6713
I diagnose with data and treat with design. More hardcore materials here – @co_intelligence @martsen | martsen.me | p13n.ru
Как зумеры потребляют музыку: исследование последних трендов от Spotify
Spotify дропнул ахуенное исследование того, как на сегодняшний день Gen Z взаимодействует с музыкальным контентом. Главные находки:
— Связь через музыку: Для зумеров музыка и подкасты — важный способ создавать реальные связи, как в онлайне, так и в реальной жизни.
— Spotify – антидот от думскроллинга. По мнению зумеров, соцсети часто вызывают чувство изоляции и одиночества. Однако, 64% пользователей считают, что Spotify помогает выйти из этой зависимости и избавиться от постоянного желания скроллить ленту и сидеть в соцсетках.
— Совместное прослушивание: Gen Z активно использует совместные функции Spotify, например blend и коллаборативные плейлисты. Кроме того, что для них это очень естественная форма взаимодействия с друзьями и знакомыми, через коллаборативные практики зумеры также репрезентируют частичку себя.
— Мероприятия вживую: Удивительно, но живые мероприятия всё ещё очень важны. За последний год 74% зумеров посетили живые концерты, многие даже отправлялись на них в другие страны (например, на тур Taylor Swift). Также, Gen Z, по данным Spotify, довольно часто устраивают своего рода “квартирники” (listening parties), на которых слушают новые альбомы/треки вместе со своими друзьями.
— Музыка и отношения: Музыкальные предпочтения супер важны для формирования романтических связей. Например, 80% зумеров ставят музыкальную совместимость выше внешности в отношениях, а 91% считают, что общий вкус в музыке помогает глубже сблизиться с партнёром.
— Spotify как саундтрек к жизни: Gen Z создаёт плейлисты для важных моментов и этапов жизни (например, «первое свидание», «выпускной»), с общим временем прослушивания таких плейлистов около 86 миллионов минут (!). Более того, зумеры составляют плейлисты под определенный вайб и настроение, и в целом используют плейлисты как инструмент для самовыражения.
Я хоть технически уже не зумер, но узнал себя в большинстве пунктов. По крайней мере в моей юности были и коллаборативные музыкальные практики, и высокая значимость музыкального вкуса для романтической совместимости и присваивание жизненным этапам определенных саундтреков. Да даже сейчас, для каждой новой недели в Белграде и следующего этапа адаптации у меня есть саундтрек.
Ситуация:
1. Вы аналитик в продукте, в котором есть лента с креативами. Креативы разрабатываются как внутри продуктовой команды, так и могут быть присланы партнерами.
2. Овнеры и стейкхолдеры ленты метаются между двумя решениями: "лента наскучивает, надо делать в ней ротацию креативов" и "креатив нужно показать несколько раз, чтобы человек его заметил и кликнул"
Как аналитически вывести "наскучивание" ленты? Можно ли выработать рекомендации для ротации?
Читаем подход аналитиков Меты: AnalyticsAtMeta/creative-fatigue-how-advertisers-can-improve-performance-by-managing-repeated-exposures-e76a0ea1084d" rel="nofollow">https://medium.com/@AnalyticsAtMeta/creative-fatigue-how-advertisers-can-improve-performance-by-managing-repeated-exposures-e76a0ea1084d
У вас огромное данных кол-во данных, тяжело масштабироваться по железу и хочется точных вычислений? Добро пожаловать в клуб.
Дата-специалисты из Запрещеннограмма расписали стратегии сэмплирования данных, которые нужны в разных ситуациях и задачах.
AnalyticsAtMeta/scaling-analytics-instagram-the-power-of-deterministic-sampling-8ee7332d77ae" rel="nofollow">https://medium.com/@AnalyticsAtMeta/scaling-analytics-instagram-the-power-of-deterministic-sampling-8ee7332d77ae
Цифровой геноцид ревью: Что нового в UX? Гонзо-новости UX и HCI статей
Персонализация пользовательских интерфейсов: исследование того, как люди настраивают интерфейсы для себя и других
Citizen-Led Personalization of User Interfaces: Investigating How People Customize Interfaces for Themselves and Others
https://arxiv.org/abs/2409.05696
Коллектив испанских авторов вписался в модную тему кастомизации интерфейсов: персонализация пользовательского интерфейса (UI) может улучшить удобство использования и пользовательский опыт. Однако текущие системы предлагают ограниченные возможности для настройки, а сторонние решения часто требуют значительных усилий и технических навыков, недоступных большинству пользователей, что препятствует будущему принятию персонализации интерфейса.
