Кейс: находим драйверы роста в социалке при помощи ML и поднимаем ретеншн
В феврале на Flo Data Meetup я рассказывал про кейс с работы. В нём я применил "классические" методы продуктового анализа и теорию графов.
По итогам ресерча продуктовая команда смогла лучше понять предпочтения пользователей, выделала новый сегмент аудитории, выдвинула несколько успешных гипотез и получила прирост к метрикам.
Доклад изначально готовился для аналитиков, но получил хорошие отзывы от разработчиков, дизайнеров и продакт-менеджеров.
Видео содержит: – Вводную про продуктовые подходы – Небольшой обзор на науку Human-Computer Interaction, из которой я люблю брать новые идеи – Информацию про продукт – Вопросы на которые стейкхолдеры хотели получить ответы – Как я перевёл эти вопросы на язык данных и как начал ресерч – Почему не хватило "классических" методов – Минимум про матрицы и теорию графов – Сниппет кода, который поможет самому сделать похожий ресерч – Как я интерпретировал полученные данные – Что мы сделали с инсайтами и какой получили эффект в метриках – Книжки для самообразования – QnA секцию, из которой вы сможете немного узнать про нюансы работы с данными в Flo + немного обсудили филосовские вопросы 🙂
