GoPractice.ru

Очень коротко о главном: А теперь по порядку Сокращение пути от получения знаний до их применения на практике — то, над чем мы работаем особенно тщательно при создании образовательных продуктов.&#160; Сегодня мы представляем новый продукт и новый формат обучения, которые позволяют применять полученные знания и освоенные концепции сразу же на своем продукте. Встречайте «Фреймворк для улучшения активации в продукте». ⚡ [&#8230;]
Сообщение <a href="https://gopractice.ru/news/activation-framework-launch/">Встречайте «Фреймворк для улучшения активации в продукте» от GoPractice</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Очень коротко о главном:



<ul class="wp-block-list">
<li>Фреймворк поможет улучшить активацию и ключевые метрики продукта.&nbsp;</li>



<li>Первые результаты — через неделю. Пройти фреймворк полностью можно за 4–6 недель интенсивной работы.&nbsp;</li>



<li>Доступ можно купить или получить бесплатно на 6 недель. Все подробности <a href="https://gopractice.ru/course/activation/">на странице продукта</a>.</li>
</ul>



<h2 class="wp-block-heading">А теперь по порядку</h2>



Сокращение пути от получения знаний до их применения на практике — то, над чем мы работаем особенно тщательно при создании образовательных продуктов.&nbsp;



Сегодня мы представляем новый продукт и новый формат обучения, которые позволяют применять полученные знания и освоенные концепции сразу же на своем продукте.



Встречайте «Фреймворк для улучшения активации в продукте».



<img src="https://s.w.org/images/core/emoji/15.0.3/72x72/26a1.png" alt="⚡" class="wp-smiley" style="height: 1em; max-height: 1em;" /> С помощью этого фреймворка вы сможете переработать механизм активации и улучшить ключевые метрики продукта.



<h2 class="wp-block-heading">Что вы получите</h2>



<img src="https://s.w.org/images/core/emoji/15.0.3/72x72/1fa84.png" alt="🪄" class="wp-smiley" style="height: 1em; max-height: 1em;" /> Алгоритм с 5 понятными шагами и шаблоны для работы по ним



<img src="https://s.w.org/images/core/emoji/15.0.3/72x72/1fa84.png" alt="🪄" class="wp-smiley" style="height: 1em; max-height: 1em;" /> 25 материалов с примерами, реальными кейсами и теорией&nbsp;



<img src="https://s.w.org/images/core/emoji/15.0.3/72x72/1fa84.png" alt="🪄" class="wp-smiley" style="height: 1em; max-height: 1em;" />&nbsp;На выходе вы получите новый эффективный флоу активации и 50+ гипотез для развития вашего продукта



<h2 class="wp-block-heading">Почему стоит работать над активацией</h2>



<img src="https://s.w.org/images/core/emoji/15.0.3/72x72/26a1.png" alt="⚡" class="wp-smiley" style="height: 1em; max-height: 1em;" /> 100% пользователей вашего продукта проходят через активацию.&nbsp;



<img src="https://s.w.org/images/core/emoji/15.0.3/72x72/26a1.png" alt="⚡" class="wp-smiley" style="height: 1em; max-height: 1em;" /> Улучшения в активации дают многократный эффект, так как влияют одновременно на все уровни продукта — на Retention, на монетизацию, на окупаемость маркетинга.



Вот реальный кейс из опыта Шона Эллиса, нашего партнера по англоязычной версии GoPractice и идеолога концепции growth hacking. Перестройка активации в сервисе LogMeIn позволила команде Шона увеличить рекламный бюджет в Google Ads в 50 (!) раз. Это запустило рост продукта и в будущем привело к продаже компании за $4.3 миллиарда.



<h2 class="wp-block-heading">Как устроено обучение и когда ждать результатов на уровне продукта</h2>



Фреймворк можно проходить индивидуально, при этом командное обучение значительно лучше. Участники команды, работающей над одним продуктом, становятся менторами друг для друга.



Вы можете учиться в своем ритме, но вот ориентиры от ранних студентов:



<img src="https://s.w.org/images/core/emoji/15.0.3/72x72/1f5d3.png" alt="🗓" class="wp-smiley" style="height: 1em; max-height: 1em;" /> Уже через 7 дней работы по фреймворку вы сможете получить первые инсайты, которые изменят ваше понимание ценности продукта и задач пользователей.



<img src="https://s.w.org/images/core/emoji/15.0.3/72x72/1f5d3.png" alt="🗓" class="wp-smiley" style="height: 1em; max-height: 1em;" /> За 4–5 недель интенсивной работы можно получить новый механизм активации и множество новых гипотез для работы над продуктом.



За это время вы проведете ряд исследований, важных для глубокого понимания ваших пользователей (JTBD, анализ сессий), примените инструменты для построения нового флоу активации (CJM, фреймворк «налог–выгода» и другие), научитесь повышать мотивацию пользователей, снижать барьеры.&nbsp;



А главное — научитесь доносить ценность вашего продукта с наибольшей эффективностью.



Подробную программу, а также отзывы студентов, которые уже изучили и применили фреймворк, вы сможете найти <a href="https://gopractice.ru/course/activation/">на странице продукта</a>.



<h2 class="wp-block-heading">Доступ к фреймворку можно получить бесплатно</h2>



Базовый тариф: 9900₽.&nbsp;



Но вы и ваша команда можете получить доступ к фреймворку бесплатно на 6 недель. Подробности о том, как это сделать —&nbsp;<a href="https://gopractice.ru/course/activation/">после регистрации на странице продукта</a>.



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
<img src="https://s.w.org/images/core/emoji/15.0.3/72x72/26a1.png" alt="⚡" class="wp-smiley" style="height: 1em; max-height: 1em;" /> <a href="https://gopractice.ru/course/activation/">Подробная программа и вся остальная информация о фреймворке — на странице продукта</a> <img src="https://s.w.org/images/core/emoji/15.0.3/72x72/26a1.png" alt="⚡" class="wp-smiley" style="height: 1em; max-height: 1em;" />&nbsp;
</blockquote>



<h2 class="wp-block-heading">Остались вопросы?</h2>



Напишите нам на <a href="mailto:contacts@gopractice.ru">contacts@gopractice.ru</a>, и мы поможем разобраться.
Сообщение <a href="https://gopractice.ru/news/activation-framework-launch/">Встречайте «Фреймворк для улучшения активации в продукте» от GoPractice</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Очень коротко о главном:
Фреймворк поможет улучшить активацию и ключевые метрики продукта. 
Первые результаты — через неделю. Пройти фреймворк полностью можно за 4–6 недель интенсивной работы. 
Доступ можно купить или получить бесплатно на 6 недель. Все подробности на странице продукта.
А теперь по порядку
Сокращение пути от получения знаний до их применения на практике — то, над чем мы работаем особенно тщательно при создании образовательных продуктов. 
Сегодня мы представляем новый продукт и новый формат обучения, которые позволяют применять полученные знания и освоенные концепции сразу же на своем продукте.
Встречайте «Фреймворк для улучшения активации в продукте».
 С помощью этого фреймворка вы сможете переработать механизм активации и улучшить ключевые метрики продукта.
Что вы получите
 Алгоритм с 5 понятными шагами и шаблоны для работы по ним
 25 материалов с примерами, реальными кейсами и теорией 
 На выходе вы получите новый эффективный флоу активации и 50+ гипотез для развития вашего продукта
Почему стоит работать над активацией
 100% пользователей вашего продукта проходят через активацию. 
 Улучшения в активации дают многократный эффект, так как влияют одновременно на все уровни продукта — на Retention, на монетизацию, на окупаемость маркетинга.
Вот реальный кейс из опыта Шона Эллиса, нашего партнера по англоязычной версии GoPractice и идеолога концепции growth hacking. Перестройка активации в сервисе LogMeIn позволила команде Шона увеличить рекламный бюджет в Google Ads в 50 (!) раз. Это запустило рост продукта и в будущем привело к продаже компании за $4.3 миллиарда.
Как устроено обучение и когда ждать результатов на уровне продукта
Фреймворк можно проходить индивидуально, при этом командное обучение значительно лучше. Участники команды, работающей над одним продуктом, становятся менторами друг для друга.
Вы можете учиться в своем ритме, но вот ориентиры от ранних студентов:
 Уже через 7 дней работы по фреймворку вы сможете получить первые инсайты, которые изменят ваше понимание ценности продукта и задач пользователей.
 За 4–5 недель интенсивной работы можно получить новый механизм активации и множество новых гипотез для работы над продуктом.
За это время вы проведете ряд исследований, важных для глубокого понимания ваших пользователей (JTBD, анализ сессий), примените инструменты для построения нового флоу активации (CJM, фреймворк «налог–выгода» и другие), научитесь повышать мотивацию пользователей, снижать барьеры. 
А главное — научитесь доносить ценность вашего продукта с наибольшей эффективностью.
Подробную программу, а также отзывы студентов, которые уже изучили и применили фреймворк, вы сможете найти на странице продукта.
Доступ к фреймворку можно получить бесплатно
Базовый тариф: 9900₽. 
Но вы и ваша команда можете получить доступ к фреймворку бесплатно на 6 недель. Подробности о том, как это сделать — после регистрации на странице продукта.
 Подробная программа и вся остальная информация о фреймворке — на странице продукта  
Остались вопросы?
Напишите нам на contacts@gopractice.ru, и мы поможем разобраться.
Сообщение Встречайте «Фреймворк для улучшения активации в продукте» от GoPractice появились сначала на GoPractice.

Очень коротко о главном: А теперь по порядку Сокращение пути от получения знаний до их применения на практике — то, над чем мы работаем особенно тщательно при создании образовательных продуктов.  Сегодня мы представляем новый продукт и новый формат обучения, которые позволяют применять полученные знания и освоенные концепции сразу же на своем продукте. Встречайте «Фреймворк для улучшения активации в продукте». ⚡ […]
Сообщение Встречайте «Фреймворк для улучшения активации в продукте» от GoPractice появились сначала на GoPractice.

Встречайте «Фреймворк для улучшения активации в продукте» от GoPractice

Все чаще можно услышать мнение, что эпоха мобильных приложений подошла к концу. Аргументы такой позиции: ожесточенная конкуренция, существенная комиссия мобильных сторов, постоянно растущая стоимость привлечения, замедление роста числа пользователей смартфонов. С другой стороны, мобильные приложения — это огромный рынок с оборотом более $100 миллиардов в год. Рынок, где регулярно появляются успешные продукты, некоторые из которых достигают выручки в десятки или [&#8230;]
Сообщение <a href="https://gopractice.ru/market/mobile-apps-success-study/">Какова вероятность успеха нового мобильного приложения в 2024 году? Исследование GoPractice</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Все чаще можно услышать мнение, что эпоха мобильных приложений подошла к концу.



Аргументы такой позиции: ожесточенная конкуренция, существенная комиссия мобильных сторов, постоянно растущая стоимость привлечения, замедление роста числа пользователей смартфонов.



С другой стороны, мобильные приложения — это огромный рынок с оборотом более $100 миллиардов в год. Рынок, где регулярно появляются успешные продукты, некоторые из которых достигают выручки в десятки или сотни миллионов долларов за считанные месяцы.



Мы решили выяснить, какая из этих точек зрения ближе к правде.



Для этого мы провели исследование и с помощью данных ответили на вопрос:



<img src="https://s.w.org/images/core/emoji/15.0.3/72x72/1f4a1.png" alt="💡" class="wp-smiley" style="height: 1em; max-height: 1em;" /> Правда ли, что на текущем рынке намного сложнее добиться успеха, чем, например, пять лет назад?







<h2 class="wp-block-heading">Методология</h2>



<h3 class="wp-block-heading">Как мы оценивали состояние рынка мобильных приложений с помощью данных</h3>



Для ответа на вопрос о вероятности успеха нового продукта на рынке мобильных приложений мы использовали данные AppMagic:



<ul class="wp-block-list">
<li>Взяли все приложения, которые были запущены в App Store с 2016 по 2023 год.</li>



<li>Для каждого приложения получили данные с оценками дохода и скачиваний из AppMagic.</li>



<li>Подсчитали долю приложений, запущенных в каждый из месяцев, которые смогли пробить рубеж в $100 000 суммарной выручки от внутренних покупок за первый год с момента запуска (о причинах выбора такого критерия дальше).</li>



<li>Проанализировали, как менялся этот показатель в динамике, что на него влияло и как именно.</li>
</ul>



<div id="vue-signup-app"/>Сообщение <a href="https://gopractice.ru/market/mobile-apps-success-study/">Какова вероятность успеха нового мобильного приложения в 2024 году? Исследование GoPractice</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Все чаще можно услышать мнение, что эпоха мобильных приложений подошла к концу.
Аргументы такой позиции: ожесточенная конкуренция, существенная комиссия мобильных сторов, постоянно растущая стоимость привлечения, замедление роста числа пользователей смартфонов.
С другой стороны, мобильные приложения — это огромный рынок с оборотом более $100 миллиардов в год. Рынок, где регулярно появляются успешные продукты, некоторые из которых достигают выручки в десятки или сотни миллионов долларов за считанные месяцы.
Мы решили выяснить, какая из этих точек зрения ближе к правде.
Для этого мы провели исследование и с помощью данных ответили на вопрос:
 Правда ли, что на текущем рынке намного сложнее добиться успеха, чем, например, пять лет назад?




