tgoop.com/firstanalyticsguide/190
Last Update:
Почему «дерево метрик» — слабая концепция в продуктовой аналитике
Пока разбирал заявки на гайдбук, заметил, что многие ребята приходят с запросом «научиться строить дерево метрик». Понимаю, откуда это понятие взялось. Когда я работал не в careerspace, все от него фанатели. Но это прошлый век, и вот почему.
Дерево метрик представляет собой иерхическую систему аля майнд меп, где мы идем от «целевой» метрики и дальше раскладываем её на составляющие. Целевую еще иногда называют North Star Metric.
Иерархия подается как нечто невероятно крутое. Но на деле это достаточно примитивная система, потому что она порождает косяки.
Главный из которых —
Слишком сильно упрощает взаимосвязи между метриками
Например, если у нас есть выручка, то её представляют как ARPPU * Число клиентов. Оба показателя смотрятся за какой-то период. Чем он больше, тем меньше видны локальные изменения в обоих этих показателях. Конечно, их можно смотреть в динамике, но все равно это неоправданная генерализация.
Хороший вариант — смотреть число клиентов и выручку по когортам, а когорты брать по частоте использования в рамках конкретного Use Case. В таком случае можно будет оценить изменения по ходу жизни продукта и каждой конкретной когорты.
ARPPU же и число клиентов за период — это ничто иное, как среднее или сумма по всем когортам за период.
Важно смотреть когорты, потому что они позволяют не мучать себя вопросами: почему все выросло или упало? Мы виноваты, рынок или когорта?
И это я не говорю про конверсии, которые в рамках одного юз кейса могут отличаться по персоне. Тогда стоит смотреть распределение по персонам, и это снимет вопросы «где бабки?» и «лиды говно или нет?» с маркетинга и продаж.
Есть еще и другие косяки, типа:
— Фокус на локальной оптимизации. Дерево создает иллюзию, что есть волшебная таблетка, чтобы синизить CAC, увеличить LTV или поднять C1. Но на деле это не так;
— Сложность адаптации к изменениям: составить дерево — полбеды, а вот его поддерживать и анализировать — реальная проблема;
— Неприменимость в реально больших продуктах как следствие предыдущего пункта.
«Ну и что ты предлагаешь?» — спросишь ты меня резонно
Growth Model, вот что.
Она может быть качественной (те же схемы), может быть количественной (табличка, близко к pnl, но лучше)
В модели роста заложено все: удержание, монетизация, привлечение и рост. При этом в достаточно адекватном формате, который можно регулировать по степени генерализации как хочешь.
Как составлять качественную модель (схемку), я уже рассказывал в рамках гайдбука.
Как составлять количественную — буду рассказывать в будущем сезоне.
При этом там будут не только текстовые гайды, но и видеокурс внутри гайдбука. Тема достаточно сложная, поэтому тут объяснения на пальцах будут особенно к месту.
Поэтому если ты уже на гайдбуке — ты лютый чемпион
Если тебе и дерева метрик достаточно, то тебе не нужно читать этот канал