ข้อมูลเชิงลึก ไม่ใช่แดชบอร์ด
Tableau ให้แค่กราฟกับคุณ แต่คุณยังต้องหาคำตอบเองว่ามันหมายถึงอะไร David ให้คำตอบมาเลย "รายได้ลดลง 12% เพราะขั้นตอนสมัครใช้งานบนมือถือพังเมื่อวันอังคารที่แล้ว" โดยมีกราฟเป็นหลักฐานสนับสนุน
David·Data Analystเอเจนต์นักวิเคราะห์ข้อมูล AI ที่เปลี่ยนเหตุการณ์ให้เป็นการตัดสินใจ
David วางแผนการติดตาม วิเคราะห์ผลลัพธ์ และเปลี่ยนตัวเลขให้เป็นงานที่ทีม AI ของคุณนำไปส่งมอบได้จริง
การวิเคราะห์ที่เปลี่ยนผลิตภัณฑ์ ไม่ใช่แค่แดชบอร์ด
ทำไมแดชบอร์ดจึงไม่เปลี่ยนแปลงผลิตภัณฑ์
การติดตามที่ไม่มีใครติดตั้งไว้
Mixpanel และ Amplitude ตั้งอยู่บนสมมติฐานว่าต้องมีคนเขียนอีเวนต์ไว้ก่อน หกเดือนต่อมาคุณกลับพบว่าครึ่งหนึ่งของฟันเนลหายไป David ออกแบบสคีมาและ Alex เชื่อมเข้าระบบในงานเดียวกัน จึงทำให้การติดตามถูกปล่อยพร้อมกับฟีเจอร์
การคิดราคาต่ออีเวนต์ที่เพิ่มขึ้นตามการใช้งาน
ผลิตภัณฑ์ใหญ่ขึ้น ค่าใช้จ่ายก็สูงขึ้น แต่มูลค่าไม่ได้เพิ่มตาม David ทำงานอยู่ภายใน Atoms โดยไม่มีการคิดค่าบริการต่ออีเวนต์สำหรับการวิเคราะห์ที่ทีมผลิตภัณฑ์ส่วนใหญ่ต้องใช้เพื่อตัดสินใจจริง ๆ
สกรีนช็อตใน Slack ที่ไม่มีใครตรวจสอบได้
Hex และ Mixpanel ส่งกราฟเข้าไปในข้อความ แต่พอผ่านไปหนึ่งเดือนก็ไม่มีใครรันซ้ำได้อีก การวิเคราะห์ของ David อยู่ในบล็อก Notebook ที่คุณสามารถทำซ้ำ ตรวจสอบ และโต้แย้งได้
หนึ่งวันกับ David
ตั้งแต่พรอมป์แรกของคุณไปจนถึงผลลัพธ์ที่พร้อมใช้งาน นี่คือวิธีที่ David ทำงานจริง
- 01
ฟังคำถามทางธุรกิจ
David เปลี่ยนคำถามว่า "ทำไมรายได้ถึงลดลง?" ให้กลายเป็นคำถามเชิงวิเคราะห์ที่ชัดเจน ไม่ใช่คำขอทำแดชบอร์ด
- 02
คิวรีโมเดลข้อมูลแบบเรียลไทม์
รันการวิเคราะห์กับฐานข้อมูลที่ Bob ออกแบบไว้ภายในแอป Atoms ของคุณได้เลย ไม่ต้องส่งออก CSV
- 03
มองหารูปแบบและเจาะลึกสาเหตุ
ไม่ใช่แค่ "คอนเวอร์ชันลดลง 12%" — David ไล่หาต้นตอได้ถึงระดับเซกเมนต์ หน้า อุปกรณ์ และวัน
- 04
จัดกรอบข้อค้นพบด้วยหลักฐานสนับสนุน
พาดหัวหนึ่งประโยค + กราฟ + SQL เบื้องหลัง เพื่อให้ข้อมูลเชิงลึกทำซ้ำได้ ไม่ใช่เวทมนตร์
- 05
ส่งอินไซต์ให้ Emma สำหรับสปรินต์ถัดไป
ข้อค้นพบจะไหลเข้าสู่ PM backlog โรดแมปของคุณขับเคลื่อนด้วยข้อมูล ไม่ใช่แค่สัญชาตญาณ
ส่งต่อให้ Emma
ทุกสิ่งที่ David ต้องการเพื่อขับเคลื่อนการตัดสินใจด้วยข้อมูล
การออกแบบสคีมาเหตุการณ์
