анализ. На Рисунке 13.4 показан график с тремя кривыми удержания для различных когорт. По горизонтальной оси здесь измеряется количество недель, прошедших с момента регистрации (вместо дней, как это было на Рисунке 13.3). Вы можете видеть, что когорта А имеет самый низкий начальный отсев, самую высокую скорость снижения и самое низкое терминальное значение. Когорта С имеет самый высокий начальный отсев, самую низкую скорость снижения и самое высокое терминальное значение. Параметры кривой для когорты B находятся между соответствующими значениями для когорт A и B. Итак, какую из трех кривых удержания вы предпочли бы для своего продукта? Я бы выбрал кривую когорты C, из-за того, что она имеет самое высокое терминальное значение. Начиная с 3-й недели, в когорте C процент активных пользователей выше, чем в двух других когортах. Это приводит к увеличению дохода. В качестве отступления: если у вас на одном графике отображается более пяти кривых, он становится трудночитаемым.
Рисунок 13.4. Кривые удержания для когорт
В Таблице 13.1 показан стандартный формат хранения данных, используемых при построении кривых удержания для нескольких когорт. Содержание первого столбца указывает, что каждая строка отведена для определенной когорты. В представленном примере показаны когорты, сформированные по месяцам за период с января по май; данные представлены по состоянию на июнь. Во втором столбце для каждой когорты указано начальное количество пользователей. В каждом последующем столбце зафиксировано количество активных пользователей с учетом количества месяцев, прошедших с момента их регистрации. Чем раньше сформирована когорта, тем больше точек для построения соответствующей кривой.
Таблица 13.1 Исходные данные для когорт
Данные, приведенные в Таблице 13.1, используются для расчета значений, приведенных в Таблице 13.2. Процент в каждой ячейке Таблицы 13.2 – это коэффициент удержания для соответствующей когорты (указанной в строке) за определенный временной интервал (указанный в столбце). Каждый коэффициент удержания рассчитывается путем деления количества активных пользователей (для данной когорты и периода времени) на начальное количество пользователей в когорте. Каждая строка Таблицы 13.2 отображается затем на графике в виде отдельной кривой удержания.
Таблица 13.2 Коэффициенты удержания для когорт
Отслеживание улучшений степени соответствия продукта рынку
Если вы со временем повышаете степень соответствия своего продукта рынку, кривые удержания для ваших когорт будут двигаться вверх, достигая более высоких терминальных значений для новых когорт. На Рисунке 13.5, где представлены кривые удержания для трех когорт, показан пример того, как это могло бы выглядеть при реализации идеального сценария. Пользователи, сгруппированные в когорту А, зарегистрировались 24 месяца назад – сразу после выпуска продукта. Пользователи, вошедшие в когорту B, зарегистрировались 18 месяцев назад, а пользователи из когорты C – 12 месяцев назад. Как вы можете видеть, со временем мы улучшили соответствие нашего продукта рынку, и кривая удержания клиентов пошла вверх. Каждая последующая когорта имеет более низкий начальный отсев, более низкую скорость снижения и более высокое терминальное значение, чем предыдущая.
Рисунок 13.5. Повышение показателя удержания с течением времени
Уравнения для улучшения вашего бизнеса
Это прекрасно, что аналитическая система AARRR на верхнем уровне применима к любым компаниям и помогает сосредоточить силы и средства в нужное время на нужном показателе. Но в какой-то момент для осуществления дальнейшей оптимизации становится необходимым принять во внимание специфику целевой бизнес-модели. Существует несколько распространенных бизнес-моделей, включая электронную коммерцию, платные подписки и рекламу. Я консультировал клиентов по вопросам использования аналитики для оптимизации показателей, относящихся к каждой из перечисленных бизнес-моделей. Для этого в каждом конкретном случае я использовал один и тот же мощный инструмент: уравнения для улучшения бизнеса.
Когда я хочу что-то оптимизировать, инженерное и математическое образование побуждает меня первым делом использовать для этого уравнение. В средней школе мы бесчисленное количество раз выражали переменную Y как функцию другой переменной – X. При этом цель состояла в том, чтобы найти такое значение X, которое приводило бы к максимально возможному значению Y. Более продвинутые версии этого упражнения включали применение нескольких переменных. Отправной точкой всегда было уравнение, которое показывало, как Y выражается через X (или через несколько переменных). Таков теоретический мир математики, но аналогичная техника применима и в реальном мире бизнеса.
Любой бизнес можно представить в виде уравнения. Цель состоит в том, чтобы получить количественное представление о бизнесе, построенное на основе набора показателей, которые могут быть использованы для оптимизации бизнес-результатов. Если вам пока не совсем ясно, как это можно сделать, позвольте привести пример.
Вот стартовое уравнение, которое применимо к любому бизнесу:
Прибыль = Доходы – Затраты
Это уравнение говорит о том, что вы можете увеличить прибыль за счет увеличения доходов и/или за счет снижения затрат. Оно применимо к любому заданному периоду времени (например, дню, неделе или месяцу). Показатели доходов и затрат являются метриками слишком высокого уровня, чтобы их можно было использовать на практике, но это хорошая отправная точка. Показатели верхнего уровня можно разбить на более подробные метрики, чтобы углубиться в детали. Это то, что я называю «очищением аналитической луковицы».
Большинство высокотехнологичных компаний, особенно те из них, что пытаются добиться соответствия своего продукта рынку, в гораздо большей степени сосредоточены на увеличении дохода, нежели на снижении затрат. Это связано с экономической природой большинства высокотехнологичных продуктов: по мере увеличения объема продаж дополнительный доход от каждой дополнительной единицы продукции (называемый предельным доходом) превышает дополнительные затраты на производство этой дополнительной единицы (называемые предельными издержками). При этом разрыв между предельным доходом и предельными издержками увеличивается по мере увеличения объема продаж.
Такой продукт, как Facebook, является хорошим примером для иллюстрации этого явления. Приложение имеет более миллиарда пользователей. Соответствующее такому масштабу клиентской базы обслуживание веб-сайта и мобильного приложения Facebook требует наличия большого количества серверов, хранилищ данных, сетевого оборудования и пропускной способности каналов связи для стабильной работы. Приходится ли команде Facebook разрабатывать какое-либо дополнительное программное обеспечение при появлении каждого нового пользователя? Нужно ли им включать в работу дополнительный сервер, когда к их сети присоединяется новый пользователь? Нет. Единственное, что действительно потребуется в этом случае из дополнительных ресурсов – это крошечная часть емкости хранилища для сохранения пользовательских данных и столь же незначительная дополнительная пропускная способность. По сути, величина предельных издержек в расчете на одного нового пользователя Facebook равна нулю.
Источником дохода для Facebook в основном является реклама,
