Как понять, будет ли прибыльным продукт, который ты хочешь запустить? Стоит ли вообще брать фичу в разработку? Как заранее предсказать эффект от неё? Такие вопросы часто встают перед менеджерами продукта и продуктовыми аналитиками. А особенно остро они звучат, когда вы разрабатываете фичу с нуля и у вас крайне мало данных, на которые можно опереться.
Привет! Меня зовут Андрей Максимов. Я руковожу группой продуктовых аналитиков в СберМаркете. Моя команда отвечает за опыт пользователей в офлайне и мы сталкиваемся с вопросами, заданными выше, если не каждый день, то уж каждую неделю точно.
Универсального ответа на них не существует, но я попробую дать наиболее исчерпывающий — тот, который основан на Unit-экономике. Именно такой подход мы выстроили внутри своей команды, им я и хочу поделиться в этой статье. Ещё дам удобный шаблон для расчёта экномики продукта и объясню, как им пользоваться.
Что такое Unit-экономика и из каких ингредиентов она состоит?
Модель Unit-экономики. Делюсь волшебным шаблоном и рассказываю, как им пользоваться.
Дисклеймер: цифры, которые я привожу ниже, конечно же, изменены (NDA никто не отменял), но на ход рассуждений это не повлияет.
Что такое Unit-экономика?
Сразу определимся с понятиями.
Unit-экономика — метод анализа, помогающий определить доходность в продуктах. Его можно применять как для всего сервиса целиком, так и для его составных частей. Например, для отдельных фич.
Unit-экономика базируется на нескольких понятиях:
Пользователи → Конверсии → Покупатели, Частотность → Заказы → GMV
Мы проводим пользователя по нашему продукту. Через конверсии он доходит до целевого действия (в нашем случае — до заказа) и становится покупателем и совершает заказы с некоторой частностью. Благодаря этому мы получаем выручку (GMV) — она складывается из суммы всех совершенных заказов за период и является доказательством, что сервис предоставил ценность своим клиентам.
Не путать конверсию и частотность
И конверсии, и частотность влияют на то, сколько заказов мы получим в итоге.
Приведу пример. В интернет-магазин пришли 100 пользователей. 10 из них совершили суммарно 20 покупок.
Конверсия в покупку в этом кейсе — 10% (10 пользователей из 100 дошли до целевого действия и стали покупателями).
А частотность — 2 (20 покупок разделить на 10 покупателей).
Конверсия свидетельствуем о том, насколько эффективен клиентский путь, а частотность — о лояльности к сервису.
Удел продуктовой команды
Ещё одна задачка. Допустим, в прошлом месяце у нас было 100 000 покупателей и каждый совершил по одному заказу. Прошёл месяц и покупателей стало уже 200 000. Крутой результат! Кого будем за него благодарить?
Количество покупателей могло увеличиться из-за того, что у нас стало больше пользователей. Например, раньше с помощью рекламы приводили 1 миллион человек в месяц и 10% из них совершили покупку. Если в этом месяце отдел маркетинга привёл к нам 2 миллиона, а конверсия в заказ осталась той же, то мы и получим те самые 200 000 покупателей.
С другой стороны вы могли раскатать новые фичи и улучшить конверсию в заказ с 10% до 20%.
В первом случае рост — это заслуга маркетинга, а во втором — продуктовой команды. На финансовой защите только инкремент, полученный через конверсии, будет являться обоснованием эффективности продуктовой инициативы.
Когда мы используем Unit-экономику?
Мы в СберМаркете прибегаем к использованию Unit-экономики по каждому проекту/продукту как минимум дважды в квартал:
В начале квартала — для приоритизации фич и обоснования наших планов перед финансовым департаментом. На этом этапе у нас есть реальные данные за прошлые периоды, но некоторые цифры мы можешм лишь предполагать на основе прошлого опыта, экспериментов и аналитики. Подробнее об этом я расскажу далее по тексту.
В конце квартала — для расчёта реального экономического эффекта от фичи (какой добавочный GMV фича принесёт компании в среднесрочной и долгосрочной перспективе). Здесь мы используем уже реальные данные A/B тестов.