"В нашем исследовании мы изучаем концепцию настройки пользовательского интерфейса для себя и других. Мы провели двухнедельное исследование, в котором девять участников использовали специально разработанный инструмент, который позволяет настраивать пользовательский интерфейс веб-сайтов для себя, а также создавать и отвечать на запросы о помощи в настройке от других."
Как работает? Создали расширение в Хром, которое позволяет настраивает цвет страниц, размеры шрифта и тд. Смысл данного упражнения в том, чтобы оценить насколько люди готовы придти на помощь с кастомизацией. По запросу можно передать свою настройку сайта и сделать его более удобным для другого человека.
Результаты: кастомизировать для себя люди не очень хотят, некоторым нравится идея “контроля” над сайтом, но гораздо интереснее, что люди согласны альтруистически помогать другим пользователям в настройке отображения дизайна их сайта
“Два фактора особенно мотивировали людей: вызов и эмоциональное вознаграждение (например, благодарность или связь с другими). Половина участников упомянули концепцию вызова. Они рассматривают запрос как вызов, который кто-то бросает, и их мотивация заключается в том, чтобы решить этот вызов. P6 и P7 назвали это «ежедневным вызовом». P4 упомянул, что «сам вызов был мотивацией отвечать на запросы (...) это вызов». P4 предположил, что не думает о запросчике, и объяснил: «Я рассматривал каждый запрос как что-то, что нужно преодолеть... если это поможет кому-то еще лучше... но это больше похоже на игру».
Другой мотивацией было положительное чувство помощи другим, для некоторых похожее на чувство помощи другим в физическом контексте: «Забавно использовать инструмент и приятно помогать другим» (P2); «запросы были простыми вещами, которые я быстро выполнил... и я чувствовал себя хорошо... даже если это всего лишь первый, базовый, шаблон, чтобы позже другие могли обновить» (P1). Мы также стремились понять, повлияет ли доступ к профилю запрашивающего на то, будут ли и как люди отвечать на запросы. Для большинства это не имело никакого влияния. Однако для P2 доступ к профилю мотивировал ее: «Мне нравится знать информацию о том, кому я помогаю (...) Я представляю лицо, стоящее за запросом». То же самое касается
P9: «это делает запрос более личным... важны не детали [профиль] (...) Я даже сохраняю шаблоны с именем запрашивающего... это вызывает хорошее чувство»”
Это очень интересно с точки зрения того, что кастомизация сайтов и интерфейсов позволяет звать на помощь кого-то для кастомизации, те быть коллаборативным инструментом, а настройка интерфейса для себя - это социальное взаимодействие, а не "UX солипсизм"
Наконец-то дочитал Product Analytics: Applied Data Science Techniques for Actionable Consumer Insights by Joanne Rodrigues. Много страниц, мелкий шрифт, очень плотный по содержанию текст.
Акадмический бэкграунд автора (магистратуры LSE и Беркли по математике, политологии и демографии) просматривается с самого начала. От методологии до кода на R, с кучей отступлений и инфомационных справок. В конце концов, когда еще в книге по аналитике прочитаешь про утилитаризм Бентама.
Книга состоит из пяти частей. Первая — методологическая. Вторая посвящена базовым статистическим методам (распределения, создание метрик, введение в A/B-тесты). Третья часть о предиктивных моделях (регрессии, деревья решений, SVM). Четвертая — о Casual inference методах (difference-in-difference, разрывный регрессионный дизайн, матчинг, аплифт-моделирование). Пятая часть про реализацию большей части методов на R.
Первая часть самая интересная и самая важная. В ней всего три главы. В первой главе проговаривается идея, что поведение пользователей сложное, у них разные мотивы, и мы никогда не обладаем всей полнотой информации. И для того, чтобы как-то начать предсказывать и менять пользователей, надо создать теорию, почему они ведут себя тем образом, который мы наблюдаем. Вторая глава как раз посвящена тому, как создавать подобные теории — какие критерии хорошей теории, как создавать метрики и формулировать гипотезы для проверки теории. И третья глава — как на основе теории менять поведение пользователей. Как понять, что мы действительно что-то изменили, как измерить. Даже предлагается несколько подходов, как обеспечивать изменения, в частности описывается Fogg Behavior Model.
