Product Management: O Papel da Análise de Dados
A Análise de Dados é uma ferramenta crucial para a evolução da gestão de produtos.
Por Cleverism.com (publicado originalmente aqui, em inglês)
Mais de cem anos atrás, o conceito de Análise de Dados — ou Data Analytics — não dizia muita coisa para empresas e profissionais de gestão.
Equipes de produto e gerentes, provavelmente, nem sabiam o que a palavra queria dizer. Mas as coisas mudaram, e agora a Análise de Dados é vista como uma ferramenta crucial para a evolução e o sucesso na gestão de produtos. E não é só em produtos: a análise de dados está por toda parte. Praticamente qualquer parte de uma organização que gera ou utiliza dados vai, inevitavelmente, ter que lidar com Analytics.
Nesse artigo, nós vamos explorar:
1. Definição de Análise de Dados
2. Conceitos-Chave da Análise de Dados
3. Uso prioritário de Análise de Dados em Product Management
4. Principais ferramentas de Análise de Dados para Product Managers
Definição de Análise de Dados
O que, exatamente, é Análise de Dados?
No contexto dos negócios, é geralmente a análise de um grande conjunto de dados por estatística, matemática e, hoje, por softwares e aplicativos. Quando se fala “Analytics”, estamos falando de números — e sua depuração.
Ficar somente na tradução de Data Analytics para “ciência da análise” pode parecer injusto com o termo porque, mais que uma ciência, a Análise de Dados agora é vista como um processo que envolve o uso de habilidades, tecnologia, aplicações e práticas empresariais.
O objetivo geral da análise de negócios é estudar o desempenho para obter insights de valor sobre a posição atual da companhia — e tomar decisões baseadas em dados históricos.
Em Product Management, o objetivo é essencialmente o mesmo, mas a aplicação da análise de dados é mais precisa.
A inteligência analítica utilizada em Product Management busca visualizar o status atual do produto e como clientes estão lidando com ele. Para ser corretamente qualificado como Análise de Dados, o processo deve envolver uma sequência de mensurações, uma vez que a análise não pode ser feita a partir de uma medição isolada.
Digamos que um negócio gera uma grande quantidade de dados — mas tem ferramentas insuficientes para analisar. Isso significa que todo esse volume de dados não vai ter utilidade nenhuma, porque ele não pode ser transformado em input de gestão. Logo, ter os dados disponíveis não é o bastante; o que você faz com os dados que tem nas mãos é o que realmente faz a diferença.
E há uma razão fundamental para que a Análise de Dados ganhe papel de destaque em Product Management: aprimoramento. Sem as medições, não tem como uma equipe de produtos saber se o produto de fato atende as necessidades de usuários. Ela também não será capaz de tomar decisões embasadas, seja para manter o produto como está ou para fazer modificações. Caso a decisão seja fazer modificações e não houver nenhuma inteligência analítica, significa que eles nunca saberão se as mudanças implementadas foram eficazes ou não.
Em poucas palavras, muito do sucesso ou fracasso de um produto está na Análise de Dados, e como ela é utilizada.
Conceitos-chave em Análise de Dados
Análise de Dados também tem outros nomes, como Data Analytics, Métricas ou simplesmente Dados. Nesse texto, vamos usar Análise de Dados e Métricas para fazer referência à mesma coisa.
Há quatro conceitos–chave em Análise de Dados:
- pontos de medição
- segmentação
- funis
- cohorts
Pontos de medição se referem à coleta individual de dados e também a medição de itens particulares. Basicamente, pontos de medição são os registros, apoiados por data e hora em que esses registros foram feitos. Pontos de medição são importantes porque facilitam a classificação ou tipificação dos dados mais adiante. Por exemplo, a equipe de produtos pode optar por analisar tendências projetando as medições individuais cronologicamente, ou por uma categoria específica.
