MVP → MLP: как перейти на новый подход и увеличить Customer Satisfaction на 40%

Привет! Меня зовут Ирина Грачёва, я CPO Транзакционных продуктов «Авито» и отвечаю за развитие логистических сервисов и финтех-платформы. В статье на примере «Авито Доставки» расскажу, как мы перешли от создания MVP к MLP. И объясню, почему это помогло увеличить Retention в 5 раз, а уровень удовлетворённости пользователей — на 40%.

Прежде, чем переходить к рассказу о нашем кейсе, давайте определимся с терминами.

💫 MVP — минимально жизнеспособный продукт (minimum viable product). Подходит, если вы хотите быстро и дёшево проверить гипотезу на новом рынке. Хорошо работает в случае с молодыми стартапами, у которых нет угрозы для репутации основного бренда. MVP отражает функциональность.

💜 MLP — минимально любимый продукт (minimum lovable product). Подходит большим брендам, у которых есть репутация, брендовая и эмоциональная составляющие, а также большая аудитория. Отражает функциональность и эмоциональную связь с сервисом.

Коротко, отличия этих подходов я бы описала так:

Конечно, ни одна из этих методик не панацея. Чтобы выбрать подход для теста нового продукта, нужно оценить, в какой мы ситуации, на каком рынке, и в какое время мы работаем.

В статье расскажу об одном кейсе, в котором мы решили быстро протестировать гипотезу с помощью MVP, к чему это привело и почему решили отказаться от этого подхода.

Авито Доставка — сервис, который помогает нашим продавцам и покупателям безопасно совершать сделки, не ограничиваясь своим городом. В 2018 году, когда запускали его, хотели быстро проверить, можем ли мы качественно доставлять товары и будут ли пользователи заинтересованы в этом — для этого собрали MVP.

MVP Авито Доставки работал так: покупатель оплачивал товар, деньги резервировались на его карте, продавец отправлял посылку, покупатель принимал товар и деньги переходили на карту продавца.

Этим MVP мы хотели быстро протестировать гипотезу о том, что на платформе возможно закрыть весь цикл сделки — от выбора товара до доставки и получения его в руки, без необходимости встречаться с продавцом лично. Поэтому иногда принимали поспешные решения. Вышло так, что получившийся MVP нужно было быстро масштабировать — и вот к чему это привело:

❌ Мы подключили доставку всем сразу. Когда человек регистрировался и публиковал подходящие объявления, мы автоматически подключали к ним Авито Доставку.

При этом, детального онбординга еще не было, поэтому пользователи не сразу понимали, как устроена Авито Доставка. Часть продавцов не хотели ей пользоваться или не были уверены в том, что сделка пройдёт хорошо. В итоге они отказывались отправлять товары, а покупатели, которые их заказали, получали негативный опыт на Авито.

❌ Сотрудники пунктов выдачи не были готовы к изменениям. Для сотрудников пунктов выдачи это был новый опыт: не все смогли быстро обучиться и перестроиться на новые правила. Потребовалось некоторое время, чтобы работники пунктов выдачи научились сверять детали заказа и проверять комплектность при оформлении возврата.

❌ Критично выросла нагрузка на поддержку. Когда покупатели стали заказывать больше товаров с доставкой, стало появляться больше вопросов и обращений. Пользователи шли в поддержку, и мы перестали справляться с количеством обращений. Как следствие, нарушился SLA и обработка одного запроса могла занимать продолжительное время — это тоже снизило доверие к бренду.

Со временем мы решили все эти проблемы в Доставке — сейчас подробнее расскажу, что у нас поменялось.

Убрали автоматическое подключение доставки. Это первое, что мы сделали: теперь продавцы сами решают, хотят они отправлять товары или нет. А для тех, кто включает эту функцию, мы сделали онбординг.

Благодаря этому удалось улучшить пользовательский опыт:

✅ В 2 раза сократили отмены заказов по причине «Продавец отказался отправлять».

Создали программу «Гарантия защиты продавца». Защищаем продавцов, если:

👉 Подробнее о программе

✅ Результат — буквально за первые 2 недели после запуска программы, Авито Доставку подключили ещё 2% продавцов.

