«Страховки — это хороший рынок, и там есть деньги»

Продуктовая команда «РосШтрафов» рассказала, как монетизирует продукт, развивает три направления: налоги, страховки, штрафы, выбирает сильные гипотезы и что, на её взгляд, необходимо знать успешному менеджеру по продукту.

Epic Talks — проект Epic Growth, где мы общаемся с командами про отработанные процессы, проверку продуктовых гипотез, аналитику и многое другое.

Про сервис

Раньше, пять-шесть лет назад, люди получали штрафы ГИБДД на почту, которая приходила не вовремя. Люди пропускали сроки платежей — это было неудобно. Затем появился сервис «РосШтрафы», который помог людям с автомобилями жить лучше, в частности — платить штрафы в ГИБДД и транспортный налог.

Как устроена продуктовая команда «РосШтрафов»

Александра Клименко и Павел Сергеев, менеджеры по продукту «РосШтрафов»
Александра Клименко и Павел Сергеев, менеджеры по продукту «РосШтрафов»

Сейчас у проекта «РосШтрафы» несколько миллионов пользователей. С недавнего времени сервис имеет три продуктовых направления: штрафы, налоги и страховка.

Каждое направление имеет свою команду и обычно включает в себя фронт- и бэк-разработчиков, тестировщика и менеджера по продукту. Количество членов команды может меняться в зависимости от популярности направления или его новизны в компании.

Какие проводят эксперименты

В приложении есть оплата, сделанная с помощью WebView. Она реализована через партнёров, соответственно, через платёжного провайдера. Пользователь уходит на WebView партнёра, там выбирает свои данные и оплачивает. Но есть одно «но» — наше предположение было, что WebView снижает конверсию.

Решив, что это происходит, когда пользователи уходят на другие экраны, мы решили реализовать в приложении нативную оплату. Мы защитились, зашифровали карточные данные и сделали оплату в веб-приложении. Мы успели протестировать новую фичу на обеих платформах, но частично. Предварительно заметили, что конверсия поднялась на 3–4%.

Чтобы не было разброса в цифрах, мы всегда стараемся измерять конверсию, используя a/b-тесты на схожие выборки юзеров и на одни и те же даты. Если мы получаем результат за одну-две недели — он релевантный.

Чтобы понять адекватность полученных цифр, мы их проверяем, смотря в разрезе сразу на несколько показателей, которые в итоге получаются на бэкенде, в метрике, на балансе выручки, а также отдельно смотрим на цифры, которые получились после проведения мероприятий.

Были ли неудачные эксперименты

Недавно мы хотели вызвать побольше пользователей и с ними пообщаться. Чтобы понимать, к каким сегментам относятся пользователи, мы сделали хитрую интеграцию — передавать ID пользователя в форму, в которую нам приходит ответ о его посещении. Мы поставили экран на 150 пользователей. В итоге получили одну анкету.

Именно из-за того, что мы заморочились с тем, чтобы выстроить хитрую схему передачи ID пользователя, мы совсем забыли про воронку. Непонятно, сколько было активных людей, что именно их отпугнуло — то ли размер анкеты, то ли они вообще не заходили на этот экран. К сожалению, этих данных нет, поэтому придется сёйчас переделывать и заново запускать.

Как искали aha-момент в продукте

Мы приняли за данность, что продуктовое направление «Страховки» — это хороший рынок, и там есть деньги. У нас был свой метод поиска aha-момента. Мы смотрели на конкурентов и пытались ответить на вопрос: почему они не первые на рынке? Ведь у них всё работает и через них можно всё оформить. Мы пытались не делать так же, как они.

Когда-то давно мы не знали, что такое юнит-экономика и aha-момент и как его измерить. Но раньше тебе приходила квитанция на почту, а сейчас ты можешь это сделать в приложении — вот наш aha-момент.

С продуктовым направлением «Налоги» ситуация выглядит интереснее, наверное, потому, что у людей в России слабая финансовая грамотность. И внезапно они заметили, что можно добавить свой ИНН в приложение и увидеть собственный статус по имеющимся задолженностям.

Если мы будем первым сервисом для людей, которые не знали, что сейчас можно увидеть эту информацию онлайн, то мы становимся для них aha-моментом.

Какие эксперименты были в выборе модели монетизации

У нас единая модель монетизации для всех сервисов «РосШтрафов». Мы живём на комиссии, а она зависит от размера штрафа, налога или страховки. Выбор модели проходил с помощью тестов на эластичность комиссии.

Если сравнивать с государственными сервисами, у которых нет денег, наша комиссия может показаться огромной. А если сравнивать с нашими конкурентами, то мы все приблизительно находимся на одном ценовом уровне.

Цифра комиссии не была взята с неба. Мы измеряли этот показатель как на маленьких штрафах, так и на больших. Конечно, мы преследовали цель сделать и пользователям удобнее, дешевле и самим не остаться без денег. К сожалению, не получилось. Многие не согласны с нашей текущей комиссией, но у нас юнит-экономика бьётся, и мы пока только хотим, но не можем ничего изменить.

Как проводят исследования

Естественно, гипотезы приходят из разных мест. Мы смотрим и на похожие на нас сервисы, и пользователи активно нам пишут с какими-то проблемами, предложениями, и техническая поддержка передаёт нам тикеты. Мы всё это собираем в пул, и дальше происходит интересная история.

Раньше менеджеры по продукту оценивали гипотезы по огромному числу разных параметров. Из-за того, что направления разделились, каждый теперь оценивает, как знает, как хочет и как считает более правильным. Я лично оцениваю методом снизу-вверх: какое число определённых пользователей, до какого процента из них мы можем дотянуться, какая будет конверсия.

Дальше ты простраиваешь юнит-экономику только для крупной гипотезы, чтобы понять, что она сходится с цифрами, и мы действительно в них верим. Далее происходит процесс общения с пользователем. После этого создаём с дизайнером первые прототипы, потом делаем эксперименты и итерационно улучшаем.

Как выбирать сильные гипотезы

Раньше, когда нас было меньше и у нас не было трёх продуктов, в нашей команде был только один менеджер по продукту и директор. Каждый квартал мы собирали обратную связь от пользователей через поддержку и через квартал возвращались с ответом.

Раньше постоянной проверки гипотез не было. У нас был список гипотез с кучей строк в Excel. В куче строк была куча столбцов с разными параметрами. Параметры начинались от номера гипотезы в Jira и требуемого на неё времени до того, есть ли проверяемая фича у наших конкурентов. Каждый из этих параметров имел свой вес, это был прокачанный RICE-скоринг.

Процесс занимал много времени, но в итоге тебе просто нужно было выбрать фильтр по размеру, по весу этой фичи и проанализировать, стоит ли проверять эту гипотезу. В 90% случаев эта оценка билась, это было долго, но качественно.

Чему нужно учиться продакт-менеджеру

Нужно прокачивать мягкие навыки. Ты можешь зазубрить, прочитать про методы, погрузиться в новые какие-то инструменты и ими пользоваться. Но как только дело дойдёт до команды, до партнёров, у тебя начнутся проблемы, потому что тебе надо всё это сконтачить, тебе надо зарядить команду, ты должен быть сам реактивным.

А также если ты вообще не знаешь инструментов, то тебе будет сложно работать продакт-менеджером. Их ты должен как минимум понимать. К счастью, продуктовая тусовка в России очень живая, и если в эту схему погружаешься, то тебя быстро туда уносит.

Больше докладов по продуктовому маркетингу — в Telegram-канале.

99
1 комментарий

Скажите, пожалуйста, а есть подкаст?

Ответить