Блог

Аналитика окупаемости продукта

  • Цветков Максим
  • 10.06.2019

У вас есть бизнес: интернет-магазин, игра, сервис. Вы уже запускали таргетинговую/медийную рекламу, решили что это дорого и неэффективно. Но количество клиентов потихоньку падает, редизайн сайта сделал ситуацию только хуже, и вы уже подумываете продавать бизнес или соглашаться на инвестиции от стратегов на пугающих услвовиях? Тогда эта статья для вас. Вам нужна сквозная аналитика как бизнес-процесс, это позволит наращивать продажи и эффективность рекламы, с отслеживанием всех микро- и макро-конверсий.

Анализ конкурентов

Вся сквозная аналитика сводится к поиску ответа на вопрос: «какой канал лучше?». Простой вопрос, но для правильного ответа нужно ответить на множество других вопросов: сколько было переходов по каждому рекламному каналу, сколько было потрачено денег, сколько было реальный клиентов, какая по ним выручка, прибыль, ROI. Для этого нужно собирать точные данные 360: все звонки, данные с форм, обращения в чаты. По факту речь о воронке продаж, в которой учтено поведение пользователей до сайта, на сайте и после сайта.

Для анализа рынка можно покупать исследования или искать в открытых источниках.

На первых этапах нужно определить направления деятельности, анализировать конкурентов, собрать семантику и ее параметры, построить график роста трафика, оценку и прогноз прибыли от продвижения. Все это можно уложить в определение «структура рынка». Нужно понять ценностное предложение продуктов конкурентов, тренды и показатели успеха. Какие конкуренты в стадии спада, а какие наращивают свою базу? Исторически для быстрого анализа конкурентов используют проверенные годами сервисы:

  • similarweb и его мобильный аналог AppAnnie
  • WebIndex
  • ComScore
  • megaindex
  • spywords, trends.google.ru
  • statista для просмотра долей рынка
  • LiveInternet Raiting
  • alexa
  • Отзывы в сторах с помощью AppFollow
  • SEMrush.
  • Есть и более свежие, вроде radar
  • И дополнительно: WebPageTest (или LightHouse для локальных замеров)
  • PageSpeed Insights
  • Facebook Audience с его странной аппроксимацией. Facebook Audience позволяет определять размер и интересы определенной группы людей.
  • appmagic
  • Mediascope
  • В консоли браузера вкладка «Audits», анализ логов и записей сессий сайта.
  • Для оффлайнового бизнеса очень хорошо подходит trademap. Эти сервисы позволяют решать достаточно интересные задачи, вроде отслеживания среднего процента отказов по переходам с вашего сайта на другой.
  • MobiSpy для понимания маркетинговых посылов конкурентов.
  • Publer для понимания активность конкурентов в социальных медиа.
  • Для анализа возможностей конкурентов хорошо подходит Crunchbase, в бесплатной версии видно, сколько денег у компании, раунды инвестиций, и есть бесплатный доступ ко всей информации на ограниченный срок.
  • Дополнительно, полезно смотреть средний (на самом деле выше среднего) CPI по странам вот тут.
  • Рейтинг рекламных сетей на appsflyer и подписаться на их рассылку
  • Также интересны рассылки от Adjust, Tune.
  • Retention, LTC, Churn, revenue можно посравнивать на baremetrics.com (платно).
  • И не забываем про отраслевые онлайн-журналы, сайты акселераторов, банки, инвестфонды, непубличные компании, аналитические агенства.
  • website.grade.
  • РБК, Gfk, Data Insight, TNS, Consumer Barometer, Автостат
  • Bloomberg, Thomson Reuters Eikon. Два последних для понимания финансовой аналитики с очень высокой точностью.
  • Спарк для понимания, сколько зарабатывает компания.
  • Проспекты к IPO, и отчеты публичных компаний.
  • Отчеты большой четверки: Deloitte Touche Tohmatsu, PricewaterhouseCooper, Ernst & Young, KPMG.
  • Росстат, ЦБ, ФОМ, ВЦИОМ, Левада.
  • Если для игр, то поиск похожих продуктов делается с помощью Sensor Tower
  • Appmagic для поиска по ключевым словам. И простое кабинетное исследование по сторам.

Далее идет сбор семантики, используем проверенные временем wordstat, в котором смотрим с какими запросами люди ходят в интернет, и строим график роста продаж. И AppFollow для понимания запросов в мобильных сторах. Для оценки и прогноза прибыли без исторических данных зачастую подходит довольно поверхностная математика, на уровне: в сезон спрос 1 000 путевок в месяц, в не сезон 300 путевок в месяц, предсезонный период это 600 путевок. Закладываем конверсию в лид 6%, средний чек 1 700₽.

И отдельно ведем учет затрат на сотрудников в очень простом виде: Middle разработчик за 100 000 рублей на руки -> 147 300 рублей. Исходя из этих вводных уже можно сделать Forecast в Excel или Google Sheet, если у вас не 3 000 000 сессий в день. В идеале, параллельно выводим динамику прибыли и накопительный итог.

Для определения наличия у потенциальных покупателей бюджета на покупку вашей услуги/товара используется подход BANT:

B — бюджет: критерий, показывающий, достаточно ли средств у потенциального клиента, чтобы купить то, что вы продаете.
А — влияние: определяет, достаточно ли компетенций у вашего потенциального клиента на то, чтобы принять решение о покупке.
N — потребность: показывает, есть ли у потенциальных клиентов потребность в том, что вы продаете.
Т — сроки: критерий, ограничивающий временные рамки реализации продукта.

Если у вас не магазин, а сервис и его нужно монетизировать, то существует три основных способа монетизации: показ рекламы, как следствие низкий ARPU (выручка, деленная на количество пользователей) и раздражение аудитории. Магазин внутренней валюты: нужно заинтересовывать и сложно подбирать предложения. И персональные предложения, что мы и рассмотрим далее.

Для подбора персонального предложения надо смотреть на время с начала регистрации, активности за определенный период и сезонность (если сейчас сезон скалолазания, то все покупают магнезию). Это можно автоматизировать простой арифметической прогрессией: если платит раз в неделю, то показываем персональное предложение каждую неделю. Но есть и более сложные алгоритмы. После регистрации пользовать причисляется к категории Non-payer, и вы показываете ему один стартовый набор предложений. После первой транзакции он переводится в категорию New-payer, и тогда эмпирически за счет разных персональных предложений нужно нащупать, какой средний чек его устраивает. Если пользователь не заплатил с первой покупки ни разу в течении месяца, то придется делать повторную активацию пользователя за счет крутой скидки.

Как ни странно, метрики эффективности продукта есть и на предпроектной стадии. Например, PAM (Potential Available Market) — весь потенциальный объем рынка. SAM (Served Available Market) — доступный объем рынка. TAM (Total Addressable Market) — общий объем целевого рынка. SOM (Serviceable & Obtainable Market) — реально достижимый объем рынка. Классика: PAM -> SAM -> SOM. Считаются оптимистичный, реалистичный и пессимистичный сценании.

СценарийMRRPPUUsers who buyUsers #MRR
Оптимистичный$20.0010%12 000$240,000
Реалистичный$20.007%7 500$150,000
Пессимистичный$20.004%4 000$80,000
Провал$20.001%300$6,000

Считаем деньги

Вы не можете улучшить то, что не можете измерить. Классика: ставки увеличиваются, CPA пропорционально растет, не вписываемся в маржу и работаем в минус, приходится идти в нецелевой трафик. Лучше запускать новый вид рекламы на аудиторию, у которой нету куки вашего сайта за последние 60 дней. Ваша основная метрика для отслеживание эффективности вложенных средств это ROI (Return On Investment) = (доход — инвестиции) / инвестиции * 100%. Чем выше показатель, тем эффективнее рекламная кампания. Если ROI < 100%, то дело дрянь. Сделаю отступление: вы знаете актуальную стоимость пользователя только на определенный момент времени, когорты трафика не постоянны. Поэтому важно отслеживать ROI и в закупке трафика, и в продукте. Также лучше сразу научиться раскладывать ROI на мелкие метрики, и если ROI упала на 23%, то детализируем: стоимость 1 000 показов выросла на 13%, пользователи начали покупать более дешевые вещи, поэтому AOV упала на 7% и еще 3% это потери на уровне сужения воронки продаж.

Один из вариантов построения пирамиды с ROI во главе:

1)ROI = LTV / CPI
2)LTV = ARPU_inap + ARPU_AdsMon
3)ARPU_inap = ARPPU * %payers
4)ARPPU = AOV * OPP
5)ARPU_AdsMon = rv_per_user * ECPM

Либо метрика ДРР (Доля Рекламных Расходов) = расходы на рекламу / прибыль с рекламы * 100%. Чем ниже показатель, тем эффективнее рекламная кампания. Выберите любую.

Про затраты на рекламу можно написать десяток книг, но суть простая: на рынке очень много плохого трафика, мотивированного, мошеннеческого, трафика с клик-ферм. Далеко не всегда к вам по рекламе будут приходить настоящие пользователи. Это легко решается работой только с проверенными партнерами, которыми пользуются все на рынке. Но всегда появляются люди, которые хотят найти дешевле, и иногда даже удается найти дешевле и качественней. В этих случаях надо ставить лимиты.

Шаги воронки продаж это не только атрибуция, но и деньги, мы платим за привлечение и возврат пользователя в воронку. Самое простое, что можно сделать, это классический ремаркетинг, то есть на некие действия пользователя мы настраивает таргетинговую рекламу. Потенциальный клиент положил товар в корзину, или просто посмотрел товар, или уже купил товар низкого качества и мы знаем, что через месяц ему понадобятся запчасти, совершенное кол-во покупок, недавние отказники, пользователи с определенным временем на сайте. Все это потенциальные цели для рекламы или корректировки ставок в поисковых компаниях в контекстной рекламе.