Методология
Как мы оценивали состояние рынка мобильных приложений с помощью данных
Для ответа на вопрос о вероятности успеха нового продукта на рынке мобильных приложений мы использовали данные AppMagic:
Взяли все приложения, которые были запущены в App Store с 2016 по 2023 год.
Для каждого приложения получили данные с оценками дохода и скачиваний из AppMagic.
Подсчитали долю приложений, запущенных в каждый из месяцев, которые смогли пробить рубеж в $100 000 суммарной выручки от внутренних покупок за первый год с момента запуска (о причинах выбора такого критерия дальше).
Проанализировали, как менялся этот показатель в динамике, что на него влияло и как именно.

Сообщение Какова вероятность успеха нового мобильного приложения в 2024 году? Исследование GoPractice появились сначала на GoPractice.

Все чаще можно услышать мнение, что эпоха мобильных приложений подошла к концу. Аргументы такой позиции: ожесточенная конкуренция, существенная комиссия мобильных сторов, постоянно растущая стоимость привлечения, замедление роста числа пользователей смартфонов. С другой стороны, мобильные приложения — это огромный рынок с оборотом более $100 миллиардов в год. Рынок, где регулярно появляются успешные продукты, некоторые из которых достигают выручки в десятки или […]
Сообщение Какова вероятность успеха нового мобильного приложения в 2024 году? Исследование GoPractice появились сначала на GoPractice.

Какова вероятность успеха нового мобильного приложения в 2024 году? Исследование GoPractice

Аналитика — это основа для принятия решений. Но данные должны быть адаптированы для конкретных бизнес-задач и отражать реальные метрики, на которые можно опираться в работе. В этом материале для GoPractice Денис Елкин (CMO компании Alps2Alps, ex-Yandex, ex-VK) рассказывает, что действительно важно для маркетинговой аналитики, а на что можно не тратить ресурсы и как сделать дашборды так, чтобы они приносили пользу [&#8230;]
Сообщение <a href="https://gopractice.ru/data/creating-dashboards-guide/">Гайд по созданию маркетинговых аналитических дашбордов для всей команды</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Аналитика — это основа для принятия решений. Но данные должны быть адаптированы для конкретных бизнес-задач и отражать реальные метрики, на которые можно опираться в работе.



В этом материале для GoPractice <a href="https://linkedin.com/in/denyolkin">Денис Елкин</a> (CMO компании Alps2Alps, ex-Yandex, ex-VK) рассказывает, что действительно важно для маркетинговой аналитики, а на что можно не тратить ресурсы и как сделать дашборды так, чтобы они приносили пользу команде.







<h3 class="wp-block-heading">На разных этапах развития компании — разные требования к аналитике</h3>



Pre-PMF (до нахождения product-market fit). Здесь задача в первую очередь — понять, где ваша аудитория. Основное внимание уделяется поиску аудитории и экспериментированию с каналами привлечения. На этом этапе не требуется оптимизировать маркетинговые расходы, а значит, аналитика может быть упрощенной.



Post-PMF (масштабирование). По мере масштабирования аналитика должна отвечать более сложным требованиям — использование A/B тестов и расширение функционала BI становятся критичными. Это позволяет контролировать рост и оптимизировать маркетинговые расходы.



Кроме того, чем больше компания, тем важнее становится роль data-инженеров и автоматизация отчетности.



<h3 class="wp-block-heading">Основные принципы для создания полезных дашбордов</h3>



Быстрая загрузка



Дашборд должен грузиться быстро, иначе люди будут стараться минимизировать взаимодействие с ним.



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
Пример из жизни: Дашборд грузится больше минуты. Каждое изменение фильтра приводит к тому, что опять приходится долго ждать. В результате менеджеры тратят несколько часов в неделю на то, чтобы выгрузить «сырые» данные в Google Spreadsheets и сделать сводные таблицы. Формально дашборд есть, но никто не может с ним эффективно работать.
</blockquote>



<div style="height:20px" aria-hidden="true" class="wp-block-spacer"></div>



Четкое предназначение



Каждый дашборд должен отвечать на конкретный набор вопросов, связанных с бизнес-целями. Не нужно делать дашборд, в котором свалены все данные во всех возможных разрезах: им будет неудобно пользоваться и он будет долго грузиться.



В идеале иметь возможность показывать только те колонки и данные, которые нужны пользователю в конкретный момент. Хороший BI-инженер может настроить это в Tableau.



Разные дашборды —&nbsp;для разных пользователей



Маркетологи, менеджеры и руководство — всем нужны свои, специфичные дашборды. 



<h3 class="wp-block-heading">Когда маркетинговой аналитике нужны улучшения</h3>



<div class="margin-note-anchor" id="mna-190015706"><div class="margin-note" id="mn-190015706">



То, как эффективно работать с аналитикой, мы подробно разбираем в <a href="https://gopractice.ru/course/pm/prices/">«Симуляторе управления продуктом на основе данных»</a>. 



Чтобы взять максимум от обучения, выбирайте тариф с ментором. С поддержкой опытного наставника вы разберете, как применять новые знания в реальной жизни. Выбрать группу можно <a href="https://gopractice.ru/course/pm/prices/">по ссылке.</a>



</div></div>



Ручной сбор данных занимает много времени



Если менеджеры каждую неделю вручную собирают отчет в Excel или тратят часы на сбор данных из разных источников перед еженедельной встречей — значит, нужен дашборд, который автоматизирует эту работу.



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
Пример из жизни:



Команда по вторникам выгружает данные из кабинетов по затратам, показам, кликам. Далее из MMP выгружаются данные по инсталлам, регистрациям и событиям. Затем эти данные при помощи VLOOKUP склеиваются по campaign name. И на основе этого получается Excel-таблица, которую используют в работе.



Как итог, такой ручной труд ведет к потраченному времени, а точные данные доступны лишь с задержкой в неделю.
</blockquote>



<div style="height:20px" aria-hidden="true" class="wp-block-spacer"></div>



Несогласованность данных: разные дашборды показывают разные результаты



Если метрики, такие как количество пользователей или доход, расходятся более чем на 10% между отчетами маркетинга, продукта и финансов, то это создает проблемы. Эти метрики должны быть едины во всех отчетах.



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
Пример из жизни: В маркетинге пользователь считается новым, если он не пользовался продуктом больше шести месяцев. В продукте пользователь считается новым, если он не пользовался продуктом никогда. Если человек шесть лет назад зарегистрировался, купил и затем перестал пользоваться продуктом, а вчера мы его заново заманили в продукт и он снова сделал покупку, то для продукта он —&nbsp;старый пользователь, а для маркетинга —&nbsp;новый. Если продукт давно на рынке в этой стране, и расхождения в цифрах — значительные, то это повод договориться с продуктовой командой о едином определении.
</blockquote>



<div style="height:20px" aria-hidden="true" class="wp-block-spacer"></div>



Сложные корректировки в уме



Если вашим сотрудникам приходится умножать данные на коэффициенты, чтобы получить реальную картину, это признак плохо настроенной аналитики. Данные должны быть готовы к использованию без дополнительных вычислений.



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
Пример из жизни 1:



Продвижение мобильного приложения в Meta в iOS. Из-за того, что не используется SkAd, в качестве количества покупок берутся данные из AppsFlyer. Эти данные доступны только по пользователям, которые дали ATT (App Tracking Transparency) Consent, и они умножаются на «коэффициент ATT», например 3.5.



Сопутствующая проблема: в отчете для руководства — недооцененный paid и переоцененная органика только в одной из платформ — iOS.



Пример из жизни 2:



При составлении медиаплана нужно выставить target CAC по Apple Search Ads. Каждый раз медиабайер прикидывает, что «у нас процент брендового трафика примерно 50%, по нему таргет CAC = 2 USD, по небрендовому трафику 10 USD, значит в среднем по ASA target CAC = 3.5 USD».



Пример из жизни 3:



Предположим, что в одном из источников высокая каннибализация. Это значит, что он «ворует» себе часть конверсий из других источников. То есть в нем target CAC должен быть ниже, чем в других источниках. И каждый раз медиабайер делает «прикидку в голове»: насколько этот CAC должен быть ниже.



Пример из жизни 4:



Компания платит за разные рекламные источники с разных юрлиц, и в результате возникают разные налоги. Для правильного расчета данных по источнику 1 в какой-то конкретной стране, затраты, CPI, CAC и все другие метрики по затратам нужно умножать на 1.2.
</blockquote>



<div style="height:20px" aria-hidden="true" class="wp-block-spacer"></div>



Данные в дашборде требуют оговорок 



Следствие предыдущего пункта. Когда сотрудник говорит: «Это число неправильное, не обращай внимания» — значит, данные в дашборде не соответствуют реальности, и доверие к ним подорвано. Но т.к. C-level dashboard собирается из тех же самых данных, значит, руководство получает искаженную картину действительности.



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
Пример из жизни:



В AppsFlyer есть механизмы антифрода в Protect360: как встроенные, так и Validation Rules. Некоторые правила антифрода срабатывают с задержкой — до семи дней. Если мы выгрузим данные через сутки после инсталла и не выгрузим их повторно через восемь дней, то данные в BI будут «до применения антифрода».



Проблема: в дэшборде у руководства будут данные, в которых каналы с фродом будут выглядеть лучше, чем они есть на самом деле.
</blockquote>



<div style="height:20px" aria-hidden="true" class="wp-block-spacer"></div>



Сегментация в разных дашбордах



Если у вас отдельные дашборды для каждой страны или сегмента, при этом общих метрик нет, то становится сложно видеть всю картину. При этом важно понимать, что для разных сторон бизнеса (например, привлечения продавцов и покупателей в маркетплейсе) нужны свои, специфичные дашборды. 



<h3 class="wp-block-heading">Когда улучшение дашбордов не приоритет?</h3>



<ul class="wp-block-list">
<li>Расхождения в данных с продуктовыми дашбордами минимальны (≤ 5%).</li>



<li>Расходы на маркетинг невелики (≤ $10 тыс.). Обычно это — стадия pre-PMF.</li>



<li>Вы используете только один основной канал привлечения. Опять же, обычно это актуально на этапе pre-PMF, но бывают исключения.</li>
</ul>



Тем не менее, даже в этих случаях полезно интегрировать данные в единый источник (например, DWH) и подключить инструменты для визуализации, такие как Looker. Это избавит команду от постоянных выгрузок и позволит сосредоточиться на анализе.



<h3 class="wp-block-heading">Когда нужно просто обучать людей?</h3>



Хороший дашборд — это не только данные. Это знание того, как этими данными пользоваться. Даже идеальный дашборд будет бесполезен, если люди не знают, как интерпретировать его данные. Поэтому здесь моя задача как лидера — не только настроить аналитику, но и обучить команду ею пользоваться.



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
Пример из жизни 1:



Медиабайер не понимает:



<ul class="wp-block-list">
<li>как рассчитано значение в колонке «новые пользователи» в дашборде;</li>



<li>какое окно атрибуции;&nbsp;</li>



<li>учитываются ли реатрибуции, «воскресшие» пользователи;&nbsp;</li>



<li>какое конкретно событие интерпретируется как «новый пользователь».</li>
</ul>



Если маркетолог показывает число в дашборде, но не может объяснить, как оно рассчитано, — это повод для обучения. Важно понимать, какие окна атрибуции были выбраны, были ли учтены пост-вью действия, как учитывались новые и старые пользователи.



Пример из жизни 2:



В компании есть дашборд с аналитикой периода payback. Но команда о нем не знает или не умеет пользоваться. Зато они где-то слышали, что LTV равен 5 долларам, поэтому окупаемость считают «на глаз» = $5.0/CAC. При этом они не не учитывают, что в разных странах разный LTV, retention и тп.
</blockquote>



<div style="height:20px" aria-hidden="true" class="wp-block-spacer"></div>



<h3 class="wp-block-heading">Резюме</h3>



Маркетинговая аналитика — это неотъемлемая часть принятия обоснованных решений и роста бизнеса. На разных стадиях компании важно использовать разные подходы к аналитике, начиная от простых отчетов в pre-PMF до комплексных дашбордов и A/B тестирования при масштабировании. Эффективная аналитика помогает не только отслеживать результаты, но и оптимизировать процессы, исключать ручной труд и повышать доверие к данным. Убедитесь, что ваши дашборды адаптированы под конкретные задачи, а команда понимает, как использовать полученные данные.



<h3 class="wp-block-heading">Узнайте больше</h3>



—&nbsp;<a href="https://gopractice.ru/skills/pms-and-analysts/">Как построить эффективное взаимодействие с аналитиком: гайд для продакт-менеджера</a>



— <a href="https://gopractice.ru/product/product-market-fit/">Product/market fit: что это такое и как его измерить с помощью метрик</a>



—&nbsp;<a href="https://gopractice.ru/data/correlation-vs-causation/">Причинно-следственная связь и корреляция: в чем разница и почему ее важно понимать в работе над продуктом</a>
Сообщение <a href="https://gopractice.ru/data/creating-dashboards-guide/">Гайд по созданию маркетинговых аналитических дашбордов для всей команды</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Аналитика — это основа для принятия решений. Но данные должны быть адаптированы для конкретных бизнес-задач и отражать реальные метрики, на которые можно опираться в работе.
В этом материале для GoPractice Денис Елкин (CMO компании Alps2Alps, ex-Yandex, ex-VK) рассказывает, что действительно важно для маркетинговой аналитики, а на что можно не тратить ресурсы и как сделать дашборды так, чтобы они приносили пользу команде.




