Мы 8 месяцев внедряли Exponea и 6 месяцев Mindbox. И я понял, почему малый бизнес остаётся без аналитики

Как опыт работы в крупном бизнесе привёл меня к идее сделать продуктовую аналитику доступнее для небольших компаний.

Больше 20 лет я работаю в IT. Прошёл путь от разработчика программного обеспечения до IT-директора федеральных холдингов. Запускал собственные стартапы, занимался предпринимательством вне IT, но из технологической сферы практически никогда не уходил.

Большую часть карьеры я развивал цифровые продукты, опираясь на опыт, интуицию и доступные инструменты аналитики — в том числе Яндекс Метрику. До 2022 года я просто не знал о существовании целого класса платформ для работы с клиентскими данными.

Мне казалось, что для развития продукта достаточно понимать аудиторию, следить за основными показателями и проверять собственные гипотезы.

В 2022 году я пришёл работать в холдинг с несколькими цифровыми продуктами: сайтами, мобильными приложениями и CRM. Миллиардные обороты, маркетинговые бюджеты в несколько сотен миллионов рублей ежемесячно.

Именно там я познакомился с Exponea — платформой для работы с клиентскими данными, которая впоследствии стала частью Bloomreach.

Тогда я впервые на практике увидел, насколько глубоко можно анализировать поведение клиентов и как это влияет на решения бизнеса.

И понял две вещи.

Первая: крупные компании зарабатывают не только на привлечении новых клиентов. Они стараются эффективно работать с уже привлечённой аудиторией — понимать её поведение, стимулировать повторные покупки и находить точки роста в клиентском пути.

Вторая: инструменты, которые позволяют это делать, могут быть очень дорогими и сложными во внедрении.

В нашем холдинге внедрение Exponea заняло больше восьми месяцев. Проект вёл специалист со стороны поставщика, услуги которого мы дополнительно оплачивали по ставке значительно выше рыночной.

После ухода Exponea из России мы искали альтернативу и остановились на Mindbox. Внедрение новой платформы заняло около шести месяцев.

Это мой опыт работы в конкретном крупном бизнесе, а не универсальный срок внедрения этих систем. Многое зависит от архитектуры, количества источников данных, интеграций и задач компании.

Но сам масштаб работ я запомнил хорошо.

Корпоративная аналитика — это не просто регистрация в сервисе и установка счётчика. Нужно организовать передачу данных, настроить интеграции, определить события, проверить корректность показателей и сделать так, чтобы отчёты отвечали на реальные вопросы бизнеса.

На всё это требуются время, специалисты и деньги.

Для крупной компании такие вложения могут быть оправданны. Но что делать небольшому интернет-магазину, SaaS-сервису или команде, которая развивает мобильное приложение?

Неужели им не нужны те же ответы о своих клиентах?

Представим цифровой продукт, который получает 500 000 посетителей в месяц.

Конверсия в покупку составляет 2%. Компания решает проблему на одном из этапов клиентского пути, и конверсия увеличивается до 2,2%.

Посчитаем, что это означает при прочих равных условиях:

При среднем чеке 5 000 рублей это потенциально 5 млн рублей дополнительной выручки в месяц.

Это условный пример, а не результат конкретного проекта. Он не учитывает себестоимость, возвраты, скидки и другие факторы, которые влияют на прибыль.

Но он показывает, почему крупный бизнес так внимательно относится к небольшим изменениям метрик. При большом объёме продаж даже десятые доли процента могут иметь серьёзное финансовое значение.

И дело не только в конверсии.

Важно понимать, какие клиенты возвращаются, кто совершает повторные покупки, на каком этапе пользователи перестают взаимодействовать с продуктом и какие изменения действительно влияют на результат.

Можно постоянно увеличивать расходы на привлечение новой аудитории. Но иногда выгоднее разобраться, почему уже привлечённые люди не покупают повторно или перестают пользоваться продуктом.

Для этого недостаточно знать только количество посетителей и итоговую выручку. Нужно понимать, что происходит между этими двумя точками.

Для федерального холдинга с большими оборотами затраты на внедрение аналитической платформы могут быть оправданны.

Для небольшой компании всё иначе.

Представим владельца интернет-магазина или основателя SaaS-сервиса. Ему нужно развивать продукт, привлекать клиентов, контролировать расходы и поддерживать команду. Выделить несколько месяцев и существенный бюджет только на внедрение аналитики бывает непросто.

В результате бизнес продолжает работать с тем, что уже есть, даже если существующих инструментов недостаточно.

При этом вопросы у компаний разного масштаба часто одинаковые:

Ответы на эти вопросы помогают принимать решения не только на основе ощущений. Но для этого нужны инструменты, которые связывают действия пользователей между собой и позволяют анализировать их поведение.

Именно этот разрыв я захотел сократить.

У меня был более чем двадцатилетний опыт в IT: разработка программного обеспечения, управление технологическими направлениями, запуск собственных проектов и работа с цифровыми продуктами в крупном бизнесе.

Я знал, как команды развивают продукты на основе опыта и интуиции. И видел, что меняется, когда у бизнеса появляются инструменты для глубокого анализа поведения клиентов.

Мне захотелось создать сервис, который сделает такой подход доступнее для небольших цифровых компаний.

Так появилась идея InstantBase — платформы продуктовой аналитики для интернет-магазинов, SaaS-команд, мобильных приложений и других цифровых продуктов.

С самого начала у меня было две основные задачи.

Первая — сократить время от подключения до первых данных.

