10 947 человек зарегистрировались в ueCalc за девять лет. 90 когда-либо заплатили. Общий доход — 6 356€, общие инвестиции превысили 300 000€.
Я Даниил Ханин. Автор книги «Unit Economics» с предисловием Ash Maurya, автором Lean Canvas. Я учу стартапы считать юнит-экономику.
Эта статья — не жалоба и не мотивационный пост про «учись на ошибках». Это вскрытие. Все числа, вся хронология, все ошибки. И в конце — эксперимент, в котором вы можете участвовать.
Что такое ueCalc
ueCalc — инструмент финансового моделирования для стартапов. P&L прогнозы, метрические деревья, юнит-экономика — без опыта в финансах, без Excel на 40 вкладок.
#unit_economics #cases
Продолжение...
Я Даниил Ханин. Автор книги «Unit Economics» с предисловием Ash Maurya, автором Lean Canvas. Я учу стартапы считать юнит-экономику.
Эта статья — не жалоба и не мотивационный пост про «учись на ошибках». Это вскрытие. Все числа, вся хронология, все ошибки. И в конце — эксперимент, в котором вы можете участвовать.
Что такое ueCalc
ueCalc — инструмент финансового моделирования для стартапов. P&L прогнозы, метрические деревья, юнит-экономика — без опыта в финансах, без Excel на 40 вкладок.
#unit_economics #cases
Продолжение...
1🔥8❤4
Завтра в 16:00 я выложу свою статью на Hacker News.
Это та самая статья — 10 947 регистраций, 90 оплат, €6 356 за девять лет. Полный разбор провала от автора книги по юнит-экономике.
Почему HN? Потому что там сидят люди, которые такие истории уважают. И если пост попадёт на главную — это тысячи просмотров от целевой аудитории.
Мне нужна ваша помощь. Завтра в 16:00 CET я скину сюда ссылку. Если зайдёте и поставите upvote в первые 30 минут — это критически важно. Именно первые полчаса решают, попадёт пост на главную или утонет.
Что нужно сделать:
1. Завтра в 16:00 — я кину ссылку сюда
2. Перейти по ссылке
3. Нажать ▲ рядом с заголовком (нужен аккаунт на news.ycombinator.com)
4. Всё. Это занимает 10 секунд
Если у вас нет аккаунта на HN — можно создать прямо сейчас, чтобы завтра не тратить время: news.ycombinator.com
Девять лет я верил, что продукт продаёт себя сам. Не продаёт. Пора пробовать по-другому.
Это та самая статья — 10 947 регистраций, 90 оплат, €6 356 за девять лет. Полный разбор провала от автора книги по юнит-экономике.
Почему HN? Потому что там сидят люди, которые такие истории уважают. И если пост попадёт на главную — это тысячи просмотров от целевой аудитории.
Мне нужна ваша помощь. Завтра в 16:00 CET я скину сюда ссылку. Если зайдёте и поставите upvote в первые 30 минут — это критически важно. Именно первые полчаса решают, попадёт пост на главную или утонет.
Что нужно сделать:
1. Завтра в 16:00 — я кину ссылку сюда
2. Перейти по ссылке
3. Нажать ▲ рядом с заголовком (нужен аккаунт на news.ycombinator.com)
4. Всё. Это занимает 10 секунд
Если у вас нет аккаунта на HN — можно создать прямо сейчас, чтобы завтра не тратить время: news.ycombinator.com
Девять лет я верил, что продукт продаёт себя сам. Не продаёт. Пора пробовать по-другому.
1❤🔥6👍5❤3🤡1🤝1
Выложил на Hacker News 👆
https://news.ycombinator.com/item?id=47934714
Если есть аккаунт — зайдите и нажмите ▲. Первые 30 минут решают всё.
https://news.ycombinator.com/item?id=47934714
Если есть аккаунт — зайдите и нажмите ▲. Первые 30 минут решают всё.
🔥4
Диаграмма Ханина: как визуализировать двустороннюю бизнес-модель
Диаграмма Ханина — круговая визуализация двусторонних бизнес-моделей: MAU как контейнер, supply и demand сходятся на лидах, цель бизнеса в центре. Альтернатива санкей-диаграмме для маркетплейсов.
