Развитие стохастических продуктов
Не все классические метрики и инструменты одинаково полезны для каждого продукта. Retention, churn, DAU/MAU и пр. — это всё замечательно, если у тебя продукт по духу близок к FAANG-истории. Всё взаимодействие, ключевая ценность находится в рамках продукта, а контакт с пользователем регулярный и прогнозируемый. Но бывает и так, что ключевой пользовательский опыт происходит в офлайне, продуктом могут пользоваться раз в несколько лет. Мы не можем повлиять на возникновение потребности у конкретного пользователя. Что выбрать в качестве показателя успеха? На что смотреть, если Retention, оттоки и активации не работают или их не удается жёстко связать с изменениями?
Меня зовут Никита Аленчиков, я менеджер продукта в компании Домклик. Занимаюсь запуском продукта с особенностями, описанными выше (до официального релиза не могу раскрыть), и столкнулся с тем, что в Рунете особо не обсуждают подобные сценарии, а литература описывает «классику». Стал изучать вопрос в англоязычном сегменте сети, и хочу поделиться с вами.
Такие продукты называют «Infrequent», что можно перевести как «нечастый», «низкочастотный», «редкий», и предлагаю для удобства остановиться на последнем варианте.
Какие продукты мы можем назвать редкими?
Редкие — это продукты, в которых пользовательские транзакции происходят реже одного раза в три месяца. Еще одна особенность таких продуктов в том, что ключевой пользовательский опыт зачастую лежит за пределами ИТ. Например, путешествие лежит за пределами приобретения тура или билетов на агрегаторе, и этот процесс они обычно не контролируют и не управляют им. Забегая вперёд, скажу, что Airbnb смогли отойти от клише агрегатора или маркетплейса и сильно продвинулись и в степени вовлечения Пользователя, и в самобытности продукта.
Но я хотел бы разобрать подвид редких продуктов — стохастические продукты.
Стохастические продукты
Потребности в подобных продуктах у конкретных пользователей возникают непредсказуемо для нас. Например, собеседование — важная составляющая поиска работы — лежит за пределами портала HH.ru, поэтому мы также не можем спрогнозировать спрос у конкретного пользователя и не можем напрямую повлиять на транзакцию. Каким бы замечательным ни был наш продукт, как бы мы ни продвигали его, пользователь может проявить интерес только в узком окне смены места работы.
Двигаясь вправо по графику, продукты становятся всё сложнее для управления, вы не можете знать конечный результат, поскольку основной пользовательский опыт происходит за рамками продукта. А поднимаясь наверх мы попадаем в область стохастических продуктов и не можем предсказать возникновение потребности.
В статье «ICED Theory — Growing Infrequent Products» на reforge.com Вивек Кумар размышляет на тему управления редкими продуктами:
Большая проблема заключается в том, что менеджеры пытаются применить ту же тактику и стратегию, что и с частыми продуктами, и это можно объяснить: большинство современных продуктовых стратегий зародились в компаниях, создающих высокочастотные продукты, таких как Facebook, Google и т. д. Редкие продукты рассматриваются, скорее, как исключение из правил, если вообще рассматриваются.
Для проверки этого утверждения возьмем, к примеру, показатель «Удержание» (retention rate). Для «частых» продуктов (предлагаю остановиться на этом термине, как противоположности редким продуктам), таких как Netflix и пр., нормальным, или даже хорошим показателем оттока (churn rate) является 2–5% ежемесячно. Годовой отток рассчитывается по формуле: годовой отток = 1 - (1 - месячный отток) ^ 12. При ежемесячном оттоке в 2% мы получаем годовой отток = 1- (1–0,02) ^ 12 = 21%. Из формулы видно, что при увеличении ежемесячного оттока годовой увеличивается нелинейно. Если churn равен 20%, то это уже даёт 93% годового оттока. Это значит, что каждый год пользователи практически полностью обновляются, а если мы говорим о ещё большем показателе, то несколько раз за год. И тут нужно вспомнить о стоимости лида, который может обвалить всю юнит-экономику. Более того, чем лучше стохастический продукт, тем хуже будет показатель «Удержание»: продукт для поиска работы в абсолюте должен предложить новую, идеально подходящую вакансию в момент возникновения у соискателя желания сменить работу. В таком случае отток у нас будет 100% после первого контакта, при этом пользователь получит идеальный сервис.
В этой же статье Кумар рассказывает о теории ICED, которая направлена на решение проблем редких продуктов. Она выделяет следующие параметры редкого продукта:
I — степень редкости;
C — степень контроля над пользовательским опытом;
E — степень вовлечённости до, после и во время транзакции;
D — самобытность продукта.
На мой взгляд, эта теория в наибольшей степени подходит для управления стохастическими ИТ-продуктами как частным случаем редких продуктов. Давайте её рассмотрим.
Теория ICED
Степень редкости (I)
Проблема редкого продукта в том, что со временем пользователи о нём забывают. Даже если от продукта были хорошие впечатления, то со временем они тоже забываются. В итоге, когда в следующий раз у пользователя возникает потребность, то мы оказываемся в равных условиях с конкурентами и вынуждены заново завоевывать его сердце. Это, конечно же, сказывается и на стоимости привлечения, и на монетизации.
