No comments

Кейс-стади “Avito, Data-driven компания: Данные должны работать!”

Avito — один из крупнейших сайтов объявлений в России, открывшийся в 2007 г. Каждый может предложить или найти здесь товар или услугу: миллионы посетителей сайта ежедневно используют возможности, предоставляемые площадкой. Команда Avito работает не покладая рук, придумывая амбициозные проекты и постоянно улучшая сайт. Они не собираются останавливаться на достигнутом. И Tableau – хороший помощник в ежедневной работе. В компании работает более 1000 человек.

 

Используемые решения:


 

На наши вопросы отвечает Дарья Мутовкина, аналитик компании Avito.

 

 
Avito – крупная компания оперирующая с огромными объемами данных. Как вы подходите к обработке данных вообще, и как вы используете Tableau?
На уровне ценностей компании, у нас пропагандируется data-driven подход, поэтому Tableau мы используем практически для всего.

В Tableau мы создаем источники данных с предагригированными метриками и публикуем на Tableau Server, чтобы пользователи, которые не работают напрямую с нашим центральным хранилищем, могут получать информацию для работы в реальном времени. И ими могут пользоваться специалисты из любого отдела компании, от sales-менеджеров, до технического департамента.

В компании Avito сформированы функциональные команды (бизнес-пользователи, аналитики, группа продаж, технический департамент, модерация, техподдержка), и есть четкое соответствие проектов в на Tableau Server и функциональной команды с соответствующим разграничением доступа на просмотр и изменение тех или иных массивов данных. Tableau предоставляет для этого вполне удобный функционал.

 
Аналитик в Avito – это…
Аналитик у нас следит за правильностью данных и поддерживает универсальные отчеты и создает универсальные источники данных, универсальные метрики, чтобы остальные специалисты могли сами могли ими пользоваться.

Мы идем по этому пути, чтобы у нас не бежали по каждому вопросу к аналитикам. Это, безусловно, влияет на данные глобально: что и как мы предоставляем, как агрегируем, как храним.

 
Как в Avito работали с отчетами до начала использования визуального инструментария?
Крайне важные для отслеживания бизнеса Daily-отчеты, на которые делается большая ставка, ранее собирались вручную в Excel, и на это уходило до 6 часов в день. Сегодня сборка отчета занимает около 10 минут. В этом, безусловно, заслуга созданной нами внутренней инфраструктуры компании: опытных специалистов и применяемых технологий. И Tableau в этом крайне помогает.

 
Как построено обучение специалистов?
В Avito для ежедневной работы не требуется построение сложных визуализаций. На базовом уровне Tableau понятен, разобраться в нем можно за 15 минут, и это его большое преимущество – интерфейс интуитивно понятен и дружелюбен пользователю.

Тренинги проходят раз в 2 месяца. Для обучения мы иногда привлекаем сторонних специалистов, но нам полезнее самим обучать внутренних пользователей – мы учим их не на абстрактных примерах, а сразу на наших внутренних метриках и наших источниках данных: как, например, посчитать какую-то ключевую стратегическую метрику, уникальных посетителей в разрезе платформ.

Люди действительно втягиваются, задают вопросы, пробуют применить инструмент в работе. Как итог – распространение Tableau в компании. На данный момент у нас около 100 пользователей Tableau.

 
Визуализация данных. В России – это достаточно новая тема, тогда как в мире подход развит широко…
Общаясь на конференциях и мероприятиях с коллегами из других компаний, я действительно обратила внимание, что, вот, очень многие начинают пользоваться Tableau. Очень многие интересуются, внедряют это. Является ли это на данный момент модой или становится отраслевым стандартом – сказать сложно. Но по поводу визуализации, есть нюанс: некоторые компании воспринимают Tableau исключительно с точки зрения очень крутых Dashboard`ов, классной визуализации, и отличных интерактивных карт, хотя его возможности гораздо шире.

 
Поясните, пожалуйста.
Зачастую, не понимается, как полностью использовать возможности продукта. Во внимание берется только визуализация. Можно купить одну лицензию и сказать аналитику: «сделай нам супер-интрекшн, экшн оболдаж дашборд и прочие ругательства» и остановиться на этом. А когда люди понимают, что у них есть данные, у данных есть метрики, что у этих метрик есть потребители, то надо строить в первую очередь инфраструктуру, т.е. работает не просто инструмент, а целая инфраструктура, которая позволит принимать решение в компании на основе данных.

Мы, естественно, умеем делать визуализации. Но нужно ли тратить на это время специалистов? Данные должны работать!

 
Для вас, в Avito, визуализация не столь важна?
Естественно Tableau используется для разных целей, в том числе и для регулярной Daily, Weekly, Monthly-отчетности. Там есть красота, дашборды, яркие визуализации. Эти отчеты делаются интерактивными.

