JetMetrics


Channel's geo and language: Russia, Russian


Канал Димы Некрасова о системном подходе к метрикам продукта и бизнеса.
Хаб знаний – джетметрикс.рф
Кофаундер – JetMetrics.io
ex-CEO агенства – Datmark.com
12 лет в аналитике и BI
Строю единорога и мечтаю сделать аналитику более actionable

Related channels

Channel's geo and language
Russia, Russian
Statistics
Posts filter


🤨 Как поставить KPI, чтобы его не выполнили в ущерб компании?

Целевой показатель – это, конечно, хорошо. Есть понятная цифра и понятно, за что будет вознаграждение. Но почти любой KPI можно выполнить так, что бизнесу станет только хуже.

Конверсию, например, проще всего поднять, урезав дорогой трафик (а заказов при этом станет меньше). А средний чек можно поднять, убрав дешёвые товары или дав скидку за объём в ущерб прибыльности.

И ведь никто при этом не сжульничает. Команда сделает ровно то, за что ей платят.

Собрали тут 11 примеров, как ставить KPI в рекламе, CRM и продажах.

Идея проста: везде указываем метрику-противовес, которая просядет, если выполнять план самым лёгким способом.

👋 Если у вас есть KPI, который выполняли в ущерб бизнесу, напишите в комментариях. Разберём, как его можно переписать.

@jetmetrics | хаб знаний со всеми материалами




📕 [003] Энциклопедия метрики

Сегодня поговорим про ROAS (aka Return on Ad Spend) или просто рентабельность рекламы.
"Если ROAS больше 100%, то ваша реклама окупилась"

Встречаю такое даже в учебных материалах для рекламодателей. Хотя при валовой марже=40% ROAS=100% – это минус 60 копеек с каждого 1 рубля рекламы.

А чтобы выйти в ноль, нужно, чтобы ROAS был не ниже 250%.

Порог этой метрики у каждого бизнеса свой. Для удобства, добавил в шпаргалку таблицу, к каким значениям нужно стремиться в зависимости от вашей маржинальности.

Сохраняйте себе, делитесь с коллегами и не ошибайтесь с тем, какой ROAS считать хорошим.

@jetmetrics | хаб знаний со всеми материалами


Video is unavailable for watching
Show in Telegram
🔦 Как найти слепые зоны в аналитике

Разработка карт метрик – это не создание чего-то прям с нуля.

Это больше походит на прояснение того, что и так есть или должны быть.

Смотрите, вот есть у вас процессы, вы собираете какие-то данные, делаете отчеты.

Но точно ли вы знаете, как они стыкуются друг с другом?
И всё ли вы отслеживаете?

Это всё можно сравнить с очень темной комнатой, где у вас видна только часть вещей. А бОльшую часть надо искать с фонариком: и связи, и "новые" показатели.

Иначе трудно жить в комнате в полумраке.

@jetmetrics | хаб знаний со всеми материалами


➕ Добавлять ли метрику в отчет?

Один из смертных грехов в аналитике – это добавление метрик в отчет "на всякий случай":
– Давайте добавим вот эту, эту и еще эту. О, на листе место осталось – давайте тогда и этот показатель возьмем.


Так и рождаются отчеты и дашборды, которые представляют собой склад визуализаций и карточек KPI, а не решают конкретную задачу.

Такие огрехи мы видели и у джунов, и у матёрых синьоров.

Ловите алгоритм, по которому можете прогнать любую метрику и понять, точно ли она будет помогать в принятии решений или на неё будут смотреть по приколу привычке?

@jetmetrics | хаб знаний со всеми материалами



517 0 14 4 26

📕 [002] Энциклопедия метрики

Спасибо вам за реакции на прошлой неделе.
Рубрике на регулярной основе быть!

На этот раз рассмотрим стоимость привлечения клиента. Она же CAC (Customer Acquisition Cost).

CAC помогает понять, во сколько бизнесу обходится каждый новый клиент. Особенно полезно следить, как эта стоимость меняется при росте бюджета, запуске новых каналов и выходе на новую аудиторию.