На разных этапах развития компании — разные требования к аналитике
Pre-PMF (до нахождения product-market fit). Здесь задача в первую очередь — понять, где ваша аудитория. Основное внимание уделяется поиску аудитории и экспериментированию с каналами привлечения. На этом этапе не требуется оптимизировать маркетинговые расходы, а значит, аналитика может быть упрощенной.
Post-PMF (масштабирование). По мере масштабирования аналитика должна отвечать более сложным требованиям — использование A/B тестов и расширение функционала BI становятся критичными. Это позволяет контролировать рост и оптимизировать маркетинговые расходы.
Кроме того, чем больше компания, тем важнее становится роль data-инженеров и автоматизация отчетности.
Основные принципы для создания полезных дашбордов
Быстрая загрузка
Дашборд должен грузиться быстро, иначе люди будут стараться минимизировать взаимодействие с ним.
Пример из жизни:
Дашборд грузится больше минуты. Каждое изменение фильтра приводит к тому, что опять приходится долго ждать. В результате менеджеры тратят несколько часов в неделю на то, чтобы выгрузить «сырые» данные в Google Spreadsheets и сделать сводные таблицы. Формально дашборд есть, но никто не может с ним эффективно работать.




Четкое предназначение
Каждый дашборд должен отвечать на конкретный набор вопросов, связанных с бизнес-целями. Не нужно делать дашборд, в котором свалены все данные во всех возможных разрезах: им будет неудобно пользоваться и он будет долго грузиться.
В идеале иметь возможность показывать только те колонки и данные, которые нужны пользователю в конкретный момент. Хороший BI-инженер может настроить это в Tableau.
Разные дашборды — для разных пользователей
Маркетологи, менеджеры и руководство — всем нужны свои, специфичные дашборды.




Когда маркетинговой аналитике нужны улучшения

То, как эффективно работать с аналитикой, мы подробно разбираем в «Симуляторе управления продуктом на основе данных». 
Чтобы взять максимум от обучения, выбирайте тариф с ментором. С поддержкой опытного наставника вы разберете, как применять новые знания в реальной жизни. Выбрать группу можно по ссылке.

Ручной сбор данных занимает много времени
Если менеджеры каждую неделю вручную собирают отчет в Excel или тратят часы на сбор данных из разных источников перед еженедельной встречей — значит, нужен дашборд, который автоматизирует эту работу.
Пример из жизни:
Команда по вторникам выгружает данные из кабинетов по затратам, показам, кликам. Далее из MMP выгружаются данные по инсталлам, регистрациям и событиям. Затем эти данные при помощи VLOOKUP склеиваются по campaign name. И на основе этого получается Excel-таблица, которую используют в работе.
Как итог, такой ручной труд ведет к потраченному времени, а точные данные доступны лишь с задержкой в неделю.




Несогласованность данных: разные дашборды показывают разные результаты
Если метрики, такие как количество пользователей или доход, расходятся более чем на 10% между отчетами маркетинга, продукта и финансов, то это создает проблемы. Эти метрики должны быть едины во всех отчетах.
Пример из жизни:
В маркетинге пользователь считается новым, если он не пользовался продуктом больше шести месяцев. В продукте пользователь считается новым, если он не пользовался продуктом никогда. Если человек шесть лет назад зарегистрировался, купил и затем перестал пользоваться продуктом, а вчера мы его заново заманили в продукт и он снова сделал покупку, то для продукта он — старый пользователь, а для маркетинга — новый. Если продукт давно на рынке в этой стране, и расхождения в цифрах — значительные, то это повод договориться с продуктовой командой о едином определении.




Сложные корректировки в уме
Если вашим сотрудникам приходится умножать данные на коэффициенты, чтобы получить реальную картину, это признак плохо настроенной аналитики. Данные должны быть готовы к использованию без дополнительных вычислений.
Пример из жизни 1:
Продвижение мобильного приложения в Meta в iOS. Из-за того, что не используется SkAd, в качестве количества покупок берутся данные из AppsFlyer. Эти данные доступны только по пользователям, которые дали ATT (App Tracking Transparency) Consent, и они умножаются на «коэффициент ATT», например 3.5.
Сопутствующая проблема: в отчете для руководства — недооцененный paid и переоцененная органика только в одной из платформ — iOS.
Пример из жизни 2:
При составлении медиаплана нужно выставить target CAC по Apple Search Ads. Каждый раз медиабайер прикидывает, что «у нас процент брендового трафика примерно 50%, по нему таргет CAC = 2 USD, по небрендовому трафику 10 USD, значит в среднем по ASA target CAC = 3.5 USD».
Пример из жизни 3:
Предположим, что в одном из источников высокая каннибализация. Это значит, что он «ворует» себе часть конверсий из других источников. То есть в нем target CAC должен быть ниже, чем в других источниках. И каждый раз медиабайер делает «прикидку в голове»: насколько этот CAC должен быть ниже.
Пример из жизни 4:
Компания платит за разные рекламные источники с разных юрлиц, и в результате возникают разные налоги. Для правильного расчета данных по источнику 1 в какой-то конкретной стране, затраты, CPI, CAC и все другие метрики по затратам нужно умножать на 1.2.




Данные в дашборде требуют оговорок 
Следствие предыдущего пункта. Когда сотрудник говорит: «Это число неправильное, не обращай внимания» — значит, данные в дашборде не соответствуют реальности, и доверие к ним подорвано. Но т.к. C-level dashboard собирается из тех же самых данных, значит, руководство получает искаженную картину действительности.
Пример из жизни:
В AppsFlyer есть механизмы антифрода в Protect360: как встроенные, так и Validation Rules. Некоторые правила антифрода срабатывают с задержкой — до семи дней. Если мы выгрузим данные через сутки после инсталла и не выгрузим их повторно через восемь дней, то данные в BI будут «до применения антифрода».
Проблема: в дэшборде у руководства будут данные, в которых каналы с фродом будут выглядеть лучше, чем они есть на самом деле.




Сегментация в разных дашбордах
Если у вас отдельные дашборды для каждой страны или сегмента, при этом общих метрик нет, то становится сложно видеть всю картину. При этом важно понимать, что для разных сторон бизнеса (например, привлечения продавцов и покупателей в маркетплейсе) нужны свои, специфичные дашборды.




Когда улучшение дашбордов не приоритет?
Расхождения в данных с продуктовыми дашбордами минимальны (≤ 5%).
Расходы на маркетинг невелики (≤ $10 тыс.). Обычно это — стадия pre-PMF.
Вы используете только один основной канал привлечения. Опять же, обычно это актуально на этапе pre-PMF, но бывают исключения.
Тем не менее, даже в этих случаях полезно интегрировать данные в единый источник (например, DWH) и подключить инструменты для визуализации, такие как Looker. Это избавит команду от постоянных выгрузок и позволит сосредоточиться на анализе.
Когда нужно просто обучать людей?
Хороший дашборд — это не только данные. Это знание того, как этими данными пользоваться. Даже идеальный дашборд будет бесполезен, если люди не знают, как интерпретировать его данные. Поэтому здесь моя задача как лидера — не только настроить аналитику, но и обучить команду ею пользоваться.
Пример из жизни 1:
Медиабайер не понимает:
как рассчитано значение в колонке «новые пользователи» в дашборде;
какое окно атрибуции; 
учитываются ли реатрибуции, «воскресшие» пользователи; 
какое конкретно событие интерпретируется как «новый пользователь».
Если маркетолог показывает число в дашборде, но не может объяснить, как оно рассчитано, — это повод для обучения. Важно понимать, какие окна атрибуции были выбраны, были ли учтены пост-вью действия, как учитывались новые и старые пользователи.
Пример из жизни 2:
В компании есть дашборд с аналитикой периода payback. Но команда о нем не знает или не умеет пользоваться. Зато они где-то слышали, что LTV равен 5 долларам, поэтому окупаемость считают «на глаз» = $5.0/CAC. При этом они не не учитывают, что в разных странах разный LTV, retention и тп.




Резюме
Маркетинговая аналитика — это неотъемлемая часть принятия обоснованных решений и роста бизнеса. На разных стадиях компании важно использовать разные подходы к аналитике, начиная от простых отчетов в pre-PMF до комплексных дашбордов и A/B тестирования при масштабировании. Эффективная аналитика помогает не только отслеживать результаты, но и оптимизировать процессы, исключать ручной труд и повышать доверие к данным. Убедитесь, что ваши дашборды адаптированы под конкретные задачи, а команда понимает, как использовать полученные данные.
Узнайте больше
— Как построить эффективное взаимодействие с аналитиком: гайд для продакт-менеджера
— Product/market fit: что это такое и как его измерить с помощью метрик
— Причинно-следственная связь и корреляция: в чем разница и почему ее важно понимать в работе над продуктом
Сообщение Гайд по созданию маркетинговых аналитических дашбордов для всей команды появились сначала на GoPractice.

Аналитика — это основа для принятия решений. Но данные должны быть адаптированы для конкретных бизнес-задач и отражать реальные метрики, на которые можно опираться в работе. В этом материале для GoPractice Денис Елкин (CMO компании Alps2Alps, ex-Yandex, ex-VK) рассказывает, что действительно важно для маркетинговой аналитики, а на что можно не тратить ресурсы и как сделать дашборды так, чтобы они приносили пользу […]
Сообщение Гайд по созданию маркетинговых аналитических дашбордов для всей команды появились сначала на GoPractice.

Гайд по созданию маркетинговых аналитических дашбордов для всей команды

Одна из самых важных вещей в работе над продуктом —&#160;наличие эффективного цикла обратной связи, который максимально близко связывает команду и целевых клиентов. Это особенно важно на ранних этапах работы над продуктом (0 → 1, до достижения product/market fit). Быстрая, неискаженная, «живая» обратная связь от целевых клиентов, решающих свои задачи, — это воздух для продуктовой команды. Вот несколько примеров. Если вы [&#8230;]
Сообщение <a href="https://gopractice.ru/insights/ideas-and-hypotheses/">Как получить живые, настоящие продуктовые идеи и гипотезы</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Одна из самых важных вещей в работе над продуктом —&nbsp;наличие эффективного цикла обратной связи, который максимально близко связывает команду и целевых клиентов. Это особенно важно на ранних этапах работы над продуктом (0 → 1, до достижения product/market fit).



Быстрая, неискаженная, «живая» обратная связь от целевых клиентов, решающих свои задачи, — это воздух для продуктовой команды.



Вот несколько примеров.



Если вы делаете образовательный продукт, то первым делом стоит найти несколько студентов и начать учить их вручную. Этот процесс максимально приблизит вас к пониманию того, каким должен быть продукт, что в нем самое важное, как студенты усваивают и применяют на практике материал. А потом кусочки процесса можно постепенно автоматизировать, удаляя себя из процесса.



Если вы делаете мобильную игру, то стоит начать тестировать прототип на реальных людях буквально с момента старта разработки. Почти всегда можно сделать грубый прототип за несколько дней. Наблюдение за тем, как люди играют, что их цепляет, что путает, даст вам море инсайтов и направит будущие усилия в нужном направлении.



Если вы делаете B2B-инструмент, то стоит найти целевую компанию и продать им консалтинг с кастомной разработкой. Это поможет научиться продавать: каким продукт должен быть на уровне позиционирования, какие проблемы резонируют с клиентами, можете ли вы вообще продать то, что хотите построить. Сам же процесс решения проблем реального клиента направит разработку в прикладную плоскость.



Многие в индустрии согласятся в важности такого механизма фидбека. На практике же у большинства команд его нет.



Почему? Наше предположение, что работа с настолько интенсивным и близким к клиенту циклом обратной связи — это достаточно болезненный и неприятный процесс.



Фидбек от пользователей на старте работы над продуктом преимущественно негативный. Большинство гипотез и предположений быстро оказываются ложными. Все это будет раз за разом погружать команду в состояние полной неопределенности.



Сравните с подходом, где команда придумала концепт продукта, потом поговорила с потенциальными клиентами, глубже изучила их проблемы, сформировала скоуп MVP и начала заниматься разработкой, дизайном, копирайтом. В таком подходе первая встреча с реальностью откладывается на несколько месяцев.



Многие пытаются на ранних этапах работы над продуктом подменить описанный цикл обратной связи наймом аналитика или исследователя. Это лучше, чем ничего, но очень сильно снижает скорость: гранулярность и глубину понимания клиента, проблемы и продукта. Аналитик и исследователь не позволят почувствовать продукт и клиента на кончиках пальцев.



Если ваша цель —&nbsp;прийти к продукту, который создает ценность, то ускорение цикла обратной связи и повышение плотности получаемой информации — лучшее, что вы можете сделать.



Продуктовые команды, где нет такого цикла обратной связи, крайне неэффективны. Они изобретают роадмапы из головы, опираются на тренды или гадания CEO о том, что надо клиентам. Это редко работает. Работают идеи и гипотезы, которые родились из столкновения с реальностью.