#CPO_notes
Диаграмма Ханина — круговая визуализация двусторонних бизнес-моделей: MAU как контейнер, supply и demand сходятся на лидах, цель бизнеса в центре. Альтернатива санкей-диаграмме для маркетплейсов.
#CPO_notes
❤3
loOom v0.8.
Что я заметил — повторяющиеся аналитические задачи (контроль финплана, ежемесячные OKR, разбор отклонений) каждый раз делаются почти одинаково. А агент, которого зовешь помочь, каждый раз стартует с нуля и не помнит ни источников, ни алгоритма, ни прошлых договоренностей. И ты заново пересказываешь контекст.
В v0.8 добавил задачи. Это просто папка
При первом запуске агент сам спрашивает про источники и алгоритм и пишет instruction.md. Со второго раза стартует с накопленным контекстом, не с нуля. Зашел в задачу — граф фильтруется на её scope.
Из мелочей: починил ввод кириллицы в названиях, бинарь теперь universal (Intel + Apple Silicon).
macOS, ~640 КБ, без сети, без зависимостей. С Demo внутри.
https://khanin.info/uploads/looom/looom-0.8-macos.tar.gz
Что я заметил — повторяющиеся аналитические задачи (контроль финплана, ежемесячные OKR, разбор отклонений) каждый раз делаются почти одинаково. А агент, которого зовешь помочь, каждый раз стартует с нуля и не помнит ни источников, ни алгоритма, ни прошлых договоренностей. И ты заново пересказываешь контекст.
В v0.8 добавил задачи. Это просто папка
.looom/tasks/NNN/ из пяти текстовых файлов: цель, алгоритм, накопленные знания, короткий журнал сессий, связанные сущности. Никаких баз, никаких параллельных структур — файлы и есть состояние, можно править руками.При первом запуске агент сам спрашивает про источники и алгоритм и пишет instruction.md. Со второго раза стартует с накопленным контекстом, не с нуля. Зашел в задачу — граф фильтруется на её scope.
Из мелочей: починил ввод кириллицы в названиях, бинарь теперь universal (Intel + Apple Silicon).
macOS, ~640 КБ, без сети, без зависимостей. С Demo внутри.
https://khanin.info/uploads/looom/looom-0.8-macos.tar.gz
❤4👍3
ищу людей для cust dev, кто прямо сейчас делает или недавно делал дерево метрик, хочу задать пару вопросов.
Частенько слышу вопросы как продуктовом аналитику жить в эпоху ИИ.
Forwarded from Энергия данных | Мария Дробинская
13-15 мая в Астане проходит выставка Business Technology EXPO. Сегодня выступала с докладом в секции «Data Science. Гибридная архитектура для Agentic AI решений». Рассказывала, как переходить от BI к AI-ассистентам на примере Power BI и Copilot. 📱
Перехожу в общем на тёмную сторону 😊
Вообще в последнее время редкий заказчик не спрашивает, как встроить ИИ в дашборды. Я долгое время пребывала в дичайшем скепсисе относительно этой идеи. Почему? Потому что вижу, что происходит в данных в компаниях. Заходя с проектом внедрения BI поднимаем из пучины всё то, на что могли не обращать внимания годами. Перекладыванием на логику обработки данных все эти моменты постепенно вскрываются и приводятся в структуру, справочники встают стройными рядами, данные вносятся тогда, когда должны, и полностью, убираются частности и заплатки в расчётах. И многое-многое другое. Но сейчас заказчики хотят сразу совершить прыжок из хаоса в ИИ. Потому что ИИ воспринимается как волшебная таблетка, которая сразу всё в бизнесе наладит. Кидайте в меня помидорами. 🍅 Не наладит. Усилит бардак, ещё и рекомендаций выдаст таких, что ого-го. 😣
Для BI тоже надо делать порядок. Но порядок, который требует ИИ – кратно «порядочнее». Потому что BI, как ни крути, исконно делали разработчики. И тут человеческий фактор что на входе (в данных), что на выходе (в реализации дашбордов). А ИИ требует структуры и логики.
