Ключевые продуктовые метрики: справочник Product Owner и менеджеров продукта

Введение. Продуктовые метрики – это показатели, отражающие уровень успешности продукта. Сами по себе цифры мало что значат, но анализ метрик в динамике позволяет понять тренды и принимать решения. Метрики используют, чтобы узнать, как пользователи взаимодействуют с продуктом (частота и длительность использования, удовлетворенность), как улучшить продукт (какие функции развивать или удалить), а также спрогнозировать прибыль (сколько пользователей и сколько денег они приносят). В этом справочнике собраны как базовые, так и продвинутые метрики, универсальные для цифровых и физических продуктов. Многие примеры относятся к цифровым сервисам (приложениям), но аналогичные метрики применимы и к офлайн-продуктам – например, можно измерять ежедневное использование устройства или процент возврата клиентов для физических товаров. Метрики помогут в управлении продуктом, принятии решений о развитии, стратегии масштабирования и анализе прибыльности.

Вы также можете скачать расширенную версию гайда в PDF (55 страниц)

Метрики вовлечённости (Engagement Metrics)

Метрики вовлечённости показывают активность и заинтересованность пользователей: сколько их и как часто они взаимодействуют с продуктом. Эти показатели помогают понять, насколько продукт становится частью жизни клиента и насколько регулярно он им пользуется.

DAU (Daily Active Users) – Ежедневные активные пользователи

• Расшифровка и значение: DAU (Daily Active Users, ежедневно активные пользователи) – количество уникальных пользователей, которые взаимодействуют с продуктом в течение дня. Проще говоря, это число пользователей, которые совершили хоть одно активное действие за день (например, зашли в приложение или воспользовались сервисом). Высокий DAU означает, что в любой given день много людей пользуются продуктом, что традиционно считается признаком успеха для онлайн-сервисов и приложений.
• Формула расчёта: DAU = число уникальных активных пользователей за день. Для расчёта вы определяете, сколько отдельных пользователей воспользовались продуктом за последние 24 часа – именно это число и является DAU.
• Применение: DAU измеряет ежедневную вовлечённость. Эту метрику имеет смысл отслеживать для продуктов, которыми пользуются каждый день: например, мессенджеры, социальные сети, почтовые сервисы. Резкий рост DAU может свидетельствовать об успешной акции или маркетинговой кампании, а снижение – о потере интереса аудитории. DAU позволяет оперативно увидеть эффект изменений: например, реакцию пользователей на запуск рекламы или новую функцию.
• Пример: Допустим, мобильную игру скачали 10 человек. На следующий день 4 из них запустили игру – DAU этого дня = 4. Если в последующий день ни один из этих 10 пользователей не зашёл, DAU будет 0. В регулярном режиме, если приложение скачали миллион раз, но ежедневно из них активны только 100 человек, именно эти ~100 и отражает DAU – а миллион скачиваний сам по себе ничего не значит без активного пользования.

WAU (Weekly Active Users) – Недельные активные пользователи

• Расшифровка и значение: WAU (Weekly Active Users, еженедельно активные пользователи) – количество уникальных пользователей, активных в течение недели (любых последовательных 7 дней). В расчёт берётся число пользователей, которые совершили хотя бы одно целевое действие за последние 7 дней.
• Формула: WAU = число уникальных активных пользователей за 7-дневный период. Обычно считают по скользящей неделе: например, с текущего дня и 6 дней до него.
• Применение: WAU полезна для продуктов, которыми пользуются регулярно, но не обязательно ежедневно. Например, это может быть игра, фитнес-приложение или сервис доставки еды – пользователь может заходить не каждый день, но каждую неделю возвращается. Отслеживая WAU, продукт-менеджеры оценивают недельный охват и вовлечённость аудитории, выявляют циклы использования (например, больше активности по выходным) и эффективность удержания на горизонте недели.
• Пример: Игру установили 10 человек. Если в течение недели каждый из них зашёл хотя бы раз, то WAU = 10. Если же, скажем, 7 пользователей воспользовались игрой на этой неделе, а 3 вовсе не заходили, то WAU = 7. Таким образом, WAU отражает активную аудиторию за неделю, игнорируя краткосрочные колебания дневной активности.

MAU (Monthly Active Users) – Ежемесячные активные пользователи

• Расшифровка и значение: MAU (Monthly Active Users, ежемесячно активные пользователи) – число уникальных пользователей, воспользовавшихся продуктом хотя бы один раз за месяц. Важно: MAU учитывает именно уникальных пользователей, а не количество сессий. Например, если один и тот же пользователь заходил 50 раз за месяц, для MAU он всё равно считается одним пользователем.
• Формула: MAU = количество уникальных пользователей за календарный месяц. При расчёте не суммируются все входы или сессии – берётся совокупность уникальных пользователей за период.
• Применение: MAU – одна из ключевых метрик объёма аудитории. Она показывает размер активной пользовательской базы продукта за месяц. Рост MAU свидетельствует о популярности продукта и расширении аудитории, а падение – тревожный сигнал, требующий выяснить причины потери интереса пользователей. MAU используется в ежемесячных отчётах по продукту, для стратегического планирования и в коммуникации с инвесторами, так как отражает траекторию роста продукта. Также MAU влияет на финансовые показатели (например, на выручку и LTV), поскольку рост активной базы часто приводит к росту доходов.
• Пример: Предположим, онлайн-сервисом воспользовались 10 разных пользователей в течение месяца. Тогда MAU = 10. Если из 10 зарегистрированных клиентов семеро за месяц совершили хотя бы одно действие (например, сделали заказ или вошли в аккаунт), а трое не проявили активности, то MAU будет равен 7. Важно не путать MAU с количеством запусков приложения: даже если те 7 пользователей заходили многократно, MAU всё равно 7, так как учитываются уникальные люди, а не визиты.

