Продуктовые метрики: что это, виды, формулы и примеры

Продуктовые метрики — это язык, на котором продукт “разговаривает” с командой. Пока вы ориентируетесь только на ощущения вроде “кажется, пользователям нравится” или “вроде бы стало лучше”, вы на самом деле двигаетесь почти вслепую. А вот когда у вас есть понятные цифры, становится видно, что происходит в продукте на самом деле: приходят ли новые пользователи, совершают ли они целевое действие, возвращаются ли, платят ли и рекомендуют ли сервис другим.

И здесь важно сразу снять одно заблуждение. Продуктовые метрики — это не набор модных аббревиатур для отчётов и не способ усложнить жизнь команде. Наоборот, они нужны, чтобы упростить принятие решений. Если метрики подобраны правильно, вы быстрее понимаете, где у продукта точка роста, где просадка, а где вообще не нужно тратить ресурсы. То есть хорошие метрики экономят время, деньги и нервы.

В этой статье мы спокойно и по шагам разберём, что такое продуктовые метрики, чем они отличаются от KPI и бизнес-метрик, какие категории метрик считаются базовыми, как работает AARRR, какие формулы нужно знать в первую очередь, что такое дерево метрик, какие фреймворки используют продуктовые команды и как вообще выстроить нормальную работу с аналитикой без хаоса и самообмана.

Что такое продуктовые метрики простыми словами

Определение

Если объяснять совсем простыми словами, продуктовые метрики — это показатели, которые помогают понять, как пользователи взаимодействуют с продуктом и насколько сам продукт решает их задачу. Под продуктом здесь может быть всё что угодно: мобильное приложение, SaaS-сервис, интернет-магазин, маркетплейс, подписка, личный кабинет, образовательная платформа, медиа-продукт и даже отдельная функция внутри большого сервиса.

Главная идея в том, что продуктовые метрики фокусируются не просто на деньгах и не просто на активности ради активности. Они помогают увидеть поведение пользователя по шагам: как он пришёл, что сделал первым делом, вернулся ли потом, заплатил ли, стал ли пользоваться регулярно, советует ли продукт другим. И вот именно это делает их такими ценными для продуктовой команды.

По сути, продуктовая метрика — это способ зафиксировать не мнение, а реальность. Не “нам кажется, регистрация удобная”, а “из 1000 посетителей регистрацию завершили 420”. Не “похоже, пользователи довольны”, а “через 30 дней после первого визита в продукт возвращается 27% аудитории”. И это уже разговор на совсем другом уровне.

Пример на реальном продукте

Представим простой продукт — сервис доставки готовой еды через приложение. Пользователь впервые видит рекламу, переходит в приложение, устанавливает его, регистрируется, добавляет адрес, смотрит меню, кладёт товар в корзину, оформляет заказ, получает еду и, возможно, потом возвращается снова. На каждом из этих этапов можно измерять поведение.

Например, сколько людей вообще установили приложение — это одна группа метрик. Сколько из них дошли до первого заказа — уже другая. Сколько вернулись через неделю или месяц — это метрики удержания. Средний чек, частота повторных заказов, доход с клиента, стоимость его привлечения — всё это уже помогает понять, работает ли продукт как бизнес, а не только как интерфейс.

Именно в этом сила продуктовых метрик. Они не живут отдельно в Excel-файле ради отчёта. Они показывают путь пользователя через продукт и позволяют увидеть, где в этом пути всё идёт хорошо, а где продукт теряет людей, деньги и потенциал роста.

Чем отличаются от KPI и бизнес-метрик

Вот здесь часто возникает путаница. Продуктовые метрики, KPI и бизнес-метрики действительно связаны, но это не одно и то же. KPI — это показатели эффективности для команды, отдела или конкретной роли. Например, у продуктового менеджера KPI может быть связан с ростом retention, у маркетинга — с количеством качественных регистраций, у sales — с выручкой от новых клиентов.

Бизнес-метрики — это более верхнеуровневые показатели: выручка, прибыль, маржинальность, EBITDA, доля рынка, средний чек, количество платящих клиентов. Они показывают здоровье бизнеса в целом. Это очень важно, но они не всегда объясняют, почему цифры именно такие и что происходит внутри самого продукта.

Продуктовые метрики стоят как бы между пользовательским поведением и бизнес-результатом. Они показывают, какие действия внутри продукта приводят к росту или, наоборот, мешают ему. Поэтому можно сказать так: KPI — это про ответственность, бизнес-метрики — про итог для компании, а продуктовые метрики — про механику роста и поведение пользователя внутри продукта.

