Как эффективно растить продукт и бизнес, построив продуктовую аналитику

Всем привет! Какое-то время назад я написал статью, которая собрала больше 100 тысяч просмотров. Я в ней рассказывал, какие бывают метрики, что такое дашборды, комплексы метрик и прочие интересные штуки. Но туда не втиснулось, как построить аналитику данных в компании с нуля (и в стартапе, и в уже работающем продукте). В этой статье как раз можно будет найти инструкции для подобных кейсов.

Итак, у вас есть бизнес или только запускается. Так или иначе, должна быть финансовая модель, которая является компасом для всей компании. В ней указаны основные цифры и прогнозы, по которым фаундеры или инвесторы смотрят, как развивается бизнес: соответствуем ли мы планам или нет.

Нередко финмодели бывают верхнеуровневыми и в них отражаются только операционные показатели.

Например, продажа франшиз по агенствам недвижимости.

В финмодели будет помесячно указано:
- Количество проданных франшиз
- Количество открытых офисов
- Количество нанятых агентов по продажам
- Количество объектов недвижимости в базе
- Количество продаж на 1 офис
- Средний чек
- Размер комиссии или подписки на ПО
- и так далее, и тому подобное

И, разумеется, все это будет перемножено и выражено в рублях. Чего там не хватает? Правильно, продуктовых метрик. Финмодель должна показывать не только ЧТО происходит в бизнесе, но еще и ПОЧЕМУ это происходит.
Вы продаете франшизы. Франчайзи нанимают агентов. Агенты продают квартиры.

И все это происходит когда-то хорошо, когда-то не очень. И только метрики (и исследования) дадут ответ на вопрос: а что нам стоит улучшить.

Потому, что при продаже франшизы есть много этапов и важно знать, на каких происходят проблемы. Есть холодные звонки, которые каким-то образом конвертируются во встречи, которые конвертируются начало заключения договоров, которые конвертируются в подписание, потом происходит оплата, аренда помещения, открытие офиса и так далее.

Если вы знаете конверсии - можете посмотреть на самые критичные проблемы. Если посмотрите на сроки каждого этапа, тоже можно понять, что можно улучшить.

Когда бизнес заработал, средний чек тоже не находится в вакууме: вы можете продавать разные подписочные планы, получать разные роялти, продавать франчайзи различные услуги.

И у франчайзи тоже есть конверсии - и воронка найма, и роста эффективности сотрудников, и воронка продаж, и средний чек.

И везде можно трекать конверсии, CAC, LTV, срок на каждом этапе и многое другое.

Это все и есть комплексы метрик, которые позволят вам построить дашборды и полноценную финмодель. И знать, как у вас дела сегодня, в моменте, какие планы на неделю, месяц, квартал, год. Развивается ли бизнес так, как вы хотели. Или приходится корректировать финмодель в связи с тем, что реальность отличается.

И вот мы приходим к важному этапу, когда осознаем:

Ответ простой: вам надо собрать все сценарии всех ваших пользователей и выписать их.
Надо собрать всех стейкхолдеров в компании и выписать все, что важно для них.

Собираем сценарии пользователей и интересы стейхолдеров

Давайте возьмем простой пример: небольшой или средний интернет-магазин. Не такой крупный, как гиганты федерального масштаба, но и не такой мелкий, как "Чай на Шмитовском проезде".

Итак, у вас есть пользователи. И вы начинаете формировать их список сценариев: вход на сервис, переход к поиску, просмотр поисковой выдачи, переход в карточку товара, добавление в корзину, переход к оформлению, регистрация/авторизация, успешное оформление.

Идем дальше: у нас есть маркетологи. И они скажут, что им очень важны конверсия пользователей из трафика в покупку, причем разбитая по каналам, переход в раздел акций, покупка акционных товаров, переход в подборки, покупка оттуда, участие в акциях в стиле "3 по цене 4" и прочее. Им важны участие в реферальной программе и программе лояльности.

Начинаем сценарии разбивать на шаги

Причем, все это тоже состоит из определенного количества шагов. Например, рефералка.
1. Пользователь переходит в условия
2. Копирует промо-код
3. Отправляет его друзьям
4. Друг регистрируется с вводом промо-кода
5. Совершает покупки
6. Выполняет условия рефералки (например, 2 покупки не менее, чем по тысяче рублей)
7. Реферал и референт получают вознаграждение. Например, по 500 баллов
8. Они тратят эти баллы
9. В идеале, их метрики выше, чем у привлеченных по рекламе. И отношение CAC к LTV не хуже, чем у пользователей из других рекламных каналов

Идем дальше - могут быть побочные сценарии. Например, пользователь начинает искать что-то через каталог. Там свои конверсии.

