Noi tutti come utenti abbiamo aspettative sempre più alte in termini di qualità dei prodotti, di features disponibili e di facilità d’uso. Ma come fanno aziende e creatori di prodotti digitali ad essere sicuri di stare fornendo la migliore esperienza possibile ai propri utenti?

Una risposta sicuramente valida è guardare ai dati:

  • Quanto revenue ha generato il mio prodotto in un determinato periodo?
  • Quanti utenti si sono iscritti?
  • Quale contenuto è più visto?

Tutte domande importanti in ottica business, ma che non riflettono pienamente se un prodotto digitale ha successo oppure no. Non permettono insomma di capire se il proprio prodotto genera valore per gli utenti che lo usano.

Rispondere a questa domande e a tutte quelle che sottintende è l’obiettivo della Product Analytics. Si tratta di una branca del mondo analitico che ha l'obiettivo di analizzare come i clienti interagiscono con prodotti e servizi, identificando opportunità che portino benefici all’intero business. Per fare questo occorre fare uso di alcuni framework e tool specifici.

In questo articolo parleremo di cosa significhi fare Product Analytics e dei benefici che può portare alle aziende. Infine, introdurremo Mixpanel, un tool specifico per la Product Analytics leader del mercato e di cui Digital Pills é primo e unico partner in Italia.

Cosa significa fare Product Analytics?

Il mondo degli Analytics è molto vasto e racchiude al suo interno diverse categorie in cui si declina. La Product Analytics è sicuramente una delle più importanti e di valore per chiunque crei o sviluppi prodotti digitali in cui gli utenti possano interagire.

Per capire meglio in che modo questa branca si distingua dalle altre, è utile partire da due definizioni, diverse ma non in contrasto tra di loro.

Definizione per tutti

"La Product Analytics è il processo usato per comprendere come i clienti interagiscono con prodotti o servizi digitali. Si tratta di un framework per mettere i clienti al centro del business, analizzandone i dati comportamentali, identificando opportunità di alto valore e creando per essi esperienze d’impatto."

-- Amplitude - Guide to Product Analytics

Questa prima definizione di Amplitude ci permette di capire che la Product Analytics si poggia su 3 pilastri fondamentali: clienti, prodotti, business. 

Si chiarisce inoltre che la Product Analytics è un framework, ovvero un processo essenziale per mettere in relazione questi tre pilastri, ricavandone informazioni utili per generare benefici all’intera azienda.

Nella seconda frase è inoltre possibile capire quali sono gli input e gli output di questo framework: raccoglie dati comportamentali dei clienti, dai quali emergano opportunità di miglioramento che aiutino a creare esperienze migliori per i clienti stessi. 

Per riassumere, la Product Analytics è un approccio analitico che pone al centro dell’analisi il cliente e le sue interazioni con il prodotto, al fine di migliorare continuamente la sua esperienza con esso e spingerlo a usarlo di più, portando benefici all'azienda stessa.

Definizione per addetti ai lavori

"Product Analytics consiste nel non preoccuparsi della raccolta dati e usare i dati per generare intuizioni uniche riguardo utenti, uso del prodotto e business."

-- Matthew Brandt, CXL Institute

Questa seconda definizione è più tecnica, ma è molto utile perché, se approfondita, aiuta a comprendere quali sono i fattori di maggiore interesse nell’intraprendere un’analisi di prodotto.