Зачем нужны продуктовые метрики

Управление продуктом

Без метрик управление продуктом быстро превращается в набор гипотез, вкусовщины и бесконечных споров. Один человек уверен, что нужно переделать онбординг. Другой считает, что проблема в тарифах. Третий хочет срочно запускать новую фичу. Все говорят уверенно, но без данных это всё остаётся мнением. Метрики как раз и нужны для того, чтобы от мнений перейти к реальной картине.

Когда продуктовая команда видит ключевые показатели по этапам воронки, ей проще расставлять приоритеты. Если трафик есть, но пользователи не доходят до первого целевого действия, значит, проблема не в маркетинге, а в активации. Если активация хорошая, но удержание слабое, значит, дело уже в ценности продукта или в опыте использования. И это не абстракция, а очень практичная вещь.

Хорошие продуктовые метрики помогают управлять не только ростом, но и фокусом команды. Они буквально отвечают на вопрос: “На что нам сейчас стоит тратить силы, чтобы продукт реально стал лучше?”

Поиск точек роста

В продукте почти всегда есть несколько потенциальных направлений роста, но не все они одинаково важны. Где-то можно увеличить трафик. Где-то — улучшить активацию. Где-то — снизить отток. Где-то — поднять средний доход с пользователя. Метрики помогают не угадывать точку роста, а находить её по данным.

Например, если DAU растёт, а выручка стоит на месте, это уже сигнал смотреть глубже. Если retention падает, но acquisition растёт, это может означать, что вы привлекаете не ту аудиторию или продукт не выполняет обещание. Если CAC увеличивается быстрее, чем LTV, это значит, что рост становится всё менее выгодным. И без метрик такие вещи сложно заметить вовремя.

Именно поэтому команды, которые регулярно работают с продуктовой аналитикой, двигаются быстрее. Они не просто “что-то улучшают”, а понимают, какой именно участок продукта даст наибольший эффект.

Принятие решений на основе данных

Звучит немного как клише, но решения на основе данных — это действительно одна из главных причин, почему продуктовые метрики так важны. Хороший продукт редко растёт за счёт одной большой гениальной идеи. Гораздо чаще рост складывается из десятков точных решений: что тестировать, что не трогать, где упростить путь пользователя, что убрать, а что усилить.

Данные не заменяют здравый смысл и не отменяют интуицию продукта. Но они позволяют проверить, работает ли гипотеза в реальности. И это особенно ценно, потому что многие идеи звучат очень убедительно до запуска, а после запуска не дают результата вообще. Метрики помогают не влюбляться в решения заранее.

Проще говоря, продуктовая аналитика не нужна для красоты дашборда. Она нужна, чтобы команда не путала догадки с фактами.

Основные категории продуктовых метрик

Если говорить о базовой логике продуктовой аналитики, то удобнее всего смотреть на метрики через фреймворк AARRR. Его ещё называют Pirate Metrics — из-за того, как звучит эта аббревиатура. И это действительно один из самых удобных способов разложить продукт по этапам жизненного цикла пользователя.

AARRR помогает не просто считать показатели вразнобой, а смотреть на путь пользователя последовательно: как он пришёл, совершил ли первое полезное действие, возвращается ли, приносит ли деньги и рекомендует ли продукт другим. Для SEO это тоже важный блок, потому что именно AARRR очень часто ищут вместе с запросом про продуктовые метрики.

Acquisition — привлечение пользователей

Acquisition — это всё, что связано с привлечением пользователей в продукт. На этом этапе важно понять, откуда люди приходят, какие каналы работают, сколько стоит привлечение, насколько качественный трафик вы получаете и соответствует ли эта аудитория вашему продукту. Многие команды делают ошибку и считают, что рост начинается именно здесь. На самом деле привлечение — только начало, и само по себе оно ничего не гарантирует.

Если вы активно льёте трафик, но пользователи не активируются и не возвращаются, то acquisition превращается просто в дорогой поток случайных визитов. Поэтому на этом этапе важно смотреть не только на количество, но и на качество. Например, регистрация из канала А может быть дороже, чем из канала Б, но при этом именно канал А может давать более высокое удержание и лучшую monetization дальше по воронке.

Сюда обычно относят такие показатели, как количество новых пользователей, установки, регистрации, стоимость привлечения, CTR кампаний, конверсия трафика в signup и эффективность каналов по качеству аудитории.

Activation — первое действие пользователя

Activation — это момент, когда пользователь впервые получает ценность от продукта. И вот здесь начинается настоящий продукт. Не в момент клика по рекламе и даже не в момент регистрации, а именно тогда, когда человек сделал то действие, после которого понял: “Окей, это мне полезно”.

