team oder externen Interessengruppen kategorisieren, für die sie relevant sind. Hier sind Beispielkennzahlen für jede seiner vier definierten Kategorien:
- Management: Umsatz, Rentabilität, Net Promoter Score (NPS), Kundenbindung, Customer Lifetime Value (CLV)
- Kunde: NPS, Customer Satisfaction Score (CSAT), Customer Effort Score (CES)
- Marketing: CLV, Konvertierungen, Wachstum der täglichen und monatlichen aktiven Benutzer
- Technische Abteilung: Anzahl der Probleme, Geschwindigkeit, Click-Through-Rate, NPS
2. Tatyana Mamut von Nextdoor stellte das von ihrem Team entwickelte Kennzahlensystem vor, das ebenfalls in vier Kategorien unterteilt ist:
- Produktwert: Hierbei handelt es sich um nachlaufende Indikatoren für den Produkterfolg wie Engagement-Kennzahlen (z. B. DAU/ MAU) und Umsatz.
- Produktverbundenheit: Diese helfen dem Produktteam zu verstehen, ob sie ein Produkt anbieten, das die Kunden nicht nur benutzen, sondern eines, das sie lieben. Im Idealfall handelt es sich um vorlaufende Indikatoren wie WAU (in der 4. Woche) und NPS.
- Produktzweck: Die meisten Unternehmen haben eine Zweckerklärung, messen aber nicht unbedingt ihre Effektivität bei der Erfüllung dieses Zwecks. Bei Nextdoor macht das Team dies anhand einer Kennzahl für die Leistungsfähigkeit der Nachbarschaft (Neighborhood Vitality metric), die sie anhand der Anzahl der hergestellten qualitativ hochwertigen Verbindungen (online und offline) und der Menge der gemeldeten Inhalte auf ihrer Plattform verfolgen.
- Passionierte Mitarbeiter: Da man ohne engagierte Mitarbeiter kein hervorragendes Produkt schaffen kann, misst Nextdoor die Motivation der Mitarbeiter (durch häufige Umfragen und ständiges Feedback) und bringt sie auf die oberste Ebene ihres Messrahmens.
Die Nordstern-Kennzahl
Die Idee einer Nordstern-Kennzahl ist eine gängige Praxis für Produktteams, die sich auf einen Datenpunkt konzentrieren wollen. Da es oft schwierig ist, alle Daten von verschiedenen Quellen auszubalancieren, hilft eine Nordstern-Kennzahl den Teams dabei, sich auf eine Sache zu konzentrieren. Der einzige Nachteil ist, dass Produktmanager dadurch andere Produktsignale aus den Augen verlieren können, die ebenfalls wichtig sind.
Manosai Eerabathini von Google war nicht immer vom Konzept der Nordstern-Kennzahl überzeugt. Mit der Zeit hat er allerdings erkannt, wie wertvoll es ist, seinen Fokus zu bündeln und seine Fortschritte anhand einer umfassenden Kennzahl zu verfolgen. Seine Herangehensweise an die Nordstern-Kennzahl besteht darin, eine Hierarchie von unterstützenden Kennzahlen aufzubauen, auf denen sich eine umfassende Kennzahl aufbauen lässt.
Bei Tray.io erstellte das Team eine eigene Nordstern-Kennzahl unter der Bezeichnung „Benutzer-Score“, die mehrere Datenpunkte (z. B. täglich aktive Benutzer, Klicks und andere Trichter-Kennzahlen) in einer übergeordneten Ansicht zusammenfasst. Bella Renney sagt, dass sie sich täglich mit dieser Kennzahl befasst, wobei sie normalerweise die Anzahl der Benutzer untersucht, die sich in drei verschiedenen Bereichen der Scores befinden. Dieser aggregierte Score ermöglicht es ihrem Team auch, die zugrunde liegenden Datenpunkte zu untersuchen, um zu verstehen, warum der Score eines bestimmten Kunden gestiegen oder gesunken ist.
Ihr Rat zur Wahl einer eigenen Nordstern-Kennzahl oder eines eigenen umfassenden Scores? „Schauen Sie sich genau an, was Erfolg für Ihre Nutzer bedeutet, und bauen Sie Ihren Score speziell darauf auf.“
Wenn ein PM nicht mit Überzeugung an seinem eigentlichen Ziel arbeitet, dann wird es schwierig sein, herauszufinden, was er oder sie optimieren will. Wenn Sie viele verschiedene Signale haben, laufen Sie entweder Gefahr, sich selbst zu randomisieren, oder Sie folgen blind dem, was die Daten Ihnen sagen.
Manosai Eerabathini /// Product Manager
Quantitative und qualitative Ausgewogenheit
Ein weiteres Thema, das in fast jedem Gespräch aufkam, ist, dass die PMs quantitative und qualitative Daten gegeneinander abwägen müssen. Laut Greg Bayer von Nielsen „muss ein guter Produktmanager beides zu gleichen Teilen miteinander verbinden“.
Das kann wie folgt aussehen:
Bei Mimecast, so Beatrice Fabris, verwenden sie ihr Produktanalyse-Tool, um zu validieren, ob die Problembereiche, die das Team bei Kundenanrufen am häufigsten hört, mit den Bereichen übereinstimmen, in denen die Benutzer die meiste Zeit im Produkt verbringen. Die Daten ergänzen qualitative Informationen aus Supportanfragen, um so ein vollständigeres Bild zu erstellen.
