Развитие стохастических продуктов

Не все классические метрики и инструменты одинаково полезны для каждого продукта. Retention, churn, DAU/MAU и пр. — это всё замечательно, если у тебя продукт по духу близок к FAANG-истории. Всё взаимодействие, ключевая ценность находится в рамках продукта, а контакт с пользователем регулярный и прогнозируемый. Но бывает и так, что ключевой пользовательский опыт происходит в офлайне, продуктом могут пользоваться раз в несколько лет. Мы не можем повлиять на возникновение потребности у конкретного пользователя. Что выбрать в качестве показателя успеха? На что смотреть, если Retention, оттоки и активации не работают или их не удается жёстко связать с изменениями?

Меня зовут Никита Аленчиков, я менеджер продукта в компании Домклик. Занимаюсь запуском продукта с особенностями, описанными выше (до официального релиза не могу раскрыть), и столкнулся с тем, что в Рунете особо не обсуждают подобные сценарии, а литература описывает «классику». Стал изучать вопрос в англоязычном сегменте сети, и хочу поделиться с вами.

Такие продукты называют «Infrequent», что можно перевести как «нечастый», «низкочастотный», «редкий», и предлагаю для удобства остановиться на последнем варианте.

Редкие — это продукты, в которых пользовательские транзакции происходят реже одного раза в три месяца. Еще одна особенность таких продуктов в том, что ключевой пользовательский опыт зачастую лежит за пределами ИТ. Например, путешествие лежит за пределами приобретения тура или билетов на агрегаторе, и этот процесс они обычно не контролируют и не управляют им. Забегая вперёд, скажу, что Airbnb смогли отойти от клише агрегатора или маркетплейса и сильно продвинулись и в степени вовлечения Пользователя, и в самобытности продукта.

Но я хотел бы разобрать подвид редких продуктов — стохастические продукты.

Потребности в подобных продуктах у конкретных пользователей возникают непредсказуемо для нас. Например, собеседование — важная составляющая поиска работы — лежит за пределами портала HH.ru, поэтому мы также не можем спрогнозировать спрос у конкретного пользователя и не можем напрямую повлиять на транзакцию. Каким бы замечательным ни был наш продукт, как бы мы ни продвигали его, пользователь может проявить интерес только в узком окне смены места работы.

Двигаясь вправо по графику, продукты становятся всё сложнее для управления, вы не можете знать конечный результат, поскольку основной пользовательский опыт происходит за рамками продукта. А поднимаясь наверх мы попадаем в область стохастических продуктов и не можем предсказать возникновение потребности.

В статье "ICED Theory — Growing Infrequent Products" на reforge.com Вивек Кумар размышляет на тему управления редкими продуктами:

Для проверки этого утверждения возьмем, к примеру, показатель «Удержание» (retention rate). Для «частых» продуктов (предлагаю остановиться на этом термине, как противоположности редким продуктам), таких как Netflix и пр., нормальным, или даже хорошим показателем оттока (churn rate) является 2–5% ежемесячно. Годовой отток рассчитывается по формуле: годовой отток = 1 — (1 — месячный отток) ^ 12. При ежемесячном оттоке в 2% мы получаем годовой отток = 1- (1–0,02) ^ 12 = 21% . Из формулы видно, что при увеличении ежемесячного оттока годовой увеличивается нелинейно. Если churn равен 20% , то это уже даёт 93% годового оттока. Это значит, что каждый год пользователи практически полностью обновляются, а если мы говорим о ещё большем показателе, то несколько раз за год. И тут нужно вспомнить о стоимости лида, который может обвалить всю юнит-экономику. Более того, чем лучше стохастический продукт, тем хуже будет показатель «Удержание»: продукт для поиска работы в абсолюте должен предложить новую, идеально подходящую вакансию в момент возникновения у соискателя желания сменить работу. В таком случае отток у нас будет 100% после первого контакта, при этом пользователь получит идеальный сервис.

В этой же статье Кумар рассказывает о теории ICED, которая направлена на решение проблем редких продуктов. Она выделяет следующие параметры редкого продукта:

На мой взгляд, эта теория в наибольшей степени подходит для управления стохастическими ИТ-продуктами как частным случаем редких продуктов. Давайте её рассмотрим.

