2201
Канал Димы Некрасова о системном подходе к метрикам продукта и бизнеса. Кофаундер JetMetrics.io ex-CEO агенства Datmark.com 12 лет в аналитике и BI Строю единорога и мечтаю сделать аналитику более actionable
🍑Бесплатный дашборд для Яндекс Метрики
Несколько месяцев назад я писал, что мы работаем над переводом наших популярных дашбордов из гугловского Лукер Студио на свою платформу.
Вы еще тогда накинули много лайков в поддержку адаптации под Яндекс Метрику и на русский язык.
Штош, мы наконец-то сделали это.
Без лишних слов, лучше смотрите видео!
Дашборд уже доступен в нашем Хабе знаний 📂
Подключайте свою Метрику или посмотрите на демо данных:
https://джетметрикс.рф/hub-dashboards-funnel
Дерево драйверов "Конверсия из лида в сделку"
[ 4 компонента | 9 драйверов | 30 действий ]
Смотрите, на такую общую метрику как "Конверсия из лида в сделку" нельзя повлиять напрямую. Она складывается из ряда других показателей. По одному её значению сложно понять, где именно возникли сложности.
Поэтому такие верхнеуровневые метрики мы рекомендуем раскладывать на части:
+ сначала на компоненты. В нашем случае конверсия состоит из четырех довольно типовых этапов воронки. Кстати, перемножение всех и даст общую конверсию;
+ потом каждый компонент раскладываем на драйверы – более детальные и зачастую управляемые напрямую метрики;
+ а на уровне драйверов уже становится понятно, какими действиями можно ими управлять.
Вот так легким движением руки брюки превращаются от ключевой метрики (что) мы приходим к конкретным действиям (как). И аналитика становится actionable.
P.S. Это дерево в более детальном виде есть у нас в Атласе.
🎸 [Обновление Атласа от 8 октября]
Вопросы по каждой метрике
Примерно такие же вопросы, как в предыдущем посте, теперь есть для всех 910 метрик.
На каждую от 7 до 19 вопросов, сгруппированные по 4 категориям:
✅ базовые
(с них можно начинать разбор)
💡 исследовательские
(помогают найти причины отклонений)
💼 управленческие
(что поменять и куда направить силы и средства)
📈 вопросы про данные и расчет
(проверяют, можно ли доверять показателю)
У нас был уже ранее такой блок контента, но в базе на английском языке. А последние несколько недель мы работали над переводом, адаптацией и раскаткой на все метрики в Атласе на русском языке.
Вопросы к 236 метрикам открыты бесплатно – это 3 карты и 1 огромное дерево по метрики "Чистая прибыль".
Смотреть бесплатную версию
Купить доступ к полной версии
(единоразовая оплата + доступ ко всем будущим обновлениям)
📕 [003] Энциклопедия метрики
Сегодня поговорим про ROAS (aka Return on Ad Spend) или просто рентабельность рекламы.
"Если ROAS больше 100%, то ваша реклама окупилась"
➕ Добавлять ли метрику в отчет?
Один из смертных грехов в аналитике – это добавление метрик в отчет "на всякий случай":
– Давайте добавим вот эту, эту и еще эту. О, на листе место осталось – давайте тогда и этот показатель возьмем.
⛔️Эти метрики вам не нужны
Не бывает универсально нужных показателей. Всё зависит от того, в какой отрасли вы работаете, какие у вас процессы, особенности продукта и аудитории.
Например, вы продаете товары для ремонта и интерьерных решений. Клиенты, как правило, приходят раз в несколько лет и только тогда, когда задумают обновить своё гнездышко.
Ну какой там может быть ретеншен?
Это точно не та метрика, которая нужна в вашем случае. Надо растить, скорее уж, кол-во клиентов по рекомендации, кросс-селл и ап-селл.
Прежде, чем трекать какой-то показатель и работать над его улучшением, нужно понять, а какое вообще поведение клиента за ним стоит и что это значит для вас. Собрал несколько наглядных примеров в шпаргалке сверху.
