Mesurer l’impact business
Référence : Perdue dans les limbes …
Les donnés accélèrent les prises de décision dans l’entreprise. Les indicateurs qu’on en dérive favorisent la communication sur des éléments concrets.
Qu’est-ce qui peut bloquer la collecte?
- Les outils sensées permettre de traquer la donnée.
- Les processus d’accès à la donnée.
- La connexion entre les outils.
- La mentalité : penser d’emblée à l’intérêt des données.
Être capable de comprendre comment connecter les données pour en tirer de l’information. Ça nécessite de savoir ce que fait le produit, le besoin qu’il doit remplir.
Comment définir les bons indicateurs?
Acquérir le réflexe de traquer la donnée. Par défaut, on traque tout. Trouver le lien entre les données. Être capable de les traduires en objectifs produit.
Partir de l’indicateur business, identifier ses composants, le relier au parcours de l’utilisateur pour identifier les étapes de ce parcours que l’on doit suivre pour récupérer l’information pertinente. Ces informations, une fois ensemble, permettent de les reconnecter à l’indicateur business.
Toute l’analyse doit être faite avec l’équipe produit.
Être capable de diversifier la source de donnée pour les indicateurs : clients, support, sales, outils de traque,… Être capable de remettre en question les métriques choisit.
Les indicateurs business étant prévu pour le long terme, les indicateurs produit associés doivent être conçus pour être maintenues sur le long terme (ex: SLA).
Les enjeux clients et utilisateurs ne sont pas forcément les mêmes. Il s’agit alors de bien identifier les attentes des uns et des autres. À partir de là, nous pourrons trouver le bon compromis. À noter que l’utilisateur et le clients restent liés, mais ne se trouvent pas dans la même temporalité : l’utilisateur est au jours le jours sur les fonctionnalités, tandis que le client vise des objectifs financiers / business sur le long terme. Pourtant, l’un dépend de l’autre.
Product Marketing Manager
Le PMM est “Market”, mais reste avant tout un métier du Produit.
Dialogue important entre Product Manager et Product Marketing Manager pour s’aligner sur les objectifs. La confrontation permet de tirer le produit vers le haut, et s’assurer que nous suivons les bons indicateurs, et garantir leur alignement sur les intérêts de l’utilisateur.
Le PMM peut être une aide pour prioriser les clients par rapport à la tournure du marché. Le PMM peut aussi donner des retours sur la perception des produits, sur le marché.
Le PMM doit être embarqué dans la démarche de Discovery, pour comprendre les besoins utilisateurs, et lui éviter de se limiter aux objectifs business.
Transmettre la vision produit
Vision au niveau du produit, ou du service, qui va piloter le choix des fonctionnalités que nous pourrons ajouter à ce produit.
Mettre la vision par écrit, la partager, et s’assurer qu’elle soit connue de tous.
La vision doit être remise au centre à chaque fois que nous construisons une nouvelle fonctionnalité, et logiquement lorsqu’on réfléchit aux indicateurs.
Business dans la priorisation
Être capable de discerner le bénéfice, autant pour le business que pour les utilisateurs, au long terme. Autrement dit “l’envie de le faire”, guidée par la vision de l’entreprise.
Calcul/Estimation du RoI : efficacité financière, ce que les clients seront près à payer, et donc l’impact business.
L’analyse de donnée
Référence : “The Importance of Data Analytics in Product Management” de Henrique Maltez (10 Août 2023)
La “data analytics” (l’analyse des données, en bon français) est un outils qui permet d’améliorer notre maîtrise de l’information sur deux axes via la collecte et l’anayse des données concrètes.
- Sur la compréhension de nos utilisateurs : en disposant de données précises sur son parcours au travers de notre application, que nous pourrons recouper avec des échanges avec ces utilisateurs, nous seront en mesure de faire coïncider au mieux le parcours proposé par le produit avec l’utilisation du produit.
- Sur la compréhension du marché : d’une part la collecte de donnée du marché nous permet d’anticiper les évolutions et tendances du marché sur lequel nous nous positionnons, mais aussi de nous assister dans la segmentation de ce marché, afin de trouver quel est le meilleur segment attaquer d’après les informations que nous obtenons.
L’analyse des données commence par la collecte des données. Celle-ci passera en partie via des outils disponibles sur le marché, comme Google Analytics, soit par des solutions beaucoup plus techniques qu’il faudra intégrer au moyen de langages comme Python ou R. Le choix des outils dépend des besoins (e.g. Google Analytics pour un site web) et des compétences.
Les données récoltées devront ensuite être consolidées pour en permettre l’analyse. Celle-ci se fera soit via des tableaux pour explorer les données, soit sur la base de tendances, que nous construirons au moyen d’outils statistiques (moyenne, médiane, etc.), soit visera l’extrapolation au moyen de solutions de Machine Learning pour anticiper les évolutions futures, voir carrément obtenir des recommandation sur la base des analyses, prédictions, et au moyen d’outils d’intelligence artificielle.