Проблема редкого продукта в том, что со временем пользователи о нём забывают. Даже если от продукта были хорошие впечатления, то со временем они тоже забываются. В итоге, когда в следующий раз у пользователя возникает потребность, то мы оказываемся в равных условиях с конкурентами и вынуждены заново завоевывать его сердце. Это, конечно же, сказывается и на стоимости привлечения, и на монетизации.

Также различаются и каналы привлечения пользователей. Чем высокочасточнее продукт и ниже стоимость транзакции, тем больше вы можете полагаться на SEO-продвижение, подход применим к подписочным стриминговым сервисам. Когда мы имеем дело с редким стохастическим продуктом, продвижение через «поисковик» становится малоэффективным, приходится использовать дорогие каналы привлечения. Продвижение через рассылки, пуши и пр. также неэффективно, мала вероятность попасть в узкий коридор потребности. Подобные лиды обходятся очень недёшево.

Чтобы предоставить пользователю сервис на высочайшем уровне, цепочка формирования ценности должна быть полностью под нашим управлением. Непрерывное взаимодействие повышает шансы удовлетворения потребностей пользователей, что, в свою очередь, приведет к лучшему удержанию и увеличению монетизации.

Однако как удовлетворить потребность пользователя в рамках продукта, если ключевое взаимодействие лежит за его пределами? Ниже приведу несколько примеров.

На сайте Домклика вы можете найти множество объявлений о продаже жилья, выбрать подходящие варианты по своим критериям, выйти на продавца, оформить сделку. Но ключевой опыт — личный осмотр квартиры, района, знакомство с потенциальными соседями и пр. — лежит за рамками продукта. Невозможность управлять этим опытом усложняет повышение лояльности пользователя.

В редких продуктах высокая вовлечённость обеспечивает лояльность пользователей, удержание. Вовлечённость включает в себя три момента:

Разберём их по отдельности.

Во время транзакции сложность влияет на качество взаимодействия с клиентом. В книге «Всегда ваш пользователь: как добиться лояльности, решая проблемы пользователей за один шаг» авторы Мэтью Диксон и Ник Тома утверждают, что уменьшение «усилия» может увеличить лояльность. Другими словами, сокращение приложенных усилий сократит отток. Но, как правило, чем выше редкость продукта, тем выше сложность, а также требуется большее вовлечение Пользователя. В качестве примера можно привести такие продукты, как недвижимость. Они очень сложны с организационной точки зрения, требуют большого усилия и личного вовлечения. Домклик очень далеко продвинулся в снижении транзакционных издержек для Пользователя, сейчас у нас можно воспользоваться услугами по ведению сделок и снять с себя всю бюрократию.

Также стоит учитывать количество точек и степень соприкосновения. Отзывы пользователей на Tripadvisor или tophotels.ru служат примером продукта с однократным касанием. Принимая решения о поездке, пользователи читают отзывы об отелях и делают выбор. После принятия окончательного решения человек не возвращается к продукту до следующего отпуска.

С другой стороны, продукт 2GIS характеризуется множественными точками соприкосновения. Каждый раз, когда пользователю нужно куда-то добраться, почитать отзывы, посмотреть какое-либо место на карте и пр. в своей повседневной жизни, он открывает приложение.

Третий аспект взаимодействия касается того, насколько можно спрогнозировать удержание пользователей. Спектр редких продуктов варьируется от продуктов с предсказуемым удержанием до тех, у которых оно полностью непредсказуемо. Например, на одном конце спектра находятся такие продукты, как «Ипотека», где сложно предсказать, когда кто-то будет приобретать недвижимость. А на другом конце спектра — личный кабинет физического лица nalog.ru, который используют ежегодно и в одни и те же периоды. Для таких продуктов легко прогнозировать и измерять удержание пользователей.

В редких продуктах образ, запечатлённый в голове пользователя, увеличивает вероятность возврата человека и повторной покупки. На одном конце спектра стоит такой самобытный продукт, как Airbnb, а на другом конце — безликий продукт, например, агрегатор билетов Aviasales. Уникальность предложения Airbnb приводит к тому, что бренд пользуется большим успехом среди постоянных и новых пользователей, прямой трафик около 70% . С другой стороны, неотличимые продукты, как Aviasales, в первую очередь полагаются на агрессивную рекламу, поисковые системы и платный трафик. Неспособность пользователя отличить один агрегатор билетов от другого в конечном итоге затрудняет привлечение.

«I» в теории ICED — это управление частотой использования ради сокращения разрывов между взаимодействиями с пользователем и создания привычки.