Кстати, в нашем Атласе у многих метрик есть прям отдельный пункт "Когда не нужна" 🎸
@jetmetrics | хаб знаний со всеми материалами
➕Как агрегировать метрики и не получить чушь
В прошлом посте писал, что для контекста ИИ должен понимать, какую метрику как можно агрегировать.
Например, нельзя посчитать среднюю конверсию сложив ее за несколько периодов. Или сложить DAU за 7 дней и получить тем самым WAU.
Давайте вспомним базу – её знать надо. Уверен, что даже матёрые аналитики ошибались. Я вот, например, много раз 👋. Но не с конверсией, а с другими метриками.
Делитесь с коллегами, чтобы не ошибиться в следующий раз.
---
Стоит ли добавить такое поле по каждой метрике в Атласе?
🔥 – да, добавьте
@jetmetrics
❌Ваши метрики посчитаны с ошибками
И вот 25 самых вероятных.
Напишите, с какими из них вы сталкивались чаще всего?
Кстати, у нас в Атласе по каждой метрике есть нюансы и примеры расчета 👋. Ваши цифры станут точнее, и доверие к ним вырастет.
@jetmetrics | хаб знаний со всеми материалами
3 элемента системы метрик
Чтобы собрать сотни показателей и отчетов в стройную структуру, придется соединить три ключевых элемента.
Давайте начну с нижних частей.
Процессы – это самый-самый базис. Без понимания того, как работают люди, внятную аналитику не построить – зато будут рождаться дашборды-зомби, которые не решают задачи пользователей. От процессов идёт всё остальное.
Данные – то, как у вас всё считается и как хранится. Тут всё вроде понятно. Без data не будет data-driven.
Но что за третий элемент – канон?
Это фреймворк с наполнением. Это некий вариант стандарта и методологии того, как следует использовать метрики для принятия решений.
Примеры: МСФО, DORA.
Зачем он нужен:
- показывает, что вы еще не отслеживаете;
- формализует и делает аналитику воспроизводимой;
- помогает адаптировать под свой кейс;
- снижает вероятность ошибиться;
- увеличивает точность ИИ аналитики.
Имея канон, систему метрик можно создать быстрее и с опорой на проверенные практики и подходы.
Кто был на эфирах и обучении, знает, как сильно я люблю метафоры. Вот представьте себе, что у вас есть инструменты (процессы) и материалы (данные). Из этого вы строите дом.
Можете построить его по своему усмотрению, т.е. сделать свою систему. Это вовсе не плохо. Но что, если фундамент через пару лет "поплывёт"?
А можно взять какой-нибудь стандарт строительства (ГОСТ или типа того) и сделать с учетом него. Тогда и ошибок будет меньше, и скорость постройки – выше.
—
Но чего уж точно не следует делать, так это на 100% полагаться на ИИ. Он и чертеж составит под другую почву, и с материалами ошибется, но зато похвалит, что у вас зоркий глаз 🤓
@jetmetrics
Тем временем, ребята из Эсборд выкатили библиотеку гайдов на своей платформе. Мы там тоже есть 🤴
Смотреть тут – https://sboard.online/dashboard/guides/author/230
UPD: Ссылку исправили
🫥 Как разложить метрику, чтобы стало понятно, что делать
Попросите любого знакомого аналитика или продакта декомпозировать какой-нибудь важный показатель. Ну, скажем, "Средний чек".
В 9 случаях из 10 он разложит на основе формулы. И получится, что "Средний чек" раскладывается на "Выручку" и "Заказы". Формально тут не придраться, всё корректно.
Но как увеличивать средний чек исходя из такой разбивки?
Выручку – растить
Заказы – снижать 🤡
Вроде логично, но это из серии "Делай хорошо, плохо не делай".
Так вот назовем это базовой, простой разбивкой. Она отвечает на вопрос "откуда взялось число". И это правда нужно – когда метрика снизилась, вы можете понять, что изменилось, числитель или знаменатель. Но вот для решений и планов это не годится, ведь совершенно не понятно, за счет чего именно растить тот же условный "Средний чек".