Analizziamo insieme i punti evidenziati:

  • Per non doversi preoccupare della raccolta dati, è fondamentale avere dati affidabili, chiari e condivisi a livello aziendale. Questo primo step preliminare presenta già diverse sfide operative, in quanto presuppone un lavoro su più livelli che allinei tutti gli stakeholders di prodotto.
  • Parlare di utenti e metterli al centro nasce dalla considerazione che ignorarli è un rischio che nessuna azienda può correre, ma al contempo trattare tutti allo stesso modo o all’opposto spendere troppi sforzi in analisi approfondite sono due estremi deleteri per il business.
  • Analizzare l’uso del prodotto è un’attività non semplice ma di grande importanza. Anche se quel prodotto è stato creato con determinati pattern in mente, quasi sempre alla prova dei fatti si scopre che vengono compiute azioni e raggiunti obiettivi in modi imprevisti o non contemplati. Comprendere meglio i diversi percorsi, progettati e non, che portano gli utenti a raggiungere gli obiettivi è fondamentale per capire in che modo agire.
  • Infine parliamo di business perché la Product Analytics è fortemente collegata alle performance aziendali. La ragione è semplice: se il business si basa sull’uso di un prodotto da parte del cliente, ogni modifica di prodotto fatta avrà inevitabilmente un impatto sul business.

Adottare correttamente un framework di Product Analytics permette di analizzare questi cambiamenti e capire quali impatti portano, fino ad elaborare nuovi cambiamenti che migliorino le performance di business.

Product vs “Classic” Analytics

Una volta capito meglio come sia possibile definire la Product Analytics, è utile capire in che modo si distingue dalla “Classic” Analytics, ovvero quella non incentrata sul prodotto (esempio pratico: raccolta dati per un sito web ecommerce).

Classic AnalyticsProduct Analytics
Tempi di azione / rilascio risultatiEstesi: per vederne effetti possono essere necessari da 1 a +6 mesiRidotti: nuove features possono essere rilasciate anche in pochi giorni.
Definizione degli obiettiviPianificata: gli obiettivi e le maggiori domande sono già note in fase di implementazione.Retroattiva: i Product Owners non disporranno della definizione degli obiettivi o domande dall’inizio, ma in seguito
Focus dell’approccioTransazionale: incentrato su transazioniUser-centric: le interazioni e il comportamento degli utenti con il prodotto sono messe al centro
ReportisticaStatica: poche variazioni nel corso del tempoAd-hoc con molteplici interazioni: varia in base agli scenari e alle azioni, richiede confronto con molteplici attori
Main DriversMarketing e campagne: mirato ad ottimizzare le conversioni e performanceSpecifici obiettivi di prodotto a livello utente o di azienda: le conversioni non sono così rilevanti quando i driver di prodotto.
Tabella di comparazione tra Classic Analytics e Product Analytics

Come si vede bene dalla tabella, le differenze sono molto marcate e non lasciano molto spazio a rischi di confusione in termini di attività che comportano.

Un punto molto importante da approfondire è sicuramente sulle metriche che i due processi misurano.

Nella Classic Analytics, le metriche prese in più alta considerazione sono spesso quelle più legate al business (revenue, costi advertising, ..). Questo si spiega poiché il focus della analitica classica è transazionale, ovvero portare l’utente alla conversione, definita a priori e legata agli obiettivi di business.

Quando parliamo di Product Analytics invece le cose cambiano. Spostando il focus dalla conversione all’utente e le sue interazioni, utilizzare come unico riferimento metriche che derivano dalle azioni degli utenti (transazioni, conversioni, …) sarebbe deleterio per il corretto sviluppo del prodotto.

L’obiettivo della Product Analytics deve essere quella di allineare lo sviluppo di nuove features, e di conseguenza l’aumento dell'affezione dell’utente verso il prodotto, al raggiungimento degli obiettivi di business. 

North Star Metric

Questo punto di incontro tra quelli che sono i valori degli utenti e quelli che sono i valori del business è definito canonicamente come North Star Metric (NSM), e rappresenta il problema degli utenti che il prodotto cerca di risolvere. 

La NSM rappresenta in questo senso quella singola metrica su cui i Product Owners devono concentrarsi a migliorare per assicurare il raggiungimento degli obiettivi di business.

Questa metrica si distingue da ogni altra metrica della Classic Analytics, spesso comuni a diversi business e definibili facilmente a priori, in quanto rappresenta una vera e propria sintesi della strategia aziendale di crescita, una guida di lungo periodo che deve guidare l’intera azienda.