Прочие части в целом неплохи, но какого-то уникального знания там меньше. Конечно, чувствуется политолого-демографический бэкграунд в описании casual inference подхода, да и в целом вся книга так или иначе фокусируется на этой парадигме (условно, “когда реальность очень неоднородна, квазиэксперименты лучше аб-тестов”). А код на R… приятно, что на R, но как и у многих академиков, как будто из 00-х, сильно отстал от реальности.
Из любопытного — в отличие от многих других книг по продуктовой аналитике, тут нет стандартного перечисления бизнес-метрик типа DAU или ARPU. Акцент сделан на поведении, концептуализации и измерении.
В общем, мне понравилось, несмотря на тяжеловесность текста. Я сам когда-то из академии и поэтому идея, что надо понять поведение пользователей и это будет ключом к изменению, мне понятна и очень близка.
#books
Собрали Яндексоидами подборку авторских каналов «Пашем-пишем».
Палитра тем максимально широкая: продакты, дизайнеры, карьера, найм, менеджмент, программирование, музыка, игры и прочий лайфстайл.
Подключил папку и с удивлением узнал, что многие авторы, за которыми слежу не первый год, тоже трудятся в Яндексе.
Приглашаю посмотреть, что есть интересного и выбрать для себя подходящее.
Закон Мура (Moore's law) гласит, что каждые два года вычислительные мощности растут в два раза.
В биотехнологиях есть закон Мура наоборот (причём наоборот в смысле написания и в смысле смысла).
Закон Эрума (Eroom's law) гласит, что каждая новая инновация в производстве лекарств требует все больше времени и средств.
Думается, что закон справедлив не только для фармы 🤔
https://en.wikipedia.org/wiki/Eroom%27s_law
Хвастаюсь успехами любимой команды:
https://music.yandex.ru/genres/map/
Понравилась вот эта часть статьи Криса:
"Ответ на вопрос типа « Как влияет ___ на ___? » обычно требует больше усилий, чем оно того стоит . Забудьте о редком исключении.
→ Вместо этого : сосредоточьтесь на хорошей оценке в каждом блоке — оценке опыта пользователей, оценке поведения, оценке качества продукта, оценке цен, оценке конкурентов и т. д. — и не пытайтесь связать их вместе (что, даже если бы вы это сделали, в любом случае потребуется хорошая оценка внутри каждого блока; на самом деле, потребуется отличная оценка, чтобы справиться с объединенной дисперсией и помехами.)"
Зачастую, действительно хочется упороться в анализ причинно-следственных связей и понять, а что конкретно влияет на нужную тебе метрику. Например я работаю с cr1, можно много ковыряться в событиях и искать корреляции и пытаться обосновать их причинность.
Но как правило более эффективно идти от понимания системы и анализа отдельных блоков. Например на cr1 влияют:
- ценность оффера для сегментов, которые приходят на сайт
- этап пути клиента на котором находится пользователь
- доверие к продукту и бренду
- удобство и понятность интерфейса и отсутствие барьеров в процессе заказа
- позиционирование и цены конкурентов
- сезонность
- факторы принятие решения по сегментам.
Построить модель влияния всех этих факторов на cr1 и оценить вклад каждого параметра, кажется практически не возможно, а также всегда могут быть скрытые переменные.
Но можно провести исследование в каждом из блоков и найти гипотезы по улучшению в каждом из блоков и проверить их через АБ, такой путь более практичный, более понятный и приносит конкретный результат в виде роста метрик
Речесч подборка от Юры Ветрова. Обратите внимание на статью Криса Чапмана - жиза.
Читать полностью…
Поговорим про Product Science?
Aha'24 на этот раз проходит с припиской Product Science (все совпадения случайны👀). Спектр тем: продуктовая аналитика, продуктовые подходы и все более проникающим в продукты и процессы ИИ.
В этом году не выступаю, но веду и модерирую секцию персонализации и рекомендательных систем. Обещаю вдумчивых вопросов для спикеров и приятной атмосферы в зале для всех слушателей.
P.S.
А что бы вы спросили у спикеров? В комментариях к этому посту предлагаю написать вопросы, которые бы вы хотели задать. Вот тут список докладов (F43:F49), чтобы понять кто и о чем будет рассказывать.
P.S.S.
