Statistieken zijn onzin, zegt u, en u heeft gelijk. In bepaalde opzichten.
Inderdaad, als het om statistieken gaat, is de eerste statistiek die in je opkomt meestal het aantal bezoekers.
Veel mensen houden ervan om urenlang naar de bezoekersgrafiek van hun website te kijken.
Wat is het heerlijk om te zien hoe de lijn op en neer schommelt… En nog mooier, wanneer het aantal bezoekers constant toeneemt.
Dan verspreidt een zalig gevoel zich over je hele lichaam en stijgt je geest naar de hemel in afwachting van de hemelse manna.
Oh, wat een vreugde, wat een geluk!
En zelfs als het plaatje somber is…
De grafiek is toch moeilijk om de ogen vanaf te houden, zo intrigerend is hij.
Het lijkt alsof er een geheim in de grafiek verborgen ligt. Nog even en de afbeelding onthult zijn geheimen en vertelt een ongelooflijk simpele en effectieve manier om een enorme hoeveelheid klanten aan te trekken. En dan zullen de geldstromen zeker binnenstromen.
Maar in werkelijkheid is het aantal bezoekers een typische 'zoete (ijdele) statistiek', die geen nuttige betekenis heeft.
En de meeste statistieken zijn zo. Bijna alle statistieken die u zult zien, zijn zoet. En daarom hebben statistieken een slechte reputatie als zinloze tijd- en inspanningverspilling.
Maar in werkelijkheid is dat absoluut niet het geval. Juiste statistieken bieden uiterst belangrijke, en soms onschatbare informatie voor uw bedrijf en project.
De belangrijkste bonus en functie van statistieken is dat ze u in staat stellen uw bedrijf of project te beheren.
Hoe te bepalen of een statistiek slecht is?
Laten we een heel eenvoudig voorbeeld bekijken: de snelheid van een auto.
Kunt u alstublieft zeggen wat de snelheid betekent…
100 km/u?
Hmm...
Hmm...
Wat betekent het dan?
Ik denk dat u zelf misschien al heeft geraden dat… het niets betekent!
Oké. Nu de tweede vraag:
Is 100 km/u goed of slecht?
Hmm...
Geen van beide?
Precies!
Snelheid is een volstrekt nutteloze en zinloze statistiek. Tenzij deze in combinatie met andere statistieken wordt gebruikt, zegt het op zichzelf niets.
Het aantal bezoekers op de website is precies dezelfde snelheid.
Daarom heeft het helemaal geen zin om voor de bezoekersgrafiek te blijven hangen. Het zal je niet het geheim van het leven onthullen. Begrijpt u het nu?
Wat zijn dan goede statistieken?
Bijvoorbeeld, Churn rate. Deze metric geeft aan hoeveel klanten het bedrijf/de site voor altijd heeft verlaten in de loop van de tijd.
Churn rate = 1% betekent dat we slechts 1% van de klanten verliezen. Dat betekent dat we vrijwel niemand verliezen.
Als de Churn rate = 90% is, betekent dit dat we bijna al onze klanten verliezen. Dat is verschrikkelijk!
Ziet u het verschil tussen deze metric en snelheid?
Churn rate is een zinvolle metric die de vraag beantwoordt of dit goed of slecht is. U hoeft niet te gissen wat het betekent.
Dit is een metric die voor zichzelf spreekt!
En nu zijn we klaar om dringende maatregelen te nemen om het klantenverlies te verminderen.
Daarom worden dergelijke metrics dwingend genoemd. Omdat ze aanzetten tot actie.
De criterium van 'vanzelfsprekende' metrics
Er is een heel eenvoudige manier om te bepalen of een metric 'vanzelfsprekend' (Engels: vanity) is.
De meeste absolute metrics, zoals bijvoorbeeld het aantal bezoekers, downloads, retweets, e-mails/abonnees, likes, enz. zijn vaak vanzelfsprekend..
Relatieve, gewogen metrics zijn vaak dwingend. Maar niet allemaal!
Wat betreft kwalitatieve metrics, daar is geen eenduidigheid, omdat een kwalitatieve beoordeling op zichzelf niet precies en ondubbelzinnig kan zijn.
