Кейс. Impact гипотез: как строить прогноз доходности?

Выступление Павла Аксёнова, экс CPO компании “Самолет Плюс”, в рамках Всероссийского форума профессионалов сферы product management УПРАВЛЕНИЕ ПРОДУКТОМ 2024, прошедшего в Москве 30-31 мая.

Как выбирать приоритетные гипотезы не по внутренним ощущениям, а на основе беспристрастных формул?

Выбор приоритетных гипотез в продуктовом менеджменте – это наиважнейший этап, который может определить успех или неудачу всего проекта. Однако часто принятие решений основывается не на беспристрастных формулах, а на внутренних ощущениях и предположениях. Чтобы исключить ошибки, необходимо на этапе приоритезации гипотез использовать специальные модели и инструменты. Например: WSJF, ICE, DHM, RICE, Rean, MoSCoW.

Основополагающим моментом при выборе наилучшей гипотезы является умение прогнозировать доход от ее успешной реализации. По мнению Павла Аксёнова, алгоритм такого расчета достаточно прост. Для этого необходимо:

• Выявить ключевую метрику изменения.
• Определиться с необходимой ЦА.
• На основании базы данных сделать выборку.
• Построить прогноз изменения метрики для выборки.
• Получить денежную метрику при помощи сравнения моделей AS IS и TO BE.
   

Этот алгоритм применим практически в любых ситуациях. Например, в кейсе с мобильным приложением для заказа такси.

Активный пользователь сервиса такси решил вызвать машину, чтобы совершить поездку. Он вошел в приложение и заказал такси. Однако компания, осознав, что пользователи часто забывают уточнить пункт назначения, решила внедрить новую функцию. Система автоматически определяет последнюю поездку пользователя и предлагает ему тот же пункт назначения и тариф, который он выбирал в прошлый раз. Это позволяет упростить процесс заказа, предотвратить недоразумения и с высокой степенью вероятности мотивировать клиента на поездку по более высокому классу, поскольку компания заметила, что у пользователей, которые заказывали такси по высокому классу, частота повторных поездок по тому же классу выше.

Для оценки эффективности новой функции и гипотезы, построенной на этом, компания провела анализ данных.
Для этого:

1. Выяснила ключевую метрику изменения. Пользователи, которые будут чаще заказывать более высокий класс, влияют на то, что средний чек за поездки будет расти.
2. Определила необходимую ЦА и сделала по ней выборку. Были взяты те пассажиры, кто за последние 3 месяца хотя бы в одном заказе имел повышенный класс. Сделали их выгрузку.
3. Построили прогноз изменения метрики для выборки. Для этого предположили, что каждый эконом после повышенного класса сконвертируется в еще одну поездку на повышенном классе. Например, с вероятностью 10%.
4. Посчитали количество таких поездок на повышенном тарифе, умножили на дельту среднего чека между экономом и повышенным классом и спрогнозировали доход по данной гипотезе.
     

В результате, новая функция позволила улучшить пользовательский опыт (теперь клиенты могут заказывать такси быстрее и удобнее, даже если забывают уточнить свой пункт назначения) и повысить для компании средний чек.

Используя данные о поведении пользователей и их предпочтениях, компания смогла рассчитать потенциальную прибыль от внедрения новой функции. При анализе гипотезы учитывались различные сценарии и сегменты аудитории – это позволило представить реалистичный прогноз.

Как более-менее точно предположить, какой доход будет от изменений в продукте и какие конкретные факторы влияют на это?

Для начала определяется ключевой показатель изменений. Например, это может быть конверсия в покупку. Затем выбирается целевая аудитория и далее рассчитывается гипотеза воздействия. Например, кнопка “скидка за повторный заказ” на странице интернет-магазина может увеличивает конверсию в покупку на 20%. Добавление кнопки “повтора заказа” оказывает прямое влияние на конверсию и доход.

Для расчета дохода от изменений в продукте нужно учитывать такие факторы, как:

• количество пользователей, которые будут использовать новую функцию,
• средний чек покупки,
• конверсию в покупку до и после внедрения изменений,
• стоимость разработки и внедрения новой фичи продукта.
   

Расчет потенциальной прибыли от изменений в продукте может быть основан на данных о поведении пользователей. Анализируются пользовательские реакци – отзывы, вопросы, лайки, комментарии. Это дает понимание, какие изменения в продукте могут привести к увеличению дохода. Необходимо учитывать различные сценарии и факторы, влияющие на конверсию и доход.

Анализ таких метрик, как Net Promotion Score (NPS – индекс потребительской лояльности) и Customer Satisfaction Index (CSI – индекс удовлетворенности продуктом) помогает предположить, как изменения в продукте повлияют на удовлетворенность пользователей и их готовность рекомендовать продукт другим.

Влияние таких факторов, как время ожидания и удовлетворенность пользователей на метрики продукта, может быть измерено и преобразовано в денежные показатели.

Для более точного прогнозирования изменений необходимо учитывать опыт и прошлые колебания метрик. В том числе, опыт прошлых ошибок. Сотрудничество с конкурентами и обмен опытом также помогает более точно спрогнозировать доход от изменений в продукте.

На нашем сайте доступны программы ближайших форумов, списки спикеров и другая информация о наших проектах.

Перейти к мероприятиям

#productmanagment #управлениепродуктом #pm #interforum #interforums