Прокси-метрика — вспомогательная метрика, коррелирующая, влияющая и формирующая целевую метрику.
Все верхнеуровневые бизнес-метрики так или иначе состоят из множества подметрик (привет, воронка конверсии: визит → рега → активация → оплата → возврат и т.д.).
Также, иногда нет хорошего способа напрямую измерить то, что вам нужно измерить, поэтому вы используете другую метрику, которую вы можете измерить и которая коррелирует с той, которую вы не можете измерить. Пример прокси для понимания — ВВП на душу населения (где основная метрика – качество уровня жизни населения).
Прокси-метрики, при их грамотном выборе и интеграции, часто используются как вспомогательный аналитический инструмент, данные из которых могут сигнализировать о происходящих изменениях раньше, чем это будет отражено в основной метрике.
Более наглядные продуктовые примеры (прокси/бизнес):
– Engagement → Retention
– Количество заказов → Оборот
– ARPU → LTV
– CAC → ROI
– ROI → Прибыль
– и т.д. в том числе, более глубокие взаимосвязи.
Как видите, всё в этой Вселенной взаимосвязано и влияет друг на друга.
Особенности работы с прокси-метриками:
- прокси-метрики может быть любая метрика, которая оказывает влияние на другую метрику и может с ней коррелировать;
- прокси-метрики более отзывчивые и чувствительны к изменениям, а значит через них быстрее/легче проверять некоторые гипотезы;
- прокси-метрики более коварны, чем основные (тот же Engagement можно хакнуть кликбейтом или dark patterns, но такой рост не будет работать для Retention в долгосрочной перспективе);
- прокси-метрики, в отличие от бизнесовых, могут устаревать со временем.
Например, вы считаете кол-во взаимодействий пользователя с фичей, но спустя год вы ввели новую фичу с новыми механиками и метриками, на которую перетекла большая часть пользовательской активности. Все в недоумении и целый месяц ищут в чём же причина падения прокси-метрики, когда вот она.
Собственно, поэтому стоит пересматривать приоритеты прокси-метрик и их актуальность в новых пользовательских сценариях хотя бы раз в год.
Глубже на тему прокси-метрик:
– Как определить метрику для подтверждения или опровержения ваших гипотез и измерения прогресса
– Как повысить долю успешных A/B-тестов на 30% через внедрение нового процесса работы с гипотезами
Все верхнеуровневые бизнес-метрики так или иначе состоят из множества подметрик (привет, воронка конверсии: визит → рега → активация → оплата → возврат и т.д.).
Также, иногда нет хорошего способа напрямую измерить то, что вам нужно измерить, поэтому вы используете другую метрику, которую вы можете измерить и которая коррелирует с той, которую вы не можете измерить. Пример прокси для понимания — ВВП на душу населения (где основная метрика – качество уровня жизни населения).
Прокси-метрики, при их грамотном выборе и интеграции, часто используются как вспомогательный аналитический инструмент, данные из которых могут сигнализировать о происходящих изменениях раньше, чем это будет отражено в основной метрике.
Более наглядные продуктовые примеры (прокси/бизнес):
– Engagement → Retention
– Количество заказов → Оборот
– ARPU → LTV
– CAC → ROI
– ROI → Прибыль
– и т.д. в том числе, более глубокие взаимосвязи.
Как видите, всё в этой Вселенной взаимосвязано и влияет друг на друга.
Особенности работы с прокси-метриками:
- прокси-метрики может быть любая метрика, которая оказывает влияние на другую метрику и может с ней коррелировать;
- прокси-метрики более отзывчивые и чувствительны к изменениям, а значит через них быстрее/легче проверять некоторые гипотезы;
- прокси-метрики более коварны, чем основные (тот же Engagement можно хакнуть кликбейтом или dark patterns, но такой рост не будет работать для Retention в долгосрочной перспективе);
- прокси-метрики, в отличие от бизнесовых, могут устаревать со временем.
Например, вы считаете кол-во взаимодействий пользователя с фичей, но спустя год вы ввели новую фичу с новыми механиками и метриками, на которую перетекла большая часть пользовательской активности. Все в недоумении и целый месяц ищут в чём же причина падения прокси-метрики, когда вот она.
Собственно, поэтому стоит пересматривать приоритеты прокси-метрик и их актуальность в новых пользовательских сценариях хотя бы раз в год.
Глубже на тему прокси-метрик:
– Как определить метрику для подтверждения или опровержения ваших гипотез и измерения прогресса
– Как повысить долю успешных A/B-тестов на 30% через внедрение нового процесса работы с гипотезами