Для разных продуктов активация выглядит по-разному. В таск-менеджере это может быть создание первой задачи. В банковском приложении — первая карта, добавленная в аккаунт. В SaaS — подключение команды или настройка проекта. В маркетплейсе — первый заказ. В медиа-продукте — прочтение нескольких материалов или подписка на рассылку. Очень важно правильно определить это действие, потому что вся логика воронки дальше зависит от него.

Если у продукта слабая активация, значит, человек не доходит до ценности. А если он не дошёл до ценности, удерживать его дальше почти бессмысленно. Поэтому activation — один из самых чувствительных этапов в любой продуктовой аналитике.

Retention — удержание

Retention показывает, возвращаются ли пользователи в продукт спустя время. И если говорить честно, это одна из самых важных продуктовых метрик вообще. Потому что если продукт не удерживает аудиторию, рост почти всегда становится слишком дорогим и хрупким. Вы постоянно льёте новых пользователей, но они быстро исчезают. Визуально может казаться, что продукт растёт, а на деле вы просто подливаете воду в дырявое ведро.

Удержание отвечает на очень важный вопрос: стал ли продукт частью привычки, процесса или регулярной задачи пользователя. Если да — у продукта есть ценность. Если нет — значит, нужно разбираться, в чём именно проблема: в ожиданиях, в UX, в частоте использования, в качестве результата, в неправильной аудитории или в переоценённой ценности самого решения.

Retention часто смотрят по когортам: например, сколько пользователей, зарегистрировавшихся в определённую неделю, вернулось через 1 день, 7 дней, 30 дней и так далее. Именно так становится видно, как продукт реально удерживает людей во времени.

Revenue — доход

Revenue в AARRR — это всё, что связано с деньгами: платящие пользователи, средний доход, выручка, LTV, ARPU, ARPPU, повторные платежи, платёжные конверсии. На этом этапе продукт уже смотрит не только на поведение, но и на экономику. Потому что даже очень активный и любимый пользователями продукт в какой-то момент должен ответить на вопрос: “А как он зарабатывает?”

Важно понимать, что revenue — не всегда только про продажу в лоб. В одних продуктах это подписка, в других — транзакционная комиссия, в третьих — freemium с апсейлом, в четвёртых — реклама. Но смысл один: нужно понимать, превращается ли пользовательская ценность в устойчивый денежный поток.

Если revenue-метрики начинают расходиться с retention и acquisition, это уже сильный сигнал для анализа. Например, рост выручки при падении retention может быть временным эффектом. А хороший retention без revenue может означать, что продукт полезен, но модель монетизации ещё не найдена или работает слабо.

Referral — рекомендации

Referral показывает, приводят ли текущие пользователи новых пользователей. Это этап рекомендаций, вирусности, “сарафана” и органического распространения продукта. Не каждый продукт обязан быть вирусным, но практически для любого продукта полезно понимать, готовы ли пользователи делиться им и при каких условиях это происходит.

Referral особенно важен, когда продукт реально решает ценную задачу и встроен в социальное поведение. Например, мессенджеры, совместные сервисы, маркетплейсы, образовательные платформы, продукты с реферальной программой, B2B-инструменты с командной работой. Там один активный пользователь часто может приводить ещё нескольких.

Даже если продукт не строит рост на вирусности, referral всё равно полезно измерять. Потому что он показывает уровень удовлетворённости и доверия к продукту. Если люди не просто пользуются, а готовы советовать — это очень сильный сигнал качества.

Ключевые продуктовые метрики: формулы и примеры

Теперь переходим к самому важному блоку. Ниже — ключевые продуктовые метрики, которые чаще всего составляют основу аналитики. Это именно тот набор, который считается must-have для сильной статьи и для реальной работы с продуктом. Важно не просто знать названия, а понимать, как считать каждую метрику и что она вообще означает.

DAU / MAU

DAU — это Daily Active Users, то есть количество уникальных активных пользователей за день. MAU — Monthly Active Users, то есть количество уникальных активных пользователей за месяц. Под “активными” обычно понимают тех, кто совершил какое-то значимое действие в продукте, а не просто открыл приложение на секунду. Очень важно зафиксировать это определение внутри команды, чтобы все считали одно и то же.

Формула DAU: число уникальных активных пользователей за сутки.

Формула MAU: число уникальных активных пользователей за 30 дней или календарный месяц.

Эти метрики часто смотрят вместе, потому что они помогают понять масштаб использования продукта и его “липкость”. Например, если у продукта DAU = 12 000, а MAU = 60 000, то отношение DAU/MAU = 0,2 или 20%. Это значит, что значимая часть месячной аудитории пользуется продуктом регулярно. Для некоторых категорий это очень хороший сигнал.

