Во время второй мировой американцы изучали обстрелы на самолетах, которые возвращались с миссий. Большинство попаданий приходилось в фюзеляж около двигателей.

Схема попаданий пуль по американским самолетам, которые возвращались с миссий во время второй мировой.

Они хотели решить проблему оптимизации: как достичь компромисса между защитой и маневренностью? Большее количество брони приводило к снижению маневренности.

Армейские офицеры решили, чтобы улучшить шансы на выживание, бронь самолета должна быть сосредоточена на местах, где самолет был поражен больше всего, т. е. на фюзеляже. С меньшим количеством брони самолеты получат большую маневренность.

Абрахам Вальд из Statistical Research Group (SRG) не согласился с этим решением. Он предположил, что поверхность самолета должна быть равномерно поражена пулями. Искать ответ нужно не в самолетах, которые вернулись обратно, а в тех, которые не смогли. Вальд утверждал, что если бы в фюзеляж было больше попаданий, то самолеты все равно бы вернулись, т. к. пилоты выживали. Схема попаданий пуль не отображала всю картину.

В результате он рекомендовал установить дополнительную защиту на те участки, где количество пробоин было минимальным. Рекомендация была основана на выводе, что защищать нужно от тех попаданий, которых Вальд не видел, — самолеты, которые их получили, не возвращались.

So What?
Старайтесь поговорить с клиентами, которые решили отказаться от вашего продукта (не выжили). Возможно, вы узнаете много интересного.

Недавно узнал про “магические” 20%, на которые надо ориентироваться, чтобы улучшать продукт. Быстрый поиск через Google не дал конкретики, а запрос “JND 20%” только один раз встретился на SlideShare, где также не было ссылки на первоисточник.

Я заинтересовался вопросом и копнул интернет поглубже. Уж больно хотелось найти обоснование, которое затем можно использовать в работе.

Русская Википедия переводит это понятие как “порог различения”. В интернете хорошо ищется по сокращению JND и альтернативному названию — difference threshold.

И так, приступим…

Что это?

Термином just noticeable difference (JND) обозначают количество воздействия, которое нужно применить, чтобы человек смог заметить разницу между двумя сигналами как минимум в половине случаев.

“The Difference Threshold (or “Just Noticeable Difference”) is the minimum amount by which stimulus intensity must be changed in order to produce a noticeable variation in sensory experience.”
— Frank Schieber, Professor and Human Factors Researcher at University of South Dakota

В паре с этим понятием идет absolute threshold — количество воздействия, которое необходимо применить, чтобы заметить сигнал на минимуме. Под сигналами подразумеваются пять основных чувств человека: осязание, зрение, вкус, обоняние и слух.

Например, абсолютный трешхолд для звука будет минимальное значение громкости на магнитоле, которое человек может обнаружить.

JND — минимальное изменение громкости, которое человек сможет ощутить между уровнями громкости.

Кто придумал и как исследовали?

Изначальная теория

Эрнст Генрих Вебер — немецкий психофизиолог. В 1834 году он обнаружил, что воспринимается не абсолютный, а относительный прирост силы раздражителя.

В XIX веке много экспериментировал с чувствами и в итоге пришел к математически выраженному закону.

Для каждого из чувств были найдены константные доли, на которые необходимо изменить значение сигнала, чтобы оно было заметным. Также затем нашли и много ограничений для этого закона.

Применимость в бизесе: оффлайн

Вебер доказал применимость своей теории для физический ощущений. В середине XX века группа ученых решила исследовать применимость этого же принципа для психологических воздействий. Исследователи экспериментировали с:

1. размером вознаграждения в зависимости от квалификации работника
2. размером скидки для покупателей в магазинах
3. ценообразованием на новую и старую модель одного и того же автомобиля

Они пришли к такому выводу:

20% — это порог различения в вопросе ценообразования и качества

Важно понимать, что эти результаты основаны на результатах наблюдения и интервью, поэтому они основаны на субъективных ощущениях наблюдателей и респондентов. Исследователи минимизировали погрешности и вывели среднее значение, но это не означает, что оно работает для всех и всегда.

Применимость в бизнесе: онлайн

С конца 90-х и в начале 00-х разродилась целая гора книг и исследований о применимости этих знаний в маркетинге, в т.ч. онлайн. Самая популярная книга, которая упоминается чуть ли не везде — Consumer Behaviour за авторством Leon G. Schiffman и Joseph Wisenblit. В ней рассказывают про маркетинговые трюки с вниманием и ценообразованием. Все это приправлено ссылками на исследования и солидным опытом авторов.

