15+ лучших курсов обучения продуктового аналитика. Платные и бесплатные 2023-2024. Рейтинг, сравнение, цены.

Стоимость: 96 250 ₽ или рассрочка на 24 месяца — 4 010 ₽ / мес
  • 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

Стоимость: цену уточняйте на сайте.

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

  1. 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.

    1. Введение в веб-аналитику.
    2. Отчеты, метрики и навыки веб-аналитика.
    3. Google Tag Manager.
    4. Google Analytics.
    5. Яндекс.Метрика.
    6. Анализ эффективности рекламных каналов.
    7. Подключение рекламных кабинетов.
    8. Основы A/B-тестирования.
    9. Веб-аналитик в команде.
    10. Бонус-модуль. Куда дальше развиваться в аналитике.
  1. Продуктовая аналитика

Научитесь проводить продуктовую аналитику: обрабатывать данные, исследовать взаимодействие пользователей с продуктом, интерпретировать собранную информацию. Сможете использовать полученные результаты, чтобы решать задачи бизнеса.

    1. Введение в курс
    2. Продукт глазами аналитика
    3. Работа с задачами
    4. Глубина погружения пользователей в продукт
    5. Профили использования продукта
    6. Когортный анализ
    7. А/B-тесты. Обработка данных
    8. Ограничения и сложные кейсы А/B-тестирования
    9. Метрики и методы анализа удержания пользователей в продукте. Retention. Survival curves
    10. Предиктивная аналитика
    11. Сведение и интерпретация результатов аналитики
    12. Представление результатов аналитики
    13. Карьерный путь в продуктовой аналитике
  1. 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.

    1. Введение в мобильную аналитику.
    2. Отчёты, метрики и навыки в мобильной аналитике.
    3. Firebase: внедрение.
    4. Google Tag Manager для мобильных приложений.
    5. Google Analytics для мобильных приложений.
    6. AppMetriсa.
    7. Анализ эффективности рекламных каналов.
    8. Подключение рекламных кабинетов.
    9. Настраиваем Adjust.
    10. Настраиваем Adjust: ретаргетинг и дополнительные отчёты.
    11. Amplitude: основные отчёты.
    12. Настраиваем Amplitude.
    13. Подведение итогов.
  1. 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.

    1. Фундамент хранилища данных.
    2. Создаём первую базу данных.
    3. Скрипты для анализа данных.
    4. Python: минимум для начала работы.
    5. Python: как создавать таблицы.
    6. Python: чистим данные перед анализом.
    7. Python: как показать изменения во времени.
    8. Python: продвинутый уровень построения таблиц.
    9. Методы сбора внешних данных.
    10. Наполнение хранилища данными.
    11. Аналитика и бизнес-задачи.
    12. Tableau: основы интерфейса.
    13. Tableau: базовые отчёты.
  1. 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.

    1. Вводный блок
    2. Аналитика товарного ассортимента
    3. Аналитика клиентской базы
    4. Доставка и последняя миля
    5. Пользовательский опыт
    6. Retention-marketing
    7. Поп-папы и рекомендательные системы
    8. Аналитика сайта и мобильных приложений
    9. Call-tracking
    10. Рекламные расходы
    11. Оценка периода
    12. P&L

Бонусный курс

  1. 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.

    1. Введение в исследования клиентского опыта.
    2. Исследовательский подход и выбор методов.
    3. Качественные методы: глубинное интервью и фокус-группы.
    4. Текстовая аналитика.
    5. Количественные исследования.
    6. Customer profiling, segmentation personas development.
    7. Customer Journey Map.
    8. Юзабилити-тесты.
    9. Customer satisfaction.
    10. AI in CX research.
    11. Фреймворк программы СХ исследований.
    12. Кросс-культурные факторы в исследованиях.
    13. Исследование уникальных торговых предложений.
    14. Анализ поведения пользователей на сайте.
    15. Как сформулировать гипотезы по данным веб-аналитики.
    16. Проведение А/В-теста.
    17. Способы сбора и обработки данных.
    18. Составление дорожной карты изменений.

Дипломные проекты

  1. 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.

  1. 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.

  1. Аналитика для мобильного приложения

Вы создадите проект мобильного приложения в Android-studio и подключите его к аналитическим системам AppMetrica, Adjust, Amplitude.