Retention Rate – Коэффициент удержания пользователей

• Определение: Коэффициент удержания (User Retention Rate) показывает, какой процент пользователей остаётся с продуктом спустя определённое время. Иными словами, retention отражает способность продукта удерживать пользователей: насколько успешно пользователи продолжают возвращаться и пользоваться продуктом через N дней, недель или месяцев после начала использования.
• Формула расчёта: Общая формула удержания обычно учитывает исходный размер аудитории и вычитает новых пользователей. Один из стандартных способов расчёта:Retention Rate=CE−CNCS×100%,\text{Retention Rate} = \frac{C_{E} — C_{N}}{C_{S}} \times 100\%,где CSC_{S} – число пользователей (или клиентов) в начале периода, CEC_{E} – число пользователей в конце периода, а CNC_{N} – количество новых пользователей за этот период. Например, если в начале месяца было 500 пользователей, к концу стало 520, и за месяц привлечено 50 новых пользователей, то коэффициент удержания = 520−50500×100%=94%\frac{520 — 50}{500} \times 100\% = 94\%. Это значит, что 94% исходных пользователей продолжили пользоваться продуктом в конце периода.
• Применение: Retention Rate – один из самых важных показателей здоровья продукта. Высокий retention означает, что пользователи находят ценность и продолжают пользоваться (хороший признак лояльности и качества продукта), низкий retention сигнализирует о проблемах – пользователи быстро отпадают, и рост аудитории требует постоянного притока новых людей, что дорого. Метрику удержания часто смотрят помесячно (30-day retention), понедельно или даже поминутно для игровых и мобильных приложений. Retention лежит в основе когортного анализа: например, оценивают, какой процент пользователей, пришедших в определённом месяце, остаётся активным через 1, 3, 6 месяцев и т.д. Улучшение удержания напрямую увеличивает LTV (пожизненную ценность клиента) и снижает необходимость затрат на постоянное привлечение.
• Пример: Если из 100 пользователей, зарегистрировавшихся в январе, через месяц активны 30, то retention 30-дневной когорты = 30%. Оставшиеся 70% либо перестали пользоваться (перешли в отток), либо ещё не проявили активность. Хорошим показателем считается постепенное плато retention (когда спустя достаточный период процент удержания стабилизируется и не падает до нуля). Для разных продуктов нормы разные – например, мобильная игра может иметь 30-дневный retention ~20%, а сервис для бизнеса – 50% и выше.

Churn Rate – Коэффициент оттока пользователей

• Определение: Churn Rate (коэффициент оттока) показывает, какой процент пользователей прекратил использование продукта за определённый период. По сути, это противоположная метрика к удержанию: она фокусируется на доле ушедших. Например, месячный отток 5% означает, что 5% активных в начале месяца пользователей больше не пользуются продуктом к его концу.
• Формула расчёта: Churn Rate = (число ушедших пользователей за период / общее число пользователей в начале периода) × 100%. Проще говоря, это процент пользователей, потерянных за выбранный промежуток. Если воспользоваться предыдущим примером: из 500 пользователей, имевшихся в начале месяца, ушли 130, то отток = 130/500=0,26=26%130 / 500 = 0{,}26 = 26\%. Заметим, что Churn Rate + Retention Rate примерно равны 100% (если не считать новых пользователей), поэтому снижение оттока автоматически ведёт к росту удержания.
• Применение: Отток – «неприятная, но необходимая» метрика. Она позволяет оценить, сколько пользователей реально завершили взаимодействие с продуктом (перестали заходить, отписались или удалили). Высокий churn – тревожный сигнал: чем выше отток, тем ниже долгосрочная ценность пользователей (LTV). Анализируя отток, можно выявлять проблемные места продукта: например, неудобный интерфейс, отсутствие ценности, плохой онбординг или сильную конкуренцию. Работу по снижению оттока обычно связывают с улучшением продукта и Customer Success – проактивной поддержкой и работой с клиентами, чтобы предотвратить их уход.
• Пример: В июле у сервиса было 1000 активных пользователей. К концу июля 150 из них перестали заходить (ушли). Значит, monthly churn ≈ 15% за июль. Если одновременно привлекались новые пользователи, то для чистоты расчёта их исключают (как в формуле retention выше). Нулевой отток (0%) практически недостижим, а вот двузначный churn – повод бить тревогу. К примеру, SaaS-компании стремятся держать месячный отток клиентов на уровне нескольких процентов или меньше.

Stickiness (липкость продукта) – частота возвращаемости

• Определение и формула: Stickiness (также говорят «коэффициент прилипчивости») показывает, как часто пользователи возвращаются к вашему продукту в рамках месяца. Рассчитывается обычно как отношение DAU к MAU, выраженное в процентах. Формула часто называется Sticky Factor:Stickiness=DAUMAU×100%.\text{Stickiness} = \frac{\text{DAU}}{\text{MAU}} \times 100\%.Например, если у приложения DAU = 5 000, а MAU = 20 000, то липкость = 5,000/20,000×100%=25%5{,}000/20{,}000 \times 100\% = 25\%. Это значит, что в среднем четверть ежемесячной аудитории заходит в приложение ежедневно.
• Применение: Данный коэффициент наглядно демонстрирует регулярность использования продукта. Значение stickiness в 10% будет означать, что среднестатистический пользователь активен примерно 3 дня из 30, тогда как 50% – что пользователь заходит почти каждый второй день. Высокая липкость свидетельствует о сильной привычке аудитории к продукту и высокой ценности, которую продукт даёт (пользователи хотят возвращаться часто). Низкий показатель может указывать, что продукт используется эпизодически или что его ценность более разовая/сезонная. Метрику липкости удобно применять для сравнения схожих продуктов или отслеживания эффектов изменений: например, внедрение ежедневных бонусов в игре может повысить DAU без роста MAU, тем самым увеличив stickiness – значит, пользователи стали заходить чаще.
• Пример: У сервиса с MAU = 3000 оказалось DAU = 300. Тогда stickiness = 300/3000×100%=10%300/3000 \times 100\% = 10\%. После обновления интерфейса и добавления новой социальной функции дневная активность выросла до 600 при том же MAU = 3000; липкость стала 600/3000=20%600/3000 = 20\%. Это позитивный сдвиг: доля пользователей, заходящих каждый день, удвоилась. Таким образом, stickiness наглядно показывает прогресс в вовлечении: превращаются ли месячные пользователи в ежедневных.

