Запустили веб-приложение, вложились в рекламу, посещения и регистрации растут — но выручка стоит на месте. Это классический сценарий: маркетинговые метрики показывают, что реклама работает, но ничего не говорят о том, нужен ли продукт сам по себе. Продуктовая аналитика отвечает именно на этот вопрос: доходят ли пользователи до ценности, возвращаются ли они и становится ли продукт лучше с каждым релизом. Разберём три инструмента, которые для этого нужны, — воронку активации, retention и когортный анализ.
Три вопроса, на которые отвечает продуктовая аналитика
Маркетинговая аналитика смотрит на трафик снаружи: откуда пришёл пользователь и сколько он стоил. Продуктовая — на поведение внутри приложения. Активация отвечает на вопрос «доходит ли новичок до первой ценности», retention — «возвращается ли он потом», а когортный анализ — «становится ли продукт лучше от месяца к месяцу». Средняя длительность визита и глубина просмотра на эти вопросы не отвечают: они измеряют активность, а не ценность. Если ваша отчётность ограничивается визитами и показателем отказов, вы управляете продуктом вслепую.Воронка активации: путь до первой ценности
Активация — это момент, когда пользователь впервые получает ту ценность, за которой пришёл. Для CRM это «создал первую сделку и пригласил коллегу», для онлайн-школы — «досмотрел первый урок до конца», для сервиса доставки — «оформил и получил первый заказ». Сама по себе регистрация ценностью не является: на практике до 60–70% зарегистрированных пользователей так и не совершают ключевого действия. Чтобы найти проблемное место, постройте воронку активации:- Сформулируйте активационное событие — одно конкретное действие, после которого пользователь понимает пользу продукта.
- Выпишите все шаги от регистрации до этого события, включая заполнение профиля и первичные настройки.
- Настройте события в аналитике и убедитесь, что данные приходят корректно.
- Посчитайте конверсию каждого шага и найдите место максимальной потери.
- Выдвигайте гипотезы и тестируйте изменения именно на этом шаге.
Retention: метрика, которая отличает живой продукт от «дырявого ведра»
Retention показывает, какая доля пользователей вернулась в приложение через 1, 7 или 30 дней после регистрации (D1, D7, D30). Смотрите не на отдельные цифры, а на форму кривой: если после 2–4 недель она выходит на плато выше нуля — у продукта есть ядро лояльных пользователей, и это главный сигнал product-market fit. Ориентиры для веб-приложений: D1 около 25–35%, D7 — 12–20%, D30 — 6–12%; в B2B-сегменте важнее месячное удержание активных пользователей — 30–40%. Бенчмарки сильно зависят от ниши, поэтому главный ориентир — динамика вашего собственного продукта: если каждая новая когорта удерживается лучше предыдущей, вы движетесь правильно.Какие инструменты выбрать
Стартовый набор не требует бюджета, а зрелая аналитика — специализированных платформ:- Яндекс.Метрика — бесплатно, цели и события для базовой воронки, Вебвизор для просмотра записей сессий.
- Google Analytics 4 — событийная модель, удобна, если продукт выходит на международный рынок.
- PostHog — опенсорс-аналог, который можно развернуть на своём сервере, что важно для чувствительных данных.
Минимальный набор событий
Не стремитесь отслеживать всё подряд — достаточно 15–30 событий. Обязательный минимум: регистрация, активационное событие, ключевые действия в основных сценариях (создание объекта, оплата, публикация), признаки повторного использования и точки оттока — места, где пользователь бросает процесс. Каждое событие должно отвечать на конкретный вопрос и использоваться хотя бы в одном отчёте. События, которые никто не смотрит, — это балласт, замедляющий и загрузку страниц, и сам анализ.Типичные ошибки
Перечислим то, что чаще всего обесценивает данные и приводит к неверным решениям:- Оценивать продукт по регистрациям и посещениям — эти метрики растут даже у продукта, который массово теряет людей.
- Считать retention по средним за всё время вместо когорт — так вы не увидите, улучшается ли продукт.
- Настраивать сотни событий без гипотез — отчёты тонут в шуме, решения принимаются по интуиции.
- Менять продукт и систему аналитики одновременно — вы не сможете понять, что именно повлияло на метрики.
- Принимать решения на выборке в несколько десятков пользователей — на малых данных случайность выглядит как тренд.
- Игнорировать качественные данные — записи сессий и интервью с пользователями часто объясняют цифры быстрее, чем эксперименты.
Продуктовая аналитика — это не дашборды ради дашбордов, а способ понять, нужен ли продукт и где именно он теряет людей. Старт не требует больших вложений: определите активационное событие, настройте 15–20 ключевых событий, соберите первые когорты и выделите час в неделю на просмотр воронки и retention. Если кривая удержания выходит на плато, а новые когорты удерживаются лучше старых — продукт востребован, и можно смело масштабировать трафик. Если нет — вы хотя бы точно знаете, на каком шаге и в какой когорте уходят пользователи, и можете чинить конкретные проблемы, а не перебирать идеи наугад. Наша команда внедряет продуктовую аналитику в веб-приложения и интернет-магазины — если нужна помощь с настройкой событий и отчётов, напишите нам.