Дэн Олсен – MVP. Как выводить на рынок товары и услуги, которые нравятся покупателям (страница 60)

Аналитика имеет огромное практическое значение для любой команды разработчиков, поскольку позволяет понять, как клиенты используют разработанный ей продукт. При этом аналитика не может дать вам полной картины. Для того чтобы лучше узнать своих клиентов, необходимо также проводить качественные исследования. Но без аналитики вы будете действовать вслепую. Перефразируя Питера Друкера[25], вы не можете управлять тем, что не измеряете. A/B-тестирование основывается на аналитике и дает возможность с достаточной степенью точности оценить влияние вносимых изменений. Это способствует созданию платформы для экспериментов и обеспечивает бережливые команды мощным инструментом для быстрого внедрения инноваций.

Стоит отметить, что полная версия фреймворка Рорера включает в себя еще и третье измерение для определения «контекста использования». Дополнительная шкала предусматривает наличие разных контекстов использования продукта в зависимости от метода исследования: «естественное использование» (например, для аналитики), «использование по сценарию» (например, для юзабилити-тестов) и «без использования продукта» (например, для поисковых интервью). Я рекомендую вам ознакомиться с полной версией этого фреймворка, которая классифицирует 20 различных методов UX-исследования. Вы можете найти ее на веб-сайте Nielsen Norman Group по ссылке: http://nngroup.com/articles/which-uxresearch-methods. Вы можете также ознакомиться с другими публикациями в блоге Рорера по ссылке: http://xdstrategy.com.

Теперь, когда мы выяснили, как сочетаются аналитика и A/B-тестирование, давайте обсудим некоторые схемы применения этих мощных инструментов.

Аналитические фреймворки

Для любого бизнеса существует множество метрик, отслеживая которые можно понять, как он работает. С учетом наличия такого большого количества различных показателей, которые вы могли бы попытаться улучшить, очень полезно иметь целостную аналитическую систему, охватывающую все аспекты вашего бизнеса. Наличие такой системы позволяет обеспечить четкое представление о том, как различные показатели влияют друг на друга, и может помочь в определении того, на чем вам следует сосредоточиться.

Аналитика в Intuit

Во время своей работы в компании Intuit после запуска очередного веб-продукта я задался целью отслеживать его метрики с целью дальнейшего улучшения как самого продукта, так и связанных с ним бизнес-аспектов. Для этого я создал аналитическую систему, которая охватывала четыре основных элемента нашего бизнеса:

1. Привлечение: Сколько потенциальных клиентов (новых посетителей) привлекают на наш веб-сайт реализуемые маркетинговые программы?

2. Конверсия: Какой процент посетителей нашего сайта регистрируются в качестве клиентов?

3. Удержание: Какой процент наших клиентов остаются активными в течение продолжительного времени?

4. Доход: Сколько денег приносят наши клиенты?

После выхода продукта на рынок у него появились подписчики, которые приносили нам доход. Это вселяло в нас уверенность в том, что продукт соответствует рынку. Но одновременно с этим мы поняли, что имеется проблема с конверсией: доля посетителей веб-сайта, подписавшихся в итоге на наш продукт, оказалась заметно ниже ожиданий. Специфика продукта требовала применения многоступенчатого процесса регистрации, который занимал несколько веб-страниц. Используя аналитику, мы измерили, сколько потенциальных клиентов отсеивалось на каждом этапе этого процесса. Затем провели юзабилити-тестирование с участием пользователей, сосредоточив внимание на самых проблемных областях. В итоге мы обнаружили несколько проблем с UX-дизайном. Полученные знания были использованы для быстрой разработки целенаправленных улучшений. После их внедрения мы увидели 40 %-ное повышение коэффициента конверсии. Самое забавное, что благодаря тому, что мы построили очень подробную модель с различными вариантами использования продукта и решений проблем юзабилити, а также располагали точными данными о показателях, мы смогли предсказать повышение с точностью до двухпроцентных пунктов.

Этот пример является отличной иллюстрацией того, как количественное и качественное исследования могут применяться совместно. Количественные показатели предоставили нам неопровержимые доказательства наличия проблемы с конверсией, а также указали на те места, где мы теряли потенциальных клиентов, но не могли объяснить, почему это происходит. Качественное исследование обеспечило нас информацией, необходимой для понимания проблемы и поиска ее решения.