В 2014 году вышла статья, где JND рассматривается в разрезе применимости к социальным группам: Rethinking the Concept of Just Noticeable Difference in Online Marketing. Автор сделал симулятор, где сравнивал “разреженные” и “плотные” соц.группы. Можно провести аналогию — рабочий коллектив из 3—5 человек = “разреженная” группа. Фейсбук с 1000 друзей — “плотная”.

В “разреженных” группах изменение, которое не пересекло средний порог различения вероятнее всего останется незаметным. Знание не распространится внутри группы. В “плотных” группах, если кто-то один заметит, то все остальные рано или поздно об этом узнают, как бы это не скрывали хитрые маркетологи.

Если вы работаете с изменениями, которые пересекают средний JND (допустим вы сделали анонс чего-то нового), то меняется только скорость распространения информации. Но даже значительные изменения могут остаться незамечиными в маленькой соц.группе.

Как использовать при разработке продукта и бизнесе?

Позитивные изменения

1. Делаете рефакторинг и оптимизируете скорость загрузки приложения? Убедитесь, что ваши пользователи заметят прирост как минимум на 20% и смело пишите об этом в описании обновления.
2. Сокращаете количество действий для определенного юзкейса на сайте? 9 вместо 10 — плохо. 7—8 вместо 10 — хорошо.
3. Планируете дать скидку на товар? 20% простимулируют к покупке.

Негативные изменения

1. Повышаете цену? Делаете это по 5—10%, чтобы не пересечь JND.
2. Use Case: Как не надо уменьшать размер шоколадки.

Запомнить

1. 20% — это среднее значение для индивидуального восприятия. Верно не всегда и не везде.
2. Постарайтесь сами “прощупать” JND для своей аудитории (например, A/B тестами)
3. В соц.сети незначительные изменения рано или поздно заметят все.
4. Даже крупное событие может быть незаметно в маленьких коллективах.

Статья впервые была опубликована в старом блоге по ссылке https://www.martsen.me/blog/jnd

UPD: Статье идет восьмой год, а она все еще пользуется популярностью. Поэтому я актуализировал ее и поправил “битые ссылки”.

В начале 2018 года на большой IT-конференции я очень много общался с разными людьми: основатели компаний, топ-менеджмент, менеджеры продукта, дизайнеры.

Когда я говорил, что работаю продуктовым аналитиком, то почти каждый раз слышал различные предположения, чем я занимаюсь. Видимо, приставка “продуктовый” откидывалась, т. к. не несет ценности для неискушенного слушателя, и оставался просто “аналитик”.

Мне показалось, что у людей из заказной разработки и корпораций, “аналитик” ассоциировался чаще с человеком, который “сидит на каждой встрече, что-то записывает и потом делает документацию”. В продуктовых и игровых компаниях “аналитик” это чаще всего тот, кто “вечно занят и что-то там считает”.

Покопавшись немного в рунете, я так и не нашел толковой статьи, где в одном месте написано про аналитиков. Зато в процессе нашел огромную карту компетенций аналитиков (ссылка в конце статьи в доп.материалах).

Пора расставить точки над i и внести ясности. Собрал классификацию аналитиков, которые часто встречаются в компаниях в России и СНГ. Различную “экзотику” не учел.

Будет полезно тем, кто ищет аналитика себе в команду, кто непосредственно сталкивается с ними в работе и тем, кто хочет разбираться в особенностях работы аналитиков.

Бизнес-аналитик

Что делает

Бизнес-аналитик понимает проблемы и возможности бизнеса в контексте требований и рекомендует решения, позволяющие организации достичь своих целей. Т. к. бизнес-анализ очень широкая сфера деятельности, принято конкретизировать области работы конкретного специалиста (если, конечно, он не супермен):

1. Стратег-консультант — работает с топ-менеджментом над целями, стратегией и политикой компании.
2. Архитектор бизнес-процессов — модернизирует и/или оптимизирует бизнес-процессов компании. Обеспечивает ее операционную эффективность. Почитайте про кайдзен.

Результат работы
Помогают в управленческих решениях и улучшают процессы компании.

Отличительная черта
Понимает особенности какой-либо отрасли в целом (нефть, FMCG) или какой-то деятельности, которая не зависит от типа компании (продажи, логистика, финансы).