Примечание: Помимо перечисленных, к метрикам вовлечённости часто относят длительность сессии (Session Length – сколько времени пользователь проводит за одно взаимодействие), частоту сессий (Session Frequency – как часто пользователь открывает продукт, например, среднее число сессий в день на пользователя), активность функционала (Feature Usage – какими функциями и как часто пользуются). Эти показатели помогают более детально понять поведение пользователей и качество их опыта. Например, рост среднего времени сессии может говорить о высоком интересе или же о сложностях в использовании (если пользователь вынужден долго искать нужное).

Финансовые метрики продукта и бизнеса

Финансовые метрики отражают коммерческую эффективность продукта – сколько денег приносят пользователи, во сколько обходится их привлечение, какая прибыль получается с каждой единицы продажи и т.д. Эти показатели важны для понимания устойчивости бизнеса, оценки возврата на инвестиции и планирования масштабирования. Рассмотрим ключевые бизнес-метрики, их расчёт, применение, а также ограничения.

LTV (Lifetime Value) – Пожизненная ценность клиента

• Определение: LTV (Lifetime Value, пожизненная ценность клиента) – суммарная прибыль, которую приносит один пользователь за всё время взаимодействия с компанией. Проще говоря, это ценность клиента «от первого дня до последнего», выраженная в денежных единицах. LTV показывает, сколько денег в среднем вы заработаете на одном клиенте, пока он остаётся вашим покупателем. В маркетинге LTV – критически важная метрика, вокруг неё строится стратегия привлечения и удержания: ведь если стоимость привлечения превышает LTV, бизнес обречён на убытки.
• Формула расчёта: Универсальной единой формулы LTV нет – метод расчёта зависит от бизнес-модели, данных и целей анализа. Однако есть несколько распространённых подходов:
  • Метод 1 (для подписок или регулярных платежей): LTV ≈ ARPU × Lifetime. Здесь ARPU (Average Revenue Per User) – средний доход от пользователя за период (например, за месяц), а Lifetime – средняя длительность «жизненного цикла» пользователя (в тех же периодах). Перемножив эти показатели, получаем приближённый LTV. Пример: предположим, у сервиса подписка стоит $30 в месяц, а средний клиент остаётся с сервисом 6 месяцев. Тогда LTV ≈ $30 × 6 = $180.
  • Метод 2 (для транзакционного бизнеса): LTV = AOV × RPR × Lifetime, где AOV (Average Order Value) – средний чек, RPR (Repeat Purchase Rate) – средняя частота покупок (например, количество заказов в год), а Lifetime – средняя продолжительность отношений с клиентом (в годах). Пример: интернет-магазин посуды: средний чек 600 ₽, постоянный клиент делает ~2 заказа в год, а средний «срок жизни» клиента – 5 лет. Тогда LTV = 600 ₽ × 2 × 5 = 6000 ₽. Этот подход прогнозный: мы предполагаем, что клиент будет с нами 5 лет и с той же частотой покупок, что может не сбыться, но даёт ориентир.
• Применение и ограничения: Зачем считать LTV? Во-первых, чтобы понять, сколько можно потратить на привлечение клиента. Если LTV клиента ниже, чем CAC (стоимость привлечения), компания теряет деньги на каждом клиенте и долгосрочно нежизнеспособна. Например, если привлечение покупателя аквариума обходится в $200, нужно планировать так, чтобы он принёс $600–$800 (в 3–4 раза больше) за всё время, иначе бизнес будет убыточным. Во-вторых, LTV помогает сегментировать клиентов по ценности: определить самых ценных (с высоким LTV) и сосредоточить усилия на их удержании. В-третьих, LTV – ориентир для оценки эффективности маркетинга и расчёта ROMI (окупаемости рекламы) при привлечении новых пользователей. Ограничения: LTV всегда основана на среднем и на допущениях. На практике поведение клиентов может сильно различаться, а длительность «жизни» – измениться под влиянием рынка или улучшения продукта. Поэтому важно пересчитывать LTV регулярно и рассматривать вместе с другими метриками (CAC, Churn, ARPU и т.п.) для комплексной картины.
• Пример расчёта и использования: Представим сервис потоковой музыки с платной подпиской. Средний доход с пользователя $8 в месяц, средний клиент остаётся 2 года. Приблизительный LTV = $8 × 24 мес. = $192. Стоимость привлечения (CAC) одного подписчика – $50. Соотношение LTV/CAC ≈ 3,8:1, что считается отличным (более 3:1). Компания может агрессивнее инвестировать в маркетинг, зная, что каждый клиент окупается более чем втрое. Однако если бы CAC был $100 при таком LTV, соотношение ~1,9:1 – уже повод скорректировать стратегию, так как прибыли почти нет. Метрика LTV также подскажет, какую долю выручки можно реинвестировать в удержание: например, повысить качество сервиса, чтобы продлить lifetime пользователя с 2 до 3 лет – тогда LTV вырастет до $288, и соотношение с CAC улучшится ещё больше.

