Продуктовые, UX/UI и финансовые метрики

Продуктовые, UX/UI и финансовые метрики

Я продуктовый дизайнер, много лет работала на позициях от синьора до лида в B2B и B2C. И раз за разом слышала одно и то же: предлагаешь улучшение — докажи, на какую метрику оно повлияет. Разобраться, какие метрики нужны, не единственная сложность: дальше — как они связаны между собой, где в них рычаг дизайнера, и как посчитать сами данные. Последнее часто требует дорогих технических доработок, и тогда обоснование снова откладывается, а задачи из потока не ждут.

Я решила сократить путь и собрать справочник метрик. Справочник будет пополняться метриками. Если у вас возникнут вопросы или предложения – пишите мне в телеграмм @KatyaYulina

Продуктовые метрики

Путь пользователя от привлечения до ключевого действия

+–Retention Rate

Доля пользователей, вернувшихся через период N

ФормулаRR_N = пользователи в день N / размер исходной когорты × 100%
МетодКогортный анализ
ИсточникAmplitude
ОграничениеОпределить период и событие возврата
+–Churn Rate

Доля ушедших пользователей или клиентов

ФормулаChurn = ушедшие / база на начало периода × 100%
МетодCustomer / product analytics
ИсточникChartMogul
ОграничениеРазличать product, customer и revenue churn
+–Stickiness Ratio

Регулярность использования продукта — отношение дневной активной аудитории (DAU) к месячной (MAU)

ФормулаStickiness = DAU / MAU × 100%
МетодProduct analytics
ИсточникAmplitude / Mixpanel
ОграничениеСвязь с ARPU и LTV требует проверки
+–Activation Rate

Доля новых пользователей, достигших ключевого действия

ФормулаActivation = активированные / новые пользователи × 100%
МетодEvent analytics
ИсточникAmplitude
ОграничениеAha-момент задаётся отдельно для продукта
+–Conversion Rate

Доля пользователей, совершивших целевое действие на этапе

ФормулаCR = совершившие действие / пользователи этапа × 100%
МетодFunnel analytics
ИсточникAmplitude
ОграничениеСвязь с CAC зависит от бюджета и качества трафика
+–Feature Adoption Rate

Доля релевантных пользователей, использовавших функцию

ФормулаFAR = пользователи функции / релевантная аудитория × 100%
МетодEvent analytics
ИсточникAmplitude / Mixpanel
ОграничениеЗнаменатель — не всегда MAU
+–Time to Value (TTV)

Время от начала использования до первого value event

ФормулаTTV = timestamp(value event) − timestamp(signup/start)
МетодEvent analytics
ИсточникMixpanel
ОграничениеОпределить value event

UX/UI-метрики

То, что дизайнер измеряет сам — в исследованиях и юзабилити-тестах

+–Customer Effort Score (CES)

Субъективная оценка усилий пользователя

ФормулаCES = среднее значение ответов по выбранной шкале
МетодPost-task survey
ИсточникHBR / CES
ОграничениеЗафиксировать формулировку, шкалу и направление
+–System Usability Scale (SUS)

Стандартизированная оценка воспринимаемой usability

ФормулаSUS = скорректированная сумма 10 ответов × 2.5
Метод10-item questionnaire
ИсточникBrooke / AHRQ, benchmark
Ограничение68 — средний ориентир, не процент и не универсальная норма
+–Customer Satisfaction (CSAT)

Удовлетворённость конкретным взаимодействием

ФормулаCSAT = средняя оценка или доля положительных ответов
МетодPost-interaction survey
ИсточникNN/G / Stripe
ОграничениеШкалу и порог положительного ответа задать отдельно
+–Task Success Rate

Доля успешных завершений сценария

ФормулаTSR = успешные выполнения / все попытки × 100%
МетодUsability testing
ИсточникNN/G
ОграничениеКритерий успеха задать заранее
+–Time on Task

Время выполнения пользовательской задачи

ФормулаСреднее или медианное время успешной попытки
МетодUsability testing / logs
ИсточникNN/G
ОграничениеМедиана часто устойчивее к выбросам
+–User Error Rate

Ошибки при выполнении сценария

ФормулаUER = число ошибок / число попыток
МетодUsability testing / logs
ИсточникNN/G
ОграничениеОпределить типы ошибок и единицу анализа

