- Научим создавать продукт, который нужен на рынке
- Покажем, как автоматизировать рабочие процессы с помощью Python и Tableau, строить аналитические модели и тестировать гипотезы
- Формат — Видеолекции, вебинары и практические задания
- Уровень — С нуля
- Документ — Диплом о профессиональной переподготовке
Продуктовый аналитик умеет находить точки роста в данных, оформлять их в гипотезы и масштабировать на пользователей. Использует наибольший спектр инструментов для всестороннего изучения данных о пользователе и его поведении.
Чтобы освоить эту профессию, не нужно иметь за плечами опыт работы маркетологом, аналитиком или продуктовым менеджером. Этот курс разработан для новичков в сфере аналитики — специальные навыки будут плюсом, но совсем не обязательны.
≈ 140 000₽
средняя зарплата продуктового аналитика по данным компании «Нормальные исследования»
Чем занимается продуктовый аналитик
- Собирает и готовит данные для анализа, автоматизирует обработку данных и другие рутинные задачи, которые съедают время.
- Анализирует данные сайта или мобильного приложения и находит точки роста для бизнеса.
- Проводит исследования, анализирует метрики, изучает поведение пользователей, строит и проверяет гипотезы.
- Создаёт инфраструктуру, которая позволяет самостоятельно готовить отчёты.
Кому будет полезен этот курс
- Новичкам
Научитесь проводить исследования, анализировать метрики и изучать поведение пользователей. - Маркетологам
Узнаете, как использовать аналитику для увеличения трафика и применять Python для анализа больших данных. - Product-менеджерам, product-оунерам
Сможете тестировать гипотезы, применять аналитические инструменты для развития продукта и усилите свою экспертность.
Чему вы научитесь
С нуля прокачаете все навыки, необходимые middle product analysts
- Быть автономным
Перестанете зависеть от разработчиков в работе с данными и научитесь понимать программистов - Обрабатывать данные из разных источников
Научитесь работать с данными из Google Analytics, SQL, Google Sheets - Анализировать данные сайта или мобильного приложения
Составлять аргументированные рекомендации по изменению стратегии и рекламных кампаний на основе данных - Анализировать пользовательские метрики
Находить проблемные места в продукте и интерпретировать их для улучшения показателей бизнеса - Автоматизировать работу с помощью Python
Почувствуете вкус к оптимизации процессов и освободите время для новых задач - Визуализировать данные с Tableau
Перейдёте от вороха таблиц к понятным визуализациям
Программа курса
Продуктовая аналитика
Научимся формулировать и валидировать идеи продукта. Поговорим о том, как составлять вопросы проблемного, решенческого и ценностного интервью и интерпретировать полученные данные. Узнаем, как выбирать системы аналитики для конкретного проекта, настраивать сбор данных.
- 28 часов теории
- 80 часов практики
- Проверка гипотез, Customer Discovery, проблемные интервью
- Формулирование, приоритизация и проверка гипотез
- Какие метрики нужны и как измерять и отслеживать эффективность
- Юнит-экономика
- Шаги построения метрик продукта, примеры, типовые ошибки. Настройка отчётности и работа с отчётами
- Аналитические фреймворки и система метрик продукта
- Построение метрик и связывание их в систему. Пирамида метрик
SQL и получение данных
SQL — главный инструмент аналитика. С его помощью вы научитесь получать данные, а также фильтровать, агрегировать, импортировать и экспортировать.
- 10 часов теории
- 16 часов практики
- Введение в инфраструктуру
- Основы баз данных
- Основы SQL
- Углубление в SQL
- Работа с PostgreSQL
- Работа с MongoDB
Tableau
Познакомимся с интерфейсом, научимся загружать данные и работать с основными инструментами. Освоим создание дашбордов. Изучим сложные виды визуализаций и научимся работать с расширенной версией инструмента.
- 20 часов теории
- 29 часов практики
- Основные виды визуализаций. Лучшие практики визуализации
- Работа с расчётными полями, фильтрами, множествами и группировками
- Использование параметров, объединение нескольких источников
- Функции LOD, Set Actions, Parameter Actions
- Разработка дашбордов. Настройка взаимодействия между визуализациями
- Tableau Professional. Подключение к базам данных SQL
- Основы работы с Tableau Server
Анализ данных в Python
Научимся пользоваться инструментами Python и работать с главными аналитическими библиотеками, а визуализации помогут быстро находить зависимости и корреляции. Познакомимся со статистикой: именно она помогает закопаться глубже в данные, чтобы найти интересные связи и эффективно генерировать гипотезы.
- 32 часа теории
- 50 часов практики
- Функции и классы
- Продвинутые типы данных: массивы, множества, словари
- numpy и scipy
- pandas
- Визуализация данных: seaborn, plotly, matplotlib
- Основные статистические тесты и проверка гипотез
A/B-тестирование
Научимся измерять эффективность страницы и влиять на конверсию, стимулировать сбыт и повышать прибыльность веб-проекта. Рассмотрим основные причины ошибок в интерпретации данных. Разберёмся в методах оценки вероятности победы варианта при тестировании и познакомимся с реальными кейсами с данными и метриками бизнесов.
- 20 часов теории
- 30 часов практики
- Математика тестов
- Что такое эффективность сайта
- Планирование тестов
- Инструменты для проведения тестов
- JavaScript-тесты и Google Tag Manager
- Анализ данных
- A/B-тесты как метод конверсионной оптимизации
Продуктовый воркшоп
Разберём стратегическое планирование, юнит-экономику и монетизацию. Обсудим особенности продуктового маркетинга и рекламы. Научимся ставить цели и изучим инструменты и пошаговые алгоритмы продвижения.
Эффективные коммуникации и эмоциональный интеллект
Переговоры
Публичные выступления
После прохождения основной части программы вы сможете выбрать одну из двух специализаций
Веб-аналитика
Выясним, какие данные считать репрезентативными, чтобы сделать объективный анализ. Узнаем, как работа с данными помогает бизнесу расти быстрее и увеличивать прибыль. Настроим счётчики для отслеживания данных и цели при отправке событий. Разместим дополнительные коды инструментов и скрипты отслеживания данных на сайте через Google Tag Manager без помощи программиста. Научимся использовать Google Data Studio для визуализации данных.
- 38 часов теории
- 41 час практики
- HTML, CSS, JavaScript: для чего веб-аналитику знание этих технологий
- Возможности Google Analytics и Яндекс.Метрики
- Google Tag Manager: единый центр управления тегами
- Использование Excel при анализе данных
- Разработка медиаплана
- Продвинутые возможности Google Analytics: Measurement Protocol, импорт расходов, выгрузка данных в Google Spreadsheet, настройка Client ID и User ID
Мобильная аналитика
Узнаете, в чём отличие мобильной аналитики от веб- и есть ли разница между аналитикой в iOS и Android. Вы познакомитесь с метриками продукта и роста, разными инструментами и сервисами. Поймёте, зачем нужны эксперименты и поиск гипотез и к чему могут привести ошибки в аналитике.
- 18 часов теории
- 28 часов практики
- Введение в мобильную аналитику
- Выбор метрик для приложения и набора данных для их измерения
- Инструменты и сервисы для сбора данных
- Внедрение аналитических сервисов и систем
- Описание структуры событий для поведенческой аналитики
- Анализ поведения пользователей в приложении
- Анализ эффективности рекламных каналов
- Планирование и дизайн эксперимента
- Ошибки в построении мобильной аналитики и интерпретации данных
- Тестирование приложения на реальных пользователях перед релизом
Гарантия возврата денег
У вас есть три занятия, чтобы попробовать. Если передумаете учиться, скажите — и мы вернём вам всю сумму.
Дипломный проект
Вы примените полученные навыки для решения своих текущих профессиональных задач: это может быть дашборд с визуализацией ключевых бизнес-показателей, комплекс предложений по оптимизации стратегии компании, поиск и обоснование точек роста бизнеса.
Ваше резюме после прохождения курса
Что умею делать
- Анализировать данные из большого количества источников
- Визуализировать данные и формировать автоматические отчёты
- Разрабатывать аналитические дашборды с учётом специфики бизнеса
- Рассчитывать эффективность бизнеса и кластеризировать пользователей
- Проводить A/B-тесты и отсеивать гипотезы, которые точно не будут работать
- Проверять гипотезы даже при отсутствии данных
- Измерять эффективность каналов продвижения
- Использовать прикладную математику для аналитических решений в маркетинге и бизнес-аналитике.
- Обрабатывать большой объём данных при помощи Python
- Применять в работе классические Data Science библиотеки
- Создавать аналитическую архитектуру с учётом особенностей бизнеса
- Разбираюсь в многообразии метрик и настройке систем аналитики
- Понимаю, что нужно анализировать до и после запуска продукта или новой фичи
Инструменты, которые вы освоите
- Scikit-learn
Базовая библиотека в Python для построения алгоритмов машинного обучения
- Pandas
Наиболее продвинутая и быстроразвивающаяся библиотека для обработки и анализа данных в Python
- Python
Язык программирования
- Matplotlib
Библиотека Python для визуализации данных
- Seaborn
Библиотека Python для визуализации статистических данных
- Git
Система управления версиями кода. - Tableau Desktop
Система интерактивной аналитики, позволяющая в сжатые сроки проводить глубокий и разносторонний анализ больших массивов информации.
- Яндекс.Метрика
Сервис счётчика посещений, измеряющий конверсию сайта и анализ интернет-рекламы. Предназначен для оценки посещаемости веб-сайтов и анализа поведения пользователей.
- Google Analytics
Сервис для создания детальной статистики посетителей веб-сайтов. Статистика собирается на сервере Google, пользователь только размещает JS-код на страницах своего сайта.
- Google Tag Manager
Система управления тегами, созданная Google для управления тегами JavaScript и HTML, которые используются для отслеживания и анализа на веб-сайтах.
Мы поможем с трудоустройством
Вас ждёт бесплатная программа трудоустройства Центра развития карьеры
Вы научитесь выстраивать систему продуктовой аналитики: от обработки маркетинговых данных до управления пользовательским опытом. Получите профессию, которая позволяет выстраивать целостную картину продукта и влиять на прибыль компаний.