CAC (Customer Acquisition Cost) – Стоимость привлечения клиента

• Определение: CAC – это стоимость привлечения нового клиента. Показатель отражает, во сколько вашей компании обходится один платящий пользователь, с учётом всех маркетинговых и коммерческих затрат. В сумму могут входить расходы на рекламу, маркетинговые кампании, продажи, бонусы за первую покупку и т.д. CAC часто называют «метрикой-ориентиром» для оценки уровня LTV: сравнивая CAC и LTV, можно понять, насколько прибыльна ваша бизнес-модель.
• Формула расчёта: CAC = Совокупные расходы на привлечение клиентов за период / Число привлечённых клиентов за этот период. Эта базовая формула довольно проста. Например, если вы за месяц потратили $350 на рекламу и получили 70 новых покупателей, то CAC = 350 / 70 = $5 – один новый клиент обошёлся вам в $5. Важно брать все релевантные расходы (маркетинг, продажи) и именно новых клиентов (не считая повторных продаж старым клиентам).
• Применение: CAC отвечает на вопрос: сколько стоит купить себе клиента? Бизнес анализирует CAC по разным каналам привлечения (контекстная реклама, соцсети, офлайн ивенты и пр.), чтобы понять, где приобретение наиболее выгодно. Например, если CAC в Facebook $10, а в Google $5, то при прочих равных бюджет лучше перераспределить в Google. CAC критичен для стартапов: быстрая окупаемость CAC – залог здоровья бизнеса. Считается, что в SaaS оптимальный срок окупаемости – до 12 месяцев, поэтому CAC не должен превышать годовой LTV. Если CAC растёт, а LTV не успевает, юнит-экономика страдает. Также CAC входит в расчет payback period (см. ниже) и LTV/CAC – ключевого показателя эффективности маркетинга.
• Пример использования: Допустим, интернет-магазин потратил 200 000 ₽ на маркетинг в квартале и привлёк 1 000 новых клиентов. CAC = 200 000 / 1 000 = 200 ₽. Средний доход с клиента за первую покупку – 500 ₽, но важно посмотреть LTV: если за всё время клиент приносит в среднем 1000 ₽, то LTV/CAC = 5, что замечательно (каждый рубль привлечения превращается в 5 рублей выручки). Если же LTV оказался только 150 ₽ (например, разовая продажа), то LTV/CAC < 1 – вы тратите больше, чем зарабатываете, и нужно срочно оптимизировать маркетинг или повышать монетизацию. Многие инвесторы и руководители ориентируются на «шпаргалку» соотношения LTV к CAC: 1:1 или меньше – бизнес убыточен; ~2:1 – почти нулевая прибыль; ~3:1 – здоровое соотношение; >4:1 – отличная эффективность маркетинга.

Gross Margin – Валовая маржа

• Определение: Валовая маржа (Gross Margin) – это разница между выручкой и себестоимостью проданных товаров или услуг, выраженная в процентах от выручки. По сути, Gross Margin показывает, какую долю от заработанных денег компания сохраняет после покрытия прямых затрат производства/закупки. Например, если товар продаётся за 1000 ₽, а его себестоимость 600 ₽, валовая маржа = 40% (остаются 400 ₽ с каждой продажи на покрытие прочих расходов и прибыль).
• Формула расчёта: Gross Margin (%) = Выручка−СебестоимостьВыручка×100%\frac{\text{Выручка} — \text{Себестоимость}}{\text{Выручка}} \times 100\%. Также можно считать валовую прибыль в абсолютных значениях: Gross Profit = Выручка – Себестоимость. Но обычно под метрикой Gross Margin подразумевают именно процент маржи. Согласно Википедии, «общая валовая маржа» рассчитывается именно по указанной формуле. Если обозначить: Выручка = Revenue (R), Себестоимость = COGS, то Gross Margin = R−COGSR×100%\frac{R — COGS}{R} \times 100\%.
• Применение: Gross Margin – базовый показатель рентабельности продукта или бизнеса на уровне прямых издержек. Он отвечает на вопрос: насколько «наценён» наш продукт относительно затрат на его производство? Высокая валовая маржа означает, что компания имеет хороший запас для покрытия прочих операционных расходов, инвестиций и формирования прибыли. Низкая – что прямые затраты съедают большую часть выручки. Например, в софтверном бизнесе валовая маржа может быть 80–90% (прямые издержки малы), а в розничной торговле продуктов – 20–30%. Применение: анализ gross margin по продуктовым линейкам помогает понять, какие товары наиболее прибыльны. Также отслеживают динамику маржи: улучшение может означать оптимизацию себестоимости или успешное повышение цен. Инвесторы часто смотрят на валовую маржу, чтобы оценить масштабируемость: высокая маржа обычно означает, что при росте объёмов прибыль будет расти быстрее выручки.
• Пример: Производитель гаджетов продаёт устройство за $50, при этом затраты на комплектующие и сборку – $30 на единицу. Gross Margin = (50 — 30) / 50 × 100% = 40%. Из каждых $50 дохода $20 остаётся на покрытие остальных затрат и прибыль. Если удастся снизить себестоимость до $25 при той же цене $50, маржа повысится до 50%. Это улучшит финансовое положение компании, так как с каждого проданного устройства остаётся больше денег. Однако нужно помнить и о косвенных расходах (маркетинг, офис, зарплаты), которые gross margin не учитывает – она смотрит только на прямую себестоимость товара.

