Ключевые метрики для популярных моделей роста

Analytics Academy от компании Segment представляет блок учебных материалов и предлагает стать экспертом по аналитике. В этой статье рассматривается то, как ведущие компании используют модели роста для определения целей и ключевых метрик.

Модели роста – это петли обратной связи, которые демонстрируют как одна когорта пользователей приводит к приобретению следующей когорты.

Заметьте, что все эти модели роста не всегда предназначены для прогнозирования роста, а скорее для оценки реакции. Они упрощают сложные системы со множеством взаимосвязанных меняющихся частей и приводят их к набору функций и допущений.

Самые распространенные примеры моделей роста включают платное приобретение, петлю виральности, петлю генерируемого пользователями контента и двусторонние рынки.

Измерение роста компании с использованием модели роста помогает определить высокоэффективные точки влияния (те параметры вашего бизнеса, которые вы можете контролировать), что может комплексно усилить рост с течением времени. Более того, эти модели роста помогут вам выбрать метрики и цели для лучшего понимания вашего прогресса.

Мы рассмотрим четыре основные модели и покажем, как вывести метрики для каждой из них:

• Генерируемый пользователями контент (например, Yelp, Stack Overflow, Genius)
• Петля виральности (Venmo, Snapchat, Zynga)
• Платное приобретение (Handy, New Relic’s campaigns)
• Двусторонние рынки (Uber, Lyft, Airbnb, Segment)

Модели роста

Прежде чем рассматривать четыре модели роста, пробежимся по шагам для определения ключевых метрик:

1. Определите свою модель роста
2. Создайте математическую модель в виде таблицы с ориентировочными расчётами
3. Определите ключевые метрики путем анализа взаимного влияния в вашей таблице

Определение вашей модели роста требует комплексного рассмотрения каждой когорты ваших пользователей и способов приобретения следующей когорты. Это означает последовательное изучение пути пользователя и сравнение с дискретным воздействием. Итоговая когорта затем «становится» следующей базовой когортой, с которой действия в петле начинаются заново.

После определения петли обратной связи самое время обозначить каждый шаг. Заметьте, что итоговое общее число пользователей на первом этапе станет стартовым числом следующего этапа.

И, наконец, вы можете вывести ключевые метрики с помощью анализа математической модели. Из-за умножающей природы роста в петле обратной связи, некоторые параметры могут иметь большее влияние на рост с течением времени. Мы покажем это в примерах ниже.

1. Генерируемый пользователями SEO контент

Петля генерируемого пользователями контента – это популярная, поддерживающая себя модель роста, используемая компаниями Yelp, Genius, Stack Overflow, Quora и другими. Последовательный путь пользователя таков:

• Пользователь регистрируется
• % пользователей создают новый контент
• Google индексирует контент
• % не-пользователей ищет и находит этот контент
• % этих не-пользователей в итоге регистрируется

Вот соответствующая математическая модель. С ней мы можем определить области эффективного воздействия путем выдвижения предположений и наблюдения за влиянием на рост. Например, что приносит больше денег – улучшение уровня конверсии пользователей, которые генерируют новый контент, или приобретение новых пользователей.

В примере «2x generate content» предполагается, что % пользователей, которые генерируют контент, в два раза больше, чем в «базовом» случае, при том, что 2x регистрация предполагает, что конверсия в регистрации удвоена. Эта модель показывает, что улучшение конверсии регистрации имеет больше кумулятивных эффектов, чем конверсия в генерацию контента.

Поэтому, если вы ведете такой тип бизнеса, то вы должны следить за следующими ключевыми метриками:

• % существующих пользователей, которые генерируют контент
• % новых посетителей, пришедших из поисковых систем
• % регистраций новых пользователей

Если мы можем побудить пользователей генерировать больше контента или оптимизировать конверсию от посетителей до регистраций, то со временем мы увидим кумулятивный рост.

2. Виральная петля приглашений

Это популярная модель для многих социальных игр или приложений (Snapchat, Venmo), в которой пользователей просят пригласить своих друзей с помощью импорта своей адресной книги. Многие компании достигли огромных результатов с её помощью, как когда Facebook запустил свой graph API, чтобы вы могли попросить помощи у всех своих друзей собрать вашу пшеницу в Farmville.

Последовательный путь пользователя таков:

• Пользователь регистрируется
• % пользователей приглашает своих друзей
• % тех друзей регистрируется

Вот соответствующая математическая модель. Опять же, мы используем эту модель для того, чтобы выяснить наиболее эффективные рычаги. Например, мы можем увидеть, как изменится рост, если мы улучшим число пользователей, приглашающих своих друзей.

Во втором случае («Double any key assumption»), удваивается или % приглашающих пользователей или % зарегистрировавшихся приглашенных пользователей.