Контент-менеджерам важно, чтобы пользователь при просмотре фото и текстов товаров оставался доволен.

У пользователя могут быть сценарии в личном кабинете - смена пароля, просмотр баллов и прочее. Это интересно или продактам, или ребятам из Customer Experience.

Кто-то в компании занимается кросс-продажами, у вас в карточках и корзине появляется предложка. Тоже важно смотреть, как она работает.

Логистам важно все, что касается логистики - подходят ли интервалы пользователям, не высокая ли цена, довольны ли они качеством, корректно ли происходит информирование об изменении статусов, нет ли вылетов за пределы планового срока доставки и многие другие логистические нюансы. Это не говоря о внутрискладской логистике.

И вот у вас появляется огромная доска с множеством квадратов и стрелочек. Как из этого сделать продуктовую аналитику?

Шаги разбиваем на метрики

По каждому квадратику (шагу клиента) нужно подумать - на какие метрики он влияет.

Например, просмотр карточки товара. Тут мы можем трекать:
- Конверсии из карточки (их еще называют PDP, product detail page) в корзину
- Конверсия из карточки в покупку
- Конверсия из карточки в получение товара (ведь кто-то отказывается от получения или возвращает товар)
- Конверсия в разделы: просмотр доп инфо, рейтинга товара, комментариев, кросс-продаж и доп продаж
- Средний чек
- Конверсия в акции (если товар акционный и из него можно перейти в акции)
- Конверсия в кредит, рассрочку и прочие сплиты, если это доступно
- Конверсия в различные способы доставки (самовывоз, обычная доставка, экспресс-доставка)

И вот у вас получилось сначала множество сценариев, затем множество шагов (когда мы декомпозировали эти сценарии. Например, когда участие в реферальной программе превратилось в конкретные шаги), потом по каждому шагу появилось множество метрик.

Группируем метрики

И вот мы шли от крупного к более и более мелкому, а теперь пришло время сделать все наоборот: обобщить метрики, сгруппировав их.

Самое важное - разбить ключевые по какой-то системе. Самая частая - AARRR - acquisition, activation, revenue, retention, refferal.

И у вас, фактически, появляются требования к пяти основным дашбордам. Каждая вкладка - это показатели важнейших параметров вашего бизнеса.

Дальше - нужно собирать дашборды под конкретные подразделения и их потребности. Дашборд по рефералке (вы уже знаете все метрики, которые в ней важны), дашборд по рекламным кампаниям, дашборд по логистике (включая долю доставок вовремя и среднее значение опозданий для заказов с опозданиями).

Раз у вас есть доска со всеми метриками, то вы уже можете трекать, что все эти метрики "улетели" на дашборды. То есть, не осталось метрик, которые кому-то важны, но ни кем не трекаются.

ГПП

И, разумеется, ГПП. Главная приборная панель. Это основной дашборд для CPO, CEO и других ключевых лиц компании.

Там будут отображаться все метрики, которые важны для регулярного трекинга. Этот дашборд, в первую очередь, нужен для того, чтобы понимать, какие критические проблемы появляются в бизнесе.

Можно сразу договориться о диапазонах значений. Вручную указать, какие диапазоны среднего чека, конверсий и прочего являются нормой. Чтобы красным подсвечивались отклонения в негативную сторону. Зашел с утра, посмотрел, сразу увидел, например, что количество клиентов и заказов выросло, конверсия упала и вырос средний срок доставки. Сделал вывод - маркетологи запустили кампанию, пришло много людей, логистика начала захлебываться, прогнозные сроки доставки начали расти , пользователей это не устраивает и они уходят. Значит, ваша рекламная кампания покажет плохой ROI - идем разруливать.

И значительную часть обозначенных вами метрик мы вносим в финмодель.

Параметры дашбордов

Кажется, на этом все, но мы забыли важный момент: фильтры, диапазоны и прочие настройки параметров отображения дашбордов.

Давайте рассмотрим пример.

Допустим, мы изучаем количество продаж за последние 90 дней. Если смотреть его по дням, картина вообще не понятна - развивается наш бизнес или нет.

Но если поменять гранулярность, то есть, переключить его в режим "по месяцам", то картина становится более ясной.

И это просмотр всех покупок всех пользователей за 90 дней. А ведь может быть ситуация, что мы осваиваем какой-то регион и нам важны продажи только там. Или хотим глянуть, как обстоят дела в каком-то конкретном маркетинговом канале.

Вот у нас уже появились фильтры - например, регион или канал привлечения.