ROMI (Return on Marketing Investment) – Окупаемость маркетинговых инвестиций

• Определение: ROMI – показатель эффективности маркетинга, отражающий, насколько окупились затраты на рекламную или маркетинговую кампанию. Фактически, ROMI – это вариант ROI (Return on Investment), применённый к маркетинговым расходам. Выражается обычно в процентах и показывает, сколько прибыли принесён каждый потраченный на маркетинг рубль (или доллар).
• Формула расчёта: Общая формула ROMI выглядит так:ROMI=Прибыль от кампании−Расходы на кампаниюРасходы на кампанию×100%,\text{ROMI} = \frac{\text{Прибыль от кампании} — \text{Расходы на кампанию}}{\text{Расходы на кампанию}} \times 100\%,где под прибылью от кампании понимается дополнительный доход минус себестоимость, напрямую связанный с данной кампанией. Иногда для упрощения берут выручку вместо прибыли, но корректнее именно прибыль (то есть выручка за вычетом себестоимости товара/услуги). Пример расчёта: компания потратила $940 на рекламу, а полученная с этой кампании выручка составила $2300. Чистая прибыль от кампании = $2300 минус затраты $940 (предположим, себестоимость товара учтена или маржинальность высокая). Тогда ROMI = ((2300 – 940) / 940) × 100% ≈ 144%. Это означает, что каждый вложенный доллар принёс $1.44 возврата, или, иными словами, компания получила 144% обратно от вложений сверх начальной суммы.
• Применение: ROMI используется, чтобы оценить эффективность отдельных маркетинговых инициатив и оптимизировать бюджет. Например, сравнивая ROMI разных каналов или кампаний, можно перераспределить инвестиции в самые эффективные. Положительный ROMI (>0%) означает, что кампания окупилась и принесла прибыль; отрицательный – что деньги потрачены впустую. Значение ROMI в 100% соответствует удвоению вложений (вернули сумму + ещё столько же сверху). В маркетинге ROMI = ROI, просто термин подчёркивает, что речь о маркетинговых инвестициях. Для продукта ROMI важен при масштабировании: сначала может быть небольшой или отрицательный ROMI (на этапе агрессивного роста), но долгосрочно маркетинг должен окупаться. Кроме того, ROMI связан с LTV: если удаётся повысить LTV клиента, то и ROMI на привлечение нового клиента улучшается.
• Пример использования: Вы запустили две рекламные кампании: A и B, каждая стоила по 100 000 ₽. Кампания A принесла 300 000 ₽ выручки, кампания B – 120 000 ₽. Допустим, маржинальность товара ~50%, то прибыль от A ≈150k, от B ≈20k. Тогда ROMI(A) ≈ ((150k — 100k)/100k) ×100% = 50%, ROMI(B) = ((20k — 100k)/100k) ×100% = -80%. Вывод: кампания A окупилась с прибылью (на каждый рубль вложений заработано 1.5 рубля), а кампания B – убыточна. Значит, стратегию нужно скорректировать: либо отключить канал B, либо улучшить его эффективность. В общем, ROMI помогает выстроить маркетинг с положительным возвратом и подкрепляет обоснование расходов цифрами.

Unit Economics – Юнит-экономика

• Определение: Юнит-экономика – это система анализа прибыльности бизнеса на единицу продукта или на одного клиента. Идея юнит-экономики: бизнес эффективен только если каждая его условная единица (юнит) приносит прибыль. Проще говоря, юнит-экономика отвечает на вопрос: сколько мы зарабатываем с одной продажи или с одного пользователя, и покрывает ли это все связанные затраты? Если с каждого клиента компания в плюсе, то масштабирование приведёт к прибыли; если на каждом клиенте убыток, то рост только увеличит убытки.
• Основные компоненты и формулы: Понятие юнит-экономики охватывает несколько метрик. Базовая модель: прибыль на единицу = доход на единицу – переменные затраты на единицу. В зависимости от бизнеса, юнит может быть клиентом (тогда смотрят LTV минус CAC на клиента) или сделкой/товаром (тогда считают доход с одной продажи минус себестоимость этой продажи). Часто используют формулу для клиентской модели:Unit Economics на клиента=LTV−CAC.\text{Unit Economics на клиента} = \text{LTV} — \text{CAC}.Если LTV > CAC, то клиент окупается и приносит прибыль; если LTV < CAC, то на привлечении такого клиента бизнес теряет деньги. Для транзакционной модели: например, средняя маржа с одного заказа = средний чек - переменные издержки, и оценивают, покрывает ли эта маржа расходы на привлечение заказа. Кроме того, в юнит-экономику можно включать и долю постоянных издержек, приходящихся на единицу (но часто их не учитывают для упрощения).
• Применение: Юнит-экономика – фундамент для принятия решений в продуктовой стратегии. Она позволяет определить, жизнеспособна ли бизнес-модель в принципе: зарабатывает ли компания на каждом клиенте/продаже или субсидирует издержки. Также юнит-экономика помогает выявить узкие места: например, если CAC растёт, а маржа с клиента не растёт, то юнит-экономика ухудшается и нужно либо снижать стоимость привлечения, либо увеличивать доход с клиента. Анализируя юнит-экономику, находят наиболее выгодные каналы продвижения и оптимальные сегменты клиентов. Важный момент – срок окупаемости клиента: иногда бизнес может мириться с тем, что первая покупка убыточна (CAC > маржи первого заказа), если повторные покупки поправляют ситуацию. Но тогда считается период окупаемости (CAC Payback Period – см. ниже).
• Пример: Рассмотрим сервис такси. В качестве юнита возьмём одного среднего клиента. За всё время взаимодействия с сервисом он приносит комиссии на 5000 ₽ (это LTV). Затраты на привлечение (реклама, промокоды) – 1500 ₽ (CAC). Переменные издержки на обслуживanie поездок этого клиента (например, субсидии водителям) – 1000 ₽. Тогда чистая прибыль с юнита = 5000 – 1500 – 1000 = 2500 ₽. Положительная юнит-экономика: каждый клиент приносит компании 2500 ₽ прибыли. Это хороший знак – бизнес зарабатывает на каждом новом пользователе. Если привлечь больше таких клиентов, прибыль будет расти. Однако, если бы CAC вырос до, скажем, 4000 ₽ при тех же условиях, то прибыль с клиента стала бы всего 0 или отрицательной – юнит-экономика «сломалась». Поэтому компании очень пристально следят за LTV, CAC и маржинальностью, чтобы каждая единица была прибыльной. Часто ориентируются на коэффициент LTV/CAC: 3:1 и выше считается здоровым бизнесом. Также выделяют разные модели юнит-экономики: клиентская (юнит – клиент), транзакционная (юнит – заказ/сделка), SaaS-модель (юнит – аккаунт с регулярной оплатой), но в любом случае цель – чтобы каждый юнит приносил плюс, а не минус.

