Drei sind nicht genug. Warum der Produktmanager, Designer und Tech-Lead nicht mehr ausreichen und wir den Produktanalysten als festen Bestandteil des Produktteams aufnehmen sollten. Datengetriebene Produktentwicklung ist eine Säule des Produktmanagements. Ich betrachte mich als datengetrieben, und ich wette, du auch. Wir treffen Entscheidungen auf Basis der Daten, die uns zur Verfügung stehen. Aber nutzen wir wirklich alle Möglichkeiten aus?

Das Produktteam

Im modernen Produktmanagement beschreiben wir ein funktionales oder ideales Team, bestehend aus einem Produktmanager, einem Designer, einem Tech Lead und den je nach Produkttyp benötigten Entwicklern. Schauen wir uns die bekannten Squad-Modelle an, beziehen wir auch Marketing mit ein. Eine Rolle, die man selten findet, ist der Produktanalyst. Suchen wir nach einer Rollenbeschreibung, finden wir Antworten wie diese von comeet.com:

Produktanalysten führen Marktforschung durch und analysieren Marktdaten, um Verbraucherverhalten und Trends zu identifizieren. Basierend auf ihren Analysen sprechen sie Empfehlungen aus und bieten Einführungsstrategien an, um die Rentabilität des Unternehmens zu steigern. Produktanalysten überwachen die Produktleistung und empfehlen Änderungen, um Verkaufsprognosen zu erfüllen.

Cristina Burns, comeet.com

Mir ist diese Beschreibung zu weit weg vom Geschehen, dem Team. Meiner Meinung nach müssen wir diese Definition etwas anpassen. Die Rolle des Produktanalysten sollte Teil eines jeden Produktteams werden.

Datengetrieben vs. grundlegende Produktarbeit

Wir glauben, dass datengetrieben bedeutet, Entscheidungen auf Basis von Nutzerforschung und A/B-Experimenten zu treffen. Das ist zwar richtig, aber auch nur die Hälfte der Wahrheit. Das Durchführen von Experimenten ist eine wesentliche Aufgabe, wenn wir versuchen, eine neue Funktion auszuliefern oder eine bestehende zu verbessern. Wir haben dadurch Vertrauen in die Ergebnisse unserer Arbeit und können die Auswirkungen entsprechend im Unternehmen vorzeigen. Zudem helfen Experimente dem Produktteam zu lernen. Sie schaffen Erkenntnisse für den Produktmanager und den Designer, das Produkt anzupassen.

Lasst uns einen Schritt zurückgehen und schauen, was vor dem eigentlichen Testen passiert. Frameworks wie den Product Lifecycle teilen die Produktarbeit in bestimmte Phasen auf. Bei der Verwendung von A/B-Experimenten haben wir eine Hypothese, die wir beweisen oder widerlegen wollen. Datengetrieben bedeutet in dieser Phase: Wir entscheiden, ob das Feature bei der breiten Masse funktioniert.

Das Durchführen von Experimenten und das Treffen von Entscheidungen auf der Grundlage der entstandenen Informationen gehört zur grundlegenden Produktarbeit. Das ist unser täglich Brot. Wir berücksichtigen die Meinung der Nutzer bei der qualitativen Forschung und bestätigen mit quantitativem Feedback wie Experimenten unsere Hypothesen. Ist das bereits datengetrieben? Vor der Hypothese steht die Discovery. Aber was genau ist Teil der Discovery und wer von uns würde behaupten, dies im alltäglichen Geschäft wirklich durchzuführen?

Bin ich datengetrieben?

Mit der anhaltenden Debatte über Cookies und die Nachverfolgung des Nutzerverhaltens müssen wir darüber nachdenken, warum wir überhaupt so viele Daten sammeln. Wir neigen dazu, jede Benutzeraktion in unseren Produkten zu aufzuzeichnen. Es scheint uns wichtig zu sein, jede Kleinigkeit über den Benutzer zu wissen. Nutzen wir jedoch all diese Daten, und wissen wir, wie wir sie zum Vorteil unserer Benutzer einsetzen können? Ich denke nicht.

Bevor ich meine Karriere im Produktmanagement begann, war ich fünfzehn Jahre lang als Softwareentwickler tätig. Ich habe viel mit Datenbanken gearbeitet, und ich fühle mich sehr wohl beim Schreiben von SQL-Abfragen. Warum ich das erzähle? In meiner Einleitung habe ich geschrieben, dass ich mich als datengetrieben betrachte. Auf dem Papier habe ich sogar die Fähigkeiten, mit den Daten zu arbeiten. Aber das ist nicht genug.