К примеру: у нас разнообразный бизнес. Достаточно посмотреть категориальное деление на вертикали : от недвижимости, до авто – очень разные вещи. И если мы делаем отчет о внедрении версии приложения, то мы даем возможность представителям вертикалей с ним взаимодействовать – просматривать отчеты по интересующим вертикалям услуг. Аналогично построена работа с источниками данных, об этом я упомянула раньше.

Множество вопросов решается с помощью Tableau, и ставка на визуализацию делается не всегда. Данные могут работать, даже если вы две колонки добавили на View в Tableau, но это должны быть осознано выбранные метрики, опираясь на которые в компании принимаются решения.

  

КЕЙСЫ:

Кейс 1. МОБИЛЬНОЕ ПРИЛОЖЕНИЕ: Выпуск Avito 7.0 на Android и iOS

Открывая приложение Avito, пользователь видел просто список категорий. И, пошагово спускаясь по дереву, через несколько шагов человек ранее спускался до списка предложений. Мы провели редизайн, сделали плитки с предложениями расположенные на первом экране. Вопрос: успешно решение или нет?


 

Давайте сравним две метрики по двум версиям приложения:

В первом случае можно посмотреть на метрику отношения контактов к уникальным посетителям. Здесь мы видим, что 7-я версия показывает себя хуже, чем 6-я. А, если посмотреть на метрику отношения контактов к просмотрам объявлений, то ситуация прямо противоположная – 7-я версия лучше. И возникают типичные для аналитика вопросы: «на какую метрику смотреть? Как интерпретировать это расхождение?»

Попробуем разобраться.

Можно представить себе действия посетителя на приложении как воронку. То есть, уникальный посетитель ищет, попадает на объявление и оттуда делает контакт. Это идеальный случай – в конце этой воронки у нас всё хорошо с объявления мы получаем хорошую конверсию. Но у нас где-то по дороге теряются посетители.

И действительно, если посмотрим отношение просмотра объявлений к посетителям, опять же, 6-я версия лучше, чем 7-я. Значит, потеря происходит где-то на поиске. Вернемся к слайду с изображением дизайна, сравним каким он был и каким он стал, и вспомним, что изначально на первом экране пользователю предлагалось сразу же выбрать категорию, он не мог пройти к объявлению, не выбрав категорию. Причем, даже не один уровень, а два.

То есть, он сразу попадал в некоторую наиболее релевантную его интересам нишу объявлений и сразу получал более релевантную выдачу. А теперь, соответственно, очень классный дизайн, не очень заметно, что можно выбрать категорию, пользователь сразу начинает вбивать поиск и получает не совсем релевантную выдачу.

Как следствие, теряет интерес и в итоге воронка закрывается.

Эти моменты мы заметили ещё не только по анализу воронки, но и по анализу поведения в разных категориях. Взгляните на первую метрику отношение контакта к уникальным посетителям: если мы смотрели её в разрезе какой-то конкретной категории – уникальный посетитель пришел и сразу выбрал категорию, то у него всё было хорошо. А если категория не была выбрана, то происходила вот эта ситуация, и контакты к уникальным посетителям давали очень слабую конверсию.

Все исследования мы отображали в Tableau. На самом деле, метрик было выбрано гораздо больше, но когда мы увязали все противоречия то поняли причины. Метрика контакты к уникальным посетителям – очень показательна, дает понимание обо всей воронке действий.

Кейс 2. Анализ платных размещений по волнам

Для компании Avito это очень значимый кейс. С недавних пор мы ввели платное размещение объявлений.

Avito – огромная площадка (около 100 миллионов посетителей в месяц), через которую проходит гигантское количество контента. Следить за его качеством – задача не простая, поэтому важно мотивировать людей не публикацию более качественных объявлений. Без некоторой оплаты это сделать практически нереально.

Мы очень старались сделать показ объявлений гибким, чтобы никого не обидеть. Изменения запускаются волнами, и мы смотрим на поведение пользователей, анализируем их реакцию. Например, в одной из таких волн объявления по животным полностью попали в платную выдачу. Анализ в Tableau негатива в социальных медиа позволил быстро отследить ситуацию, мы откатили волну и изменения не пошли в продакшн.

Мы отказались от платной выдачи объявлений по данной тематике. Мы могли следить, что падание контента идет в приемлемых границах, что мы не теряем посетителей. Что ликвидность у хороших объявлений растет, что предложений на сайте по-прежнему достаточно. Это мониторится в мельчайших разрезах каждый день, мы держим руку на пульсе, и в этом помогает Tableau.

No Comments Yet.

Leave a reply