Payback Period – Срок окупаемости

• Определение: Срок окупаемости – это время, за которое инвестиция окупается. В продуктовых метриках чаще всего подразумевают CAC Payback Period – период, за который клиент «отбивает» затраты на своё привлечение. Иными словами, через сколько времени сумма дохода от клиента станет равна сумме, потраченной на его привлечение (CAC). Этот показатель важен для понимания скорости возврата инвестиций: быстрое возвращение вложений снижает нагрузку на кэш-флоу и риски бизнеса.
• Формула расчёта: Если говорить о сроке окупаемости именно CAC, то простейший расчёт: Payback Period = CAC / средний доход на клиента в период. Обычно период берут месяц. Например, CAC = $100, а средняя месячная выручка от клиента $20 – CAC Payback = 100/20 = 5 месяцев. Через 5 месяцев с этого клиента будет получено $100 выручки, то есть «отобьются» затраты привлечения (не считая себестоимости). После этой точки клиент начинает приносить чистую прибыль. В более точных моделях могут учитывать маржинальную прибыль вместо выручки, но суть та же. Для общего случая срок окупаемости инвестиций рассчитывается как Initial Investment / (ежегодный или ежемесячный денежный поток от инвестиций), если денежный поток постоянен.
• Применение: Период окупаемости CAC – важный ориентир для компаний с моделью подписки или повторных продаж (SaaS, сервисы и т.п.). Например, если окупаемость привлечения 3 месяца, это значит, что уже на 4-й месяц клиент начинает приносить прибыль – бизнес может позволить себе высокие маркетинговые затраты и быстрее расти. Если же окупаемость 18 месяцев, то нужен большой запас капитала, чтобы финансировать маркетинг, и выше риск, что клиент не продержится столь долго. Многие считают оптимальным payback ~12 месяцев для SaaS: это как эмпирическое правило, при котором бизнес достаточно быстро возвращает деньги и реинвестирует их в рост. Срок окупаемости тесно связан с доходом и удержанием: если удаётся повысить ARPU или retention, то вы сократите payback.
• Пример: В стартапе по доставке еды CAC одного клиента = 1000 ₽. В месяц средний клиент приносит чистой прибыли 250 ₽. Срок окупаемости = 1000/250 = 4 месяца. То есть через 4 месяца с этого клиента компания заработает 1000 ₽ и покроет расходы на его привлечение; дальше – чистый плюс. Если удержание клиентов высокое (они действительно за 4 месяца не отваливаются), бизнес-модель устойчива. В противном случае, если многие клиенты уходят раньше 4 месяцев, деньги на их привлечение не успевают окупиться – нужно либо снижать CAC, либо увеличивать доход (например, стимулировать заказывать чаще или поднимать цены). Срок окупаемости также применим к инвестициям в новые функции или оборудование – например, купив оборудование за $10k, генерирующее $1k прибыли в месяц, окупаемость = 10 месяцев. Менеджеры продукта используют этот показатель, чтобы приоритизировать инвестиции: проекты с быстрой окупаемостью чаще получают «зелёный свет».

Дополнительные метрики

В эту категорию входят метрики, связанные с удовлетворённостью клиентов, средней ценностью пользователя и воронкой конверсии. Эти показатели помогают оценить лояльность аудитории, качество пользовательского опыта и эффективность продуктовых и маркетинговых процессов.

NPS (Net Promoter Score) – Индекс лояльности покупателей

• Определение: NPS – это метрика, измеряющая лояльность клиентов и их готовность рекомендовать ваш продукт. Исследуется она с помощью вопроса: «На сколько вероятно, что вы порекомендуете нас знакомым?» – с оценкой по шкале от 0 до 10. По результатам ответы делятся на группы:
  • Промоутеры (оценки 9–10) – очень лояльные, готовые рекомендовать.
  • Нейтральные (7–8) – удовлетворены, но без энтузиазма, могут уйти к конкуренту при удобном случае.
  • Детракторы (0–6) – недовольные клиенты, которые не только сами не рекомендуют, но и могут отговаривать других.
• Формула расчёта: NPS = % промоутеров – % детракторов. Результат измеряется в пунктах от -100 до +100. Например, если из опрошенных 55% оказались промоутерами, 10% детракторами, а остальные нейтральными, то NPS = 55% – 10% = +45. В расчет нейтралы не входят – они как бы «0». Высокий NPS (например, >50) означает, что у компании значительно больше довольных фанатов, чем критиков; низкий или отрицательный NPS сигнализирует о серьёзных проблемах с удовлетворённостью и лояльностью клиентов.
• Применение: NPS предоставляет информацию об общем настроении клиентской базы. Его часто используют на уровне топ-менеджмента как индикатор успеха работы с клиентами. Высокий NPS означает, что клиенты настолько довольны вашим продуктом или сервисом, что готовы рекомендовать его другим – это признак сильной лояльности и хорошего «сарафанного радио» (реферального эффекта). Низкий NPS указывает на неудовлетворённость: много клиентов-детракторов, возможна потеря прибыли из-за плохих отзывов. Следить за NPS важно, чтобы вовремя определить сферы улучшения продукта или сервиса – опросы NPS часто дополняют открытым вопросом «почему вы поставили такую оценку?», и ответы помогают понять болевые точки.
• Пример: Компания SaaS провела опрос NPS. Результаты: 40% дали оценки 9–10 (промоутеры), 50% – 7–8 (нейтралы), 10% – 0–6 (детракторы). NPS = 40% – 10% = +30. Это неплохой показатель: лояльных клиентов значительно больше, чем недовольных. По бенчмаркам для B2B-софта, NPS ~30 находится в «зеленой зоне». Компания всё же изучит отзывы детракторов, чтобы улучшить продукт. Если бы NPS вышел отрицательным (что значит, детракторов больше, чем промоутеров), это был бы тревожный сигнал – нужно немедленно разбираться, что не так, потому что отрицательный NPS – признак множества проблем, требующих решения. Стоит отметить, что восприятие шкалы может различаться в разных культурах: например, японцы редко ставят максимальные оценки, и NPS у компаний в Японии в среднем ниже, чем у американских, при том же уровне удовлетворённости. Поэтому интерпретируя NPS, полезно сравнивать его со своими предыдущими значениями, с конкурентами и со средними по отрасли.

