Transition Matrix: введение в систему роста вашего продукта

Итак, в прошлой статье мы разбирали как концептуально рассчитывается Quick Ratio. Quick Ratio полезный показатель роста продукта, но он не самодостаточный. Он позволяет определить текущий темп роста и фокусировать команды на поддержании нужного темпа роста продукта.

Но, чтобы по-настоящему управлять ростом, нужно погрузиться в детали: нужно понять как правильно считать компоненты Quick Ratio, как начать мыслить развитием клиентов: кого нужно развивать, кого лучше не трогать, кого возвращать из других сегментов обратно, кого отпускать.

Итак, сегодня мы начнем разговор о таком инструменте как Transition Matrix.

Чтобы ввести вас в контекст я немного расскажу о бизнес-модели для которой я строил Transition Matrix. Это бизнес-модель, в которой клиент:

1. выбирает репетитора, оформляет заявку на обучение (лид), 
2. пополняет свой баланс (клиент), 
3. планирует уроки на определенные даты и собственно занимается с репетитором в эти даты.

Если (1) действие удачное (репетитор подходящий), то затем клиент повторяет только действия (2) и (3).

Теперь мы готовы посмотреть на то, как могла бы выглядеть Transition Matrix.

Transition Matrix.

Лиды и клиенты

Многие бизнес-модели так или иначе начинаются с лидов (например: оставил заявку, подписался на трайл, пользуется бесплатной версией продукта, и т.д.).

Как правило, лид это значимо больше, чем просто регистрация, но лид это все еще не клиент.

Бизнесы рассматривают состояние "лид" как временное и одноразовое, но это далеко так. Лид приходит в продукт и дальше может как-то взаимодействовать с продуктом не совершая покупку достаточно долгий период времени.

В тоже время нам очень важно различать контекст лида:

• Nstud - новый (недавно был привлечен в продукт), 
• Astud - активный (использовал продукт недавно), 
• Dstud - пассивный (не использовал продукт какое-то время), 
• Cstud - ушедший (давно использовал продукт и скорее всего не вернется). 

Разбив лидов на такие сегменты вы можете эффективно понимать какая динамика привлечения и активации лидов в продукте.

Для работы с лидами и построения сегментов нам важно знать всего 3 момента:

1. когда зарегистрировался
2. когда в последний раз воспользовался продуктом (сделал целевое действие)
3. когда сделал первую покупку

Применив подходы Recency и Thresholds вы можете построить систему координат, которая позволит вам эффективно рассчитать вышеуказанные 4 сегмента.

Как только лид сделал свою первую покупку он автоматически переходит в ранг клиента.

С клиентами ситуация несколько иная.

С одной стороны, клиенты совершают повторные покупки. С другой стороны, клиенты пользуются продуктом (совершают целевые действия) между очередными транзакциями в продукте.

И вот нам уже важно различать контекст клиента.

Начнем с очевидных контекстов клиента:

• Nbuy - новый (недавно сделал свою первую покупку),
• Rbuy - вернулся к покупке (платил, перестал платить, снова заплатил)
• Cbuy - ушедший (давно не делал покупок и скорее всего не вернется)

Теперь рассмотрим менее очевидные контексты клиента:

• Alrn (активный пользователь, активный платящий)
• Abuy (пассивный пользователь, активный платящий)
• Dlrn (активный пользователь, пассивный платящий)
• Dbuy (пассивный пользователь, пассивный платящий).

Т.о. образом клиенты могут быть одновременно активны или неактивны по двум осям: по оси пользования продуктом и по оси покупки.

Для лучшего понимания откуда они берутся я визуализировал их через матрицу:

Customer activity matrix.

Разбив клиентов на такие сегменты вы можете эффективно понимать какая динамика вовлечения клиентов в продукте.

Для работы с клиентами нам важно знать уже другие моменты:

1. когда в первый раз совершил покупку
2. когда в последний раз совершил покупку
3. когда совершил предпоследнюю покупку
4. сколько покупок совершил
5. когда в последний раз воспользовался продуктом (сделал целевое действие)

Аналогично применив подходы Recency и Thresholds вы снова можете построить систему координат, которая позволит вам эффективно рассчитать вышеуказанные 7 сегментов.

Регулярность срезов и матрица

Разовый расчет таких сегментов хотя и любопытен, но не несет в себе сильных инсайтов.

One-time segments distribution.

Единственное, что бросается в глаза это то, что Dormant (Dstud, Dbuy) и Churned (Cstud, Cbuy) лиды и клиенты преобладают. Такова реальность многих бизнесов:

• привлекли не тех клиентов, 
• создали non-value продукт, 
• не смогли организовать качественное обслуживание клиентов,
• у клиентов изменились потребности и они ушли из продукта.

Чтобы понять регулярность повторных срезов важно знать - как часто клиент совершает повторное целевое действие. Frequency Matrix может помочь в этом вопросе (но это тема отдельного поста). Узнав этот период и сделав его кратным 7 вы сможете делать регулярные сравнения переходов из сегмента в сегмент.

Но как лучше всего делать сравнение?

Ответ на поверхности  - нужно построить матрицу с двумя состояниями: было и стало.
Такие расчеты лучше всего вести на уровне отдельно стоящего клиента и уже затем агрегировать в матрицу.

Так вы сможете отслеживать точечное перемещение клиента и делать точные выводы о том, как растет продукт. Кроме того, вы сможете делать любые дополнительные расчеты активности (например объем использования продукта или доход на сегмент).

В следующем посте мы обсудим некоторые детали расчетов сегментов (как использовать подходы Recency и Thresholds в этом ключе), а также сценарии анализа переходов из сегмента в сегмент.

P.S. Идею Transition Matrix я почерпнул из системы аналитики Optimove и доработал под свои нужды.