❗️ И чем чётче, конкретнее и понятнее всё реализовано, тем меньше ИИ делает ошибок, и тем больше толку от ИИшных рекомендаций. Тем больше они «в попад».
🔤 Потому да, перехожу на тёмную сторону. Осторожно так, вкрадчиво. И заказчиков призываю не впадать в ИИллюзии, а трезво оценивать, что ИИ может, а что – увы.
❗️ А вот при правильном применении - мощь великая!
Перехожу в общем на тёмную сторону 😊
Вообще в последнее время редкий заказчик не спрашивает, как встроить ИИ в дашборды. Я долгое время пребывала в дичайшем скепсисе относительно этой идеи. Почему? Потому что вижу, что происходит в данных в компаниях. Заходя с проектом внедрения BI поднимаем из пучины всё то, на что могли не обращать внимания годами. Перекладыванием на логику обработки данных все эти моменты постепенно вскрываются и приводятся в структуру, справочники встают стройными рядами, данные вносятся тогда, когда должны, и полностью, убираются частности и заплатки в расчётах. И многое-многое другое. Но сейчас заказчики хотят сразу совершить прыжок из хаоса в ИИ. Потому что ИИ воспринимается как волшебная таблетка, которая сразу всё в бизнесе наладит. Кидайте в меня помидорами. 🍅 Не наладит. Усилит бардак, ещё и рекомендаций выдаст таких, что ого-го. 😣
Для BI тоже надо делать порядок. Но порядок, который требует ИИ – кратно «порядочнее». Потому что BI, как ни крути, исконно делали разработчики. И тут человеческий фактор что на входе (в данных), что на выходе (в реализации дашбордов). А ИИ требует структуры и логики.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3👌1
Я знаю, очень многие любят халяву, а я ее не люблю. Но кто я такой, чтобы спорить с вами.
В общем я выкатил вам в бесплатный доступ свой редактор деревьев метрик. Пока это эксперимент - будет хорошо, будет и монетизация, те кто будут помогать — сохранят доступ. В общем —бета тест, так сказать.
Если вы хотите, создавать именно деревья-метрик, которые будут вести себя как дерево, и помогать вам в управленческих решениях, то вперед, налетай.
https://a.khanin.info
В общем я выкатил вам в бесплатный доступ свой редактор деревьев метрик. Пока это эксперимент - будет хорошо, будет и монетизация, те кто будут помогать — сохранят доступ. В общем —бета тест, так сказать.
Если вы хотите, создавать именно деревья-метрик, которые будут вести себя как дерево, и помогать вам в управленческих решениях, то вперед, налетай.
https://a.khanin.info
🔥12❤3
мой последний пост про сервис, рисования деревьев метрик собрал очень мало просмотров, и мало регистраций, скажите, друзья, вам вообще эта тема не интересна? ну то есть я пишу, то, что вам не нужно (я смотрю на факты по действия).
Скажите, а что вам тогда интересно?
Скажите, а что вам тогда интересно?
❤3👍2
Большой обман в экономике AI стартапов
Калькулятор завышения выручки AI-стартапов: CARR вместо ARR, пилоты в доход, «округление» $42M до $50M. Реальные кейсы из расследования TechCrunch.
#LLM_notes #cards
Калькулятор завышения выручки AI-стартапов: CARR вместо ARR, пилоты в доход, «округление» $42M до $50M. Реальные кейсы из расследования TechCrunch.
#LLM_notes #cards
👍5🔥3❤1
Честно говоря, я начинаю выгорать на формате «снимаю на ходу».
Поэтому, в этот раз, сделал иначе: впервые снял ролик по сценарию, со структурой, разбором и монтажом. Вышел длинным, почти 33 минуты, но плотным — без воды.
Разбираю, что такое дерево метрик и как им реально пользоваться, чтобы решать, над чем работать команде. На примере сервиса доставки продуктов. И проговариваю то, что обычно опускают:
— почему растить CLTV — это ещё не план, а только вопрос
— почему нельзя просто так связать выручку с метриками юнит-экономики (календарное и когортное — разные вещи)
— сначала находишь, что болит, и только потом придумываешь решение. Не наоборот.
