Как увидеть систему за метриками продукта 🎛
Тема метрик кажется довольно очевидной: продакты их считают, смотрят на дашборды, анализируют динамику.
Но в кейсах на консультациях я периодически вижу что-то вроде карго-культа: метрик много, а системы за ними не видно. Посчитали Retention – пошли думать, как его улучшить. Упал CR – переключились на него.
В итоге возникает локальная оптимизация: мы работаем над отдельным показателем, не понимая его связей с другими метриками и влияния на конечный результат.
В этом посте предлагаю посмотреть на метрики системно, с трёх разных углов. На некоторых остановлюсь подробнее, для остальных оставлю ссылки на прошлые разборы.
1⃣ По уровням продукта
На продукт можно смотреть с разной высоты (helicopter view): от бизнес-результата до технического качества. На каждом уровне будет свой набор метрик:
Метрики продукта: Retention, Churn, CR, Activation Rate, LTV, а также специфичные для конкретного продукта метрики и события создаваемой ценности (Time To Value, First Value Moment, A-ha moment). На этом уровне чаще всего находится зона влияния продакта: улучшения продуктовых метрик должны в итоге отражаться и на метриках роста.
Метрики роста (или бизнес-метрики): DAU/WAU/MAU, выручка, прибыль, GMV, количество заказов. Отражают эффективность бизнеса, построенного на продукте. Метрики роста достаточно инертны и зависят как от притока новых пользователей, так и от того, насколько хорошо работает сам продукт.
Метрики привлечения: Impressions, CTR, CPC, CPA, CPI, CAC, количество новых пользователей. Показывают, насколько эффективно мы привлекаем пользователей в продукт.
Технологические метрики: скорость загрузки, ошибки, доступность сервиса и пр. Отражают техническое здоровье продукта, от которого зависят все остальные показатели.
Здесь важно убедиться, что ни один из уровней не остаётся слепой зоной: система метрик должна позволять видеть состояние продукта целиком.
2⃣ По взаимодействию пользователя с продуктом
Метрики можно организовать вокруг разных этапов и аспектов взаимодействия пользователя с продуктом: от первого контакта и получения ценности до повторного использования и оплаты.
С акцентом на жизненный цикл пользователя – AARRR: Acquisition → Activation → Retention → Revenue → Referral. Разбирал его отдельно в этом посте.
С акцентом на пользовательский опыт – HEART: Happiness → Engagement → Adoption → Retention → Task Success. Про него тоже был отдельный пост.
С акцентом на привлечение и движение к покупке – AIDA, лестница Ханта. Про них тоже были отдельные посты, здесь не буду дублировать.
Часто такие модели представляют в виде воронки. Главный недостаток такого представления – путь пользователя в продукте далеко не всегда линеен.
Пользователь может возвращаться на предыдущие этапы, повторять одни и те же действия или двигаться по разным сценариям. Поэтому в некоторых продуктах полезнее представлять путь в виде цикла, например см. пост про Consumer Decision Journey.
3⃣ По взаимосвязям между метриками
Этот подход нужен, чтобы получить ответ на вопрос: «Если я улучшу вот эту метрику, то что изменится дальше по цепочке?». Классический подход здесь – выделить North Star Metric и построить от неё Дерево метрик. Такое дерево показывает и связи и куда вкладывать силы. Разбирал подробнее в отдельных постах, здесь не буду дублировать.
Повторюсь: просто считать метрики недостаточно, важно понимать, как они организованы и связаны между собой.
Сохраните пост и проведите аудит своей системы метрик: нет ли в ней слепых зон и понятны ли связи между показателями 🔖
В следующем посте посмотрим на систему метрик ещё с одного ракурса 👀
Тема метрик кажется довольно очевидной: продакты их считают, смотрят на дашборды, анализируют динамику.
Но в кейсах на консультациях я периодически вижу что-то вроде карго-культа: метрик много, а системы за ними не видно. Посчитали Retention – пошли думать, как его улучшить. Упал CR – переключились на него.
В итоге возникает локальная оптимизация: мы работаем над отдельным показателем, не понимая его связей с другими метриками и влияния на конечный результат.
В этом посте предлагаю посмотреть на метрики системно, с трёх разных углов. На некоторых остановлюсь подробнее, для остальных оставлю ссылки на прошлые разборы.
1⃣ По уровням продукта
На продукт можно смотреть с разной высоты (helicopter view): от бизнес-результата до технического качества. На каждом уровне будет свой набор метрик:
Метрики продукта: Retention, Churn, CR, Activation Rate, LTV, а также специфичные для конкретного продукта метрики и события создаваемой ценности (Time To Value, First Value Moment, A-ha moment). На этом уровне чаще всего находится зона влияния продакта: улучшения продуктовых метрик должны в итоге отражаться и на метриках роста.
Метрики роста (или бизнес-метрики): DAU/WAU/MAU, выручка, прибыль, GMV, количество заказов. Отражают эффективность бизнеса, построенного на продукте. Метрики роста достаточно инертны и зависят как от притока новых пользователей, так и от того, насколько хорошо работает сам продукт.
Метрики привлечения: Impressions, CTR, CPC, CPA, CPI, CAC, количество новых пользователей. Показывают, насколько эффективно мы привлекаем пользователей в продукт.
Технологические метрики: скорость загрузки, ошибки, доступность сервиса и пр. Отражают техническое здоровье продукта, от которого зависят все остальные показатели.
Здесь важно убедиться, что ни один из уровней не остаётся слепой зоной: система метрик должна позволять видеть состояние продукта целиком.
2⃣ По взаимодействию пользователя с продуктом
Метрики можно организовать вокруг разных этапов и аспектов взаимодействия пользователя с продуктом: от первого контакта и получения ценности до повторного использования и оплаты.
С акцентом на жизненный цикл пользователя – AARRR: Acquisition → Activation → Retention → Revenue → Referral. Разбирал его отдельно в этом посте.
С акцентом на пользовательский опыт – HEART: Happiness → Engagement → Adoption → Retention → Task Success. Про него тоже был отдельный пост.
С акцентом на привлечение и движение к покупке – AIDA, лестница Ханта. Про них тоже были отдельные посты, здесь не буду дублировать.
Часто такие модели представляют в виде воронки. Главный недостаток такого представления – путь пользователя в продукте далеко не всегда линеен.
Пользователь может возвращаться на предыдущие этапы, повторять одни и те же действия или двигаться по разным сценариям. Поэтому в некоторых продуктах полезнее представлять путь в виде цикла, например см. пост про Consumer Decision Journey.
3⃣ По взаимосвязям между метриками
Этот подход нужен, чтобы получить ответ на вопрос: «Если я улучшу вот эту метрику, то что изменится дальше по цепочке?». Классический подход здесь – выделить North Star Metric и построить от неё Дерево метрик. Такое дерево показывает и связи и куда вкладывать силы. Разбирал подробнее в отдельных постах, здесь не буду дублировать.
Повторюсь: просто считать метрики недостаточно, важно понимать, как они организованы и связаны между собой.
Сохраните пост и проведите аудит своей системы метрик: нет ли в ней слепых зон и понятны ли связи между показателями 🔖
В следующем посте посмотрим на систему метрик ещё с одного ракурса 👀