Segmentação é quando pessoas que compartilham um traço ou característica em comum são agrupadas — e depois se avalia o uso do produto dependendo dos grupos. Os exemplos mais comuns de agrupamentos são os demográficos (idade, gênero, localização, região, país, etc.) e técnicos ou utilitários (tipo de dispositivo em uso, sistema operacional).
O método usual seria obter as métricas e tirar uma média. Não é assim que funciona na Análise de Dados, ela permite que padrões e tendências sejam identificados ao coletar o conjunto total de dados. Dessa forma, fica mais fácil para uma equipe de produto focar nos grupos de usuários com maior impacto ou que fazem diferença mais relevante.
A primeira coisa a ser considerada sobre segmentação é que o traço ou característica deve ser quantificável; caso contrário, fica difícil medir de forma precisa.
Funis são usados para quantificar o fluxo ou jornada das pessoas com seu produto. Você pode seguir o fluxo de ações do momento em que fazem a escolha do produto até adicionarem ele ao carrinho e fazer o check-out. Funis irão mostrar onde está o “vazamento”, ou onde há um gargalo no fluxo.
É possível inspecionar mais detalhadamente as razões pelas quais existem esses vazamentos. Por exemplo: no processo de check-out, muitos usuários suspendem o processo e não finalizam a compra porque as formas de pagamento são limitadas. A equipe de produto pode pensar como isso pode ser melhorado ou solucionado, encontrando formas de oferecer mais formas de pagamento.
Cohorts têm um papel vital na Análise de Grupos quando são conduzidos por duas determinantes: um ponto específico no tempo e uma certa característica dos usuários. Isso permite que a equipe de produto analise como o comportamento dos usuários muda ou evolui com o tempo. Isso é útil especialmente em análises de longo prazo, ou quando você quer saber o valor de usuário ou cliente em um período maior.
Principais funções da Análise de Dados em Product Management
Hoje, Product Management está ficando cada vez mais associado à coleta e Análise de Dados, gostem Product Managers ou não. Pode não ser uma ideia muito sedutora lidar com uma enxurrada de dados, mas a realidade é que, sem eles, uma gestão eficiente de produto é simplesmente impossível.
Vamos tomar como exemplo uma loja online de roupas femininas. Pela análise de dados, descobriu-se que 80% das pessoas que visitaram a home do website estão mais propensas a criar uma conta.
Das que abriram contas, 75% estão muito mais dispostas a fazer uma primeira compra — e metade do grupo tem a probabilidade de virar cliente no longo prazo.
O que isso significa para a equipe de Product Management?
Eles irão focar todos os esforços para melhorar o website e as ofertas de produto para convencer mais visitantes a criar uma conta, comprar e continuar voltando como clientes fidelizados. Essas decisões não seriam viáveis sem a Análise de Dados fazendo seu papel. Mas que papel é esse exatamente?
1. Análise de Dados é uma ajuda importante para entender o comportamento de clientes e usuários.
Não é só a área de Marketing de uma empresa que deveria saber os comportamentos de clientes e usuários. Equipes de Produto também deveriam estar a par e, o mais importante, entender por que usuários e clientes estão comprando o produto — e como usam o que compraram. Saber a opinião de clientes não é suficiente; na verdade, o mais importante é saber o que eles fazem com o produto.
2. Análise de Dados é uma ferramenta usada para mensurar o progresso do produto.
Equipes de Produto sentem-se mais seguras podendo usar dados quantificáveis para tomar decisões de seguir ou não com o processo de desenvolvimento de um produto. Um pouco de intuição pode ser aplicada, sim, mas uma equipe de Produto consciente sabe que dados verificáveis são mais confiáveis e, portanto, mais persuasivos. A confiança para tomar decisões é maior quando sabem que estão no rumo certo.
A Análise de Dados é muito útil para medir o desempenho da equipe de Produto, particularmente em relação aos produtos que sendo desenvolvidos e administrados. Eles dão clareza a quais features estão funcionando e quais não estão; quais estão totalmente funcionais e quais precisam de mais desenvolvimento.