Модель Unit-экономики
Предлагаю перейти к модели. Она состоит из трех частей:
Воронка продукта. Цель — рассчитать, какое количество заказов за период мы получим. Для этого нам нужно знать «входящее число» пользователей, конверсию на каждом этапе и среднюю частотность заказа на одного клиента.
Характеристика пользователей. На этом этапе мы рассчитываем CAC, ARPU, средний чек и маржу. Ключевая цифра, которая понадобится нам дальше — средний чек.
Доход. Самая простая часть формулы: перемножаем ожидаемое число заказов на средний чек.
Таблицу с моделью можно забрать по ссылке.
Воронка
Для нас как для команды продукта это самая важная часть. Именно здесь обитают конверсии, на которые мы можем влиять напрямую и тем самым увеличивать число продаж.
Вот ключевые этапы клиентского пути в e-com. На входе и выходе каждого из них «живёт» своя конверсия:
Касание нашего сервиса → Выбор магазина → Добавление товара → Корзина → Чекаут → Заказ
Конверсия считается как доля пользователей, перешедших с одного этапа на другой. Чтобы у Вас была информация о том, какое количество пользователей находится на каждом этапе, вы должны сделать разметку событиями внутри приложения. То есть записывать в базу данных информацию о том, было ли совершено пользователем целевое действие на каждом этапе или нет.
Для удобства, в таблице с моделью Unit-экономики мы отображаем только сквозную конверсию, но, конечно же, держим в голове, что она складывается из многих этапов до специфических для каждого продукта.
Как Unit-экономика помогает приоритизировать фичи?
Итак, переходим к самому главному. При разработке новой фичи стоит всегда думать о том, на какую конверсию она повлияет, и оценивать эффект.
Выше конверсия → Больше покупателей → Больше GMV
Разберёмся, как это работает, на примере одного из наших сервисов — Самовывоза. С его помощью вы можете получить уже собранные заказы в удобном для вас магазине.
На картинке — основные этапы воронки в этом продукте.
У нас есть текущее состояние продукта: AS IS. Далее мы хотим посмотреть, как воронка изменится с выкаткой новой фичи — это состояние TO BE.
Допустим, мы хотим повлиять на тот шаг, в котором происходит выбор магазина. Это самое начало нашей воронки. Раньше магазины отображались списком в алфавитном порядке, а сейчас мы хотим ввести раздел «категории», чтобы упростить навигацию.
Мы ожидаем, что эта фича повысит конверсию на этапе «Выбор магазина» с 43% до 74%.
Рост конверсии на этом этапе ведёт к росту числа пользователей на всех последующих шагах и к увеличению абсолютной конверсии. На рисунке все изменившиеся ячейки выделены жёлтым цветом.
Статистическую значимость такого эксперимента необходимо будет подтверждать уже на данных, но получив новое значение абсолютной конверсии, мы понимаем, насколько больше мы как компания можем заработать и оценить эффект фичи.
Сравниваем — по аналогии
Предположим, что параллельно мы думаем ещё об одной новой фиче — на этот раз на этапе чекаута. Мы хотим сократить его длину и считаем, что это увеличит конверсию в оплату (недавно мы подробно рассказывали про этот эксперимент).
Мы ожидаем, что конверсия на чекауте вырастет с 50% до 90%. Значит общая конверсия вырастет аж на 10%.
Обе фичи крутые и кажутся очень перспективными. За какую браться в первую очередь?
Здесь нам и помогает модель Unit-экономики. Первая фича увеличивает общую конверсию до 21,88%, а вторая до 22,5%, поэтому добавочный GMV при внедрении второй фичи вырастет сильнее. Так мы понимаем, что фичу 2 нужно взять в больший приоритет.
Можно ли сравнивать не GMV?
Стоит отметить, что ни каждая фича может быть направлена на увеличение конверсии. Однако, в этом случае мы сталкиваемся с двумя трудностями:
Эффект от фичи сложнее выразить финансово. Стоит помнить, что инвесторы чаще всего говорят на языке финансов. Поэтому, во всяком случае для сферы e-com, GMV является ключевой метрикой.
Нам понадобятся другие методы для приоритизации. Если вы практикуете data-driven подход, то другая модель как точка отсчёта при принятии решений вам в любом случае понадобится. Например, вы можете ставить во главу угла «счастье пользователя» и придумать, как его рассчитать. На практике, скорее всего, вы придёте к модели, похожей на Unit-экономику, а «счастье клиента» сведётся к частотности заказов.
