Кейс Rusprofile: как сегментировать аудиторию в сервисе с 700 000 посещений в день

Меня зовут Ольга Приходько, я работаю growth product-менеджером в Rusprofile. Это сервис проверки контрагентов: на нем можно найти финансовую и юридическую информацию об организациях. До 2020 года компания была на рекламной бизнес-модели. С пандемией прибыль упала.

При этом посещаемость сайта оставалась высокой — 700 000 человек в день. Тогда основатели запустили платную подписку, и эта бизнес-модель сработала: выручка выросла вдвое. Но чтобы привлекать еще больше платящих клиентов, нужно было понять, какие задачи пользователи решают на нашем сайте и как мы можем сделать продукт более ценным. Для этого я провела сегментацию аудитории — рассказываю об исследовании и результатах.

Статью я подготовила вместе с telegram-каналом Fresh Product Manager. Это проект с кейсами, профессиональными инсайтами и личными заметками от Сергея Колоскова, product-менеджера Ozon. На площадке можно почитать о data science, узнать, как запустить стартап, найти гайды по аналитике или упражнения для эффективного управления командой.

Rusprofile работает с 2012 года. На сайте опубликована информация о юридических лицах: можно узнать о судебных разбирательствах, долгах, госзакупках, о связях между организациями и предпринимателями.

Изначально наш продукт был бесплатным для пользователей — его монетизировали за счет рекламы. В 2020 году с наступлением пандемии маркетинговые бюджеты многих компаний схлопнулись, и бизнес-модель Rusprofile перестала приносить привычную прибыль.Тогда ввели платные тарифы. В свободном доступе оставили только базовую информацию о юридических лицах, для получения расширенной информации нужно приобрести подписку. Это дало рост выручки в два раза по сравнению с лучшими месяцами рекламной модели. Основатели увидели, что люди готовы платить за продукт. На тот момент мы ввели три тарифа: на год, на месяц и на три дня.

Когда я пришла на позицию product-менеджера направления growth, одной из моих первых задач было разобраться, как нам дальше развивать продукт.

У основателей Rusprofile было верхнеуровневое представление об аудитории. Оно базировалось на концепции сервиса: пользователи приходят искать информацию о своих контрагентах, чтобы принимать решения о сотрудничестве. Но из такого широкого определения клиентов и их задач сложно понять, как именно улучшать функционал дальше.

Я понимала, что продукт сложный и масштабный. У нас представлено много данных, абсолютно разных, аудитория немаленькая: 700 000 уников в сутки и 450 000 зарегистрированных пользователей. Было бы неверно думать, что всей информацией люди пользуются одинаково, решают одинаковые задачи и принимают одинаковые решения.

В попытках делать универсальный сервис можно упустить важные сегменты пользователей, которые нуждаются в дополнительном функционале и готовы за него платить. Повышение ценности для них может существенно вырастить продукт.

Именно поэтому первое, на чем я сфокусировалась — сегментация пользователей. Я решила выявить, кто покупает подписку на Rusprofile и для чего. Может, человек уже однажды потерял деньги, связавшись с недобросовестным контрагентом, или опасается мошеннических схем. Мне нужно было понять, зачем конкретно люди ищут информацию на нашем сайте и каким функционалом пользуются.

Я решила сегментировать пользователей по уровню лояльности. Был велик риск, что если я просто сделаю рассылку с приглашением на интервью случайным образом, на нее откликнется только один сегмент. Например, максимально лояльные клиенты согласятся поговорить, а остальных я просто не увижу — такого допустить нельзя.

Поэтому я провела RFM-анализ. Он позволил разделить клиентов на сегменты по трем критериям:

Большинство наших клиентов — юридические лица, малый и средний бизнес, которые выбирают месячный тариф. Я подсчитала выручку, которую приносит каждый сегмент, его LTV и посещаемость, число активных пользователей и долю сегмента в общей выручке.

Любопытно, что новые пользователи отличаются низкой активностью — можно предположить, что между приобретением подписки и осознанием ее ценности проходит длительное время. Второй инсайт — наличие большого числа «чемпионов» среди покупателей месячной подписки: они регулярно платят более 7 месяцев, и годовая подписка была бы для них выгоднее.

Я приглашала клиентов пообщаться через email-рассылку. Для каждого сегмента составила отдельный скрипт, потому что к ним нужен был разный заход. Договориться об интервью с лояльным клиентом — это одна задача, с тем, кто ушел полгода назад — совсем другая. Вот пара примеров моих писем:

О длительности разговора я предупреждала заранее — в среднем, это около получаса. С кем-то созвоны выходили короткими, если человек был немногословным. С некоторыми, напротив, мы беседовали 40-50 минут.