Например, элементы автоворонки в мессенджерах:

  • Лид-магнит для получения лида. Некое бесплатное предложение, стимулирующее пользователя оставить свои контакты. Ценность должна быть высокой и связанной с вашим продуктом.
  • Трип-ваер (товар-ловушка) для демонстрации, как вы решаете боль. Полезный платный товар, с очень выгодной ценой, который частично закрывает боль клиента. Ценность от товара должна быть выше цены, но боль не должна быть закрыта.
  • One-time-offer(предложение «здесь и сейчас») для быстрой конверсии лида в клиента. Побуждение к импульсивной покупке. Хорошая скидка или дополнительный бонус.
  • Основной продукт для полной закрытии боли клиента. Основной товар или услуга компании. Зачастую, его рекламируют в лоб.
  • Максимизатор прибыли для увеличения среднего чека и лояльности. Пытается продать товар, который приносит много прибыли, но его сложно продать. Предлагаем тем, кто уже купил основной продукт.

И анализируем, как ведут себя люди/работы из нагнанного трафика, в основном когоротным анализом. Прошли ли они онбоардинг, если да, то за какое время. Посмотрели ли несколько товаров в магазине? Это краткосрочные показатели. Долгосрочные это всем известные метрики: retention 1d, 2d, 3d, 5d, 7d и так далее, сессии, конверсия в первую покупку, Cumulative ARPU n days (накопительный доход, сколько денег принес человек за первые n дней жизни в продукте). ROI, LTV, CAC (Customer Acquisition Cost), ROMI (Return on marketing investment). Последние две метрики это сколько было потрачено на привлечение / сколько пользователей в итоге привлекли. Каждый пользователь должен принести в три раза больше денег, чем было потрачено на его привлечние, в случае ROMI речь только о маркетинговых тратах. При работе со стоимостью привлечения клиента (client acquisition cost, CAC) нельзя забывать про затраты на зарплаты, overheads и стоимость инструментов для привлечения клиентов. Во многих формулах это не учтено специально, для занижения CAC перед продажей бизнеса.

Теперь про юнит-экономику. Вся юнит-экономика отвечает на вопросы, сколько мы в среднем тратим на привлечение одного клиента, как быстро он окупается, сколько нужно покупок для работы в плюс. Есть устоявшиеся концепции, в мобильных играх и приложениях юнит это новый пользователь. В SaaS за юнита считают заплатившего клиента. В подписной модели юнитом считается количество денег в разовой оплате. Если у подписки есть разные пакеты, то каждый пакет это отдельная экономика. Если у продукта несколько способов продаж, то это несколько разных экономик. При этом отслеживание юнит-экономики вполне заменяется ROI (Return on Investment) или ROMI (Return on marketing investment), ROI = (LTV — CPA) / CPA. И счастье в CPA (цена за совершение определенного действия) < LTV (более (>), менее (<)). Для многих специалистов основной KPI это увеличение LTV и снижение CPA. И LTV = ARPPU * среднее число покупок на пользователя, должно быть выше чем CPA. Не будем рассматривать классику, где KPI продажников это количество продаж, и они предлагают скидки на лево и на право, уменьшая маржинальность.

CPM это метрика стоимости 1000 показов рекламного объявления. Хорошии CPM считается 2-3$ для мобильных игр, эту метрику либо измеряют 1 000 показами, либо делят на 1 000.

Для борьбы с этим существует OKR (objective and key results), некая альтернатива KPI. Цели это то, что нужно достичь. Ключевые результаты — метрики и мониторинг процесса достижения целей. Целей и результатов может быть 2-5, не более. В упрощенном виде, OKR укладывается в следующую табличку:

ЦелиМетрикиПроекты
Описание цели и как будет понятно, что цель достигнутаМетрики целевые и текущиеКакие проекты реализуем, оценка ресурсов на проект и срок

Существует подход уменьшения дохода с одного и того же показа рекламы одному пользователю в день. Первый показ самый приятный по деньгам. Платформы медиации могут помочь с показом релевантной рекламы.

Отдельно хочу упомянуть метрику полярной звезды (North Star Metric — NSM). Это единственная «материнская» метрика, которая отражает основную ценность, которую продукт предоставляет клиентам. NSM + OKR + product vision помогают четко понимать, куда и почему движется бизнес. NSM — долгосрочная метрика, олицетворяет собой стратегическую задачу команды. Так, у Такси. NSM = LTV, у ZOOM = количество еженедельных встреч, Facebook = DAU, WhatsApp = кол-во отправленных сообщений одним пользователем.

Очень рядом живет метрика OMTM (One Metric That Matters), на пересечении стадии развития бизнеса и бизнес-модели можно понять, какие ключевые метрики должны быть. Стадии развития могут быть Эмпатия / Липкость / Вирусность / Доход / Масштабирование.

Работая с метриками, надо подбирать такие, которые отвечают критерию «сравнительности». Сравнение чисел в разные промежутки времени, сравнение групп пользователей, наши цифры и цифры конкурентов. Второй критерий это «понятность», если метрика непонятна ЛПРу, то это плохая метрика (из этого правила бывают исключения). Метрики должны быть взаимосвязаны, так, количество заказов и конверсия вместе куда более информативны вместе, чем порознь.

Глобальная метрика NSM про ценность для пользователя. NSM может меняться в зависимости от стадии развития, ситуации на рынке и т.п. C-level не всегда правильно задает NSM, с учетом ширины, частоты, глубины и качества. Такую детализацию уже могут дать ведущие менеджеры продукта/дизайнеры/аналитики. Но общую идею дают важные ребята, после годичных саббатикалов.

Но в конечном итоге, у бизнеса одна цель – выручка или доля рынка, поэтому всегда в иерархии метрик будут присутствовать финансовые метрики. Гигиена: NSM + OKR + product vision.

Так, компания нацелена на рост эффективости, это NSM от C-level. Значит, метрики будут Payback Period, LTV, CAC, Shipping Cost, ROAS.

Или рост числа клиентов, тогда метрики это трафик, регистрации, Retention, конверсии в платящих. Чтобы это случилось, нужно помочь пользователям инвестировал их время/файлы/социальную жизнь в сервис, например, зафрендить лучших друзей или закинуть файлы в облако. Это все дробится на метрики. Возьмем метрику как процент удержания пользователей (retention rate) или процент их отвала (churn rate). Эта метрика показывает результат наших усилий по частоте использования сервиса. Но никак не влияет на заработок. Значит, смотрим на рост Revenue — ARPU, Net Dollar Retention. 

Либо метрика это мотивация пользователей. Скажем, на образовательном проекте. У разных проектов разная NSM. SkillBox — edutainment, GeekBrains — комфортное обучение с нуля до джуна, практикум — останутся умные, курсы при студиях дизайна — быстро забабахать кейс в портфолио.

Если в целом, то цель образовательного проекта это увеличение кол-ва студентов через их мотивацию остаться на платформе и учиться. Какие мотивации можно выявить:

— потому что подарили

— социальное одобрение (все учат языки, и я буду)

— сын маминой подруги там учился и шас зарабатывает 500500

— повышение по работе

— расширить компетенции, поднять свою ценность для компании и повысить доход

— сменить профессию

— назначили на работе

— хочу разобраться в новой для себя области 

— и много чего еще

Вот под каждую мотивацию может быть отдельная метрика. Трудоустройство, рекомендации, процент сдачи дипломов… Хотите сложное задание — подумайте, метрика будет у SRM — Supply Relationship Management?

Отдельно поговорим про команду разработки. Модель оплаты Fix Price по проекту возможна только при условиях: краткосрочный проект, есть полное описание проекта, документация, ничего не изменится, разработчикам знакомы платформа и инструменты. Time&Material же применяется, когда проект в стадии доработок или тестирования, срок разработки до 6 месяцев и команда от 5 человек, или речь о крупном проекте. Выделенная команда для фокусировки IT-решения же используется, когда нужен долгосрочный проект, нет возможности нанять команду с компетенциями.

Работаем с аудиторией

Далее вам нужно будет улучшать интерфейс вашего магазина/сервиса/приложения/игры, так как нагнать пользователей это далеко не самое сложное. Для улучшения UX потребуется генерировать гипотезы, а также их тестировать с помощью CustDev, прототипов, интервью, анализа количественных и качественных данных, A/B тестов, MVP функционала.

Все описанное выше плавно подводит нас к вопросу об актуальном отчете 24/7, или сквозной аналитике. Не трудно догадаться, что если вы получаете актуальный отчет раз в неделю, то вы принимаете решения с опозданием на неделю и теряете деньги. Как и A/B тесты, каждый такой тест стоит денег, нужно уметь автоматически закрывать тесты сразу в момент накопления нужного количества данных. Работающий тест это убыток, Байес вам поможет.

Убыток: запустили a/b-тест и сразу оборот упал на 3%, а ведь еще ждать с таким тестом 20 дней. Это решается с помощью canary deployment. Постепенная раскатка на траффик. Возникают нюансы с размерами контрольной и тестовой группы, можно увидеть неправильные пропорции эффекта.