Тот же средний чек можно разбить на:
- цену позиции (SKU)
- позиций в заказе
- единиц в позиции
- долю покупок со скидкой
Арифметика тут тоже, кстати, корректная, ведь произведение даёт тот же средний чек. Но разница в том, что теперь видно, за счёт чего его растить.
а) продавать более дорогую продукцию
б) увеличить проникновение в ассортимент
в) стимулировать брать больше единиц
г) оптимизировать скидочную политику
Из базовой разбивки мы не смогли бы даже примерно очертить такие зоны решений. Смотрите несколько других примеров на шпаргалке выше.
Рассказать алгоритм такой разбивки?
🔥 – да
@jetmetrics | хаб знаний со всеми материалами
📂 5 шагов к дашборду, который открывают
Ранее я не очень подробно рассказывал в канале, как именно делать дашборды с учетом карт метрик – этот материал был доступен для студентов курса.
Но теперь будем это исправлять.
Мы подготовили разбор на примере конкретного дашборда и конкретной карты метрик (спойлер: «Поддержка клиентов»). Расписали все шаги с ходом мысли, пояснениями и скринами.
jetmetrics/Gsl4o31vrME">Читать статью тут
Ну а чтобы знания со всей статьи можно было унести в компактном виде, как обычно, запилили шпаргалку.
Enjoy!
@jetmetrics | хаб знаний со всеми материалами
🤪 "Нам нужно вывести основные метрики на дашборд"
Признайтесь, что не один раз слышали такой запрос на разработку отчета. А может, и сами говорили.
Вот еще вариации:
"Хотим отслеживать показатели, чтобы принимать решения на основе данных"
или моё любимое: "Хотим видеть ситуацию в целом"
Так и появляются дашборды, в которых
- есть бесполезные метрики вроде "Всего клиентов в базе"
- 10 не связанных между собой KPI и набор цветастых визуализаций на одном листе
Они первые кандидаты в дашборды-зомби.
На практике всё не так просто, как кажется.
Надо и задачу точно определить по JTBD, и назвать решения, которые дашборд поддержит.
Надо и метрики с умом подобрать под задачу, а не просто вывести "Выручка", "Расходы", "Прибыль".
Еще и с визуализациями не переборщить, и акценты грамотно расставить: какая метрика ключевая и что на неё влияет.
Так что дело определенно не в том, чтобы просто вывести показатели на экран.
@jetmetrics | хаб знаний со всеми материалами
👩🎨 Аккуратный и/или полезный дашборд
Много лет назад мы в агентстве старались сделать дашборды для клиентов красивыми, аккуратными и заполнить всё возможное пространство метриками, графиками и таблицами. А еще мы обожали делать красивые подложки, чтобы все смотрелось дорого-богато.
Я думал, что так клиент оценит наши скиллы и увидит разницу между нормальным агентством и фрилансером с биржи фриланса.
Да и сейчас постоянно вижу посты в соцсетях от биайщиков, где они хвастаются своими навыками дизайна и датавиза – кто на что горазд, ей-богу! Уверен, что некоторые воспринимают свою работу, как искусство.
Однако всё чаще сталкиваюсь с кейсами, когда минимальные, страшненькие и неказистые дашборды используют на регулярной основе. А те, на оформление которых потратили кучу времени, становятся "зомби-дашбордами" (то есть они существуют, обновляются, но их попросту не открывают).
И в этом есть серьезное противоречие – вам нужно, чтобы было красиво или чтобы решало задачу?
Первое даст кратковременный вау-эффект.
Второе – долгосрочную пользу вам и вашей команде.
@jetmetrics | хаб знаний со всеми материалами
💬 Как бизнес-процессы превращаются в карты метрик
Я, кажется, уже раз сто писал и говорил, что карта метрик – это отражение бизнес-процессов, только в виде показателей.
В этом её ключевое отличие от деревьев драйверов, где метрика может быть разложена без строгой логики процессов, а больше с опорой на формулу и факторы влияния.
Так вот говорил-то говорил, но наглядно ни разу этого не показывал.