Финансовые и бизнес-показатели

Деньги, ради которых существует бизнес

+–LTV / CLV (Lifetime Value / Customer Lifetime Value)Зависит от допущений

Ожидаемый доход от клиента за срок отношений

ФормулаLTV = ARPU × Lifetime; упрощённо LTV = ARPU / Customer Churn
МетодSaaS financial analytics
ИсточникChartMogul
ОграничениеУпрощённая формула требует стабильного churn
+–CAC (Customer Acquisition Cost)

Средняя стоимость привлечения нового клиента

ФормулаCAC = расходы на маркетинг и продажи / новые клиенты
МетодMarketing / sales analytics
ИсточникStripe
ОграничениеОпределить расходы, период и атрибуцию
+–MRR (Monthly Recurring Revenue)

Предсказуемый recurring revenue за месяц

ФормулаMRR = сумма recurring revenue активных подписок
МетодBilling analytics
ИсточникStripe
ОграничениеНе включает разовые и нерегулярные доходы
+–ARR (Annual Recurring Revenue)

Годовой эквивалент регулярного дохода

ФормулаARR = MRR × 12 для стабильной подписочной модели
МетодBilling analytics
ИсточникStripe
ОграничениеДля сложных контрактов нужен отдельный расчёт
+–Revenue Churn

Доля потерянного recurring revenue

ФормулаRevenue Churn = потерянный MRR / MRR начала периода × 100%
МетодBilling analytics
ИсточникChartMogul
ОграничениеУчитывать contraction, expansion и new MRR отдельно
+–NRR (Net Revenue Retention)

Чистое удержание выручки от уже существующих клиентов за период, с учётом допродаж и потерь, без учёта новых клиентов

ФормулаNRR = (MRR начала периода + expansion − contraction − churn) / MRR начала периода × 100%
МетодBilling / SaaS revenue analytics, только когорта существующих клиентов
ИсточникChartMogul
ОграничениеНе путать с Gross Revenue Retention (GRR) — там допродажи не учитываются; NRR > 100% означает, что расширение перекрывает отток
+–ARPU (Average Revenue Per User)

Средний доход на активного пользователя

ФормулаARPU = общий доход периода / активные пользователи периода
МетодRevenue analytics
ИсточникStripe
ОграничениеЗафиксировать период и состав дохода
+–ARPPU (Average Revenue Per Paying User)

Средний доход на платящего пользователя

ФормулаARPPU = общий доход периода / платящие пользователи периода
МетодRevenue analytics
ИсточникChartMogul / Stripe
ОграничениеНе смешивать с ARPU

Growth framework: AARRR (Acquisition, Activation, Retention, Referral, Revenue)

Модель роста Дэйва Макклюра. Делит путь пользователя на пять стадий, чтобы видеть, где люди теряются, и туда направлять усилия по росту

1–Acquisition

Привлечение пользователей и качество входящего потока. Метрики: Traffic, sign-ups, visitor-to-signup CR, CAC

ФормулаAcquisition CR = новые регистрации / посетители или лиды × 100%
МетодWeb/product analytics, attribution
ИсточникAmplitude, PostHog
ОграничениеРегистрации не показывают качество привлечённых пользователей
2–Activation

Достижение первого значимого результата — aha-момента. Метрики: Activation Rate, TTV, onboarding completion

ФормулаActivation Rate = достигшие activation event / новые пользователи × 100%
МетодEvent analytics, funnel analysis
ИсточникAmplitude, PostHog
ОграничениеActivation event задаётся отдельно для продукта
3–Retention

Возвращение пользователей и продолжение использования. Метрики: D1/D7/D30 Retention (удержание через день/неделю/месяц), DAU/MAU, Churn Rate

ФормулаRetention_N = активные в день N / исходная когорта × 100%
МетодCohort analysis
ИсточникAmplitude, PostHog
ОграничениеНужно определить событие активности и период
4–ReferralЗависит от допущений

Привлечение новых пользователей существующими. Метрики: Referral Rate, referred sign-ups, invite conversion, K-factor (коэффициент виральности)

ФормулаReferral Rate = пригласившие других / активные пользователи × 100%
МетодReferral tracking, attribution
ИсточникAmplitude, ProductPlan
ОграничениеNPS (индекс потребительской лояльности) не равен фактической рекомендации — лучше считать реальные приглашения
5–Revenue

Монетизация и доход от пользователей. Метрики: Free-to-paid CR, ARPU, ARPPU, MRR, LTV, CAC payback

