Глава 6: Метрики и аналитика1
Предыдущие статьи:
Основы метрик
Какие инструменты использовать?
Список инструментов неполный. Тут перечислено только то, что мне приходилось использовать в работе. Плюс упор делается на пользу для продакт-менеджера, а не в целом для индустрии.
Системы веб-аналитики
Яндекс Метрика — на мой взгляд, на российском рынке это ключевой и обязательный инструмент для базовой аналитики вашего продукта в вебе. Достаточно добавить код счётчика — и у вас в руках вся ключевая аналитика продукта «из коробки»: источники трафика; поведенческие метрики; записи сессий; карта кликов; пол, возраст и география пользователей. И всё это без какой-либо дополнительной настройки. Если в команде нет аналитика, то это вообще must-have.
Google Analytics 4 — злобный брат-близнец Метрики. Инструмент мощный, но пользоваться им больно. За рубежом остаётся базовым инструментом для понимания поведения пользователей. Рекомендую подключить счётчик и использовать для «сверки часов», периодически поглядывая, что GA тебе показывает. В Google Аналитике удобно строить воронки и считать конверсии, так как все данные строятся от уников, а не визитов, как в Метрике.
BI и визуализация данных
Системы веб-аналитики хоть и настроены «из коробки», но они собирают не весь набор данных. Да и не всё хочется им передавать, так как данные о продукте будут храниться не на ваших серверах, а у Яндекса или Google. Тут на помощь придут BI-системы, позволяющие объединять в одной системе данные из разных источников, в том числе и из веб-аналитики. В таких инструментах в одном отчёте могут быть и метрики продукта, и данные из биллинга, и даже сведения о сотрудниках. Вообще всё, что только потребуется для аналитики бизнеса. Большой плюс — это полный доступ к данным и широкая кастомизация визуализации.
Tableau — для глубокой аналитики и красивых дашбордов. Если у тебя есть аналитик, это мощнейший инструмент для исследования и визуализации данных. Стандарт в иностранных компаниях.
Power BI — более доступная альтернатива от Microsoft. Хорошо интегрируется с экосистемой Office и Azure. На данный момент используется только настоящими олдами бизнес-аналитики.
Redash — селф-хост система визуализации данных с открытым исходным кодом. На мой взгляд, на этом плюсы закончены. Инструмент стал очень актуальным и популярным в последние годы, но сам по себе он очень тормозной и с рядом ограничений — и по количеству данных, и по возможностям их вывода. Например, воронки там визуализировать «из коробки» нельзя.
DataLens — BI-система от Яндекса. Очень простая, но довольно функциональная. Тут тоже хватает ограничений для визуализации, но их меньше, чем у Redash. Отчёты красивые, грузятся быстро.
Looker (теперь часть Google Cloud) — отличается своим подходом к моделированию данных. Технологичный, мощный и быстрый инструмент. Но, увы, официально в России недоступен.
Специализированные инструменты
Список того, что скорее всего тебе не понадобится, но будет полезно знать, что оно существует.
ClickHouse — тоже инструмент из стандартного набора для аналитики продукта на российском рынке. Пользуются ли за рубежом — не знаю. Но в наших краях встречается в каждой второй компании. Используется для сбора и хранения «сырых» данных по продукту. Туда за данными ходить только со знанием SQL, потому что хранение табличное, без визуализации.
AppMetrica — если коротко, это как Яндекс.Метрика, но для нативных приложений.
Grafana — визуализация технических данных о работе продукта: скорость загрузки и время ответа сервера, ошибки по работе микросервисов и т. д. Место обитания DevOps- и backend-инженеров.
OpenTelemetry — инструмент для записи и визуализации трейсов (путей запросов). Классная вещь для отслеживания взаимодействия микросервисов друг с другом. Обычно используется для отладки. Инструмент сугубо технический.
Как выбирать ключевые метрики для продукта?
Начни с North Star Metric
Каждому продукту нужна одна главная метрика — North Star (буквально — Полярная звезда, которая используется как ориентир для нахождения севера без компаса). Она должна отражать ценность, которую продукт приносит пользователям. Например, для Spotify это время прослушивания, для Slack — количество отправленных сообщений, а для Telegram — количество активных пользователей за период (например, MAU — активные пользователи за месяц).
Критерии хорошей North Star метрики:
Отражает создаваемую пользователю ценность;
Коррелирует с бизнес-результатами;
Может быть улучшена всеми командами, работающими над продуктом;
Измерима и понятна всем.
Используй пирамиду метрик
Представь набор метрик как пирамиду:
Верхний уровень (North Star) — одна главная метрика, её обсудили выше;
Средний уровень (Primary) — 3–5 ключевых метрик, влияющих на North Star;
Базовый уровень (Secondary) — детализированные метрики для конкретных функций продукта.