Уверен, что немалая часть аудитории этого канала уже приобрела себе билетик, но если нет, то вы знаете что делать на сайте https://matemarketing.ru/aha (промо LASTCHANCE дает приятный скидон)
Лена: - Выпуск выложен, пишите пост)
Я: - Пишем🫡
Если вы пропустили долгожданный (ну да ира) пуш о публикации нового выпуска - то вот он вам!!! В гостях Антон Марцен - лид продуктовой аналитики Яндекс Музыки (теперь-то наш подкаст войдет в топ), автор телеграм-каналов Product Science (тут мясо) и Collective Intelligence (тут жесть). Поговорили про исследования, покекали, а вы слушайте и расскажите как вам
Лена собрала для вас ссылки, скажите Лене спасибо♥️
Лена: - Даю ссылки:
на Яндекс.Музыку
на Apple Podcasts
на Youtube
на остальные платформы
Самый важный SQL-запрос в моей карьере.
Сегодняшний пост про анализ аб-тестов. Будет полезен всем аналитикам и bi-девелоперам.
Создатель in-house платформы для A/B-тестирования в Авито Данила Леньков делится лайфаком: как свести задачу расчета Minimum Detectable Effect к простому SQL-запросу.
Читайте и делитесь в комметриях своими лайфхаками про анализ #аб!
Люблю статьи от Бюро, в них много смысла на единицу текста. Парочка статей, на которые ссылаются в предыдущем тексте.
Про созданице ценности (https://blog.buro.cx/tiekhnologhiia-sozdaniia-tsiennosti-kak-zashchita-ot-kopirovaniia-bizniesa-2/):
Разбираясь в том, как она [прим. martsen, стратегия создания ценности] устроена, Томпсон приходит к классификационной модели, которая нам интересна прежде всего тем, что на её основе можно выделить три (всего!) фундаментальных типа деятельности, лежащих в основе любого процесса создания ценности. Далее эту тему очень подробно развили Ч. Стабелл и О. Фьельдстад в 1998 году. Именно благодаря их работе сейчас можно утверждать, что при всём многообразии продуктов существует всего три логики, к которым сводится всё это многообразие. Это Value Chain, Value Shop и Value Net.
Интуитивный план – прокачивать все три [прим. martsen, технологии создания добавленной стоимости]. Однако, на практике в условиях конкуренции нельзя быть одновременно самым доступным и дешевым, при этом лидировать по качеству, да еще и максимально удовлетворять каждого отдельного клиента – чем-то всё равно придётся жертвовать. Как минимум одним, а то и двумя векторами. Причин две: [читайте во второй ссылке, прим. martsen]
Прикладные инструменты, где замечаю проникновение теории сложных систем - стратегии принятия решений.
Когда-то давно в недрах IBM разработали CYNEFIN - фреймворк как принимать решения в бизнесе. Авторы вывели ряд правил изучая тонны реальных ситуаций приправляя теорией из complexity science.
Ключевая идея в том, что разные ситуации или проблемы требуют разных способов реагирования.
Порядок действий такой:
- определить, с какой ситуацией мы имеем
- выбрать подходящий алгоритм действий с помощью этого фреймворка.
Звучит просто в теории, но на практике как всегда будут возникать нюансы. Автор методологии до сих пор развивает фреймворк, зарабатывает на обучении и его внедрении в больших корпорации и гос.структуры.
Коротко + набор основополагающих ссылок - https://untools.co/cynefin-framework/
Рекомендации для еврокомиссии - https://publications.jrc.ec.europa.eu/repository/handle/JRC123629
Объёмы данных с каждым годом только растут...
Читать полностью…
Ситуация:
1. Вы аналитик в двухстороннем маркетплейсе, который выступает "посредником" между Потребителями и Производителями Ценности.
2. Бизнес процеветает, если через платформу идет больше взаимодействий между сторонами
3. Появляется идея поддалкивать юзеров к "сделкам" разными инициативами. Как оценить их эффективность?
Вот как подходят к оценке эффекта аналитики из Мордокниги: AnalyticsAtMeta/measuring-roi-of-creator-content-investments-at-meta-df4e20061100" rel="nofollow">https://medium.com/@AnalyticsAtMeta/measuring-roi-of-creator-content-investments-at-meta-df4e20061100
Статья с дельным набором метрик и гипотез как проектировать нотификации для максимизации удержания в продукте
https://hvpandya.com/retention
Если коротко, то самое главное в пуше – нужное сообщение в нужное время.