Смотрите на видео анимированную демонстрацию из 5 этапов:
1) как выглядит простой бизнес-процесс (например, лидогенерация)
2) как на его базе возникают основные метрики результата
3) ...и вокруг них строятся сопутствующие показатели
4) как из бизнес-процесса строится карта метрик (по тому же таймлайну)
5) как выглядит движение по карте
Стоит ли продолжать делать подобные анимации?
(на очереди есть еще то, как карта решает проблему разрозненных отчетов)
🔥 – да!
📕 [004] Энциклопедия метрики
Сегодня поговорим про Отток клиентов (aka Churn rate).
Но с важной оговоркой – в бизнесе без подписок.
Считать его бывает довольно трудно, если у тебя нет четкого сигнала, что клиент отвалился. В подписке-то всё просто: подписку отменил, и вот тебе +1 ушедший клиент.
Поэтому для расчета оттока в б2б продажах и екоме используется "окно молчания". Это промежуток, который вы определяете как срок, после которого, при отсутствии покупок, вы записываете клиента в ушедшие.
Как определить "окно молчания", как считать метрику и многое другое – на шпаргалке выше.
@jetmetrics | хаб знаний со всеми материалами
🧐 9 вопросов, которые стоит задать про ваш средний чек
и какие визуализации помогут найти ответ
Часто вижу, когда разбирают конкретную метрику, то пытаются понять, а какие вопросы можно про неё задать.
И обычно всё ограничивается этими:
- она вообще изменилась?
- это хорошо, норм или плохо?
- почему изменилась?
- что нам теперь с этим делать?
Звучит просто, но на деле одни лишь эти вопросы могут сильно ограничивать вас.
Вопросов, которые вы можете "задать" каждому показателю, очень много.
Возьмем, к примеру, средний чек (AOV).
На шпаргалке мы показали 9 актуальных вопросов к нему, которые могут подтолкнуть вас к инсайтам и решениям.
И по каждому добавили визуализацию, которая поможет получить ответ.
Про какую метрику собрать такие вопросы в следующий раз?
P.S. PDF версия в высоком разрешении этой шпаргалки и всех остальных доступна в Хабе знаний.
🤨 Как поставить KPI, чтобы его не выполнили в ущерб компании?
Целевой показатель – это, конечно, хорошо. Есть понятная цифра и понятно, за что будет вознаграждение. Но почти любой KPI можно выполнить так, что бизнесу станет только хуже.
Конверсию, например, проще всего поднять, урезав дорогой трафик (а заказов при этом станет меньше). А средний чек можно поднять, убрав дешёвые товары или дав скидку за объём в ущерб прибыльности.
И ведь никто при этом не сжульничает. Команда сделает ровно то, за что ей платят.
Собрали тут 11 примеров, как ставить KPI в рекламе, CRM и продажах.
Идея проста: везде указываем метрику-противовес, которая просядет, если выполнять план самым лёгким способом.
👋 Если у вас есть KPI, который выполняли в ущерб бизнесу, напишите в комментариях. Разберём, как его можно переписать.
@jetmetrics | хаб знаний со всеми материалами
🔦 Как найти слепые зоны в аналитике
Разработка карт метрик – это не создание чего-то прям с нуля.
Это больше походит на прояснение того, что и так есть или должны быть.
Смотрите, вот есть у вас процессы, вы собираете какие-то данные, делаете отчеты.
Но точно ли вы знаете, как они стыкуются друг с другом?
И всё ли вы отслеживаете?
Это всё можно сравнить с очень темной комнатой, где у вас видна только часть вещей. А бОльшую часть надо искать с фонариком: и связи, и "новые" показатели.
Иначе трудно жить в комнате в полумраке.
@jetmetrics | хаб знаний со всеми материалами
📕 [002] Энциклопедия метрики
Спасибо вам за реакции на прошлой неделе.
Рубрике на регулярной основе быть!
На этот раз рассмотрим стоимость привлечения клиента. Она же CAC (Customer Acquisition Cost).