- Программа из 6 курсов
- Первые 3 модуля бесплатно
- Гарантия трудоустройства
- Первый платёж через 3 месяца
Продуктовый аналитик следит за поведением пользователей внутри продукта, переводит значение цифр на язык бизнеса и помогает развивать продукт, опираясь на точные данные.
- 120 000 рублей
зарплата начинающего специалиста по данным hh.ru
Первые 3 модуля бесплатно
Всем студентам мы даём тестовый доступ к первым трём модулям любого курса программы.
Вы посмотрите лекции специалистов, начнёте осваивать профессию и поймёте, интересно ли вам развиваться в ней дальше.
Кому подойдёт этот курс
- Начинающим аналитикам
С нуля освоите мобильную аналитику и аналитику клиентского опыта и научитесь строить систему метрик для продукта.
Опробуете инструменты продуктовой аналитики на реальных кейсах и добавите первые работы в портфолио.
- Разработчикам
Научитесь решать задачи бизнеса с помощью аналитики, оценивать успешность IT-продуктов и влиять на поведение пользователей.
Сможете уйти от написания кода к решению аналитических задач и поднять свой доход.
- Маркетологам
Научитесь работать с инструментами анализа данных, визуализировать информацию в Tableau и выгружать данные из маркетинговых систем с помощью API.
Сможете принимать решения с опорой на аналитику и повысите свою ценность как специалиста.
Чему вы научитесь
- Строить систему метрик для продукта
Узнаете, как выстроить рабочую систему для оценки продуктовых и маркетинговых метрик. Освоите сервисы аналитики сайтов и мобильных приложений.
- Обрабатывать и хранить данные
Научитесь анализировать данные с помощью Python и R, освоите SQL для решения продуктовых задач. Сможете создавать систему сбора, хранения и анализа информации.
- Создавать систему сквозной аналитики
Узнаете, как объединять данные из разных маркетинговых систем. Сможете собирать информацию о клиентах, заказах и товарах в единую инфраструктуру.
- Проводить исследования клиентского опыта
Узнаете, как сегментировать пользователей и анализировать путь клиента. Научитесь строить CJM, проводить глубинные интервью, фокус-группы и количественные исследования.
- Проверять гипотезы
Научитесь проводить A/B-тесты с помощью Google Optimize. Сможете интерпретировать результаты и находить важные инсайты, которые помогут развивать продукт.
- Визуализировать данные
Научитесь строить графики и создавать интерактивные дашборды в системе аналитики Tableau. Сможете наглядно представлять данные и готовить отчёты для руководства.
Помогаем построить карьеру мечты
Вас ждёт индивидуальная карьерная консультация, помощь в оформлении резюме и портфолио. На основе ваших пожеланий подберём подходящие вакансии, подготовим к собеседованию и сделаем всё, чтобы вы получили оффер.
За 2021 год мы трудоустроили более 1000 студентов на работу по новой профессии
Учитесь сейчас, платите потом!
Расходы за первые 3 месяца обучения берёт на себя Skillbox. В это время вы посещаете лекции и воркшопы, прокачиваете навыки, находите себе работу и начинаете зарабатывать.
Программа
Вас ждут онлайн-лекции и практические задания на основе реальных кейсов.
- 81 тематический модуль
- 507 онлайн-уроков
Основные курсы
- Веб-аналитик с нуля до Junior
Научитесь работать с основными системами веб-аналитики на продвинутом уровне, собирать данные и проводить A/B-тесты. Узнаете, как анализировать поведение пользователей, эффективность сайта и трафика. Сможете строить систему метрик для продукта и повышать отдачу от рекламы.
- Введение в веб-аналитику.
- Отчеты, метрики и навыки веб-аналитика.
- Google Tag Manager.
- Google Analytics.
- Яндекс.Метрика.
- Анализ эффективности рекламных каналов.
- Подключение рекламных кабинетов.
- Основы A/B-тестирования.
- Веб-аналитик в команде.
- Бонус-модуль. Куда дальше развиваться в аналитике.
- Продуктовая аналитика
Научитесь проводить продуктовую аналитику: обрабатывать данные, исследовать взаимодействие пользователей с продуктом, интерпретировать собранную информацию. Сможете использовать полученные результаты, чтобы решать задачи бизнеса.
- Введение в курс
- Продукт глазами аналитика
- Работа с задачами
- Глубина погружения пользователей в продукт
- Профили использования продукта
- Когортный анализ
- А/B-тесты. Обработка данных
- Ограничения и сложные кейсы А/B-тестирования
- Метрики и методы анализа удержания пользователей в продукте. Retention. Survival curves
- Предиктивная аналитика
- Сведение и интерпретация результатов аналитики
- Представление результатов аналитики
- Карьерный путь в продуктовой аналитике
- Аналитик мобильных приложений
Узнаете, как собирать данные о поведении пользователей мобильных приложений. Научитесь оценивать эффективность рекламных каналов, отслеживать выручку и привлекать аудиторию. Настроите аналитику на реальном приложении, улучшите показатели монетизации и конверсии.
- Введение в мобильную аналитику.
- Отчёты, метрики и навыки в мобильной аналитике.
- Firebase: внедрение.
- Google Tag Manager для мобильных приложений.
- Google Analytics для мобильных приложений.
- AppMetriсa.
- Анализ эффективности рекламных каналов.
- Подключение рекламных кабинетов.
- Настраиваем Adjust.
- Настраиваем Adjust: ретаргетинг и дополнительные отчёты.
- Amplitude: основные отчёты.
- Настраиваем Amplitude.
- Подведение итогов.
- Основы и практика Business Intelligence
Узнаете, как создавать хранилища данных в Linux и проектировать базы данных на языке SQL. Освоите Python для аналитики и научитесь работать с таблицами на продвинутом уровне. Сможете решать бизнес-задачи с помощью аналитики, чистить данные, правильно их хранить и визуализировать.
- Фундамент хранилища данных.
- Создаём первую базу данных.
- Скрипты для анализа данных.
- Python: минимум для начала работы.
- Python: как создавать таблицы.
- Python: чистим данные перед анализом.
- Python: как показать изменения во времени.
- Python: продвинутый уровень построения таблиц.
- Методы сбора внешних данных.
- Наполнение хранилища данными.
- Аналитика и бизнес-задачи.
- Tableau: основы интерфейса.
- Tableau: базовые отчёты.
- Сквозная аналитика
Научитесь объединять данные из разных систем в единую инфраструктуру, в которой хранится вся информация о клиенте, заказе и товаре. Узнаете, как решать задачи бизнес-юнитов с помощью языка R и хранилища данных. Сможете находить инсайты для развития продуктов.
- Вводный блок
- Аналитика товарного ассортимента
- Аналитика клиентской базы
- Доставка и последняя миля
- Пользовательский опыт
- Retention-marketing
- Поп-папы и рекомендательные системы
- Аналитика сайта и мобильных приложений
- Call-tracking
- Рекламные расходы
- Оценка периода
- P&L
Бонусный курс
- CX-исследования
Освоите разные методики исследований, которые помогут оценить опыт пользователя. Научитесь проводить качественные и количественные исследования, составлять профили пользователей, сегментировать аудиторию и строить Customer Journey Map. Поймёте, чем живёт ваша аудитория и как дать ей то, чего она хочет.
- Введение в исследования клиентского опыта.
- Исследовательский подход и выбор методов.
- Качественные методы: глубинное интервью и фокус-группы.
- Текстовая аналитика.
- Количественные исследования.
- Customer profiling, segmentation personas development.
- Customer Journey Map.
- Юзабилити-тесты.
- Customer satisfaction.
- AI in CX research.
- Фреймворк программы СХ исследований.
- Кросс-культурные факторы в исследованиях.
- Исследование уникальных торговых предложений.
- Анализ поведения пользователей на сайте.
- Как сформулировать гипотезы по данным веб-аналитики.
- Проведение А/В-теста.
- Способы сбора и обработки данных.
- Составление дорожной карты изменений.
Дипломные проекты
- Веб-аналитика для сайта компании
Вы опишете бизнес-модель компании и составите карту KPI для бизнеса и сайта. Настроите базовые системы веб-аналитики. Найдёте слабые места воронки на сайте и научитесь их устранять.
- Кейс интернет-магазина
Вы получите симуляцию данных о работе приложения интернет-магазина. Обработаете эти данные и проанализируете поведение пользователей. Интерпретируете результаты и поймёте, как повысить эффективность приложения и получить больше лидов.
- Аналитика для мобильного приложения
Вы создадите проект мобильного приложения в Android-studio и подключите его к аналитическим системам AppMetrica, Adjust, Amplitude.
- Хранилище данных
Вы создадите инфраструктуру хранилища данных (data warehouse) и объедините в нём данные из аналитических и рекламных систем.
- Customer Journey Map
Вы исследуете пользовательские сценарии продукта. Предложите решения по повышению конверсии и улучшению пользовательского опыта. Разработаете карту поведения пользователей и дорожную карту продукта.
Ваше резюме после обучения
- Должность Продуктовый аналитик
- Зарплата от: 120 000 ₽
Профессиональные навыки:
- Веб-аналитика в Google Analytics, Google Tag Manager и Яндекс.Метрике
- Сквозная аналитика и построение консолидированной отчётности
- Настройка динамического ремаркетинга в Google Merchant Center
- Аналитика данных на языках Python и R
- Анализ поведения пользователей на сайте и в мобильном приложении
- Оценка эффективности рекламных кампаний, маркетинговых каналов и инструментов
- Проведение A/B-тестов, глубинных интервью, фокус-групп и количественных исследований
- Построение баз данных на SQL, хранение и обработка данных
- Мобильная аналитика в Firebase, AppMetrica, Adjust, Amplitude
- Настройка коллтрекинга
- Построение Customer Journey Map
- Сегментация, профилирование и глубокий анализ целевой аудитории
Диплом Skillbox
Подтвердит, что вы прошли курс, и станет дополнительным аргументом при устройстве на работу.
Освойте профессию продуктового аналитика с нуля. Вы пройдёте путь от базового анализа продуктовых метрик до обработки данных при помощи SQL и Python.
