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.
Какие продукты мы можем назвать редкими?
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.
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:
Большая проблема заключается в том, что менеджеры пытаются применить ту же тактику и стратегию, что и с частыми продуктами, и это можно объяснить: большинство современных продуктовых стратегий зародились в компаниях, создающих высокочастотные продукты, таких как Facebook, Google и т. д. Редкие продукты рассматриваются, скорее, как исключение из правил, если вообще рассматриваются.
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:
I — степень редкости;
C — степень контроля над пользовательским опытом;
E — степень вовлечённости до, после и во время транзакции;
D — самобытность продукта.
На мой взгляд, эта теория в наибольшей степени подходит для управления стохастическими ИТ-продуктами как частным случаем редких продуктов. Давайте её рассмотрим.
Теория ICED
Степень редкости (I)
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.
Степень контроля (C) над пользовательским опытом
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.
Степень вовлечённости (E) до, после и во время транзакции
В редких продуктах высокая вовлечённость обеспечивает лояльность пользователей, удержание. Вовлечённость включает в себя три момента:
сложность транзакции;
степень соприкосновения;
предсказуемость удержания.
Разберём их по отдельности.
Сложность транзакции
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.
Степень соприкосновения
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.
Предсказуемость удержания
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.
Самобытность (D) продукта
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.
Вместо заключения
Согласно теории ICED мы должны продвигаться по каждому из векторов в правую сторону:
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.
Кто-то из сообщества работает с редкими и стохастическими продуктами? Поделитесь, какие инструменты используете? Как измеряете «успех» продукта?
В следующих публикациях я предлагаю подробнее рассмотреть каждый из векторов ICED, обсудить стратегии и инструменты, которые помогут «продвигаться вправо».