Продуктовая аналитика: что смотреть в приложении и сервисе, чтобы расти

Продукт запущен, пользователи есть — но непонятно почему одни остаются, другие уходят, одни платят, другие нет. Продуктовая аналитика отвечает на эти вопросы с помощью данных о поведении пользователей. Разбираем, что смотреть и как это влияет на рост.

Чем продуктовая аналитика отличается от веб-аналитики

Веб-аналитика (Яндекс.Метрика, Google Analytics) отвечает на вопрос «что происходит на сайте»: сколько посетителей, откуда пришли, какие страницы смотрят.

Продуктовая аналитика отвечает на вопрос «что происходит внутри продукта»: как пользователи взаимодействуют с функциями, доходят ли до ключевого момента ценности, возвращаются ли на следующий день.

Для приложения, SaaS-сервиса или любого цифрового продукта нужны оба типа аналитики.

Фреймворк AARRR: пиратские метрики

AARRR (Acquisition, Activation, Retention, Revenue, Referral) — классический фреймворк для анализа продуктовых метрик, предложенный Дэйвом МакКлюром.

Acquisition — привлечение

Откуда приходят пользователи? Какой канал самый эффективный?

Метрики: количество новых пользователей, CAC по каналам, CPL (стоимость лида).

Activation — активация

Доходят ли пользователи до момента, когда понимают ценность продукта («aha moment»)?

Aha moment — момент, когда пользователь впервые получает обещанную ценность. Для Slack — первое сообщение в команде. Для Dropbox — первый файл в облаке. Для онлайн-курса — завершение первого урока.

Метрики: процент пользователей, совершивших ключевое действие в первый день/неделю.

Низкая активация — главная причина оттока. Пользователь зарегистрировался, не понял продукт и ушёл.

Retention — удержание

Возвращаются ли пользователи? Это самая важная метрика для большинства продуктов.

Day 1 / Day 7 / Day 30 Retention — какой процент пользователей вернулся через 1, 7 и 30 дней после регистрации.

Типичные бенчмарки для мобильных приложений:

• Day 1: 25–40%
• Day 7: 10–20%
• Day 30: 5–10%

Cohort analysis (когортный анализ) — отслеживание поведения группы пользователей, пришедших в один период. Позволяет понять, улучшается ли удержание со временем и как изменения в продукте влияют на разные когорты.

Revenue — монетизация

Платят ли пользователи? Сколько?

Метрики: конверсия в платящих, ARPU (средняя выручка на пользователя), MRR (ежемесячная выручка).

Referral — виральность

Рекомендуют ли пользователи продукт другим?

Метрики: NPS, viral coefficient (количество новых пользователей, которых приводит один существующий), количество органических установок.

Ключевые продуктовые метрики

DAU / MAU — дневная и месячная активная аудитория

• DAU (Daily Active Users) — уникальные пользователи за день
• MAU (Monthly Active Users) — уникальные пользователи за месяц

Соотношение DAU/MAU — показатель «липкости» продукта:

• 50%+ — очень высокая вовлечённость (мессенджеры, социальные сети)
• 20–50% — хороший показатель для большинства продуктов
• <10% — продукт используют редко

Retention Rate — удержание пользователей

Процент пользователей, вернувшихся через определённый период.

Retention Rate (Day N) = 
Пользователи, вернувшиеся на N-й день / Новые пользователи × 100%

Плоская retention curve (удержание стабилизируется на каком-то уровне) — признак здорового продукта. Падение к нулю — продукт не создаёт привычку.

Churn Rate — отток

Процент пользователей или клиентов, прекративших использовать продукт.

Churn Rate = Ушедшие пользователи / Пользователи на начало периода × 100%

Для SaaS с ежемесячной подпиской: норма <5% в месяц. 10%+ — серьёзная проблема: через год потеряете >70% базы.

Feature Adoption Rate — принятие функций

Какой процент пользователей использует конкретную функцию?