Вроде бы формула простая:
- возьмите расходы на привлечение
- поделите на кол-во новых клиентов
- получите CAC

Делов-то.

Только на практике подводных камней оказывается очень уж много:
- какие расходы считать, а какие – нет?
- что делать с расходами на наружку, ТВ и другие каналы, которые работают и на повторных клиентов тоже?
- что, если у нас между первым контактом и покупкой проходит несколько месяцев?
- а если посчитать правильно, то цифра получится уж очень страшной?

Что включать в расходы, как учитывать длинный цикл сделки и что проверять, если CAC ухудшился, собрали в шпаргалке.

Делитесь с коллегами и сохраняйте себе. Пригодится!

@jetmetrics | хаб знаний со всеми материалами


⛔️Эти метрики вам не нужны

Не бывает универсально нужных показателей. Всё зависит от того, в какой отрасли вы работаете, какие у вас процессы, особенности продукта и аудитории.

Например, вы продаете товары для ремонта и интерьерных решений. Клиенты, как правило, приходят раз в несколько лет и только тогда, когда задумают обновить своё гнездышко.

Ну какой там может быть ретеншен?

Это точно не та метрика, которая нужна в вашем случае. Надо растить, скорее уж, кол-во клиентов по рекомендации, кросс-селл и ап-селл.

Прежде, чем трекать какой-то показатель и работать над его улучшением, нужно понять, а какое вообще поведение клиента за ним стоит и что это значит для вас. Собрал несколько наглядных примеров в шпаргалке сверху.

Кстати, в нашем Атласе у многих метрик есть прям отдельный пункт "Когда не нужна" 🎸

@jetmetrics | хаб знаний со всеми материалами


📕 Энциклопедия метрики

Как насчет такой еженедельной рубрики?

Подробно разбираем одну конкретную метрику:
- как правильно считать;
- какие ошибки можно допустить;
- какие разрезы важны и нужны;
- как она связана с другими показателями;
- на какие вопросы позволяет отвечать;
и не только.

Начнём с важнейшей метрики удержания – доли клиентов с повторными покупками (aka Repeat purchase rate).

Поставьте 🔥, если это полезно и хотите видеть такие посты каждую неделю.

@jetmetrics | хаб знаний со всеми материалами


➕Как агрегировать метрики и не получить чушь

В прошлом посте писал, что для контекста ИИ должен понимать, какую метрику как можно агрегировать.

Например, нельзя посчитать среднюю конверсию сложив ее за несколько периодов. Или сложить DAU за 7 дней и получить тем самым WAU.

Давайте вспомним базу – её знать надо. Уверен, что даже матёрые аналитики ошибались. Я вот, например, много раз 👋. Но не с конверсией, а с другими метриками.

Делитесь с коллегами, чтобы не ошибиться в следующий раз.

---

Стоит ли добавить такое поле по каждой метрике в Атласе?
🔥 – да, добавьте

@jetmetrics


Сделать ли из Атласа метрик MCP сервер, чтобы можно было подключаться к нему напрямую через терминал?
Poll
  •   Да ✊
  •   Нет 😠
  •   Не знаю 🤷
20 votes


⬇️ Что нужно ИИ, чтобы стать настоящим аналитиком
и перестать выдумывать околесицу


Нынче все только и говорят, что про контекстный слой.

Это доп. информация, которая нужна ИИ помимо самих данных, чтобы лучше понимать, как с этим работать и интерпретировать. Без неё он неизменно будет нести чушь или давать слишком общие ответы.

Недавно прочитал про исследование ребят из Cube. Они взяли 3 топовые ИИ модели и стали задавать им вопросы. Правильных ответов было всего 45-50%.

Затем добавили один текстовый файл всего на 4 кб, который заполнили вручную на скорую руку. Там указали описание метрик: определения и правила расчета.

Процент правильных ответов вырос до 67-68% (то есть на 17-23 п.п). Есть еще куда стремиться.

