ฝึกพูดภาษาอังกฤษด้วยเทคนิค Shadowing จากวิดีโอ: Product Analytics in 100 Seconds

C1
Product Analytics in 100 seconds.
⏸ หยุดชั่วคราว
52 ประโยค
หากประโยคสั้นหรือยาวเกินไป กดที่ Edit เพื่อปรับแก้
1
Product Analytics in 100 seconds.
2
As founders and product builders, we're on a mission to produce product market fit.
3
Along the way, we talk to our users and collect qualitative feedback to improve the product.
4
There's a quantitative approach too.
5
Enter product analytics, creating user insight by surfacing usage data.
6
In product analytics, every interaction is a learning opportunity.
7
In our app, we capture those interactions, we transfer them into an analytics application, and create data artifacts that inform a new product change.
8
Four data scopes are important.
9
The user, who interacts with the product across multiple sessions as tracked by individual events and further described by event properties.
10
Within this online shop, let's track the click of a product card to understand browsing patterns of our users.
11
We first include an analytics snippet within our code that lets us use methods to communicate with our analytics tool.
12
Then we listen to a click event on the product card used to track method, define an event name and add details via properties, like the product category or the product's position on the page.
13
The event triggers a simple API call to the analytics server, submitting our custom properties along with information about the page it was fired on and device details.
14
Every event also includes an ID stored as a cookie on the user's device.
15
This lets the receiving server identify events from the same user and continuously build up an event stream.
16
When users provide additional information about themselves we can capture that using the identify method, attach user traits and build up a detailed user profile on our analytics platform.
17
We've been craving to answer why are landing page visitors not buying our products?
18
Spoiler, analytics won't tell us why.
19
Instead, a funnel analysis can tell us what is happening across our core conversion events and serve as input to decide what to do about the drop-off.
20
This is why providing access to the data and sharing it with our team is crucial.
21
From there on, we might want to dig deeper into the data, or we might want to pull in qualitative feedback and understand why users behave a certain way.
22
This way, we are not being entirely data-driven, but data-informed.
23
After all, data being a deep sibling to qualitative feedback tells us what problems to solve.
24
And then you basically use intuition to figure out what solutions to those problems might be.
25
We go from observation to insight to our next product hypothesis.
26
Product analytics can also help us to segment our users, for example, into acquisition channels, or we build so-called user cohorts along behavioral traits.
27
Here, we are assigning all users who set a goal within our fitness app to the goal setters cohort.
28
Let's use this cohort in a retention analysis.
29
We could ask what percentage of new subscribers keeps completing at least one workout per week?
30
And what's the difference between those that set goals and those that don't?
31
Such a retention curve falling to zero would not indicate product market fit.
32
This one much more showing less immediate drop-off and higher persistent usage in subsequent weeks.
33
The ability to segment users also helps us running A-B tests.
34
Before users receive our app content, we randomly assign a product variant and then direct users to this variant showing either A or B.
35
We also set a cookie to track what variant they're seeing.
36
In our analytics tool, we can then group users by this experiment property and understand how the introduced change impacts user behavior.
37
What gets measured gets managed, so focus on the quality of your metrics.
38
A North Star metric provides this clarity, but make sure to break it down.
39
Like the learning app Duolingo, optimizing for daily active users, but breaking that down into user activity states, managed by teams, optimizing a more movable metric that is informed by lower level product events.
40
With the Object Action Naming Convention, we keep our events set up consistent.
41
With an accessible tracking plan, we keep it transparent.
42
Our analytics needs are growing?
43
Consider using a customer data platform to connect multiple data sources to multiple destinations such as a data warehouse for joining analytics with business data, a marketing platform for delivering personalized experiences, or a webhook triggering custom workflows based on incoming event data.
44
Product analytics can be evaluative helping us to understand how did this particular product change impact user behavior.
45
It can also be generative enabling us to identify events that drive desired outcomes, helping us to prioritize new strategic opportunities.
46
Take Bourbon, a location app designed to make plans, check in at locations and share photos.
47
By looking at behavioral data, they uncovered that a small group of users wasn't actually using most of their features, but heavily sharing photos.
48
Bourbon decided to focus solely on photo sharing and launch with a new logo and name.
49
Ultimately, whether we use our measurements to inform strategy or evaluate features, the measure of who we are is what we do with what we have.
50
So as product builders on this beautiful iterative journey of chasing our vision, it is imperative to understand which ideas to cut short and which ones to take further.
51
Power your next iterations with product analytics.
52
And while doing so, don't forget, stay product-led.