Например, для маркетплейсов:
North Star: выручка на пользователя (Average Revenue per User, она же ARPU);
Primary: конверсия в покупку, количество заказов на пользователя, Retention (удержание);
Secondary: процент «брошенных корзин», скорость загрузки страниц, время ответа поддержки.
Применяй фреймворк HEART от Google:
В скобках указаны примеры метрик.
Happiness — удовлетворённость пользователей (NPS, уровень удовлетворённости);
Engagement — вовлечённость (DAU/MAU, длительность сессии);
Adoption — принятие новых функций (feature adoption rate — процент использования какой-либо фичи в продукте);
Retention — удержание (retention, процент оттока);
Task Success — успешность выполнения задач (Time to Market — скорость доставки до пользователей; количество багов в продукте).
Для каждой категории выбери 1-2 метрики, наиболее релевантные твоему продукту. Подробнее.
Баланс между leading и lagging индикаторами
Lagging (буквально — лагающие) метрики показывают результат (выручка, отток — churn rate). Они важны для понимания итогов, но картина по ним ясна не сразу, с задержкой.
Leading (ключевые) метрики предсказывают будущие результаты (активировали пробный период, платящие пользователи, ядро аудитории). Они помогают принимать проактивные решения здесь и сейчас.
Идеальный набор метрик включает оба типа. Например, если ты видишь падение вовлечения (engagement — leading-метрика), можешь предугадать будущий рост оттока (churn — lagging-метрика).
Какие источники данных использовать?
Для более полной аналитики и правильных выводов использовать нужно несколько источников сразу. Какие источники бывают:
Встроенная аналитика продукта (события, логи, платежи);
CRM и биллинг (чтобы видеть реальные транзакции и поведение клиентов);
Поддержка и обратная связь — тикеты, комментарии, соцсети. Иногда данные о качестве (они же — фидбек пользователей) важнее цифр;
Маркетинговые каналы — рекламные кабинеты, UTM-метки, трекинг кампаний;
A/B-тесты — источник причинно-следственных связей, а не просто корреляций.
Какие метрики «лежат» в этих источниках:
Платёжка и биллинг: выручка (Revenue), ARPU/ARPPU, возвраты, налоги, комиссии;
Маркетинг/атрибуция: каналы, CAC (стоимость привлечения), payback (возвраты средств), ROAS (возвращаемость рекламных затрат), доля органического трафика;
CRM/саппорт: количество обращений, причины оттока, сегменты клиентов, SLA (уровень обслуживания);
Качественные источники: интервью, дневниковые исследования, in-product опросы (NPS — индекс лояльности к бренду, CES — индекс усилий);
Наблюдаемость/логирование: производительность, ресурсоёмкость, стабильность;
Открытые источники/бенчмарки: отчёты рынка, анализ отзывов на приложение, общение с комьюнити.
Правило 70/20/10: 70% решений — на поведенческих данных, 20% — на качественных инсайтах, 10% — на рыночных референсах — позволит держать идеальный баланс контекста для принятия решений.
Количественные источники
Продуктовая аналитика — основной источник поведенческих данных. События, воронки, когорты — всё, что нужно для понимания того, как пользователи взаимодействуют с продуктом;
Финансовые системы — для бизнес-метрик. CRM, биллинговые системы, accounting software. Здесь живут данные о revenue, LTV, CAC;
Технические логи — для метрик производительности и надёжности. Server logs, error tracking systems, performance monitoring;
Внешние источники — рыночная аналитика, конкурентная разведка, макроэкономические показатели. Помогают понимать контекст.
Качественные источники
Пользовательские интервью — золотая шахта инсайтов. Регулярные интервью с пользователями дают контекст к цифрам. Рекомендую проводить минимум 5 интервью в месяц;
Данные из поддержки — тикеты, логи чатов, FAQ. Здесь видны реальные проблемы пользователей;
Отдел продаж — они на передовой, знают возражения клиентов и причины отказов;
Записи визитов пользователей — наблюдение за тем, как пользователи взаимодействуют с продуктом в реальном времени.
Интеграция источников данных
Самая большая проблема не в недостатке данных, а в их разрозненности. У тебя обязательно должен быть единый источник правды, объединяющий разные источники в одном месте — главный дашборд/отчёт по продукту, который ты можешь смотреть каждый день.
Как выбирать метрики для новых функций?