Базовый контекстный слой вы можете собрать быстро, он прост. Затем его постепенно дополнять.

Собирать информацию для него можно самостоятельно, а можно взять из Атласа метрик. Мы как раз на днях его обновили (добавили разрезы и сущность по каждой из 745 метрик).

@jetmetrics


❌Ваши метрики посчитаны с ошибками

И вот 25 самых вероятных.

Напишите, с какими из них вы сталкивались чаще всего?

Кстати, у нас в Атласе по каждой метрике есть нюансы и примеры расчета 👋. Ваши цифры станут точнее, и доверие к ним вырастет.

@jetmetrics | хаб знаний со всеми материалами


🕘 Зачем нужно понимать лаги между метриками

Ситуация:

Агентство оптимизировало кампании, протестировало лендинги, а клиент увеличил бюджет. Прошел месяц, а на B2B продажах это не отразилось. Клиент не понял, за что заплатил: "Что мне с этих ваших CPC, CTR, заявок и прочей фигни? Мне же продажи нужны".

Агентство было уволено, хотя в воронку попали хорошие клиенты, которые сделают заказы уже в следующем месяце.

У каждой связи (не у метрики, а именно у связи – это важно) есть свой лаг, когда она проявляется.

В каких-то случаях это моментально.
Увеличили ставку на рекламном аукционе – сразу стали получать больше показов объявлений.

А в каких-то это занимает месяцы.
Привлекли пользователя в программу лояльности – заметите изменение в его частоте покупок и среднем чеке только спустя месяцы. Если вообще заметите.

Возможно, кто-то в команде с большим опытом держит эту информацию в голове. Но если это записано и согласовано с другими, то вы можете избежать разночтений и ситуаций, как из примера в начале.

И тогда вы можете сказать не "не сработало", а "надо вернуться к аналитике, когда проявится этот эффект".

@jetmetrics | хаб знаний со всеми материалами


3 элемента системы метрик

Чтобы собрать сотни показателей и отчетов в стройную структуру, придется соединить три ключевых элемента.

Давайте начну с нижних частей.

Процессы – это самый-самый базис. Без понимания того, как работают люди, внятную аналитику не построить – зато будут рождаться дашборды-зомби, которые не решают задачи пользователей. От процессов идёт всё остальное.

Данные – то, как у вас всё считается и как хранится. Тут всё вроде понятно. Без data не будет data-driven.

Но что за третий элемент – канон?

Это фреймворк с наполнением. Это некий вариант стандарта и методологии того, как следует использовать метрики для принятия решений.

Примеры: МСФО, DORA.

Зачем он нужен:
- показывает, что вы еще не отслеживаете;
- формализует и делает аналитику воспроизводимой;
- помогает адаптировать под свой кейс;
- снижает вероятность ошибиться;
- увеличивает точность ИИ аналитики.

Имея канон, систему метрик можно создать быстрее и с опорой на проверенные практики и подходы.

Кто был на эфирах и обучении, знает, как сильно я люблю метафоры. Вот представьте себе, что у вас есть инструменты (процессы) и материалы (данные). Из этого вы строите дом.

Можете построить его по своему усмотрению, т.е. сделать свою систему. Это вовсе не плохо. Но что, если фундамент через пару лет "поплывёт"?

А можно взять какой-нибудь стандарт строительства (ГОСТ или типа того) и сделать с учетом него. Тогда и ошибок будет меньше, и скорость постройки – выше.

—

Но чего уж точно не следует делать, так это на 100% полагаться на ИИ. Он и чертеж составит под другую почву, и с материалами ошибется, но зато похвалит, что у вас зоркий глаз 🤓

@jetmetrics



729 0 14 4 32

⛓ Анатомия связи между метриками

То, как один показатель связан с другим – это обязательный атрибут аналитики. Эту информацию надо будет загружать в ИИ, объяснять коллегам и учитывать в планировании.

Но какой бывает связь?

Базовый признак – это знак.
Есть прямая и обратная связь. Вот кстати пост про это.

