Una gerarchia delle metriche di Product Analytics è il framework strutturato che organizza le metriche di un prodotto dalla metrica north star di più alto livello, attraverso gli indicatori anticipatori, fino alle metriche diagnostiche, consentendo a ogni team di comprendere come le proprie decisioni quotidiane si connettano al risultato più importante dell'azienda e di identificare rapidamente quale leva specifica stia guidando i cambiamenti nella north star.
?
Come le aziende SaaS identificano e definiscono la loro North Star Metric?
La North Star Metric (NSM) è l'unica metrica che meglio cattura il valore fondamentale che il prodotto offre ai clienti e che, quando cresce, è più affidabilmente correlata al successo aziendale a lungo termine. Occupa il vertice della gerarchia delle metriche perché ogni altra metrica dovrebbe spiegare i movimenti nella NSM. Selezionare la NSM giusta richiede di rispondere: qual è l'azione specifica che i clienti compiono e che, quando la fanno frequentemente e profondamente, significa che stanno ricevendo il pieno valore dal prodotto? Buoni esempi di NSM: Slack usa "Messaggi Inviati" (quando i team inviano messaggi, comunicano in Slack anziché via email — il valore fondamentale); Amplitude usa "Utenti che Eseguono Query Settimanali" (utenti che estraggono attivamente insight dal prodotto); Zendesk usa "Ticket Risolti" (il compito principale di ogni team di supporto che utilizza la piattaforma). NSM sbagliate: ricavi (un indicatore ritardato, non una misura diretta della fornitura di valore); utenti registrati (una vanity metric scollegata dall'uso effettivo); o visualizzazioni di pagina (un proxy che può crescere per le ragioni sbagliate). La NSM dovrebbe essere comprensibile da ogni persona in azienda e direttamente migliorabile da più team.
?
Come dovrebbe Product Ops progettare un albero delle metriche che colleghi la north star alle metriche operative quotidiane?
Un albero delle metriche (chiamato anche albero dei driver o albero dei KPI) è un diagramma gerarchico che mostra matematicamente come le metriche operative di livello inferiore si combinano per produrre la metrica north star. Processo di costruzione: iniziare con la NSM in cima. Chiedere "quali sono i due o tre fattori che, moltiplicati o sommati, producono la NSM?" Questi diventano metriche di Livello 2. Per ogni metrica di Livello 2, porre la stessa domanda — quali sono i fattori che la producono? Questi diventano metriche di Livello 3. Continuare fino a raggiungere metriche che team specifici possono influenzare direttamente attraverso il loro lavoro quotidiano. Esempio di albero parziale: NSM = Utenti Attivi Settimanali × Funzionalità Utilizzate Per Utente. Livello 2a: Utenti Attivi Settimanali = Nuovi Utenti Acquisiti × Tasso di Ritenzione Settimana-1. Livello 2b: Funzionalità Utilizzate Per Utente = Ampiezza delle Funzionalità Adottate × Profondità di Utilizzo Per Funzionalità. Livello 3a sotto Nuovi Utenti Acquisiti: Inizi di Prova × Tasso di Attivazione della Prova. Product Ops costruisce e mantiene questo albero in Notion o in uno strumento di BI, e lo usa in ogni riunione di revisione del prodotto per spiegare cosa sta guidando i cambiamenti della NSM: "La NSM è diminuita del 5% questa settimana — l'analisi di Livello 2 mostra che gli utenti attivi settimanali sono stabili ma le funzionalità per utente sono diminuite: il Livello 3 mostra che l'adozione in ampiezza è calata specificamente per la Funzionalità X."
?
Come i team di prodotto utilizzano le metriche diagnostiche per identificare le cause profonde dei movimenti della north star?
Le metriche diagnostiche (chiamate anche "metriche di salvaguardia" o "metriche di salute") si trovano al di sotto della NSM nella gerarchia e vengono investigate quando la NSM si muove inaspettatamente. Il principio: un cambiamento della north star ha un driver specifico e identificabile che può essere trovato attraversando l'albero delle metriche. Un'efficace indagine diagnostica segue la struttura ad albero: se la NSM è diminuita, controllare le metriche di Livello 2 — il calo è derivato dal ramo del conteggio degli utenti o dal ramo della profondità di utilizzo? Se il Livello 2 mostra che il conteggio degli utenti è il driver, controllare il Livello 3 — il calo deriva dall'acquisizione (meno nuovi utenti) o dalla retention (utenti esistenti che abbandonano più velocemente)? Se la retention è il driver, controllare il Livello 4 — il calo è concentrato in un segmento di utenti specifico, un'area di prodotto specifica o una coorte specifica di un periodo di acquisizione specifico? Quando l'indagine ha attraversato tre o quattro livelli, la causa radice è tipicamente abbastanza specifica da essere attuabile: "La retention a 7 giorni per gli utenti che si sono iscritti tramite il lancio di Product Hunt è diminuita dal 45% al 28% rispetto alla nostra coorte standard — gli utenti di quella campagna tendono a essere team più piccoli che raggiungono il limite di funzionalità del piano gratuito prima di potersi attivare completamente." Questo specifico risultato consente una risposta mirata, non uno sforzo di miglioramento ampio e non focalizzato.
Sfida di Conoscenza
Hai padroneggiato Gerarchia delle metriche di Product Analytics? Ora prova a indovinare la parola di 5 lettere correlata!
Digita o usa la tastiera