- 12 месяцев
- 4 практических проекта
- Онлайн-лекции и вебинары
- Диплом о переподготовке
- Гарантия трудоустройства
Продуктовый аналитик собирает данные о поведении пользователя. С помощью метрик анализирует его опыт, находит точки роста проекта и переводит всё на понятный бизнесу язык. Такие специалисты незаменимы в компаниях: их работа помогает улучшить качество продукта и принять взвешенные решения.
Гарантия трудоустройства закреплена в договоре. Если после успешного обучения вы не найдёте работу, мы вернём вам деньги
Программа обучения
I четверть
Введение в экономику продукта и маркетинговую аналитику
Проект
Подготовка маркетинговой стратегии развития на год.
Курсы
Продуктовая аналитика и развитие продуктов
— Введение
— Роль и место аналитика в продуктовой команде
— Управление продуктом на основе модели Lean Canvas и роль аналитики в этой модели
— HADI-циклы в продуктовой аналитике
— Основные типы бизнес-метрик
— Навыки построения метрик (например, по методологии Lean Analytics)
— Unit-экономика
— Декомпозиция метрик и факторный анализ: практика
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
Организация и проведение исследований
— Общие сведения об организации исследований
— Сбор и оценка данных
— Анализ рынка digital-продуктов на открытых данных. Сравнение с конкурентами
— Способы анализа продукта и продуктовых матриц
— Инструменты комплексного анализа рынка
— Оценка ёмкости рынка
— Основные правила конкурентного анализа, ключевые показатели. Анализ конкурентных сил по Портеру. Направления конкурентного анализа и оценка конкурентных преимуществ
— Особенности проведения исследований клиентов
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
Маркетинговая и клиентская аналитика
— Введение в маркетинговую аналитику
— KPI и метрики
— Основные источники данных и методы их анализа
— Сквозная аналитика
— Сравнительный анализ основных CRM-систем. Операционные и аналитические модули CRM
— Методы сегментации клиентов и целевой аудитории
— Введение в RFM-анализ
— Введение в когортный анализ
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
II четверть
Пользовательские сценарии онлайн/офлайн и проведение тестов
Проект
Построение ключевых срезов в различных типах продуктов и системах аналитики.
Курсы
Web-аналитика
— Введение в web-аналитику: основные понятия и инструменты
— UTM-метки
— Инструменты веб-аналитики
— Регулярные выражения и их использование в Google Analytics и Яндекс.Метрика
— GTM — особенности работы и основные возможности
— Специальные отчеты Google Analytics
— Виджеты и специальные отчеты Yandex Metrica
— Создание отчетов в Google Data Studio
— Возможности передачи, хранения и обработки данных из систем аналитики
— Google Analytics 4: основные отличия от Google Analytics Universal
— Google Analytics 4: установка через Google Tag Manager
1,5 месяца — 11 уроков
15 часов обучающего контента, 30 часов практики
App-аналитика
— Введение в App-аналитику
— Инструменты аналитики
— Подсчет информации в приложениях и ее визуализация
— Функционал Firebase
— Сырые данные и отчеты
— Составление ТЗ по дизайну или приложению
3 недели — 6 уроков
8 часов обучающего контента, 16 часов практики
A/B-тестирование
— Проверка гипотез и поиск точек роста с помощью A/B-тестирования
— Введение в теорию выборочных обследований
— Статистическая проверка итогов тестирования
— Последовательность проведения A/B-тестов и оценка затрат
— Основные проблемы A/B-тестирования
— Настройка A/B-тестов в Google Optimize
— Настройка A/B-тестов в Firebase
— Итоговое занятие и разбор проблемных зон
1 месяц — 10 уроков
12 часов обучающего контента, 24 часа практики
Концепции CJM и JtBD
— Customer Development
— Метод персон
— Введение в Customer Journey Map
— Построение Customer Journey Map
— Разбор кейсов Customer Journey Map
— Концепция Jobs to be doneCX-проектирование для команды
1 месяц — 7 уроков
12 часов обучающего контента, 24 часа практики
III четверть
Знакомство с SQL. Введение в Data Science и работа с Python
Проект
Изучение данных при помощи SQL. Исследовательский анализ данных и их предобработка в Python. Построение ML модели.
Курсы
SQL
— Введение в SQL
— Фильтрация данных и вычисляемые поля. Практика
— Группировка данных, подзапросы и объединение таблиц. Практика
— Обновление, добавление и удаление данных. Работа с таблицами
— Представления и хранимые процедуры. Особенности обработки транзакций
— Расширенные возможности SQL и основные ограничения
— Работа с популярными программами
1 месяц — 7 уроков
12 часов обучающего контента, 24 часа практики
Python
— Введение в Python
— Циклы и функции. Основы визуализации данных
— Библиотека Pandas
— Работа с разными типами данных
— Основы статистики с Python
— Тестирование и проверка гипотез
— Маркетинговый анализ: RFM анализ
— Когортный анализ на Python — практика
— Основы программирования и визуализации в R
— Визуализация отчетов в R
— Презентация результатов
1,5 месяца — 11 уроков
15 часов обучающего контента, 30 часов практики
Введение в Data Science
— Data Science и Big Data — основные понятия
— Возможности Data Science в распознавании речи и эмоциональной окраски для оптимизации обработки клиентских обращений
— Возможности Data Science в распознавании образов и текста для улучшения пользовательского опыта
— Возможности Data Science в прогнозировании оттока пользователей для роста Retention RateData Science и прогноз LTV
— Кластеризация и random forest: примеры использования
— Сравнительный анализ R и Python
— Обзор основных библиотек на Python и R
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
IV четверть
Аналитическая культура и инструменты визуализации данных
Курсы
Инструменты визуализации
и презентация аналитики
— Сравнительный обзор основных инструментов визуализации данных
— Основные ошибки при проектировании отчётности и визуализации данных
— Расширенные возможности визуализации в Excel и Google Sheets
— Google Data Studio + практика
— Возможности OWOX для визуализации отчётов по веб-аналитике
1 месяц — 5 уроков
12 часов обучающего контента, 24 часа практики
Power BI
— Анализ данных
— Power BI
— Введение в Power Query
— Создание модели данных в Power Pivot
— Язык DAX — Data Analysis Expressions
— Создание визуального слоя отчёта
— Использование расширенного функционала Power View
— Обзор функционала портала Power BI
1 месяц — 8 уроков
12 часов обучающего контента, 24 часа практики
Аналитическая культура в компании
— Организация хранения данных для целей анализа
— Презентация результата команде
— Решение бизнес-задач в команде
— Как работать с командой и подрядчиками
— Как управлять процессами по аналитике
1 месяц — 5 уроков
12 часов обучающего контента, 24 часа практики
V четверть
Дипломная работа и подготовка к собеседованию
Курсы
- Дипломный проект по продуктовой аналитике
- Собеседование и резюме. Видеокурс
Курсы с открытой датой старта
- Видеокурс по Excel
- Английский для IT-специалистов
Ключевые навыки
— Проверка продуктовых гипотез для роста ключевых метрик
— Расчёт Unit-экономики
— Расчёт и прогнозирование LTV
— Анализ данных о поведении пользователей (Google Analytics, Яндекс.Метрика, AppMetrica), сегментация, выявление паттернов
— Построение моделей и формирование гипотез для улучшения продукта и регулирования процессов
— Проверка гипотезы и поиск точек роста с помощью A/B-тестов
— Построение CJM
— Оценка ёмкости рынка
— SWOT-анализ
— SQL
— Python
— Power BI
Продуктовые аналитики помогают бизнесу получить оценку текущего состояния продукта, внедрить или усовершенствовать процессы аналитики в компанию. Они разрабатывают новые решения для улучшения продукта на основе полученных данных, тестируют найденные решения и прогнозируют их потенциальные результаты.
Продуктовый аналитик умеет:
- работать с метриками продукта и рассчитывать новые
- внедрять аналитику в процессы компании
- добывать данные из открытых и внутренних источников
- анализировать данные любого вида и сложности
- составлять понятные отчеты и использовать необходимые для этого инструменты
- выдвигать гипотезы, выстраивать процесс их тестирования и грамотно интерпретировать результаты
Краткая программа курса
Вас ждет полное погружение в роль продуктового аналитика, вы освоите продуктовый подход, а также методики принятия решений на основе данных.
Постигаем продуктовый
подход
Вы научитесь:
- видеть проблему и находить ее решение.
- разбираться в продуктовых метриках и KPI;
- понимать задачу и переводить ее в ТЗ;
Учимся понимать поведение клиентов
Вы научитесь:
- применять подходящий инструмент в соответствии с типом задачи;
- понимать откуда брать данные и какие именно данные нужны;
- настраивать счётчики web- и мобильной аналитики;
- проводить когортный и RFM-анализ;
- верифицировать данные и понимать адекватность результатов.
Учимся принимать решения
Вы научитесь:
- использовать инструменты для A/B тестов;
- проверять гипотезы с помощью А/B тестов;
- применять статистику для проверки результатов;
- делать выводы на основе данных.
Подведем итоги
- структурируем знания по аналитической культуре и продуктовому подходу;
- Поговорим о результатах:
- подведем итоги курса.
Отзывы на сайте.
Навыки после обучения:
- Владею web-, мобильной и app-аналитикой
- Профи в A/B-тестах, когортном и RFM-анализе
- Делаю запросы на Python, пользуясь NumPy и Pandas
- Хороша в CustDev, оценке рынка и unit-экономике
- Владею основами управления продуктовой командой
- Защитила дипломную работу по специальности «Product Management»
Вы научитесь работать с данными, проводить исследования и решать задачи бизнеса с помощью аналитики. Сможете изучать продукты, чтобы помогать бизнесу делать их лучше. Станете востребованным специалистом в продуктовой аналитике.
- Длительность 4 месяца
- Онлайн в удобное время
- Обучение на практике
- Доступ к курсу навсегда
- Начинающим аналитикам
Углубите знания в аналитике, поймёте, как работать с данными и делать из них правильные выводы. Сможете делать аналитику быстрее, используя Python, и узнаете, как устроена работа на сложных проектах. Сможете лучше презентовать результаты и дороже продавать свои услуги.
- Продактам, руководителям и менеджерам
Поймёте, как работать с веб-аналитикой и Python, проводить исследования и интерпретировать их результаты. Узнаете, по каким метрикам оцениваются эффективность и развитие продукта. Сможете работать с ним на глубоком уровне и стать более ценным специалистом.