Вынесу из текста то, что касается чисел:
* Reachability – процент людей, который включены пуши. Главная хэлс-метрика всех иницитив с нотификациями.
* N-Pushes-to-Retention Conversion – автор текста напрямую метрику не называл, но суть в том, что нужно подобрать такую конфигурацию уведомлений, которая минимизирует кол-во внешних касаний и максимизирует удержание. Если знаете как этот индикатор лучше назвать, то пишите в коментах.
Минимизация пушей не просто дизайнерское наблюдение и/или хотелка, но и доказанное различными исследованиями. Сошлюсь здесь на материал, который публиковал ранее /channel/product_science/466
Сёрфинга как метафора для описания новых технологий:
Go too early and you don't catch the wave. Go too late and you don't catch it either.
Следующим трендом после психологов будут философы
Вчера в рассылке у Миши Калашникова (одна из лучших рассылок, что я читаю) прочитал его ответ на вопрос, какие темы будут популярны через несколько лет. Миша среди прочего пишет:
• в мире очень не хватает смысла, и будет востребовано все, что помогает увидеть цели и ориентиры;
В Европе и США развито такое понятие, как «философское консультирование», есть профессиональные ассоциации, которые подразумевают сертифицирование участников. В Германии и Франции работают фило-кафе (café-philo), где проходят регулярные встречи под руководством модераторов-философов, есть отдельные «философские кабинеты», куда ты можешь ходить поговорить о жизни, как мы сегодня ходим к психологам.
Если задуматься, то когда мы слушаем музыку, то “взаимодействуем” с исполнителем через его треки.
Это свойство находит свое отражением в бизнесе Музыки. У нас есть как продукты для слушателей, так и для артистов.
Думаю, вы знакомы с b2c продуктами, но, возможно, слышали меньше о b2a (business-to-artists) инициативах.
Один из наших продуктов для музыкантов — BandLink. В ряде его преимуществ — предоставление детальной статистики по релизам и аудитории музыканта.
В этом продукте сочетаются нестандартные методы анализа данных и умение объяснять сложные вещи простым языком.
Здорово, что при разработке этого продукта используются знания и опыт нашей команды аналитиков.
—
Но сегодня о другом…
Представляем наш новый исследовательский проект BandLink Research. Здесь мои коллеги будут делиться знаниями о музыкальной индустрии и оптимальных стратегиях для развития себя как артиста, основываясь на знаниях, накопленных в ходе нашей ежедневной аналитической работы.
Вперёд, читайте первый публичный отчёт о суперфанатах по ссылке: https://bandlink.media/bandlink_research
Друзья, привет!
А я снова ищу чудо-исследователя в международное направление! Обещаю вам, что это будет ооооочень интересно 🚀
За подробностями по вакансии можно в ЛС @ivakhnenkos
Фреймворк для систематизации культур и особенностей поведения в них
https://www.behavioraleconomics.com/what-behavioral-scientists-should-know-about-hofstedes-cultural-framework/
Тяжеловесная мини-подборка свежего о пользовательских исследованиях. Такая плотность редкой годноты собирается нечасто:
1. Michele Williams: Годная памятка по проведению исследований для улучшения accessibility. Инструменты и методы сильно ограничены, но она предлагает альтернативы.
2. UXtweak: Мощнейшая памятка по поиску респондентов. Они опросили экспертов, которые дали много толковых советов.
3. Noreen Whysel: Разобралась, делятся ли сервисы для исследований какими-то данными со сторонними платформами. Есть нюансики.
4. Faten Habachi: Структурированная подборка статей о построении базы знаний и инсайтов. Как инициировать, построить, наполнить, использовать и т.п.
5. Adam Palanica: Решил разобраться с мифами о поведении людей. Зачастую это клише, искажённые научпопом, которые не подтверждаются реальными исследованиями или сильно искажены относительно первоисточника.
6. Chris Chapman: Напоминает, что исследования не всегда могут дать простой ответ на сложные бизнес-гипотезы. Он предлагает отличный обзор разных аспектов бизнеса, в каждом из которых можно принести много годных инсайтов.
7. Steve Bromley: Отличная памятка о том, когда и сколько игровых тестов нужно проводить на каждом этапе работы над игрой. Какие риски есть на этих этапах и что за методы помогут их снизить.
