kontakt
Software house
>
Casestudies
>
Case study growcreator.eu V1 - rozwój MVP produktu na podstawie danych z narzędzi analitycznych.

Case study growcreator.eu V1 - rozwój MVP produktu na podstawie danych z narzędzi analitycznych.

Data wpisu
Tomasz Kozon
Autor
Tomasz Kozon
case study rozwój projektu

Poniżej opisałem proces rozwoju i zmian w wersji MVP (Minimum Viable Product) wdrożonych na podstawie wytycznych klienta, które powstały w oparciu o dane z narzędzi analitycznych. Z tego wpisu dowiesz się jakie ulepszenia wprowadziliśmy w nowej wersji produktu wykorzystując mapy ciepła, nagrywanie sesji użytkowników czy dane z Google Analytics.

W pierwszej części case study opisałem proces tworzenia wersji MVP, więc jeżeli nie czytałeś/aś poprzedniego wpisu to zachęcam do zapoznania się najpierw z tym artykułem: Część 1 case study GrowCreator.eu.

Produkcyjne wdrożenie wersji MVP i generowanie ruchu

Od początku zakładaliśmy, że pierwsza wersja MVP produktu nie będzie jego ostatnią odsłoną. Projekt nie ma odpowiednika na rynku, duża część zaimplementowanych funkcjonalności była innowacyjna i wymagała weryfikacji w środowisku produkcyjnym, generując ruch realnych użytkowników. Większość naszych założeń potwierdziła się w praktyce, jednak analityka pokazała też problemy użytkowników, których nie przewidzieliśmy projektując aplikację. 

growcreator

Ruch w aplikacji był generowany z wielu źródeł. Grupy odbiorców stworzyliśmy zarówno z osób pierwszy raz spotykających się z brandem klienta, jak i wdrożyliśmy kampanie remarketingowe wśród użytkowników, którzy wcześniej odwiedzili sklep online. Firma GrowTent jest jednym z liderów w swojej branży na rynku polskim i popularnym wyborem dla kupujących z całej Europy, więc mieliśmy odpowiednią ilość danych z różnych geolokalizacji, aby na tej podstawie wspólnie z klientem rozwijać projekt.

Dane z narzędzi analitycznych

Przed uruchomieniem konfiguratora skonfigurowaliśmy podstawowe skryty śledzenia, jak Hotjar, Google Analytics czy Pixel Facebook. Całość została zaimplementowana przez Google Tag Manager. 

Aplikacje zbierały dane przez kilka miesięcy. Przez ten czas wspólnie z klientem optymalizowaliśmy kampanie i przygotowywaliśmy pakiet zmian do wdrożenia w kolejnych sprintach.

Wdrożenie GrowCreator V1

Klient od początku projektu brał aktywny udział w procesie developmentu. Dzięki danym analitycznym i ponad 10-letniemu doświadczeniu w branży oraz znajomości jej specyfiki, zespół klienta mógł precyzyjnie określić potrzeby użytkowników, a następnie przełożyć je na logikę działania aplikacji. Nam pozostało zaopiniowanie tych sugestii zmian i zaproponowanie rozwiązań UX, a następnie stworzenie prototypu i finalnej wersji konfiguratora.

growcreator v1

Główną sugestią klienta było podzielenie konfiguratora na dwie ścieżki:

  1. Podstawowa - składająca się z 8 kroków, z których część zawierała gotowe zestawy produktów z danej sekcji. Konfiguracja trwa 5-10 minut i jest dedykowana mniej zaawansowanym użytkownikom, którzy nie potrzebują pełnej “customizacji” zestawu uprawowego.
  2. Zaawansowana - składająca się z 21 kroków. Konfiguracja trwa 20-35 minut i jest dedykowana zaawansowanym użytkownikom, którzy chcą mieć pełną kontrolę nad doborem podzespołów i dostęp do pełnej oferty produktów ze sklepu. Dodatkowo w tej ścieżce użytkownicy mogą dodawać parametry części zestawu, które już posiadają. W ten sposób umożliwiamy dobranie przez konfigurator do posiadanych podzespołów odpowiednich produktów w kolejnych krokach - algorytm na podstawie wprowadzonych danych wyświetla określone komponenty zestawu.

Dokonaliśmy też znacznych zmian na poziomie UX. Przebudowaliśmy header tak, aby użytkownicy widzieli kolejne kroki do wykonania czy zmieniliśmy układ filtrów i sposób wyświetlania najważniejszych informacji.

Podsumowanie

Druga wersja produktu wymagała zmian zarówno na poziomie front-end, jaki i back-end. Jednak nie były to modyfikacje wpływające znacząco na koncepcję i logikę działania aplikacji, więc całość udało się wdrożyć w 3 dwutygodniowych sprintach. Tak sprawne wdrożenia w aplikacji i jej szybki rozwój to głownie wynik precyzyjnych wytycznych ze strony klienta, a także solidnych podstawa projektu wdrożonych w wersji MVP.

Obecnie w nowej wersji wdrożyliśmy analitykę i badamy pierwsze dane z narzędzi, które posłużą do implementacji kolejnych zmian optymalizujących działanie konfiguratora.

Inne Case Study