Продуктовая аналитика: что считать в продукте
Какие показатели измерять внутри продукта, как устроена воронка активации, зачем нужен когортный взгляд на удержание и как продуктовые метрики связаны с выручкой компании.
Продуктовая аналитика измеряет, как люди пользуются продуктом: доходят ли до ценности, возвращаются ли, что делают перед тем, как уйти. Отличается от коммерческой тем, что смотрит на поведение внутри продукта, а не на путь до сделки.
Разберу базовый набор показателей, устройство воронки активации и связь продуктовых метрик с выручкой компании.
Три группы показателей
| Группа | Вопрос | Показатели |
|---|---|---|
| Активация | Доходит ли новый пользователь до ценности | Доля завершивших первый сценарий, время до первого результата |
| Удержание | Возвращается ли он потом | Возврат через неделю и месяц, частота использования |
| Монетизация | Переходит ли в платящего и остаётся ли | Конверсия в оплату, отток, доход с пользователя |
Порядок групп не случаен: без активации нет удержания, без удержания монетизация не работает. Компании часто начинают с последней группы — считают конверсию в оплату и пытаются её поднять, — тогда как проблема лежит на первом шаге: люди не доходят до момента, когда продукт становится полезен.
Воронка активации
Первый и самый важный участок. Между регистрацией и моментом, когда человек получил пользу, лежит несколько шагов, и на каждом часть людей отваливается.
Ключевой вопрос при проектировании такой воронки — что считать «первым результатом». Это должно быть конкретное действие, после которого человек понял, зачем ему продукт: первый отправленный документ, первый собранный отчёт, первая завершённая сделка. Без чёткого определения метрики описывают активность вообще, а не движение к ценности.
Самый частый результат разбора активации — обнаружение шага, на котором отваливается основная часть людей, и он редко там, где ожидали. Обычно это не сложность продукта, а требование заполнить что-то до получения первой пользы: анкета, настройка, интеграция. Перенос этих требований на более поздний момент — после того, как человек увидел ценность, — даёт заметный эффект без изменения самого продукта.
Соберу воронку активации и удержание по когортам, покажу шаг, на котором теряется основная часть людей. Обычно проблема оказывается раньше, чем её ищут.
Удержание и когорты
Удержание показывает, возвращаются ли люди к продукту. Смотреть его нужно по когортам — группам, пришедшим в один период, — иначе динамика теряется в общих средних.
Когортный взгляд отвечает на вопрос, улучшается ли продукт: если пользователи этого месяца удерживаются лучше, чем пришедшие полгода назад, изменения работают. Общие средние такую динамику скрывают, потому что смешивают старых и новых пользователей и меняются медленно даже при заметных улучшениях.
Практический ориентир: смотреть возврат через неделю и через месяц после первого использования. Первая точка показывает, зацепил ли продукт вообще; вторая — сформировалась ли привычка. Провал на первой точке означает проблемы с активацией, провал на второй — что продукт решает разовую задачу, а не постоянную, и это меняет модель монетизации.
Связь с выручкой
Продуктовые метрики становятся управленческими, когда переводятся в деньги. Цепочка простая: активация влияет на удержание, удержание определяет срок жизни клиента, срок жизни — доход с него.
Расчёт стоит делать явно перед любой доработкой: улучшение активации на несколько процентов даёт пропорциональный рост дохода при том же потоке новых пользователей, и это позволяет сравнить ожидаемый эффект со стоимостью изменений. Без такого перевода работа над продуктовыми метриками легко превращается в бесконечную оптимизацию показателей, не связанных с результатом компании. Как встроить их в общую картину, разобрано в статье про единый контур управления бизнесом, а расчёт дохода с клиента — в разборе финансовой аналитики.
Что мешает продуктовой аналитике работать
- Не определено ключевое действие. Метрики считают активность вообще, а не движение к ценности.
- Размечено всё подряд. Сотни событий, в которых невозможно разобраться; работать нужно с десятком осмысленных.
- Смотрят общие средние. Динамика улучшений теряется в смеси старых и новых пользователей.
- Оптимизируют монетизацию при слабой активации. Поднимают конверсию в оплату у людей, которые не поняли ценность.
- Выводы на малых числах. При десятках пользователей в когорте различия — это случайность.
- Метрики не связаны с деньгами. Улучшение показателей не переводится в результат компании и не оправдывает затрат.
Второй пункт про избыточную разметку встречается особенно часто. Соблазн понятен: раз можно фиксировать любое действие, фиксируют всё. В результате появляется массив, в котором никто не разбирается, а нужные события тонут среди технических. Работающий подход — начать с десяти событий, покрывающих путь до ценности, и добавлять новые под конкретный вопрос.
Качественные методы рядом с количественными
Цифры показывают, где люди отваливаются, но не объясняют почему. Ответ на второй вопрос даётся другими средствами, и в продуктовой работе они не менее важны.
