Привет, с вами Андрей. Как и обещал, сделаю для канала короткий пересказ своего выступления “LTV is a myth” на конференции HeyGrowth.
Основной тезис состоит в том, что LTV практически никогда не может быть хорошей метрикой для продакт менеджера.
В значительной степени этот доклад родился из раздражения по поводу того, как часто я слышу что-то вроде “эта фича повышает LTV пользователей”. Для меня такое заявление означает, что скорее всего у человека нет практического опыта работы с метриками.
Потому что любой, кто пытался на практике рассчитывать LTV, знает, что в большинстве продуктов у LTV задержка наблюдения такая, что никакие продуктовые решения принимать на ее основе невозможно. И никакие техники наивных предсказаний/экстраполяции не помогут.
LTV отличный инструмент для анализа экономики продукта (но если вам приходится принимать решение на основе экономического анализа, то это, как правило, решение о закрытии продукта). Также это отличный инструмент для performance маркетинга, чтобы лучше конкурентов понимать, сколько вы можете позволить себе платить CAC за привлечение пользователей.
Маркетологи, кстати, научились строить ML модели для предсказания LTV, на которые они довольно активно полагаются. Я отдельно разбираю на примерах, почему для продакт-менеджеров эти модели не подходят, и к каким печальным последствиям может привести их использование “в лоб” для оценки продуктовых изменений.
На что тогда смотреть, если LTV бесполезно и даже опасно? Искать хорошие прокси метрики! С низкой задержкой и сильной корреляцией с целевой метрикой. Я считаю, что умение найти прокси метрики – это отличный маркер скилла продакта. Эта задача требует с одной стороны хорошего понимания ценности продукта, но кроме того технической “насмотренности” в аналитике, чтобы видеть какая метрика будет удобной в работе, а какая будет шуметь и запаздывать.
Если вам интересно прокачаться в работе с метриками, присоединяйтесь к следующему потоку курса Data Driven PM. Как устроен этот курс: никакого бла-бла, мы выдаем доступ к аналитике продукта и задаем по ней вопросы. Ответы на вопросы можно искать с помощью UI (Mixpanel) или SQL (Superset).
Поток стартует 28/06, до среды еще можно записаться с максимально возможной скидкой: productdo.it/data_driven
Основной тезис состоит в том, что LTV практически никогда не может быть хорошей метрикой для продакт менеджера.
В значительной степени этот доклад родился из раздражения по поводу того, как часто я слышу что-то вроде “эта фича повышает LTV пользователей”. Для меня такое заявление означает, что скорее всего у человека нет практического опыта работы с метриками.
Потому что любой, кто пытался на практике рассчитывать LTV, знает, что в большинстве продуктов у LTV задержка наблюдения такая, что никакие продуктовые решения принимать на ее основе невозможно. И никакие техники наивных предсказаний/экстраполяции не помогут.
LTV отличный инструмент для анализа экономики продукта (но если вам приходится принимать решение на основе экономического анализа, то это, как правило, решение о закрытии продукта). Также это отличный инструмент для performance маркетинга, чтобы лучше конкурентов понимать, сколько вы можете позволить себе платить CAC за привлечение пользователей.
Маркетологи, кстати, научились строить ML модели для предсказания LTV, на которые они довольно активно полагаются. Я отдельно разбираю на примерах, почему для продакт-менеджеров эти модели не подходят, и к каким печальным последствиям может привести их использование “в лоб” для оценки продуктовых изменений.
На что тогда смотреть, если LTV бесполезно и даже опасно? Искать хорошие прокси метрики! С низкой задержкой и сильной корреляцией с целевой метрикой. Я считаю, что умение найти прокси метрики – это отличный маркер скилла продакта. Эта задача требует с одной стороны хорошего понимания ценности продукта, но кроме того технической “насмотренности” в аналитике, чтобы видеть какая метрика будет удобной в работе, а какая будет шуметь и запаздывать.
Если вам интересно прокачаться в работе с метриками, присоединяйтесь к следующему потоку курса Data Driven PM. Как устроен этот курс: никакого бла-бла, мы выдаем доступ к аналитике продукта и задаем по ней вопросы. Ответы на вопросы можно искать с помощью UI (Mixpanel) или SQL (Superset).
Поток стартует 28/06, до среды еще можно записаться с максимально возможной скидкой: productdo.it/data_driven