Недостаток редкого продукта заключается в том, люди начинают забывать о впечатлениях после длительного перерыва в использовании продукта. Ниже на графике я отобразил зависимость впечатлений о продукте от времени для частого, редкого и продукта со средней частотой. И сделаем допущение, что впечатление о продукте каждый раз положительное. Для того, чтобы поддерживать «впечатления» на высоком уровне, нам необходимо регулярно напоминать о себе.

Стратегия, позволяющая увеличить частотность редкого продукта, хорошо иллюстрируется агрегатором вакансий HH.ru. Для привлечения пользователей на сайт и напоминания о своём бренде портал регулярно публикует статьи и аналитику, в том числе и о зарплатах на рынке.

Также среди порталов для поиска работы можно найти ещё один пример — LinkedIn, который из агрегатора вакансий трансформировался в социальную сеть и довёл частоту использования со стохастической до ежедневной. LinkedIn сменой модели бизнеса кроме повышения частотности добился также и прогнозируемости транзакций. Далее рассмотрим прикладной инструмент — матрицу влияния.

Потребности в стохастических продуктах у конкретных пользователей возникают непредсказуемо для нас, но было бы замечательно иметь возможность узнать заранее о времени транзакции и повлиять на покупку. Например, очень сложно предсказать, когда кто-то сменит работу, пойдёт на свидание и купит недвижимость. Точно также трудно повлиять на кого-то, кто в данный момент не ищет работу, встречи или недвижимость.

Рассмотрим матрицу влияния. Наша задача состоит в том, чтобы понять в какой зоне матрицы сейчас находится продукт, и найти способы перейти в зону 1 или 2. Другими словами, переход к полям справа увеличивает возможность повлиять на транзакцию, а переход вниз позволяет предсказывать время возникновения транзакции.

LinkedIn — агрегатор вакансий, который смог трансформироваться из приложения для поиска работы (зона 4) в социальную сеть (зона 1). Социальная сеть, где контент создаётся пользователями, предсказуема в использовании (ежедневно/еженедельно) и обладает инструментами «контроля» за поведением пользователя. У LinkedIn есть возможность «стимулировать» интерес и, как следствие, совершение транзакции с помощью уведомления о новых постах друзей, событиях и потенциальных знакомых, а также многого другого, что заставляет вернуться в онлайн к продукту.

Для всех продуктов было бы идеально оказаться в первой зоне, но не для всех это в принципе возможно. Например, приложения для знакомств ограничены в возможностях увеличения частотности. Об этом бизнесе с точки зрения редких продуктов поразмышлял Эндрю Чен в статье Why investors don’t fund dating:

Разве что скорректировать модель бизнеса в сторону случайных знакомств, как и поступили в Match Group (корпорация со множеством классических сервисов для знакомств), запустив внутренний стартап Tinder. Кроме того, что сам вход в продукт и взаимодействие максимально упрощены, так они ещё провели правильное позиционирование. Исси Лаповски, старший автор WIRED, пишет:

То есть они увеличили воронку путем расширения временного окна, и теперь приложением пользуются не только когда «в поиске».

Вот пример разрыва между транзакциями: на рынке недвижимости большинство пользователей совершают сделки один, два или три раза в жизни. Рассмотрим продукт Zestimate от Zillow и его роль в вопросе уменьшения разрыва. Zestimate — это продукт для автоматизированной оценки стоимости недвижимости. Мы сейчас не будем рассматривать причины провала продукта, который обошелся компании в 500 млн. долларов, подробнее вы можете изучить эту тему в хорошей статье Алексея Гальцева на incrussia.ru.

Через Zestimate клиентам Zillow ежеквартально присылают оценочную стоимость их имущества, чем напоминают о бренде Zillow и могут побудить к совершению сделки.

Zestimate, кроме увеличения частотности, увеличивает и степень контроля, рассмотрим это далее.

Сложно развивать продукт, не видя полной картины пользовательского опыта, ещё сложнее — развивать не управляя опытом. В своей статье Гилрад Хори рассуждает о последовательности бизнес-моделей и переходе от SaaS к вертикально-интегрированной структуре. Преимущество перехода к тотальному контролю пользовательского опыта заключается в том, что ценность возрастает в геометрической прогрессии.

Zillow вышел на хорошо управляемый рынок trade-in (выкупа и перепродажи недвижимости), и это стало переломным моментом для компании. Они смогли увеличить доход и даже выйти в прибыль несмотря на ситуацию с Covid.