  1. Хранилище данных

Вы создадите инфраструктуру хранилища данных (data warehouse) и объедините в нём данные из аналитических и рекламных систем.

  1. 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.

Стоимость: Рассрочка до 36 месяцев — от 3 220 ₽ / мес

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

Стоимость: 48 400 руб. или рассрочка на 12 месяцев

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»
Стоимость: цену уточняйте на сайте.

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
  1. Введение в курс

Поймёте, как устроена программа обучения и какие задачи решает продуктовый аналитик.

  1. Продукт глазами аналитика

Узнаете, чем занимаются аналитики и какова их роль в компании. Поймёте, как аналитики оценивают, а пользователи воспринимают продукт.

  1. Работа с задачами

Освоите профессиональных подход к аналитике. Научитесь принимать и оценивать задачи, выбирать инструменты, источники данных, рассчитывать ресурсы и планировать рабочие процессы.

  1. 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.

  1. Профили использования продукта

Научитесь исследовать вовлечение пользователей в разные функции и возможности продукта. Освоите построение матрицы частот и переходов.

  1. Когортный анализ

Узнаете, что такое когорты и сегменты пользователей, научитесь их сравнивать между собой и искать инсайты.

  1. А/B-тесты. Обработка данных

Поймёте, для чего и как используют A/B-тесты. Научитесь работать с данными, применять статистические методы и бутстрэппинг.

  1. 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.

  1. 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.

  1. Предиктивная аналитика

Узнаете, что такое предиктивная аналитика и как можно предсказывать поведение пользователей, используя искусственный интеллект.

  1. 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.

  1. Представление результатов аналитики

Поймёте, как представлять результаты исследований, чтобы они были понятны тем, кто впервые видит данные. Научитесь использовать шаблоны презентации данных.

  1. 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.

  1. Бонусные модули
    1. Введение в Python 
    2. Библиотека NumPy. Часть 1
    3. Библиотека NumPy. Часть 2
    4. Библиотека pandas. Часть 1
    5. Библиотека pandas. Часть 2
    6. 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
Стоимость: нет информации
  • 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
Стоимость: бесплатно

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?

Стоимость: нет информации

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

Стоимость: нет информации

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
Стоимость: нет информации

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.

 

  1. 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.

 

  1. 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.

 

  1. 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

Стоимость: нет информации

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
Стоимость: в рассрочку на 24 месяца 3 329 ₽/ мес.

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

Стоимость: 4 950 рублей

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?

  1. Start Message — Mastering Product Analytics

меньше часа

1.1. Start Message — Mastering Product Analytics

  1. 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

  1. 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

  1. 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

  1. 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

  1. 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?

  1. 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

  1. 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

  1. Аналитический паралич

1 час

9.1. Аналитический паралич

9.2. Страх потерять инвестиции

9.3. Страх перемен

9.4. Желание «полной определенности»

  1. 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?

  1. 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

  1. 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

  1. 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

  1. 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

  1. 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

  1. 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

  1. 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

  1. 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

  1. 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»

  1. 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?

  1. 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?

  1. 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

  1. 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

  1. Знакомство с digital. Анатомия рекламного продвижения. Что такое рекламная кампания, и какие они бывают
  2. Особенности каждого вида рекламного трафика
  3. Как настроить рекламную кампанию. Что такое utm-метка. Способы отслеживания различных активностей на сайте
  4. Оценка эффективности площадок с помощью подключения систем аналитики Yandex.Metrika и Google Analytics
  5. Как правильно настроенная система аналитика удешевляет входящий трафик
  6. Составление карты пользовательских событий. Продуктовые метрики
  7. Подключение к сайту механизмов отслеживания продуктовых метрик. GTМ Google Analytics и Yandex Метрика. Отчеты.
  8. Электронная торговля. Настройка аналитики в электронной торговле. Measurement Protocol. Автовыгрузки
  9. Различные дашборды

Мобильная аналитика

  1. Особенности работы с мобильными приложениями: в чем сходства и отличия с сайтами
  2. Создание mock-up Android приложения. Подключение систем аналитики appMetrika, Firebase / Google Analytics и Amplitude
  3. Специфичные метрики мобильных приложений
  4. Система динамического ремаркетинга
  5. ТОП-ситуаций, в которых может оказаться продукт, как их можно решить с помощью мобильной аналитики

