Growth-маркетинг через експерименти на всій воронці

Зростання починається з розуміння, що саме масштабувати. Обираємо North Star Metric, яка відображає цінність для клієнта й пов’язана з доходом, і розкладаємо її на драйвери. Потім будуємо воронку AARRR з реальними цифрами, щоб побачити найслабше місце.

• Acquisition, Activation, Retention, Revenue і Referral з конверсією між етапами
• Декомпозиція North Star Metric на метрики, на які можна вплинути
• Когортний аналіз утримання за каналами й сегментами
• Продуктова аналітика в Amplitude, Mixpanel чи GA4

Ідея, яка подобається команді, і сильна гіпотеза це різні речі. Гіпотеза має причину в даних, очікуваний ефект і метрику, за якою ми зрозуміємо результат. Пріоритезуємо беклог за впливом, впевненістю й вартістю, щоб першими йшли тести з найбільшим потенціалом.

• Формула «якщо ми зробимо X, то метрика Y зміниться, бо Z»
• Джерела гіпотез у даних, інтерв’ю, записах сесій і відгуках
• Пріоритезація за ICE або RICE
• Experiment card з дизайном тесту й критеріями рішення

Тест з недостатньою вибіркою чи неправильно обраною метрикою дає хибні висновки, і команда впроваджує те, що не працює. Розраховуємо вибірку й тривалість наперед, обираємо метод під задачу й читаємо результат зі статистикою, а не на око.

• A/B і multivariate для сторінок, онбордингу й цін
• Holdout для оцінки довгострокового ефекту кампаній
• Fake door для перевірки попиту на нову функцію до розробки
• Чекліст до і після запуску, щоб уникнути типових помилок

Залучити нового користувача коштує в рази дорожче, ніж утримати наявного. Будуємо lifecycle-комунікації під кожен етап, від активації до реактивації, і міряємо їх за впливом на retention і LTV, а не за відкриттями листів.

• Lifecycle-карта Activation → Engagement → Retention → Reactivation
• Сегментація за поведінкою, RFM і етапом життєвого циклу
• Тригерні email, push і in-app сценарії
• Контроль частоти, щоб не втомлювати аудиторію