Первый шаг к построению сквозной аналитики это точное понимание, сколько денег вложено в рекламу, включая все затраты на привлечение трафика. Нужна метрика CPA (Cost Per Action) и логирование всех обращений лида в компанию, как следствие, более качественная настройка рекламной компании. Для этого смотрим ключевые фразы, по которым полученные заявки весьма ощутимы по цене, и отделяем их от дешевых лидов. Ежедневно повышаем ставки на последних и выводим канал в плюс, переливая им бюджет. В результате будет понимание, какие рекламные источники приносят дешевых и хороших лидов.

В мире игр очень хорошо тестируется механика игры: подключается Firebase, проставляются эвенты, выкладывается в сторы и через рекламу прогоняется через 200-300 игроков.

И LTV. В классическом понимании LTV (Lifetime Value) – сколько один пользователь принесет валовой прибыли за все время использования продукта/сервиса. Красивое определение, которое сложно применить на практике. Обычно LTV считают на какой-то месяц с момента прихода пользователя. Многие бизнесы живут на повторные продажи, особенно крупные ритейлеры. Всегда идет деление на первичные и повторные продажи, все карты лояльности супермаркетов это не более, чем способ окупить клиента за счет конверсии во вторую/третью/десятую покупки. Простое правило: отслеживаем CPA и LTV. Конверсия это совокупность всех сомнений, барьеров, проблем на пути пользователя к покупке.

Нельзя строить бизнес-аналитику на бесплатных инструментах для веб-аналитики

Наращивание LTV. Если говорить о подписочной модели, то в начале пользователь впервые соприкасается с продуктом, скажем, устанавливает мобильное приложение (install). Далее идет этап free journey, когда пользователь бесплатно использует продукт. Conversion это первая оплата, переход человека в статус платящего пользователя, и Trial Journey, когда человек продолжает жить в сервисе как оплативший после первой покупки. Это один круг. Далее начинается второй: Activation -> Premium Journey -> Stop -> Renewal. Отслеживаем, где пользователь отваливается, и направляем туда усилия команды.

Подсчитать затраты на привлечение пользователя просто: берем затраты на привлечение когорты пользователей, делим это значение на количество пользователей в когорте и получаем CPA (Cost per Acquisition). Пример: потратили 600 000$ / 365 987 пользователей = CPA 1,639.

Сколько заработали на пользователе: берем эту же когорту пользователей и считаем, сколько эта когорта потенциально принесет денег. Для этого надо подсчитать валовую прибыль (gross profit) от этой когорты в будущем. Поделить значение из первого пункта на количество пользователей в когорте и получить LTV пользователя.

И тут можно долго рассуждать на тему, что LTV надо считать от валовой прибыли (Gross Profit), а не от дохода (Revenue). Но прибыль в GA мы не видим, только выручку. Валовая прибыль это разница между выручкой и себестоимостью реализованной продукции или услуги. Закупили за 790 000$ — продали за 1 234 427$ = 444 427$ наша валовая прибыль.

Если описанное выше вас пугает, то вот простой рецепт: разделите аудиторию на 3-4 сегмента, запустите за 1 500₽ на каждый сегмент. Посмотрите, какие сегменты не дали конверсий и больше не лейте туда денег. Если конверсии были в плюс, льете туда больше денег. Если конверсии в минус или в ноль, делаете более детальную сегментацию и опять запуск с 1 500₽. В процессе собираете аудиторию look-a-like.

Как только вы проделаете это упражнение, можно лезть дальше. А именно в RFM-сегментацию, особенно хорошо работает в связке с k-means. Отталкиваемся от платежей пользователей, каждому пользователю задается некая оценка по манере платежей, от 1 до 5. Получается 5*5*5 = у нас может быть 125 сегментов. 555 это VIP, они платят часто и много. С каждой из выявленных когорт сегментов выстраивается разная манера коммуникации, вот примеры когорт:

  • Люди только начали платить, нужно поддержать интерес к оплатам
  • Заплатили только один раз, надо напоминать, как жизнь хороша при оплатах
  • На грани ухода, включаем механизмы реактивации
  • VIP на грани ухода, направляем все ресурсы на поддержку лояльности
  • Просто VIP, платит и пользуется. Прекрасно, коммуницируем, дарим подарки.в

Таким образом, мы можем выявить тех, кто платит много и часто, или стал нашим клиентом недавно и сразу начал с дорогих покупок. R=4, F=3, M=1, значит покупал недавно, в целом покупает время от времени, но дешевую мелочь. RFM расшифровывается как Recency (недавность покупок) — Frequency (частота покупок) — Monetary (сумма заказов, аналог LTV). Недавность, частота и прибыльность. Сегментирует клиентов по покупательскому поведению. Получив результаты, сегментируем:

  • Лояльные клиенты R = 4–5, F = 3-5, M = 3–5.
  • Лояльные, но все еще присматривающиеся R = 4-5, F = 1–3, M = 1-2.
  • Покупают везде R = 1, F = 1, M = 5
  • Готовы от нас отказаться, нужно уделять больше внимания R = 2–3, F = 1–5, M = 1–5.
  • Уже перешли к конкурентам R = 1, F = 1-5, M = 3-5.
  • Перешли к конкурентам, и думают про вас негативно R = 1, F = 1–5, M = 1–2.

Пример на R:

install.packages("data.table") 
library(data.table)
install.packages("dplyr")
library(dplyr)
install.packages("ggplot2")
library(ggplot2)
install.packages("tidyr") 
library(tidyr)
install.packages("knitr")
library(knitr)
install.packages("magrittr")
library(magrittr)
install.packages("rmarkdown")
library(rmarkdown)
install.packages("rfm")
library(rfm)
analysis_date <- lubridate::as_date('2020-01-21')
rfm_result <- rfm_table_order(rfm_data_orders, customer_id, order_date,
                              revenue, analysis_date)
segment_names <- c("Champions", "Loyal Customers", "Potential Loyalist",
                   "New Customers", "Promising", "Need Attention", "About To Sleep",
                   "At Risk", "Can't Lose Them", "Lost")
recency_lower <- c(4, 2, 3, 4, 3, 2, 2, 1, 1, 1)
recency_upper <- c(5, 5, 5, 5, 4, 3, 3, 2, 1, 2)
frequency_lower <- c(4, 3, 1, 1, 1, 2, 1, 2, 4, 1)
frequency_upper <- c(5, 5, 3, 1, 1, 3, 2, 5, 5, 2)
monetary_lower <- c(4, 3, 1, 1, 1, 2, 1, 2, 4, 1)
monetary_upper <- c(5, 5, 3, 1, 1, 3, 2, 5, 5, 2)
rfm_segment(rfm_result, segment_names, recency_lower, recency_upper,
            frequency_lower, frequency_upper, monetary_lower, monetary_upper)
rfm_plot_median_recency(segments)
rfm_plot_median_frequency(segments)
rfm_plot_median_monetary(segments)

Универально совет от Шона Эллиса делать опрос, называется PMF (product market fit). У Шона есть свой официальный сайт с возможностью разослать опрос, но лучше воспользоваться опросниками, например, Typeform. Структура следующая:

  • Откуда вы узнали о «Имя продукта»?
  • Как скажется на вашей жизни, если у вас не будет возможности использовать «Имя продукта»?
  • Какую альтернативу «Имя продукта» вы готовы использовать?
  • Рекомендовали ли вы «Имя продукта» кому-нибудь?
  • Какова основная польза «Имя продукта»?
  • Кто еще мог бы оценить все плюсы «Имя продукта»?
  • Как еще улучшить «Имя продукта»?
  • Не возражаете, если мы вернемся к вам с просьбой прокомментировать ваши ответы?
  • Обязательно разузнать про географию и покупательские привычки.

Результаты сохраняем в CSV, подгружаем данные в pandas и анализируем. Сам опрос лучше автоматически запускать каждые 3 месяца, и наблюдать, как меняется настроение клиентов. + парочка случайных созвонов с клиентами для валидации.

Существуют и другие способы сегментации. Помимо перечисленных, можно обратиться к NPS и K-means (похожие точки). NPS с результатами от -100 до 100, и делением пользователей на группы Promoters (9-10), Passives (7-8), Detractors (0-6) баллов. В комбинации с RFM и нейронными/байесовскими сетями для прогнозирования задача должна быть закрыта. Если Recency имеет негативную динамику, то человек потенциальный Churner, если позитивную — Loyal.

Но общая суть такая, что мы должны уметь собирать данные в своей аналитической системе. И неминуемо со временем мы упремся в ограничения системы, вроде числа параметров события, числа самих событий, затрат на масштабирование системы сбора данных.

Поэтому важно заранее сформировать правильную структуру событий: накидать на листе бумаги воронку, как мы хотим ее видеть, и по ней сформировать список событий, который нам понадобится. Для отправной точки можно посмотреть подходы к построению воронок AIDA и AARRR. AARRR самая известная, с разными вариантами воронок и соответствующих метрик на каждом шаге. Начать можно с первой сессии пользователя. Воронка продаж это последовательные шаги, и многие системы ставят ограничения на кол-во шагов, обычно это 5.

Альтернативный подход это Pulse (PULSE — Uptime — Latency — Seven-day active users — Earnings). Это больше для сайтов. Или гугловский HEART, который с упором на UX.