Практичное сочетание: количественные данные определяют место проблемы, дальше берётся выборка из десяти-пятнадцати пользователей, прошедших этот участок, и с ними разговаривают или смотрят записи их сессий. Через несколько разговоров причина обычно становится очевидной, и она редко совпадает с первоначальной гипотезой команды.
Обратный порядок — сначала поговорить, потом искать в данных — работает хуже: разговоры дают яркие частные случаи, которые легко принять за общую закономерность. Числа защищают от этого искажения, показывая, насколько частым является описанное.
С чего начать
- Определите ключевое действиеМомент, когда пользователь получает первую пользу. Одно, а не список.
- Разметьте путь к немуПять-десять событий, покрывающих шаги от входа до этого действия.
- Посчитайте активациюДолю дошедших и время до результата. Найдите шаг наибольших потерь.
- Постройте когортыВозврат через неделю и месяц по группам пришедших в один период.
- Свяжите с деньгамиПереведите улучшение показателей в ожидаемый доход, чтобы приоритизировать работу.
Первый шаг занимает больше времени, чем кажется: команде нужно договориться, что именно считается ценностью продукта, а мнения обычно расходятся. Зато после этого решения остальное выстраивается быстро и не требует пересмотра. Как продуктовые данные стыкуются с поведением до регистрации, разобрано в статье про веб-аналитику.
Разберу воронку активации и удержание по когортам. Покажу, где именно теряются люди и что из этого переводится в деньги — обычно приоритеты после такого разбора меняются.
Продуктовые метрики в разных моделях
Набор показателей и их приоритет заметно различаются в зависимости от того, как устроено использование продукта.
| Модель | Главная метрика | На что смотреть дополнительно |
|---|---|---|
| Подписка | Отток и срок жизни клиента | Частота использования как ранний признак ухода |
| Разовые покупки | Повторная покупка и интервал между ними | Доля вернувшихся за второй покупкой |
| Транзакционная модель | Число операций на пользователя | Доля активных в периоде |
| Внутренний инструмент | Доля сотрудников, использующих регулярно | Обход системы: где работают в обход процесса |
Последняя строка касается компаний, внедряющих системы для собственных сотрудников, и там аналитика использования часто вообще не ведётся. Между тем это самый быстрый способ понять, прижилась ли система: если через квартал ею регулярно пользуются меньше половины тех, для кого она внедрялась, проект не состоялся, какими бы ни были формальные результаты приёмки.
Как не утонуть в метриках
Продуктовая аналитика склонна разрастаться быстрее прочих: событий можно фиксировать сколько угодно, разрезов строить тоже. Ограничитель здесь тот же, что и в остальных областях, — связь с решением.
Практический приём: для каждого показателя на панели должен быть назван человек, который по нему что-то делает, и действие, которое он предпринимает при отклонении. Показатели, для которых такая пара не находится, убираются в архив. После первой такой ревизии набор обычно сокращается в несколько раз, а качество работы с оставшимися растёт.
Второе ограничение — периодичность. Продуктовые метрики меняются медленно: активация и удержание реагируют на изменения через недели, а не дни. Смотреть их чаще раза в неделю бессмысленно, а решения принимать разумно на горизонте месяца. Ежедневный просмотр даёт реакцию на шум и создаёт ощущение работы вместо результата.
Что делать с результатами
Продуктовая аналитика полезна ровно настолько, насколько её выводы превращаются в изменения. Порядок работы с ними такой же, как в остальных областях: находка, гипотеза, изменение, проверка.
Важное отличие в скорости обратной связи. Изменение, влияющее на активацию, проявляется в данных через несколько недель — столько нужно, чтобы через новый путь прошло достаточно пользователей. Изменение, влияющее на удержание, проверяется месяцами. Это задаёт темп работы: гипотез можно проверить не так много, как хотелось бы, и выбирать их нужно осознанно.
Отсюда практический совет: приоритизируйте изменения по ожидаемому эффекту в деньгах, а не по простоте реализации. Соблазн начать с лёгких правок понятен, но при медленной обратной связи каждая проверка стоит недель, и тратить их на изменения с малым потенциалом расточительно.
Частая ошибка — менять несколько вещей одновременно, чтобы «ускорить». При медленной обратной связи это гарантирует невозможность понять, что сработало. Через месяц метрика выросла, а команда не знает, из-за какого из пяти изменений, — и следующий шаг делается вслепую. Одно изменение за цикл проверки дороже по времени, но дешевле по итогу, потому что накапливается понимание, а не набор совпадений.
Кто работает с продуктовыми данными
В небольших командах этим занимается тот, кто отвечает за продукт, и до определённого размера этого достаточно. Отдельный человек нужен, когда объём разметки и разрезов начинает требовать постоянной работы: поддержание событий, проверка корректности, построение когорт.
