websitelytics

Menu

Об авторе блога

Если вам интересно узнать немного фактов об авторе этого сайта, вот краткое резюме.

Меня зовут Юрий Снисаренко, и я проживаю в России. Последние несколько лет я занимаюсь аналитикой и аудитом имплементаций в достаточно больших и комплексных онлайн проектах.

На мой взгляд особенность аналитики онлайн проектов, как специальности заключается в том, что она затрагивает целый ряд смежных областей:

  1. UX и UI - все что ни делается в онлайн проектах в конечном счете должно приводить к удобству для пользователя, и тут аналитик естественно должен стоять на стороне конечных пользователей и быть проводником устойчивых решений. Разные продуктовые метрики необходимы для решения различных типов задач от расчета окупаемости привлечения, до оценки финансовой эффективности тех или иных фитч или промо предложений, но устойчивые решения предполагают в первую очередь удобство сервиса и соответствие ожиданиям клиентов.
  2. JavaScript - как ни крути, но все аналитические сниппеты это JS, и в зависимости от того, как вы их внедрите, ваши коды будут отправлять правильные статистические данные или не совсем правильные, будут влиять на производительность вашего сайта и снижать скорость его загрузки или не будут, благодаря минимуму нативного кода, используемого для целей аналитики.
    Правильные данные на входе - это необходимое условие для всей последующей цепочки. Как говорится в науке о данных, модель машинного обучения хороша настолько, насколько хороши данные на которых она обучается.
  3. SQL – ни одни агрегированные данные не дадут такой гибкости и универсальности при анализе, как несемплированные сырые данные. SQL - это зачастую самый быстрый способ исследования данных, будь то веб-аналитика или продуктовые задачи.
  4. Маркетинг - для анализа эффективности рекламных компаний и возможных путей оптимизации онлайн маркетинговой активности. Эффективность рекламных компаний и качество соответствующего трафика - это один из основных факторов, влияющих на конверсию.
  5. Основы статистики — как минимум, желательно понимать что такое степень статистической достоверности в сплит-тестах, стандартное отклонение, нулевая гипотеза и другие подобные базовые понятия статистики. При использовании сторонних программ и их API для тестирования гипотез, это поможет оценить необходимость и времязатратность решения тех или иных задач.
  6. Инструменты интерактивного анализа данных и построения графиков и дашбортов.
    Вы можете строить дашборты в Data Studio непосредственно из данных аналитики или же подтягивать данные с помощью SQL или же визуализировать графики в Jupyter Notebook с помощью Pandas DataFrame и Python Matplotlib или же использовать другие инструменты BI – все зависит от вашего выбора и сложившихся приоритетов внутри команды или компании. Одну и ту же аналитическую задачу можно решать разными способами, и это приятный момент...
  7. Системнный анализ для понимания этапов решения и декомпозиции аналитичеких задач.

Вы можете связаться со мной через email, указанный в футере.