Определи гипотезу — чего мы хотим достичь? (например, увеличить удержание на 7‑й день);
Выбери ключевую метрику — ту, по которой будет приниматься решение о релизе;
Добавь связанные метрики продукта — чтобы новая функция не ухудшила другие важные показатели;
Определи срок — установи, когда функция должна показать эффект (неделя, месяц и т. д.).
Протестируй измеримость — часто при релизе метрики оказываются не привязаны к событиям, и ты получаешь «чёрную дыру» в аналитике.
Определи цель функции
Перед запуском новой функции чётко сформулируй, какую проблему она решает. Это определит тип метрик:
Экономят время — измеряй время выполнения сценария, конверсию в последний шаг воронки;
Увеличивают использование — adoption rate, частота использования;
Приносят доход — конверсия в оплату, ARPU;
Удерживают пользователей — retention, churn impact.
Используй трёхуровневую систему метрик
Level 1: Внедрение
Сколько пользователей обнаружили функцию;
Сколько попробовали использовать;
Сколько смогли успешно завершить первое использование.
Level 2: Вовлечение
Daily/Weekly Active Users;
Частота использования;
Количество созданных элементов (постов, добавленных товаров в корзину, комментариев и т. д.).
Level 3: Влияние на бизнес метрики
Основные продуктовые метрики;
Ретеншн;
Выручка.
Сформулируй план до начала разработки
Как сейчас — зафиксируй текущее состояние ключевых метрик перед запуском;
Критерии успеха — определи конкретные цифры успеха. Например: «30% пользователей попробуют функцию в течение первого месяца»;
Перепроверка результата — когда и как часто будешь анализировать метрики. Например: ежедневно первую неделю, раз в неделю — первый месяц, раз в месяц — долгосрочный анализ.
A/B тестирование новых функций
Если продукт большой, не запускай функции сразу для всех пользователей.
«Раскатывай» постепенно:
Доступ только для команды продукта — проверка базовой функциональности на настоящих данных;
Бета‑тест на ограниченной группе пользователей — 1–5% пользователей;
Постепенное расширение сегмента — 25% → 50% → 100%.
На каждом этапе анализируй метрики и готовься к откату (rollback), если что-то идёт не так.
На небольшом продукте с маленькой активной аудиторией второй этап можно пропустить. А иногда и третий, если совсем небольшой продукт. Тут главное — быть уверенным, что новая фича ничего не ломает в продукте. А это не всегда можно выявить на тестовых стендах.
Как внедрить аналитику, если сейчас её совсем нет?
Подобная ситуация может встречаться в стартапах. Продукт есть, а никакой аналитики по нему ещё нет. Более того, культуры смотреть на цифры может не быть.
Начни с малого
Не пытайся построить идеальную систему метрик сразу. Начни с 3–5 ключевых показателей, которые действительно влияют на принятие решений. Постепенно расширяй список по мере роста зрелости команды.
Самый простой способ получить первую аналитику — подключить коробочную систему аналитики (Яндекс.Метрика, AppMetrica — как вариант).
Создай культуру данных
Метрики работают, только если вся команда их понимает и использует. Проводи data reviews, обучай команду интерпретации данных, празднуй успехи в достижении целевых показателей.
Не забывай про контекст
Цифры без контекста — это просто цифры. Всегда анализируй внешние факторы: сезонность, маркетинговые кампании, изменения на рынке. Старайся разобраться, почему метрика изменилась. Даже если она растёт, ты должен понимать, почему.
Какие главные ошибки при работе с аналитикой?
Гонишься за vanity-метриками (метриками тщеславия). Просмотры без их качества ≠ ценность. Одним словом, большое MAU вообще ничего не говорит о качестве продукта;
Не смотришь на метрики по всему продукту. Улучшил клик на баннер — уронил удержание через неделю;
Сравниваешь несравнимое. Сравнивай с похожими периодами (месяц к месяцу, год к году, но не неделя к месяцу или день к году), используй контрольные группы (например, в рамках A/B-тестов);
Смешивание сегментов. Новички ≠ старички; платящие ≠ неплатящие. Делай срезы и сравнивай влияние в рамках сегментов;
Подгонка цели под результат. Сначала нужно определить цель и уже потом делать выводы о её достижении. Не наоборот. Не нужно формулировать или корректировать цель, исходя из результатов эксперимента.
Метрики вовлечения
Что такое вовлеченность и как её измерить?
Что такое
Вовлечённость — это интенсивность, частота и глубина использования продукта, отражающие полученную пользователем ценность. Её нельзя сводить к одному числу «время в продукте»: кто-то «залипает», потому что страдает UX. Поэтому измеряем поведение в контексте ценности. Проще говоря, вовлечён пользователь или нет — зависит от того, находит ли он пользу в продукте и возвращается ли за ней регулярно.