Помимо этого для каждой связи следует указывать:

🔘 тип (что-то связано просто формулой, а что-то иным характером)

🔘 возможность переворота знака (супер инсайт, который только недавно для себя открыли – см.пример на картинке)

🔘 направление связи

🔘 факт проверки на своих данных (гипотезы гипотезами, но возможно, у вас работает не так, как у других)

🔘 текстовое описание связи (простым языком)

🔘 лаг (не все связи срабатывают с одинаковой скоростью)

@jetmetrics


Тем временем, ребята из Эсборд выкатили библиотеку гайдов на своей платформе. Мы там тоже есть 🤴

Смотреть тут – https://sboard.online/dashboard/guides/author/230

UPD: Ссылку исправили


Мы закрыли JetMetrics

Может кто не в курсе, но нашим основным фокусом с 2022 года было приложение для магазинов на Shopify на международном рынке. От него же и пошло название Джетметрикс, канал в телеграм и всё остальное. Так вот это SaaS приложение перестало работать 1 июля.

Это был долгий и интересный путь. Но путь стартапа – это всегда высокий риск неудачи. Мы были к этому готовы.

Вот основные причины, почему не получилось:

1️⃣ Не подтвердили спрос деньгами

Когда мы опубликовали первую карту метрик, которая собрала 3+ млн просмотров в Линкедине, мы поняли, что попали в нерв. Мы сразу начали делать прототипы будущего продукта, показывать ЦА, а параллельно еще стали продавать карты метрик в Miro.

Так вот за карты метрик мы получили более 40.000 долларов, а вот предоплату за продукт мы побоялись брать. Мы просто поверили людям, которые говорили: "Да, мы будем пользоваться вашим продуктом. Разрабатывайте!"

2️⃣ Ошиблись с аудиторией

Первая версия продукта была с одним источником данных – самим Shopify (продажи, клиенты, ассортимент). Мы думали, что для небольших магазинов, у которых мало сторонних источников, этого будет достаточно.

В итоге у малого бизнеса боль была не такой ярко выраженной, а для компаний среднего размера мы не подходили – им нужно было сводить сразу несколько источников (Klaviyo, Meta Ads, GA4 и пр).

3️⃣ Двигались медленно из-за нехватки фокуса

Мы не брали кредитов, не привлекали инвесторов. Все расходы оплачивали из своих. Вроде звучит круто, но на деле нам постоянно приходилось тратить время на сторонние активности.

Как следствие, мы не могли сконцентрироваться на основном продукте на 100% и двигались медленно.

4️⃣ Мы опоздали к революции ИИ

Сделай мы тот же самый продукт 2 года назад, может темпы роста пользователей (а они были, кстати, забыл сказать) были иными. Но Shopify внедрил AI ассистента, Claude и ChatGPT были уже достаточно умными. А у нас в продукте AI вообще не было.

Поэтому единственным преимуществом JetMetrics для некоторых было то, что продажи можно было посмотреть в наглядном виде дерева метрик. Но этого недостаточно, чтобы платить 50-150 долларов.

5️⃣ Переоценили роль дашбордов вида карт метрик

Мы думали, что пользователи будут рады ВСЕГДА работать с дашбордами, построенными только в таком виде: стрелки, иерархия, связи между метриками. Это было нашим когнитивным искажением.

Ярким примером был DoubleLoop (по сути, наши конкуренты и одни из пионеров). Их купили Mixpanel, чтобы встроить целый продукт как один из (!) компонентов своей платформы. Как самостоятельный продукт DoubleLoop бы не выжил. Мы шли по схожему пути.

- - - -

❤️ Спасибо, что дочитали. Надеюсь, это кому-то окажется полезным. Понятно, что это были не единственные проблемы, но, как мне кажется, это самые существенные.

Сейчас же мы сконцентрировались на других продуктах и на клиентских проектах – всё можно посмотреть здесь. И канал этот будем активно развивать!

Но следующий большой проект не за горами, я не сомневаюсь. Так что следите за апдейтами! 🤘



721 0 13 6 25
20 last posts shown.