Давайте разберем ключевые продуктовые метрики на примере любого b2c saas бизнеса.

Программное обеспечение как услуга (SaaS) – это облачная модель предоставления программного обеспечения, которая доставляет приложения конечным пользователям посредством интернета.

Шаг 1: Определим ключевые цели продукта
1. Привлечение новых пользователей.
2. Удержание пользователей.
3. Монетизация.
4. Качество и надежность сервиса.

Шаг 2: Разложим цели на метрики
1. Привлечение новых пользователей
- Количество новых регистраций: количество новых пользователей, зарегистрировавшихся в определенный период.
- Коэффициент конверсии регистрации: процент посетителей сайта, зарегистрировавшихся на сервис.
- Стоимость привлечения клиента (CAC): средние затраты на привлечение одного нового пользователя.

2. Удержание пользователей
- Активные пользователи (DAU, WAU, MAU): количество уникальных пользователей, использующих сервис ежедневно, еженедельно, ежемесячно.
- Коэффициент удержания: процент пользователей, которые продолжают использовать сервис спустя определенное время (например, 1 месяц, 3 месяца, 6 месяцев).
- Коэффициент оттока: процент пользователей, прекративших использовать сервис за определенный период.
- Показатель вовлеченности: среднее время, проведенное пользователями в сервисе, количество действий (загрузки, скачивания и т.д.).

3. Монетизация
- Средний доход на пользователя (ARPU): средний доход, получаемый от одного пользователя за определенный период.
- Процент платных пользователей: доля пользователей, оплачивающих премиальные услуги, от общего числа пользователей.
- LTV (Lifetime Value): ожидаемая выручка от одного пользователя за все время его использования сервиса.

4. Качество и надежность сервиса
- Среднее время отклика: время, необходимое для ответа сервера на запрос пользователя.
- Доступность сервиса: процент времени, в течение которого сервис доступен пользователям (аптайм).
- Процент успешных операций: доля успешных загрузок и скачиваний файлов.
- Количество багов и сбоев: число зарегистрированных проблем с сервисом за определенный период.
- NPS (Net Promoter Score): индекс готовности пользователей рекомендовать сервис другим.

Шаг 3: Построим взаимовязи между метриками
1. Привлечение новых пользователей напрямую влияет на Количество новых регистраций, что в свою очередь связано с Коэффициентом конверсии регистрации и CAC (стоимость привлечения клиента).
2. Удержание пользователей зависит от Активных пользователей (DAU, WAU, MAU), Коэффициента удержания, Коэффициента оттока и Показателя вовлеченности. Эти метрики также влияют на Средний доход на пользователя (ARPU) и Процент платных пользователей.
3. Монетизация тесно связана с Процентом платных пользователей, ARPU и LTV.
4. Качество и надежность сервиса влияет на Коэффициент удержания, Показатель вовлеченности и NPS, что в свою очередь может косвенно повлиять на LTV и ARPU.

Шаг 4: Выберем приоритетную метрику для улучшения
В зависимости от текущего состояния продукта, приоритетная метрика может меняться. Однако, для B2C SaaS продукта на начальном этапе особое внимание следует уделить Удержанию пользователей.

Коэффициент удержания является критически важным, так как он показывает, насколько хорошо продукт выполняет свои функции и насколько пользователи находят его полезным и ценным. Высокий коэффициент удержания приводит к росту LTV, ARPU и увеличению базы активных пользователей, что в конечном итоге положительно влияет на монетизацию и долгосрочный успех продукта.

Материалы
Ключевые метрики для SaaS-сервисов на все этапы развития
Как построить иерархию метрик и использовать ее в работе
Customer Engagement: 5 метрик для измерения вовлеченности пользователя
Метрика ARPU. Как ее считать, чем она отличается от LTV, почему может ввести в заблуждение

Если понравился пост, поставь реакцию 🔥. Поделись своим мнением, что ты считаешь ключевой метрикой saas продукта?

👉Канал для продактов @product_ninja

Про продуктовые будни. 2 вида коммуникаций в продуктовых командах.

На двух картинках ниже изображены 2 подхода в коммуникациях в команде.

1) Проблемный и неправильный. Проектная команда
Вся коммуникация проходит через менеджера.

В таких структурах вы часто услышите:
- Разработка отвечает: этот вопрос нужно уточнить у backend, а этот вопрос уточнить у QA, я не знаю, какой сейчас статус по проекту, у меня другой проект в работе.
- Менеджеру нужно поставить задачу на back, чтобы сделать доработку, которая блокирует запуск.
- Мы сделали так, как прислал backend, вопросы к back.

2) Правильный по-моему, масштабируемый. Кросс-функциональная продуктовая команда
Все члены команды общаются напрямую и решают большую часть проблем без подключения менеджера.

- Все члены команды понимают цель проекта/продукта. Все вопросы и проблемы решаются напрямую в чате/созвоне.

- Нет фраз вида "Этот вопрос нужно уточнить у бэкенда", "на это нужно поставить задачу и запланировать в спринт через тимлида".

- Все члены команды одинаково понимают важность проекта, оперативно разрешаются вопросы и блокеры.

#наболело

👉Полезный канал для продактов @product_ninja

Техническая секция собеседования на product Manager

Когда я проходил собеседование в Яндекс, у меня была секция с проверкой технических навыков, где мне задавали вопросы про IT. Продакту в bigtech важно иметь понимание основных технологий разработки веб-сервисов. Составил список популярных вопросов на техническом собеседовании. Надеюсь список будет полезен вам в поиске работы и прохождении собеседований.