CAC помогает понять, во сколько бизнесу обходится каждый новый клиент. Особенно полезно следить, как эта стоимость меняется при росте бюджета, запуске новых каналов и выходе на новую аудиторию.
Вроде бы формула простая:
- возьмите расходы на привлечение
- поделите на кол-во новых клиентов
- получите CAC
Делов-то.
Только на практике подводных камней оказывается очень уж много:
- какие расходы считать, а какие – нет?
- что делать с расходами на наружку, ТВ и другие каналы, которые работают и на повторных клиентов тоже?
- что, если у нас между первым контактом и покупкой проходит несколько месяцев?
- а если посчитать правильно, то цифра получится уж очень страшной?
Что включать в расходы, как учитывать длинный цикл сделки и что проверять, если CAC ухудшился, собрали в шпаргалке.
Делитесь с коллегами и сохраняйте себе. Пригодится!
@jetmetrics | хаб знаний со всеми материалами
📕 Энциклопедия метрики
Как насчет такой еженедельной рубрики?
Подробно разбираем одну конкретную метрику:
- как правильно считать;
- какие ошибки можно допустить;
- какие разрезы важны и нужны;
- как она связана с другими показателями;
- на какие вопросы позволяет отвечать;
и не только.
Начнём с важнейшей метрики удержания – доли клиентов с повторными покупками (aka Repeat purchase rate).
Поставьте 🔥, если это полезно и хотите видеть такие посты каждую неделю.
@jetmetrics | хаб знаний со всеми материалами
⬇️ Что нужно ИИ, чтобы стать настоящим аналитиком
и перестать выдумывать околесицу
Нынче все только и говорят, что про контекстный слой.
Это доп. информация, которая нужна ИИ помимо самих данных, чтобы лучше понимать, как с этим работать и интерпретировать. Без неё он неизменно будет нести чушь или давать слишком общие ответы.
Недавно прочитал про исследование ребят из Cube. Они взяли 3 топовые ИИ модели и стали задавать им вопросы. Правильных ответов было всего 45-50%.
Затем добавили один текстовый файл всего на 4 кб, который заполнили вручную на скорую руку. Там указали описание метрик: определения и правила расчета.
Процент правильных ответов вырос до 67-68% (то есть на 17-23 п.п). Есть еще куда стремиться.
Базовый контекстный слой вы можете собрать быстро, он прост. Затем его постепенно дополнять.
Собирать информацию для него можно самостоятельно, а можно взять из Атласа метрик. Мы как раз на днях его обновили (добавили разрезы и сущность по каждой из 745 метрик).
@jetmetrics
🕘 Зачем нужно понимать лаги между метриками
Ситуация:
Агентство оптимизировало кампании, протестировало лендинги, а клиент увеличил бюджет. Прошел месяц, а на B2B продажах это не отразилось. Клиент не понял, за что заплатил: "Что мне с этих ваших CPC, CTR, заявок и прочей фигни? Мне же продажи нужны".
Агентство было уволено, хотя в воронку попали хорошие клиенты, которые сделают заказы уже в следующем месяце.
У каждой связи (не у метрики, а именно у связи – это важно) есть свой лаг, когда она проявляется.
В каких-то случаях это моментально.
Увеличили ставку на рекламном аукционе – сразу стали получать больше показов объявлений.
А в каких-то это занимает месяцы.
Привлекли пользователя в программу лояльности – заметите изменение в его частоте покупок и среднем чеке только спустя месяцы. Если вообще заметите.
Возможно, кто-то в команде с большим опытом держит эту информацию в голове. Но если это записано и согласовано с другими, то вы можете избежать разночтений и ситуаций, как из примера в начале.
И тогда вы можете сказать не "не сработало", а "надо вернуться к аналитике, когда проявится этот эффект".
@jetmetrics | хаб знаний со всеми материалами
⛓ Анатомия связи между метриками
То, как один показатель связан с другим – это обязательный атрибут аналитики. Эту информацию надо будет загружать в ИИ, объяснять коллегам и учитывать в планировании.
Но какой бывает связь?