Примеры вовлечённости в разных продуктах:
В играх (да, они тоже продукт): игрок завершает 3+ сессии в неделю, открывает новые уровни, совершает покупки;
В таск-трекере: команда создаёт и закрывает задачи ежедневно, не теряет темп работы;
В соцсети: пользователь читает, сохраняет и шэрит посты ежедневно.
Как измерить
Чтобы измерять вовлечённость, определись с core value loop (ключевой сценарий / воронка) и выдели ведущие метрики, отражающие получение этой ценности.
Три слоя вовлечённости:
Частота — как часто пользователь взаимодействует с продуктом (DAU, WAU, количество сессий на пользователя в сутки);
Глубина — насколько «внутрь» продукта заходит (завершённые сценарии: прочитанные статьи, уровни, созданные объекты; прохождение воронки);
Регулярность — образуется ли привычка (сколько дней в неделю/месяц пользователь использует продукт).
Что показывает коэффициент удержания пользователей?
Степень удержания можно определить по показателю Retention — это зеркало вовлечённости. Он показывает, сколько пользователей продолжают возвращаться за ценностью спустя N дней/недель после первой сессии.
Варианты удержания
Классический N-day retention: вернулся именно на N-й день (D1, D7, D30);
Rolling retention: был активен на N-й день или позже. Удобно для верхнеуровневых ориентиров, но всегда выше классического и может «маскировать» проседания;
Weekly/Monthly retention: для сценариев с естественной недельной/месячной периодичностью (финансы, покупки, B2B). Например, СМИ часто используют Retention W1, то есть удержание в первую неделю. Срок жизни пользователя в медиа небольшой, и дневное удержание очень низкое, поэтому оно может быть не статзначимым.
Что нам «рассказывает» удержание
Форма кривой выживания (survival curve): ранняя «ступенька» — про первое впечатление; пологий «хвост» — про истинную ценность и привычку;
Где узкое место: D1 низкий — проблема онбординга/неясна ценность; D7 падает — нет «причины вернуться» (контент-луп, уведомления и социальный контекст в помощь); D30 низкий — не сформирована регулярность/ритуал, маленькое ядро пользователей (норма для новых продуктов);
Связка с монетизацией: устойчивое удержание — база для LTV (Lifetime Value — сколько клиент принёс денег за время жизни). Без него рост выручки держится на рекламе/акциях и быстро выдыхается.
Важно: чётко определи ключевое действие, подтверждающее «возврат за ценностью». «Открыл приложение» — слабый сигнал; «сыграл раунд / завершил задачу / создал документ» — сильный.
Бизнес метрики
Какие метрики отражают экономическую ценность продукта?
Задача и цель любого бизнеса — прибыль. Поэтому метрики, связанные с доходом и помогающие на него влиять, крайне важны. Умение разложить продукт на показатели unit-экономики — вообще самый важный навык в аналитике продукта. Как мы зарабатываем, как можем зарабатывать больше, какие расходы несём — всё это отражено в юнит-экономике.
1. Revenue (выручка)
Базовая и важнейшая метрика. Она показывает, сколько денег принёс продукт за определённый период. Полезно делить её:
по сегментам (например, пользователи из SMB и Enterprise или, банально, новые и вернувшиеся);
по источникам (подписки, разовые покупки, реклама и пр.);
по каналам привлечения (закупка трафика, промо-акции, реферальная программа и т. д.).
2. ARPU / ARPPU
ARPU — Average Revenue Per User. Средняя выручка на пользователя. Считается как общая выручка, делённая на общее число активных пользователей за период.
ARPPU — Average Revenue Per Paying User. Средняя выручка на платящего пользователя. То же самое, что и ARPU, но учитываются только те, кто платил.
Важно: если цель — понять не просто поток денег, а сколько зарабатывает твой продукт, то лучше использовать AMPU и AMPPU, где M — Gross Margin (маржа). То есть вычесть из выручки все переменные расходы и так определять, сколько заработали за период.
3. LTV — Lifetime Value
Суммарный доход, который один пользователь приносит за всё время использования продукта. Это ядро unit economics.
Классическая формула:
LTV = ARPU × Средняя продолжительность жизни клиента (в месяцах)
Формула выше общепринята, и именно её ты найдёшь, если загуглишь, что такое LTV. Но важно понимать: LTV нельзя рассматривать в отрыве от стоимости привлечения (CAC). Ты сколько-то потратил на то, чтобы этот пользователь пришёл, и какое-то количество пользователей вообще не «дожили» до покупки. А деньги потрачены, и их важно учесть.
