Случайная корреляция

Посмотрите на этот график.

Бедные, бедные люди! Теперь, чтобы не утонуть, надо сначала проверить уровень продаж мороженого, а затем посмотреть, в скольких фильмах за год снялся Николас Кейдж!

К слову, существует интересный инструмент от Google: вы руками рисуете график, а Google говорит вам, график запросов по каким ключевым словам вы только что нарисовали.

Или вот еще один пример: доля использования браузера Internet Explorer в США и количество убийств в Соединенных Штатах.

А как же тогда жить?

То, что сработало для одних, не обязано срабатывать для вас.

– Если вы уйдете из университета, то не факт, что вы создадите Apple.

– Если вы перепишете туториал, то не факт, что вы увеличите доход.

– Если вы добавите в название игры слова world, clash, go, то не факт, что ваша игра станет хитом (органический трафик вы скорее всего получите, но насколько он будет релевантным?).

Разрабатывайте свой продукт, делайте его уникальным и интересным. Не забывайте про эксперименты, A/B-тесты и, что особенно важно, про статистическую значимость их результатов.

В каком-то смысле, тот факт, что корреляция не подразумевает причинно-следственную связь, и объясняет то, что нас еще не заменили роботы. Держите голову на плечах!

А на досуге можете поиграть в игру «Угадай корреляцию»: http://guessthecorrelation.com.

Проверочное задание

Хочу поделиться тестом, который мы давали выпускникам онлайн-курса по аналитике. Тест называется «Можно ли вам доверить развитие проекта?», но в случае с данной книгой его скорее можно назвать «Хорошо ли вы понимаете аналитику и внимательно ли читали книгу?»

В тесте будет 10 заданий, и ответы с комментариями можно посмотреть после теста.

Вопрос 1

Начнем с простого. Дневная аудитория проекта (DAU) в каждый из дней ноября была равна 100 пользователям. Что мы можем сказать о месячной аудитории (MAU) ноября?

a. MAU = 100

b. MAU = 30*100 = 3000

c. MAU = 1000

d. 100 ≤ MAU ≤ 3000

Вопрос 2

Вы запускаете кампанию с рассылкой push-уведомлений пользователям, не заходившим в приложение более 14 дней. Какой показатель вы хотите улучшить?

a. Rolling Retention

b. Длину сессии

c. CPI

d. K-фактор

Вопрос 3

Если ARPPU проекта существенно больше, чем Average Check, то в этом проекте много…

a. Платящих игроков

b. Китов (игроков, платящих очень большие суммы)

c. Новичков (игроков, впервые посетивших приложение менее месяца назад)

d. Повторных платежей

Вопрос 4

В среднем каждый день октября проект посещало по 200 пользователей. Всего же в течение октября проект посетили 1200 пользователей. Рассчитайте Sticky Factor проекта.

a. 1000 пользователей

b. 1400 пользователей

c. 20%

d. 16,7%

Вопрос 5

Какой из выводов может быть получен по итогам проведения RFM-анализа?

a. «Наша товарная линейка слишком узкая, нужно больше товаров»

b. «Найдена категория товаров с самым нестабильным спросом»

c. «Наши пользователи в основном совершают лишь один платеж, нужно больше повторных платежей»

d. «Купленный нами трафик окупается за два-три месяца»

Вопрос 6

Наступил январь, и вы хотите оценить, как повлияло выпущенное в ноябре обновление на монетизацию новых пользователей. Какой из методов лучше всего справится с этой задачей?

a. A/B-тест

b. Когортный анализ

c. Воронки

d. Анализ социальных сетей

Вопрос 7

Если ARPU проекта равен $0,25, а Paying Share = 2 %, то чему равен ARPPU проекта?

a. $0,5

b. $0,0025

c. $12,5

d. 8%

Вопрос 8

В каком случае мы можем посчитать (хотя бы приблизительно) LTV пользователя в проекте?

a. Если мы знаем количество новых пользователей, размер аудитории и показатели удержания.

b. Если мы знаем среднедневной ARPU и показатели удержания.

c. Если мы знаем количество новых пользователей и CPI.

d. Если мы знаем долю платящих, ARPU и ARPPU.

Вопрос 9

ABC/XYZ-анализ позволяет сделать выводы о:

a. Показателях привлечения и удержания пользователей;

b. Времени конвертации в первый, второй и последующие платежи;

c. Местах в проекте, где пользователи предпочитают покинуть приложение;

d. Товарной линейке, эффективности различных видов товаров.

Вопрос 10

Вы провели среди пользователей проекта исследование. Вы просили их оценить вероятность, с которой они поделятся информацией о вашем проекте со своими друзьями, по шкале от 0 до 10. Такое исследование было проведено дважды: в январе и в октябре. Были получены следующие результаты:

Рассчитайте Net Promoter Score (NPS) и сделайте вывод о его изменении.

a. Net Promoter Score немного улучшился.

b. Net Promoter Score остался неизменным.

c. Net Promoter Score немного ухудшился.

d. Недостаточно данных для расчета Net Promoter Score.