- Программистам и data scientists
Научитесь анализировать продукт через программный код, оценивать его по метрикам и понимать, как с ним взаимодействуют пользователи. Сможете занять высокую должность в продуктовой аналитике, используя опыт программирования как преимущество.
Чему вы научитесь
- Проводить исследование продукта
Освоите инструменты продуктовой аналитики, включая удобные библиотеки на Python, и научитесь строить систему метрик продукта. Научитесь строить модели продукта и понимать его внутренние механизмы.
- Анализировать поведение пользователей
Поймёте, как пользователи взаимодействуют с продуктом, и научитесь предсказывать их поведение. Узнаете, как работает сегментация по поведению, и научитесь применять её на практике.
- Запускать A/B-тесты
Научитесь проводить исследования и оценивать их результаты. Разберёте сложные кейсы, поймёте, какие трудности возникают с A/B-тестами и как их решать.
- Решать задачи бизнеса
Поймёте роль продуктовой аналитики в компании, разберётесь в процессах работы над проектом и научитесь решать задачи бизнеса. Узнаете, как с помощью аналитики улучшить продукт и найти его слабые места и точки роста.
- Принимать решения на основе данных
Научитесь читать и интерпретировать результаты аналитики, находить в данных то, чего не видят другие. Сможете выявлять важные закономерности и делать выводы, чтобы принимать управленческие решения.
- Готовить отчёты для клиентов
Сможете быстро делать презентации и научитесь просто и понятно представлять результаты аналитики, чтобы ваша работа имела максимальный эффект и ценилась бизнесом.
Программа
Вас ждут онлайн-лекции и практические задания, которые помогут погрузиться в продуктовую аналитику.
- 13 тематических модулей
- 52 онлайн-урока
- Введение в курс
Поймёте, как устроена программа обучения и какие задачи решает продуктовый аналитик.
- Продукт глазами аналитика
Узнаете, чем занимаются аналитики и какова их роль в компании. Поймёте, как аналитики оценивают, а пользователи воспринимают продукт.
- Работа с задачами
Освоите профессиональных подход к аналитике. Научитесь принимать и оценивать задачи, выбирать инструменты, источники данных, рассчитывать ресурсы и планировать рабочие процессы.
- Глубина погружения пользователей в продукт
Познакомитесь с моделями погружения пользователей в продукт. Узнаете, что такое воронки конверсии и как их строить с помощью инструментов аналитики, таблиц или Python.
- Профили использования продукта
Научитесь исследовать вовлечение пользователей в разные функции и возможности продукта. Освоите построение матрицы частот и переходов.
- Когортный анализ
Узнаете, что такое когорты и сегменты пользователей, научитесь их сравнивать между собой и искать инсайты.
- А/B-тесты. Обработка данных
Поймёте, для чего и как используют A/B-тесты. Научитесь работать с данными, применять статистические методы и бутстрэппинг.
- Ограничения и сложные кейсы А/B-тестирования
Познакомитесь с нетривиальными кейсами в работе с A/B-тестированием. Узнаете, какие возникают осложнения в тестах и как с ними справляться.
- Метрики и методы анализа удержания пользователей в продукте. Retention. Survival curves
Разберётесь в продуктовых метриках: конверсия средних чеков, CAC, LTV, Retention, MAU, DAU, прокси-метрики, опережающие и маркетинговые метрики — CPM, CPC, CPA, CPO, NPS.
- Предиктивная аналитика
Узнаете, что такое предиктивная аналитика и как можно предсказывать поведение пользователей, используя искусственный интеллект.
- Сведение и интерпретация результатов аналитики
Научитесь читать и перепроверять данные аналитики — и понимать, о чём они говорят. Сможете оценивать результаты исследований в контексте бизнес-задач и экономить время при сведении результатов.
- Представление результатов аналитики
Поймёте, как представлять результаты исследований, чтобы они были понятны тем, кто впервые видит данные. Научитесь использовать шаблоны презентации данных.
- Карьерный путь в продуктовой аналитике
Узнаете, где брать инсайты и вдохновение для работы. Поймёте, как развиваться в аналитике, находить кейсы, публиковать результаты и повышать свою ценность на рынке труда.
- Бонусные модули
- Введение в Python
- Библиотека NumPy. Часть 1
- Библиотека NumPy. Часть 2
- Библиотека pandas. Часть 1
- Библиотека pandas. Часть 2
- Дипломный проект. Кейс интернет-магазина
Вы получите симуляцию данных о работе приложения интернет-магазина. Затем обработаете данные, проведёте исследование и проанализируете поведение пользователей. Это нужно, чтобы повысить эффективность приложения и получить больше лидов.
Профессиональные навыки:
- Знание продуктовых метрик (Retention, MAU, DAU и прокси-метрики)
- Построение воронки с помощью Google Analytics, Яндекс.Метрики и таблиц
- Планирование и статистическая обработка результатов A/B-тестов
- Построение матриц частот вызова событий и переходов
- Продуктовая аналитика со знанием Python
- Анализ профилей использования приложений
- Когортный анализ
- Интерпретация и валидация результатов аналитики
- Поведенческая сегментация
- Предиктивная аналитика
- Подготовка отчётов и презентаций
- Разберётесь в аналитических инструментах и сможете строить систему метрик для продукта
- Научитесь собирать данные и принимать на их основе полезные для бизнеса решения
- Когда — В любое время
- Формат — Видеолекции и вебинары в записи
- Менторство — Работа по своему продукту с обратной связью от практиков отрасли
- Документ — Удостоверение о повышении квалификации
Программа курса
У вас есть 3 месяца, чтобы в своём темпе освоить программу и перейти к написанию итоговой работы. Вас ждут видеолекции и практические задания. В заключение — итоговая работа с проверкой и фидбеком от эксперта курса.
Культура решения неопределённых задач
Научитесь системно использовать гипотезы для достижения бизнес-целей, отладите процесс системной проверки гипотез, узнаете, как экономить команде время и ресурсы
- 10 часов теории
- 12 часов практики
- Культура решения неопределённых задач
- Формулировка и прояснение цели
- Диагностика ограничения
- Определение причин ограничения
- Генерация решений, гипотез и их приоритизация
- Проведение экспериментов
- Принятие решения по итогам экспериментов
Основные метрики и юнит-экономика
Научитесь выбирать системы аналитики для конкретного проекта, настраивать сбор данных, применять подход canvas для формулирования метрик, за которыми стоит следить. Соберёте данные в модель юнит-экономики. Выберете юнит для своего типа бизнеса и составите P&L продукта. Определите точки роста бизнеса и рассчитаете финансовые кейсы. Выработаете целевые kpi по развитию бизнеса на основании проведённого анализа.
- 11 часов теории
- 15 часов практики
- Какие метрики нужны и как измерять и отслеживать эффективность
- Метрики бизнеса. Как замерять, использовать, интерпретировать и принимать решения
- Метрики маркетинга. Метрики работы с пользователями. Как замерять, использовать, интерпретировать и принимать решения
- Веб-аналитика. Как собирать данные и анализировать конкурентов
- Юнит-экономика
- Шаги построения метрик продукта, примеры, типовые ошибки. Настройка отчётности и работа с отчётами
Аналитические фреймворки и интерфейсы
Научитесь строить пирамиду метрик, выделять связи, выявлять низкоуровневые метрики. Поработаете над улучшением конверсий воронки, узнаете, как сопоставлять CJM клиента с бизнес-задачами. Разберёте, как анализировать воронки для нашего типа бизнеса, выбирать ключевые финансовые метрики. Поработаете с метриками Revenue, Retention, Referal и узнаете, как можно на них влиять. Выясните способы финального определения потребностей, рассмотрите драйверы и барьеры, методики (CJM, JTBD, Personas).
- 7,5 часа теории
- 11 часов практики
- Метод персон, сценарии, инструменты для работы с пользователями в рамках продукта и интерфейса
- Как собирать аналитические данные с интерфейсов и использовать их, как собирать обратную связь от пользователей
- Виды исследований. А/Б-тестирование
- Аналитические фреймворки и система метрик продукта
- Построение метрик и связывание их в систему. Пирамида метрик
- Шаги построения метрик продукта, примеры, типовые ошибки. Настройка отчётности и работа с отчётами
Python для продуктовых аналитиков и основы статистики
Научитесь работать в рамках продуктовых и аналитических задач с системой контроля версий Git и писать простые функции на языке Python. Узнаете, как добывать нужные данные и проводить с ними операции, используя библиотеку Pandas. Научитесь создавать простые схемы визуализации для презентации руководству. Узнаете, как корректно формулировать аналитические задачи и обосновывать их техническое решение.
- 7 часов теории
- 7 часов практики
- Настройка окружения, основы работы с Git
- Использование готовых функций библиотеки Pandas под свои задачи. Объединение данных из разных источников
- Визуализация данных. Основы работы с Plotly и Seaborn
- Основные статистические понятия и термины. Типы переменных. Меры центральной тенденции. Виды распределений
- Корреляция и регрессия. Условия применения коэффициента корреляции. Регрессия с одной независимой переменной
Основы SQL
Научитесь рассчитывать ROI, юнит-экономику, retention по когортам, RFM-сегментацию, имея сеты данных. Узнаете, как работать в ClickHouse. Разберётесь в написании простых запросов и сможете получать нужную информацию из базы данных. Научитесь работать с таблицами, компоновать данные и группировать их по нужным параметрам.
- 4 часа теории
- 5 часов практики
- Основы SQL для решения продуктовых задач
- Работа с таблицами. Работа с индексами. Примеры на продуктовых кейсах
- Группировка данных. Вспомогательные функции
Дашборды и работа с отчётами
Научитесь работать в Tableau и сможете составлять отчёты, выгружать данные, анализировать отчётность, детализировать до нужного уровня фрагменты данных, визуализировать данные и понимать язык графиков.
- 4,5 часа теории
- 4 часа практики
- Задачи и инструменты визуализации, типы данных и виды их визуализаций, основные принципы визуализации
- Работа с дашбордами. Tableau. Работа в режиме реального времени. Визуализация
- Инструменты Tableau для визуализации: фильтры, параметры, измерения. Подключения к источникам данных
Итоговый проект
По итогам обучения под руководством экспертов курса вы выполните дипломную работу, детально проработав свой проект с точки зрения продуктовой аналитики.