Более корректная формула:
LTV = AMPU × Средняя продолжительность жизни клиента (в месяцах)
В AMPU уже учтены затраты на привлечение и все переменные затраты на «содержание пользователя». Подробнее
4. CAC — Customer Acquisition Cost
Сколько ты тратишь на привлечение одного клиента. Это может быть стоимость рекламы, комиссии партнёрам и посредникам, затраты на SEO-продвижение и даже зарплаты маркетолога (хотя постоянные расходы лучше не включать).
Твоя цель — добиться: LTV > CAC, то есть прибыль с клиента больше, чем стоимость его привлечения. Тогда экономика, что называется, сходится. Или ещё лучше: LTV / CAC ≥ 3.
5. Gross Margin / Gross Profit
Это Revenue за вычетом переменных расходов. Чем выше GM, тем больше денег остаётся на масштабирование и развитие продукта.
В Gross Margin намеренно не входят зарплаты и налоги, потому что эти траты не зависят от количества пользователей и не влияют напрямую на экономику продукта. Твой продукт не начнёт зарабатывать больше, если ты вдруг начнёшь разработчику платить не 250 тысяч, а 500.
6. Average Price
Средняя стоимость одной транзакции или, если проще, средний чек. Рассчитывается как: Revenue поделить на количество оплат за период.
Как связать поведение пользователей с доходом?
Ты не можешь влиять напрямую на выручку — но можешь влиять на поведение пользователей. А значит, можешь управлять доходом через метрики продукта и вовлечённости.
Цепочка ценности: от поведения к выручке
Простой фреймворк: Привлечение → Активация → Возврат → Доход
Разберём на примере подписного сервиса: Пользователь приходит → пробует функциональность → получает ценность → остаётся → платит.
Если ты хочешь увеличить выручку, тебе нужно:
найти ключевые действия, после которых вероятность оплаты возрастает;
оптимизировать путь до этих действий;
удерживать пользователей, которые уже платят.
Индикаторы поведения, влияющие на монетизацию
Активация
Важно, чтобы пользователь не просто заходил в продукт, но использовал его по прямому назначению, то есть активировался. Если пользователь не активировался, значит он не увидел для себя ценности в продукте и платить не будет.
Если видишь, что активации в основной сценарий крайне редки, то есть пользователь отвалился сразу после захода в продукт и еще до целевого действия, то стоит задуматься какое впечатление создаёт твой продукт. Понятно ли сразу в первом экране о чем продукт и для чего он нужен? Цепляющий ли текст? Понятно ли сходу куда нажать? А точно все кнопки работают?
Глубина использования
Чем чаще и глубже используют продукт, тем выше шанс оплаты. Важно, чтобы пользователь не просто активировался в ключевой сценарий, но дошел до его конца. Более того, это должно происходить регулярно.
Использование = Выручка
Можно прямо связать использование конкретных фич с платёжами. Ты должен понимать за что люди платят в твоём продукте. Что именно кажется им наиболее ценным и важным? Вот именно это ты и продаешь пользователям в продукте. Таких фич может быть множество. А иногда они могут быть вообще не связаны со сценарием, который ты считаешь ключевым в продукте.
Держу руку на пульсе, общайся с пользователями и понимай зачем используют твой продукт.
Удержание и отток
Повторные покупки и подписки возможны только при регулярном возвращении. Тут всё снова упирается в ценность. Люди знают за что платят и их устраивают условия, поэтому они возвращаются и платят еще.
Глядя на метрики удержания и оттока можно понимать как реагируют платящие пользователи на изменения в продукте. Всегда сверяйся с ними как с часами. Если Retention изменился, то стоит разбираться почему и не приведет ли это в росту оттока.
Когортный анализ и сегментация
Смотри, какие группы пользователей приносят больше денег:
какие фичи они используют;
через какие каналы пришли;
какой у них путь активации.
Как минимум разбивай пользователей на платящих и не платящих, если продукт с подпиской, и на новых и старых. Смотря на показатели в целом по продукту без сегментации, можешь многое упустить. Сегментация позволяет увидеть полную картину.
Продуктовые эксперименты, направленные на доход
Ты можешь выдвигать гипотезы, которые связаны не напрямую с деньгами, но через поведение влияют на выручку.
Например: если сделать новый onboarding, больше людей дойдут до первого успешного действия → это повысит retention → это увеличит ARPU.
Важно: выручка — это следствие, а не действие. Сосредоточься на причинных триггерах. Еще раз, пользователи платят не за фичи, они платят за ценность. Думай о ценности и это приведёт к доходу.
То же самое в формате тг-канала. Сначала будет выходить там отдельным постами по чуть-чуть, потом здесь большой статьей.