Базовый признак – это знак.
Есть прямая и обратная связь. Вот кстати пост про это.
Помимо этого для каждой связи следует указывать:
🔘 тип (что-то связано просто формулой, а что-то иным характером)
🔘 возможность переворота знака (супер инсайт, который только недавно для себя открыли – см.пример на картинке)
🔘 направление связи
🔘 факт проверки на своих данных (гипотезы гипотезами, но возможно, у вас работает не так, как у других)
🔘 текстовое описание связи (простым языком)
🔘 лаг (не все связи срабатывают с одинаковой скоростью)
@jetmetrics
Мы закрыли JetMetrics
Может кто не в курсе, но нашим основным фокусом с 2022 года было приложение для магазинов на Shopify на международном рынке. От него же и пошло название Джетметрикс, канал в телеграм и всё остальное. Так вот это SaaS приложение перестало работать 1 июля.
Это был долгий и интересный путь. Но путь стартапа – это всегда высокий риск неудачи. Мы были к этому готовы.
Вот основные причины, почему не получилось:
1️⃣ Не подтвердили спрос деньгами
Когда мы опубликовали первую карту метрик, которая собрала 3+ млн просмотров в Линкедине, мы поняли, что попали в нерв. Мы сразу начали делать прототипы будущего продукта, показывать ЦА, а параллельно еще стали продавать карты метрик в Miro.
Так вот за карты метрик мы получили более 40.000 долларов, а вот предоплату за продукт мы побоялись брать. Мы просто поверили людям, которые говорили: "Да, мы будем пользоваться вашим продуктом. Разрабатывайте!"
2️⃣ Ошиблись с аудиторией
Первая версия продукта была с одним источником данных – самим Shopify (продажи, клиенты, ассортимент). Мы думали, что для небольших магазинов, у которых мало сторонних источников, этого будет достаточно.
В итоге у малого бизнеса боль была не такой ярко выраженной, а для компаний среднего размера мы не подходили – им нужно было сводить сразу несколько источников (Klaviyo, Meta Ads, GA4 и пр).
3️⃣ Двигались медленно из-за нехватки фокуса
Мы не брали кредитов, не привлекали инвесторов. Все расходы оплачивали из своих. Вроде звучит круто, но на деле нам постоянно приходилось тратить время на сторонние активности.
Как следствие, мы не могли сконцентрироваться на основном продукте на 100% и двигались медленно.
4️⃣ Мы опоздали к революции ИИ
Сделай мы тот же самый продукт 2 года назад, может темпы роста пользователей (а они были, кстати, забыл сказать) были иными. Но Shopify внедрил AI ассистента, Claude и ChatGPT были уже достаточно умными. А у нас в продукте AI вообще не было.
Поэтому единственным преимуществом JetMetrics для некоторых было то, что продажи можно было посмотреть в наглядном виде дерева метрик. Но этого недостаточно, чтобы платить 50-150 долларов.
5️⃣ Переоценили роль дашбордов вида карт метрик
Мы думали, что пользователи будут рады ВСЕГДА работать с дашбордами, построенными только в таком виде: стрелки, иерархия, связи между метриками. Это было нашим когнитивным искажением.
Ярким примером был DoubleLoop (по сути, наши конкуренты и одни из пионеров). Их купили Mixpanel, чтобы встроить целый продукт как один из (!) компонентов своей платформы. Как самостоятельный продукт DoubleLoop бы не выжил. Мы шли по схожему пути.
- - - -
❤️ Спасибо, что дочитали. Надеюсь, это кому-то окажется полезным. Понятно, что это были не единственные проблемы, но, как мне кажется, это самые существенные.
Сейчас же мы сконцентрировались на других продуктах и на клиентских проектах – всё можно посмотреть здесь. И канал этот будем активно развивать!
Но следующий большой проект не за горами, я не сомневаюсь. Так что следите за апдейтами! 🤘
⚡️ Чем мы можем быть полезны?
Нас много раз спрашивали, делаем ли проекты для компаний, консультируем ли.