Что можно собирать. У каждого проекта будет свой набор событий, но можно выделить следующие: источник трафика, география, день регистрации, время с регистрации, параметры девайса, соцдем, как часто входит в систему и платит, любые пользовательские события. Из этого набора данных можно построить сегменты:

  • Новички/закоренелые пользователи
  • Платящие/неплатящие
  • Заходили на страницу акций/не заходили
  • Первый платеж/повторные платежи
  • Активированные/неактивированные
  • Часто входящие/редко входящие
  • Прошли онбординг/скипнули его
  • Источник 1 / источник 2 / источник 3

Системы

Следующий важный критерий это продажи: выручка, прибыль и ROI (сколько реально денег заработали). Эти данные обычно хранятся в CRM. CRM бывают разные и содержат множество полезной информации и важных функций, вроде автоматизации обзвона клиентов, обработки лидов, хранения всей истории взаимодействия клиента с бизнесом, хранения данных клиентов. У любой нормальной CRM есть API, а популярные amoCRM, retailCRM, Битрикс 24, Pipedrive позволяют работать с сущностями, такими как сделка, лид, контакт, компания, заказ, на основе которых строится сквозная аналитика. Технически это выглядит примерно так: в CRM падают данные о заказах + ga_clientID и userID, далее менеджер ручками добавляет выручку по пользователю в CRM. Настроенная телефония с интеграцией в CRM позволяет менеджеру в момент звонка видеть ранние обращения клиента. И zapier для интеграции всего со всем.

В CRM также можно прослушивать записи звонков менеджеров и анализировать, как менеджеры общаются с клиентом. Помимо контроля за качеством работы менеджеров, можно выцеплять нишевые ключевые слова. А еще можно анализировать пропущенные звонки и корректировать график работы службы поддержки.

В зависимости от этапа зрелости компании, роль CRM могут исполнять следующие сущности: Excel -> CRM -> BPM -> BI -> PM -> RTBM -> Excel. Real Time Business Manager это скорее недостижимая цель, к которой нужно стремиться.

Про интеграции: между Adwords и GA есть нативная интеграция, но загрузка в GA расходов из Yandex, VK, Facebook, Mail.ru импортируется ручками через автоматические потоки. Далее можно пробрасывать в CRM нужный ga_clientID и коннекторами загружать данные с UTM-метками из рекламных источников в отдельную базу данных. Рекламных источников будет много, обычно это Яндекс.Директ, Яндекс.Маркет, Google Ads, Google Merchant Center, Facebook, VK, Criteo.

Еще один важный шаг сквозной аналитики это Calltracking. Не каждый звонок является лидом. Звонки могут быть от текущих клиентов насчет технических проблем или обычный спам, такая проблема решается тэгированием. Менеджер ручками проставляет тэг в CRM, был ли звонок спамом или лидом.

Немного упростит жизнь аналитика отдельный номер телефона для каждого рекламного источника. Вариант подороже: динамический коллтрекинг с распознаванием фраз. Помогает отследить онлайн-рекламу, понимать работающие ключевые слова и сайты. В реальности комбинируют оба метода, но полноценную статистику для сквозной аналитики дает только динамический коллтрекинг.

Подход для извлечения, трансформации и загрузки данных называется ETL. И Dataflow для формирования архитектуры потока, откуда данные берутся, где и когда обрабатываются, куда загружаются.

Разберем кейс: на сайте пользователь видит номер телефона, звонит -> звонок моментально заводится в CRM с датой звонка, ID, номером телефона, и userID/ga_clientID от динамического коллтрекинга. ClientID даже сейчас достаточно простой и надежный способ определить пользователя и дальше уже смотреть его по сессиям. Пусть даже как браузер. По этим данным лид сопоставляется с другими каналами, менеджер руками закрывает сделку, и мы получаем выручку по клиенту. На некоторых сайтах (особенно у автодиллеров) можно заметить, что телефон закрыт глазиком. Это бюджетная реализация динамического коллтрекинга, позволяет экономить на генерации e-mail адресов и телефонов для каждого пользователя. С точки зрения UX очень спорное решение, но Data Driven Design иногда требует жертв.

Конверсии

В примере выше пропущен шаг, когда пользователь до звонка впервые зашел на сайт. И это самая распространенная проблема: понять, какому каналу присвоить первый переход, с которой началась продажа. Первый кейс: прямой заход на сайт (пользователь просто вбил адрес сайта в браузерную строку). При таком подходе мы не знаем, откуда пользователь получил информацию о компании. Второй кейс: клиент приходит на сайт по рекламе и смотрит цены, потом уходит в другую базу ретаргетинга и возвращается на сайт по другой рекламе. Тогда первая реклама и её источник будут считаться убыточными. Для решения первого кейса нужна мультиканальная аналитика, для второго — ассоциированные конверсии.

Учет мультиканальности в сквозной аналитике это серьезная история с моделями атрибуции. Допустим, клиент хочет купить себе кондиционер, вводит поисковый запрос и кликает на объявление в Яндекс.Директ, делая переход на наш магазин. Принимает решения о марке кондиционера и уходит с сайта. Спустя неделю какое-то приложение увеличило глубину просмотра, поэтому клиента догнала наша реклама этого кондиционера со ссылкой на наш магазин, клиент делает переход по рекламе и опять уходит с сайта, возвращается из простого органического поиска. Итак: сначала Яндекс.Директ, потом реклама в Facebook, потом Google Organic, и все эти каналы вместе повлекли продажу (первый позволил выбрать брэнд, второй подогрел интерес к покупке и третий привел к конверсии). Это и называется мультиканальностью, учет всех касаний сайта до покупки.

Возникают вопросы с Post-Click и Post-View, которые сложно подсчитать в мире без кук и skad.

Но настоящее веселье начинается при выборе модели атрибуции, по которой продажа будет присвоена определенному каналу. По умолчанию, счетчики Google Analytics и Yandex.Metrics строят отчеты на основе последнего взаимодействия с сайтом, это самая распространенная модель атрибуции, но не самая лучшая. Last Click это зло и дефолтная модель атрибуции в Метрике, она не позволяет измерить окупаемость рекламных каналов с учетом предыдущих точек взаимодействия клиента с бизнесом. Работает только для оценки, когда цепочка взаимодействий была инициирована кликом по рекламе. Другая модель атрибуции, last non-direct click (последнее непрямое взаимодействие), отдает конверсию последнему не прямому каналу, игнорируя все прямые визиты. Также есть модель атрибуции «первое взаимодействие», конверсия отдается первому визиту на сайт, а первое касание обычно самое дорогое.

В Google Analytics есть отчет «многоканальные последовательности». Он наглядно показывает касания сайта до совершения конверсии. В Я.Метрике это можно сделать через LogsAPI. И лайфхак: для определения источника трафика иногда нужно игнорировать utm-метку, если реклама запущена на Facebook, а в метке прописан Google.

Многоканальные последовательности в GA

Можно повеселиться и с ассоциированными конверсиями. Это подход к учету мультикональности, для определения каналов в начале, середине и конце воронки взаимодействия с сайтом до достижения цели. Используется для отслеживания ROI каналов, которые по обычной модели атрибуции убыточные. Например, UShape модель атрибуции, по которой первому и последнему каналу отдается по 40% веса, а остальной вес распределится равномерно по оставшимся касаниям сайта. Либо более простая линейная модель: равномерное распределение весов между всеми каналами.

Выбор модели атрибуции очень сильно сказывается на аналитике, так как в результате будет разная выручка и прибыль, ROI, даже кол-во заказов. Поэтому по мере роста бизнеса должна выработаться своя модель динамической атрибуции, которая строится ручками из того же bigQuery, с учетом времени и расстояния между касаниями или времени, проведенного на сайте. Стриминг данных в BigQuery или экспорт из GA 360. Тогда не будет семплирования до хита. Но брать сырые данные о действиях пользователя и самостоятельно собирать в сеансы задача уровня Senior.

Инструменты

Почти всю статью я приводил в пример инструменты GA, так как почти наверняка у вас уже установлен счетчик и есть исторические данные. Но вот вам плохое: Я.метрика и Google Analytics не очень хороши при построении аналитики до момента продажи. Метрика не позволяет правильно пробросить информацию о затратах по всем рекламным каналам, а в Google Analytics сложно пробрасывать данные из CRM-системы. Есть Measurement Protocol и он справляется с задачей закидывания данных в GA, но в случае возврата товара это изменение придется вносить руками. Не говоря уже об отсутствии Calltracking и сэмплировании.

Придется научиться объединять данные в единую сводную таблицу и визуализировать. Это довольно просто, данные представляют из себя комбинацию параметров визита и «хитов» (транзакции, события). Все это выгружается в Excel, Power BI, Data studio, или BigQuery/Azure + комбинации этих систем. Выбираете хранилище данных, куда будут складываться информация со всех рекламных каналов (CRM + счетчики + Calltracking), далее строите отчеты и показываете их руководству. Идея в анализе данных на стороне сервисов вроде Power BI, Tableau, Adobe Analytics, и хранении данных во всяких BigQuery, ClickHouse, Spreadsheet, Excel. То есть схема простая: Google Ads (UTM) -> сайт + Google Analytics -> Google Data Studio.

Обычных воронок продаж вам будет недостаточно, поведение юзеров непоследовательное, с кучей возвратов и перебежек между страницами и платформами. Если у вас мультиплатформенный продукт, значит, он существует на некольких платформах с одинаковым функционалом. Кроссплатформенность это присутствие продукта на разных платформах, но функционал может отличаться. И conversion platform не обязательно равно delivery platform, то есть люди могут искать товар с iPad, а купить с декстопа.

Воронка это визуализация развития клиента: привлечение -> активация -> retention -> реферальный этап -> revenue, и каждый этап имеет свои метрики (открытие email, повторный заход, сгенерирован минимальный revenue). Классическая воронка из GA не отображает ничего из перечисленного. Вам нужна система, в которой можно построить граф последовательности использования фич. На графах можно видеть зацикленный сценарий работы пользователя из-за плохого UX (пользователь делает круг по фичам и закрываем приложение), проведенное на каждом этапе время. Также, графы лучше позволяют отследить отвалившихся пользователей, их можно сегментировать и отдать на качественные исследования. Я делаю графы в RStudio + igraph, networkX для анализа.