20 часов практики
Ключевые навыки
- Построение системы метрик
- Организация подхода к продукту со стороны аналитики
- Понимание, для каких продуктов какие метрики нужны
- Масштабирование аналитики для больших проектов
- Визуализация данных и составление отчётов
- Работа с базами данных
- Построение юнит-экономики продукта
Как войти в айти новичку? Самый простой ответ — через программирование. Можно стать программистом, они нужны везде. Но помимо программистов, есть множество других профессий в айти, работа в it не ограничивается разработчиками. Продукт менеджеры, проджект менеджеры, маркетологи, продуктовые аналитики. Про них знают меньше народу, но они есть практически в каждой продуктовой it компании. Это видео как раз о позиции «продуктовый аналитик».
Я сам работаю продуктовым аналитиком и расскажу о том:
-Чем занимаются продуктовые аналитики?
Что они делают для компании.
-Сколько зарабатывают продуктовые аналитики (на личном опыте).
-Что нужно знать и уметь чтобы стать продуктовым аналитиком. Какие скиллы и знания точно понадобятся.
-Что нужно учить новичку чтобы гарантированно попасть на джуниорскую вакансию
Если вам нравится такой разбор профессии — обязательно пишите об этом в комментариях и сниму такие же разборы про другие специальности. Моя контент политика почти целиком основана на ваших отзывах и предложениях 🙂 Почему-то на ютубе мало контента про не такие известные специальности. Есть много видео для разработчиков (как стать программистом, как научиться кодить и т.д), а про остальных почти ничего. Будем исправлять.
Это видео будет полезно также тем, кто только учится и выбирает профессию в it. Обязательно присмотритесь к продуктовой аналитике — это интересно и востребовано (знаю не понаслышке :))
Таймкоды:
00:00 — Кто такие продуктовые аналитики? Чем они занимаются?
01:33 — 3 направления работы работы. Основные обязанности ПА.
07:17 — Зарплатная вилка продуктового аналитика. От 0 до Senior
09:20 — Что должен знать продуктовый аналитик?
11:05 — Что важно выучить новичку в первую очередь?
Научим анализировать данные и принимать эффективные продуктовые решения. Курс для тех, кто мечтает стать аналитиками и product owner
Что вы получите
1
Понимание, как устроено привлечение в интернете
Узнаете, какие бывают каналы привлечения, модели атрибуции и как считается эффективность привлечения
2
Опыт работы с метриками продукта
Научитесь считать retention, делать когортный анализ и выводы на основе продуктовых метрик
3
Опыт работы с мобильной и веб-аналитикой
Узнаете, в чём отличия и как работать с инструментами: Amplitude, Appsflyer, Google Analytics, Tag Manager
4
Понимание о хранилищах данных и анализе с помощью SQL, Python
Познакомитесь с основными системами хранилищ и их особенностями: GreenPlum, Hive, Oracle. Научитесь писать эффективные запросы на SQL, поработаете с основными библиотеками Python для анализа данных
5
Понимание как правильно визуализировать данные
Узнаете, какие графики для каких случаев подходят и освоите основные инструменты визуализации
6
Опыт проведения АБ-тестов
Научитесь формировать гипотезы, проверять результаты на статистическую значимость и познакомитесь с моделями машинного обучения для персонализации
Мы разработали курс-toolbox для тех, кому нужно работать с анализом данных продукта. На этом курсе вы будете качать аналитическое мышление на позиции продакт-менеджера или продуктовое — на позиции аналитика. Всё это с поддержкой двух специалистов в области — Senior Product Manager и Head of Analytics в Jooble.
- 5 подходов работы с метриками: AARRR, дерево метрик, Lean Analytics, North Star и Unit-экономика
- 6 ключевых инструментов аналитика: язык sql, аналитика в Google Sheets, Tableau, Google Data Studio, Google Analytics и Google Optimize
- работа с A/B-тестами
- визуализация данных с помощью Tableau и Google Data Studio
Темы, которые вы изучите:
Метрики
Прежде чем измерять показатели, нужно разобраться чего вы хотите достичь. Вместе мы изучим с цели вашего бизнеса, выберем North Star и ключевые метрики, чтобы выстроить их в дерево. Вы научитесь увеличивать два жизненно важных показателя: количество активных пользователей и выручку, с помощью фреймворка AARRR.
Анализ
На курсе мы будем учиться собирать, хранить и анализировать данные. Разберемся в основных типах сегментации — поведенческая, RFM и кластеризация пользователей. Изучим основные статистические величины и работу с аутлаерами.
Визуализация
Важная часть работы аналитика — наглядно доносить результаты анализа менеджменту. Мы учим делать это с помощью Tableau — составлять отчеты, выгружать данные, детализировать до нужного уровня фрагменты данных и визуализировать их в понятные графики в Google Data Studio.
Занятие 1.
Зачем бизнесу продуктовая аналитика?
29 сентября, 19:00 UTC+3 / среда
- — Роль продуктового аналитика в бизнесе
- — Продуктовый менеджер и продуктовый аналитик: зачем работать в паре и когда нужно разделять две роли
- — Почему аналитика — это больше про гипотезы, а не про Google Analytics
Занятие 2.
От бизнес-цели к метрикам. Часть 1
5 октября, 19:00 UTC+3 / вторник
- — Метрики ценности vs. метрики качества
- — Как определить нужную метрику
- — Какие стандартные метрики обычно используют (Retention, NPS)
- — Как определить North Star для продукта
- — Разбираем кейсы с неправильными метриками
- — Немного о Growth Hacking
Занятие 3.
От бизнес-цели к метрикам. Часть 2
7 октября, 19:00 UTC+3 / четверг
- — Фреймворк Lean Analytics
- — Как построить дерево метрик
- — Пирамида метрик: от бизнес-метрики до мониторинга (Business, Margin, Loyalty, Value, Quality, Marketing Success)
- — AARRR фреймворк: 5 показателей, которые влияют на развитие бизнеса
Занятие 4.
Unit-экономика
12 октября, 19:00 UTC+3 / вторник
- — Что такое юнит и формула, которая нужна для расчета юнит-экономики
- — Расчет Unit-экономики
- — Практикуемся рассчитывать на примере
Занятие 5.
Аналитическое хранилище данных
14 октября, 19:00 UTC+3 / четверг
- — Какие данные собирать и где их хранить
- — Принципы аналитического хранилища
- — Garbage in — garbage out. Система мониторинга записи данных в аналитическое хранилище
- — Базовые SQL-запросы
Занятие 6.
Анализ данных: статистические величины (workshop)
19 октября, 19:00 UTC+3 / вторник
- — Основы статистического анализа: среднее, медиана, квантили, персентили
- — Ящик с усами — что выбрать, чтобы описать поведение пользователей в продукте
- — Очистка данных: как работать с аутлаерами — когда их оставлять, а когда удалять
- — Что может рассказать распределение о том, какую величину выбрать
Занятие 7.
Анализ данных: сегментация
21 октября, 19:00 UTC+3 / четверг
- — RFM-анализ
- — Поведенческая сегментация
- — Кластеризация
Занятие 8.
Зачем аналитику Google Analytics
26 октября, 19:00 UTC+3 / вторник
- — Основы, принципы и базовая настройка
- — Настройка аккаунта и представлений Google Analytics
- — Сэмплинг данных, ограничения GA
- — Фильтры и регулярные выражения
- — Работа с событиями (events)
- — Пользовательские переменные
- — Когорты
- — Создание сегментов пользователей
- — Настройка целей через ивенты и отчеты
- — Что такое ассоциированные конверсии, как проверить их ценность
- — Целеполагание в GA
Занятие 9.
Работаем с Google Analytics
28 октября, 19:00 UTC+3 / четверг
- — Настройка целей и их отслеживание
- — Построение воронки на основе целей
- — Тестирование в режиме реального времени
- — Обзор основных отчетов GA
- — Работа с UTM-метками
- — Каналы привлечения трафика
- — USER_ID настройка Google Analytics
- — Импорт и экспорт данных
- — Google tag manager: что это такое, зачем нужно и как настраивать
Занятие 10.
A/B-тестирование
2 ноября, 19:00 UTC+3 / вторник
- — Что такое A/B-тест и зачем нужен
- — Когда стоит проводить А/B-тесты?
- — Зачем нужен АА-тест
- — Формирование пользовательской и продуктовой гипотезы
- — Дизайним A/B-тест на Jooble с помощью Google Optimize
- — Основная и Health-метрики в тесте
Занятие 11.
Как интерпретировать результаты теста
4 ноября, 19:00 UTC+3 / четверг
- — Смотрим результаты теста
- — Когда принимать решение по тесту: проблема подглядывания
- — Почему результат теста постоянно меняется: статистическая значимость и доверительные интервалы
- — Из-за чего изменилась метрика: поведенческий анализ
Занятие 12.
Визуализация данных в Tableau
9 ноября, 19:00 UTC+3 / вторник
- — Правила визуализации данных и основные ошибки
- — Как создать дашборд, которым будут пользоваться
- — От отчета до BI-системы
Занятие 13.
Визуализация данных в Google Data Studio (workshop)
11 ноября, 19:00 UTC+3 / четверг
- — Настройка Google Data Studio
- — Связь и настройка разных источников данных
- — Создание дашборда с ключевыми метриками продукта
- — Практика: работаем с инструментом Google Data Studio, подключаем вывод данных из источников и визуализируем их
Курс поможет студентам на практическом материале изучить специфику работы продакт-менеджера, освоить навыки продуктовой аналитики, построения модели цифрового продукта и познакомиться с бизнес-практикой управления цифровым продуктом.
- Цель освоения дисциплины
- Цель курса — погрузить студентов в работу менеджера продукта и продуктового аналитика, на практических задачах научить работать с инструментами – от самых основ до пайплайнов обработки детальных данных о поведении пользователей.
- Планируемые результаты обучения
- Имеют представления о сфере применения бизнес-аналитики и продуктовой аналитики в управлении.