Где работает
В крупной компании любого типа или в консалтинге.

Системный аналитик

Что делает
Работает с техническими требованиями: выявляет, собирает, документирует и согласует.

Результат работы

1. ТЗ для разработки и, иногда, документация
2. Спокойствие всех заинтересованных сторон

Отличительная черта
Хорошо разбирается в специфике IT-решений.

Где работает

1. IT-компания, которая занимается интеграцией и заказной разработкой (аутсорсинг).
2. Не IT-компания, которая разрабатывает внутренние информационные системы in-house и интегрируют сторонние.
3. В IT-компаниях основные процессы завязаны на разработку ПО, поэтому роли системного и бизнес-аналитика могут сливаются в единого человека.

UX-аналитик

Что делает
Он исследует взаимодействия пользователей с цифровым продуктом, изучает особенности и проблемы этого взаимодействия. Работает с качественными инструментами (интервью, фокус-группы, анализ обратной связи) и количественными (опросы, side-by-side)

Результат работы
Интуитивно понятный целевой аудитории и удобный в использовании продукт.

Отличительная черта
Хорошо разбирается в потребностях пользователей и может транслировать их в выгоду для бизнеса.

Где работает

1. Компания, которая создает свои собственные цифровые продукты.
2. IT-компания, которая занимается интеграцией и заказной разработкой (аутсорсинг).

Аналитик данных (Data Analyst)

Что делает

Подготавливает и обрабатывает данные для бизнеса (ETL). Работает в Excel и/или специализированных инструментах Business Intelligence. Умеет немного программировать. Часто имеет “специализацию”, которая зависит от того, в каком отделе работает:

1. Веб-аналитик в отделе маркетинга
2. Аналитик продаж
3. Финансовый аналитик
4. Продуктовый аналитик
5. HR-аналитик

Результат работы

1. Выводы и рекомендации для заказчика
2. Инструменты для мониторинга (отчеты и дашборды)

Отличительная черта
Фанатеют от изучения данных

Где работают
В компании с 30+ сотрудников, где хотят принимать решения на основе данных.

Data Scientist

Что делает

В Европе и США Data Scientist — это Data Analyst на “стероидах” с более техническим уклоном. Он умеют работать с “большими данными” и разбирается в машинном обучении для применения “продвинутой аналитики”. В странах СНГ под Data Scientist’ом чаще подразумевает разработчик, который разрабатывает ML-продукты: системы рекомендаций, поиск, распознавание голоса. Правда где-то по середине.

“Это человек, который разбирается в статистике лучше любого программиста и способен написать программный код лучше любого статистика”
— Josh Wills, Director of Data Engineering at Slack

Результат работы

1. Выводы и рекомендации для заказчика.
2. Инструменты для мониторинга (отчеты и дашборды).
3. Продукт на основе машинного обучения.

Отличительная черта
Любит математику, данные и писать код.

Где работает

1. Компания, которая создает свои собственные продукты
2. IT-компания, которая занимается интеграцией и заказной разработкой (аутсорсинг)

Запомнить

В зависимости от специфики компании, человек может совмещать несколько аналитических ролей. Я встречал системных аналитиков, которые хороши в UX и аналитиков продукта, которые разбираются в маркетинге. Все роли разные, у них разные инструменты и разная зона ответственности, но их объединяют несколько факторов:

1. Они выступают как консультанты в своей предметной области. Аналитик изучает проблему, устанавливает причинно-следственные связи и дает выводы с рекомендациями.
2. Для изучения предмета аналитик использует качественные и/или количественные данные:
3. Бизнес-аналитик изучает компанию через интервью со стейкхолдерами.
4. Data Analyst использует SQL для анализа активности.
5. UX-аналитик проводит пользовательские исследования.

Дополнительные материалы

1. Книга “Аналитическая культура”, Карл Андерсон
2. Лекция “Школы менеджмента Яндекс” про Аналитику (конспект)
3. Статья про продуктовую аналитику в компании Medium
4. Видео про то, как AirBnB посадила вместе дизайнеров и аналитиков
5. Как в компании UserTesting посадили вместе UX-ресерчеров и аналитиков по данным
6. Статья про продуктовую аналитику в Intercom
7. Карта компетенций аналитика
8. Схожий материал + таблица навыков — Зачем нужны разные виды ИТ-аналитиков