Типичная пошаговая воронка продаж

Резюмируя, у вас в итоге должно сложиться нечто похожее на такой пайплайн: для построения сквозной аналитики вам нужны источники данных, и их должно быть минимум два, CRM и Google Analytics. Для проверки стоимости лида: из Яндекс.Директ идут UTM-метки, по выбранной модели атрибуции продажа присваивается последнему не прямому трафику. Все это идет на экспорт данных в BigQuery, на свой SQL Server или в ClickHouse. Далее визуализация, у ClickHouse даже есть свой внутренний визуализатор. Вполне возможна цепочка для реалтаймовой аналитики Azure/Unity/AWS/AppsFlyer -> Kafka/Alooma -> BigQuery -> Дашбордик. Составьте такой план и начинайте реализовывать. Конечно, конъюнктура рынка может вносить свои коррективы, но со своей стороны аналитик обязан стараться организовать весь процесс сбора и хранения данных.

50 комментариев

  1. Maksims Hamzin

    05.08.2019

    Не могли бы подсказать, как системы аналитики рассматривают длину сессии? в частности, метрика и га. А то у меня в метрике и га траф в два раза отличается, при этом страницы входа и поведенческие параметры совпадают. Грешу на разность в подсчете сеансов, и очень выросло количество визитов с источником «не определено».

    • Цветков Максим

      05.08.2019

      В GA после загрузки страницы на сервер Гугла отправляется хит pageview. Так и строится метрика Time on page, это время на странице по разным pageview между хитами, кроме последней страницы. Конец сессии это последний отправленный хит. Если у вас более 500 000 сессий, то будет сэмплирование.

      По умолчанию 30 минут, но можно настроить. Если в рамках такого сеанса одинаковая цель была достигнута несколько раз, то будет засчитано только одно достижение. Лучше цели делать на эвентах.

      У Метрики аналогично, хиты pageview отправляются на сервер Яндекса на каждую загрузку страницы. Проверьте правильность установки счетчика: http://ваш_сайт.com/?_ym_debug=1 и откройте консоль, должны увидеть номер счетчика и отправляемые данные. Если отправлено несколько pageview, то может быть продублирован код счетчика.

      Источник «не определено» это либо много роботов, либо блок кода счетчика.

      При настройке целей советую установить расширения gtm-sonar, Stop Light. Помогает блокировать редирект при настройке целей.

  2. Алексей

    05.08.2019

    Здравствуйте, отличная статья!
    У нас нет GA360, можно ли имеющиеся данные выгружать в BigQuery?

    • Цветков Максим

      05.08.2019

      Проксирование трафика через выделенный сервер в GTM, если нужно получать только новые данные.
      Если речь про исторические данные, то Python c авторизацией по JSON и на крон. Можно упереться в лимиты обращений.

  3. Alex Pirks

    08.08.2019

    Скажите, а метрика умеет показывать ключевые слова, по которым пользователь перешел из органики гугла?

    • Цветков Максим

      08.08.2019

      Метрика не умеет показывать поисковые фразы, по которым был переход с гугла (если вы об этом). Никто не может определить поисковые переходы из Google, кроме самого Google. Можно установить код Google Analytics, добавить сайт в Search Console и указать их в разделе «Администратор»-«Все продукты», тогда в отчете «запросы» вы будете видеть нужную информацию.

  4. Artyom Volkov

    13.08.2019

    Добрый день! Делаю рекламу в директе, и по прогнозу у меня одна цена. Но по результату цена получается совсем другой, сильно больше прогнозируемой. Я не особо умею настраивать рекламу, но почему цена прогноза так отличается от реальной?

    • Цветков Максим

      13.08.2019

      Надо смотреть на стоимость вашего товара, с маленьким медианным чеком и низкой наценкой в директ лучше не лезть. Чехольчики рекламировать надо уметь, это всегда низкочастотные запросы с минус словами. Покапайте в сторону CTR, если он ниже чем у конкурентов, то вам будут поднимать цену. У меня медианно цена клика 25₽ в РСЯ. И концептуально, директ будет выталкивать наверх те объявления, на которые кликают чаще и дороже, а так как при старте компании вы будете поначалу без среднего значения, то вы чаще будете попадать на дорогие клики.

      CTR — маркетинговая метрика, измеряет соотношение числа показов рекламы с числом кликов. Кол-во кликов / кол-во показов * 100. Так, если у нас два объявления: CPM = 200₽ CTR = 1,7%, и второе CPM = 360₽ CTR = 1,2%,то рекламная площадка выберет второе. Пусть CTR поменьше, но суммарно можно заработать больше.

      И играйтесь с настройками: разные варианты аудитории, разные сочетания ГЕО, интересные креативы (хорошие срабатывают сразу, ждать не надо), следите за конверсией по каждой аудитории.

  5. Nikolai Arefiev

    07.02.2020

    Есть такой вопрос: у интернет-магазина присобачен enhanced ecommerce в GA. Событие impressions отправляет все товары на сайт через dataLayer. Товаров сильно добавилось и теперь не все данные отображаются. Что тут можно сделать??

    • Цветков Максим

      07.02.2020

      Скорее всего, вы уперлись в ограничение GA: 8 кБ на один POST-запрос. Решить можно. Например, магазины из верхнего уровня SMB отправляют запросы небольшими наборами данных в реальном времени, как только товар появляется в зоне видимости на экране. У JQuery есть свойство onScreen, можно и на чистом JS. Это не самый легкий способ по ресурсам, пушить отдельным событием каждый раз заметно снижает скорость загрузки сайта + ограничение на 500 хитов за сеанс. Если у вас SPA (Single Page App), то все куда вариативнее и товары в магазине далеко не самая большая проблема с точки зрения аналитики), тут уж надо вкладываться в свой DWH. Можно не отправлять в запросе кириллические названия товаров, а просто ID, уменьшит размер запроса.

      Вообще эту проблему надо решать с разработчиками, подкидывая им библиотечки вроде Tracking-Events.

      • Александр Гуцал

        22.10.2020

        Как вы относите магазины к верхушке СМБ? по каким критериям?

        • Цветков Максим

          22.10.2020

          Можно ориентироваться на метрику SKU (Stock Keeping Unit) — количество товарных позиций. Но это очень слабый показатель. SKU скорее нужно для определения конкурентов, когда берут SKU двух магазинов и сравнивают ранговой корреляцией Кендалла.

          Если идти от количества заказов в день, то до 100 заказов в сутки это малый бизнес, 100-500 — средний и более 500 — крупный. Если брать типичную конверсию 1%, то малый бизнес это 10.000 посещений, средний 10.000-50.000 и более чем 50.000 уже большой.

  6. Danila Sincha

    13.02.2020

    Здравствуйте. Не знаю, по адресу ли вопрос, но уже много месяцев не можем договориться с VWO. Может, есть хорошая альтернатива?

    • Цветков Максим

      13.02.2020

      Обозначьте задачи) Как общий ответ, посмотрите на связку Adobe Audience Manager + Adobe Analytics + Adobe Target.

  7. Виктор Правдни

    26.02.2020

    Какие метрики важно отслеживать при выпуске новой фичи?

    • Цветков Максим

      26.02.2020

      Эмпирически, в первую очередь я бы взял за правило активацию фичи >=50% с учетом Daily Usage. А по Dairy Usage можно уже считать retention. И линковать еще две метрики: С1 или AvPrice (средний чек).

  8. Anton Golovanov

    20.03.2020

    Как считаете, можно ли применить эти практики на сферу продуктов питания? анализ оффлайновых магазинов и скидок в них — это вообще тема диджитал?

    • Цветков Максим

      20.03.2020

      В сфере FMCG аналитика возможна. Конкурировать за деньги клиента можно не только скидками, можно и дизайном упаковки (печенька, нарисованная на упаковке шоколадки, создает эффект покупки сразу двух вещей по цене одной), можно экологией (люди склонны покупать органические товары, при производстве которых не был нанесен ущерб окружающей среде), реклама в сфере спорта. Программы лояльности также помогают и вернуть человека в магазин, и отслеживать его покупки в оффлайне. Все это помогает понять, где ожидать uplift по продажам, помогает с импульсными покупками. Скорее всего, у оффлайнового магазина есть онлайновый, и скидки можно дифференцировать (онлайн — более платящие, онлайн и оффлайн это разные аудитории).

      В оффлайне полезно отслеживать единый индекс товара, демонстрирующий его эффективность в магазине на основе ACV продаж, оборотистости, количества чеков и маржи. И отдельно считается уникальность товара, близость между товарами в CDT и возможности быть замененными.

      И в любом случае корзина — она везде корзина. Можно отслеживать пики, падения, необычное поведение потребителей. Любые товары делятся на два типа, субституты и комплименты. Субституты это такие товары, которые можно заменить, у которых есть аналоги. Используется, когда нужно предсказать взаимное влияние цен различных товаров друг на друга. Один вид молока подорожал, но вариантов молока в магазине много, и продажи переместятся к аналогам без подорожания цены.

      Более структурированный подход: ABC-анализ и принцип Парето, 80% финансового результата это 20% вашей товарной линейки. Группа А дает вам больше всего прибыли, 20 товаров дают 80% прибыли, а эксперименты мы можем проводить с товарами группы С, так как их много и их вклад в доход не особо значим. и стабильность спроса: используется XYZ-анализ. Надо подсчитать стандартное отклонение, среднее, поделить их и получить меру в процентах. И далее все делится на три когорты: X (стабильный спрос), Y (средний) и Z (нестабильный спрос).