С помощью продукта Zestimate, используя «мгновенные предложения» по выкупу недвижимости, Zillow максимально приближается к сделке, о чём пишет аналитик рынка недвижимости Майк ДельПрит в статье Стратегический сдвиг Zillow:

В контексте вектора «С» в теории ICED мы видим, что Zillow не просто соединяет продавца и покупателя, а сам является актором, что значительно увеличивает управляемость.

Не могу не упомянуть, что Домклик также запустил сервис trade-in, где можно быстро продать свою квартиру по рыночной цене и, при необходимости, сразу же купить новую.

Переход к продукту с жёстким контролем пользовательского опыта затрудняют особенности редких продуктов, а именно «редкость» и тот факт, что ключевой опыт происходит за рамками продукта. Необходимо найти способы замкнуть цикл пользовательского опыта. Это может улучшить впечатления пользователей и повысить качество продукта.

Давайте разберём, как это происходит, на примере продукта LinkedIn. Поступает сигнал от пользователя о желании сменить работу. LinkedIn может сопоставить этот сигнал с текущим местом работы, опытом пользователя и пулом открытых вакансий. Информация в профиле пользователя является очень важной составляющей для повышения качества подборки вакансий для него. Это то, что даёт LinkedIn конкурентное преимущество перед классическими агрегаторами вакансий.

Ключевое отличие от классического портала вакансий в контексте «С» заключается в том, что после того, как пользователь сменил работу, он также обновляет свой профиль (это же социальная сеть, нужно всем объявить), и LinkedIn уже готов к следующему циклу; он видит поведение пользователя и предлагает ему новые вакансии. А HH.ru увидит пользователя и узнает, что изменилось с момента последнего поиска работы, только тогда, когда пользователь уже сформирует потребность и придёт к ним.

Доверие является ключевым компонентом, когда речь идёт о сложном продукте или когда у пользователя возникает высокая степень эмоциональной вовлечённости. Отпуск — хороший способ сформировать приятные воспоминания вместе с семьёй. До появления Airbnb «доверие» было важным фактором, влияющим на качество отдыха. Бренды отелей олицетворяли комфорт и роскошь. Airbnb, по сути, коммодитизировал вектор доверия и сформировал другие векторы, которые повысили качество отдыха.

По словам Бена Томпсона в статье «Airbnb and the Internet Revolution»:

И если отпуск удался, то очень вероятно, что пользователи воспользуются Airbnb в следующий раз.

Чем выше сложность, тем больше усилий прилагает пользователь и тем выше его вовлечение в процесс транзакции. Что мы можем тут сделать? Нейтрализовать или снизить влияние факторов, истощающих эмоциональную энергию. «Психический скоринг» (Psych Score) от Darius Contractor — это полезный подход для снижения транзакционных издержек в сложном процессе принятия решения.

В то время как доверие является ключевым фактором, для очень сложных продуктов решающее значение имеет безопасность. Учитывая степень эмоциональной вовлечённости, человеку нужна подстраховка, на которую можно рассчитывать, когда что-то пойдёт не так.

Рассмотрим на примере бренда Peloton — это хороший пример трансформации фитнес-индустрии, «Netflix в мире фитнеса». Оборудование для фитнеса — это разовая покупка, которую Peloton превратила в постоянное взаимодействие с пользователем. Благодаря этому у продукта полный контроль над пользовательским опытом, что увеличивает шансы повторной покупки. Это доказывает рост доходов Peloton в результате увеличения количества тренировок. За последний год квартальная выручка Peloton выросла на 102,97% , с 466,3 млн долларов до 1,06 млрд долларов. В среднем один подписчик Peloton выполняет 21,1 тренировки в месяц, это на 67,46% больше, чем год назад, когда пользователи в среднем провели 11,7 ежемесячных занятия. Вовлечённость подписчиков в тренировки Peloton выросла в 3,39 раза за последние четыре финансовых года (первый квартал 2017 года — первый квартал 2021 года). Ниже приведены графики из https://backlinko.com/peloton-users).

Но у этого есть и обратная сторона. После того, как в новом эпизоде сериала «Секс в большом городе» один из главных героев умер после занятий на беговой дорожке этой компании, бумаги Peloton упали. Анастасия Скрынникова, Forbes:

Это событие говорит о том, что из-за высокой вовлечённости пользователи болезненно реагируют на подобные, пусть и вымышленные ситуации, проецируя их на себя.