Они живые, настоящие.
Сообщение <a href="https://gopractice.ru/insights/ideas-and-hypotheses/">Как получить живые, настоящие продуктовые идеи и гипотезы</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Одна из самых важных вещей в работе над продуктом — наличие эффективного цикла обратной связи, который максимально близко связывает команду и целевых клиентов. Это особенно важно на ранних этапах работы над продуктом (0 → 1, до достижения product/market fit).
Быстрая, неискаженная, «живая» обратная связь от целевых клиентов, решающих свои задачи, — это воздух для продуктовой команды.
Вот несколько примеров.
Если вы делаете образовательный продукт, то первым делом стоит найти несколько студентов и начать учить их вручную. Этот процесс максимально приблизит вас к пониманию того, каким должен быть продукт, что в нем самое важное, как студенты усваивают и применяют на практике материал. А потом кусочки процесса можно постепенно автоматизировать, удаляя себя из процесса.
Если вы делаете мобильную игру, то стоит начать тестировать прототип на реальных людях буквально с момента старта разработки. Почти всегда можно сделать грубый прототип за несколько дней. Наблюдение за тем, как люди играют, что их цепляет, что путает, даст вам море инсайтов и направит будущие усилия в нужном направлении.
Если вы делаете B2B-инструмент, то стоит найти целевую компанию и продать им консалтинг с кастомной разработкой. Это поможет научиться продавать: каким продукт должен быть на уровне позиционирования, какие проблемы резонируют с клиентами, можете ли вы вообще продать то, что хотите построить. Сам же процесс решения проблем реального клиента направит разработку в прикладную плоскость.
Многие в индустрии согласятся в важности такого механизма фидбека. На практике же у большинства команд его нет.
Почему? Наше предположение, что работа с настолько интенсивным и близким к клиенту циклом обратной связи — это достаточно болезненный и неприятный процесс.
Фидбек от пользователей на старте работы над продуктом преимущественно негативный. Большинство гипотез и предположений быстро оказываются ложными. Все это будет раз за разом погружать команду в состояние полной неопределенности.
Сравните с подходом, где команда придумала концепт продукта, потом поговорила с потенциальными клиентами, глубже изучила их проблемы, сформировала скоуп MVP и начала заниматься разработкой, дизайном, копирайтом. В таком подходе первая встреча с реальностью откладывается на несколько месяцев.
Многие пытаются на ранних этапах работы над продуктом подменить описанный цикл обратной связи наймом аналитика или исследователя. Это лучше, чем ничего, но очень сильно снижает скорость: гранулярность и глубину понимания клиента, проблемы и продукта. Аналитик и исследователь не позволят почувствовать продукт и клиента на кончиках пальцев.
Если ваша цель — прийти к продукту, который создает ценность, то ускорение цикла обратной связи и повышение плотности получаемой информации — лучшее, что вы можете сделать.
Продуктовые команды, где нет такого цикла обратной связи, крайне неэффективны. Они изобретают роадмапы из головы, опираются на тренды или гадания CEO о том, что надо клиентам. Это редко работает. Работают идеи и гипотезы, которые родились из столкновения с реальностью.
Они живые, настоящие.
Сообщение Как получить живые, настоящие продуктовые идеи и гипотезы появились сначала на GoPractice.

Одна из самых важных вещей в работе над продуктом — наличие эффективного цикла обратной связи, который максимально близко связывает команду и целевых клиентов. Это особенно важно на ранних этапах работы над продуктом (0 → 1, до достижения product/market fit). Быстрая, неискаженная, «живая» обратная связь от целевых клиентов, решающих свои задачи, — это воздух для продуктовой команды. Вот несколько примеров. Если вы […]
Сообщение Как получить живые, настоящие продуктовые идеи и гипотезы появились сначала на GoPractice.

Как получить живые, настоящие продуктовые идеи и гипотезы

Одна из сложнейших проблем стартапа —&#160;создать такой продукт, который не смогут легко скопировать другие компании, тем самым забрав себе всю аудиторию и доход. Чтобы избежать этого, компаниям необходимо обеспечить защищенность своей модели бизнеса и роста. Для цифровых продуктов есть несколько основных способов это сделать, самый эффективный из которых —&#160;сетевые эффекты. GoPractice публикует адаптированный перевод эссе Джеймса Карриера (James Currier), бизнес-ангела, [&#8230;]
Сообщение <a href="https://gopractice.ru/market/defensibility-for-businesses-and-products/">Как обеспечить защищенность бизнеса</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Одна из сложнейших проблем стартапа —&nbsp;создать такой продукт, который не смогут легко скопировать другие компании, тем самым забрав себе всю аудиторию и доход.



Чтобы избежать этого, компаниям необходимо обеспечить защищенность своей модели бизнеса и роста. Для цифровых продуктов есть несколько основных способов это сделать, самый эффективный из которых —&nbsp;сетевые эффекты.



GoPractice публикует адаптированный перевод <a href="https://www.nfx.com/post/defensibility-most-value-for-founders">эссе</a> Джеймса Карриера (James Currier), бизнес-ангела, партнера фонда NFX и раннего инвестора DoorDash, Lyft и Patreon. В нем он разбирает типы конкурентных преимуществ и способы создать защищенность бизнеса и объясняет, как они создают долгосрочную ценность.







***



Microsoft купил LinkedIn за $26 миллиардов.&nbsp;



Facebook приобрел WhatsApp за $19 миллиардов.&nbsp;



Это лишь пара примеров того, как защищенность бизнеса трансформируется в его стоимость.



Часто фаундерам рекомендуют не беспокоиться о защищенности бизнеса, а сосредоточиться на том, как удовлетворять потребности клиентов лучше других. Так тоже можно.



Но лично я бы запускал бизнес, который будет не только работать, но и будет защищен от конкурентов.



Дело в том, что самые успешные инвестиции — со 100-кратной или 500-кратной доходностью — связаны именно с бизнесом, который имеет долгосрочную защищенность. И этот фактор играет роль даже в инвестициях на ранних стадиях.



<h2 class="wp-block-heading">Поменялись правила игры&nbsp;</h2>



В давние времена способов для создания защищенности бизнеса было много: доступ к ценным ресурсам, выгодное географическое положение, государственное регулирование вроде тарифов, патентов, лицензий и т. д.



Старые способы создания защищенности почти не актуальны для цифровых продуктов. Здесь царит информационная открытость, географические границы почти не имеют значения, клиенты легко переходят к конкурентам и т. д.



Таким образом, способов создать конкурентные преимущества и защищенность бизнеса осталось совсем немного. Но они все еще есть.



<h2 class="wp-block-heading">Как стартапы получают конкурентные преимущества</h2>



Конкурентные преимущества помогают вашей компании стать успешной.&nbsp; Защищенность помогает оставаться успешной. И то, и другое повышает ценность бизнеса. Ниже — восемь конкурентных преимуществ, которые работают в цифровом мире:



Скорость. Быть быстрее других — это значительное преимущество в кратко- и среднесрочной перспективе. Скорость — это конкурентное преимущество номер один для стартапа. При отборе членов в акселератор стартапов NFX Guild мы обращаем на эту характеристику особое внимание.



Капитал. Как мы видели на примере Uber, Square или NextDoor, способность команды привлечь большой капитал позволяет быстрее нанимать сотрудников, занимать долю рынка и выстраивать защищенность. Кроме того, привлечение большого капитала помогает отпугнуть других инвесторов от вложений в ваших конкурентов.



Уникальная команда. Либо технические кадры, либо уникальный инсайт о клиентах/рынке.



Контент. Компании Zillow, Yelp и Facebook создали пространства, где пользователи получали уникальный контент сразу или почти сразу после запуска.



Шумиха. Компаниям по типу Slack или Meerkat удалось эффективно привлечь внимание инфлюенсеров и медиа. Впоследствии это упрощает получение инвестиций, наем сотрудников, внимание прессы и клиентов.



Отношения. Люди —&nbsp;это важно. Выстраивание доверительных отношений с клиентами может обеспечить хорошую защищенность в сравнении с конкурентами.



Кремниевая долина. Преимущество компаний из Долины в том, что им проще привлекать капитал, таланты, идеи и внимание медиа. Все это —&nbsp;результат узкого нетворка людей здесь, и цифры это подтверждают.



Патенты. Они могут играть роль, но за последние годы она становится все менее значимой.



<h2 class="wp-block-heading">Создание реальной ценности</h2>



Ценность компании с конкурентными преимуществами растет линейно, по мере увеличения доходов. Это хорошо. Но если у вас получится создать реальную защищенность бизнеса и серьезно огородить его от конкуренции, то ценность продукта и стоимость компании будут расти в геометрической прогрессии.



<figure class="wp-block-image size-large"><img fetchpriority="high" decoding="async" width="1024" height="669" src="https://gopractice.ru/wp-content/uploads/2024/10/Frame-11235-1024x669.png" alt="" class="wp-image-10433" srcset="https://gopractice.ru/wp-content/uploads/2024/10/Frame-11235-1024x669.png 1024w, https://gopractice.ru/wp-content/uploads/2024/10/Frame-11235-300x196.png 300w, https://gopractice.ru/wp-content/uploads/2024/10/Frame-11235-768x502.png 768w, https://gopractice.ru/wp-content/uploads/2024/10/Frame-11235.png 1034w" sizes="(max-width: 1024px) 100vw, 1024px" /></figure>



<h2 class="wp-block-heading">Четыре принципа защищенности в цифровом мире</h2>



В цифровом мире мало механизмов для создания защищенности. Здесь мы перечислим всего четыре.



Эффект масштаба (пример: Amazon). Чем больше компания, тем больше у нее преимуществ. Чем больше пользователей, тем выше товарооборот, а значит, вы можете претендовать на более низкие цены от поставщиков. Товары становятся доступнее для клиентов, что трансформируется в более высокую конверсию. Ваша реклама становится эффективнее, чем у конкурентов. Все цифры складываются в вашу пользу, а с математикой трудно спорить.



Бренд (примеры: Booking, Google). Благодаря сильному бренду компания первой приходит на ум человеку, когда ему что-то нужно. Например, если вы хотите забронировать отель, вы сразу идете на Booking. Для этого Priceline, владелец Booking, тратит более $2 миллиардов в год на рекламу. Кроме того, бренд важен с той точки зрения, что люди отождествляют себя с ним. Те, кто ассоциируют себя с продукцией Apple, не будут смотреть на цены и характеристики товаров других компаний. Это психологические барьеры, которые сильно усложняют жизнь конкурентам.



Внедрение (примеры: Workday, Oracle, SAP). Вы интегрируете свое программное обеспечение в процессы клиента, чтобы клиент не мог так просто избавиться от вас и заменить конкурентом. Очевидно, этот способ более распространен в B2B и обычно связан с прямыми продажами.



Сетевые эффекты (примеры: LinkedIn, Alibaba, Craigslist). Сетевые эффекты подразумевают, что ценность продукта растет вместе с количеством пользователей. Если вашей компании удастся стать лидером по количеству пользователей, то люди не увидят смысла уходить к конкурентам.



Существует пять основных типов сетевых эффектов: прямые (LinkedIn, WhatsApp, Facebook); двусторонние (eBay, Craigslist, Microsoft, iOS); основанные на данных (Google Maps, Waze); основанные на технологии (BitTorrent, Skype); и межличностные (Slack, Apple).



Конкурентам будет сложно догнать ваш бизнес по мере развития. Каждый из этих типов сетевых эффектов делает компанию более защищенной.



Именно сетевые эффекты стали главным способом создать защищенность в цифровой среде. К счастью, стартапы могут опираться на такие эффекты прямо с момента запуска. Поэтому мы считаем его ключевым способом создать защищенность, а значит, и самым надежным путем к увеличению ценности компании.



Не начинайте и не инвестируйте в бизнес, пока не придумали, как внедрить в его развитие один или несколько типов сетевых эффектов. И всегда учитывайте, как каждая новая функция в продукте может повысить его ценность для других пользователей. Такой подход к бизнесу и созданию продукта обеспечит его защищенность и долгосрочную ценность для пользователей.



<h2 class="wp-block-heading">Узнайте больше</h2>



— <a href="https://gopractice.ru/channels/network-effects-guide/">Как работают сетевые эффекты в продуктах: гайд</a>



—&nbsp;<a href="https://gopractice.ru/stories/monzo-growth/">Успешные механики роста необанка Monzo</a>



—&nbsp;<a href="https://gopractice.ru/channels/compound-and-exponential-growth-in-product-management/">Сложные проценты и экспоненциальный рост в продакт-менеджменте</a>



—&nbsp;<a href="https://gopractice.ru/insights/successful-entrepreneurs-do-the-same-things/">Почему серийные предприниматели делают одно и то же?</a>
Сообщение <a href="https://gopractice.ru/market/defensibility-for-businesses-and-products/">Как обеспечить защищенность бизнеса</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Одна из сложнейших проблем стартапа — создать такой продукт, который не смогут легко скопировать другие компании, тем самым забрав себе всю аудиторию и доход.
Чтобы избежать этого, компаниям необходимо обеспечить защищенность своей модели бизнеса и роста. Для цифровых продуктов есть несколько основных способов это сделать, самый эффективный из которых — сетевые эффекты.
GoPractice публикует адаптированный перевод эссе Джеймса Карриера (James Currier), бизнес-ангела, партнера фонда NFX и раннего инвестора DoorDash, Lyft и Patreon. В нем он разбирает типы конкурентных преимуществ и способы создать защищенность бизнеса и объясняет, как они создают долгосрочную ценность.




