MVP. Как выводить на рынок товары и услуги, которые нравятся покупателям

Вторая метрика – процент пользователей, посылающих приглашения, – также может варьироваться в диапазоне от 0 до 100 %. Базовое значение составляет 15 %, так что теоретически мы могли бы улучшить этот показатель на целых 85 процентных пунктов. Опять же, чтобы выразить этот потенциал роста в процентах, мы берем 85 пунктов возможного прироста и делим их на базовое значение – 15 %, получая в итоге 570 %. Таким образом, процент пользователей, посылающих приглашения, имеет значительно больший потенциал роста, чем коэффициент конверсии.

Теперь давайте перейдем к третьей метрике: среднему количеству приглашений, посылаемых одним пользователем. Этот показатель не является процентным. Его минимальное значение равно 0. Базовое значение равно 2.3. Каково же максимально возможное значение для этой метрики? На первый взгляд кажется, что его невозможно определить достаточно точно. Но нам нужна хотя бы приблизительная оценка максимального значения, чтобы рассчитать потенциал роста. Может ли оно быть бесконечным? Нет, поскольку численность населения нашей планеты измеряется конечным числом. Каждый пользователь может пригласить всех своих родственников, друзей и знакомых присоединиться к Friendster. Таким образом, максимальным значением будет среднее количество друзей, которое есть у пользователя Friendster. Что это за число? Я не знал точно, но мне казалось, что разумная оценка составляет от 100 до 200 человек. В 1990-х годах психолог Робин Данбар провел исследование, пытаясь определить максимальное число людей, с которыми человек может поддерживать стабильные социальные отношения. Он пришел к выводу, что этот предел – называемый числом Данбара – равен 150, что соответствует середине моего предполагаемого диапазона. Если мы используем это значение, то увидим, что потенциал роста среднего количества посылаемых приглашений в расчете на одного пользователя составляет 150 ÷ 2.3 = 6 520 %. Даже если отталкиваться от более консервативной оценки максимального значения в 100 приглашений, потенциал роста этой метрики все равно будет значительно превышать аналогичный показатель для двух других метрик.

Когда вы впервые увидели Рисунок 14.5, не возникло ли у вас ощущение дежавю? Взгляните еще раз на кривые рентабельности инвестиций для трех метрик на Рисунке 14.2. Замечаете сходство? Процент пользователей, посылающих приглашения, подобен метрике A с хорошим показателем ROI. Коэффициент конверсии подобен метрике B, для которой характерна низкая рентабельность. Среднее количество приглашений, посылаемых одним пользователем, в наибольшей степени соответствует метрике C. Однако мы не будем знать этого наверняка до тех пор, пока не увидим, насколько значительно можно улучшить значение метрики и каких усилий это потребует.

Выбор НЗМ для улучшения

Я решил сосредоточиться на увеличении среднего количества приглашений, посылаемых одним пользователем, главным образом из-за гораздо большего потенциала роста этой метрики. Второй причиной было то, что улучшение данного показателя не обязательно предполагало попытки изменить человеческое поведение. 15 % наших пользователей уже рассылали приглашения своим друзьям; мы просто собирались сделать так, чтобы они посылали еще больше пригласительных писем. Если бы мы попытались увеличить процент приглашающих пользователей, это потребовало бы усилий, направленных на изменение поведения тех пользователей, которые ранее не занимались рассылкой приглашений. Ведь по каким-то причинам 85 % пользователей решили не приглашать своих друзей присоединиться к сети, несмотря на все наши попытки заставить их это сделать. Поэтому было сложно представить, каким образом можно улучшить ситуацию в этом направлении. Кроме того, я видел, что существующий пользовательский интерфейс функции, отвечающей за приглашения друзей, требует от пользователя совершения слишком большого числа дополнительных действий, и был уверен, что мы сможем существенно упростить эту процедуру.

Цикл оптимизации метрики