Помогает понять, какие функции реально нужны пользователям, а какие — «фичи ради фич». Функции с низким adoption часто кандидаты на упрощение или удаление.

Time to Value (TTV) — время до получения ценности

Сколько времени проходит от регистрации до момента, когда пользователь впервые получает ценность от продукта.

Чем меньше TTV — тем лучше. Упрощение онбординга и сокращение TTV — одна из самых эффективных мер для роста retention.

North Star Metric: одна метрика, которая важнее всех

North Star Metric (NSM) — единственная метрика, которая лучше всего отражает ценность, создаваемую продуктом для пользователей. Ориентир для всей команды.

Примеры NSM:

• Spotify — время прослушивания музыки
• Airbnb — количество забронированных ночей
• Slack — количество сообщений, отправленных командами
• Medium — количество прочитанных статей

Как выбрать NSM:

• Отражает ценность для пользователя, а не только для бизнеса
• Коррелирует с выручкой и ростом
• Вся команда понимает, как влияет на неё своей работой

Не путайте NSM с операционными метриками: выручка — важна, но не отражает напрямую, создаёт ли продукт ценность.

Инструменты продуктовой аналитики

Amplitude

Один из лидеров рынка. Мощный event-based анализ, когортный анализ, воронки, пути пользователей. Бесплатный тариф до 10 млн событий в месяц — достаточно для большинства стартапов.

Mixpanel

Аналог Amplitude. Чуть проще в настройке, хорошо работает с мобильными приложениями. Бесплатный тариф до 20 млн событий в месяц.

PostHog

Open-source альтернатива. Можно развернуть на собственном сервере — данные не покидают инфраструктуру. Включает аналитику событий, записи сессий, feature flags.

Firebase Analytics

Бесплатный инструмент от Google, особенно сильный для мобильных приложений. Тесно интегрирован с экосистемой Google.

Яндекс.AppMetrica

Российская альтернатива для мобильных приложений. Бесплатная, без ограничений по объёму. Хорошо интегрируется с Яндекс.Директом.

Как внедрить продуктовую аналитику

Шаг 1. Определите события. Что важно отслеживать? Каждое значимое действие пользователя — событие: регистрация, активация функции, покупка, шеринг. Составьте «план трекинга» — список событий и параметров.

Шаг 2. Внедрите SDK. Подключите выбранный инструмент в приложение или сайт. Разработчик интегрирует SDK и отправляет события при каждом нужном действии.

Шаг 3. Настройте воронки. Для ключевых сценариев: регистрация → активация → первая покупка → повторная покупка.

Шаг 4. Настройте когортный анализ. Отслеживайте retention по неделям или месяцам регистрации. Это покажет, улучшается ли продукт со временем.

Шаг 5. Регулярный review. Еженедельно — оперативные метрики. Ежемесячно — когорты и retention.

Типичные ошибки

Треккают всё подряд. Сотни событий без чёткой цели — это шум, а не данные. Начните с 10–15 ключевых событий.

Нет плана трекинга. Разработчики добавляют события «как понимают» — данные несогласованны и непригодны для анализа.

Смотрят только на агрегированные данные. Средние скрывают разницу между сегментами. Сегментируйте по платформе, когорте, источнику привлечения.

Не связывают аналитику с решениями. Смотрят метрики, обсуждают, ничего не меняют. Каждый регулярный review должен заканчиваться конкретными действиями.

Итог

Продуктовая аналитика — основа data-driven разработки. Внедрите трекинг событий, настройте воронки и когортный анализ, определите North Star Metric. Это позволит принимать решения о продукте на основе данных, а не догадок — и планомерно улучшать то, что реально влияет на рост.

Источники

• Amplitude — Product Analytics Guide
• Mixpanel — Product Analytics Playbook
• Reforge — Retention
• Dave McClure — AARRR

Читать далее: Веб-аналитика: Яндекс.Метрика и Google Analytics →

Назад: ← Ключевые метрики бизнеса: что считать и как отслеживать