Стали запрашивать обратную связь у продавцов и покупателей после закрытия сделки. Мы привыкли работать в диджитале и видеть, что происходит с пользователями с помощью систем аналитики и дэшбордов. Но когда продукт выходит за пределы онлайн-пространства появляется большая зона неопределённости. Поэтому для меня работа с обратной связью после сделок стала полезным открытием.

✅ Contact Rate сократился в 2 раза. Эта метрика показывает отношение количества запросов в поддержку к общему количеству заказов. Чтобы снизить её, мы составили рейтинг запросов в поддержку и стали по очереди разбираться с ними, дорабатывая продукт.

Летом 2021 года был интересный кейс: мы столкнулись с тем, что не во всех пунктах выдачи заказов хорошо работает интернет.

Отделения выдачи заказов находятся в разных городах и селениях, поэтому иногда там совсем нет связи. Из-за этого возникали ситуации, когда сотрудник пункта уже выдал заказ, но не смог сразу проставить статус «Заказ выдан». Покупатель уходил с товаром, а продавец не мог вывести деньги за отправленный заказ, начинал переживать и писал в поддержку. Поэтому у нас в топе были запросы вроде «Как получить деньги?» или «Я не вижу кнопки „вывести деньги“».

Провести интернет во все уголки планеты мы бы не смогли, поэтому дали возможность покупателям нажимать кнопку «Товар получен». После этого продавец видел, что товар получен, и мог вывести деньги.

✅ Customer Satisfaction вырос на 40%. После обращения поддержку мы стали просить пользователей оценить, насколько они удовлетворены решением проблемы. Чем больше оценок 4 и 5 — тем выше уровень удовлетворённости пользователей.

Чтобы повысить удовлетворённость пользователей, мы стали заранее предупреждать саппорт о том, что планируем выкатить новый продукт. Благодаря такому решению сотрудники поддержки знали не только о том, что сейчас происходит в продукте, но и были готовы к тому, что изменится в ближайшие 2 месяца.

✅ Paid Retention вырос в 5 раз, а Paid orders — в 2. Это две ключевые метрики, которые позволяют понять, что продукт действительно становится любимым.

Опыт с Авито Доставкой показал нам, что даже тестовые запуски должны растить доверие к бренду, поэтому постепенно отказались от MVP в пользу MLP. Спустя несколько лет мы смотрим на мир иначе, поменяли подход к тесту гипотез, и теперь придерживаемся таких правил:

Оцениваем, как каждая новая инициатива влияет на Trust & Safety. Главная цель нашей работы сейчас — слом барьера к использованию Авито. Нам важно не повторять тот опыт, который мы получали раньше, например, когда запускали MVP Авито Доставки. Поэтому внедрили новый этап проработки продуктовых инициатив.

Мы оцениваем, как каждая новая инициатива может повлиять на пользователей и может ли она стать поводом для появления фишинговых схем. А если понимаем, что инициатива несёт риски — отправляем её команде на доработку.

Customer Support стал частью продукта. Мы поняли, что в таком продукте, как Авито Доставка, критически важно время, за которое решается проблема пользователя. Поэтому теперь все лидеры команд также отвечают и за метрики службы поддержки.

Мы стали контролировать влияние продукта на SLA в онлайне и офлайне. Внедрили KPI по тому, как должен выполняться SLA в разных каналах обработки запросов:почте, звонках, чатах. А ещё поставили в команде цели по снижению количества обращений в поддержку.

✅ Теперь запросы обрабатываются быстрее: средняя скорость обработки претензии от пользователя сократилась в три раза.

После запуска MVP Авито Доставки, мы в Авито решили использовать MLP-подход для тестирования гипотез и запуска новых продуктов. Вот ключевая разница этих концепций:

👉 MVP-подход работает для новых небольших стартапов: у них ещё нет репутации на рынке, пользователи не сформировали своё отношение к бренду и, в случае ошибки, его репутация сильно не пострадает. Этот подход дешевле и проще реализовать.

👉 Для крупных компаний со сложившейся репутацией и большим количеством пользователей лучше подходит MLP. Крупные бренды часто работают на сформировавшемся рынке и с продуктами, которые люди уже использовали. У них уже есть опыт и ожидания, поэтому важно, чтобы даже тестовые запуски не уступали продуктам конкурентов.