Maar aan de andere kant moet de gebruiksvriendelijkheid van een programma worden beoordeeld op basis van de perceptie van eindgebruikers en op geen andere manier.
Hoe benader je metrics in het algemeen?
Allereerst moet je je denkpatroon omkeren.
Geen grap.
Iedereen die met metrics te maken krijgt, begint eerst naar de reden van hun bestaan te zoeken. Maar helaas zullen ze dat niet onthullen.
Metrics zijn gewoon als een gewone liniaal waarmee we meten wat we willen.
Je zoekt toch ook geen reden van bestaan in een gewone houten liniaal, toch?
Het zoeken naar de zin van het leven in een liniaal is wat je noemt 'de bottom-up benadering'.
Voor een goede omgang met metrics moet je je paradigma veranderen en van boven naar beneden gaan werken.
Dat wil zeggen, eerst een actie ondernemen en dan met behulp van metrics de resulterende effect meten.
Je moet metrics gebruiken als een gewoon meetinstrument en niets meer.
Denk over deze woorden na.
Meet met behulp van metrics het effect van uw acties, en verzin geen acties op basis van de metingen van een houten liniaal.
Deze benadering wordt ook wel de “Hypothese->Meten” genoemd.
Oké, dat is duidelijk.
Vraag nummer 2: “Wat precies meten? Hoe vind je de juiste metrics?”
Hoe stel je je eigen set metrics samen?
Als je op internet zoekt, zul je ongetwijfeld tientallen, zo niet honderden verschillende metrics over hetzelfde onderwerp vinden.
Bijvoorbeeld, er zijn ongeveer honderd metrics voor softwarekwaliteit. Dit omvat zowel GOST-R-ISO normen als metrics die worden berekend in SonarQube, zelfgeschreven varianten en zelfs “kwalitatieve” metrics die zijn gebaseerd op gebruikersfeedback.
Welke moet je gebruiken en welke niet?
De beste benadering is je te laten leiden door de “kernwaarde”.
OMTM (One Metric That Matters)
Laten we een voorbeeld bekijken.
Het is duidelijk dat als je de kwaliteit van je softwareproduct wilt verbeteren, je die kwaliteit op verschillende manieren kunt meten.
Kwaliteit is niet alleen het aantal fouten. Als je naar kwaliteit als geheel kijkt, omvat dit:
het aantal incidenten in productie,
gebruiksvriendelijkheid en begrijpelijkheid,
snelheid van werking,
volledigheid en tijdigheid van de implementatie van geplande functionaliteit,
beveiliging.
Er zijn veel criteria en je kunt niet met ze allemaal tegelijk werken. Je doet het heel eenvoudig: kies één, het belangrijkste criterium op dit moment, en werk alleen daarmee.
Deze benadering wordt OMTM (One Metric That Matters) genoemd — Één (Enige) Belangrijke Metric.
Een logische OMTM voor softwarekwaliteit is het aantal ernstige (belangrijke en kritische) incidenten in een productieomgeving.
Voor webwinkels hoef je überhaupt niet over OMTM na te denken — dit is de omzet of winst (afhankelijk van je keuze).
Deze Één Belangrijke Metric zal de kernwaarde van je set metrics zijn. En die zal bepalend zijn voor hun eindset.
Waarde Inside
Bij het samenstellen van een set metrics beginnen veel mensen vaak “uit de losse pols”, door op internet te speuren en de beste opties te kiezen op basis van het principe: “O! Dit lijkt ons handig!”
Zoals je begrijpt, is dat niet de beste manier, toch?
Maar hoe besluit je welke metric je moet nemen en welke niet?
Bijvoorbeeld, men meet vaak allerlei soorten conversies van gebruikers.
Maar waarom meet men specifiek gebruikers en niet iets anders? Heb je daar ooit over nagedacht?
Natuurlijk is er een antwoord.
Laten we een webwinkel beschouwen als het eenvoudigste voorbeeld om te begrijpen.
Stel dat u uw verkoopvolume wilt vergroten. Welke statistieken heeft u daarvoor nodig? Hoe pakt u dit aan?
Er is een eenvoudige, logische en effectieve manier. Alles valt op zijn plaats wanneer u de vraag beantwoordt:
WIE PRODUCEERT WAARDE?