***
Microsoft купил LinkedIn за $26 миллиардов. 
Facebook приобрел WhatsApp за $19 миллиардов. 
Это лишь пара примеров того, как защищенность бизнеса трансформируется в его стоимость.
Часто фаундерам рекомендуют не беспокоиться о защищенности бизнеса, а сосредоточиться на том, как удовлетворять потребности клиентов лучше других. Так тоже можно.
Но лично я бы запускал бизнес, который будет не только работать, но и будет защищен от конкурентов.
Дело в том, что самые успешные инвестиции — со 100-кратной или 500-кратной доходностью — связаны именно с бизнесом, который имеет долгосрочную защищенность. И этот фактор играет роль даже в инвестициях на ранних стадиях.
Поменялись правила игры 
В давние времена способов для создания защищенности бизнеса было много: доступ к ценным ресурсам, выгодное географическое положение, государственное регулирование вроде тарифов, патентов, лицензий и т. д.
Старые способы создания защищенности почти не актуальны для цифровых продуктов. Здесь царит информационная открытость, географические границы почти не имеют значения, клиенты легко переходят к конкурентам и т. д.
Таким образом, способов создать конкурентные преимущества и защищенность бизнеса осталось совсем немного. Но они все еще есть.
Как стартапы получают конкурентные преимущества
Конкурентные преимущества помогают вашей компании стать успешной.  Защищенность помогает оставаться успешной. И то, и другое повышает ценность бизнеса. Ниже — восемь конкурентных преимуществ, которые работают в цифровом мире:
Скорость. Быть быстрее других — это значительное преимущество в кратко- и среднесрочной перспективе. Скорость — это конкурентное преимущество номер один для стартапа. При отборе членов в акселератор стартапов NFX Guild мы обращаем на эту характеристику особое внимание.
Капитал. Как мы видели на примере Uber, Square или NextDoor, способность команды привлечь большой капитал позволяет быстрее нанимать сотрудников, занимать долю рынка и выстраивать защищенность. Кроме того, привлечение большого капитала помогает отпугнуть других инвесторов от вложений в ваших конкурентов.
Уникальная команда. Либо технические кадры, либо уникальный инсайт о клиентах/рынке.
Контент. Компании Zillow, Yelp и Facebook создали пространства, где пользователи получали уникальный контент сразу или почти сразу после запуска.
Шумиха. Компаниям по типу Slack или Meerkat удалось эффективно привлечь внимание инфлюенсеров и медиа. Впоследствии это упрощает получение инвестиций, наем сотрудников, внимание прессы и клиентов.
Отношения. Люди — это важно. Выстраивание доверительных отношений с клиентами может обеспечить хорошую защищенность в сравнении с конкурентами.
Кремниевая долина. Преимущество компаний из Долины в том, что им проще привлекать капитал, таланты, идеи и внимание медиа. Все это — результат узкого нетворка людей здесь, и цифры это подтверждают.
Патенты. Они могут играть роль, но за последние годы она становится все менее значимой.
Создание реальной ценности
Ценность компании с конкурентными преимуществами растет линейно, по мере увеличения доходов. Это хорошо. Но если у вас получится создать реальную защищенность бизнеса и серьезно огородить его от конкуренции, то ценность продукта и стоимость компании будут расти в геометрической прогрессии.




Четыре принципа защищенности в цифровом мире
В цифровом мире мало механизмов для создания защищенности. Здесь мы перечислим всего четыре.
Эффект масштаба (пример: Amazon). Чем больше компания, тем больше у нее преимуществ. Чем больше пользователей, тем выше товарооборот, а значит, вы можете претендовать на более низкие цены от поставщиков. Товары становятся доступнее для клиентов, что трансформируется в более высокую конверсию. Ваша реклама становится эффективнее, чем у конкурентов. Все цифры складываются в вашу пользу, а с математикой трудно спорить.
Бренд (примеры: Booking, Google). Благодаря сильному бренду компания первой приходит на ум человеку, когда ему что-то нужно. Например, если вы хотите забронировать отель, вы сразу идете на Booking. Для этого Priceline, владелец Booking, тратит более $2 миллиардов в год на рекламу. Кроме того, бренд важен с той точки зрения, что люди отождествляют себя с ним. Те, кто ассоциируют себя с продукцией Apple, не будут смотреть на цены и характеристики товаров других компаний. Это психологические барьеры, которые сильно усложняют жизнь конкурентам.
Внедрение (примеры: Workday, Oracle, SAP). Вы интегрируете свое программное обеспечение в процессы клиента, чтобы клиент не мог так просто избавиться от вас и заменить конкурентом. Очевидно, этот способ более распространен в B2B и обычно связан с прямыми продажами.
Сетевые эффекты (примеры: LinkedIn, Alibaba, Craigslist). Сетевые эффекты подразумевают, что ценность продукта растет вместе с количеством пользователей. Если вашей компании удастся стать лидером по количеству пользователей, то люди не увидят смысла уходить к конкурентам.
Существует пять основных типов сетевых эффектов: прямые (LinkedIn, WhatsApp, Facebook); двусторонние (eBay, Craigslist, Microsoft, iOS); основанные на данных (Google Maps, Waze); основанные на технологии (BitTorrent, Skype); и межличностные (Slack, Apple).
Конкурентам будет сложно догнать ваш бизнес по мере развития. Каждый из этих типов сетевых эффектов делает компанию более защищенной.
Именно сетевые эффекты стали главным способом создать защищенность в цифровой среде. К счастью, стартапы могут опираться на такие эффекты прямо с момента запуска. Поэтому мы считаем его ключевым способом создать защищенность, а значит, и самым надежным путем к увеличению ценности компании.
Не начинайте и не инвестируйте в бизнес, пока не придумали, как внедрить в его развитие один или несколько типов сетевых эффектов. И всегда учитывайте, как каждая новая функция в продукте может повысить его ценность для других пользователей. Такой подход к бизнесу и созданию продукта обеспечит его защищенность и долгосрочную ценность для пользователей.
Узнайте больше
— Как работают сетевые эффекты в продуктах: гайд
— Успешные механики роста необанка Monzo
— Сложные проценты и экспоненциальный рост в продакт-менеджменте
— Почему серийные предприниматели делают одно и то же?
Сообщение Как обеспечить защищенность бизнеса появились сначала на GoPractice.

Одна из сложнейших проблем стартапа — создать такой продукт, который не смогут легко скопировать другие компании, тем самым забрав себе всю аудиторию и доход. Чтобы избежать этого, компаниям необходимо обеспечить защищенность своей модели бизнеса и роста. Для цифровых продуктов есть несколько основных способов это сделать, самый эффективный из которых — сетевые эффекты. GoPractice публикует адаптированный перевод эссе Джеймса Карриера (James Currier), бизнес-ангела, […]
Сообщение Как обеспечить защищенность бизнеса появились сначала на GoPractice.

Как обеспечить защищенность бизнеса

Есть новички-стартапы и есть старые игроки на рынке —&#160;корпорации. C каждой новой технологической волной они получают разные доли рынка и в разных пропорциях делят между собой выручку и прибыль от новых технологий. Иногда бывает так, что стартапы забирают все, а иногда —&#160;корпорации.&#160; Несмотря на высокую активность стартапов в предыдущую волну ML/AI, почти вся рыночная ценность досталась крупным компаниям. В этом [&#8230;]
Сообщение <a href="https://gopractice.ru/market/ai-market-incumbents-vs-startups/">Рынок AI: стартапы VS корпорации</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Есть новички-стартапы и есть старые игроки на рынке —&nbsp;корпорации. C каждой новой технологической волной они получают разные доли рынка и в разных пропорциях делят между собой выручку и прибыль от новых технологий. Иногда бывает так, что стартапы забирают все, а иногда —&nbsp;корпорации.&nbsp;



Несмотря на высокую активность стартапов в предыдущую волну ML/AI, почти вся рыночная ценность досталась крупным компаниям. В этом материале обсудим, как нынешняя волна AI будет поделена между стартапами и корпорациями.



GoPractice публикует адаптированный перевод эссе Элада Гила (Elad Gil), американского предпринимателя и инвестора.







<a href="https://blog.eladgil.com/p/ai-startup-vs-incumbent-value" target="_blank" rel="noreferrer noopener">Оригинал материала</a>&nbsp;опубликован в октябре 2022 года.



***



<h2 class="wp-block-heading">Историческая справка</h2>



В первую интернет-волну именно стартапы (Google, Amazon, Paypal, Ebay, Salesforce, Facebook, Netflix) забрали большую часть рыночной ценности. Какую-то часть забрали корпорации, которые расширили свои услуги на интернет (Microsoft, Apple, IBM, Oracle, Adobe). Соотношение между стартапами и корпорациями получилось примерно 60:40 или 70:30.



Затем корпорации забрали большую часть мобильного сегмента (Apple, Google, а затем мобильные версии их продуктов), но и стартапы все же получили долю (WhatsApp, Uber, Doordash, Instagram, Instacart). В этом случае соотношение между стартапами и компаниями было где-то 20:80.



Крипто-cегмент, напротив, почти на 100% достался стартапам (Bitcoin, Ethereum, Coinbase, Binance, FTX и т. д.). При этом компании из сферы финансов или провайдеры инфраструктуры практически не участвуют в создании рыночной стоимости на этом рынке. Исключением, пожалуй, можно назвать лишь производителей полупроводников (AMD и NVIDIA), чьи продукты используются для майнинга.



Кстати, обратите внимание, что под «стартапом» я подразумеваю компании, появившиеся в результате новой технологической волны. Таким образом, хотя Apple и стала дизраптором на рынке мобильных устройств, она не создавалась специально для их производства и потому не является стартапом.



<h2 class="wp-block-heading">Почему стартапам не удалось захватить рынок во время прошлой волны AI?</h2>



Большие корпорации забрали почти всю рыночную ценность во время первого бума машинного обучения (машинное зрение, RNNs, CNNs, ранние GANs, deep learning).



За последнее десятилетие (до недавней революции в области машинного обучения) существовало множество компаний, работающих по концепции «AI first», то есть в первую очередь ориентированных на AI. Но по-настоящему крупные продукты на базе AI появились у Google, Facebook (новостная лента и реклама), Tiktok, Netflix (рекомендации), Amazon (Alexa) и других.



Достижением первой волны AI на сегодня можно назвать компании по производству беспилотных автомобилей. По большей части это дочки больших корпораций (Google, GM и Tesla).



Давайте обсудим, почему AI-стартапам не удалось добиться большого успеха во время волны AI-first компаний.



<h3 class="wp-block-heading">1.&nbsp; Новая технология улучшила продукт в 0,5–3 раза, а не в 10 раз</h3>



Предыдущая волна AI помогла усовершенствовать продукт, но не настолько, чтобы стартапы обогнали конкурентов или заняли рыночную нишу. Стартапу нужно создать продукт, который преодолеет разрыв с IT-гигантом в конкурентном преимуществе дистрибуции, капитала и линейки товаров. Либо можно сосредоточиться на совершенно новом сегменте клиентов или другом методе дистрибуции, по разным причинам недоступном корпорациям. В общем, нужен продукт в 10 раз лучше существующих. Может быть, последняя волна AI в каких-то случаях не настолько усовершенствовала продукт, чтобы выделиться среди конкурентов?



<h3 class="wp-block-heading">2. Доступ к массивам данных прежде был важнее</h3>



Компании, которые широко применяли AI (Google, Facebook, Uber), ориентировались на своего потребителя и имели огромные массивы данных для обучения моделей. Возможно, IT-гиганты тогда обогнали стартапы благодаря преимуществу в количестве данных. Сейчас это не играет важной роли, поскольку модели можно обучать на открытом интернете.



<h3 class="wp-block-heading">3. Зарегулированные рынки</h3>



Во многих (но не во всех) областях IT-гиганты могли «просто добавить AI» в свой готовый продукт. У IT-гиганта может быть продукт не лучше, чем у стартапа, но вместе с большой клиентской базой он все равно окажется успешнее (см., <a href="https://gopractice.ru/stories/race-slack-teams-workplace/">например, Teams против Slack</a>). Многие компании первой волны AI либо напрямую сотрудничали с IT-гигантами, либо работали на зарегулированных рынках. К таким рынкам, например, относятся образование и здравоохранение. Там технологические инновации часто подавляются самой структурой рынка, правилами регулирования или определенным уровнем безразличия к реальным потребностям клиентов.



Показателен проект Mycin в Стэнфорде в 1970-х годах: программисты разработали экспертную систему, которая лучше специалистов Стэнфорда предсказывала, чем заражен человек. Но ее не внедрили. 



Некоторые рынки сложны, и даже если машинное обучение сделает что-то в 10 раз лучше, продукт могут забраковать по другим причинам.



<h2 class="wp-block-heading">Будет ли эта волна AI другой?</h2>



Я уже давно работаю с AI-продуктами. 15 лет назад я занимался таргетингом рекламы в Google, потом некоторое время работал над поисковиком в Twitter, и уже более 10 лет инвестирую в AI-компании.



И на мой взгляд, эта волна AI инноваций будет отличаться от предыдущей. Есть основания полагать, что стартапы на этот раз заберут большую долю.



Различия включают:



<h3 class="wp-block-heading">1. Во многих областях появляются технологии лучше&nbsp;</h3>



В нынешней AI волне поражает скорость инноваций. Будущие языковые модели вроде GPT должны увеличить мощность, точность и охват естественного языка в потребительском и B2B-сегменте. У них есть потенциал больших изменений: от взаимодействия с людьми до работы белых воротничков. Параллельно с этим продолжается прогресс в области генерации изображений, преобразования речи в текст, текста в речь, музыки, видео и так далее. И легко можно представить четыре-пять конкретных вариантов применения генеративных изображений в бизнесе: и для сферы дизайна, и для сферы кино, и так далее. Мы еще увидим, на чем именно выстрелят стартапы в сравнении с действующими корпорациями.



На этот раз технология AI кажется значительно мощнее, а значит, сейчас проще создать продукт в 10 раз лучше, чтобы преодолеть преимущества конкурентов IT-гигантов.&nbsp;



<h3 class="wp-block-heading">2. Благодаря новым технологиям появятся стартапы, предоставляющие ценную инфраструктуру для остальных игроков индустрии</h3>



В отличие от предыдущей волны AI стартапов, здесь есть четкий набор компаний, ориентированных именно на инфраструктуру для применением в бизнесе: это OpenAI, Stability.AI, Hugging Face, Weights and Biases и другие. У части компаний этого сегмента показатель выручки отстает от показателя использования. Но эти компании быстро растут, что показательно для бизнес-модели, ориентированной на открытый исходный код или API.&nbsp;



OpenAI сейчас является явным лидером в области LLM API. Эта позиция, которую по умолчанию четыре года назад занимал Google. И удивительно, как Google не смог реализовать свои многочисленные преимущества в области AI.



