Thanh Xuân
Ngày 22 tháng 3 năm 2017
Các công cụ phân tích dữ liệu lớn hiện nay đã trở nên phổ biến và rẻ hơn so với trước đây. Tuy nhiên, trong khi các công cụ này cung cấp cho bạn "thông tin" — một lượng lớn dữ liệu — chúng không cung cấp "cách thức" để sử dụng nó.
Một nhà phát triển ứng dụng game, ví dụ, có thể thiết lập các công cụ đơn giản, sẵn sàng sử dụng để thu thập hàng triệu điểm dữ liệu hàng ngày về hành vi chơi game của người dùng, hoạt động lan truyền, tương tác quảng cáo và các yếu tố khác. Tuy nhiên, việc xác định xem dữ liệu nào là hữu ích, không hữu ích hoặc không đáng nghiên cứu ngay từ đầu là trách nhiệm của nhà phát triển.
Dưới đây, chúng ta sẽ đi qua một quy trình ra quyết định hữu ích, lấy ví dụ về nhà phát triển trò chơi giả định của chúng ta.
Bắt đầu với những câu hỏi đúng đắn
Trước khi thu thập bất kỳ dữ liệu nào, bạn có thể bắt đầu đặt câu hỏi về hiệu quả kinh doanh. Những câu hỏi này đóng vai trò như những "kính che mắt" giúp bạn tập trung vào những điều quan trọng. Mặc dù bạn cũng có thể quyết định mục tiêu mong muốn — ví dụ: tỷ lệ giữ chân khách hàng 50% vào ngày đầu tiên — và cố gắng tìm kiếm manh mối trong dữ liệu để đạt được mục tiêu đó, nhưng cách tiếp cận này thiếu sự tập trung của một câu hỏi và có nguy cơ dẫn đến thiên vị xác nhận.
Đối với ví dụ của chúng ta, hãy giả sử nhà phát triển bắt đầu bằng câu hỏi: “Tại sao người dùng của tôi không quay lại thường xuyên?”
Sau khi bạn đã biết bắt đầu từ đâu, hãy đi sâu hơn.
Để đạt kết quả tốt nhất, hãy đặt câu hỏi càng cụ thể càng tốt. Câu hỏi "Tại sao người dùng của tôi không quay lại thường xuyên?" có quá nhiều hướng điều tra tiềm năng. Một câu hỏi cụ thể nên dựa trên những kiến thức cơ bản mà nhà phát triển đã biết.
Nhà phát triển: “Tại sao người dùng của tôi lại mở ứng dụng trong các phiên dài từ 5 đến 10 phút và tham gia vào trò chơi, nhưng vẫn không quay lại thường xuyên?”
Xây dựng các giả thuyết có thể trả lời các câu hỏi của bạn.
Sau khi hoàn tất các câu hỏi của mình, hãy đưa ra các giả định có thể được chứng minh hoặc bác bỏ.
Giả thuyết ban đầu của nhà phát triển: “Người dùng trò chơi của tôi không quay lại thường xuyên vì họ có ít kết nối trên ứng dụng.”
Sau đó, gán một hành động cho mỗi kết quả (đúng, sai hoặc khác) để có bước tiếp theo ngay lập tức sau khi xác thực.
Giả thuyết cuối cùng của nhà phát triển: “Người chơi của trò chơi của tôi không quay lại thường xuyên vì họ không có đủ kết nối hoạt động. Nếu điều này là đúng, thì chúng ta cần một chiến lược để đưa bạn bè của họ vào trò chơi. Nếu giả thuyết của tôi là sai, thì tôi sẽ xem xét các nguyên nhân khác như thông báo được gửi không đúng thời điểm.”
Phân đoạn người dùng khi phân tích dữ liệu
Cohort của bạn càng nhỏ, việc lập kế hoạch hành động dựa trên hành vi của họ càng dễ dàng. Phân tích dữ liệu theo khu vực đăng ký, độ tuổi hoặc loại thiết bị và kết hợp với các yếu tố như số lượng kết nối hoặc hành vi đối với thông báo.
Nhà phát triển: “Việc tạo một chiến dịch giới thiệu dành cho người dùng iOS trong độ tuổi 18-25 sống tại Mỹ sẽ dễ dàng hơn nhiều so với việc chỉ nhắm mục tiêu đến tất cả người dùng iOS.”
Xác định các chỉ số thành công
Không có các chỉ số thành công để đo lường dữ liệu, việc quyết định liệu có nên tiếp tục một chiến lược hay đã đến lúc cần điều chỉnh lại trở nên khó khăn. Ngoài ra, việc xác định chính xác những người dùng nào thuộc nhóm đối tượng mà bạn muốn phân tích cũng gặp nhiều thách thức.
Nhà phát triển: Làm thế nào để phân biệt người dùng tích cực với những người dùng khác? Có phải khi họ truy cập ứng dụng mười lần một tuần? Có nên đo lường người dùng iOS và Android dựa trên cùng một tiêu chí không?
Và đừng nhìn vào các điểm dữ liệu riêng lẻ.
Cuối cùng, hãy nhớ rằng mọi thứ đều thay đổi. Ví dụ, các nhà phát triển hàng đầu thường dành hàng tháng để hoàn thiện quy trình hướng dẫn, chỉ để sau đó vứt bỏ và bắt đầu lại từ đầu. Điều đó là vì người dùng mà bạn có ngày hôm nay có thể không giống như cách đây 6 tháng. Đừng quá tập trung vào các điểm dữ liệu mà bỏ qua xu hướng chung.
Nhà phát triển: “Giờ đây, khi chúng ta đã đạt được sự tăng trưởng đột phá trong phân khúc 18-35, liệu chúng ta có nên tiếp tục cải thiện cho phân khúc 36-50 không?”
Đừng quên rằng kết quả của dữ liệu này không nên bị giới hạn trong bộ phận phân tích kinh doanh hoặc phòng họp của ban lãnh đạo. Khi bạn đặt câu hỏi và đưa ra kết luận, hãy đảm bảo rằng quy trình truyền đạt thông tin cho các đội khác đang hoạt động hiệu quả. Ví dụ, đội marketing sẽ được hưởng lợi khi biết các phân khúc khách hàng cần tập trung quảng cáo. Các nhà thiết kế cần biết tần suất sử dụng để thiết kế trải nghiệm ứng dụng mượt mà. Các lập trình viên cần biết dự báo sử dụng để điều chỉnh cập nhật một cách phù hợp. Dữ liệu cần được chia sẻ rộng rãi.
Và để giữ cho mọi thứ được tổ chức một cách hợp lý, tốt nhất là bạn nên sử dụng một công cụ duy nhất cho tất cả dữ liệu của mình, thay vì nhiều hệ thống riêng lẻ. Để biết thêm thông tin về việc lựa chọn dịch vụ, hãy tham khảo bài viết gần đây của chúng tôi. Bài viết về các công cụ phân tích kinh doanh.