Продуктовая аналитика

  1. Unit-экономика. Как объединить данные о расходах с данными по доходам от рекламных кампаний и пользовательскими действиями, чтобы построить Unit-экономику
  2. Формулирование гипотез с помощью Unit-экономики
  3. Проверка гипотез с помощью различных методов исследований: опросов, интервью, UX-исследований и исследования бенчмарков. NPS
  4. Основы Customer Development
  5. Формирование бэклога на основе качественных исследований. Различные способы оценки приоритетов
  6. Интерфейсный A/B тест. Как посчитать эффективность работы товарного ассортимента
  7. Google Optimize для проведения простых интерфейсных АB-тестов
  8. Логика A/B тестов. Нетиповые A/B тесты
  9. Визуализация данных. Визуализация полученных данных с помощью Tableau
  10. SQL и Tableau. Как построить отчет любой сложности
  11. SQL и бизнес-задачи. Визуализация. RFM-сегментация пользователей, перетекание пользователя из одного сегмента в другой, информация о рентабельности клиентских групп в маркетинговом продвижении.
  12. Расчет LTV и модель оттока.

Преимущества выбора курсов в РоманСеменцов.ру

1. Агрегатор онлайн-курсов


2. Рейтинги онлайн-школ

  • ТОП школ по любым направлениям
  • Дата начала: 2023-01-01
  • Дата окончания: 2023-12-31

3. Актуальное обучение

  • Выбирайте лучшие курсы по отзывам реальных учеников
  • Дата начала: 2023-01-01
  • Дата окончания: 2023-12-31
Онлайн-курсы доступ в любом городе России и СНГ, включая: Нижневартовск, Миасс, Рязань, Сызрань, Нижнекамск, Иваново, Великий Новгород, Улан-Удэ, Якутск, Кисловодск, Норильск, Махачкала, Набережные Челны, Оренбург, Грозный, Новосибирск, Энгельс, Смоленск, Тула, Владикавказ, Сыктывкар, Омск, Мытищи, Иркутск, Благовещенск, Екатеринбург, Первоуральск, Таганрог, Новочебоксарск, Новочеркасск, Шахты, Йошкар-Ола, Балаково, Киров, Севастополь, Барнаул, Березники, Кострома, Псков, Белгород, Подольск, Самара, Альметьевск, Находка, Волгодонск, Красногорск, Обнинск, Владивосток, Томск, Прокопьевск, Владимир, Уссурийск, Щёлково, Хасавюрт, Долгопрудный, Керчь, Пятигорск, Вологда, Мурманск, Астрахань, Серпухов, Северодвинск, Челябинск, Тверь, Тамбов, Стерлитамак, Тольятти, Сочи, Калуга, Липецк, Каменск-Уральский, Копейск, Ульяновск, Ковров, Пенза, Назрань, Курган, Златоуст, Каспийск, Минск, Воронеж, Ставрополь, Красноярск, Новороссийск, Рыбинск, Казахстан, Саранск, Хабаровск, Беларусь, Салават, Ярославль, Чита, Архангельск, Курск, Санкт-Петербург, Уфа, Орехово-Зуево, Черкесск, Королёв, Кызыл, Пермь, Магнитогорск, Орёл, Симферополь, Нижний Новгород, Орск, Новомосковск, Саратов, Кемерово, Казань, Раменское, Рубцовск, Сургут, Тюмень, Нефтекамск, Балашиха, Нижний Тагил, Бийск, Армавир, Дзержинск, Братск, Одинцово, Люберцы, Калининград, Ангарск, Комсомольск-на-Амуре, Краснодар, Петрозаводск, Коломна, Дербент, Старый Оскол, Череповец, Ростов-на-Дону, Нефтеюганск, Брянск, Домодедово, Петропавловск-Камчатский, Ижевск, Чебоксары, Южно-Сахалинск, Волжский, Новый Уренгой, Новокузнецк, Электросталь, Батайск, Невинномысск, Майкоп, Химки, Волгоград, Абакан, Москва

Автор статьи. Ответственный за актуальный контент, текст и редактуру сайта. Эксперт по выбору профессии, курсов и профессий с 2016 года. Делюсь личным практическим опытом.

Оцените автора
Блог Романа Семенцова
Добавить комментарий