Нигде никакой информации об этом не было, но люди видели наш контент, продукты и понимали, что им это было бы полезно внедрить.
В таком вот режиме без сайта о наших услугах мы умудрились начать несколько проектов для очень классных компаний.
Но пора менять ситуацию.
Мы наконец-то оформили наши услуги для бизнеса в лендинг.
Смотрите, задавайте вопросы, оставляйте ваши заявки, пишите напрямую.
джетметрикс.рф/consulting
❤️ 7 лет назад эта девушка пришла вести соцсети нашего агентства. Теперь она полноценный кофаундер и настоящий друлега (типа, друг и коллега в одном лице).
Знакомьтесь, это Маша.
Она участвует во всех инициативах и продуктах, о которых я пишу в канале. Сегодня мы скромно отметили 7 лет совместной работы.
Мне видится история нашего сотрудничества и ее карьерный трек очень интересными. Хотел бы наконец-то рассказать об этом публично.
Машу мы заприметили в 2019 году у одного знакомого. Она только-только закончила ВШЭ и вела соцсети для небольшого проекта. Мы ее пригласили к нам на парт-тайм, чтобы вести соцсети агентства Datmark. Все начиналось хорошо и было многообещающе.
Но когда началась пандемия и режим повышенной мобилизации, то я предложил Маше переквалифицироваться из СММщика в аналитика. Разворот был довольно крутой, и я предполагал, что она откажется. Но она согласилась и начала быстро осваивать новые скиллы.
Из девочки, которая боялась всего и ловила панички посреди рабочего дня, она превратилась в крутого профи (и уже без паничек). В последующие 2 года она вывозила сложнейшие проекты для разных компаний: Campari, Nielsen, ФК Локомотив и не только.
Машу полюбили BI разработчики за то, что она писала идеальные ТЗ.
Машу полюбили проджекты за то, что на неё можно было положиться.
Машу полюбили клиенты, потому что она умела объяснять им сложные вещи простым языком и была внимательна к их требованиям.
Под конец 2021 года я предложил ей попробовать делать продукт на международку. Это было бы трудно, долго и с высоким риском провала. Но она согласилась на это новое путешествие!
За последние годы мы сделали много крутых вещей:
- придумали и развили подход карт метрик
- JetMetrics (SaaS решение для Shopify магазинов)
- разработали 60+ крутых продуктов (карты метрик, дашборды и пр.) на Gumroad
- а нашими наработками пользуются 70.000+ экспертов из 131 страны мира.
Дальше – больше. Я в этом не сомневаюсь.
Спасибо тебе, Маша, за наш классный симбиоз. Мы разные, но хорошо дополняем друг друга в работе. Трудно пожелать более крутого соратника, чем ты!
🍻🍻
(можете поздравить или пожалеть Машу своим лайком!)
📌 Не каждую метрику надо растить
и не каждую надо снижать
К весьма любопытному наблюдению мы подошли однажды, разрабатывая базы знаний по метрикам.
Есть метрики, где рост – это практически всегда хорошо. Ну просто потому что больше денег, больше клиентов, больше трафика – это же круто! При прочих равных, конечно же.
Есть метрики, где чем меньше, тем лучше: отток, отписки, количество возвратов.
А есть показатели, где резкое изменение далеко не всегда полезно. Возьмем, например, "Среднее время на сайте". Если оно выросло, то это:
- может быть хорошо, потому что люди больше вовлекаются в контент
- а может быть плохо, потому что пользователи не могут найти нужной информации
Мы такие метрики окрестили метриками баланса.
Смысл в том, что такие метрики нет смысла постоянно форсировать. Надо определить оптимальный диапазон значений и стараться держать их внутри него.
В качестве примере держите шпаргалку с метриками программ лояльности.
@jetmetrics | хаб знаний со всеми материалами
🔫 Как решить войну и маркетинга и продаж
Когда продажи снижаются, а вы когда пытаетесь найти причину, то появляется эта классика:
"Мы приводим вам много лидов, а вы их не дожимаете"
"Вы приводите некачественные лиды"