Qui di seguito riportiamo alcune North Star Metrics di alcune startup, così come riportate da a16z.

North Star Metric di +40 aziende tech, da a16z

I vantaggi della Product Analytics

Per capire i vantaggi che può portare la Product Analytics, è necessario capire le tipologie di business per cui è adatta e quale obiettivo è importante porsi.

A chi si rivolge?

La Product Analytics non ha vincoli in termini di industry o fase di sviluppo di un’azienda. Si tratti infatti di un insieme di strumenti utili sia per la crescita che per il mantenimento delle performance raggiunte.

L’unica vera discriminante da considerare è se sia presente uno o più prodotti digitali e che tale prodotto sia al centro dell’intersezione tra utenti e azienda. Per chiarire questo punto è utile fare alcuni esempi:

  • Un'azienda che produce prodotti fisici e li vende tramite un ecommerce.

Pur essendo classificabile come un’azienda di prodotto, non trarrà grandi benefici dall’applicare la Product Analytics. Questo perché i suoi interessi strategici si limitano ad un rapporto transazionale con il cliente.

  • Un’azienda che produce prodotti fisici dotati di interfacce digitali (ovvero che comunicano o sono accessibile grazie ad interfacce digitali) e li vende tramite ecommerce.

Non trarrà benefici dall’applicare la Product Analytics limitatamente alla porzione di vendita. Ma potrebbe avere importanti vantaggi nell’analizzare le interazioni tra utente e prodotto tramite canali digitali.

  • Un’azienda che crea un’app, che si tratti di un prodotto a se stante o in congiunzione con altri.

Avrebbe considerevoli vantaggi dall’applicare un framework di Product Analytics alle interazioni degli utenti con il proprio prodotto. Questo permetterebbe di migliorare l'esperienza utenti e di conseguenza le potenzialità di monetizzazione.

In generale è quindi utile applicare la Product Analytics ogni qual volta avvengano interazioni dirette su canali digitali tra cliente e prodotto.

Quale obiettivo porsi?

Per dare una definizione generale di obiettivo da porsi nella Product Analytics, sarebbe:

Ottimizzare l’intero Customer Journey all’interno del prodotto (e non solo), collegando ogni step del Customer Lifecycle ad un Data Point, permettendo così di migliorare l’esperienza utente, aumentare la fedeltà sul prodotto (retention), e collegare metriche digitali a metriche del business.

Si traduce nel poter mappare ogni punto di contatto tra cliente e prodotto, analizzando lo stato del cliente tramite l’invio di dati strategicamente definiti. Questi permetteranno di apportare modifiche al prodotto al fine di aumentare l'affezione del cliente verso il prodotto e di conseguenza aumentare i benefici per l’azienda.

Questo obiettivo andrà poi approfondito in base al contesto dell’azienda o prodotto, declinandolo in base alla North Star Metric più adatta al proprio business.

Il modo migliore per raggiungere i propri obiettivi e ottenere i massimi vantaggi da questo processo è dotarsi delle giuste competenze e strumenti. 

Per questo processo noi consigliamo Mixpanel, tool verticale sulla Product Analytics tra i migliori al mondo e di cui siamo Partner certificati.

Mixpanel: lo strumento giusto per la Product Analytics

L’obiettivo di Mixpanel è aiutare le aziende a costruire prodotti migliori (Build Better Products) fornendo un potente software di self-service product analytics per aiutare a convertire, coinvolgere e mantenere attivi i propri utenti.

A differenza di altri prodotti per la self-service analytics, Mixpanel nasce specificamente per rispondere al bisogno di analizzare le interazioni degli utenti con prodotti digitali e ricavarne insight ed opportunità per la crescita.

