Данные — это ресурс, который помогает масштабироваться: увеличивать прибыль, наращивать пользовательскую базу. На основе данных можно принимать обоснованные решения о том, как развивать бизнес, вместо того, чтобы двигаться вслепую. Говоря о продукте, с помощью данных можно понять, что важно для пользователей продукта и как повысить их лояльность.
На двух реальных примерах из нашего портфолио покажу реальные стратегии работы с данными, которые работают. Названия обеих компаний вымышленные, а данные на дашбордах анонимизированы, чтобы не нарушать NDA.
Способ 1: найти точки роста для своего продукта
Определить точки роста — значит выделить области, которые можно улучшить. Эффективный анализ позволяет не только понять, что именно идет не так, но и определить причины этих проблем, а также найти оптимальные пути их решения.
AI Sales создает голосовых ботов-продажников и обучает их по ТЗ клиента: как правильно отвечать на заявки, рассказывать об услугах и совершать продажи.
Изначально компания обратилась к нам для создания системы внутренней аналитики, чтобы отслеживать финансовые показатели и успехи уже созданных клиентских ботов. Мы увидели, что боты показывают нестабильные результаты, продажи не растут, а клиенты уходят.
Мы провели комплексное исследование с использованием ИИ и ML-алгоритмов:
- Оценили, какие именно параметры влияют на успех продажи (источник лида, время отправки заявки, скорость ответа), с помощью ML-модели классификации. Выяснили, что качество лида влияет на исход сделки сильнее, чем тип продавца.
- Оценили релевантность тем разговора и качество ответов, используя ML-модель для кластеризации диалогов ботов. Анализ показал, что боты корректно придерживаются заданных тем.
- Использовали ChatGPT для моделирования типовых ситуаций общения и сравнения ответов ботов и людей. Обнаружили, что боты часто перегружают собеседника излишней информацией и недостаточно гибки в предложении индивидуальных условий.
В результате мы обнаружили проблему, которая не была очевидна без наглядных дашбордов, и смогли найти ее причину. Это потребовало обработки больших массивов данных, которые было бы почти невозможно перебрать вручную, чтобы сделать на их основе какие-то выводы.
Кроме того, клиенты AI Sales теперь используют дашборды с данными о продажах, которые мы сделали в ходе исследования. Это помогло повысить их лояльность и доверие к AI Sales. Вот так они выглядят:
Этот дашборд сравнивает эффективность продаж человека-сотрудника и AI-бота.
Здесь видим, сколько денег приносит каждый клиент, сколько лидов привлечено, какова их средняя стоимость и как доход распределяется по неделям и месяцам. Он помогает бизнесу видеть, какие клиенты генерируют наибольшую выручку, отслеживать динамику продаж и принимать решения для роста доходов.
А этот дашборд помогает отслеживать, как эффективно обрабатываются звонки, выявлять частые причины отказов и оптимизировать сценарии взаимодействия, чтобы повысить успешность звонков.
Когда бизнес не пытается угадать, что нужно улучшить, или не гонится за трендами, а принимает решение на основе данных, развивать продукт становится легче. Увидели проблему на графиках — составили и проверили гипотезы — точно нашли причину и пришли к решению. Этот алгоритм применим в любом случае, вне зависимости от продукта. При этом важно не просто исправить проблему, но и постоянно отслеживать динамику изменений с помощью аналитики, чтобы убедиться, что предпринятые меры действительно приносят желаемый результат.
Для эффективного поиска точек роста рекомендую использовать следующие метрики:
- Коэффициент активации (Activation Rate) — процент новых пользователей, достигших ключевого момента ценности продукта
- Время до ценности (Time-to-Value) — как быстро пользователь получает пользу от продукта
- Показатель отказов (Feature Adoption Rate) — какой процент пользователей использует конкретные функции
- NPS (Net Promoter Score) — насколько пользователи готовы рекомендовать продукт
- Анализ воронки конверсии по ключевым действиям
- Показатели удержания пользователей (Retention Rate) по когортам
Способ 2: понять, кто ваш клиент и что для него важно
Понимание целевой аудитории — это основа успешного развития любого SaaS-продукта. Чем лучше компания понимает своих клиентов, их потребности, поведение и мотивации, тем более точно она может адаптировать продукт и маркетинг под их запросы. Это понимание является фундаментом для всех дальнейших решений, начиная от разработки новых функций и заканчивая выбором каналов коммуникации. Аналитика данных дает возможность получить объективную картину о пользователях, разбить их на сегменты, выявить особенности использования продукта и определить, что именно влияет на их лояльность и удовлетворенность. Другими словами, аналитика превращает разрозненные данные в осмысленную информацию, позволяя компаниям принимать более взвешенные решения о разработке новых функций, улучшении существующих и выборе наиболее эффективных каналов коммуникации.