CSAT (Customer Satisfaction Score) – Удовлетворённость клиентов

• Определение: CSAT – это показатель удовлетворённости клиентов, демонстрирующий, насколько клиент остался доволен конкретным взаимодействием или продуктом в целом. Как правило, CSAT измеряется через прямой вопрос после ключевого контакта: «Насколько вы удовлетворены услугой/продуктом?» Обычно используется шкала (например, от 1 до 5, где 5 – «полностью доволен», 1 – «полностью не доволен»). CSAT-фидбэк собирается через опросы в приложении, электронные письма, смски или анкеты.
• Формула расчёта: CSAT выражается в процентах удовлетворённости. Если вопрос бинарный («Вы довольны? Да/Нет»), тоCSAT=Количество ответов «Да»Общее количество ответов×100%:contentReference[oaicite:91]index=91.\text{CSAT} = \frac{\text{Количество ответов «Да»}}{\text{Общее количество ответов}} \times 100\%:contentReference[oaicite:91]{index=91}.При шкале 1–5 часто считают долю ответов 4 и 5 (удовлетворён/очень удовлетворён) от общего числа. Например, из 100 опрошенных 80 поставили 4 или 5 – CSAT = 80%. 100% означало бы, что абсолютно все клиенты довольны (идеал), 0% – все крайне неудовлетворены. Реально CSAT обычно находится где-то между: например, 80%+ считается отличным результатом, 60% – неплохим, ниже 50% – повод беспокоиться.
• Применение: CSAT – оперативная метрика удовлетворённости, её удобно применять сразу после точек контакта. Например, запросить оценку поддержки после закрытия тикета, или оценку покупки сразу после заказа. Таким образом CSAT помогает выявить конкретные проблемы в опыте клиентов: неудачная работа поддержки, дефекты продукта, неудобство интерфейса и т.п. Высокий CSAT коррелирует с повторными покупками и лояльностью, тогда как низкий – предупреждает об уходе клиентов. Улучшая CSAT, компания обычно одновременно повышает retention и NPS, ведь довольный клиент с большей вероятностью останется и порекомендует. Внедрение CSAT-опросов и последующая работа с их результатами – часть практики Customer Experience Management.
• Пример: Сразу после обращения в службу поддержки клиента просят оценить обслуживание по шкале 1–5. Из 200 клиентов 150 поставили оценку 5 («отлично»), 30 – оценку 4, 10 – оценку 3 и 10 – 1 или 2. Если считать долю довольных (4 и 5): CSAT = (150+30)/200 ×100% = 90%. Это очень высокий уровень удовлетворённости сервисом. Руководство видит, что поддержка работает отлично. В другом случае, если бы CSAT оказался, скажем, 60%, нужно анализировать причины: возможно, долгое время ответа или не решены проблемы клиентов. Сама по себе цифра CSAT подсказывает “температуру” счастья клиентов, а анализ ответов (например, что чаще всего ставили 3 и почему) даёт направления для улучшения.

ARPU (Average Revenue Per User) – Средний доход на пользователя

• Определение: ARPU – средний доход, получаемый от одного пользователя за определённый период. Часто считается за месяц (Monthly ARPU), квартал или год, в зависимости от бизнес-модели. В телекоме и SaaS, например, широко оперируют месячным ARPU. ARPU тесно связан с другой метрикой – ARPA (Average Revenue Per Account), которая используется в B2B, когда один аккаунт может охватывать нескольких пользователей (в SaaS для команд). В consumer-продуктах говорят именно ARPU, то есть доход на индивидуального пользователя.
• Формула расчёта: ARPU = Общий доход за период / Число активных пользователей за период. Здесь под «доходом» обычно понимают выручку, полученную от пользователей (без учета, скажем, инвестиций). А числом пользователей – либо среднее количество активных за период, либо конкретно MAU/WAU/DAU в зависимости от периода. Например, для ежемесячного ARPU делят выручку за месяц на MAU этого месяца.
• Применение: ARPU показывает монетизационную эффективность на одного пользователя. Его рост означает, что каждый пользователь в среднем приносит больше денег (через более дорогие тарифы, допродажи, повышение цен или новые платные функции). Снижение ARPU может говорить о влиянии скидок или притоке менее платёжеспособных пользователей. Эта метрика важна для стратегии роста выручки: есть два пути увеличить общую выручку – привлечь больше пользователей (растить MAU) или получать больше с каждого (растить ARPU). Многие успешные компании делают и то, и другое. Ограничения: ARPU – усреднённый показатель, он не показывает распределение (например, что 10% пользователей дают 90% выручки). Поэтому его используют вместе с сегментацией (ARPU по сегментам) и метриками вроде ARPPU (Average Revenue Per Paying User) – средний чек по платящим пользователям. Тем не менее, ARPU полезен для быстрого сравнения моделей монетизации разных продуктов или рынков.
• Пример: У мобильного приложения за месяц выручка составила 500 000 ₽, а MAU = 100 000 пользователей. ARPU за месяц = 500 000 / 100 000 = 5 ₽ на пользователя. Если через полгода MAU выросло до 200 000, а выручка – до 1 400 000 ₽, то ARPU = 7 ₽. Видно, что не только прибавилось пользователей, но и каждый в среднем стал приносить больше денег (возможно, благодаря новым платным функциям или эффективной рекламе). Продукт-менеджеры также могут сравнивать ARPU разных каналов привлечения или разных стран. Например, ARPU пользователей из США может быть $10, а из Индии $2 – это учитывается при планировании маркетинга. Для подписных сервисов иногда считают ARPU на платного пользователя (аналог ARPPU): допустим, из 100 000 MAU только 10 000 платят, тогда средний доход на платящего = 500 000/10 000 = 50 ₽ в месяц, что равняется средней цене подписки. Эти цифры помогают оценить, есть ли потенциал роста (например, конвертировать больше бесплатных пользователей в платные или повысить тарифы).