Аналогичным образом, HuggingFace, Weights and Biases и другие компании продают инструменты для индустрии AI так, как до сих пор не удавалось действующим корпорациям-разработчикам.



<h3 class="wp-block-heading">3. Есть примеры приложений, у которых нет сильных конкурентов в виде корпораций</h3>



Компании-стартапы сейчас хорошо проникают на рынок и растут, чего не было в предыдущей волне AI. Например, генерация изображений (Midjourney, Stable Diffusion и т. д.) и генерация кода (Github Copilot, Replit).



В целом, эта волна приложений AI, похоже, лучше всего проявляет себя на рынках, где:



<ul class="wp-block-list">
<li>Есть однообразные высокооплачиваемые задачи (код, копирайтинг, изображения и т. д.)</li>



<li>Можно делать ошибки, так как есть человек, который их проверит. Человек в этой системе не обязателен, но сейчас это является отличительной чертой.</li>



<li>Нет инструментов для организации рабочего процесса или они слабо подходят, поэтому функции AI становятся основными в этой области.</li>



<li>Новые технологии AI позволяют сделать генерацию краткого описания, текста или изображений с более высокой точностью, чего раньше не было.&nbsp;</li>
</ul>



Компании с подобными характеристиками и являются главными игроками этой волны ML.



<h2 class="wp-block-heading">Сосредоточьтесь на конечном использовании и рынках</h2>



Главное —&nbsp;это не мыслить в терминах «Если у вас есть только молоток, то все вокруг кажется гвоздями». Важно определить реальные потребности конечных пользователей и вычислить плохо обслуживаемые продукты и рынки, которые выиграют от этой волны новых технологий.



По мере того как произойдет сдвиг от исследований к реальному применению этих технологий в продуктах, мы увидим расцвет новых приложений в области машинного обучения. Скорее всего, это будет трансформация по типу всеобщего перехода в облако, которая продолжается до сих пор.



<h2 class="wp-block-heading">Масштаб имеет значение</h2>



При сравнении стоимости стартапов с IT-гигантами важно помнить о масштабе таких корпораций. Например, 10% рыночной капитализации Google на текущий момент —&nbsp;это $130 миллиардов, что сопоставимо с семью Figma, четырьмя Snowflake, семнадцатью Github или ста тридцатью Stability.AI. Рыночная капитализация действующих компаний стала настолько велика, что даже небольшой процентный рост на деле равен целой экосистеме или сегменту рынка.



Допускаю, что появится один или несколько по-настоящему масштабных стартапов под сильным влиянием AI. Даже если на этот раз большую часть прибыли получат IT-гиганты благодаря своему масштабу, стартапы все равно поучаствуют в увеличении рыночной капитализации и будут влиять на мир. И они вполне могут потеснить некоторые сегменты рынка (например, поисковики).



Более того, кажется, что стартапы наконец-то начнут получать реальный доход от AI!



<h2 class="wp-block-heading">Узнайте больше</h2>



—&nbsp;<a href="https://gopractice.ru/product/ai-products/">Какие продукты с AI имеет смысл создавать, а какие нет?</a> Рассуждает основатель GoPractice Олег Якубенков.



— <a href="https://gopractice.ru/skills/ml-ai-for-product-managers/">Зачем продакт-менеджеру изучать ML и AI?</a>



—&nbsp;<a href="https://gopractice.ru/product/finding-potential-ai-applications/">Как найти возможности для применения AI в вашем продукте?</a>
Сообщение <a href="https://gopractice.ru/market/ai-market-incumbents-vs-startups/">Рынок AI: стартапы VS корпорации</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Есть новички-стартапы и есть старые игроки на рынке — корпорации. C каждой новой технологической волной они получают разные доли рынка и в разных пропорциях делят между собой выручку и прибыль от новых технологий. Иногда бывает так, что стартапы забирают все, а иногда — корпорации. 
Несмотря на высокую активность стартапов в предыдущую волну ML/AI, почти вся рыночная ценность досталась крупным компаниям. В этом материале обсудим, как нынешняя волна AI будет поделена между стартапами и корпорациями.
GoPractice публикует адаптированный перевод эссе Элада Гила (Elad Gil), американского предпринимателя и инвестора.




Оригинал материала опубликован в октябре 2022 года.
***
Историческая справка
В первую интернет-волну именно стартапы (Google, Amazon, Paypal, Ebay, Salesforce, Facebook, Netflix) забрали большую часть рыночной ценности. Какую-то часть забрали корпорации, которые расширили свои услуги на интернет (Microsoft, Apple, IBM, Oracle, Adobe). Соотношение между стартапами и корпорациями получилось примерно 60:40 или 70:30.
Затем корпорации забрали большую часть мобильного сегмента (Apple, Google, а затем мобильные версии их продуктов), но и стартапы все же получили долю (WhatsApp, Uber, Doordash, Instagram, Instacart). В этом случае соотношение между стартапами и компаниями было где-то 20:80.
Крипто-cегмент, напротив, почти на 100% достался стартапам (Bitcoin, Ethereum, Coinbase, Binance, FTX и т. д.). При этом компании из сферы финансов или провайдеры инфраструктуры практически не участвуют в создании рыночной стоимости на этом рынке. Исключением, пожалуй, можно назвать лишь производителей полупроводников (AMD и NVIDIA), чьи продукты используются для майнинга.
Кстати, обратите внимание, что под «стартапом» я подразумеваю компании, появившиеся в результате новой технологической волны. Таким образом, хотя Apple и стала дизраптором на рынке мобильных устройств, она не создавалась специально для их производства и потому не является стартапом.
Почему стартапам не удалось захватить рынок во время прошлой волны AI?
Большие корпорации забрали почти всю рыночную ценность во время первого бума машинного обучения (машинное зрение, RNNs, CNNs, ранние GANs, deep learning).
За последнее десятилетие (до недавней революции в области машинного обучения) существовало множество компаний, работающих по концепции «AI first», то есть в первую очередь ориентированных на AI. Но по-настоящему крупные продукты на базе AI появились у Google, Facebook (новостная лента и реклама), Tiktok, Netflix (рекомендации), Amazon (Alexa) и других.
Достижением первой волны AI на сегодня можно назвать компании по производству беспилотных автомобилей. По большей части это дочки больших корпораций (Google, GM и Tesla).
Давайте обсудим, почему AI-стартапам не удалось добиться большого успеха во время волны AI-first компаний.
1.  Новая технология улучшила продукт в 0,5–3 раза, а не в 10 раз
Предыдущая волна AI помогла усовершенствовать продукт, но не настолько, чтобы стартапы обогнали конкурентов или заняли рыночную нишу. Стартапу нужно создать продукт, который преодолеет разрыв с IT-гигантом в конкурентном преимуществе дистрибуции, капитала и линейки товаров. Либо можно сосредоточиться на совершенно новом сегменте клиентов или другом методе дистрибуции, по разным причинам недоступном корпорациям. В общем, нужен продукт в 10 раз лучше существующих. Может быть, последняя волна AI в каких-то случаях не настолько усовершенствовала продукт, чтобы выделиться среди конкурентов?
2. Доступ к массивам данных прежде был важнее
Компании, которые широко применяли AI (Google, Facebook, Uber), ориентировались на своего потребителя и имели огромные массивы данных для обучения моделей. Возможно, IT-гиганты тогда обогнали стартапы благодаря преимуществу в количестве данных. Сейчас это не играет важной роли, поскольку модели можно обучать на открытом интернете.
3. Зарегулированные рынки
Во многих (но не во всех) областях IT-гиганты могли «просто добавить AI» в свой готовый продукт. У IT-гиганта может быть продукт не лучше, чем у стартапа, но вместе с большой клиентской базой он все равно окажется успешнее (см., например, Teams против Slack). Многие компании первой волны AI либо напрямую сотрудничали с IT-гигантами, либо работали на зарегулированных рынках. К таким рынкам, например, относятся образование и здравоохранение. Там технологические инновации часто подавляются самой структурой рынка, правилами регулирования или определенным уровнем безразличия к реальным потребностям клиентов.
Показателен проект Mycin в Стэнфорде в 1970-х годах: программисты разработали экспертную систему, которая лучше специалистов Стэнфорда предсказывала, чем заражен человек. Но ее не внедрили. 
Некоторые рынки сложны, и даже если машинное обучение сделает что-то в 10 раз лучше, продукт могут забраковать по другим причинам.
Будет ли эта волна AI другой?
Я уже давно работаю с AI-продуктами. 15 лет назад я занимался таргетингом рекламы в Google, потом некоторое время работал над поисковиком в Twitter, и уже более 10 лет инвестирую в AI-компании.
И на мой взгляд, эта волна AI инноваций будет отличаться от предыдущей. Есть основания полагать, что стартапы на этот раз заберут большую долю.
Различия включают:
1. Во многих областях появляются технологии лучше 
В нынешней AI волне поражает скорость инноваций. Будущие языковые модели вроде GPT должны увеличить мощность, точность и охват естественного языка в потребительском и B2B-сегменте. У них есть потенциал больших изменений: от взаимодействия с людьми до работы белых воротничков. Параллельно с этим продолжается прогресс в области генерации изображений, преобразования речи в текст, текста в речь, музыки, видео и так далее. И легко можно представить четыре-пять конкретных вариантов применения генеративных изображений в бизнесе: и для сферы дизайна, и для сферы кино, и так далее. Мы еще увидим, на чем именно выстрелят стартапы в сравнении с действующими корпорациями.
На этот раз технология AI кажется значительно мощнее, а значит, сейчас проще создать продукт в 10 раз лучше, чтобы преодолеть преимущества конкурентов IT-гигантов. 
2. Благодаря новым технологиям появятся стартапы, предоставляющие ценную инфраструктуру для остальных игроков индустрии
В отличие от предыдущей волны AI стартапов, здесь есть четкий набор компаний, ориентированных именно на инфраструктуру для применением в бизнесе: это OpenAI, Stability.AI, Hugging Face, Weights and Biases и другие. У части компаний этого сегмента показатель выручки отстает от показателя использования. Но эти компании быстро растут, что показательно для бизнес-модели, ориентированной на открытый исходный код или API. 
OpenAI сейчас является явным лидером в области LLM API. Эта позиция, которую по умолчанию четыре года назад занимал Google. И удивительно, как Google не смог реализовать свои многочисленные преимущества в области AI.
Аналогичным образом, HuggingFace, Weights and Biases и другие компании продают инструменты для индустрии AI так, как до сих пор не удавалось действующим корпорациям-разработчикам.
3. Есть примеры приложений, у которых нет сильных конкурентов в виде корпораций
Компании-стартапы сейчас хорошо проникают на рынок и растут, чего не было в предыдущей волне AI. Например, генерация изображений (Midjourney, Stable Diffusion и т. д.) и генерация кода (Github Copilot, Replit).
В целом, эта волна приложений AI, похоже, лучше всего проявляет себя на рынках, где:
Есть однообразные высокооплачиваемые задачи (код, копирайтинг, изображения и т. д.)
Можно делать ошибки, так как есть человек, который их проверит. Человек в этой системе не обязателен, но сейчас это является отличительной чертой.
Нет инструментов для организации рабочего процесса или они слабо подходят, поэтому функции AI становятся основными в этой области.
Новые технологии AI позволяют сделать генерацию краткого описания, текста или изображений с более высокой точностью, чего раньше не было. 
Компании с подобными характеристиками и являются главными игроками этой волны ML.
Сосредоточьтесь на конечном использовании и рынках
Главное — это не мыслить в терминах «Если у вас есть только молоток, то все вокруг кажется гвоздями». Важно определить реальные потребности конечных пользователей и вычислить плохо обслуживаемые продукты и рынки, которые выиграют от этой волны новых технологий.
По мере того как произойдет сдвиг от исследований к реальному применению этих технологий в продуктах, мы увидим расцвет новых приложений в области машинного обучения. Скорее всего, это будет трансформация по типу всеобщего перехода в облако, которая продолжается до сих пор.
Масштаб имеет значение
При сравнении стоимости стартапов с IT-гигантами важно помнить о масштабе таких корпораций. Например, 10% рыночной капитализации Google на текущий момент — это $130 миллиардов, что сопоставимо с семью Figma, четырьмя Snowflake, семнадцатью Github или ста тридцатью Stability.AI. Рыночная капитализация действующих компаний стала настолько велика, что даже небольшой процентный рост на деле равен целой экосистеме или сегменту рынка.
Допускаю, что появится один или несколько по-настоящему масштабных стартапов под сильным влиянием AI. Даже если на этот раз большую часть прибыли получат IT-гиганты благодаря своему масштабу, стартапы все равно поучаствуют в увеличении рыночной капитализации и будут влиять на мир. И они вполне могут потеснить некоторые сегменты рынка (например, поисковики).
Более того, кажется, что стартапы наконец-то начнут получать реальный доход от AI!
Узнайте больше
— Какие продукты с AI имеет смысл создавать, а какие нет? Рассуждает основатель GoPractice Олег Якубенков.
— Зачем продакт-менеджеру изучать ML и AI?
— Как найти возможности для применения AI в вашем продукте?
Сообщение Рынок AI: стартапы VS корпорации появились сначала на GoPractice.

Есть новички-стартапы и есть старые игроки на рынке — корпорации. C каждой новой технологической волной они получают разные доли рынка и в разных пропорциях делят между собой выручку и прибыль от новых технологий. Иногда бывает так, что стартапы забирают все, а иногда — корпорации.  Несмотря на высокую активность стартапов в предыдущую волну ML/AI, почти вся рыночная ценность досталась крупным компаниям. В этом […]
Сообщение Рынок AI: стартапы VS корпорации появились сначала на GoPractice.