      Следующим шагом объединяем эти два вида анализа, это дает нам 9 суб-сегментов. Он так и называется, ABC XYZ анализ. На основе которого можно делать выводы, что товары из группы AZ покупаются в основном во время акций, так как они дорогие, и нужно понижать цену.

      Да и ROPO (research online, purchase offline) никуда не пропадает. Карты лояльности помогают связать онлайн-посетителей с офлайн-покупками и понять эффективность рекламы.

  9. Igor Gritsenko

    16.04.2020

    Добрый день.
    Как понять, что спец по контексту нормально работает? Какие задачи он должен делать сам без проставления тасок?

    • Цветков Максим

      16.04.2020

      На регулярной основе он точно должен:

        Находить запросы с 0 показом за 6 месяцев и 404 ошибки
        Выдавать отчеты по показателям качества
        Обновлять креативы в объявлениях
        Отчёт по ДРФ → добавляет целевые запросы, нецелевые в минус-слова
        Отключать неэффективные площадки
        Уточнять и чистить запросы
        Проводить эксперименты, использовать новые фишки AdWords
        Запрашивать аудиты у Яндекса
        Анализировать объявления конкурентов и находить идеи для улучшения ваших объявлений через тесты
        Поудалять дубли + сделать кросс-минусовку через коммандер
  10. Дмитрий Сибур

    28.04.2020

    Привет!
    Как можно одновременно учесть потребности множества когорт пользователей в рамках одного продукта?

    • Цветков Максим

      28.04.2020

      ABCDX-сегментация. Это способ разделить клиентов на соотношение вложенных в них сил и средств и учесть, сколько эти люди дают продукту.
      A — платят за продукт много, жалуются мало, покупают часто.
      B — платят много, продукт нужен, но есть жалобы.
      C — есть жалобы, платят мало, но продукт нужен.
      D — пользуются продуктом бесплатно, много жалуются.
      X — требуют дофига, хотят уникальный продукт под свои нужды, платят очень много.

      Если брать дизайн-студии, то их можно поделить на малые студии (10 лендингов в месяц), средние (10-30 лендингов в месяц), крупные (30-100 лендингов в месяц). Для нас, как для платформы для создания лендингов, первые попадают в категорию С или D с отрицательным NPS.

  11. Аня

    02.05.2020

    есть ли способы точно узнать что получатель письма его прочитал? спасибо!

    • Цветков Максим

      02.05.2020

      Прочитал = открыл? В целом, только вставлять пиксель, который в момент запроса на сервер будет считать, что письмо было открыто. В сервисах вроде sendgreed, mailchimp есть рейтинги открытия писем.

  12. Maksim Petruk

    05.06.2020

    Привет! не могу понять по цифрам в метрике, сильно гуляют данные от отчета к отчету. Есть какая-то настройка объелинения разных расчетов в единый показатель?

    • Цветков Максим

      05.06.2020

      В разных отчетах Метрики представлена разная информация. Отчет «Популярное» это про просмотры. Отчет «Страницы входа» это визиты.
      Например, пользователь зашел на сайт и походил по страничкам. В отчете «Популярное» у каждой страницы будет по одному просмотру. А в отчете «Страница входа» будет у первой страницы несколько просмотров и соответствующая глубина просмотра.

      Метрика считает время для отчетов так: берется первое и последне событие в визите и высчитывается разница. Событием в визите может быть что угодно, просмотры, клики, скачивания файлов, достижение целей. Аналогично работает для GA, и это не самый точный показатель. У вебвизора же время это разница между первым и последним зафиксированным действием, что является более точным временем. Для увеличения точности можно вешать событие на скролл.

      Изначально БД одна, и Logs API и WebUI ходят в одну БД, а вот отдаваться и показываться в UI могут не сразу. Также, есть много других причин, почему статистика может расходиться по API и в интерфейсе, сэмплирование или баги. Лучше брать дни, когда статистика уже точно устаканилась, гугл любит пересчитывать данные на 2-3 недели назад.

  13. Denis Kuandykov

    04.07.2020

    Добрый день, у нас проблема с UTM-метками. Посмотрите, что с ними может быть не так:
    http://www.нашсайт.com/?utm_source=yandex.ru&utm_campaign=shop_conf&utm_term=cart

    • Цветков Максим

      04.07.2020

      Всего есть три обязательных параметра для указания UTM-метки.
      Utm_source — для источника трафика.
      Utm_medium — тип источника трафика.
      Utm_campaign — название рекламной компании, в составе которой работает рекламное объявление.

      У вас отсутствует тип источника трафика. А вот использованный вами Utm_term отвечает за ключевые слова и не является обаятельным. Я предположу, что метки вы расставляли вручную, а лучше это делать с помощью специальных сервисов.

      Кажется очевидным, но всегда надо проверять. На днях исправлял у одного крупного ритейлера быстрые ссылки, маркетолог перепутал положение якоря: site.ru/#yakor?utm вместо site.ru/?utm#yakor.

      Utm_medium это каналы, общепринято на рынке использовать следующие параметры:
      social — из социальных сетей, но не рекламные материалы с баннеров. Из постов, например.
      cpc — как раз реклама по кликам, Cost Per Click. Маркетологи это обожают, безопасно. Нет кликов — нет трат, есть клики — есть переходы. Предпочтительнее, чем:
      cpa — реклама с оплатой за лиды, Cost Per Action.
      cpm — реклама с оплатой за 1 000 показов, Cost Per Mille. Рекламная площадка такое любит.
      cpv — реклама с оплатой за просмотр видео или за переход на сайт, Cost Per Visitor.
      cps — оплата за продажу, Cost Per Sale.
      cpl — оплата за информацию по лиду, Cost Per Lead.
      cpo — оплата за заказ, Cost Per Order.

      email, qrcode и sms вопросов вызывать не должны.

      bloggers — ссылки с блоггеров.
      podcasts — ссылки с подкастов.

      • Denis Kuandykov

        04.07.2020

        Это чудесно! а есть по типу заходов?

        • Цветков Максим

          04.07.2020

          Если для GA, то:
          Прямые заходы везде обозначаются как (not set)|(none).
          Переходы из поисковиков это organic
          Почтовые рассылки: email
          Соц. сети: social|social-network|social-media|sm|social network|social media
          Поисковая реклама: cpc|ppc|paidsearch
          Медийная реклама: display|cpm|banner
          Другая реклама: cpv|cpa|cpp|content-text
          Ссылки на сторонних сайтах: referral
          Партнерская программа: affiliate

          В общем, правила довольно простые:
          1) utm-метки всегда пишутся маленькими буквами.
          2) В источнике всегда указывается домен.
          3) нужна новая метка? 100 раз проверь, нет ли уже такой.
          4) Для AdWords используется авторазметка совместно с UTM-метками.

          И помним, что eCPM это рассчитываемая цена на 1000 показов. Вы по CPC платите за клики, но но площадка хочет прибыль и считает это по CTR. Немного спасает аукцион второй цены, когда конкурент поставил цену 100₽, а вы 200₽. С вас спишется не 200₽, а 101₽.

  14. Timur Taepov

    18.08.2020

    Привет! классная статья, спасибо. Какую связку инструментов сделать для бизнеса, чтоб они могли в любой момент зайти (в том числе и с телефона) и посмотреть статистику? Чем дешевле — тем лучше.

    • Цветков Максим

      18.08.2020

      Tableau или Amplitude, если устроит скорость обновления контента. Можно настроить связки Yandex DataLens + AppMetrica или Google Data Studio + Firebase, должно получиться близко к обновлениям в реальном времени.

      Если совсем дешево, можно работать со связкой firebase + bigquery + datastudio, хоть и неудобно даже для маркетинговых задач. Можно забирать данные из appsflyer через Data Locker и перекидывать в ClickHouse + Power BI для визуализации (он платный). Альтернативы: Apache superset и Metabase, их надо у себя хостить.

  15. Pavel Korostelev

    14.12.2020

    Есть ли вариант таргетиться на аудиторию в инсте, у которых минимум 10 000 подписчиков?

    • Цветков Максим

      14.12.2020

      Легко — нет, это невозможно.
      Можно настроить таргет на блоггеров и крупные магазины, или заняться парсингом.

      Но вы уверены, что обозначенная вами аудитория, которой вы хотите показать рекламу, правда сидит в аккаунте и листает ленту?) я вот не особо.

  16. Роман Мылицын

    20.12.2020

    Привет! У нас такая ситуация, что для продажи маржинальных товаров заведено много промо-сайтов. Потенциальный лид время от времени заходит на разные сайты, и оставляем на них разные заявки. Как это отслеживать, какая модель атрибуции была бы уместна?

    • Цветков Максим

      20.12.2020

      Вам точно нужно использовать одну куку (браузер) для всей сетки сайтов. Заодно и поправите историю со смертью куки, так как она будет часто обновляться.
      И создаете сводный отчет, где будет цена компании по разным моделям атрибуции. Если кампания убыточна по всем моделям атрибуции, значит, она выключается. И далее по цепям Маркова.

  17. Oleg Shtoyk

    02.05.2021

    как дизайнер может помочь в выяснении product market fit?

    • Цветков Максим

      02.05.2021

      Метрика Sean Ellis. Это опросник, основной вопрос: How would you feel if you could no longer use our product? с вариантами ответов:

        Very disappointed
        Somewhat disappointed
        Not disappointed

      Если более 40% респондентов ответили “very disappointed”, значит, с Product/Market Fit все прекрасно.