- Владеют навыками работы с метриками и системами аналитики.
- Имеют навыки системного продуктового мышления.
- Умеют создавать модель продукта и использовать её для принятия решений.
- Владеют и применяют методики управления продуктом, используемые в цифровых компаниях.
- Принимают обоснованные решения в разработке продукта. Могут выполнять роль Product Owner при работе с командой разработчиков. Могут создавать пользовательские модели, пользовательские сценарии, бизнес-планы, стратегии ценообразования. Владеют методами визуализации данных в продуктовой аналитике. владеют системой аналитики Amplitude, Sensor Tower, App Annie.
- Обладают знаниями о сфере продуктовой аналитики. Формируют траекторию своего профессионального развития.
- Содержание учебной дисциплины
- Обзор проблематики продуктового управления
Введение в понятия «продукт» и «продуктовое управление». Задачи менеджера и руководителя продукта. Место и роль продукта в структуре бизнеса.
- Введение в управление продуктом
Основные метрики, отличие методов корреляции и причинно-следственной связи. Основы развития прикладного программного обеспечения. Базовые метрики для презентации продукта. Принципы запуска продукта. Методы оценки результатов после запуска продукта.
- Анализ рынка и конкурентов
Создание модели для прогнозирования аудитории для оценки улучшений на ключевые метрики. Разновидности метрик продукта и метрик роста. Когортный анализ — основа продуктовой аналитики. Статистическая значимость — применение методов математической статистики на практике для сравнения метрик.
- Модель продукта
Создание модели продукта для оценка потенциала новой функциональности. Гипотеза ценности и модель продукта. Методы и способы устранения замечаний для прогнозирования аудитории для оценки улучшений на ключевые метрики.
- Эксперименты в управлении продуктом
Возможность построения гипотезы на основании результатов в процессе проектирования эксперимента. Качественные методы исследования пользователей для выявления и устранения замечаний. История создания и развития мобильных коммуникационных систем. Применение фреймворка для поиска скрытых ценностей продукта. Отстройка продукта от найденной ценности. Проверка рискованных гипотез на продукте.
- Управление каналами работы со спросом
Прогнозирование ключевых каналов дистрибуции для сервисов. Тонкости метрики коэффициента окупаемости и применение когортного анализа для этого значения. Методы и способы анализа целевого рынка. Покупка трафика в рекламных сетях. Формирование семантического ядра продукта. Управление знаниями о продукте и анализ полученных результатов.
- Карьера в продуктовом управлении
Как найти свой карьерный путь? Как построить портфолио продактов? Конференции, публикация статей, работа с коммьюнити, с чего начать?
Как стать аналитиком данных
Аналитик данных извлекает из данных смысл: структурирует их, формулирует и проверяет гипотезы, находит закономерности и делает выводы. Его работа помогает принимать решения в бизнесе, управлении и науке. Мы хотим научить вас пользоваться основными инструментами для получения профессии: Python и его библиотеки, Jupyter Notebook, SQL.
Программа обучения
1
Основы Python и анализа данных: бесплатный вводный курс
16 часов
Процесс и стадии работы аналитика: основные термины, задачи и инструменты анализа данных. Подготовка данных для анализа. Знакомство с языком программирования Python, аналитической библиотекой Pandas и средой программирования Jupyter.
+ 1 проект в портфолио
2
Введение в профессию «Аналитик данных»
4 часа
Знакомство с профессией аналитика. Обзор областей, в которых может работать аналитик. Представление разных видов аналитики. Организационная часть процесса обучения.
3
Предобработка данных
40 часов
Чистые и готовые к анализу данные — первый шаг к решению аналитической задачи. Разбираем инструменты для компенсации недостатков данных.
+ 1 проект в портфолио
4
Исследовательский анализ данных
40 часов
Предварительный поиск закономерностей в данных даёт возможность сформулировать первые гипотезы для анализа, а также избежать странных ошибок. Учимся использовать средства визуализации для работы с данными.
+ 1 проект в портфолио
5
Статистический анализ данных
40 часов
В ходе работы с продуктом возникает масса гипотез, которые можно проверить понятными статистическими методами. Изучаем основы статистики и теории вероятностей для решения бизнес-задач.
+ 1 проект в портфолио
6
Сборный Проект — 1
20 часов
Подготовка данных для анализа. Предварительное исследование датасета. Формулирование и проверка гипотез.
+ 1 проект в портфолио
1 неделя каникул после курса
7
Сбор и хранение данных
40 часов
Как устроены базы данных, как извлекать данные из них, делая запросы на языке SQL. Добыча данных в интернете.
+ 1 проект в портфолио
8
Анализ бизнес-показателей
40 часов
Ещё ближе к бизнесу — разбираем подробно, что такое метрики и основные инструменты: когортный анализ, воронка продаж и unit-экономика.
+ 1 проект в портфолио
9
Принятие решений в бизнесе на основе данных
40 часов
A/B-тестирование: в каких случаях его использовать; проектирование, формирование выборки, получение результатов и их валидация.
+ 1 проект в портфолио
10
Как рассказать историю с помощью данных
40 часов
Как правильно презентовать результаты своего исследования, оперируя графиками, важнейшими цифрами и их правильной интерпретацией.
+ 1 проект в портфолио
11
Сборный проект — 2
20 часов
Получение данных из базы. Предобработка и обзор датасета. Формулирование гипотез с учётом специфики бизнеса. Проверка гипотез и подготовка выводов в формате аналитического отчёта.
+ 1 проект в портфолио
1 неделя каникул после курса
12
Автоматизация
40 часов
Автоматизация процессов анализа данных. Превращение рутинных и постоянных задач в скрипты. Создание дашбордов для разных аудиторий и нужд компании.
+ 1 проект в портфолио
13
Прогнозы и предсказания
40 часов
Основы машинного обучения, разбор задачи предсказания оттока пользователей.
+ 1 проект в портфолио
14
Выпускной проект
40 часов
Самостоятельное решение аналитической задачи на выбор студента, со всеми стадиями анализа данных.
+ 1 проект в портфолио
Продуктовый аналитик — мостик между бизнесом и данными. Он работает рука об руку с продакт-менеджером и помогает продуктовой команде принимать верные решения. Работает с данными: анализирует, какие кнопки нажимают пользователи, как часто используют продукт, какие функции продукта продукта популярны, а какие — нет. После вытаскивает из цифр инсайты, которые объясняют поведение пользователей.
Кому подойдёт этот курс
Новичкам
Обретете навыки и знания, необходимые для старта профессии: проведете исследования, сможете анализировать метрики.
Маркетологам
Расширите свои профессиональные возможности, освоите новые инструменты, сможете использовать аналитику для увеличения трафика
Product-менеджерам
Сможете применять новые инструменты в своей работе: для развития продукта, тестирования гипотез.
Чему вы научитесь
- Определение направления развития продукта на основе аналитики
- Анализ поведения целевой аудитории
- Определение решения для бизнеса на основе аналитики
- Запуск A/B-тестов
- Анализ конкурентов
- Подготовка отчетности
Программа обучения
7 тематических модулей
49 онлайн-уроков
Введение в профессию
- Введение в продуктовую аналитику
- Роль и место аналитика в продуктовой команде
- Что такое продукт и его отличие от проекта
- Виды продуктов и их отрасли
Управление продуктом
- Анализ рынка и конкурентов
- Различия управления В2В и B2C
- Сделка, маркетинговая воронка и юнит в проекте
- Стратегия управления продуктом
Продуктовая аналитика
- Введение в маркетинговую аналитику
- Каналы трафика
- Маркетиговые метрики
- Основные источники данных и методы их анализа
- Сквозная аналитика
- CRM-системы, назначение и способы работы с ними
- Методы сегментации клиентов и целевой аудитории
- Введение в RFM-анализ
- Введение в когортный анализ
Web- и app- аналитика
- Введение в web- и app- аналитику: основные понятия и инструменты
- UTM-метки
- Возможности передачи и сбора данных из систем аналитики — BigQuery и ClickHouse
- Инструменты веб-аналитики
- Инструменты app-аналитики
- Регулярные выражения и их использование в Google Analytics и Яндекс.Метрика
- GTM, особенности работы и основные возможности
- Основные отчёты Google Analytics
- Основные отчёты Яндекс.Метрика
- Основные отчёты Firebase
- Основные отчёты App Metrica
Организация и проведение исследований
- Цель исследований
- Принципы исследований
- Объекты исследований
- Виды исследований
- Принципы исследований
- Объекты исследований
- Кабинетные исследования
- Качественные исследования
- Количественные исследования
- Этнографические исследования
- Тестирования
- Мониторинг эффективности
- Результаты исследований
Дизайн процесс
- Основы юзабилити
- Юзабилити-тестирование
- UX-дизайн
- Конструкторы сайтов
- Построение Customer Journey map
Представление данных и отчетность
- Визуализация данных в Excel
- Инструменты анализа и оптимизации
- Основы успешной презентации
Освоите с нуля профессию Аналитик продуктов, подробно разберете всю специфику и инструменты данной профессии от Google Analytics, Python и BI-инструментов до Machine Learning и DataScience
Чему вы научитесь
Анализировать трафик и сайт
На основе данных составлять аргументированные рекомендации по изменению стратегии и рекламных кампаний
Использовать на продвинутом уровне Google Analytics и Яндекс.Метрику
Настраивать счётчики и цели в Google Analytics и Яндекс.Метрике, разбираться в стандартных отчётах и создавать свои
Проектировать систему сквозной аналитики