Важнее численности другое — участие тех, кто принимает решения. Продуктовая аналитика бесполезна, если её результаты доходят до команды в виде отчёта раз в квартал. Работающая практика — короткий еженедельный разбор ключевых показателей с теми, кто меняет продукт, и обязательная проверка гипотез после каждого изменения. Как встроить такой ритм в общий управленческий цикл, разобрано в статье про управленческую аналитику.
Такой ритм даёт ещё один эффект помимо скорости: команда начинает мыслить в терминах измеримого результата, а не выполненных задач. Обсуждение смещается с того, что успели сделать, на то, что изменилось в поведении пользователей, — и это меняет качество продуктовых решений сильнее, чем любые конкретные метрики.
Начинать при этом стоит с малого — одно ключевое действие, пять-десять событий на пути к нему и две контрольные точки возврата. Этого набора достаточно, чтобы увидеть основные потери, а расширять разметку разумно уже под конкретные вопросы, которые возникнут после первых расчётов.
Такой порядок защищает от главной ловушки продуктовой аналитики — от ситуации, когда размечено всё, отчётов много, а понимания того, почему люди уходят, по-прежнему нет.
И последнее наблюдение. Продуктовые метрики отличаются от коммерческих тем, что описывают поведение людей, а не движение денег, — и потому легче поддаются самообману. Показатель активности можно поднять напоминаниями, частоту использования — уведомлениями, и формально всё улучшится. Проверка одна: переводится ли рост показателя в удержание и деньги. Если нет, улучшилась метрика, а не продукт, и стоит вернуться к вопросу о том, что именно считать ключевым действием.
Возврат к этому вопросу — нормальная часть работы: определение ценности уточняется по мере того, как компания лучше понимает, за что клиенты на самом деле платят. Первая формулировка редко бывает окончательной, и это не ошибка, а свойство процесса.
Практический ориентир для проверки: если через полгода после начала работы с продуктовыми метриками команда не может назвать ни одного изменения, сделанного по их результатам, аналитика существует отдельно от продукта. Возвращаться в этом случае нужно не к разметке, а к вопросу о том, кто и на каком совещании смотрит эти цифры и какие решения по ним принимает.
Ответ на этот вопрос почти всегда обнаруживается быстрее, чем причина низкой активации, — и исправляется дешевле.
Продуктовая аналитика тесно связана с аналитикой пользователей и их поведения: одни и те же события описывают и качество продукта, и характеристики аудитории. Разделять их в разметке не нужно — достаточно уметь смотреть на одни данные с двух сторон.
Частые вопросы
Это измерение того, как люди пользуются продуктом: доходят ли до ценности при первом знакомстве, возвращаются ли потом, что делают перед уходом.
От коммерческой аналитики отличается предметом: та смотрит на путь до сделки, эта — на поведение внутри продукта после неё.
Активацию — долю новых пользователей, дошедших до первого полезного результата, и время до него. Это основа: без активации не будет ни удержания, ни оплат.
Компании часто начинают с конверсии в оплату и пытаются её поднять, тогда как проблема лежит на первом шаге — люди не доходят до момента, когда продукт становится полезен.
Это сравнение групп пользователей, пришедших в один период, на всём протяжении их жизни. Он показывает, улучшается ли продукт: если пользователи этого месяца удерживаются лучше, чем пришедшие полгода назад, изменения работают.
Общие средние такую динамику скрывают: они смешивают старых и новых пользователей и меняются медленно даже при заметных улучшениях.
Через цепочку: активация влияет на удержание, удержание — на срок жизни клиента, срок жизни — на доход с него. Улучшение активации на несколько процентов даёт пропорциональный рост дохода при том же потоке новых пользователей.
Расчёт стоит делать явно: он показывает, какое улучшение оправдывает затраты на доработку, а какое нет.
Несколько сотен в каждой когорте для устойчивых оценок удержания. При меньших числах различия между группами будут в пределах случайных колебаний.
Для продуктов с небольшой базой полезнее качественные методы: разговоры с пользователями и разбор конкретных случаев ухода дают больше, чем статистика на малых числах.
Снижение частоты использования, сокращение набора используемых функций, рост интервалов между сессиями, обращения в поддержку с проблемами. По отдельности сигналы слабые, вместе дают приемлемую точность прогноза.
Ценность в том, что появляется список клиентов с высоким риском ухода, с которыми можно связаться до того, как они уйдут.
Для сервисов с личным кабинетом и регулярным использованием — обычно да: веб-аналитика покрывает только вход, а основное происходит внутри продукта и требует своей разметки событий.
Для продуктов с редким использованием и коротким циклом достаточно связки веб-аналитики с CRM.
С определения ключевого действия — того момента, когда пользователь получает первую пользу от продукта. Всё остальное строится вокруг него: активация считается как доля дошедших, удержание — как возврат к этому действию.
Если такой момент не определён, метрики будут описывать активность вообще, а не движение к ценности.