Пример: у приложения по доставке еды за вчера было 18 000 активных пользователей, а за последний месяц — 120 000. Тогда DAU/MAU = 18 000 / 120 000 = 15%. Для продукта с неежедневным сценарием это может быть вполне нормальным уровнем. А вот для мессенджера или соцсети 15% уже может выглядеть слабовато.

Retention rate

Retention rate показывает, какой процент пользователей вернулся в продукт через определённый промежуток времени после первого визита, регистрации или другого стартового события. Это одна из самых важных метрик, потому что она показывает, удерживает ли продукт аудиторию и становится ли для неё реально полезным.

Формула retention rate: (количество пользователей, вернувшихся в выбранный день или период / количество пользователей в исходной когорте) × 100%.

Пример: в продукт зарегистрировались 1000 новых пользователей в понедельник. Через 7 дней из них вернулись 230 человек. Значит, 7-day retention = (230 / 1000) × 100% = 23%.

Но здесь важно не просто смотреть на цифру, а понимать контекст. Для ежедневного продукта 7-day retention в 23% может быть тревожным. Для редкого B2B-инструмента — вполне приемлемым. Retention всегда нужно интерпретировать через частоту естественного использования продукта.

Churn rate

Churn rate — это метрика оттока. Она показывает, какая доля пользователей или клиентов перестала пользоваться продуктом за определённый период. Если retention отвечает на вопрос “кто остался”, то churn отвечает на вопрос “кто ушёл”. И чаще всего эти две метрики нужно рассматривать вместе.

Формула churn rate: (количество ушедших пользователей за период / количество пользователей на начало периода) × 100%.

Пример: в начале месяца у сервиса было 5000 платящих клиентов. За месяц 400 из них отменили подписку. Тогда churn rate = (400 / 5000) × 100% = 8%.

Высокий churn почти всегда сигнализирует о проблеме: ожидания не совпали с реальностью, продукт не даёт ценности, неудобен, не встраивается в сценарий пользователя или проигрывает конкурентам. Но опять же важно смотреть на контекст. Где-то churn в 3% — уже боль, а где-то и 10% ещё не критично на ранней стадии тестирования.

LTV (Lifetime Value)

LTV, или Lifetime Value, показывает, сколько в среднем денег приносит один клиент за всё время взаимодействия с продуктом. Это одна из самых полезных метрик, когда нужно понять, насколько вообще экономически оправдано привлечение и удержание пользователя.

Базовая формула LTV: средний доход с клиента за период × средняя длительность жизни клиента.

Есть и более сложные модели расчёта, но на старте обычно используют именно упрощённый вариант. Например, если клиент в среднем приносит 1500 рублей в месяц и остаётся с продуктом 8 месяцев, тогда LTV = 1500 × 8 = 12 000 рублей.

LTV особенно важен в связке с CAC. Потому что сам по себе высокий LTV мало что значит, если привлечение клиента стоит почти столько же или даже дороже. Смысл появляется именно тогда, когда доход от пользователя существенно превышает стоимость его привлечения и обслуживания.

CAC (Customer Acquisition Cost)

CAC — это стоимость привлечения одного клиента. Метрика показывает, сколько компания тратит на маркетинг и продажи, чтобы получить одного нового платящего клиента. Это ключевой показатель для оценки эффективности роста и рекламной экономики.

Формула CAC: все расходы на привлечение клиентов за период / количество новых клиентов за тот же период.

Пример: за месяц компания потратила 600 000 рублей на рекламу, контент, подрядчиков и sales-процессы. За это время привлекли 300 новых клиентов. Тогда CAC = 600 000 / 300 = 2000 рублей.

Важно считать CAC честно. Не только рекламный бюджет, но и те затраты, которые реально участвуют в привлечении. Иначе метрика получится слишком красивой и бесполезной. А дальше уже сравнивать CAC с LTV и смотреть, устойчива ли экономика продукта.

ARPU / ARPPU

ARPU — Average Revenue Per User, то есть средний доход на одного пользователя. ARPPU — Average Revenue Per Paying User, то есть средний доход только на одного платящего пользователя. Эти метрики помогают понять, сколько денег в среднем приносит аудитория и как ведут себя платящие сегменты.

Формула ARPU: общая выручка за период / общее количество пользователей за период.

Формула ARPPU: общая выручка за период / количество платящих пользователей за период.