Il Data Model di Mixpanel

Mixpanel, a differenza di servizi per la marketing analytics, utilizza un data model che si basa su due elementi fondamentali:

  • Eventi: qualsiasi azione significativa che un utente esegue
  • Profili: una raccolta di informazioni su un singolo utente

Questi due elementi al loro interno contengono Proprietà che forniscono maggiori dettagli sulle interazioni a cui sono associati. Si distinguono in:

  • Proprietà Evento: coppie chiave-valore allegate a un evento che forniscono dettagli sull'azione che è stata eseguita
  • Proprietà Profilo: coppie chiave-valore allegate a un profilo che forniscono dettagli sullo stato più recente di un utente

Le Proprietà Evento e Proprietà Profilo coesistono, ma hanno comportamenti e scopi diversi.

  • Le Proprietà Evento  sono informazioni statiche registrate al momento dell’evento
  • Le Proprietà Profilo sono informazioni dinamiche sullo stato attuale dell’utente

Anche se vi sono limiti sul numero di proprietà che eventi e profili possono avere (massimo 255), non vi sono limiti al numero di properties che siano utilizzabili a livello di progetto.

Questa struttura, simile per molti versi a quella di GA4 (che è appunto basato su eventi), permette però una ricchezza di informazioni molto più elevata, che si traduce nella possibilità di svolgere analisi più dettagliate e potenzialmente valide sul prodotto.

Strategia ed implementazione 

Mixpanel è uno strumento che offre grandissime possibilità di analisi una volta che è stato correttamente installato, ma proprio perché si tratta di uno strumento molto potente richiede competenza e pianificazione per essere implementato correttamente.

Dal punto di vista tecnico, Mixpanel offre integrazioni con diverse librerie sia client-side che server-side che ne rendono possibile l’implementazione.

Il processo di implementazione standard segue una scaletta simile:

Planning

Il momento in cui il PM assieme a contributors dai team di prodotto e team a contatto con il pubblico individuano gli obiettivi e definiscono la roadmap di implementazione.

In questa fase avere nel team le competenze e conoscenze giuste è fondamentale, in quanto richiede un lavoro di volto ad identificare i business objectives, capire quali KPIs vi siano collegati ed individuare quali metriche ed azioni significative sia importante tracciare per avere una chiara panoramica. 

Il tutto confluirà poi in una pianificazione delle attività di sviluppo, nella quale ogni inaccuratezza potrà comportare ritardi, errori o disallineamenti tra teams.

La strategia con cui attuare questa pianificazione è personale e variabile da progetto a progetto, ma è indicativamente sempre utile includere queste attività:

  • Identificare gli obiettivi di business
  • Definire i KPIs collegati a tali obiettivi di business
  • Individuare una lista di azioni degli utenti che impattano i KPIs
  • Tradurre le azioni degli utenti in Eventi e Proprietà associate

Sviluppo

In questa fase il PM collaborerà con il team di sviluppo per implementare e testare la soluzione pianificata in precedenza. 

Una volta svolta con successo la fase di implementazione, sarà possibile accedere alle capacità di analisi avanzate offerte da Mixpanel.

Le potenzialità di analisi

Mixpanel offre soluzioni di analisi ad alto livello e di dettaglio, con un'interfaccia intuitiva e facilmente modificabile.

Le possibilità di analisi sono molteplici e la loro validità è fortemente legata alla tipologia di prodotto e alla tipologia di quesito.

Alcune delle analisi possibili includono:

  • Numero di utenti attivi
  • Analisi del funnel completamente customizzabile
Analisi del funnel su Mixpanel per la Product Analytics
  • Analisi della Retention degli utenti per segmenti
Analisi della Retention su Mixpanel per la Product Analytics
  • Analisi per coorti
Analisi della coorti su Mixpanel per la Product Analytics

Grazie alle capacità dello strumento e alle nostre competenze, sarà possibile sempre più conoscere i propri utenti e offrire loro esperienze uniche, generando valore per essi e per il proprio business.