8. Jeff Sauro и Jim Lewis: Памятка по всем своим исследованиям шкал опросов, которые они делали в последние годы. Они пытались разобраться, есть ли разница в результатах при изменении формы.
Из последнего — они испытали необычный вариант — сплошную полоску, где можно кликнуть в любое место, а не классические радио-кнопки. В целом заметной разницы нет.
9. Jake Burghardt: Принципы хорошей базы знаний и инсайтов.
10. Сервис Dovetail для ведения базы знаний и инсайтов из пользовательских исследований провёл свою конференцию Insight Out 11 апреля в Сан-Франциско. Они начали публиковать видео и транскрипции выступлений. Вот несколько толковых:
— Со-основатель и глава Dovetail Benjamin Humphrey рассказал об изначальной задумке при создании продукта и том, как её удалось реализовать только сейчас, с помощью недавних наработок рынка в ИИ. Он также рассказал о новых алгоритмических функциях для упрощения работы с инсайтами.
— Команда Jared Forney в Okta умеет здорово миксовать разные методы под запрос команды. Он рассказал о нескольких подходах, используя метафору меню в ресторанах.
— Из-за массовых сокращений в ИТ 2020 и 2022-2023 года рынок сильно изменился, включая пользовательские исследования в компаниях. John Garvie из Uber делится своим пониманием обязанностей и возможностей генералистов в такой ситуации.
#research
График от QuantUX-ресерчера, который повлиял на стратегию YouTube
https://elizlaraki.substack.com/p/how-one-ux-researcher-ignited-sweeping
История из бородатого 2010 года, в которой общими мазками описывают как взяли кучу данных поведения пользователей на сайте, систематизировали их и отобразили визуально. И этот визуал стал настолько виральным внутри компании, что с ним печатали футболки и никому в YouTube не удалось увернуться от выводов, которые с прилагались к графику.
Герой этой истории был первым квант-ресерчером, затем переквалифицировался в dataviz-инженера и вернулся обратно в ресерч. Попутно родился вот такой чудесный темплейт для рисования sunburst-диаграмм.
kerryrodden/sequences-sunburst" rel="nofollow">https://observablehq.com/@kerryrodden/sequences-sunburst
Я таких историй прочитал много, но что важно:
- персонализированные продукты генерируют большой объем разнообразных паттернов
- с каждый годом персонализации в продуктах все больше и больше
- чтобы емко и понятно отобразить результаты исследования их надо не только систематизировать и упростить, но и эффективно отобразить.
Поэтому подчеркиваю важность dataviz-скиллов и в целом навыки презентации своей работы. Современные персонализированные продукты, которые оперируют в разных странах, на разных платформах и для разных сегментов аудитории почти невозможно объяснить "простыми, понятными" и неэффективными инструментыми коммуникации.
Тренд на усложнение инструментов аналитики виден и в других частях продуктовой работы.
Вспомним, как постепенно индустрия постепенно отходит от воронок и чаще начинает оперировать траекториями путей пользователя, а линейные деревья метрик уступают места каузальным графами со сложными неявными связями между метриками. А это требует новых методов обработки информации (напр. сетевой анализ) и их отображения (напр. знания по укладки графов или изучение/создание новых моделей визуализаций).
Кто такой локальный артист?
Spotify — популярный стриминговый сервис, который хорошо умеет рекомендовать и подсвечивать глобальных исполнителей, но уделяет недостаточно внимания местным. Гипотеза роста заключается в том, что люди будут больше вовлекаться во взаимодействие с локальными артистами.
https://research.atspotify.com/2024/05/exploring-local-musics-place-in-global-streaming/
Чтобы понять, кто такой локальный исполнитель, команда аналитиков и исследователей Spotify провела исследование, разбитое на несколько частей.
Первая часть включала сбор качественных данных от пользователей «на местах». Для этого были выбраны локации в Бразилии, Нигерии и США. Интервью в стиле cultural probe позволили получить много информации, в том числе и о том, что думала команда.
На основе полученных данных исследователи выделили три аспекта «локальности», которые отмечали респонденты в разных странах:
- Артист «вышел из этих мест» — страна, город, район. Причём не обязательно рождаться в конкретном месте, главное — связать свою жизнь на достаточное время с этой локацией.