Пример: за месяц продукт заработал 900 000 рублей. Всего активных пользователей было 15 000, а платящих — 1800. Тогда ARPU = 900 000 / 15 000 = 60 рублей, а ARPPU = 900 000 / 1800 = 500 рублей.

Эти метрики особенно полезны в freemium-моделях и подписках, где важно различать поведение всей аудитории и платящего ядра. Иногда общий ARPU может быть низким, но ARPPU — очень сильным, и это уже даёт другой взгляд на монетизацию.

Conversion rate

Conversion rate — это коэффициент конверсии. Он показывает, какая доля пользователей совершила нужное действие из общего числа тех, кто дошёл до определённого этапа. Это одна из самых универсальных метрик вообще, потому что считать конверсию можно почти на любом участке воронки.

Формула conversion rate: (количество пользователей, совершивших целевое действие / количество пользователей, видевших или прошедших предыдущий этап) × 100%.

Пример: на страницу регистрации пришло 5000 человек, а зарегистрировались 1250. Тогда conversion rate = (1250 / 5000) × 100% = 25%.

Конверсия бывает на уровне визита, регистрации, первого заказа, оплаты, активации, перехода в подписку и так далее. Главное — всегда точно понимать, между какими двумя точками вы её считаете. Иначе цифра будет вроде красивой, но мало о чём скажет.

Дерево метрик продукта

Что это такое

Дерево метрик — это визуальная схема, которая показывает, как одна верхнеуровневая цель продукта раскладывается на более конкретные показатели. Обычно наверху дерева находится главная бизнес- или продуктовая цель, а ниже — метрики, которые на неё влияют. Это помогает увидеть причинно-следственные связи и не смотреть на показатели как на разрозненный набор цифр.

Например, если главная цель — выручка, то ниже можно разложить её на количество платящих пользователей и средний чек. Количество платящих — ещё дальше на количество активных пользователей и конверсию в оплату. Активные пользователи — на acquisition, activation и retention. И в итоге становится видно, какие именно элементы системы двигают итоговый результат.

Дерево метрик полезно тем, что оно заставляет думать не только “что мы хотим улучшить”, но и “за счёт чего именно это можно сделать”. Для продуктовой команды это очень практичный инструмент.

Как построить дерево метрик

Построение дерева метрик начинается сверху вниз. Сначала вы выбираете главную метрику или цель. Это может быть выручка, количество активных пользователей, количество заказов, GMV, retention, North Star Metric — в зависимости от типа продукта. Затем задаёте себе вопрос: “От чего эта метрика зависит?”

Дальше вы раскладываете её на факторы второго уровня. Потом — третьего. И так до тех пор, пока не дойдёте до метрик, на которые команда реально может влиять действиями: изменением интерфейса, воронки, продукта, контента, onboarding, pricing, retention-механик и так далее.

Самое важное здесь — не превращать дерево метрик в красивую, но бесполезную картинку. Оно должно быть рабочим. То есть команда должна понимать, какие узлы дерева сейчас проседают и за счёт каких изменений их можно улучшить.

Пример дерева

Допустим, у SaaS-продукта верхняя метрика — Monthly Recurring Revenue, то есть регулярная месячная выручка. Её можно разложить на количество платящих клиентов × средний платёж. Количество платящих клиентов, в свою очередь, зависит от количества активированных пользователей × конверсия в оплату × retention платящих пользователей. Активированные пользователи зависят от новых регистраций и доли тех, кто дошёл до первого полезного действия.

В итоге получается понятная структура: если MRR не растёт, это не значит, что проблема только в тарифах. Возможно, у вас слабая активация. Или хороший onboarding, но плохой retention. Или нормальный retention, но слишком низкая конверсия в оплату. Дерево метрик как раз помогает увидеть эти связи и не делать слишком грубых выводов.

Упрощённый пример дерева метрик

• Выручка
  • Количество платящих пользователей
    • Новые регистрации
    • Активация
    • Конверсия в оплату
    • Retention платящих
  • Средний доход на платящего пользователя

Главные фреймворки продуктовой аналитики

AARRR (Pirate Metrics)

AARRR — это, пожалуй, самый известный фреймворк в продуктовой аналитике. Он хорош тем, что помогает посмотреть на путь пользователя по этапам и не теряться в хаосе метрик. Acquisition, Activation, Retention, Revenue, Referral — это очень практичная логика, особенно для digital-продуктов, стартапов, подписок и сервисов, где рост строится через поведение пользователя.

Сила AARRR в простоте. Он не пытается объяснить вообще всё на свете, но очень хорошо помогает увидеть, где воронка рвётся. Для SEO этот блок тоже усиливает экспертность статьи, потому что запросы про продуктовые метрики очень часто пересекаются именно с Pirate Metrics.