      Второй вариант это Lean Canvas + HADI-циклы. Это методология для структурирования начальной версии продукта. Идеально для SaaS или для онлайн-маркетинга. Lean Canvas Model описывает все части продукта, которые нужны для старта бизнеса, но это может не сработать для оцифровки уже работающего бизнеса. Это скорее точное описание структуры бизнеса, которую вы собираетесь строить.

      1) формируем сегмент пользователей, не думая о прибыли с каждого пользователя
      2) создать для аудитории понятную коммуникацию, смотрим на Post-Click
      3) выявляем свою уникальность, оценивая функционал конкурентов
      4) формируем список фич, которые есть только у нас
      5) каналы продвижения по инсайтам от первых клиентов
      6) unit-экономика, понимаем расходы и доходы
      7) структура издержек
      8) формируем базовые метрики
      9) формируем уникальность, которую не получится быстро скопировать
      Записываем все это:

      Я обычно заполняю такую табличку под каждую потребность, которую выясняю на интервью. И так понимаю, за решение какой потребности пользователя мы можем получить максимальное количество денег. Да, все это лишь гипотезы, а значит риски. Риски продуктовые, клиентские, рыночные. Например, клиентский риск это проблемы объема аудитории или доступа к аудитории. А рыночные это конкуренты и завоевание объема рынка. За клиентские риски на Lean Canvas отвечают блоки «ранние последователи»,«сегменты клиентов», «каналы выхода на клиентов». За рыночные: «Нечестное преимущество», «альтернативы», «структура расходов», «потоки выручки».

      Можно держать в уме подход из Стенфорда, где для создания успешного продукта нужны крутая команда, идея, реализация и распространение, и на каждом этапе краеугольным камнем выступают продажи.

  18. Tema

    22.08.2021

    на какие сроки и с какой детализацией считается p&l?

    • Цветков Максим

      22.08.2021

      P&L считается на весь период до момента окупаемости, первый год помесячно. Все последующие с меньшей детализацией. Вычитаем расходы из доходов, получаем сальдо и получаем Free CashFlow. Но думаю, что ваш вопрос больше про базовый подсчет финансов для IT-юнита (компании, отдела). В минимальном формате iT-компании должны считать revenue, gross margin, commercial expenses, operating expenses, EBITDA, EBIT, Net in Come. В целом, и на каждый продукт.

      Разумеется, рассчитывать только на доходы и расходы (P&L) не нужно. Также нужно считать: бюджет движения денежных средства (CashFlow — отчет о ДДС), прогнозный баланс, МСФО. И показатели эффективности: PB, PBP, ROI, DPBP, EBIT, EBITDA. Если компания уже работает, то Balance Sheet (баланс), Revenue (YoY Growth), Gross Profit. Также, операционный денежный поток, этот показатель в целом про успешность и возможности развития бизнеса. Сумма денежных средств, который компания может заработать за n-период времени. OCF (операционный денежный поток) зависит от повышения прибыли EBITDA и снижения оборотных средств (NWC).

      Ежемесячный контроль за Revenue YoY/QoQ, Gross Profit YoY/QoQ (год к году, квартал к кварталу).

      Другая полезная метрика это оборотный капитал (NWC), включает отложенные расходы, займы и кредиты, задолженность клиентов.

      EBITDA Margin = EBITDA / Gross profit или EBITDA / revenue. Целевая EBITDA Margin перед акционерами в районе 20-30%.
      Маржинальность = EBITDA Margin / PBT Margin.

      Напомню, что маржинальность—процент прибыли от общей стоимости. EBITDA—прибыль до уплаты налогов, процентов, амортизации и износа.

      Доходность на сотрудника для аутстафа: revenue или EBITDA или Gross profit / employes.

      И сама EBITDA = покупки * (Средний чек — COGS) — расходы на привлечение — расходы на первую продажу — fixCOGS.
      Считаем покупки: пользователи * конверсию * повторные покупки. 1000 пользователей * 4% * 2,2 = 40 * 2,2 = 88 покупок на конец периода.
      Расходы на привлечение: 1000 пользователей * CPAcq (72₽) = 72 000 ₽.
      Расходы на первые продажи: 356 клиентов * конверсию (4%) * lsCOGS ((затраты на первую продажу с учетом лидогенерации = 65₽) = 925.6 ₽.

      У здорового бизнеса основные критерии для оценки: масштабируемость и маржинальность. Часто можно наблюдать, как при найме большого кол-ва людей падает маржинальность. И люди не понимают, что при увеличении штата в три раза, EBITDA автоматически в три раза не вырастет.

      • Арсен Шакирзянов

        21.11.2021

        Как на EBITDA сказываются затраты компании, связанные с секретными разработками?

        • Цветков Максим

          21.11.2021

          EBITDA это вся прибыль в банке до налогов и до выплаты процентов по кредитам. Все это капитализируемые расходы, которые в IT трудно считать (люди вместо заводов). Но британские, шведские, немецкие, французские компании не записывают в отчетность все расходы на разработку нового продукта, то есть все расходы на новые разработки не влияют на EBITDA. До капитализации.

          Например, есть $45 000 000 в банке, $20 000 000 на разработку нового продукта, остальное это пополняемый от текущих продуктов операционный капитал. Как только новый продукт релизится, все расходы на этот продукт ($20 000 000) пропорционально делятся на определенный срок помесячно. И после этого они отображаются на EBITDA. Получается, что за заданное кол-во месяцев продукт должен отбить минимум $20 000 000.

          Привлекая инвестиции в обмен на долю, когда вы хотите поднять $1 000 000 за 10% от компании, то нужна оценка компании 10 000 000$. На первых этапах, кажется что чем больше оценка компании, тем лучше. Так можно отдать маленькую долю компании. Но это хорошая идея только если это ваш последний раунд инвестиций. Если вы планируете несколько раундов, то подумайте, сможете ли вы стоить в 10 раз больше через 5 лет? Когда вы читаете статьи в интернете, что компания n подняла инвестиции при оценке в $400 000 000, то всегда надо подумать, а как эта компания через 5 лет будет стоит $4 000 000 000? Если вы переоцените свою компанию, и вам дали $1 000 000, то ожидают через 5 лет $10 000 000 возврат. Если компания переоценена на первом раунде, то нужно будет при привлечении второго раунда инвестиций оправдать еще и предыдущую оценку.

          Итак, виды расходов. В Unit-экономике верхнеуровнево выделяют три вида расходов:
          1. COGS (Cost of Good Sold) – расходы на каждую продажу. Логистика, упаковка, хранение, проверка, кэшбек, реклама.

          2. 1sCOGS (First sale COGS) – расходы на первую продажу. Скидка, акция, копеечка таргетологу, бесплатная первая доставка, «приведи друга».

          3. fix COGS – постоянные издержки бизнеса. Аренда офиса, зарплаты.
          Первая формула это пользователи * (ARPU * маржинальность * CPAcq) = маржинальная прибыль. Или EBITDA = Пользователи * (Конверсия * Повторные покупки * (Средний чек — COGS) — CPAcq) — (Пользователи * Конверсия * 1sCOGS) — FixCOGS.

          Вторая для клиента: клиенты * (ARPPU * маржинальность — CAC) = маржинальная прибыль.

  19. Адина

    20.12.2021

    Привет! есть поддомен GA, collect уходит, но представление не отправляет никаких данных.

    • Цветков Максим

      20.12.2021

      Как настроена фильтрация? Правильно делать по хосту, param\.subdomen\.ru.
      Пробуйте отправлять тестовый хинт. Если пройдет в отчета реального времени, то копать сайт и настройки GTM. Если не пройдет — копать счетчик.
      Смотрели, куда уходит collect? Правильный ли ID счетчика? Tag Assistang распознает счетчик? GTM опубликован?

      Или вы достигли лимит на 500 хитов. Выход это покупка 360 и запрос на увеличение кол-ва хитов до 2000 на сеанс.

  20. Вячеслав Викторович

    07.02.2024

    насколько важно показывать прибыль при питчинге проекта инвесторам? и как лучше всего получить инвестиции на свой проект?

    • Цветков Максим

      07.02.2024

      Если вы начнете говорить про прибыль, то вас сразу спросят «сколько?», и как бы вы не ответили, последует фраза «а че так мало». Все потому, что дивидентная модель не интересна инвесторам, они хотят резко, сразу и много денег. С точки зрения инвестора, инвестиция это вложение денег для преумножения дохода и сохранения капитала, а небольшой пассивный заработок лишь плюшка инвестирования, а не самоцель.
      Инвесторы тоже бывают разные, так, я их делю на три категории. Стратегические инвесторы, которые покупают маленькую долю компании и проверяют, насколько технологии компании хороши для полной покупки. Далее, инвестиционные фонды (фирмы) инвестируют в компанию на раннем этапе и ждут роста, далее продают свою долю по новой цене. И бизнес-ангелы.

      Отсюда следует нелогичный факт, что инвесторам интересны даже убыточные стартапы.

      Если вам нужны инвестиции, то существует несколько вариантов. Первый это непрямые инвестиции, т.е. инвестиции через брокера или биржу, NASDAQ (куда хотят все стартапы).
      В интернете много пишут про IPO, но выход на биржу через IPO это долго и очень дорого, миллионы долларов. Включает в себя Проверку финансовой отчетности, проведение roadshow, формирование книги заявок, и многое другое.

      Если стартап крупный, то обычно выбор падает на фондовую биржу. А если вы поменьше, то это получение денег в частном порядке от конкретного инвестора, которому вы продаете часть своей доли в компании.