Отслеживать полный путь клиента от перехода на сайт до продажи и определять эффективность инвестиций
Визуализировать данные
Наглядно показывать динамику изменения данных
Программа курса
Блок 1
Продуктовая аналитика и развитие продуктов
- Роль и место аналитика в продуктовой команде
- Lean Canvas
- HADI циклы
- Основные типы бизнес-метрик
- Декомпозиция метрик: иерархия метрик и пирамида метрик
- Unit-экономика
Блок 2
Google Sheets и Excel
- Основы работы в Google Sheets
- Базовые вычислительные функции и формулы
Блок 3
Веб/мобильная-аналитика
- Введение в digital-аналитику: основные понятия и инструменты
- Базовые настройки инструментов аналитики Google Analytics и Yandex Metrica
- Основные отчеты Google Analytics. Метрики и параметры
- Метрики и параметры. Основные отчеты Yandex Metrica
- GTM особенности работы и основные возможности
- Инструменты app-аналитики
- Основные отчеты App Metrica
- Google Analytics web+app: важные особенности и возможности
- Возможности передачи и сбора данных из систем аналитики — BigQuery, ClickHouse, OWOX BI
Блок 4
Маркетинговая аналитика
- Введение в маркетинговую аналитику
- Выстраивание аналитики в performance маркетинге
- Сквозная аналитика или считаем LTV
- Жизненный цикл клиента и когортный анализ
- Основы CRM-аналитики. Сегментация клиентов
- Введение в маркетинговые исследования
Блок 5
A/B-тестирование
- Проверка гипотез и поиск точек роста с помощью A/B-тестирования
- Основы математической статистики для A/B тестирования
- Статистический тест для оценки результатов A/B эксперимента
- Цель и метрики A/B теста
- Практическая реализация A/B теста
- Продвинутые методики тестирования
- Инструменты для A/B тестирования
Блок 6
SQL для анализа данных
- Введение в блок SQL
- Извлечение и фильтрация данных (часть 1)
- Извлечение и фильтрация данных (часть 2)
- Преобразование и сортировка данных (часть 1)
- Преобразование и сортировка данных (часть 2)
- Группировка данных
- Введение в базы данных
- Объединение таблиц
- Подзапросы
- Обновление, добавление и удаление данных
- Создание, изменение и удаление таблиц
- Advanced
- Итоговый проект LEGO
- Бонусный урок
Блок 7
Python
- Введение в Python
- Типы данных, функции, классы, ошибки
- Строки, условия, циклы
- Списки и словари в Python
- Пакеты, файлы, Pandas – начало
- Pandas – продолжение
- Визуализация данных
- Базы данных и статистика
- Многопоточность
- Веб-сервер flask и контроль версий GIt
- Итоговый проект
Блок 8
Инструменты визуализации данных
- Введение в Power BI
- Power Query. Получение и преобразование данных
- Модель данных в Power BI
- DAX (Data Analysis Expressions)
- Работа с отчетами, базовые принципы визуализации данных
- Power BI Service и создание дашборда
- Power BI и Python
- Итоговый проект: Uber & Lyft
- Введение в Tableau. Знакомство с инфраструктурой Tableau
- Модели данных и Табличные вычисления
- Параметры и уровни детализации в Tableau
- Псевдонимы, сортировка, Actions
- Разработка дашбордов. Настройка взаимодействия между визуализациями
Блок 9
Построение Machine Learning моделей
Знакомство с машинным обучением
Линейная регрессия
Бинарная классификация
Валидация. Почему это важно
Решающие деревья
Бутстрап, Бэггинг и случайный лес
Feature Engineering, Feature Selection
Градиентный бустинг
Воркшоп: предсказание оттока клиентов и прогноз продаж
A/B тестирование
Обучение без учителя
Воркшоп: скоринг кредитного портфеля
Блок 10
Нейронные сети и NLP
- Введение в нейронные сети
- Обучение нейросетей
- Глубокое обучение на практике
- Дополнительные возможности Tensorflow + Keras
- Свёрточные нейронные сети
- Введение в NLP, понятие ембеддинга
- Рекурентные нейронные сети
- Нейросети с вниманием, трансформеры
- Metric learning, обучение без учителя
- Обучение с подкреплением в нейросетях
Блок 11
Рекомендательные системы
Введение
Метрики и бейзлайны
Матричное разложение
Рекомендации через поиск ближайших соседей
Гибридные рекомендательные системы
Блок 12
Аналитика больших данных
- Организация команды для работы с данными. CRISP-DM
- Культура сбора и источники данных / Улучшение качества работы с данными
- Современные инструменты визуализации данных
- Машинные методы для обработки данных (на распределенном окружении)
- Основы работы в Hadoop и MapReduce
- Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
- DataWarehouse, DataLake (clickhouse)
- Работа с облачными платформами: AWS, GCP, Azure и другие
- Практика AWS S3
- Работа с Airflow
- Работа в pyspark
- Построение прогнозных и предсказательных моделей
Блок 13
Дипломная работа и помощь с трудоустройством
- Работа над дипломным проектом для портфолио
- Подготовка резюме
- Подготовка к собеседованию
- Финальная защита и консультации
- В финальной программе возможны небольшие правки на основании фидбэка и потребностей студентов курса
Ваше резюме и проф.навыки после курса
Должность: Аналитик
Зарплата от: 125.000 рублей
Веб-аналитика
Продвинутая работа с инструментами веб-аналитики (Google Analytics, Я.Метрика)
Mobile-аналитика
Навыки работы с инструментами мобильной аналитики (Appsflyer, AppMetrica)
Конкурентный анализ
Работа с инструментами SEMRush, Similarweb, Яндекс.Радар
Продуктовые навыки
Построение и анализ MVP-решений, работа с HADI-циклами
Декомпозиция метрик
Навыки выбора корректных метрик для продукта
Маркетинговая аналитика
UTM-ки, постбэки, промо-коды, колтрекинг и другие способы анализа трафика
Аналитика воронки продаж
Навык построения сквозной аналитики воронки продаж
A/B-тестирование
Проведение и расчёт A/B-тестов с корректной стат.значимостью
SQL
Продвинутый уровень анализа данных за счёт использования SQL-запросов
Python
Построение базовых отчётов и автоматизация работы с помощью библиотек Python
Визуализация данных
Навыки работы с OWOX, продвинутый уровень в Google Sheets и Google Data Studio
Презентация данных
Подготовка отчётов и презентация результатов анализа данных
Вы научитесь использовать сервис продуктовой аналитики Amplitude для нахождения точек роста прибыли продукта
- Юнит–экономика
- Когортный анализ
- Продуктовые метрики
- Пиратские метрики
- Сквозная аналитика
- Импорт данных в Amplitude
- Построение отчетов и дашбордов
Программа обучения курса «Mastering Product Analytics»
1. Задания, видео, теория, практические инструменты — с примерами и шаблонами
Есть ли возможность посмотреть демо курса?
Что если в программе обучения нет инструмента, который мне нужно изучить?
- Start Message — Mastering Product Analytics
меньше часа
1.1. Start Message — Mastering Product Analytics |
- Как работает платформа, курсы и тренинги
1 час
2.1. Как устроена методическая модель LeadStartup? |
2.2. Как работает платформа LeadStartup? |
2.3. Как связаны инструменты и платформа? |
2.4. Обратная связь |
- Метрики тщеславия
2 часа
3.1. Ванильные метрики или метрики тщеславия |
3.2. Как отличать правильные метрики от метрик тщеславия? |
3.3. Как и чем заменять метрики тщеславия |
3.4. Пиратские метрики против ванильных метрик |
3.5. Что маскируют ванильные метрики? |
3.6. Какие бывают метрики тщеславия |
- Поток ценности
2 часа
4.1. Что такое «поток ценности» и его карта |
4.2. Типичные ошибки при составлении value stream map |
4.3. С чего начинать |
4.4. Этапы построения value stream map |
4.5. Анализ value stream map — на что смотреть |
4.6. Структура value stream map |
4.7. Как нарисовать value stream map |
4.8. Зачем использовать value stream mapping |
- Ценностное предложение
5 часов
5.1. Ценностное предложение |
5.2. FreshBooks |
5.3. DuckDuckGo |
5.4. Apple MacBook |
5.5. Примеры ценностных предложений на 5+ |
5.6. Как тестировать ценностное предложение |
5.7. Получить информацию можно разными способами |
5.8. Возможно, у вас появился логичный вопрос: «А как узнать всё это?» |
5.9. Вопросы для понимания проблематики: |
5.10. Теперь о том, как составить ценностное предложение |
5.11. 3. Уникальность, отстройка от клиентов |
5.12. 2. Выгода |
5.13. 1. Ясность |
5.14. Основные элементы ценностного предложения: |
5.15. Ценностное предложение решает, будет ли аудитория знакомиться с вашим продуктом |
- Value/Effort matrix
2 часа
6.1. Value/Effort matrix |
6.2. Результаты Lean Prioritization |
6.3. Кейс Lean Prioritization в Hygger |
6.4. Как работает техника Lean prioritization и Value/Effort matrix |
6.5. Кому подходит Lean prioritization и Value/Effort matrix |
6.6. Какие цели у расстановки приоритетов? |
6.7. Почему важно приоритизировать задачи? |
- Пиратские метрики
2 часа
7.1. Активация (Activation) |
7.2. Удержание (Retention) |
7.3. Привлечение (Acquisition) |
7.4. Что такое Пиратские Метрики? |
7.5. Доход (Revenue) |
7.6. Реферальная программа и рекомендации (Referral) |
7.7. Применение пиратских метрик в бизнесе |
- ADKAR
2 часа
8.1. Что такое модель ADKAR |
8.2. Осознанность (Awareness) |
8.3. Желание (Desire) |
8.4. Знание (Knowledge) |
8.5. Способность (Ability) |
8.6. Подкрепление (Reinforcement) |
8.7. Зачем нужна модель ADKAR |
- Аналитический паралич
1 час
9.1. Аналитический паралич |
9.2. Страх потерять инвестиции |
9.3. Страх перемен |
9.4. Желание «полной определенности» |
- Сегментация клиентов
3 часа
10.1. Сегментация клиентов |
10.2. Создавайте персонализированные призывы к действию |
10.3. Создание и курирование релевантного контента |
10.4. Начните с общего, а затем тонко подстраивайте контент |
10.5. Персонализация контента |
10.6. Как эффективно сегментировать клиентов |
10.7. Почему сегментирование клиентов — это важно? |
10.8. Типы сегментирования клиентов |
10.9. Что такое сегментация клиентов? |
- Корреляция и причинность
3 часа
11.1. Корреляция vs причинность |