Travis Turney von Rapid7 betonte, dass die Aussagekraft quantitativer und qualitativer Daten besonders wichtig sei, wenn das Team daran arbeitet, seinen Onboarding-Flow zu optimieren. Durch die Kombination von Informationen aus Support-Tickets und Produktnutzung konnten sie Bereiche des Produkts besser identifizieren, in denen sich mithilfe höherer Investitionen ein besseres Erlebnis für neue Kunden schaffen ließ.
Viraj Phanse von Amazon Web Services nannte ein Beispiel im Zusammenhang mit dem Verständnis von Kundenproblemen – er vertritt die Ansicht, dass Produktmanager wirklich mit Kunden sprechen müssen, um die Probleme, mit denen sie konfrontiert sind, zu verstehen.
Weiter geht es darum, sich in die quantitative Seite der Dinge zu vertiefen, indem man sich die Antworten auf NPS-Umfragen oder die Kohortenanalyse für die spezifische Funktion ansieht, bei dem der Kunde Probleme hat.
Als Nächstes hören wir, was Produktmanager laut unseren Experten benötigen, um Daten effektiv nutzen zu können.
Wenn Sie über quantitative Daten wie Produktnutzung oder Umfrageantworten auf der Grundlage einer Zehn-Punkte-Skala verfügen, müssen diese mit qualitativen Daten aus offenen textbasierten Umfragen oder Kundenfeedback kombiniert werden. Ich glaube, dort findet man die wichtigsten Erkenntnisse.
Travis Turney /// Senior Data Strategist
Besseres datengetriebenes Produktmanagement
Um anderen Produktverantwortlichen zu helfen, sich weiter zu verbessern, baten wir unsere Befragten, die eine Fähigkeit oder das Tool zu nennen, das ein datengetriebener Produktmanager für seine Arbeit benötigt. Folgendes hatten sie zu sagen (PMs, bitte mitschreiben).
Es gibt zwei Fähigkeiten, die die führenden Produkthersteller oftmals vom Rest unterscheiden. Die eine ist die Kundenintuition, die sich aus unzähligen Stunden Beschäftigung mit den Kunden und der Nutzung des Produkts in der Art und Weise ergibt, wie der Kunde es benutzen würde. Der zweite ist der Mut zu riskanten Entscheidungen aus Überzeugung, selbst dann, wenn die Entscheidung unbeliebt ist oder auf unklaren oder fehlenden Daten beruht.
Tatyana Mamut /// Head of Product
Nutzen Sie Excel mit Bedacht. Erstellen Sie Pivot-Tabellen, Trendgrafiken und erzählen Sie eine Geschichte anhand eines großen Rohdatensatzes.
Greg Bayer /// SVP of Product
Ich würde sagen, es ist die Fähigkeit eines Produktmanagers, mit vorhandenen Daten zu arbeiten, und die Art und Weise, wie er sie dann anderen präsentiert.
Sam Benson /// Product Operations Specialist
Investieren Sie Ihre Zeit in das Verstehen der Daten – experimentieren und spielen Sie mit den Daten und lernen Sie schließlich aus ihnen. Dafür gibt es keine Frist, und es gilt, seine Fähigkeiten kontinuierlich zu verbessern.
Rekha Venkatakrishnan /// Senior Manager, Group Product Management
Man kann der beste PM der Welt sein, alles extrem sorgfältig im Auge behalten und sicherstellen, dass alle JIRA-Tickets in Ordnung sind. Wenn man aber am Ende des Tages nicht in der Lage ist, mit dem Designer zu kommunizieren, der sich der eigenen Gründlichkeit verschrieben hat, oder mit dem Vice President, der keine Zeit hat und alles in zwei Sekunden verstehen muss, dann wird die eigene Arbeit als PM deutlich schwieriger.
Beatrice Fabris /// Manager, UX, Content & Development
Statistik- und Datenvisualisierungs-Kenntnisse sind zwei Fähigkeiten, die alle Produktmanager erlernen sollten. Sie helfen den PMs, Daten in aussagekräftige Erkenntnisse umzuwandeln, Benutzerexperimente durchzuführen, Produkthypothesen zu testen und die Daten den Stakeholdern auf sinnvolle Weise zu präsentieren.
Viraj Phanse /// Senior Product Manager
Amazon Web Services
Establishing a north star— some high level metric or goal that you can look up at, especially when you’re deep in the weeds and wondering if you’re still on course. I find that really grounding and I would advocate for all product managers to do that.
Manosai Eerabathini /// Product Manager
Aus UX-Perspektive glaube ich, dass man seine Benutzer wirklich grundlegend verstehen muss; denn sobald man Daten erhält, geht es darum, wie man sie interpretiert und damit eine bessere Erfahrung für den Endbenutzer erschafft.
Andy Browning /// Benutzererlebnis-Autor
Datenkompetenz ist der Schlüssel. Menschen, die Daten wirklich verstehen und diese Kompetenz besitzen, sind besser in der Lage, Ziele festzulegen, mit denen sich der Erfolg vorhersagen lässt, als Leute, die dieses Wissen nicht haben.
Travis Turney /// Senior Data Strategist