Как измерять эффективность финтех-продукта — простыми словами

Описываем практический опыт работы с продуктовыми метриками.

Как data-driven компания, мы в Avosend принимаем продуктовые решения, основываясь на цифрах. Развитие продукта не является исключением. Продуктовых метрик у нас очень много, в статье рассказали простыми словами об основных из них. Ценность нашего материала в том, что он описывает практический опыт. Есть много теоретических ресурсов по продуктовой аналитике, но на практике ни один учебник не научит вас эффективно управлять в динамике всеми нюансами конкретного продукта. Этому учит практика.

Итак, продукт в нашем случае — это сервис быстрых денежных переводов Avosend. Продуктовая аналитика начинается у нас с "Объемов переводов" и "Количества переводов в штуках". Это базовые метрики. Их значения мало о чем говорят в рамках одного периода, но о многом говорят в динамике при сравнении показателей в одних периодах с другими. Динамика помогает увидеть:

Средний чек является производной от базовых метрик, но тоже очень важной. Отношение объемов к штукам — это и есть средний чек.

Объем покупок (переводов) в месяц / Количество переводов в месяц.

Увидеть изменения клиентского поведения наиболее просто на среднем чеке. Допустим, часть клиентов, ранее переводящих два раза в месяц средние суммы, могут перейти на сценарий отправки раз в месяц одной крупной суммы. Тогда средний чек будет расти, так как объемы останутся прежними, а штуки будут падать.

Особенности метрики

Конечно, о ценности продукта многое говорят метрики, учитывающие количество пользователей. Мы считаем количество Регистраций, Посетителей (MUV/WUV/DUV) и Активных пользователей (MAU/WAU/DAU). Под активным пользователем понимаем пользователя, совершившего активное действие, в нашем случае совершившего перевод денег. А под посетителем понимаем пользователя, совершившего любое действие в нашем сервисе на сайте или в приложении. Как и в случае с объемами переводов, такие количественные метрики имеют большую ценность в динамике. Важно отслеживать, растет наша платящая аудитория, или падает, как вместе с этим растет количество визитов и регистраций в приложении, и присутствует ли сезонность у этих показателей.

Регистрация, первое/повторное посещение, совершение активного действия — это разные отрезки пути одного и того же пользователя. Поэтому важно анализировать, как он через них проходит, как конвертируется на разных этапах взаимодействия с сервисом. Наиболее важные для нас метрики конверсий следующие:

Для измерения эффективности финтех-продукта также можно рассматривать конверсию посещения (вход в приложение или Личный кабинет на сайте) в совершение активного действия. В случае падения этой метрики полезно детальнее проанализировать воронку пользовательского пути в специализированных инструментах и посмотреть, на каком этапе происходит отток. Например, в случае с бизнесом трансграничных переводов, особое внимание нужно уделять шагу, где пользователю показывается экран с курсами переводов, потому как именно там пользователь оценивает выгодность используемого сервиса и принимает решение, совершать ли активное действие — проводить ли перевод.

Конверсия регистраций в повторный визит. Это тот же уровень удержания, о котором мы говорили ранее, но не от активных действий, а от любых. Падение метрики означает, что пользователи отказываются взаимодействовать с сервисом после регистрации. Тогда необходимо задаться вопросом о выгодности самого продукта, либо о качестве привлекаемого трафика.

В нашем бизнесе также полезно отслеживать конвертацию самого продукта из стартового состояния в успешное. То есть нужно следить за тем, чтобы наши переводы были не только самыми выгодными на рынке, но и чтобы они успешно доходили до получателя.

Также мы рассчитываем метрику Количество транзакций на одного активного пользователя. При этом наибольшую пользу мы извлекаем из неё не столько в анализе её динамики, сколько при расчете прогноза. Как и в любой компании, у которой есть бизнес-цели, мы регулярно рассчитываем прогноз выполнения нашего плана.

Для расчета прогноза метрик вроде количества переводов существуют десятки подходов, включая стандартный run rate от рабочих дней или прогнозирование с помощью ML. Но расчет прогноза MAU на основе ретро-данных строится несколько сложнее, потому что значение MAU не равно сумме значений DAU за каждый день этого же месяца. Для корректного расчета прогноза MAU/WAU для незакрытого периода мы используем такую метрику, как Количество транзакций на AU. Исходя из её значения и ретро-тренда по количеству транзакций можно сформировать прогнозные MAU/WAU до конца текущего месяца/недели.

При работе с продуктовыми метриками важно помнить, что они всего лишь описывают текущие бизнес-процессы. Любой продукт существует на рынке, и на него неминуемо оказывает влияние все, что там происходит. В отношении конкурента введены санкции? Ждите новые регистрации. Лидер рынка запустил похожее направление? Проверяйте отток у себя. Таким образом, если вы видите неожиданные значения в аналитических системах, часто объяснение можно найти в активностях другой команды или новостных сводках.