Инвестирование в вовлечение после первой покупки — это эффективная стратегия перехода к постоянному взаимодействию с продуктом для повышения степени вовлечённости (E). Таким образом, для управления вектором «E» в теории ICED решающее значение имеют доверие, удержание Пользователей.

Книга «Сила моментов» Дэна и Чипа Хизов даёт представление о важности пиковых моментов на пути к покупке. Когда мы едем кататься на американских горках, впечатления — это не среднее значение всех событий. Воспоминания формируются из пиковых моментов: поездка, от которой у вас снесло крышу — это то, что вы будете помнить через несколько дней, месяцев или даже лет. Пиковые моменты имеют решающее значение для повышения узнаваемости бренда и его самобытности.

В качестве примера можно привести получение ипотеки в Домклике. Сейчас между изъявленным желанием клиента и получением одобрения не проходит и пары часов. Мне его дали за одну минуту! Что, несомненно, создаёт вау-эффект, ведь весь наш прошлый опыт говорит о том, что ипотека — это долгий и сложный процесс с кучей анкет.

Рассмотрим теорию Пола Чоудхари о представлении архитектуры продукта / платформы на трех уровнях: сообщество, инфраструктура и данные (подробнее в книге "Platform Revolution: How Networked Markets Are Transforming the Economy and How to Make Them Work for You").

Уровень сообщества (социальный): это сообщества, которые существуют как часть различных продуктов и подпитываются сетевым эффектом. Яндекс.Кью — хороший пример сообщества, где пользователи помогают друг другу вопросами и ответами.

Уровень инфраструктуры (технический/технологический): это инструменты, с помощью которых пользователи сами строят взаимодействия и создают контент. Например, люди сами создают контент на YouTube.

Уровень данных (информационный): базовый уровень. Каждый продукт или платформа каким-то образом использует данные, но в некоторых случаях данные могут играть доминирующую роль. В большинстве случаев данные служат для обеспечения релевантности, соотнося наиболее релевантный контент, товар или услугу с нужными пользователями, но в некоторых продуктах или платформах ценность формируется исключительно на уровне данных. Яркий пример — это Яндекс.Пробки, когда информация о движении собирается с каждого пользователя и агрегируется.

Применение инструмента «Исключить / Уменьшить / Увеличить / Создать» может помочь определить вашу стратегию в отношении стека продукта/платформы. В случае Avito и Airbnb последний эффективно собрал данные о пользователях для обеспечения доверия и лучшего понимания пользователей в целях качественного обслуживания. Также Airbnb использовал сетевой эффект маркетплейса и социальной сети, чтобы увеличить количество транзакций.

Чтобы усилить контроль, необходимо перенастроить стек продукта. Перенастроенный стек продукта в Airbnb характеризуется увеличением уровня нетворка/маркетплейса/сообщества и созданием уровня данных.

В своей статье Бен Томпсон подробно описывает закон сохранения привлекательной прибыли, впервые объяснённый Клейтоном Кристенсеном в книге «Решение новатора» 2003 года. Netflix — это не столько стриминговая сеть, сколько тип маркетплейса, на котором потребители сами выбирают контент. Получается, что Netflix близок к компаниями, которые трансформировали свою отрасль — Uber и Airbnb.

Netflix:

Эти три пункта работают вместе и создают ценность благодаря Закону сохранения привлекательной прибыли. Ниже приведены выдержки из статьи Клейтона Кристенсена в Harvard Business Review:

Редкими, а тем более стохастическими продуктами трудно управлять, в этом мы разобрались. Учитывая уникальную задачу удержания пользователей управление по теории ICED может помочь в развитии редких продуктов.

Мы должны переместиться вправо в каждом из четырех измерений ICED, это непросто, но даёт ряд положительных эффектов:

Я вижу большой потенциал применения этой теории в работе с редкими и стохастическими продуктами. В ICED нет ничего фундаментально нового, но этот подход помог мне систематизировать инструменты и мотивировать их применение, которое до этого было в некоторых случаях интуитивным.

Перечень инструментов для продвижения по векторам, приведённый в этой статье, далеко не исчерпывающий. Присылайте ваши идеи по «продвижению вправо», делитесь опытом, а я, в свою очередь, постараюсь всё это собрать, осмыслить и поделиться с сообществом.

#управлениепродуктом #стохастическиепродукты #редкиепродукты #стохастические