Также различаются и каналы привлечения пользователей. Чем высокочасточнее продукт и ниже стоимость транзакции, тем больше вы можете полагаться на SEO-продвижение, подход применим к подписочным стриминговым сервисам. Когда мы имеем дело с редким стохастическим продуктом, продвижение через «поисковик» становится малоэффективным, приходится использовать дорогие каналы привлечения. Продвижение через рассылки, пуши и пр. также неэффективно, мала вероятность попасть в узкий коридор потребности. Подобные лиды обходятся очень недёшево.
Степень контроля © над пользовательским опытом
Чтобы предоставить пользователю сервис на высочайшем уровне, цепочка формирования ценности должна быть полностью под нашим управлением. Непрерывное взаимодействие повышает шансы удовлетворения потребностей пользователей, что, в свою очередь, приведет к лучшему удержанию и увеличению монетизации.
Однако как удовлетворить потребность пользователя в рамках продукта, если ключевое взаимодействие лежит за его пределами? Ниже приведу несколько примеров.
На сайте Домклика вы можете найти множество объявлений о продаже жилья, выбрать подходящие варианты по своим критериям, выйти на продавца, оформить сделку. Но ключевой опыт — личный осмотр квартиры, района, знакомство с потенциальными соседями и пр. — лежит за рамками продукта. Невозможность управлять этим опытом усложняет повышение лояльности пользователя.
Степень вовлечённости (E) до, после и во время транзакции
В редких продуктах высокая вовлечённость обеспечивает лояльность пользователей, удержание. Вовлечённость включает в себя три момента:
сложность транзакции;
степень соприкосновения;
предсказуемость удержания.
Разберём их по отдельности.
Сложность транзакции
Во время транзакции сложность влияет на качество взаимодействия с клиентом. В книге »Всегда ваш пользователь: как добиться лояльности, решая проблемы пользователей за один шаг» авторы Мэтью Диксон и Ник Тома утверждают, что уменьшение «усилия» может увеличить лояльность. Другими словами, сокращение приложенных усилий сократит отток. Но, как правило, чем выше редкость продукта, тем выше сложность, а также требуется большее вовлечение Пользователя. В качестве примера можно привести такие продукты, как недвижимость. Они очень сложны с организационной точки зрения, требуют большого усилия и личного вовлечения. Домклик очень далеко продвинулся в снижении транзакционных издержек для Пользователя, сейчас у нас можно воспользоваться услугами по ведению сделок и снять с себя всю бюрократию.
Степень соприкосновения
Также стоит учитывать количество точек и степень соприкосновения. Отзывы пользователей на Tripadvisor или tophotels.ru служат примером продукта с однократным касанием. Принимая решения о поездке, пользователи читают отзывы об отелях и делают выбор. После принятия окончательного решения человек не возвращается к продукту до следующего отпуска.
С другой стороны, продукт 2GIS характеризуется множественными точками соприкосновения. Каждый раз, когда пользователю нужно куда-то добраться, почитать отзывы, посмотреть какое-либо место на карте и пр. в своей повседневной жизни, он открывает приложение.
Предсказуемость удержания
Третий аспект взаимодействия касается того, насколько можно спрогнозировать удержание пользователей. Спектр редких продуктов варьируется от продуктов с предсказуемым удержанием до тех, у которых оно полностью непредсказуемо. Например, на одном конце спектра находятся такие продукты, как «Ипотека», где сложно предсказать, когда кто-то будет приобретать недвижимость. А на другом конце спектра — личный кабинет физического лица nalog.ru, который используют ежегодно и в одни и те же периоды. Для таких продуктов легко прогнозировать и измерять удержание пользователей.
Самобытность (D) продукта
В редких продуктах образ, запечатлённый в голове пользователя, увеличивает вероятность возврата человека и повторной покупки. На одном конце спектра стоит такой самобытный продукт, как Airbnb, а на другом конце — безликий продукт, например, агрегатор билетов Aviasales. Уникальность предложения Airbnb приводит к тому, что бренд пользуется большим успехом среди постоянных и новых пользователей, прямой трафик около 70%. С другой стороны, неотличимые продукты, как Aviasales, в первую очередь полагаются на агрессивную рекламу, поисковые системы и платный трафик. Неспособность пользователя отличить один агрегатор билетов от другого в конечном итоге затрудняет привлечение.
Вместо заключения
Согласно теории ICED мы должны продвигаться по каждому из векторов в правую сторону:
Я вижу большой потенциал применения этой теории в работе с редкими и стохастическими продуктами. В ICED нет ничего фундаментально нового, но этот подход помог мне систематизировать инструменты и мотивировать их применение, которое до этого было в некоторых случаях интуитивным.
Кто-то из сообщества работает с редкими и стохастическими продуктами? Поделитесь, какие инструменты используете? Как измеряете «успех» продукта?
В следующих публикациях я предлагаю подробнее рассмотреть каждый из векторов ICED, обсудить стратегии и инструменты, которые помогут «продвигаться вправо».