Рынок AI: стартапы VS корпорации

Привет, это Олег Якубенков. После выхода GPT-3.5 мы со знакомым придумали с десяток идей продуктов, которые стали возможны благодаря этой технологии. Но уже за следующий год большинство идей перестали быть актуальными. Во многом — из-за выхода GPT-4 и других запусков крупных технологических компаний.&#160; Тогда я попытался представить ситуацию, что я год работал над проектом, ценность которого обнулилась за один день. [&#8230;]
Сообщение <a href="https://gopractice.ru/product/ai-products/">4 типа AI-продуктов, которые стоит делать людям с продуктовой экспертизой</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Привет, это Олег Якубенков. После выхода GPT-3.5 мы со знакомым придумали с десяток идей продуктов, которые стали возможны благодаря этой технологии. Но уже за следующий год большинство идей перестали быть актуальными. Во многом — из-за выхода GPT-4 и других запусков крупных технологических компаний.  Тогда я попытался представить ситуацию, что я год работал над проектом, ценность которого обнулилась за один день. […]
Сообщение 4 типа AI-продуктов, которые стоит делать людям с продуктовой экспертизой появились сначала на GoPractice.

4 типа AI-продуктов, которые стоит делать людям с продуктовой экспертизой

Путь к продуктовому лидерству совсем не похож на A → B. Он сложнее и куда извилистее. Работаете в стартапе или корпорации? Отвечаете за фичу или целый продукт? Склонны фокусироваться на персональном вкладе в проект или стремитесь управлять командой? Эти вопросы — и множество других —&#160;скрывают за собой разветвления, которые делают каждый путь к топовой продуктовой позиции не слишком похожим на [&#8230;]
Сообщение <a href="https://gopractice.ru/skills/from-pm-to-cpo/">Как пройти путь от РМ до СРО. Этапы развития и практические шаги</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Путь к продуктовому лидерству совсем не похож на A → B. Он сложнее и куда извилистее. Работаете в стартапе или корпорации? Отвечаете за фичу или целый продукт? Склонны фокусироваться на персональном вкладе в проект или стремитесь управлять командой? Эти вопросы — и множество других — скрывают за собой разветвления, которые делают каждый путь к топовой продуктовой позиции не слишком похожим на […]
Сообщение Как пройти путь от РМ до СРО. Этапы развития и практические шаги появились сначала на GoPractice.

Как пройти путь от РМ до СРО. Этапы развития и практические шаги

В 2021 году Apple изменила логику IDFA, и это пошатнуло весь мобильный рынок (мы про это писали здесь и обсуждали здесь). Публичной причиной была забота о приватности данных пользователей. Реальной — скорее конкуренция с Meta. Apple была раздражена тем, что другая компания зарабатывала $40–50 миллиардов на их платформе. И не хотела делиться. Сперва казалось, что Meta будет сложно оправиться от [&#8230;]
Сообщение <a href="https://gopractice.ru/insights/apple-meta-web-funnels/">Как Apple целилась в Meta, но выстрелила себе в ногу</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

В 2021 году Apple изменила логику IDFA, и это пошатнуло весь мобильный рынок (мы про это писали <a href="https://gopractice.ru/market/ios_14_idfa_changes/">здесь</a> и обсуждали <a href="https://gopractice.ru/market/idfa_gaid_cookie/">здесь</a>). Публичной причиной была забота о приватности данных пользователей. Реальной — скорее конкуренция с Meta. Apple была раздражена тем, что другая компания зарабатывала $40–50 миллиардов на их платформе. И не хотела делиться.



Сперва казалось, что Meta будет сложно оправиться от такого удара по их рекламному бизнесу. Meta снизила прогнозы роста, реклама сломалась почти у всех мобильных продуктов, Apple же с удвоенным энтузиазмом стала развивать свою новую рекламную платформу.



Прошло три года. Сегодня уже кажется, что изменением в IDFA Apple скорее выстрелила сама себе в ногу. Удар по собственному бизнесу и экосистеме в долгосрочной перспективе оказался сопоставим, а может и сильнее, чем по Meta.



Краткая хронология событий:



<ul class="wp-block-list">
<li>После раскатки изменений логики IDFA практически у всех разработчиков сломался мобильный маркетинг. Кто-то снизил бюджеты, кто-то отключил рекламные кампании. Бюджеты перераспределились на Android, что привело к разогреванию аукциона.</li>
</ul>



<ul class="wp-block-list">
<li>Рекламные кампании сломались из-за новой логики работы IDFA. Рекламные платформы больше не могли провязать между собой пользователей, которые кликнули по рекламе, и их действия в приложении. Как следствие, кампании не могли обучаться и лучше таргетироваться.</li>
</ul>



<ul class="wp-block-list">
<li>После первого шока мобильные разработчики начали активно искать решение. И спустя время его нашли — веб-воронки.</li>
</ul>



<ul class="wp-block-list">
<li>Вместо того, чтобы лить трафик на мобильное приложение, они стали закупать трафик на мобильный сайт, где пользователь регистрировался, проходил онбординг-флоу, при желании покупал подписку, и скачивал приложение.</li>
</ul>



До 2021 года такой механизм использовали лишь единицы компаний. После начался стремительный рост. Сейчас в ряде категорий сейчас это стало повсеместным — например, Health &amp; Fitness или Education. В других разработчики активно экспериментируют и учатся применять веб-воронки.



Рост популярности веб-воронок привел к ряду достаточно неожиданных последствий. Многие из них негативно сказываются на Apple.



Apple теряет часть выручки App Store



В приложениях, которые продвигаются через веб-воронку, большинство пользователей совершают покупки напрямую у разработчиков на их сайте, а не в приложении через Apple.



Это позволяет разработчикам существенно экономить около 30%. Сэкономленные деньги используются для масштабирования привлечения в рекламном канале, разогревая аукцион.



Apple деньги теряет, Meta получает.



Опыт пользователей Apple стал хуже



Причина создания процесса ревью в App Store — создание безопасной среды, где пользователи могут спокойно покупать цифровые продукты и чувствовать себя защищенными.



Но острая конкуренция и отсутствие контроля за действиями разработчиков в вебе ведет к распространению продуктов с сомнительной ценностью и дарк паттернов, которые запрещены в самом App Store.



Большинство людей не понимают разницы между покупкой подписки в приложении и на мобильном сайте. С ростом популярности веб-воронок все больше пользователей сталкиваются с опытом, когда они попадают на пейволы с неочевидными условиями, сложными механизмами отписки, а иногда и продуктами-пустышками.



Из неприятных эффектов второго порядка все это вынуждает и честных разработчиков, которые делают полезные продукты, тоже переходить к серым практикам. В противном случае их юнит-экономика перестанет работать. Рекламный аукцион выиграет тот, кто лучше монетизирует аудиторию.



Если вкратце, то опыт пользователей Apple портится, а рекламный аукцион Meta разогревается. Apple теряет, Meta получает.



Искаженная мотивация разработчиков. Теперь продукт менее важен, чем воронка привлечения



Долгое время качество продукта было одним из определяющих факторов успеха в App Store. Это обеспечивалось тем, что все разработчики следовали общим правилам, которые устанавливала платформа и контролировала их выполнение.



С появлением веб-воронок контроль пропал и система перестала работать. Теперь продуктовый опыт стал вторичным, а главный рычаг влияния на результат — оптимизация рекламы, веб-воронки и пейвола.



Компании тратят все больше ресурсов на создание тысяч рекламных креативов, оптимизацию воронки и логики работы пейвола.



Компании тратят все меньше ресурсов на то, чтобы делать продукт и опыт пользователей в нем лучше. В новой реальности это обеспечивает меньший ROI.



В долгосрочной перспективе это ведет к продуктовому застою на фоне все более изощренных методов продвижения и продажи.



Плохо для пользователей, плохо для Apple. Хорошо для рекламного аукциона Meta.



* * *



Это основные и самые очевидные проблемы. Но, как и в любой крупной экосистеме, здесь возникает множество негативных эффектов второго порядка, которые со временем будут аккумулироваться.



Можно предположить, что Apple попробует решить эту проблему. Компания уже оказывает давление на приложения, которые живут за счет веб-воронки. Иногда даже удаляют такие приложения, так как люди жалуются, что не могут отменить подписку (при этом не понимая, что подписались в вебе, а не в приложении).



К сожалению, удаление приложений не сильно поможет в решении проблемы (можно же выкатить новое от другого разработчика). Ключевые шаги воронки теперь находятся в большом вебе, который неподконтролен Apple.



Это проблема, которую компания Apple создала по причине собственной жадности. Жадности, которая шла в разрез с интересами пользователей и разработчиков. Очень уж хотелось забрать кусок выручки Meta и сохранить 30% комиссии со всех покупок цифровых продуктов на своей платформе.



Кстати, подробнее на тему веб-воронок мы <a href="https://gopractice.ru/channels/web-funnels-for-apps/">поговорили с Андреем Шахтиным, СЕО и сооснователем FunnelFox</a>. Почитайте его, если еще не успели.
Сообщение <a href="https://gopractice.ru/insights/apple-meta-web-funnels/">Как Apple целилась в Meta, но выстрелила себе в ногу</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

В 2021 году Apple изменила логику IDFA, и это пошатнуло весь мобильный рынок (мы про это писали здесь и обсуждали здесь). Публичной причиной была забота о приватности данных пользователей. Реальной — скорее конкуренция с Meta. Apple была раздражена тем, что другая компания зарабатывала $40–50 миллиардов на их платформе. И не хотела делиться.
Сперва казалось, что Meta будет сложно оправиться от такого удара по их рекламному бизнесу. Meta снизила прогнозы роста, реклама сломалась почти у всех мобильных продуктов, Apple же с удвоенным энтузиазмом стала развивать свою новую рекламную платформу.
Прошло три года. Сегодня уже кажется, что изменением в IDFA Apple скорее выстрелила сама себе в ногу. Удар по собственному бизнесу и экосистеме в долгосрочной перспективе оказался сопоставим, а может и сильнее, чем по Meta.
Краткая хронология событий:
После раскатки изменений логики IDFA практически у всех разработчиков сломался мобильный маркетинг. Кто-то снизил бюджеты, кто-то отключил рекламные кампании. Бюджеты перераспределились на Android, что привело к разогреванию аукциона.
Рекламные кампании сломались из-за новой логики работы IDFA. Рекламные платформы больше не могли провязать между собой пользователей, которые кликнули по рекламе, и их действия в приложении. Как следствие, кампании не могли обучаться и лучше таргетироваться.
После первого шока мобильные разработчики начали активно искать решение. И спустя время его нашли — веб-воронки.
Вместо того, чтобы лить трафик на мобильное приложение, они стали закупать трафик на мобильный сайт, где пользователь регистрировался, проходил онбординг-флоу, при желании покупал подписку, и скачивал приложение.
До 2021 года такой механизм использовали лишь единицы компаний. После начался стремительный рост. Сейчас в ряде категорий сейчас это стало повсеместным — например, Health & Fitness или Education. В других разработчики активно экспериментируют и учатся применять веб-воронки.
Рост популярности веб-воронок привел к ряду достаточно неожиданных последствий. Многие из них негативно сказываются на Apple.
Apple теряет часть выручки App Store
В приложениях, которые продвигаются через веб-воронку, большинство пользователей совершают покупки напрямую у разработчиков на их сайте, а не в приложении через Apple.
Это позволяет разработчикам существенно экономить около 30%. Сэкономленные деньги используются для масштабирования привлечения в рекламном канале, разогревая аукцион.
Apple деньги теряет, Meta получает.
Опыт пользователей Apple стал хуже
Причина создания процесса ревью в App Store — создание безопасной среды, где пользователи могут спокойно покупать цифровые продукты и чувствовать себя защищенными.
Но острая конкуренция и отсутствие контроля за действиями разработчиков в вебе ведет к распространению продуктов с сомнительной ценностью и дарк паттернов, которые запрещены в самом App Store.
Большинство людей не понимают разницы между покупкой подписки в приложении и на мобильном сайте. С ростом популярности веб-воронок все больше пользователей сталкиваются с опытом, когда они попадают на пейволы с неочевидными условиями, сложными механизмами отписки, а иногда и продуктами-пустышками.
Из неприятных эффектов второго порядка все это вынуждает и честных разработчиков, которые делают полезные продукты, тоже переходить к серым практикам. В противном случае их юнит-экономика перестанет работать. Рекламный аукцион выиграет тот, кто лучше монетизирует аудиторию.
Если вкратце, то опыт пользователей Apple портится, а рекламный аукцион Meta разогревается. Apple теряет, Meta получает.
Искаженная мотивация разработчиков. Теперь продукт менее важен, чем воронка привлечения
Долгое время качество продукта было одним из определяющих факторов успеха в App Store. Это обеспечивалось тем, что все разработчики следовали общим правилам, которые устанавливала платформа и контролировала их выполнение.
С появлением веб-воронок контроль пропал и система перестала работать. Теперь продуктовый опыт стал вторичным, а главный рычаг влияния на результат — оптимизация рекламы, веб-воронки и пейвола.
Компании тратят все больше ресурсов на создание тысяч рекламных креативов, оптимизацию воронки и логики работы пейвола.
Компании тратят все меньше ресурсов на то, чтобы делать продукт и опыт пользователей в нем лучше. В новой реальности это обеспечивает меньший ROI.
В долгосрочной перспективе это ведет к продуктовому застою на фоне все более изощренных методов продвижения и продажи.
Плохо для пользователей, плохо для Apple. Хорошо для рекламного аукциона Meta.
* * *
Это основные и самые очевидные проблемы. Но, как и в любой крупной экосистеме, здесь возникает множество негативных эффектов второго порядка, которые со временем будут аккумулироваться.
Можно предположить, что Apple попробует решить эту проблему. Компания уже оказывает давление на приложения, которые живут за счет веб-воронки. Иногда даже удаляют такие приложения, так как люди жалуются, что не могут отменить подписку (при этом не понимая, что подписались в вебе, а не в приложении).
К сожалению, удаление приложений не сильно поможет в решении проблемы (можно же выкатить новое от другого разработчика). Ключевые шаги воронки теперь находятся в большом вебе, который неподконтролен Apple.
Это проблема, которую компания Apple создала по причине собственной жадности. Жадности, которая шла в разрез с интересами пользователей и разработчиков. Очень уж хотелось забрать кусок выручки Meta и сохранить 30% комиссии со всех покупок цифровых продуктов на своей платформе.
Кстати, подробнее на тему веб-воронок мы поговорили с Андреем Шахтиным, СЕО и сооснователем FunnelFox. Почитайте его, если еще не успели.
Сообщение Как Apple целилась в Meta, но выстрелила себе в ногу появились сначала на GoPractice.