Conversion Rate – Коэффициент конверсии

• Определение: Коэффициент конверсии показывает, какая доля пользователей совершила целевое действие из общего числа тех, кто имел такую возможность. Конверсией может быть любое действие, которое вы считаете успехом: покупка, регистрация, подписка на рассылку, нажатие кнопки и т.д. Например, из всех посетителей лендинга какая часть заполнила форму – это конверсия лендинга.
• Формула расчёта: Conversion Rate = (Число пользователей, выполнивших целевое действие / Общее число пользователей, рассматриваемых на шаге) × 100%. Если 1 000 человек посетили сайт и 50 из них нажали «Купить», то конверсия сайта в покупку = 50/1000×100%=5%50/1000 × 100\% = 5\%. Аналогично, можно считать конверсию для любого этапа: например, процент регистраций из посетителей или процент покупок из числа добавивших товар в корзину.
• Применение: Коэффициент конверсии – ключевой показатель эффективности маркетинга и продуктовых воронок. Его отслеживают на разных этапах пользовательского пути: конверсия показа рекламы в клик, конверсия визита в регистрацию, регистраций в покупки и т.д. Высокая конверсия означает, что большая часть пользователей делает то, что от них ожидается, а низкая – что многие отпадают. Повышение конверсии напрямую улучшает бизнес-результаты: если удаётся вместо 5% конвертировать 6% посетителей в покупателей, при том же трафике продажи вырастут на 20%. Поэтому постоянно проводятся эксперименты (A/B тесты) по улучшению конверсии: изменение дизайна, текста кнопки, оффера, упрощение формы и пр. Также конверсия может указывать на соответствие продукта рынку: если очень мало людей доходит до целевого действия, возможно, предложение неубеждающее или привлекается не та аудитория.
• Пример: На ваш сайт зашло 10 000 человек за месяц. Из них 500 зарегистрировались – конверсия регистрации 5%. Далее, из 500 зарегистрированных 100 совершили покупку – конверсия регистрации в покупку 20%. Общая конверсия от визита до покупки = 100/10000=1%100/10000 = 1\%. Эти показатели образуют воронку: 10k → 500 → 100. Анализируя, вы можете выявить узкие места. В данном случае 5% посетителей заинтересовались и зарегистрировались – для холодного трафика это может быть нормой или чуть ниже. А вот из зарегистрированных лишь 20% купили – тут можно спросить, почему не все зарегистрированные дошли до оплаты? Может, интерфейс сложный, или нужны усилия для активации пользователя (onboarding). Улучшив этот этап, например, внедрив welcome-тур или бесплатный пробный период, можно поднять конверсию в покупку, скажем, до 150 из 500 (30%). Тогда общая конверсия станет 1.5% – на том же трафике 150 продаж вместо 100.

Funnel Conversion – Конверсия по воронке

• Определение: Конверсия воронки – это показатели конверсии на разных этапах пути клиента, вплоть до финального целевого действия. В отличие от общей конверсии, здесь рассматривается последовательность шагов. Воронка продаж/пользовательская воронка описывает этапы от первого контакта до завершения целевого действия (покупки, подписки). Конверсию считают на каждом этапе и в целом от начала до конца. Например, этапы в e-commerce: посещение сайта → просмотр товара → добавление в корзину → оформление заказа → покупка. На каждом переходе есть свой процент конверсии.
• Формула и измерение: Для каждого перехода этапов i → i+1: Conversion(i→i+1) = (число пользователей, дошедших до шага i+1 / число пользователей на шаге i) × 100%. А общая конверсия воронки (Win Rate) – доля тех, кто прошёл весь путь до конца от общего числа вошедших в воронку. Например, из 1000 посетителей сайта 200 просмотрели карточку товара (20% от предыдущего шага), 50 добавили в корзину (25% от просмотревших, 5% от посетителей), 30 оформили заказ (60% от добавивших, 3% от посетителей) и 25 оплатили (83% от оформивших, 2.5% от посетителей – это и есть конверсия воронки от начала до конца).
• Применение: Анализ конверсии по воронке помогает понять, на каком этапе теряются пользователи. Это инструмент диагностики продукта и маркетинга. Например, если много людей просматривает товары, но мало добавляет в корзину – проблема может быть в цене или недостатке информации. Если кладут в корзину, но не оформляют заказ – возможно, сложный процесс оформления или высокие цены доставки. Улучшая узкие места воронки, повышают общую конверсию и, как следствие, продажи. Funnel Conversion также позволяет вычислять CPL, CPA на каждом этапе (стоимость лида, клиента) и оптимизировать расходы: например, если видим, что дешёвый трафик идёт, но «срывается» на этапе регистрации – надо править продукт, а не менять рекламу.
• Пример: Пусть мобильное приложение имеет воронку онбординга: установили → открыли первый раз → прошли обучение → совершили целевое действие (например, создали первый проект в приложении). Из 10 000 установок 8000 открыли приложение (конверсия активации 80%), 4000 полностью прошли обучение (50% от открывших) и 2000 совершили целевое действие (50% от прошедших обучение, 20% от установок). Таким образом, конверсия по воронке установки в первый ключевой action = 20%. Теперь понятно, что половина пользователей теряется на этапе обучения – возможно, он слишком длинный или непонятный. Команда решает упростить онбординг. После изменений из 8000 открывших уже 6000 доходят до конца обучения (75%), а 3000 совершают первое действие (50% от обученных, 30% от всех установок). Общая конверсия воронки выросла с 20% до 30%. Это отличный результат, и он наглядно показывает, как улучшение одного этапа (обучения) повысило итоговую метрику. В реальности, конечно, воронки могут быть более разветвлёнными, но принцип один: следить за процентом перехода между шагами и повышать его там, где просадка.

Заключение. Используя описанные метрики вовлечённости, финанссов и дополнительных аспектов, product owner и менеджеры продукта могут всесторонне оценивать состояние продукта. Метрики вовлечённости (DAU/WAU/MAU, retention, churn, stickiness и др.) показывают поведение и интерес пользователей, финансовые метрики (LTV, CAC, маржа, ROMI, unit-экономика, payback) отражают экономику продукта и эффективность инвестиций, а дополнительные метрики (NPS, CSAT, ARPU, конверсии) дают понимание качества пользовательского опыта и конверсионных пути. Главное – смотреть на метрики в комплексе и динамике. Метрика не должна рассматриваться изолированно: успех продукта – это сбалансированный рост аудитории (вовлечённость), её удержание и удовлетворённость, и монетизация, приносящая прибыль. Компетентно управляя этими показателями, команда продукта может принимать обоснованные решения и успешно масштабировать и улучшать свой продукт.

Вы также можете скачать расширенную версию гайда в PDF (55 страниц)