Я провела 62 интервью. Количество опрошенных в разных сегментах было неравномерным: больше всего я общалась с «чемпионами», «лояльными» и «новичками» — они более охотно соглашались на разговор. У меня не было цели охватить все сегменты в равной степени: те, кто больше платят, важнее для нас. Они уже осознали ценность сервиса, могут приносить больше выручки, если мы будем лучше закрывать их потребности, и потенциально эти пользователи останутся с нами надолго.

У меня были разные скрипты для интервью в зависимости от сегмента. Такие вопросы я задавала лояльным пользователям:

С лояльными пользователями я глубже закапывалась в то, как они используют сервис, какие данные для них важны. С теми, кто не осознал ценность, обсуждала причины, конкурентные решения, чего не хватало у нас. У новых клиентов спрашивала, как они принимали решение о покупке, с кем сравнивали, как вообще о нас узнали — они еще хорошо это помнят.

Изначально я понимала, что нужно провести не менее 50 интервью: как минимум, по 10 в каждом сегменте. Я закончила в тот момент, когда поняла, что информация начинает повторяться: больше не встречаются новые подсегменты, нет новых инсайтов.

Выводы, сложившиеся в ходе общения с респондентами, могут быть субъективными, поэтому всегда важно посмотреть на статистику. Бывает, что некоторые инсайты особенно запоминаются, хотя на самом деле они встречались всего в паре интервью. Частотный анализ помогает увидеть, как в выборке распределяются разные показатели в процентном соотношении.

Во время разговора я предпочитаю не делать никаких пометок, чтобы не отвлекаться. Поэтому уже после транскрибировала каждое интервью, а затем, чтобы систематизировать ответы, свела их в единую таблицу. Вот что я учитывала:

С помощью частотного анализа я определила задачи (big jobs), которые респонденты чаще всего решают с помощью Rusprofile:

В ходе работы я выявила важные тезисы, которые многократно слышала от респондентов. На основе этих инсайтов строились дальнейшие гипотезы, которые мы тестировали.

Ключевой этап работы — понять, что делать с данными, полученными с помощью исследований: что изменить в продукте, чтобы он был полезен большему числу людей, и они охотно платили за сервис. При формулировке гипотез я ориентировалась на инсайты, которые вынесла из интервью с пользователями. Далее мы проводили A/B-тесты, чтобы эти гипотезы проверить.

Например, мне часто говорили, что открытой информации достаточно для решения многих задач и нет необходимости покупать платный доступ. Я увидела, что наш продукт действительно имеет ценность даже в ограниченной версии. Возникла гипотеза, что за данные, которые мы публикуем в свободном доступе, люди готовы платить. В одном из экспериментов мы попробовали скрыть часть информации, которая раньше была доступна без подписки.

На основе инсайта, что 30% наших подписчиков ищут через сервис клиентов, я предположила: нам нужен отдельный продукт для этого сегмента пользователей.

Поскольку пользователи говорили, что используют один оплаченный аккаунт для работы всем офисом, я подумала, что ограничение доступа для множества устройств будет стимулировать к новым покупкам.

Были и гипотезы, которые не подтвердились. Например, некоторые респонденты отмечали, что сервис пригодился им только для проверки единственной компании — раз в квартал, раз в полгода или вообще раз в жизни. Я решила попробовать внедрить платный доступ к данным одной конкретной организации. Моей целью было довести до покупки пользователей, которые не хотели приобретать трехдневную подписку, потому что она для них избыточна. Но те, кто не платил, по-прежнему этого не делали. Зато многие пользователи, которые раньше подписывались на три дня, стали покупать доступ к данным одной нужной им организации — выручка при этом упала.

На проведение исследования — RFM-анализ, интервью с пользователями и частотный анализ — у меня ушло примерно 3 недели. На базе полученных инсайтов мы провели более 10 разных экспериментов, частью которых я поделилась в статье. По тем гипотезам, которые подтвердились, мы уже ввели изменения на сервисе и подняли выручку в два раза за счет роста конверсии в оплату в первую очередь.

Если перед вами стоит задача — найти точки роста или вообще понять, в какую сторону развивать свой продукт, рекомендую начинать с исследования пользователей. Инструмент может быть любым, но сегментация полезна почти для всех продуктов.