Без глубокого понимания своей аудитории компании рискуют тратить ресурсы впустую, разрабатывая функции, которые не востребованы, и проводя маркетинговые кампании, которые не достигают цели. Именно поэтому вложение в аналитику данных и понимание своих пользователей — это инвестиции в будущее бизнеса.
Survey Service — онлайн-платформа для создания анонимных опросов с возможностью купить платную подписку. Это популярный сервис, у которого множество пользователей по всему миру. Несмотря на большой объем данных о пользователях, у компании не было четкого понимания об их поведении, о конверсии и удержании.
С большой пользовательской базой и широкой географией было сложно планировать бюджеты на продвижение и развитие продукта, отслеживать активность пользователей и их реакции на обновления. Это также затрудняло финансовое планирование: не было возможности точно отслеживать динамику прироста или падения числа платных пользователей.
На основе данных клиента мы создали пять дашбордов для разных отделов и бизнес-задач, чтобы принимать решения на основе данных. Среди них были дашборды с ключевыми метриками (общий доход, ARR, MRR, приток пользователей по месяцам), финансовыми показателями и географией пользователей для анализа распределения доходов по странам.
Данный дашборд позволяет анализировать динамику привлечения и удержания клиентов за месяц и год, С помощью этих данных можно разрабатывать и совершенствовать стратегии роста и повышения уровня лояльности клиентов.
Этот дашборд показывает, как распределяются доходы по регионам, и помогает находить точки роста. Полезно, например, для ecom-продуктов.
Этот дашборд анализирует активность пользователей и финпоказатели. Он помогает лучше понять поведение аудитории и оптимизировать стратегии повышения конверсии.
После того как компания получила понимание своей аудитории, важно также использовать эти знания для персонализации. Персонализация может включать в себя адаптацию интерфейса под потребности конкретных сегментов пользователей, предоставление индивидуальных предложений и акций, а также разработку обучающих материалов, которые помогают клиентам максимально использовать возможности продукта.
Как начать использовать данные на пользу бизнеса?
SaaS-проекты генерируют огромные объемы данных, которые можно использовать для развития и улучшения продукта: данные о продажах, пользователях и их активности. Главное — правильно собрать их и использовать. Данные без обработки и удобной наглядной подачи — это просто цифры. А когда их много, извлечь из них инсайты и отследить тренды становится очень тяжело.
Система аналитики позволяет автоматизировать работу с данными: сбор из разных систем и источников, обработку и устранение ошибок, подсчет метрик и верстку графиков. Это гарантирует точность данных (в них не будет ошибок и опечаток из-за человеческого фактора и невнимательности) и автоматическое обновление. Все цифры на дашбордах всегда актуальные, что позволяет оперативно отслеживать любые изменения и при этом не тонуть в десятках таблиц.
Шаги для внедрения аналитики:
1. Определите ключевые метрики. Выберите метрики, которые отражают ключевые аспекты вашего бизнеса:
- Для продукта: MAU/DAU, время в приложении, частота использования
- Для монетизации: MRR, ARR, LTV, средний чек
- Для маркетинга: CAC, ROI по каналам, конверсия в платящих пользователей
- Для поддержки: время ответа, уровень удовлетворенности, процент решенных проблем
2. Настройте сбор и хранение данных. Выберите инструменты для сбора данных и интегрируйте их с вашим продуктом.
Это могут быть:
- Сбор данных: Fivetran, Airbyte, Stitch
- Хранение: Snowflake, Vertica, MySQL, PostgreSQL, Google BigQuery, ClickHouse, Amazon Redshift
- Визуализация: Tableau, Power BI, Looker
3. Создайте дашборды. Визуализируйте данные в виде наглядных дашбордов, которые будут понятны всем сотрудникам.
4. Обучите сотрудников. Убедитесь, что все сотрудники умеют работать с дашбордами и использовать данные для принятия решений.
Разработайте культуру работы с данными:
- Проводите регулярные обучающие сессии
- Создайте базу знаний по метрикам
- Организуйте регулярные data review встречи
5. Регулярно анализируйте данные. Постоянно отслеживайте изменения, выявляйте новые тренды и используйте их для оптимизации продукта и процессов.
Для создания системы аналитики понадобится либо сформировать свой штат аналитиков и дата-инженеров, либо обратиться в консалтинговую компанию, специализирующуюся на аналитике данных. Выбор зависит от вашего бюджета, масштабов бизнеса и внутренней экспертизы.
