Продуктовая аналитика без кода
Восемь коротких уроков: от «что такое активный пользователь» до A/B-теста. Каждый урок заканчивается практикой в инструменте — на демо-данных или на своей выгрузке.
1. Какие данные нужны
Для базовой продуктовой аналитики достаточно двух таблиц: сессии (кто и когда заходил) и заказы (кто, когда и на какую сумму купил). Для воронки добавляется третья — события с шагом и временем.
sessions.csv: user_id, started_atorders.csv: user_id, created_at, amountevents.csv: user_id, step, timestamp
Колонки можно называть по-разному — инструмент определит их сам и даст выбрать вручную. Главное, чтобы в датах был один формат, а пользователь определялся одинаково в обеих таблицах.
2. Активные пользователи: DAU, WAU, MAU
DAU — сколько уникальных пользователей зашли за день, WAU — за неделю, MAU — за месяц. Считать их несложно, сложнее договориться, что значит «активный»: зашёл на сайт или совершил покупку.
В демо-наборе эти числа расходятся почти втрое. Поэтому в отчётах всегда указывайте определение: «активный — был хотя бы один визит» или «активный — совершил покупку».
3. Sticky factor
Sticky = средний DAU месяца, делённый на MAU. Он показывает, какую долю дней типичный пользователь проводит с продуктом. Для интернет-магазина 5–15% — норма, для ежедневного сервиса — 20% и выше.
Смотреть надо не на абсолютное значение, а на динамику: sticky растёт — продукт становится привычкой, падает — люди приходят случайно.
4. Retention по когортам
Когорта — группа пользователей, впервые пришедших в одном месяце. Retention показывает, сколько из них вернулось через месяц, два и три. Это честнее средних: если приток растёт, средний retention тоже растёт, даже когда старые пользователи уходят.
В матрице строка — месяц первого визита, столбцы M0–M3. Читайте по диагонали: как ведут себя когорты на одном и том же сроке жизни.
5. Воронка: где теряются деньги
Воронка показывает, сколько пользователей доходит до каждого шага. Смотрите не только на конверсию в покупку, но и на самый большой отвал между шагами — там обычно и находится точка роста.
В демо-наборе воронка выглядит так: визит 300 → просмотр 262 → корзина 135 → оформление 96 → оплата 49. Главный разрыв — между просмотром и корзиной.
events.csv и сравните разрывы.6. ARPU и LTV
ARPU — выручка на активного пользователя за период. LTV — сколько денег приносит пользователь за всё время. Считать LTV «в среднем по больнице» бессмысленно: у когорт разная судьба, поэтому LTV считают по когортам и накопленным итогом.
Если LTV когорты не растёт от M0 к M3, значит пользователи покупают один раз — и надо работать над повторными покупками.
7. A/B-тест без самообмана
Разница в конверсии может быть случайной. Чтобы отличить сигнал от шума, считают p-value: вероятность увидеть такую разницу, если на самом деле её нет. Значимо при p < 0,05.
Три правила: не подглядывать в результаты каждый день, не останавливать тест на пике, не делать выводов на сотне пользователей. Калькулятор сам предупредит, если данных мало.
8. Отчёт на одну страницу
Хороший отчёт отвечает на вопрос «что делать», а не «что мы посчитали». Держите на странице: период и определение активного, MAU и sticky, retention-матрицу, воронку с главным разрывом, ARPU/LTV и один вывод с рекомендацией.
Именно такой отчёт собирается в инструменте кнопкой «Скачать PDF-отчёт» — можно приложить к встрече или отправить руководителю.
Попробовать на своих данных
Загрузите две выгрузки — получите метрики, воронку и PDF-отчёт.
Открыть инструмент