      Либо прямая продажа акций. Существует термин Cash in — инвестор свои деньги передает внутрь компании и теперь это деньги компании, т.е. на это платятся зарплаты, арендуется офис, сервера. Взамен инвестору передаются акции, которые создаются для продажи, это почти все сделки в мире digital. Либо акции уже распределены по акционерам, и хочется больше денег. Компания не может забрать акции у акционеров, но она может увеличить кол-во акций.
      Cash out — продаются существующие акции, инвесторы получают заслуженную прибыль.

      В чуть более бытовом формате, имейте ввиду, что если мы презентуем результаты работы стейкхолдерам, то нужно держать в уме Opportunity Cost. Если мы тратим деньги на один проект, то не запускаем другой. Если у проекта нет роста, а ресурсы на поддержку тратятся, то проект будет закрыт. Инвесторам важны цифры и факты, анализ рынка и количественные исследования. Инсайты от респов, пересечения трендов, и минимум три конкурентных преимуществ.

      Каждый раз, когда вы захотите продать акции, происходит оценка капитализации компании.
      Стоимость акций считается довольно просто: компанию оценили в 4 000 000 ₽. Я, как инвестор, хочу купить 20% компании за 1 000 000 ₽. После покупки, компания будет оцениваться в 5 000 000₽, это post-money value. Компания должна выпустить 25 новых акций для сделки, 1 000 000 / 25 = 40 000. Это будет cash in.

      Этапы инвестирования:
      Вот вы запустили стартап, он ничего не стоит. Ведь ваш стартап никто сторонний не оценивал, зато вы как овнер владеете 100% компании. Даже если вы вложили в стартап все свои деньги и 5 лет жизни, он по прежнему ничего не стоит без внешнией оценки. Решили получить инвестиции, инвестор оценил ваш стартап в 1 000 000 ₽. Договорились на seed financing (SF) в размерое 5% от этого миллиона, вы получаете 50 000 ₽ и владеет 95% компании.

      MVP удалось и вы сделали первые продажи. Нужно больше денег на рост, и к вам прилетает бизнес-ангел. Выпускаете акции и продаете 30% компании ангелу, падает ваша доля как основателя, ведь кол-во акций выросло. У первого инвестора доля также размылась, т.е. он теперь владеет не 5% компании, а меньшим процентом. Если сделка cash-in (а это почти всегда так), то происходит размытие доли акционеров. Доля уменьшается, но т.к. стоимость компании растет, то денег становится больше за счет роста акций.

      Дела пошли хорошо. Series A financing: приходит фонд и инвестирует $5 000 000 за счет выпуска новых акций. Все доли опять размываются. Помним, что уменьше доли основателя это риск потери контроля над компанией. Не отдавайте на старте щначимую доли в компании, так вы получите мало денег при cash-out.

  21. Вячеслав Викторович

    18.02.2024

    Есть ли какие-то принципы, по которым стоит выбирать инвестора для моей идеи?

    • Цветков Максим

      18.02.2024

      Поиск инвестора это не только напиться вместе, можно разбить на этапы:
      1) Для начала надо понять, нужны ли инвестиции. Если да, то в каком объеме и на какие цели.
      2) Составить список потенциальных инвесторов.
      3) Выйти на контакт с интересующими инвесторами, провести им питчинг своего проекта.
      4) Подготовить необходимые документы для инвестора.
      5) Провеести переговоры.
      6) Разобраться с Term Sheet (список условий сделки).
      7) Подписание договора.
      8) Продолжение взаимодействия с инвестором.

      Инвестиции зависят от фазы проекта. Посевное финансирование это маленькие суммы денег, так как ранний этап проекта и инвестор инвестирует в большое количество стартапов. Еще есть раунд А как начало роста стартапа в корпорацию, или выход на IPO. На каждый этап развития компании есть разные ожидания по объемам денег для инвестирования. Бизнес-ангелами может выступать и ваша семья с парой десятков тысяч $.

      Pre-seed: <$150k Seed: $10k - $2M Series A and Series B: $1M-$30M Series C and above: $40M+ Private Equity&IPO - суммы это сотни миллионов долларов. Если у вас на руках только MVP, то речь будет о Pre-seed с его <$150k. Со стороны инвестора, чтобы окупить инвестиции, надо проинвестировать в 20 стартапов с пониманием, что лишь 1 выстрелит. Если у инвестора есть $1 000 000, то он делится на 20 и тогда инвестиция в ваш продукт будет лишь $50 000. И те же $50 000 можно получить от FFF (family, friends в американском понимании этого слова т.е. знакомые, fools/founders), Безос получил первый раунд инвестиций от родителей. Чуть крупнее будут бизнес-ангелы или синдикаты бизнес-ангелов с инвестициями до $100 000. Опять же, из вашего круга знакомых это могут быть ваши же клиенты в b2b. Например топ-менеджмент, у них эти суммы есть. Это опять же, американский подход. А когда вы чуть подросли, появилась команда, продажи, финансовая модель, можно искать и до $1 000 000. Венчурные фирмы вкладывают от $500 000 до $5 000 000, но это поздние стадии со стратегией и клиентами. Фонды прямых инвестиций дадут до $50 000 000, но их цель будет состоять в получении контрольного пакета компании. И больше всего денег дадут стратегические инвесторы, речь уже об $1 000 000 до $100 000 000, они попросту хотят ваши технологии. Некоторые инвесторы инвестируют для дивидендов, и им нужно видеть чистую прибыль и стабильность. Возможна и обратная ситуация, когда интересует прибыль с роста капитализации компании. Это венчур, где важна скорость роста и полное реинвестирование выручки в рост, без дивидендов. Другая мотивация это получить часть вашей компании и продать её в будущем (инвестиционные банки). Стратегическое партнерство про обоюдную выгоду. Существует даже безвозмездное финанирование в формате подарков и грантов, эти деньги не возвращаются, но требуется целевое использование денег. Очень важно понимать, что инвесторы это не просто деньги. Инвесторы могут быть вовлечены в ваши процессы в разной степени. Кому-то только интересно купить ваши акции, другие же хотят стратегическое партерство (в том числе и бизнес-ангелы), т.к. цкленаправленный рост вашей компании для дальнейщего слияния с другой компанией. Оптимально получать Smart Money, т.е. с деньгами дадут еще и связи, знакомства, знания, опыт, даже технологии.

      • Вячеслав Викторович

        25.02.2024

        Как инвестор поймет, сколько стоит компания, и сколько денег он получит на выходе? пальцем в небо?)

        • Цветков Максим

          25.02.2024

          Обычно, об адекватных раундах инвестиций можно говорить после устойчивых продаж, с выручкой от 100 000 ₽ в месяц. На таком этапе инвестируют от 2 до 10 миллионов ₽ за 7-10% компании. Другими словами, максимальная возможная оценка компании 100 000 000₽, но на деле оценка будет 15-20 миллионов ₽.

          Для стадии seed, нужно выручка в месяц около 2 миллионов ₽, тогда в вас инвестируют 15-30 миллионов ₽ за 20-25% компании. И далее, более стратегические игроки инвестируют сотни миллионов рублей для масштабирования продаж. Это для РФ.

          На Западе, дадут в районе $1 000 000 за 10-15% компании. Далее на раунде seed дадут $1 500 000 за 10-25% компании. В раунде серии А можно рассчитывать на суммы до 10 лямов, за 15-50% компании. 50% ожидают получить стратеги, финансовые инвесторы будут скромнее. Раунд B обогатит компанию на суммы до 25 миллионов за 15-30 процентов от компании, и на раунде С появляются суммы до $50 000 000. И последний этап, IPO, это любые суммы за 50% компании.

          Как оценивается компания: на основе аналогов с мультипликаторами. Мультипликатор это коэффциент. Например, берут аналогичную вашей компанию, смотрят капитализацию и объем выручки, делят и получают мультипликатор. Это формула EV/S (Enterprise Value/Sales). Сверху добавляется скидка в 25%, и получается что ваш стартап стоит три годовых выручки. Еще добавляется дисконт к стране, ждя СНГ это значение было 30%, итого 30+25 = итоговый дисконт 55%. Существуют и другие формулы, например EV/EBITDA (Enterprise Value/EBITDA); P/E (Price/Earnings).

          Мультипликаторы бывают разные. Если мультипликатор идет от выручки, то это от 3 до 10 годовых оборотов. ARP/MRR (текущие контракты в подписке) также дадут мультипликатор от 3 до 10 к текущей стоимости компании.

          В обмен на деньги, инвестор возьмет долю вашей компании. На старте вам принадлежит 100% компании, в качестве кофаундера зовете разработчика, который забирает 50%, вам остается 50% + одна золотая акция. Далее, приходит первое сторонее финансирование от богатого дяди, он дает деньги и получает 5% от вашей компании, также, выделяется опционный пул для сотрудников. Следующим этапом к вам прилетает бизнес-ангел и получает 15% вашей компании, + у всех уменьшаются доли. И так на всех раундах, венчурные капиталисты получают доли, сотрудники реализуют опционы, придет сторонний CEO и увеличит опционный пул еще на 6-8%. Самую большую долу денег в итоге по IPO получат венчурные капиталисты, а основатель получит тоже хорошую денюжку. Это радужное представление ситуации, в реальности, будут более сильные размытия долей, и у основателей к IPO останется примерно 15% компании. Вопрос лишь в том, сколько будет стоить компания на момент IPO. Все это записывается в captable, это внутренний документ компании на Западе и публичный в РФ.

Оставить комментарий

Этот сайт использует Akismet для борьбы со спамом. Узнайте, как обрабатываются ваши данные комментариев.