11.2. Корреляция против причинности: понятие разницы для ваших продуктов |
11.3. В чем разница между корреляцией и причинностью? |
11.4. Как проверить причинно–следственную связь в вашем продукте |
11.5. 1. Проверка гипотез |
11.6. Когда использовать проверку гипотез? |
11.7. 2. A/B/n Эксперименты |
11.8. Когда использовать A/B/n тесты? |
11.9. Заключение и рекомендации |
- Customer Experience
3 часа
12.1. Клиентский опыт |
12.2. Понимание опыта работы с клиентами |
12.3. Что такое клиентский опыт? |
12.4. Почему клиентский опыт важен для вашего бизнеса? |
12.5. В чем разница между клиентским опытом и обслуживанием клиентов? |
12.6. Что такое хороший клиентский опыт? |
12.7. 6 вещей, которые создают плохой клиентский опыт |
12.8. Почему вы должны использовать обратную связь |
12.9. Как измерить и проанализировать опыт клиента |
- Customer Discovery
2 часа
13.1. Customer Discovery |
13.2. Зачем нужен Customer Discovery |
13.3. Как пройти этап Customer Discovery |
13.4. Инструменты для Customer Discovery |
13.5. Заключение |
- Customer Experience Map
2 часа
14.1. Карта клиентского опыта |
14.2. Отличия Customer Experience Map от Customer Journey Map |
14.3. Что такое Customer Experience Map |
14.4. Зачем вам Customer Experience Map |
14.5. Как рисовать карту |
14.6. Что делать с нарисованной картой |
- Customer Experience Analysis
2 часа
15.1. Анализ клиентского опыта |
15.2. 3 вещи, которые нужно начать делать |
15.3. Способы сбора данных о клиентском опыте и обратной связи |
15.4. Как анализировать клиентский опыт |
15.5. Анализ тенденций изменения клиентского опыта |
- Customer Experience Strategy
3 часа
16.1. Стратегия развития клиентского опыта |
16.2. Что такое стратегия клиентского опыта |
16.3. Почему стратегия клиентского опыта важна для вашего бизнеса |
16.4. Как разработать стратегию клиентского опыта |
16.5. 5 советов по построению клиентоориентированной культуры |
16.6. Позвольте обратной связи направлять вас вас |
16.7. Методы сбора отзывов у клиентов |
16.8. Создание запоминающихся впечатлений + снижение трения |
16.9. 3 подсказки для создания незабываемого впечатления |
- Customer Lifetime Value
2 часа
17.1. Customer Lifetime Value |
17.2. Зачем нужно обращать внимание на LTV |
17.3. Что важно для хорошего LTV |
17.4. Формула для расчета LTV |
17.5. Что нужно учитывать при расчете LTV |
- Customer Validation
2 часа
18.1. Customer Validation |
18.2. Как найти product market/fit |
18.3. Решенческое интервью (Solution Interview) |
18.4. Каким должен быть MVP |
18.5. Как проверить бизнес модель развития продукта |
- Пирамида Роберта Дилтса
3 часа
19.1. Пирамида Роберта Дилтса |
19.2. Как начать работу с моделью |
19.3. Миссия / видение |
19.4. Идентичность |
19.5. Ценности / убеждения |
19.6. Способности / навыки / компетенции |
19.7. Поведение / действия |
19.8. Окружение / среда |
19.9. Зачем использовать пирамиду нейрологических уровней |
19.10. Что такое «пирамида нейрологических уровней» |
- Методика сегментации для стартапов
2 часа
20.1. Методика сегментации для стартапов |
20.2. Сегментация потребителей в результате живого общения |
20.3. Как начать сегментацию потребителей |
20.4. Типичная ошибка сегментации в стартапах |
20.5. Зачем нужна методика сегментации для стартапов? |
- Monthly Active Users
3 часа
21.1. Monthly Active Users |
21.2. Как измерять Monthly Active Users и другие метрики |
21.3. Риски в использовании метрик DAU и MAU в играх |
21.4. Кейс по увеличению метрики Monthly Active Users |
21.5. Monthly Active Users в геймдеве |
21.6. Метрика LMAU |
21.7. Monthly Active Users и «липкость» |
21.8. DAU и MAU |
21.9. Зачем измерять Monthly Active Users? |
- Монополия и конкуренция
2 часа
22.1. Конкуренция vs монополия |
22.2. Почему большинство компаний выбирают конкуренцию, а не монополию |
22.3. Монополия и инновации |
22.4. Конкуренция и копирование |
22.5. Основное отличие монополии от конкуренции |
- Принципы эффективной команды
2 часа
23.1. Принципы эффективной команды |
23.2. Что теперь делать руководителям эффективных команд? |
23.3. Как эти принципы эффективной команды работают на практике? |
23.4. Принципы успеха |
23.5. Как создается эффективная команда? |
После программы вы научитесь принимать решения на основе данных, настраивать сквозную аналитику, анализировать поведение пользователей на сайте, делать понятные отчеты и дашборды, автоматизировать процессы в компании.
Программа
8 недель
Неделя 1
Ключевые метрики и отчеты в маркетинге
- Принципы построения воронки продаж и основные этапы.
- Основные метрики: Конверсии, CAC, LTV, ROI и др.
- Юнит-анализ. Экономика одного заказа.
- Основы измерений, статистики, типы данных и их визуализация.
Неделя 2
Дашборды и визуализация данных
- Типы данных и их иерархия.
- Способы визуализации данных.
- Требования к источникам данных.
- Принятия решений на основе данных.
- Лучшие практики и типовые отчеты в маркетинге.
- Обзор основных инструментов визуализации данных и построение дашбордов в Tableau и Google Data Studio.
Неделя 3
Google Analytics и Tag Manager
- Введение в GA, передача данных, настройки, цели, события.
- Аудитории, Контент, Представления, Фильтры, Отчеты, Сегментация
- Привлечение, Конверсии, Когорты, Электронная коммерция, Атрибуция.
- Настраиваемые отчеты и Дашборды.
- Работа с Tag Manager — контейнеры, триггеры, события. Основные настройки. Отслеживание кнопок и форм.
Неделя 4
Яндекс. Метрика и рекламный кабинет Facebook
- Основные отличия от GA.
- Вебвизор, карта кликов.
- Настройка пикселей и целей в Facebook.
- Сбор данных о пользователях. Возможности таргетинга.
- Основные отчеты из Facebook.
Неделя 5
Сквозная аналитика в Roistat и коллтрекинг
- Введение в сквозную аналитику. Анализ пользователей.
- Настройка Roistat и Сomagic и интеграция с другими сервисами (Tilda, AmoCRM и др.)
- Когортный анализ.
- Основные отчеты и дашборды.
Неделя 6
Анализ данных и A/B-тесты
- Основы статистики.
- A/B-тесты, их проектирование и анализ результатов.
- Язык SQL и работа с данными.
- Введение в Python и основные библиотеки.
- Подготовка данных для анализа.
- Обзор основных инструментов для анализа данных.
Неделя 7
Автоматизация процессов, CRM и No-code подход
- Основы AmoCRM.
- Настройка этапов и воронок продаж.
- Интеграция с основными сервисами.
- Автоматизация и отчетность.
Conversational Marketing без программирования. Создаем чат-ботов
- Делаем бота поддержки, который собирает лидов и записывает клиентов.
- Делаем бота, который собирает новости и присылает их каждое утро нам в telegram.
Автоматизация бизнес-процессов
- Основы API и интеграций.
- База данных в Airtable.
- Основы PWA.
- Автоматизация процессов с помощью Integromat и Zapier.
Неделя 8
Выпускная работа и презентации дашбордов
Представления плана маркетинговой кампании для работодателя и своего портфолио.
Создание собственного резюме и портфолио из дашбордов.
Инструменты, которые вы освоите за 8 недель
Tableau
Популярный инструмент визуализации и обработки данных
AmoCRM
Одна из самых популярных и функциональных CRM-систем
Google Data Studio
Инструмент построения дашбордов из различных источников данных
Google Analytics
Самый популярный инструмент аналитики сайтов в мире
Яндекс.Метрика
Самый популярный инструмент аналитики сайтов в России
Roistat
Сквозная аналитика
SQL
Язык структурированных запросов
Integromat
Автоматизация бизнес-процессов и интеграция разрозненных сервисов
Программа курса
Веб-аналитика
- Знакомство с digital. Анатомия рекламного продвижения. Что такое рекламная кампания, и какие они бывают
- Особенности каждого вида рекламного трафика
- Как настроить рекламную кампанию. Что такое utm-метка. Способы отслеживания различных активностей на сайте
- Оценка эффективности площадок с помощью подключения систем аналитики Yandex.Metrika и Google Analytics
- Как правильно настроенная система аналитика удешевляет входящий трафик
- Составление карты пользовательских событий. Продуктовые метрики
- Подключение к сайту механизмов отслеживания продуктовых метрик. GTМ Google Analytics и Yandex Метрика. Отчеты.
- Электронная торговля. Настройка аналитики в электронной торговле. Measurement Protocol. Автовыгрузки
- Различные дашборды
Мобильная аналитика
- Особенности работы с мобильными приложениями: в чем сходства и отличия с сайтами
- Создание mock-up Android приложения. Подключение систем аналитики appMetrika, Firebase / Google Analytics и Amplitude
- Специфичные метрики мобильных приложений
- Система динамического ремаркетинга
- ТОП-ситуаций, в которых может оказаться продукт, как их можно решить с помощью мобильной аналитики
Продуктовая аналитика
- Unit-экономика. Как объединить данные о расходах с данными по доходам от рекламных кампаний и пользовательскими действиями, чтобы построить Unit-экономику
- Формулирование гипотез с помощью Unit-экономики
- Проверка гипотез с помощью различных методов исследований: опросов, интервью, UX-исследований и исследования бенчмарков. NPS
- Основы Customer Development
- Формирование бэклога на основе качественных исследований. Различные способы оценки приоритетов
- Интерфейсный A/B тест. Как посчитать эффективность работы товарного ассортимента
- Google Optimize для проведения простых интерфейсных АB-тестов
- Логика A/B тестов. Нетиповые A/B тесты
- Визуализация данных. Визуализация полученных данных с помощью Tableau
- SQL и Tableau. Как построить отчет любой сложности
- SQL и бизнес-задачи. Визуализация. RFM-сегментация пользователей, перетекание пользователя из одного сегмента в другой, информация о рентабельности клиентских групп в маркетинговом продвижении.
- Расчет LTV и модель оттока.