No caso de precisar de ajustes, como dar uma retocada em features ou incluir novas funcionalidades, a Análise de Dados vai informar se as mudanças aplicadas estão de fato resolvendo o problema.
Pode-se dizer que a Análise de Dados vai ajudar você a criar um roadmap de produto melhor. A combinação entre dados e feedbacks que você vai obter com as ferramentas de Data Analytics vai permitir criar um roadmap mais redondo e detalhado. Você vai saber em que ponto está o produto, onde você quer que ele esteja e como chegar lá.
3. Análise de Dados é usada para provar a viabilidade de ideias do produto.
Um dos enormes desafios enfrentados constantemente por profissionais da área de Produto é provar que as suas ideias funcionam de verdade. É fácil dizer que uma ideia é brilhante; provar isso (que ela seja “vendável” e “lucrativa”) é outra coisa.
Graças às várias ferramentas de Análise de Dados, ficou mais fácil dar explicações plausíveis e evidências de que um produto é realmente brilhante. Acrescentar uma nova funcionalidade ao produto, por exemplo, se justifica quando uma análise de dados entra em cena.
Testes, como experimentos A/B e protótipos com dados em tempo real é algo que as equipes de Produto fazem regularmente, muitas ferramentas de análise de dados podem ser usadas com esse propósito. Nesse momento, não dá para perder tempo. O objetivo é testar o produto, aprender, ajustar e, se necessário, pivotar.
A decisão precisa ser rápida. Com Análise de Dados, é possível.
4. A Análise de Dados permite tomar decisões embasadas.
A maioria das decisões sobre produtos costumava ser tomada com base em opiniões, que são essencialmente subjetivas. Houve um tempo em que muitas das decisões de negócios, até mesmo as relacionadas aos produtos, eram intuitivas por natureza. Isso é um pouco arriscado em uma companhia com um setup organizacional hierarquizado, apesar do fato de haver uma equipe de Produto. Todo mundo — da direção à cada profissional da equipe de produto — tem uma opinião.
Com tantas opiniões, tudo fica complicado e a tomada de decisão é muitas vezes afetada negativamente.
Graças à Análise de Dados, o processo decisório ficou mais fácil e objetivo, porque há informação como base, ao invés de opiniões subjetivas. Há muitas formas de reunir essas métricas, incluindo rodar testes e conduzir pesquisas. Os dados coletados nessas atividades serão usados para influenciar opiniões, acrescentando mais que um simples grau de objetividade. O resultado vai ser mais consistente e, portanto, serão mais precisas as decisões relativas ao produto.
Isso não significa que Product Managers devem abandonar de vez a intuição. Algumas pessoas são dotadas daquele “sexto sentido”, e não há nada de errado em apostar nisso. No entanto, isso deve ser feito com cautela — e respaldar sua decisão com inteligência de dados é definitivamente uma boa prática.
5. A Análise de Dados fornece mais inspiração para trabalhar com Produto.
Equipes de Produto são responsáveis não só pela gestão mas também pelo desenvolvimento. Por isso, estão sempre em busca de ideias e oportunidades de novos produtos, ou inovações para produtos já existentes.
Geralmente, achamos que o método mais comum para conceber novas ideias de produto é por observação. Mas a Análise de Dados mudou um pouco essa percepção, ao permitir que as equipes façam uso dos dados para se inspirar com novas ideias.
Todos os dados coletados usando ferramentas de análise são fontes potenciais da “próxima ideia de incrível de produto”. Oportunidades em produtos, como qualquer outro tipo de oportunidade, geralmente surgem quando ninguém espera e há uma probabilidade alta de que você vai encontrar essas oportunidades com a ajuda de uma boa análise de dados.