กำหนดรูปแบบการตั้งชื่อ คุณสมบัติ และโมเดลอัตลักษณ์ไว้ก่อนที่จะเขียนโค้ดใดๆ
ส่งต่องานติดตามให้วิศวกร
Alex เชื่อมต่ออีเวนต์เข้ากับโค้ดเบสภายในงานเดียวกัน ไม่ใช่หลายสัปดาห์ให้หลัง
การวิเคราะห์ใน Notebook
การวิเคราะห์บล็อกใน Notebook ที่ทำซ้ำได้ ซึ่งคุณสามารถรันใหม่ ตรวจสอบ และแชร์ได้
แผนการทดสอบ A/B
กำหนดสมมติฐาน เมตริกหลัก เกณฑ์ป้องกันความเสี่ยง และขนาดตัวอย่างไว้คร่าวๆ ก่อนที่การทดสอบจะเริ่มใช้งานจริง
กรณีทดสอบสำหรับฟีเจอร์
การทดสอบการยอมรับที่สอดคล้องโดยตรงกับเรื่องราวผู้ใช้ที่ Emma เขียนไว้
ข้อค้นพบที่ใช้ภาษาง่าย
ถ่ายทอดอินไซต์ออกมาเป็นการตัดสินใจ ไม่ใช่เป็นเพียงกราฟที่มีแค่ทีมข้อมูลเท่านั้นที่อ่านเข้าใจ
การส่งต่องานที่นำไปลงมือทำ
ข้อค้นพบถูกเปลี่ยนเป็นงานสำหรับ Emma หรือ Alex เพื่อให้การวิเคราะห์ส่งผลต่อการเปลี่ยนแปลงของผลิตภัณฑ์จริง
อะไรจะเปลี่ยนไปเมื่อ David อยู่ในทีมของคุณ
เวิร์กโฟลว์ที่ทำขึ้นเองแบบแมนนวลนั้นช้า ต้องทำด้วยมือ และพึ่งพาเครื่องมือจำนวนมาก วางเมาส์เหนือการ์ดใดก็ได้ เพื่อดูว่าทำไมแต่ละประโยชน์ถึงสำคัญ
ทำไมผู้สร้างถึงเลือก David แทนตัวเลือกอื่น?
เปรียบเทียบกับ
ย้ายมาจาก Tableau ใช่ไหม? นี่คือจุดที่ David เหนือกว่า
เชื่อมเข้ากับตัวผลิตภัณฑ์ ไม่ใช่อัปโหลด CSV
ChatGPT สามารถวิเคราะห์ CSV ที่คุณวางได้ David จะคิวรีโมเดลข้อมูลแบบสดที่ Bob ออกแบบไว้ในแอป Atoms ของคุณ ดังนั้นการวิเคราะห์จึงสดใหม่อยู่เสมอ และคุณไม่ต้องเสียเวลาส่งออกแล้วค่อยวาง
ข้อค้นพบขับเคลื่อนสปรินต์ถัดไป
รายงาน Looker ถูกวางไว้บนแดชบอร์ดที่ไม่มีใครเปิดในวันจันทร์ David ส่งต่อข้อค้นพบที่มีความเชื่อมั่นสูงให้ Emma โดยตรง เพื่อให้ทีม PM จัดลำดับความสำคัญของสปรินต์ถัดไปตามสิ่งที่ข้อมูลของคุณบอก ไม่ใช่แค่สัญชาตญาณ
Atoms เทียบกับ Mixpanel: เปรียบเทียบฟีเจอร์ ราคา และความสามารถ
| ฟีเจอร์ | Atoms แนะนำ | Mixpanel |
|---|---|---|
| ผลลัพธ์ | ข้อมูลเชิงลึก + สาเหตุ | แดชบอร์ด |
| เชื่อมเข้ากับข้อมูลผลิตภัณฑ์ของคุณ | คิวรีแบบเรียลไทม์ ไม่ต้อง export | การตั้งค่าคอนเนกเตอร์ |
| ข้อค้นพบส่งถึงทีม PM | ตรงไปยังแบ็กล็อกของ Emma | อยู่บนแดชบอร์ด |
| แสดง SQL เบื้องหลังข้อค้นพบ | ใครก็ทำซ้ำได้ | ซ่อนอยู่ในเวิร์กบุ๊ก |
| แผนภูมิและการแสดงผลข้อมูล | สร้างอัตโนมัติ | ลากและวาง |
David ทำงานร่วมกับทีม AI ที่เหลือของคุณอย่างไร?
