​​Establishing Key Metrics and Segments for Airbnb Users

In this data visualization project, the author is analyzing a dataset with Airbnb data from Kaggle for the year 2019 to see what high-level insights and inferences he could derive.

via @ProductAnalytics

​​В Google Analytics 4 стали доступні Benchmarking метрики в форматі 25%, 50% і 75% процентилів. Аккаунти, які входять до порівняльних груп визначаються не тільки категорією, вибраною в налаштуваннях ресурсу #GA4, а комбінацією факторів, в тому числі і з урахуванням схожості URL'ів. Звичайно ж, дані шифруються і агреговуються, і мають певні порогові значення перш ніж візьмуть участь у порівнняні. Детальніше у відео або у документації: https://bit.ly/4f2RWJ1

via @WebAnalyst

​​Ідеї використання UDF-функцій в BigQuery

Підбірка за областю застосування:

- аналіз А/В-тестів,
- робота з текстом та датами,
- робота з параметрами івентів з різними форматами в GA4,
- загальний каталог UDF-функцій.

@BigQuery

​​Як утримати клієнта при взаємодії з продуктом → підкаже не ваша інтуїція, а глибокий аналіз ?

Навчіться залучати, утримувати й повертати користувачів за допомогою правильного вибору метрик — на курсі «Продуктова аналітика» від Laba.

За 14 занять ви:
? навчитесь обирати метрики для зростання свого продукту
? засвоїте статистичний аналіз для виявлення закономірностей і прогнозів
? розберетесь, як проводити когортний аналіз для прогнозування поведінки користувачів
? зрозумієте, як запускати й аналізувати A/B-тести для ухвалення рішень
? налаштуєте аналітику для мобільних і вебпродуктів

Лектори:

Лада Кліщенко - Head of Product Analytics у Kyivstar, керує командою аналітиків у роботі над продуктами, як-от «Мій Київстар», «Київстар ТБ» та низкою B2B-продуктів.

Алекс Баликов - Director of Product and Operations у FuseBase, разом з командою з нуля вибудував продуктову та фінансову аналітику у FuseBase.

? Старт - 17 листопада

Детальніше про курс ?

​​Time-Series Market Mix Modeling for Sales Forecasting vs Advertising Expenses using Azure Blob Storage

This market mix modeling is a valuable learning experience, revealing how different advertising expenses impact sales.

@ProductAnalytics

​​Beyond the limitation of A/B Testing using Causal Inference

In the realm of product management and development, understanding the impact of new campaign (aka treatment) releases on user behavior is crucial. Campaign assessing effect on key performance indicators, such as retention metrics (specifically, Day 1 retention or D1), becomes a pivotal task.

However, this task presents several challenges. While A/B testing is commonly employed to measure such impacts, it is not always a viable option due to ethical, practical, or financial constraints.

@ProductAnalytics