В 2021 году Apple изменила логику IDFA, и это пошатнуло весь мобильный рынок (мы про это писали здесь и обсуждали здесь). Публичной причиной была забота о приватности данных пользователей. Реальной — скорее конкуренция с Meta. Apple была раздражена тем, что другая компания зарабатывала $40–50 миллиардов на их платформе. И не хотела делиться. Сперва казалось, что Meta будет сложно оправиться от […]
Сообщение Как Apple целилась в Meta, но выстрелила себе в ногу появились сначала на GoPractice.

Как Apple целилась в Meta, но выстрелила себе в ногу

Для многих продакт-менеджеров аналитик — это лишь интерфейс для доступа к данным. Но потенциал их совместной работы на самом деле не ограничивается запросом и получением данных. В этом материале руководитель направления продуктовой аналитики в «Авито» Алексей Малинский рассказывает о трех уровнях взаимодействия продактов и аналитиков, их особенностях и о том, как прокачать такое взаимодействие. *** Привет! Меня зовут Алексей Малинский, [&#8230;]
Сообщение <a href="https://gopractice.ru/skills/pms-and-analysts/">Как построить эффективное взаимодействие с аналитиком: гайд для продакт-менеджера</a> появились сначала на <a href="https://gopractice.ru">GoPractice</a>.

Для многих продакт-менеджеров аналитик — это лишь интерфейс для доступа к данным. Но потенциал их совместной работы на самом деле не ограничивается запросом и получением данных. 
В этом материале руководитель направления продуктовой аналитики в «Авито» Алексей Малинский рассказывает о трех уровнях взаимодействия продактов и аналитиков, их особенностях и о том, как прокачать такое взаимодействие.




***
Привет! Меня зовут Алексей Малинский, я руководитель направления продуктовой аналитики в «Авито Товарах», а в свободное время веду личный телеграм-канал, где пишу про аналитику, менеджмент и саморазвитие.
В компании я отвечаю за core-аналитику товарных категорий, а это 20+ аналитиков и 35+ продакт- и бизнес-менеджеров. Эти команды занимаются развитием пользовательского опыта с фокусом на конкретные категории (электроника, одежда и т.д.), а еще отвечают за развитие бизнеса в этих направлениях.
За шесть лет в «Авито» у меня накопилось достаточно насмотренности в том, как строятся отношения продакта и аналитика, какие там могут возникать проблемы или, напротив, перспективные синергии. В этом материале я расскажу о трех уровнях взаимодействия, которые я выделяю.
Продуктовый аналитик: что он делает
Для начала разберемся в специализациях аналитиков. На определенных стадиях развития продукта, а также для решения конкретных задач вам могут потребоваться разные профили аналитиков.
Продуктовый аналитик чаще нужен тогда, когда:
Уже есть выстроенная инфраструктура, которая агрегирует данные с бэк-офиса и различные клики пользователя: есть откуда вытаскивать инсайты
Продукт уже прошел стадию MVP и нашел product/market fit: есть потребность в data-driven подходах проверки гипотез роста.
Но вполне может оказаться, что сейчас вашему продукту нужен кто-то другой. 
Если вы стартап и вам пока рано строить свою инфраструктуру, а ваши основные инструменты — это, например, Google Analytics и «Яндекс Метрика», то, скорее всего, вам нужен веб-аналитик.
Если вам нужно наладить свою инфраструктуру данных и построить на этом базовую отчетность, то вам, скорее, нужен BI-аналитик или даже дата-инженер.
Ключевое отличие продуктовых аналитиков состоит в том, что их основная ценность — в умении применять математический аппарат для продуктовых задач и давать на выходе конкретные рекомендации по изменениям для продакт-менеджера. Их базовый набор навыков — это математическая база, SQL, Python, BI и business sense.
Далее мы будем говорить о ситуациях, когда вам нужен именно продуктовый аналитик — и как с ним взаимодействовать.
Уровень 1. Аналитик — руки продакт-менеджера
На этом уровне аналитик, как правило, используется только для доступа к данным: для выгрузок, для подсчета конкретных показателей и т.д. Никаких самостоятельных выводов продакт-менеджер от аналитика не ждет. Такие отношения можно описать следующей схемой: 




Например.
Возьмем онлайн-кинотеатр, который дает доступ к контенту по подписке. Продакт-менеджер хочет увеличить LTV пользователей, а потому ставит задачу аналитику выгрузить LTV и среднюю конверсию в подписку из триала в разрезе регионов, пола, возраста, любимых жанров. От аналитика продакт получает огромную excel-таблицу на десятки тысяч строк и садится самостоятельно ее ковырять. Аналитик свою задачу закрыл, а для продакт-менеджера все только начинается.
Преимущества такого уровня взаимодействия:
Если сравнить это с ситуацией, в которой аналитика нет совсем, то в таком сетапе продакт экономит свое время за счет делегирования типовых задач.
Сложности и недостатки:
Продакт-менеджер все же тратит достаточно много времени на формулирование ТЗ, ожидание ответа аналитика и интерпретацию массива данных. Более того, вероятны дополнительные итерации, так как в процессе обработки данных продакту могут потребоваться новые данные.
Аналитик делает задачи в вакууме, не понимает контекста задачи, и как следствие, не может ничего предложить в плоскости продукта. Это может привести к тому, что он потеряет мотивацию в работе, так как не видит ощутимого результата своей работы.
Качество принимаемых решений полностью зависит от экспертизы продакта и его способностей обрабатывать большие датасеты. Таким образом, выше риск человеческих ошибок и неверных выводов.
Уровень 2. Аналитик — партнер продакт-менеджера
Продвинутый уровень отношений продакта и аналитика, в котором аналитик уже полноценно вовлекается в процесс Discovery: понимает продуктовую проблему, понимает суть тестируемых гипотез и имеет некоторую свободу внутри исследований. От аналитика продакт-менеджер уже ожидает конкретные рекомендации. Их отношения на данном уровне можно описать следующей схемой: 




Например. 
Возьмем онлайн-кинотеатр, который дает доступ к контенту по подписке. Продакт-менеджер хочет увеличить конверсию из триала в подписку пользователей, а потому хочет проверить гипотезу о том, что есть сегменты пользователей, для которых контент площадки не очень релевантен. В своем исследовании аналитик находит сегменты 20–25-летних, предпочитающих ужасы, и 55–60-летних, любящих советское кино, конверсия которых сильно выбивается из распределения в меньшую сторону. Продакт проводит опрос выявленных сегментов и подтверждает гипотезу, что нужно закупить дополнительный контент.
Преимущества такого уровня взаимодействия:
Продакт-менеджер получает не массив данных, как раньше, а уже выжимку в виде конкретных сегментов, с которыми можно работать.
Делая свою работу, аналитик мыслит гипотезой и проблемой, а не поставленной сверху задачей. Это растит качество аналитики: он лучше понимает, куда смотреть и на что обращать внимание.
Решения в продукте основаны на более осознанном вовлечении всех участников процесса Discovery.
Сложности и недостатки:
Процесс формирования гипотез все еще целиком на продакт-менеджере.
Аналитик — все еще ведомая сторона в этом процессе, а не самостоятельная единица. Для начала работы ему требуется поставленная задача.
Уровень 3. Аналитик и продакт — драйверы продукта
Идеальный уровень отношений продакта и аналитика, в котором аналитик получает в свою зону ответственности конкретное направление продукта и становится его драйвером. Чаще всего это направления с высокой аналитической составляющей: например, ценообразование, модерация контента, рекомендательные системы, механики повышения эффективности маркетплейса (баланс спроса-предложения) и т.д. В таких областях для роста целевых показателей обычно применяются современные data science модели и сложные алгоритмы. И тогда отношения аналитика и продакта можно описать следующей схемой:




Например.
Возьмем онлайн-кинотеатр, который дает доступ к контенту по подписке. Команда хочет увеличить LTV пользователей и решаете поделить ответственность: продакт-менеджер берет в проработку CJM пользователей, аналитик забирает ответственность целиком за ценообразование продукта. С такой свободой у аналитика открывается большой простор для применения передовых методов data science для роста выручки продукта. Аналитик самостоятельно строит взаимодействие с разработкой, если требуется, а продакт-менеджеру нет необходимости сильно вовлекаться в эту область. Имея равнозначные цели на рост целевых метрик, их синхронизация происходит на этапе результатов тестирования гипотез.
Преимущества такого уровня взаимодействия:
Продакт и аналитик драйвят работу друг друга, что позволяет каждому сосредоточиться на своем кусочке ответственности: например, аналитик определяет цены в продукте, продакт строит понятный UX.
Делая свою работу, аналитик мыслит уже целевыми метриками продукта, а не только гипотезами, что позволяет больше приносить инкрементальных улучшений.
Продукт выигрывает от количества тестируемых проработанных гипотез, что повышает вероятность успеха.
Сложности и недостатки:
Требует от продакт-менеджера некоторых скиллов в области SQL, чтобы быть более независимым в своей зоне ответственности. От аналитика же требуется желание и умение вовлекаться в проджект-менеджмент, чтобы управлять ожиданиями и успешно добиваться результата в своей зоне.
Есть вероятность слишком сильно размыть границы ответственности при принятии решений. Поэтому работает, когда между продактом и аналитиком есть глубокое доверие и взаимопонимание.
Как развивать взаимодействие и какие есть ограничения 
Уровень взаимодействия, который устанавливается между продактом и аналитиком, зависит от зрелости продуктовой культуры в компании и зрелости каждого из участников отношений. Потребность совершенствовать взаимодействие с аналитикой возникает тогда, когда продукт уже достаточно развит, то есть все низко висящие фрукты уже собраны, а точки роста скрыты глубоко в данных. Именно в этот момент инвестиции в более продвинутые отношения позволят максимально выиграть всем: продукту, продакт-менеджеру и аналитику.
Чтобы перейти от взаимодействия на уровне задач до уровня метрик, нужно: 
Развивать аналитика: ставить ему не задачу, а как минимум проблему.
Развиваться самому: освоить базовый SQL и навыки работы с данными в excel, чтобы быть более автономным и делегировать аналитику более сложные вещи.
Построить с аналитиком доверительные отношения: проводить регулярные 1–1, обсуждать цели и стратегию.
Синхронизировать личные цели продакта и аналитика на уровне метрик.
Делегировать аналитику зону ответственности в продукте, а если возможно — позволить быть полноценным драйвером конкретного функционала, где потенциал роста лежит в области применения аналитических методов.
При этом, конечно, в настоящей практике может возникнуть ряд ограничений при попытке продакт-менеджера прокачать взаимодействие с аналитиком:
Аналитик не хочет или не может выйти за рамки «закрываю таски».
В продукте может просто не быть зоны ответственности, которую логично было бы отдать аналитику.
В таком случае я рекомендую вернуться к потребности. Если в продукте она есть, а аналитик ее не тянет, то нужно дать честный фидбек или попробовать ротацию внутри компании, чтобы найти и аналитику правильную команду, и себе более — подходящего аналитика.
Заключение
В качестве резюме хочу сформулировать ключевую мысль материала в одном предложении:
Наибольшую пользу продукт будет получать тогда, когда продакт и аналитик не будут замыкаться на шаблонном восприятии своих ролей, а будут вкладываться в свое взаимодействие, развивая и дополняя друг друга.
Узнайте больше
Какие навыки и требования предъявляют к аналитикам данных на разных уровнях? Разбираем на примере на «Яндекса»
Как устроен карьерный рост продакт-менеджеров в «Авито»
***
Напишите нам
Если вы тоже хотите стать соавтором GoPractice, то заполните эту форму или напишите нам на dima@gopractice.ru.




Автор иллюстрации к материалу — Анна Гольде
Сообщение Как построить эффективное взаимодействие с аналитиком: гайд для продакт-менеджера появились сначала на GoPractice.

Для многих продакт-менеджеров аналитик — это лишь интерфейс для доступа к данным. Но потенциал их совместной работы на самом деле не ограничивается запросом и получением данных. В этом материале руководитель направления продуктовой аналитики в «Авито» Алексей Малинский рассказывает о трех уровнях взаимодействия продактов и аналитиков, их особенностях и о том, как прокачать такое взаимодействие. *** Привет! Меня зовут Алексей Малинский, […]
Сообщение Как построить эффективное взаимодействие с аналитиком: гайд для продакт-менеджера появились сначала на GoPractice.