David ไม่ได้ทำงานเพียงลำพัง นี่คือวิธีที่การส่งต่องานเกิดขึ้น เมื่อคุณสร้างร่วมกับทีมเต็มรูปแบบ
DavidEmma
อินไซต์ของ David เป็นข้อมูลตั้งต้นให้สปรินต์ถัดไปของ Emma ทีม PM จัดลำดับความสำคัญจากสิ่งที่ข้อมูลของคุณบอก ไม่ใช่แค่สัญชาตญาณ
ดูว่าเป็นอย่างไร? Emma ใช้งานได้DavidAdrian
David บอก Adrian ว่าช่องทางใดเปลี่ยนเป็นลูกค้าได้จริง งบโฆษณาจึงย้ายไปยังกลุ่มเป้าหมายที่ชนะได้เร็วขึ้น
ดูว่าเป็นอย่างไร? Adrian ใช้งานได้DavidBob
David ชี้ให้ Bob เห็นช่องโหว่ของโมเดลข้อมูลตั้งแต่เนิ่น ๆ จึงไม่มี "หนี้เทคนิคด้าน instrumentation" โผล่มาระหว่างการทบทวนของบอร์ด
ดูว่าเป็นอย่างไร? Bob ใช้งานได้สิ่งที่ David วิเคราะห์ให้กับทีมผลิตภัณฑ์
การวิเคราะห์เชิงลึกที่ David ดำเนินการซึ่งนำไปสู่การเปลี่ยนแปลงผลิตภัณฑ์
- วินิจฉัยฟันเนล
การวินิจฉัยฟันเนล
ค้นหาขั้นตอนที่ทำให้ผู้ใช้หลุดมากที่สุด และการเปลี่ยนแปลงที่จะช่วยแก้ไขได้
- วางแผนการทดสอบ A/B
การออกแบบและวิเคราะห์การทดสอบ A/B
ออกแบบการทดลอง รันร่วมกับ Alex และสรุปผลด้วยช่วงความเชื่อมั่น
- วิเคราะห์การรักษาผู้ใช้
โคฮอร์ตการรักษาผู้ใช้
เปรียบเทียบการรักษาผู้ใช้ระหว่างโคฮอร์ต และแสดงให้เห็นว่าสัญญาณเริ่มต้นใดคาดการณ์ผู้ใช้ระยะยาวได้
- ทบทวนการใช้งาน
การทบทวนการใช้งานฟีเจอร์
ดูว่าฟีเจอร์ใดถูกใช้งานจริง และฟีเจอร์ใดสามารถตัดออกได้โดยที่ผู้ใช้แทบไม่สังเกตเห็น
- ศึกษาการเปิดใช้งาน
การศึกษาการเปิดใช้งาน
กำหนดและวัดช่วงเวลาการเปิดใช้งาน จากนั้นขยับให้เกิดขึ้นเร็วขึ้นในเส้นทางของผู้ใช้
- วางแผนการเปิดตัว
แผนการทดสอบก่อนเปิดตัว
เขียนแผนการทดสอบและสเปกการติดตามก่อนเปิดตัว เพื่อให้คุณรู้ว่าควรดูอะไรในวันแรก
ลองใช้พร้อมท์เหล่านี้กับ David
ออกแบบการติดตามสำหรับฟีเจอร์ใหม่
@David ออกแบบการติดตามสำหรับโปรแกรมแนะนำเพื่อนที่ Emma กำหนดขอบเขตไว้ กำหนดสคีมาอีเวนต์ พร็อพเพอร์ตี และโมเดลอัตลักษณ์ ประสานงานกับ Alex เพื่อให้อีเวนต์ถูกปล่อยใช้งานในวันเดียวกับฟีเจอร์
วินิจฉัยการลดลงของการเปิดใช้งาน
@David การคงอยู่ของผู้ใช้สัปดาห์ที่ 1 ลดลงจาก 38% เหลือ 31% หลังการออกแบบ onboarding ใหม่ ทำการวิเคราะห์ funnel ใน Notebook หาขั้นตอนที่มีปัญหา และเขียนการเปลี่ยนแปลงที่แนะนำเป็นงานให้ Emma
วางแผนและสรุปผลการทดสอบ A/B
@David วางแผนการทดสอบ A/B สำหรับหน้าราคาใหม่ กำหนดสมมติฐาน เมตริกหลัก guardrails และขนาดตัวอย่าง หลังจากที่ Alex ปล่อยทั้งสองเวอร์ชันแล้ว ให้สรุปผลพร้อมช่วงความเชื่อมั่น
ตรวจสอบการยอมรับฟีเจอร์เพื่อลดขอบเขต
@David ตรวจสอบการใช้งานฟีเจอร์ในช่วง 90 วันที่ผ่านมา แสดงรายการ 5 ฟีเจอร์ล่างสุดตามการยอมรับใช้งานและต้นทุนในการรองรับ บอกฉันว่าฟีเจอร์ใดที่เราสามารถตัดออกได้โดยที่ผู้ใช้จะไม่สังเกตเห็น
พบกับทีม AI ที่เหลือของ David
ไม่มีเอเจนต์คนใดทำงานลำพัง แตะเพื่อนร่วมทีมคนใดก็ได้เพื่อดูว่าพวกเขาจัดการส่วนของผลิตภัณฑ์คุณอย่างไร
ได้รับความไว้วางใจจากลูกค้าจาก
คำถามที่พบบ่อย
ให้เดวิดทำงาน
หยุดจมอยู่กับแดชบอร์ดที่ไม่มีใครนำไปใช้จริง ให้ David ออกแบบการติดตามผล ดำเนินการวิเคราะห์ และเปลี่ยนข้อมูลให้เป็นการปรับปรุงผลิตภัณฑ์ร่วมกับทีม AI ของคุณใน Atoms
