La gestión de productos de hoy aprovecha el análisis en gran medida para el desarrollo experimental de productos a través de lo que popularmente se conoce como pruebas A / B y pruebas multivariadas (pruebas multivariadas). Además de tener fuertes habilidades analíticas en general, es esencial para las personas que realizan la gestión de productos en las principales empresas de tecnología de consumo / SaaS y en cualquier lugar que aplique una metodología eficiente para comprender cómo hacer un desarrollo experimental de productos. Te daré 3 cosas que los buenos PM demuestran.
Aquí hay un ejemplo de una pregunta analítica que podría surgir en una entrevista de Gestión de productos.
“Digamos que usted es gerente de producto en Facebook. Usted publica un cambio en el editor que aumentó los días comprometidos de manera significativa y aumentó la cantidad de publicaciones compartidas, pero reduce la cantidad de personas que invitan a otras personas a Facebook. ¿Qué haría?” [1]
- ¿Cuál es la pregunta más frecuente en una entrevista?
- ¿Por qué TCS siempre revela los resultados de sus entrevistas solo a medianoche?
- ¿Cuáles son las mejores preguntas de entrevista de trabajo que alguna vez ha hecho o le han hecho?
- ¿Cuáles son los certificados necesarios para una entrevista?
- ¿Cuántas rondas de entrevistas se realizan para Accenture?
1) Tener un comando de métrica
¿Qué le importa a esta empresa? Cada empresa tiene métricas clave que les interesan y que en general giran en torno a las ideas de retención, compromiso, viralidad y monetización. Alternativamente, estos también están clasificados por Dave McClure como Adquisición, Activación, Retención, Referencia, Ingresos (Métricas de inicio para piratas). (Pero piense en lo que le importa a su producto y no solo escriba palabras que no entienda).
Estos pueden considerarse “métricas globales”. También hay “métricas locales”, como la cantidad de mensajes publicados o la cantidad de repines (en el caso de Pinterest (producto)). Saber cómo equilibrar las métricas globales y las métricas locales es importante, por ejemplo, aumentar Repins, pero reducir la frecuencia con la que las personas regresan a Pinterest es probablemente malo. No olvides cuáles son tus objetivos.
2) Tener objetivos claros
¿Cuál fue el objetivo de la función? Cambiaste el editor, que es cómo se comparten las publicaciones. Por lo tanto, desea aumentar las publicaciones compartidas, pero también una métrica global, como por ejemplo, el compromiso. Este proyecto logró estos objetivos.
Sin embargo, un buen gerente de producto también sabe que las buenas redes sociales crecen al invitar a otras personas. Por lo tanto, sería una buena idea hacer una combinación de lo siguiente 1) hacer una investigación del usuario para comprender por qué las invitaciones cayeron + profundizar en otras métricas locales y el comportamiento del lado del cliente, si lo rastrea 2) planificar una iteración para abordar de alguna manera la viralidad 3 ) considere una característica separada por completo que también podría resolver el efecto sobre la viralidad.
PERO un gran PM podría darse cuenta de que Facebook ya tiene una parte muy, muy importante (más de mil millones) de las 1.7B personas que tienen acceso a Internet (2.4b) / Facebook (700 millones de personas no) Hay mil millones de personas en Facebook, pero otros seis mil millones que no están en él. ¿Qué están haciendo los otros seis mil millones? Por lo tanto, también serían lo suficientemente conscientes como para ponderar la viralidad un poco más de lo que lo harían de otra manera. Considere cómo su producto actual tiene muy poco énfasis en la interfaz para invitar a las personas, lo que sugiere cuáles son los grados de importancia.
3) Tener un sentido básico de las estadísticas
Suponga que la pregunta de ejemplo y los resultados sobre cuántas publicaciones se compartieron lo entusiasmaron realmente. Pero, ¿qué pasaría si el valor p para la variación del experimento que aumentó las publicaciones compartidas fuera algo así como 0,80? Bueno, eso básicamente significa que es muy probable que su resultado se deba al azar (80%), y no puede confiar en él.
¿Qué pasa con el recorte y los valores atípicos? Supongamos que la publicación fue dramáticamente superior. Pero tal vez un puñado de personas en su experimento publicaron miles de veces. Tal vez había un bot o alguien que se comportaba de manera inusual. Un poco de mezcla. Los buenos gerentes de productos saben que necesita recortar algunas métricas (es decir, recortar, digamos, el 1% de los usuarios principales) para obtener datos más confiables sobre el rendimiento de una función.
Resumen
Analytics es algo más que acertijos, ya que Google incluso admitió haberse alejado en sus entrevistas (En Head-Hunting, Big Data puede no ser tan importante). Estar informado de los datos se está convirtiendo en una de las tendencias comunes en la gestión de productos, así que asegúrese de tener un buen dominio de cómo realizar análisis y desarrollo de productos basados en experimentos.
[1] Contratación: cómo obtener un trabajo como gerente de producto (Slideshare)
Nota: si está buscando un trabajo de gestión de productos, enseño un curso de Udemy que le han contratado: cómo obtener un trabajo en gestión de productos por Jason Shah | Udemy que puede ser relevante para ti.