ФормулаRevenue CR = платящие пользователи / релевантные пользователи × 100%
МетодBilling and revenue analytics
ИсточникAmplitude, Stripe, ChartMogul
ОграничениеРазличать выручку, recurring revenue, маржу и денежные поступления

Сопоставление метрик

Acquisition Conversion Rate, CAC
Activation Activation Rate, Time to Value, Task Success Rate
Retention Retention Rate, Churn Rate, Stickiness
Referral Referral Rate, referred sign-ups, invite-to-signup CR, K-factor
Revenue MRR, ARR, LTV, ARPU, ARPPU, Revenue Churn

Матрица: UX/UI → продукт → бизнес

От решения дизайнера — к деньгам бизнеса. У каждой карточки есть статус: измерено на тестах или пока предположение

Онбординг МойОфисПроверено A/B-тестом
UX/UI-рычаг

Сокращение шагов и полей онбординга, перенос объяснения ценности до запроса разрешений (кейс NewOnboarding, МойОфис)

Продуктовое следствие

Рост Activation Rate, снижение drop-off в онбординге

Бизнес-результат

Рост Retention D1/D7/D30, потенциальный рост LTV

A/B-тест на 500 000 пользователей, 16 дней — Activation Rate и Retention измерили; связь с LTV не проверяли, это гипотеза
Визард BILLmanagerПроверено тестированием
UX/UI-рычаг

Юзабилити-исследование и упрощение сложного сценария, сокращение шагов визарда (кейс BILLmanager)

Продуктовое следствие

Рост Task Success Rate, снижение User Error Rate и CES

Бизнес-результат

Снижение Churn, потенциальный рост NRR (чистое удержание выручки) в B2B

Юзабилити-тестирование задокументировано; эффект на Churn и NRR не измеряли — гипотеза
Каналы AimylogicКачественная оценка
UX/UI-рычаг

Группировка и переформулировка компонента подключения каналов (кейс Aimylogic)

Продуктовое следствие

Рост Feature Adoption Rate, снижение Design Debt

Бизнес-результат

Снижение Time-to-Market для интеграций, снижение стоимости поддержки компонента

6 лет без критических жалоб пользователей; во сколько это выливается в деньгах — не считали, гипотеза
Прозрачность чекаутаГипотеза
UX/UI-рычаг

Прозрачность цены и сокращение числа шагов до оплаты

Продуктовое следствие

Рост Checkout Conversion Rate

Бизнес-результат

Рост MRR/выручки; риск падения LTV при использовании тёмных паттернов

Пока это общая логика воронки оплаты; подтвердить может только A/B-тест на реальных платежах
Первый экран лендингаГипотеза
UX/UI-рычаг

Первый экран, заголовок, ценностное предложение лендинга

Продуктовое следствие

Снижение Bounce Rate, рост Conversion Rate в клик/регистрацию

Бизнес-результат

Снижение CAC при том же бюджете; риск снижения качества трафика при завышенных обещаниях

Своих данных по этому продукту нет; нужен A/B-тест первого экрана на реальном трафике
Повод вернутьсяГипотеза
UX/UI-рычаг

Повод вернуться, качество ядерного сценария продукта

Продуктовое следствие

Рост Retention Rate, рост Stickiness (DAU/MAU)

Бизнес-результат

Рост LTV, снижение Revenue Churn

Нужен когортный анализ на данных продукта — сейчас это рассуждение, не измерение
Качество точек контактаГипотеза
UX/UI-рычаг

Качество отдельных касаний интерфейса и поддержки

Продуктовое следствие

Рост CSAT, снижение CES

Бизнес-результат

Снижение Churn, потенциальный рост Referral Rate

Связь с Churn и Referral Rate нужно проверять на данных конкретного продукта

Драйверы финансовых показателей

Какие продуктовые и UX-метрики теоретически на них влияют. Ни одна связь здесь пока не проверена на данных

LTV / CLV
Retention Rate, Churn Rate, ARPU, качество онбординга и ядерного сценария
CAC
Conversion Rate на лендинге / в App Store, Bounce Rate
MRR
Checkout Conversion Rate, Activation Rate, Feature Adoption Rate (апселл)
ARR
Те же драйверы, что у MRR (годовая проекция)
Производная от MRR
Revenue Churn
Качество ключевого сценария, User Error Rate, CES/CSAT в поддержке
ARPU
AOV (средний чек) — кросс-селл и апселл, Checkout Conversion Rate
ARPPU
Feature Adoption Rate платных функций, апселл-механики

Ничего не найдено. Попробуйте другой запрос