North Star Metric

North Star Metric, или “северная звезда”, — это главная метрика, которая отражает ценность продукта для пользователя и долгосрочный рост бизнеса. Это не просто любая цифра, которая вам нравится. Хорошая North Star Metric должна быть связана и с полезностью продукта, и с устойчивым ростом компании.

Например, для Spotify это могут быть часы прослушивания, для Slack — количество командных сообщений, для маркетплейса — количество успешно завершённых заказов, для образовательной платформы — число завершённых уроков или активных учащихся. Выбор зависит от продукта, но логика одна: метрика должна отражать не vanity activity, а реальную ценность.

HEART framework

HEART — это фреймворк от Google, который особенно полезен для оценки пользовательского опыта. Его название складывается из пяти компонентов: Happiness, Engagement, Adoption, Retention, Task Success. То есть он помогает смотреть не только на рост и доход, но и на качество взаимодействия пользователя с продуктом.

HEART особенно полезен там, где важно не просто количество действий, а то, насколько удобно, приятно и эффективно пользователю выполнять задачи. Например, в интерфейсных продуктах, B2B-сервисах, мобильных приложениях, корпоративных инструментах и продуктах с сильным UX-компонентом.

Unit-экономика

Unit-экономика — это уже взгляд на продукт через деньги на уровне одной единицы: клиента, заказа, пользователя, подписки. По сути, она отвечает на вопрос, выгодна ли вообще текущая модель роста. То есть сколько стоит привлечение одной единицы и сколько денег эта единица приносит.

Сюда как раз входят CAC, LTV, маржинальность, окупаемость каналов, payback period и другие показатели, которые помогают понять, не растёт ли продукт в минус. Очень часто стартапы и продукты на ранней стадии радуются росту трафика и регистраций, но unit-экономика показывает, что такой рост в текущем виде просто съедает деньги.

Как выбрать метрики для своего продукта

Для стартапа

На стадии стартапа команда обычно ещё не может отслеживать десятки показателей без потери фокуса. Поэтому здесь лучше брать небольшой набор самых важных метрик: acquisition, activation, retention и хотя бы базовую monetization, если продукт уже зарабатывает. Главная задача на этом этапе — понять, есть ли реальная ценность и возвращаются ли пользователи.

Стартапу вредно слишком рано уходить в перегруженную аналитику. Лучше иметь 5–7 метрик, которые реально используются для решений, чем 40 красивых графиков, на которые никто не смотрит.

Для растущего продукта

Когда продукт уже прошёл стадию первых подтверждений и начинает расти, набор метрик становится шире. Здесь уже важны сегменты пользователей, когортный анализ, конверсии по этапам воронки, CAC, LTV, каналы привлечения, revenue-показатели, unit-экономика, поведение платящих и бесплатных пользователей.

На этом этапе метрики помогают не только понять, есть ли value, но и масштабировать рост без потери качества. То есть задача уже не просто “работает или нет”, а “как расти быстрее и не сломать экономику”.

Для зрелого бизнеса

В зрелом продукте метрики становятся ещё глубже. Здесь уже важно смотреть на сегменты, жизненный цикл клиентов, удержание по когортам, вклад отдельных фич в North Star Metric, сложную unit-экономику, cross-sell, upsell, платёжное поведение, churn по причинам, влияние изменений на долгосрочную ценность пользователя и так далее.

Но при этом зрелому бизнесу особенно важно не утонуть в количестве цифр. Потому что чем больше аналитики, тем выше риск потерять управляемость. Поэтому даже зрелым продуктам нужен чёткий приоритетный слой метрик, на которые команда реально смотрит регулярно.

Как анализировать продуктовые метрики

Сбор данных

Первый этап — корректный сбор данных. И на практике это уже половина успеха. Потому что плохая аналитика очень часто начинается не с неправильных выводов, а с того, что события в продукте вообще настроены криво. Что-то не трекается, что-то трекается дважды, где-то нет единого определения активации, а где-то активным пользователем считается любой случайный клик.

Поэтому сбор данных должен быть системным. Нужно договориться о словаре событий, о том, как считаются ключевые метрики, какие источники истины используются и какие сегменты важны для анализа. Без этого дальше будут только споры о цифрах, а не работа с ними.

Интерпретация

Сами по себе цифры ещё ничего не говорят. Важна интерпретация. Например, churn вырос на 2 процентных пункта — это много или мало? Ответ зависит от стадии продукта, типа бизнеса, сезона, аудитории, тарифа, когорты, предыдущих значений и изменений, которые происходили в продукте в этот момент.