Я не хотел, чтобы компания проходила многомесячный проект, прежде чем увидит первые результаты.

В InstantBase первое событие можно отправить за пару минут и сразу увидеть его влияние на соответствующие метрики. Полная интеграция обычно занимает 1–3 часа — в зависимости от технологического стека и компетенций разработчиков.

Это не означает, что любой сложный цифровой продукт можно полностью интегрировать за несколько минут. Речь о том, что начать получать первые данные можно практически сразу, а подключение остальных событий и источников расширять постепенно.

Вторая — снизить стоимость входа.

Я хотел, чтобы для работы с данными не требовался бюджет, сопоставимый с бюджетами крупных компаний.

Сейчас стоимость InstantBase начинается от 4 890 рублей в месяц. Все тарифы включают полный функционал платформы. Они отличаются лимитом событий в месяц и сроком хранения данных.

Перед покупкой можно воспользоваться семидневным триалом с полным функционалом. Если заполнить данные компании, указать телефон и Telegram, пробный период можно увеличить до 16 дней.

Для меня было важно не просто сделать более дешёвый вариант корпоративного инструмента, убрав из него полезные возможности. Идея в другом: дать небольшим командам возможность работать с данными без многомесячного внедрения и неподъёмного для них бюджета.

Продуктовую аналитику легко усложнить терминами: события, воронки, когорты, удержание. Но я предпочитаю начинать с вопросов, которые возникают у бизнеса.

Интернет-магазин получает трафик. Люди просматривают товары, добавляют их в корзину, но не все оформляют заказ.

Общая статистика показывает количество посетителей и выручку. Однако она не всегда объясняет, где именно возникают проблемы.

Можно построить воронку:

Посещение → Просмотр товара → Добавление в корзину → Оформление заказа.

Воронка покажет, на каком этапе заметно сокращается число пользователей. Это ещё не готовый ответ на вопрос, почему люди уходят, но уже конкретное направление для проверки гипотез.

Представим две рекламные кампании.

Первая привела 1 000 посетителей, из которых купили 10 человек. Конверсия — 1%.

Вторая привела 600 посетителей, но покупателями стали 30 человек. Конверсия — 5%.

Если оценивать кампании только по посещаемости, первая выглядит успешнее. Если смотреть на конверсию в покупку, картина меняется.

В InstantBase есть раздел «Трафик», где можно анализировать источники посещений, UTM-метки и переход от посещения к целевым действиям. Это помогает оценивать рекламу не только по кликам, но и по дальнейшему поведению привлечённых пользователей.

При этом конверсия — не единственный критерий эффективности. Для окончательного решения нужно учитывать стоимость привлечения, маржинальность и повторные покупки.

Для интернет-магазина повторные покупки могут составлять значительную часть выручки. Для SaaS-сервиса удержание пользователей влияет на то, как долго они продолжают пользоваться продуктом и платить за него.

Можно каждый месяц привлекать новых пользователей, но если старые быстро уходят, рост становится дорогим и неустойчивым.

Анализ удержания помогает увидеть, какая доля пользователей возвращается через определённое время, и сравнить группы клиентов, пришедших в разные периоды.

Команда упростила регистрацию или изменила первый экран приложения. Кажется логичным ожидать, что пользователи будут чаще доходить до первого полезного действия.

Но это пока гипотеза.

Чтобы оценить результат, нужно зафиксировать исходные показатели, внести изменение и посмотреть, как изменилось поведение пользователей.

Аналитика не гарантирует, что гипотеза окажется правильной. Она помогает проверить предположение на данных, а не ограничиваться впечатлением команды.

Я не считаю, что каждому бизнесу необходимо немедленно внедрять сложную систему аналитики. И не думаю, что цифры способны заменить предпринимательский опыт.

Интуиция помогает выдвигать гипотезы. Опыт помогает понимать контекст и выбирать направление. Данные позволяют проверить, насколько наши предположения соответствуют реальному поведению клиентов.

Проблема возникает, когда у команды нет возможности проверить свои решения и она вынуждена снова и снова полагаться только на ощущения.

За годы работы в IT я видел разные масштабы бизнеса и разные подходы к развитию продуктов. И пришёл к выводу: доступ к аналитике не должен определяться только размером компании и её бюджетом.

Крупные организации могут позволить себе дорогие платформы, отдельные команды и длительные проекты внедрения. Небольшим цифровым бизнесам нужны более простые способы получать ответы на те же практические вопросы: где теряются покупатели, что влияет на конверсию, почему клиенты не возвращаются и какие изменения действительно работают.

Именно для этого мы развиваем InstantBase.

Это не обещание автоматически увеличить продажи и не попытка заменить все существующие корпоративные платформы. Моя задача проще: сократить путь от вопроса о поведении клиентов до данных, которые помогают на него ответить.

Дальше я планирую рассказывать о развитии InstantBase, решениях, которые принимаю как владелец продукта и предприниматель, и о том, как применять аналитику в повседневной работе с цифровыми продуктами.

Также продолжаю писать и в Telegram-канале «Данные, которые работают» — там разбираю метрики, делюсь наблюдениями и рассказываю о развитии проекта.

Сайт проекта: https://instantbase.online/

А теперь вопрос к тем, кто развивает собственный бизнес или цифровой продукт.

Если бы вы могли получить точный ответ на один вопрос о своих клиентах, что бы вы спросили?

Почему люди не покупают? Какая реклама действительно окупается? Почему клиенты не возвращаются? Или что-то другое?