Почему решения принимаются не на основе дашбордов?
Чем похожи дашборд и рекламный баннер?
У нас упала конверсия из просмотров в клики! У нас не продаются товары! Два йогурта по цене одного! Оба привлекают внимание, содержат и картинки, и текст и реже, чем хотелось бы, приводят к действию.
Картинка про принятие решений
Аналитики часто ожидают, что дашборд это нечто ценное само по себе и работа закончена. Но дашборд это инструмент, который нужен для принятия решений и если решения не принимаются — значит инструмент бесполезен. На абстрактном примере я хочу показать реальные проблемы на пути превращения несложного дашборда по ассортименту интернет-магазина в систему принятия решений.
Мы не знали о проблемах
Мы следили за ключевыми продуктовыми метриками и деньгами на основном дашборд. Посетители, конверсия из посетителя в регистрацию и retention росли. Казалось бы всё хорошо, но со всеми этими метриками мы не заметили, что за последние полгода по 30% товаров не было ни одной продажи. Первое, что мы сделали, стали считать долю плохого стока, который не продаётся.
Мы узнали о проблеме, но ещё не поняли масштаб
Мы взяли эти проблемные товары и выгрузили примеры на ручной разбор. Оказалось, что часть примеров вообще недоступны на сайте. Мы учли флаг доступности и перестали считать эти товары проблемными.
Посчитали, сколько каждая проблема съедает денег
Мне очень нравится принцип из медицины. «Лечение не должно быть тяжелее самой болезни». Каждая проблема стоит того, чтобы оценить потенциальное влияние, но не каждую проблему нужно решать.
Мы посчитали юнит-экономику для каждой единицы ассортимента и поняли, сколько нам стоит хранение каждого товара, а сколько мы на нем зарабатываем. И в этот момент нашли проблему с теми товарами, которые недоступны на сайте. Они продолжали лежать на складе — и мы платили за то, чем не пользовались.
Решили проблему, но неправильно
По оставшимся товарам предположили, что дело в ценах и решили провести промо-акцию и снизить цены на все эти товары. По результатам акции мы поняли, что это была не лучшая идея, потому что мы потеряли маржу, каннибализируя продажи наших альтернативных товаров из этой же категории.
Сделали полу-автоматический процесс
Мы сделали дашборд, который показывает список подозрительных товаров вместе с его ключевыми метриками. Для этого построили воронку по товару, начиная от доступности на сайте и заканчивая продажами. В зависимости от того, на каком этапе товар отвалился, мы разбили потенциальные проблемы на категории и определяли проблемную точку.
Например:
товары не видны в выдаче
проблема с описанием или фото
цена сильно выше, чем у конкурентов
товары часто возвращают.
В зависимости от категории проблемы, она либо решалась автоматически, либо перенаправлялась на команду, ответственную за шаг. По каждой проблеме проделан большой путь от аналитики до действия.
На этом этапе запросы команд проходили через переписки и дублирующиеся excel. Часто мы задавали одни и те же вопросы по тем же самым товарам и тратили зря время зависимых команд.
Продолжали автоматизировать
По итогам работы процесса через несколько месяцев накопились типовые решения, а по части проблем стало понятно — что на самом деле это не проблемы. В большинстве случаев для проблемы уже была размечена предполагаемая причина и предполагаемое решение и проверяющему нужно было только прокликать и согласовать.
Сейчас мы не разбираем вручную каждый товар, но продолжаем делать выборочные ручные проверки поверх автоматизации. Логика систем-источников меняется и такие проблемы важно не пропускать.
Процесс стал работать «в фоне»
Первое время процесс приносил хороший результат. Но со временем проблем находилось всё меньше, и импакт уменьшился. Сейчас мы тратим меньше времени на разбор нашего ассортимента, это превратилось в один из наших фоновых процессов.
Дашборд здесь помог нам найти проблему. Но даже самый крепкий аналитический фундамент — это только начало пути.