После этого сразу в работу?
Может показаться, что на этом этапе приоритизация закончена. Однако есть ещё один очень важный фактор, который необходимо учесть, — сроки и стоимость разработки.
Для принятия финального решения о том, что пойдёт в работу, а что нет, мы показываем фичу команде дизайнеров и разработчиков и получаем оценку, какие инвестиции потребуются для её реализации.
Может получиться, что разработка нашей топ-1 фичи займёт год, поэтому вместо неё будет эффективнее взять в работу на ближайший квартал фичи топ-2,3 и 4.
Что делать, если вообще нет данных?
Всё вышесказанное — это, конечно, хорошо. Но как прикинуть эффект от фичи точнее, чем пальцем в небо? Что если вы проектируете продукт с нуля или хотите оценить фичу, которую раньше не делали, и у вас нет исторических данных под рукой?
Мой ответ: нужно искать иные источники информации. Рассмотрим самые популярные подходы.
Собрать данные с рынка. Скорее всего уже есть компании или стартапы, которые пытались внедрить схожий продукт. Некоторые данные вы сможете найти на сайтах этих компаний. Что-то можно найти в публичной отчётности, что-то в презентациях для инвесторов и бизнеса (нередко их можно найти на сайте). А иногда сотрудники компании делятся опытом в статьях или докладах.
Помимо этого мы можем напрямую сходить к командам, отвечающим за стратегию в вашей компании. Как правило, они имеют различные исследования на руках и могут обладать знаниями, которых не хватает вам.Провести исследование. Мы можем пойти и к нашим потенциальным пользователям с качественными и количественными опросами и узнать, что они думают о нас и о нашем продукте. На этапе исследований можно оценить предварительный спрос и изменения в конверсиях. Подробнее о том, как валидные исследования с помощью краудсорсинговых платформ может провести даже дизайнер, читайте ещё в одной нашей статье.
Обратиться к экспериментам, которые проводили ранее. Например, мы хотим в рамках эксперимента оценить, как у будет меняться конверсия в зависимости от размера карточки товара. Можем обратиться к уже реализованным тестам, направленные на схожий функционал, и взять за основу эти результаты.
Посчитать MDE. Когда у нас нет исторических данных, мы можем взять всю нашу аудиторию и посчитать, какое минимальное изменение метрики мы сможем замерить, чтобы оно было статистически значимым. Такое минимально изменение мы и можем использовать в своих расчётах. Например, имеем 1 000 000 пользователей и знаем, что MDE интересующей нас метрики 1%. Тогда мы можем не бравировать и не закладывать изменения в экономику большее значение, а уже в эксперименте удостовериться в наличие статистически значимого изменения на 1% или более.
О фреймворках приоритизации, которыми пользуется продуктовая команда СберМаркета, уже писал мой коллега Саша Токмаков: Как продакту приоритизировать задачи и не сойти с ума.
Итоги
Unit-экономика, это инструмент, который позволяет повысить прозрачность внутри компании, так как объединяет все ключевые метрики в одно уравнение. Этот инструмент можно использовать даже когда у вас нет собственных данных, чтобы прикинуть, в каком диапазоне будут меняться метрики при оптимистичном и пессимистичном сценарии.
Этот метод помогает принимать решение о запуске продуктов, приоритизировать работу над фичами и оценивать их эффект на бизнес-модель. Общий принцип: чем больше та или иная фича влияет на финальный результат — выручку — тем более полезна она для бизнеса. А значит и делать её нужно в первую очередь.
Надеюсь, этот материал был вам полезен. Забирайте таблицу с моделью Unit-экономики — буду рад, если она станет для вас настольным инструментом и поможет принимать важные решения. Готов ответить на все вопросы в комментариях.
Авторы статьи:
Андрей Максимов, руководитель группы продуктовых аналитиков в СберМаркете
Станислав Дергунов, руководитель направления PickUp в СберМаркете
Product&data команда СберМаркета ведет соцсети с новостями и анонсами. Если хочешь узнать, что под капотом высоконагруженного e-commerce, следи за нами в Telegram и на YouTube. А также слушай подкаст «Для tech и этих» от наших it-менеджеров.