Aqui vai um ponto muito importante que todas as equipes de produto devem lembrar: a análise de dados fornece os números, mas não as razões. Ela responde à pergunta “o que está acontecendo?”, mas não “por que isso está acontecendo?”. Product Managers são informados sobre o que os clientes estão fazendo, mas não necessariamente por que eles estão fazendo aquilo.
Por si só, a Análise de Dados e uma ferramenta muito poderosa para gestão de produto. No entanto, as equipes nunca devem subestimar a importância de se aprofundar nos aspectos qualitativos, ao invés de focar apenas nos dados quantitativos fornecidos pela análise de dados. Aplicar análise de dados junto com as muitas técnicas qualitativas disponíveis vai garantir à equipe de Produto uma posição de protagonismo na evolução dos produtos.
As melhores ferramentas de Análise de Dados para Product Managers
Uma das razões pelas quais algumas equipes de Produto ainda não abraçaram totalmente o conceito da Análise de Dados é que pode parecer, à primeira vista, um pouco complicado. Envolve dados, números, estatística… isso quer dizer que Product Managers têm que entender de matemática também?
Olhando rápido, a resposta simples é sim. Mas as coisas estão mudando, e para melhor. Já é possível escolher entre um monte de ferramentas de Análise de Dados disponíveis no mercado — e elas estão ficando cada vez melhor. Não entende de matemática? Tudo bem: as ferramentas vão fazer as contas difíceis por você.
Parece que as pessoas envolvidas no desenvolvimento desses aplicativos e softwares estão desenhando eles a partir do ponto de vista de quem usa — Product Managers, no caso — e, por isso, estão ficando cada vez mais user friendly. Algumas ferramentas são bem diretas e simples de instalar.
Vamos dar uma olhada rápida em algumas das ferramentas de análise de dados bem recomendadas por equipes de Product Management.
Google Analytics: A gigante da internet tem lançado muitas ferramentas úteis (e continua fazendo isso), e o Google Analytics é provavelmente uma das melhores.
Geckoboard: Uma coisa boa da Geckoboard é que não é só desenhada para ser usada pela equipe de Produto. Também pode ser adaptada para Vendas, Marketing e Suporte. Cria relatórios de desempenho que podem ser compartilhados com todos os envolvidos, em todos os canais e por todos os dispositivos.
Segment: O que acontece quando a equipe está usando múltiplas ferramentas de análise de dados ao mesmo tempo? Monitorar todas pode virar um problema. É aí que entra o Segment, muito bem batizado. Ele mostra todos os dados em um painel, então não há necessidade de ficar mudando de tela para cada ferramenta e deixar o processo lento e confuso.
CrazyEgg: CrazyEgg oferece uma plataforma de mapas de calor, que é extremamente útil quando você quer saber por que os visitantes abandonam a página em um momento específico. Essa ferramenta foi claramente desenhada para que Product Managers otimizem suas estratégias em plataformas próprias.
Mixpanel: Mixpanel é uma ótima ferramenta de funis e segmentação. Sua equipe pode fazer motores de banco de dados, customizados de acordo com preferências específicas.
Qualaroo: Pesquisa é um dos truques mais antigos do manual de coleta de dados, mas criar as perguntas corretas não é tão fácil como parece. Comparar os resultados da pesquisa e organizar em uma ordem compreensível pode ser bastante desafiador. O Qualaroo simplifica o processo ajudando a criar pesquisas melhores, com opções customizadas que permitem que eles possam atingir usuários de forma mais eficiente.
Este texto traz uma breve introdução sobre a importância da Análise de Dados para Product Managers — e como essas duas disciplinas se combinam para termos produtos cada vez melhores e mais eficientes.
Se você tem perfil analítico e quer trabalhar com produtos digitais; ou se já é uma liderança de produto e quer potencializar seu trabalho com a habilidade de Análise de Dados, aprendendo direto da fonte com o(a)s principais experts do mercado digital, o curso de Data Analytics Leadership da Tera pode te ajudar.