ดาวน์โหลดแอป

Everything you need to speak fluently

AI PronunciationScore every sentence
IPA PracticeMaster every sound
VocabularyBuild your word bank
Vocab GameLearn while playing
สแกนเพื่อดาวน์โหลด
สแกนเพื่อดาวน์โหลด
Download on theApp Store
Get it onGoogle Play

เกี่ยวกับบทเรียนนี้

ในบทเรียนนี้ ผู้เรียนจะได้ฝึกทักษะการพูดภาษาอังกฤษผ่านการฟังวิดีโอเกี่ยวกับ "Product Analytics" ที่อธิบายแนวทางในการวิเคราะห์ข้อมูลผลิตภัณฑ์อย่างรวดเร็วและเข้าใจสิ่งที่มีผลต่อการตัดสินใจของผู้ใช้ โดยผู้เรียนจะได้เรียนรู้วิธีการสร้างข้อมูลเชิงลึกจากการใช้งาน การติดตามกิจกรรมของผู้ใช้งาน และการวิเคราะห์พฤติกรรมของลูกค้า ซึ่งทั้งหมดนี้จะเป็นประโยชน์ในการปรับปรุงทักษะด้านการออกเสียงและการสื่อสารในภาษาอังกฤษ

คำศัพท์และวลีสำคัญ

  • Product Analytics - การวิเคราะห์ข้อมูลผลิตภัณฑ์
  • User Insight - ข้อมูลเชิงลึกจากผู้ใช้
  • Event Tracking - การติดตามเหตุการณ์
  • Funnel Analysis - การวิเคราะห์กระบวนการเปลี่ยนผ่าน
  • Retention Analysis - การวิเคราะห์การรักษาผู้ใช้
  • Segmentation - การแบ่งกลุ่มผู้ใช้
  • A-B Testing - การทดสอบแบบ A-B

เคล็ดลับการฝึก

การฝึกการพูดแบบ shadowing เป็น เคล็ดลับที่ยอดเยี่ยมในการพัฒนาทักษะการออกเสียงภาษาอังกฤษของคุณจากวิดีโอนี้ โดยคุณควร:

  • ฟังประโยคในวิดีโออย่างตั้งใจและพยายามเลียนเสียงตามทันทีเพื่อให้เกิดความแม่นยำในโทนเสียงและจังหวะ
  • เริ่มจากการฟังประโยคสั้นๆ และค่อยๆ เพิ่มความยากขึ้นตามระดับความซับซ้อนของเนื้อหา ซึ่งเหมาะสำหรับ shadowing site เพื่อช่วยให้คุณเข้าใจการใช้คำในบริบท
  • ทำซ้ำหลายๆ รอบ เพื่อให้คุณสามารถจำและปรับปรุงการออกเสียงได้อย่างมีประสิทธิภาพ โดยเฉพาะอย่างยิ่งกับศัพท์เฉพาะที่เกี่ยวข้องกับการวิเคราะห์ข้อมูล
  • บันทึกเสียงของคุณขณะ shadow speak และเปรียบเทียบกับเสียงในวิดีโอ เพื่อประเมินการพัฒนาการออกเสียงของคุณ

การใช้เทคนิคเหล่านี้จะช่วยให้คุณเรียนรู้ภาษาอังกฤษจากยูทูปได้อย่างมีประสิทธิภาพและสนุกสนาน ทั้งยังช่วยให้คุณพัฒนาทักษะการพูดได้ดีขึ้นไปอีกด้วย!

เทคนิค Shadowing คืออะไร?

Shadowing เป็นเทคนิคการเรียนรู้ภาษาที่ได้รับการรับรองทางวิทยาศาสตร์ พัฒนาขึ้นสำหรับการฝึกนักแปลมืออาชีพ วิธีการนี้เรียบง่ายแต่ทรงพลัง: คุณฟังเสียงภาษาอังกฤษจากเจ้าของภาษาและพูดตามทันที — เหมือนเงาที่ตามผู้พูดด้วยช่วงเวลาห่าง 1-2 วินาที การวิจัยแสดงว่าเทคนิคนี้ปรับปรุงความแม่นยำในการออกเสียง ทำนองเสียง จังหวะ การเชื่อมเสียง การฟังเข้าใจ และความคล่องแคล่วในการพูดได้อย่างมีนัยสำคัญ

☕ เลี้ยงกาแฟเราสักแก้ว