«Усиливающие» метрики для этой модели:

• % пользователей, которые приглашают друзей
• % регистраций на одно приглашение

Вполне логично, что эти метрики могут со временем значительно повысить рост. Если пользователи мотивированы приглашать друзей, то это усиливает поток пользователей, который может конвертироваться в регистрации. Видя, что эти области показывают высокую эффективность, имеет смысл оптимизировать эти метрики, чтобы пожать плоды после.

3. Платное приобретение

Модель роста путем платного приобретения выглядит менее захватывающе, но многие компании считают её эффективной. Существующие пользователи не помогают вам приобретать новых напрямую, но они генерируют доход для того, чтобы вы могли реинвестировать в платный маркетинг. Например, компания, которая получает $100, реинвестирует эти деньги в приобретение новых пользователей.  С этой когорты компания получает $80 для ещё одной реинвестиции. Эта модель предполагает, что стоимость приобретения пользователя ниже, чем LTV каждого пользователя (почти все эксперты заявляют, что цена приобретения пользователя должна равняться 1/3 LTV).

Последовательный путь пользователя таков:

• Компания вкладывает деньги на приобретение Х пользователей
• % от X пользователей становятся платящими и выплачивают $Y
• Компания реинвестирует $Y в приобретение новой когорты пользователей

Вот соответствующая математическая модель.

Мы видим, что удваивание уровня конверсии до платящих пользователей имеет лучший эффект, чем удваивание «маржи» (рассчитанная как LTV – CAC).

Таким образом, основными значениями являются:

• % пользователей, ставших платить
• CAC: цена приобретения пользователя
• LTV: пожизненная стоимость клиента.

Не совсем тривиально оптимизировать любую из этих трех метрик (это, возможно, потребует задействования ресурсов нескольких команд компании). Тем не менее, каждый KPI может существенно улучшить эффективность каждого потраченного на маркетинг доллара. Более высокая LTV и низкая CAC может дать вам возможность привлечь больше пользователей, и более высокий процент платящих пользователей приводит к большему маркетинговому бюджету.

4. Двусторонние рынки

Модель двусторонних рынков становится всё более и более популярной, так как технология помогает продавцам и покупателям вести дела между собой более легким способом. Uber, Etsy, Segment и Grubhub представляют собой такие рынки.

Рост на двустороннем рынке в основном полагается на увеличение той ценности, которую один рынок представляет для другого. Водители получают прямую выгоду от большего числа клиентов, клиенты от большего числа водителей. Сетевой эффект каждой сети может быть смоделирован. Если вы хотите подробнее изучить то, как мы выполняем анализ роста рынков, то прочитайте это.

Чтобы проиллюстрировать усиливающую природу роста для двусторонних рынков, рассмотрим 6 ключевых движущих сил роста:

• Buyer-to-Seller Cross-side — потенциальные покупатели рассказывают потенциальным продавцам о платформе. «Вас так трудно было найти. Почему вас нет на Airbnb?»
• Seller-to-Buyer Cross-side — потенциальные продавцы представляют потенциальным покупателям платформу: «Покупайте мои очаровательные варежки на Etsy».
• Buyer Same-side — покупателям нравится новый способ транзакций и они советуют другим потенциальным покупателям использовать платформу. «Почему бы тебе не заказать такси? Попробуй Lyft».
• Seller Same-side — продавцам нравится новый способ транзакций и они советуют другим потенциальным продавцам использовать платформу. «Я неплохо заработал, сдавая свою квартиру на Airbnb во время отпуска. Обязательно попробуй!»
• Direct to Buyers — рынок напрямую рассказывает о себе. «Ого, сколько здесь рекламных щитов Uber!»
• Direct to Sellers — рынок напрямую рассказывает о себе продавцам. «Я искал работу в Огайо и нашел Lyft».

Вот пример математической модели, которую мы используем для двусторонних рынков. Заметьте, что она немного сложнее, чем предыдущие.

Для этой модели метрик немного больше:

• Прямое приобретение покупателей
• Прямое приобретение продавцов
• Среднее число регистраций покупателей, привлеченных каждым новым продавцом
• Среднее число регистраций продавцов, привлеченных каждым новым покупателем

Если любая cross-side или same-side движущая сила пока не является главной причиной роста, то вы должны сфокусировать на увеличении одной сторон рынка. Мы, например, начали с создания своего каталога партнеров, чтобы привлечь покупателей. Затем, когда мы получили достаточное количество транзакций, мы стали думать, как наладить работу с нашими партнерами.

Измерение и выявление подходящих метрик

Используя модель роста гораздо легче найти нужные метрики и поставить цели. Представленная в виде таблицы модель позволяет вам легче скорректировать рычаги, чтобы определить на какой области нужно сфокусироваться, чтобы увидеть лучший кумулятивный рост.

Снова акцентируем ваше внимание на том, что эти модели лучше всего рассматривать в рамках целостной системы для анализа влияния параметров, а не для финансового планирования.

Тем не менее, после определения наиболее влиятельных метрик, нужно назначить команды ответственные за одну или максимум две метрики и действительно сфокусироваться на задачах и экспериментах, которые могут улучшить эти цифры.