В фильтрах у нас должна быть возможность выбрать все параметры - допустим, все регионы, какой-то конкретный или несколько интересующих (например, города дальнего востока).

Фильтров может быть невероятное количество и они определяются сценариями стейкхолдеров. Это могут быть не только регионы или каналы привлечения, а устройства, браузеры, признак "с доставкой" или "самовывоз" и вообще все, что угодно - главное, чтобы каждый, для кого создается дашборд, мог закрыть любой свой сценарий и найти любую важную для него информацию.

Идем дальше: нам могут быть интересны данные за какой-либо период. Например, с такой-то даты по такую-то дату. Или мы хотим глянуть, как себя ведут люди с большим средним чеком. Тогда мы должны иметь возможность выбрать все показатели по людям, чей средний чек составляет от Х рублей. Или от Х до Y рублей.

Это называется диапазоны. Все, что можно отфильтровать не по пунктам, а "от" и "до" - называется диапазоны.

А бывают комплексные диаграммы

Например, в случае, когда нам надо видеть одновременно, и продажи по месяцам, и их разбивку по регионам.

А бывает, что нам не так важно абсолютное значение и мы хотим видеть только доли, чтобы понять распределение. Тогда у нас будет подобное отображение данных:

То есть, по оси абсцисс у нас уже относительное значение - проценты.

В совсем редких случаях строятся трехмерные диаграммы. Допустим, чтобы сравнить продажи от квартала к кварталу в течение нескольких лет (для бизнесов, в которых бывает сильно выраженная сезонность)

Но порой у нас или не очень много значений, или наоборот, очень много и не получается (или не хочется) менять гранулярность.

Тогда нам поможет линия тренда - это прямая (как правило) или кривая (реже), которая покажет - восходящий или нисходящий у нас тренд в целом. Идет рост или падение показателей. Исключительно для тех ситуаций, где без этой линии сложно понять, как себя ведут показатели - растут или падают.

Вообще бывает много разных способов визуализировать данные: ломанные линии, похожие на пульс, столбчатые диаграммы, pie charts (кружок, нарезанный на разноцветные секторы), диаграммы, в которых просто множество точек на пересечении значений абсцисс и ординат и прочие, прочие, прочие.

Как же выбрать верный тип диаграммы, фильтры, параметры гранулярности, диапазоны данных, линии трендов и прочее?

Ответ простой: этим должен заниматься специально обученный человек - аналитик данных. Хороший стоит приличных денег. А еще лучше - дать эту задачу продуктовому аналитику. Он стоит еще больше, но он находится на стыке данных, продукта и эффективности бизнеса.

И хороший аналитик спросит у вас сценарии и сам сделает визуализацию, которая позволит легко вам получить ответ на ваш вопрос. Как дела с вашим сценарием, фичой, продуктом, бизнесом. С одного взгляда - на диаграмму правильного типа и с правильной цветовой индикацией.

1. Данные надо не только собирать, но и уметь валидировать между отделами

2. Надо озаботиться аналитической архитектурой: сервисами, которые собирают события, анализируют и визуализируют

3. Скорее всего, некоторая часть вашего бизнеса не оцифрована: ведется в бумажном виде или вообще не трекается. Для этого надо отдельно ставить задачи и трекать прогресс по цифровизации данных

4. Не делайте метрики ради метрик. Любой дашборд должен отвечать на вопрос: что конкретно мы улучшаем в продукте или бизнесе этим замером. А еще лучше - чтобы у всех в компании были OKR/KPI, которые каскадируются с основной цели и для покрытия этих данных вы создаете дашборды.

5. Однажды я столкнулся с кейсом внедрения аналитики в компанию, в которой ее раньше не было. Там даже цифры общих конверсий одного и того же процесса в разных отделах были разные. И постепенно компания не только оцифровала данные и начала обоснованно управлять своим бизнесом, но и развивать его. Появилось понимание, как лучше продавать, обосновывая метриками окупаемость вкладываемых компаниями-клиентами денег, стало понятно, как разбить единый тариф на несколько (что позволило более правильно тарифицировать клиентов и улучшило средний чек и возвращаемость).

В общем, успехов вам во внедрении аналитики. Значительная часть компаний, которые я консалтил, вообще не знала свои метрики, не умела их оцифровывать и визуализировать. Если вы задумались о том, как собрать эти метрики и хотите развивать бизнес на основе цифр (которые не врут), а не по личным ощущениям - вы на правильном пути

PS я веду телеграм-канал о продукте и бизнесе. Планирую однин из ближайших постов выложить о том, как собирать метрики и делать редизайн гигантских сервисов с сотнями пользовательских сценариев.