Глава 6: Метрики и аналитика⁠⁠1

Предыдущие статьи:

• Глава 1: Кто такой продуктовый менеджер?

• Глава 2: Как попасть в профессию

• Глава 3: Мышление и философия продакта

• Глава 4: Пользователь как центр внимания

• Глава 5: Работа с командой

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:

1. Платёжка и биллинг: выручка (Revenue), ARPU/ARPPU, возвраты, налоги, комиссии;

2. Маркетинг/атрибуция: каналы, CAC (стоимость привлечения), payback (возвраты средств), ROAS (возвращаемость рекламных затрат), доля органического трафика;

3. CRM/саппорт: количество обращений, причины оттока, сегменты клиентов, SLA (уровень обслуживания);

4. Качественные источники: интервью, дневниковые исследования, in-product опросы (NPS — индекс лояльности к бренду, CES — индекс усилий);

5. Наблюдаемость/логирование: производительность, ресурсоёмкость, стабильность;

6. 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?

1. Определи гипотезу — чего мы хотим достичь? (например, увеличить удержание на 7‑й день);

2. Выбери ключевую метрику — ту, по которой будет приниматься решение о релизе;

3. Добавь связанные метрики продукта — чтобы новая функция не ухудшила другие важные показатели;

4. Определи срок — установи, когда функция должна показать эффект (неделя, месяц и т. д.).

5. 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:

1. найти ключевые действия, после которых вероятность оплаты возрастает;

2. оптимизировать путь до этих действий;

3. 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.