Список популярных вопросов на техническом интервью на Продакт менеджера в корпорациях:

1) Что такое API?
https://education.yandex.ru/journal/chto-takoe-api
https://thecode.media/api/

2) Языки программирования
https://habr.com/ru/companies/ssp-soft/articles/821663/

3) ООП (Объектно-ориентированное программирование)
https://practicum.yandex.ru/blog/obektno-orientirovannoe-programmirovanie/

4) Какие бывают форматы данных? JSON, XML
https://habr.com/ru/articles/757180/

5) Как работает интернет? Что происходит, когда пользователь вводит адрес сайта в браузере?
https://thecode.media/dns/

6) Какие виды Базы данных бывают? (Реляционные, нереляционные)
https://sky.pro/media/chto-takoe-baza-dannyh/
https://blog.bytebytego.com/p/understanding-database-types

7) Чем различается фронтенд- и бэкенд-разработка
https://skillbox.ru/media/code/frontend_i_backend_razrabotka/

8) Как работает Machine Learning?
https://practicum.yandex.ru/blog/chto-takoe-mashinnoe-obuchenie/?

9) Монолит или микросервисная архитектура? В чем разница?
https://simtechdev.ru/blog/monolit-ili-mikroservisy/

10) Как оценивать и декомпозировать задачи?
https://habr.com/ru/companies/yandex/articles/809475/

11) System Design. Общие принцип прохождения интервью по проектированию ИТ-систем
https://habr.com/ru/companies/piter/articles/650785/

12) Что такое feature toggle
https://habr.com/ru/articles/464021/

13) Контроль процесса разработки с помощью JIRA
https://youtu.be/j_uMQ_F4Hog?si=XVBVq0D_8Q_xJCs9

Полезные материалы:
⁃ Пример технического интервью на Product Manager
https://youtu.be/PzcwziCDL90?si=4un3gQdw_8G3HuCf
⁃ Как подготовиться к техническому собеседованию: советы разработчика
https://practicum.yandex.ru/blog/chto-takoe-tehnicheskoe-sobesedovanie-kak-proyti/
⁃ Блог про системный дизайн простыми словами
https://blog.bytebytego.com/
https://practicum.yandex.ru/blog/
https://thecode.media/
⁃ Системный аналитик: открытое собеседование
https://www.youtube.com/live/5PtGTXd7uFk?si=8bHwM5kYOtCgpms1

Если полезен пост, поставьте реакцию 🔥 и поделитесь с друзьями
#собеседование

👉Канал для продактов @product_ninja

500 подписчиков в канале.💪 Спасибо вам, это важная веха. 🚀

Как правильно проводить АБ эксперименты и не потерять миллионы рублей впустую?
Для этого вам поможет шаблон для проведения АБ, где собран список вопросов, на которые нужно подготовить ответы перед тем, как запускать АБ.

Шаблон вопросов:

1. Проблематика:

[Какую проблему мы решаем? Почему нам это важно?]

2. Гипотеза:

Если [сделаем вот это]
То [это так-то повлияет на заданный сегмент пользователей], что приведет к [повышению / понижению такой-то метрики]
Потому что [есть вот такие аргументы влияния на их пользовательский опыт]

3. Целесообразность:

[Нет ли у нас более перспективных альтернативных гипотез? Способна ли эта 1 гипотеза окупить расходы сразу на 10 схожих экспериментов? Сколько стоит провести подобный эксперимент (разработка, маркетинг, и т. д.)? Как должна в таком случае измениться целевая метрика?]

4. Action Plan:

Успех: [постепенно раскатываем на всех]
Неудача: [не выкатываем гипотезу, изучаем причины и строим новые гипотезы, делаем еще одну итерацию]
Ничего не прокрасилось: [корректируем текущий вариант, анализируем проблемы в тесте, готовимся ко 2-й итерации теста]

5. Сегмент эксперимента:

География: [Страна, город, зона]
Платформа: [Android, iOS, Web (Desktop, Mobile, Tablet), TV]
Версия продукта: [С какой версии продукта будут видны изменения]
Источник трафика: [Органика, конкретный платный трафик]
Новые или старые: [Новые, Старые или Все]
Дополнительные ограничения: [Выполнены определенные условия, есть событие]

6. Метрики эксперимента:
Ключевые метрики - как должны измениться [ожидание, что метрика DAU вырастит не менее, чем на +20%]
Прокси-метрики - как должны измениться или остаться серыми [метрики Revenue не должны упасть, Retention не должен упасть]

7. Как выглядит эксперимент для пользователя
Что видит пользователь в контрольной версии?
Что видит пользователь в тестовой версии?

8. Размер групп и механизм раскатки
[Начинаем с 5%-> 10% -> 50% -> 100%, группы разбиваем 50/50 аудитории ios]

Перед тем, как запустить АБ эксперимент, проверьте его по чек-листу

1. Есть и обозначена проблематика. Понимаем, для чего нужно и почему нам важно конкретное изменение
2. Сформулирована продуктовая гипотеза?
3. Есть понимание масштаба и направления изменения ключевой метрик
4. Есть оценка экономической целесообразности изменения (посчитана точка безубыточности) - опционально
5. Есть понимание, что нужен именно АБ-тест
6. Есть понимание, какой именно нужен эксперимент (учтен сетевой эффект, оффлайн, праздники, и т. д.)
7. Бизнесово формулированы критерии успеха
8. Есть action plan от бизнеса (в случае успеха / падения метрик / отсутствия значимого изменения)

Шаблон проведения АБ эксперимента
Чеклист А/Б эксперимента

Источник: спасибо автору канала nodatanogrowth за проделанный труд
#АБ_эксперименты

👉Канал для продактов @product_ninja

Ответы на вопросы:
- Чем занимается продакт и в чем отличие от разработчика?
- Стоит ли переходить из разработчика в продакт менеджера?
- Какой характер задач у продакта?