Хорошая интерпретация всегда включает контекст. Что изменилось? Где именно изменилась метрика? Для каких сегментов? В какой период? С чем это можно связать? Если просто смотреть на график без этих вопросов, очень легко сделать красивый, но неправильный вывод.

Поиск инсайтов

Инсайт — это не просто замеченная цифра, а понимание, почему что-то происходит и что с этим можно сделать. Например, не “у нас упал retention”, а “retention упал именно у новых пользователей из платного канала, потому что они хуже проходят activation, чем органические”. Вот это уже инсайт, потому что из него рождается конкретное действие.

Чтобы находить такие вещи, нужно смотреть на сегменты, когорты, поведение по шагам и результаты изменений. Именно там чаще всего скрываются реальные причины, а не на общем графике “в среднем по больнице”.

Принятие решений

Финальная цель аналитики — решение. Если команда смотрит на метрики, обсуждает их, но дальше ничего не меняет, аналитика превращается в дорогое наблюдение. Поэтому после анализа всегда нужен следующий шаг: что именно мы меняем, какую гипотезу проверяем, какую метрику ожидаем сдвинуть и за какой срок.

И здесь важен ещё один момент: не стоит принимать решения только по одной цифре. Лучше смотреть на систему метрик. Например, если выросла конверсия в оплату, но резко увеличился churn, возможно, вы просто агрессивнее продали неподходящей аудитории. То есть решение всегда должно учитывать общую картину.

Примеры продуктовых метрик в разных нишах

Это очень сильный блок, которого действительно не хватает многим материалам. Потому что одно дело — знать формулы, и совсем другое — понимать, как набор метрик меняется в зависимости от типа продукта. А он меняется очень сильно.

SaaS

Для SaaS-продуктов в центре обычно находятся активация, retention, MRR, churn, expansion revenue, LTV, CAC, количество активных рабочих пространств, частота использования ключевых функций и time-to-value. Здесь критично важно понимать, насколько быстро пользователь дошёл до пользы и встроился ли продукт в регулярный рабочий процесс.

Если у SaaS слабый onboarding, пользователь может не дойти до активации. Если он дошёл, но продукт не встроился в рабочий процесс, retention и paid conversion начинают проседать. Поэтому в SaaS особенно важно смотреть на цепочку “signup → activation → repeated usage → payment → retention”.

Мобильные приложения

В мобильных приложениях обычно сильнее всего смотрят на installs, signup rate, activation rate, Day 1 / Day 7 / Day 30 retention, DAU/MAU, session length, average sessions per user, ARPU, in-app purchase conversion и uninstall rate. Здесь очень важна ранняя удерживающая динамика, потому что у мобильных продуктов окно на формирование привычки часто довольно короткое.

Если приложение не зацепило пользователя в первые дни, удержание быстро рассыпается. Поэтому мобильная аналитика почти всегда очень чувствительна к activation и early retention.

E-commerce

В e-commerce список метрик смещается в сторону коммерческой воронки: трафик, просмотр карточек, добавление в корзину, checkout conversion, purchase conversion, AOV, repeat purchase rate, retention покупателей, ARPU, возвраты, LTV и стоимость заказа. Здесь пользовательский путь часто короткий, но очень насыщенный по точкам потери.

Например, трафика может быть много, но если карточки товара не убеждают, конверсия в корзину будет слабой. Или корзина может быть сильной, но checkout ломается на оплате или доставке. В e-commerce аналитика очень завязана на трение воронки.

Маркетплейсы

У маркетплейсов продуктовая аналитика обычно двусторонняя: есть покупатели и есть продавцы. Поэтому набор метрик шире. Для buyer-side важны acquisition, activation, retention, GMV, частота заказов, средний чек, conversion to purchase. Для seller-side — количество активных продавцов, time-to-first-listing, time-to-first-sale, retention продавцов, качество карточек, скорость доставки, cancellation rate и fill rate.

Сложность маркетплейсов в том, что продукт должен удерживать сразу две стороны. И иногда улучшение для одной стороны может вредить другой. Поэтому аналитика в таких продуктах почти всегда требует более сложного, системного взгляда.

Ошибки при работе с продуктовой аналитикой

Слепое следование метрикам

Одна из самых опасных ошибок — превращать метрики в идола. Цифры важны, но они не думают за вас. Если команда начинает оптимизировать всё подряд только под одну метрику, не понимая более широкого эффекта, это легко приводит к искажённым решениям. Например, можно поднять конверсию в оплату за счёт агрессивного давления — и одновременно убить доверие и retention.