Die Grenzen

Wenn man sich das Rollenbild des Produktmanagers anschaut, kommt man an Marty Cagan nicht vorbei:

Um eine Lösung für Nutzen und Wirtschaftlichkeit zu finden, muss der kompetente Produktmanager in den folgenden vier kritischen Bereichen geschult sein:

1. Tiefes Wissen über die Anwender und Kunden

2. Tiefes Wissen über die Daten

3. Tiefes Wissen über das Geschäft

4. Tiefes Wissen über die Branche

https://svpg.com/the-product-manager-contribution/

Und unter „Tiefes Wissen über die Daten“ heißt es:

Der Produktmanager muss Experte dafür sein, wie das Produkt genutzt wird, und zwar in Bezug auf die Nutzung (aus den Tools zur Benutzeranalyse) und auch auf die Verkäufe (aus den Tools zur Vertriebsanalyse) und wie sich dies im Laufe der Zeit verändert (typischerweise aus den Data-Warehousing-Tools). Der Produktmanager kann von einem Datenanalysten oder Datenwissenschaftler unterstützt werden, aber dieses Wissen ist nicht etwas, das delegiert werden kann.

https://svpg.com/the-product-manager-contribution/

Wir wissen, dass diese vier Bereiche sehr umfangreich und schwer zu bewältigen sind, vor allem, wenn wir an die unzähligen administrativen Arbeiten denken, die wir alle erledigen müssen. Zum Beispiel das Schreiben von Tickets und das Vorbereiten der Sprints des Teams.

Wenn wir uns die Realität in den Unternehmen anschauen, dann haben wir in den seltensten Fällen einen optimalen Datenpool. Nicht nur der Umstand der neuen Datenschutzgesetze machen Analysen immer schwieriger. Der Blick in das Google Analytics Konto reicht in den meisten Fällen ebenfalls nicht aus, da die Daten über mehrere Systeme verteilt sind. Wenn mobile Apps eingesetzt werden, liegen einige Daten in den App-Stores. CRM-Systeme für den E-Mail-Versand, Push-Benachrichtigungen, Performance Marketing Tools, die Google Suche und vieles mehr. Verschiedene Datenquellen, die wir miteinander verbinden müssen, machen es schwer, tiefe Erkenntnisse auf einfache Art zu gewinnen. Sind bei dir alle Daten an einem Platz? Bietet dein Data-Warehouse ein Self-Service Tool zur Analyse an?

Die Chancen

In den letzten Jahren hat das digitale Produktmanagement die Einbeziehung des Experience Designs verbessert. Wir betreiben Nutzerforschung und setzen auf Experimente. So weit, so gut. Es ist Zeit für einen weiteren Schritt, und ich fordere die Einbeziehung des Produktanalysten.

Wir haben unendlich viele Daten, die uns unzählige Erkenntnisse liefern können. Oft werden Datenanalysen verwendet, um eine bestehende Nutzerforschung zu bestätigen. Wir können das aber auch umdrehen und Analysen als einen Startpunkt nutzen und sie mit qualitativen Nutzerbefragungen validieren.

Bei unseren jüngsten Engagement-Bemühungen haben wir zum Beispiel mit einer einfachen Frage begonnen und eine Datenanalyse erstellt. Zusätzlich zu den Datenerkenntnissen führten wir Nutzerinterviews und Umfragen durch, um unsere Informationen zu beweisen oder zu widerlegen. Die Daten sagen uns zwar was passiert, aber nicht warum.

Wir verfolgen mittlerweile verschiedene Ansätze, um unser Produkt weiterzuentwickeln. Einerseits arbeiten wir mit Nutzerinterviews, Prototypen und Umfragen, um das Wie und das Warum hinter dem Verhalten zu erfahren. Hier spielt unser Produktdesigner eine wesentliche Rolle.

Anderseits verwenden wir Datenanalysen, um auf tiefergehende Verhaltensmuster hinzuweisen und Auffälligkeiten zu entdecken. Mit A/B Experimenten bringen wir dann unsere Erkenntnisse in das Produkt ein.

Hierfür bietet unser Produktanalyst die richtigen Methoden und das nötige Wissen zur Auswertung der Daten an.

Ein Produktmanager erstellt weder das Design noch schreiben wir den Code. Wir sollten uns daran gewöhnen, die Datenanalysen ebenfalls zu delegieren.

Hier ist meine Rollenbeschreibung für unsere Produktanalysten:

Produktanalysten führen die verschiedenen existierenden Datenquellen zusammen und erarbeiten tief greifende Auswertungen über das Verhalten der Nutzer. Mithilfe ihrer Analysen bringen sie Ideen in die Produktentwicklung ein, die den Produktmanager und Produktdesigner bei der Entscheidung über Änderungen und Neuentwicklungen unterstützen. Sie helfen dem Produktteam beim Verständnis ihrer Arbeit und der Erreichung der Ziele.

Literaturtipp

Klickt, kauft und macht uns reich – der Literaturtipp zum Thema Product Analytics:

Bild 1: Photo von Franki Chamaki auf Unsplash