- Использование характерных для района языка, фраз, инструментов, звуков.
- Доступность местных для посещения концерта.
Второй этап - сбой количественных и поведенческих данных командой аналитиков.
Вышеописанные аспекты легли в основу поиска масштабируемого алгоритма, который предсказывает популярность артиста на конкретной геолокации. Те артисты, которые в разных местах популярнее прогноза, помечаются как локальные/аномальные для этого места. Этот скоринг лёг в основу подбора исполнителей для каждого слушателя.
Прим. @martsen - как практикующий аналитик в этой сфере подмечу, что аспект №1 сложно формализовать на маштабе (этож как надо парсить внешний интернет, чтобы собрать данные), №2 по-лучше, но надо очень много инвестировать в контентную аналитику, №3 - наиболее простой критерий с точки зрения сбора данных.
Два месяца назад забежал в гости на подкаст. Контент настоялся и можно делиться. Самое то послушать в дороге в пятницу перед выходными. Подкаст получился длинный, поэтому вместо вырезания хронометража ускорили аудиодорожку, чтобы уместиться в 50 минут. Любители слушать на х2 должны быть довольны :)
Без лишних задротских терминов обсудили продуктовые исследования и как их проводить для пользы дела.
Ваш покорный поделился:
- Удачными и неудачными проектами
- Любимым стыдным кейсом - как я смешивал исследования и продажи в рамках одного интервью
- Мнением про автоматизацию качественных исследований (привет языковым моделям)
- Эмпирическими наблюдениями когда стоит делать ресерч и когда нужно остановиться
Это и многое другое слушаем в Яндекс Музыке 🎵
Papers с тулами для анализа и визуализации sequential data.
Sequential data встречается много где, но в моей практике это анализ...:
- ...последовательности шагов в процессах
- ...действий пользователя в сессиях
https://docs.google.com/presentation/d/1fJBku_-BIet8k45POYJiHuIE7R52Lpg9Ts4nb6g_ng4/edit?usp=sharing
В прикладном плане, стал чаще подмечать как различные авторы анализируют ту или иную область как "систему".
Из недавно прочитанного рекомендую текст про способы изучения предметной область от Бюро Сервисного Дизайне:
https://blog.buro.cx/kak-poghruzhatsia-v-novuiu-priedmietnuiu-oblast/
Весь текст хорош и начинается там как раз с представления предметной области как черного ящика с входами и выходами.
Т.к. у меня на канале часто про метрики, то приведу релевантную цитату с которой не могу не согласиться:
Метрики рождают легко достижимую иллюзию понимания: — какая наша цель? Вырастить NPS! — Чем мы занимаемся на работе? Увеличиваем конверсию! Все это дает ни с чем не сравнимую возможность абсолютно все объяснить, абсолютно ни в чем не разбираясь.Читать полностью…
Поэтому сначала понимание и только потом метрики.
Люблю черпать вдохновение и новые идеи для продуктовой аналитики и исследований в смежных областях.
До 2022 года мое внимание было обращено в сторону UX, ML, игр, социологии и экономики. Особенно интересно изучать какие знания и процессы из оффлайна адаптируются в онлайн. Глубоко в каждой области разобраться невозможно, но кажется мне удалось почерпнуть оттуда ключевые мысли, теории, концепты и методы.
Любовь последних двух лет - системология / теория (сложных) систем / system science / complexity science.
В этом домене пытаются вывести общие принципы и закономерности, которые есть в других областях. По правде сказать, в академических кругах до сих пор нет единой позиции о том, является ли это отдельной наукой или нет. Но мне, как практику, это не важно. Главное, что есть люди, которые стараются найти общие знания и способы их переиспользовать в разных областях.
К сожалению, готовых "преобразователей мыслей и ситуаций" из академических изложений complexity science в коммерческую продуктовую аналитику я не нашел, но заставляет задуматься.
Теперь на рабочие задачи смотрю как на "анализ сложных адаптивных систем" и пытаюсь применять изучаемые подходы. С одной стороны прикольно, с другой - часто себя одергиваю, чтобы не уходить в переусложнения.
Для погружения в предмет, можно почитать Вики - https://en.wikipedia.org/wiki/Portal:Systems_science
Если хочется по хардкору, то вам дорога на сайт https://santafe.edu/ - это спец.учреждение, где умные дяди и тети двигают эту область вперед в плане теории.
#мысливслух