Аналитика во Friendster

Два года спустя, присоединившись к разработчикам новаторской социальной сети Friendster, я решил вновь использовать аналитику для отслеживания и улучшения продукта и бизнеса. С этой целью я разработал новый фреймворк. Руководители компании согласились с тем, что ключевым показателем для их продукта является количество пользователей. Социальные продукты выигрывают за счет сетевого эффекта, означающего, что их ценность растет по экспоненте с увеличением числа пользователей. Кроме того, описанные события происходили на заре развития социальных сетей, когда лидерство на этом рынке еще не было однозначным. Лучший способ увеличить клиентскую базу состоял в том, чтобы побудить наших существующих пользователей пригласить как можно больше своих друзей и знакомых присоединиться к Friendster. Если в среднем каждый пользователь сети приводит такое количество новых посетителей, которое впоследствии превращаются в более чем одного реального клиента, это выливается в вирусный рост клиентской базы. Социальные продукты обладают высоким потенциалом вирусного роста (а также высокими темпами невирусного роста). Подробный алгоритм, пошагово описывающий, как существующий пользователь генерирует появление нового клиента, называются вирусной петлей.

Работая во Friendster я создал аналитическую систему, позволяющую оптимизировать нашу вирусную петлю. Эта система включала в себя показатель вирусного привлечения новых клиентов (без учета невирусных факторов). Еще одним отслеживаемым показателем был коэффициент конверсии, поскольку посетители, чтобы стать нашими клиентами, должны были пройти через процедуру регистрации. И, наконец, поскольку приглашением друзей присоединиться к сети занимались только активные клиенты, моя система также включала в себя показатель удержания. В этом фреймворке я не принимал во внимание доходы (их мы отслеживали отдельно). В следующей главе я расскажу о своей аналитической системе для сети Friendster более подробно.

Бизнес-цели двух описанных выше аналитических систем, безусловно, не являются специфическими и подходящими исключительно для этих двух компаний. На самом деле они широко применимы к потребностям любых организаций. На верхнем уровне практически каждая компания ставит перед собой пять одних и тех же целей:

1. Компания хочет, чтобы потенциальные клиенты были осведомлены о ее продукте.

2. Компания хочет превратить потенциальных клиентов в реальных.

3. Компания хочет сохранить как можно больше своих клиентов в течение долгого времени.

4. Компания хочет получать доход от своих клиентов.

5. Компания хочет, чтобы ее клиенты распространяли информацию о продукте, поскольку это способствует привлечению новых клиентов.

Стартап-метрики для «пиратов»

В 2007 году мне посчастливилось познакомиться с Дэйвом Макклюром. Скорее всего, вы слышали о Дэйве, но на всякий случай отмечу, что сам он считает себя «гиком, маркетологом, инвестором, блогером и смутьяном». Помимо прочего, этот человек является партнером-основателем стартап-фонда и стартап-акселератора 500 Startups (http://500.co). Мы встретились на конференции, где Дэйв выступал с докладом, в котором презентовал свой фреймворк под названием «Стартап-метрики для пиратов». Я был рад заметить, что этот фреймворк был очень похож на те, которые я разработал для продуктов Intuit и Friendster. Дэйв представил свои идеи настолько простым и эффективным способом, что высокая практическая ценность его фреймворка была очевидна.

Наши аналитические системы имели лишь два незначительных расхождения в терминологии. Во-первых, Дэйв использовал термин «активация» вместо «конверсия». Он вложил в свой термин более широкий смысл, включавший в себя и конверсию – в том виде, как ее определил я, – и иные способы, которыми потенциальный клиент может взаимодействовать с продуктом, не становясь при этом реальным клиентом. Например, потенциальный клиент может не подписываться на предлагаемую ему услугу, но при этом предоставить свой адрес электронной почты для получения уведомлений о новостях, касающихся продукта. Это действие не будет квалифицироваться как конверсия в полноценного клиента, но может быть включено в показатель активации. Во-вторых, Дэйв использовал слово «реферал» – отличный, универсальный термин – для описания концепции, согласно которой существующие клиенты предпринимают действия, приводящие к тому, что о вашем продукте узнают новые потенциальные клиенты. Дэйв назвал свой фреймворк «Стартап-метрики для пиратов». Такое название появилось благодаря акрониму, который образуется из наименований пяти используемых им показателей: Acquisition [привлечение], Activation [активация], Retention [удержание], Referral [рекомендации] и Revenue [доход] – получается «ААRRR!» (с восклицательным знаком, добавленным для пущего сходства)[26].