Метрики — это инструмент мышления, а не его замена. Их нужно использовать вместе с продуктовой логикой, здравым смыслом и пониманием поведения пользователя.

Неправильные выводы

Даже хорошая цифра может привести к плохому решению, если её неверно интерпретировать. Например, рост DAU не всегда означает рост ценности продукта. Возможно, вы запустили шумную акцию, но качество трафика стало хуже. Падение retention не всегда означает плохой продукт — иногда причина в сезонности, изменении аудитории или техническом сбое.

Ошибка здесь в том, что команда видит движение метрики и слишком быстро приписывает ему удобное объяснение. А правильный путь — сначала проверить альтернативные гипотезы и только потом делать вывод.

Игнорирование контекста

Контекст в аналитике — это всё. Один и тот же churn, retention или CAC может означать совершенно разные вещи в зависимости от стадии продукта, модели бизнеса, типа аудитории, сезона, географии, канала трафика и последних изменений. Без контекста метрики легко становятся источником самообмана.

Поэтому хорошие продуктовые команды почти всегда смотрят на цифры в связке: что менялось в продукте, какие сегменты затронуты, что происходило с каналами, есть ли сезонный фактор, не было ли сбоя в трекинге и как вели себя соседние метрики.

Какие метрики использовать в первую очередь

Минимальный набор метрик

Если продукт только начинает выстраивать аналитику, не нужно пытаться сразу охватить всё. На старте почти всегда достаточно минимального набора: acquisition, activation, retention, conversion to key action, CAC, revenue и одна-две метрики пользовательской ценности. Этого уже хватает, чтобы увидеть основу поведения продукта.

Например, для простого digital-продукта базовый минимум может выглядеть так: новые пользователи, activation rate, Day 7 retention, DAU/MAU, conversion to payment, CAC, ARPU. Уже с этим набором можно принимать массу разумных решений.

Приоритеты

Приоритет метрик зависит от стадии продукта. Если продукт ещё не доказал ценность, на первом месте будут activation и retention. Если ценность уже есть, но рост дорогой — важнее CAC и воронка acquisition. Если продукт вырос, но монетизация слабая — нужно глубже смотреть revenue-метрики. То есть не существует универсального порядка “раз и навсегда”.

Но есть универсальный принцип: сначала метрики, которые показывают наличие ценности и жизнеспособность продукта, потом — всё остальное. Иначе можно долго украшать воронку для продукта, который сам по себе пока не удерживает людей.

Часто задаваемые вопросы (FAQ)

Какие метрики самые важные

Самые важные метрики зависят от продукта, но почти всегда в ядре оказываются acquisition, activation, retention, revenue и ключевая метрика ценности. Если говорить о практическом минимуме, то это обычно DAU/MAU, retention rate, churn rate, conversion rate, CAC и LTV.

Чем отличаются DAU и MAU

DAU показывает количество активных пользователей за день, а MAU — за месяц. Вместе они помогают оценить не только масштаб аудитории, но и регулярность использования продукта. Особенно полезно смотреть на отношение DAU/MAU.

Как считать LTV

В упрощённом варианте LTV считается как средний доход с клиента за период, умноженный на среднюю длительность жизни клиента. Для более точных моделей могут использоваться сложные формулы с учётом маржи, когорт и разных сценариев монетизации.

Какие метрики нужны стартапу

Стартапу в первую очередь нужны метрики, которые покажут, дошёл ли пользователь до ценности и хочет ли он возвращаться. То есть в центре обычно должны быть activation, retention, acquisition quality и базовая monetization, если она уже есть. Перегружать себя десятками показателей на старте не стоит.

Итог: как работать с продуктовой аналитикой

Если собрать всё вместе, то продуктовая аналитика — это не про бесконечные дашборды и не про магию формул. Это про ясное понимание того, как живёт продукт: откуда приходят пользователи, где они получают первую ценность, почему возвращаются или уходят, как продукт зарабатывает и какие именно действия двигают рост.

Самая здравая стратегия — не пытаться измерить всё подряд, а выстроить систему. Сначала определить ключевые этапы продукта, потом выбрать несколько действительно важных метрик, настроить корректный сбор данных, договориться о единых определениях и только после этого использовать аналитику для решений. Не для красоты, не для формального отчёта, а для реального управления продуктом.

И, пожалуй, вот самая важная мысль. Метрики сами по себе ничего не улучшают. Улучшают решения, которые вы принимаете на их основе. Поэтому сильная продуктовая аналитика — это не тот случай, когда команда знает больше аббревиатур. Это тот случай, когда команда умеет видеть за цифрами поведение пользователя, ценность продукта и реальные точки роста.