We werken toch aan het verkoopvolume, nietwaar? We willen het verhogen, dat klopt?
Op wie of wat moet je invloed uitoefenen om het verkoopvolume te verhogen?
Natuurlijk,
Je moet invloed uitoefenen op de oorzaak —
op degene die waarde "produceert".
Wie genereert geld in de online winkel? Waar komt het geld vandaan?
Heel eenvoudig: van klanten.
Waar in de online winkel kun je invloed uitoefenen op de klanten?
Op elke plek!
Klopt. In elke fase van de levenscyclus van de klant.
Om de levenscyclus weer te geven, is het handig om de zogenaamde "funnel" van de klantbeweging door het proces te tekenen.
Voorbeeld van de funnel van een online winkel:
Waarom is het zo? Omdat klanten verloren gaan juist tijdens de overgangen van de ene stap van de funnel naar de andere.
Door het aantal klanten op een bepaald niveau van de funnel te verhogen, verhogen we automatisch het resulterende verkoopvolume.
Een eenvoudig voorbeeld.
De statistiek "percentage verlaten winkelwagentjes" toont in wezen de conversie van de overstap van wagen naar afgehandelde bestelling.
Stel dat u bij de eerste meting ontdekt dat 90% van de winkelwagentjes verloren gaat, d.w.z. van de 10 winkelwagentjes wordt er slechts 1 bestelling gedaan.
Er is duidelijk iets mis met het winkelwagentje, toch?
Laten we voor de eenvoud aannemen dat het bedrag van één bestelling - 100 rubel is. Dus het totale verkoopvolume bedraagt slechts 100 rubel.
Na de verbetering van het winkelwagentje is het percentage verlaten winkelwagentjes verlaagd met 10%, tot 80%. Hoe ziet dat er in cijfers uit?
Van de 10 winkelwagentjes worden er 2 bestellingen geplaatst. 100 rubel * 2 = 200 rubel.
Maar dit is toch een verhoging van het verkoopvolume met 100%! Bingo!
Door de conversie van de stap met slechts 10% te verhogen, hebt u het verkoopvolume met 100% verhoogd.
Fantastisch!
Maar zo werkt het nu eenmaal.
Begrijpt u nu de aantrekkingskracht van goed gedefinieerde statistieken?
Met hun hulp kunt u een fantastisch effect op uw processen bereiken.
Een online winkel is vrij eenvoudig, maar hoe pas je dit toe op de kwaliteit van een softwareproduct? Op precies dezelfde manier:
- Kies de belangrijkste waarde waar we aan werken. Bijvoorbeeld, laten we het aantal incidenten in productie verminderen.
- Begrijp wie en wat deze waarde produceert. Bijvoorbeeld, de broncode.
- We build a lifecycle funnel for the source code and set metrics at each step of the funnel. Everything.
Here are some examples of quality metrics that could be derived (off the top of my head)…
Value indicator:
- defect density of the production environment per 1000 lines of code
Metrics based on the lifecycle of the source code:
- percentage of failed compilations,
- coverage by automated tests,
- percentage of failed automated tests,
- percentage of failed deployments.
Metrics based on the defect lifecycle:
- defect discovery trends,
- repair trends,
- reopen trends,
- defect deviation trends,
- average wait time for repairs,
- average repair time.
Conclusies
As you can see, the topic of metrics is truly very important, necessary, and interesting.
How to select metrics correctly:
Choose OMTM, think about its core value, and measure the producers of that value.
Build metrics based on the lifecycle funnel of production.
Try not to use absolute metrics.
What else to read on this topic
The topic of metrics became popular during the Lean Startup movement, so the best starting point for reading is from primary sources — the books “Lean Startup” (translated into Russian as “Бизнес с нуля. Метод Lean Startup” on Ozon) and “Lean Analytics” (no translation, but the book is available in English on Ozon).
Some information can be found online even in Russian, but unfortunately, a comprehensive textbook has not yet been found even in the Western segment.
By the way, there are now even specialized ‘product’ professionals whose job is to build the right metrics system for their product and suggest ways to improve it.
gebruik maken van het transportprotocol niet in de weg staat.
If this article helped you better understand the essence of the issue, the author would appreciate a ‘like’ and a repost.
Bron: habr.com