Уже можно посмотреть — https://youtu.be/SIS9CyELirY. Если тема близка, буду рад вашему мнению.
Поэтому, в этот раз, сделал иначе: впервые снял ролик по сценарию, со структурой, разбором и монтажом. Вышел длинным, почти 33 минуты, но плотным — без воды.
Разбираю, что такое дерево метрик и как им реально пользоваться, чтобы решать, над чем работать команде. На примере сервиса доставки продуктов. И проговариваю то, что обычно опускают:
— почему растить CLTV — это ещё не план, а только вопрос
— почему нельзя просто так связать выручку с метриками юнит-экономики (календарное и когортное — разные вещи)
— сначала находишь, что болит, и только потом придумываешь решение. Не наоборот.
Уже можно посмотреть — https://youtu.be/SIS9CyELirY. Если тема близка, буду рад вашему мнению.
❤7👍4🔥1
Media is too big
VIEW IN TELEGRAM
решил сравнить процесс создания дерева метрик (пока просто примитивное оформление) в Metric Tree Studio и Miro.
Что скажете, как вам?
сервис бесплатный, можете пробовать сами: https://a.khanin.info
Что скажете, как вам?
сервис бесплатный, можете пробовать сами: https://a.khanin.info
1👍3
Недавно мне пришлось посчитать метрику take-rate для одного classifieds проекта и я обратил внимание на то, что для таких проектов ее считают не совсем корректно, по этому я решил поделиться своими соображениями на этот счет.
Начнем с того, что такое take-rate в classifieds – это метрика, которая показывает, сколько компания зарабатывает от того, сколько стоят объявления, которые она размещает на своей платформе.
Считается она по формуле:
$take\text{-}rate=\frac{Revenue}{GMV}$
То есть, надо взять сумму стоимости всех товаров и услуг размещенных на площадке и поделить на сумму денег, которые получила площадка за размещение объявлений на площадке.
Зачем нужна эта метрика?
Данная метрика показывает, на сколько эффективно устроено ценообразование на площадке, потому, что такая площадка, фактически помогает продавать товары и услуги, а значит ее доход должен как-то коррелировать со стоимостью рекламируемых товаров и услуг.
При этом, если брать базовую юнит-экономику, то она ни как не связана ни с take-rate ни с GMV. Но при этом, сама по себе метрика take-rate должна быть связана с ценой, которую мы описываем как AOV в юнит-экономике. Именно по этому очень важно правильно считать эту метрику, так как при не правильном анализе, мы можем некорректно управлять ценообразование площадки и потерять доход от платящих клиентов.
#unit_economics #cohort_analysis #CFO_notes
Продолжение...
Начнем с того, что такое take-rate в classifieds – это метрика, которая показывает, сколько компания зарабатывает от того, сколько стоят объявления, которые она размещает на своей платформе.
Считается она по формуле:
$take\text{-}rate=\frac{Revenue}{GMV}$
То есть, надо взять сумму стоимости всех товаров и услуг размещенных на площадке и поделить на сумму денег, которые получила площадка за размещение объявлений на площадке.
Зачем нужна эта метрика?
Данная метрика показывает, на сколько эффективно устроено ценообразование на площадке, потому, что такая площадка, фактически помогает продавать товары и услуги, а значит ее доход должен как-то коррелировать со стоимостью рекламируемых товаров и услуг.
При этом, если брать базовую юнит-экономику, то она ни как не связана ни с take-rate ни с GMV. Но при этом, сама по себе метрика take-rate должна быть связана с ценой, которую мы описываем как AOV в юнит-экономике. Именно по этому очень важно правильно считать эту метрику, так как при не правильном анализе, мы можем некорректно управлять ценообразование площадки и потерять доход от платящих клиентов.
#unit_economics #cohort_analysis #CFO_notes
Продолжение...
Даниил Ханин
Как правильно считать take-rate
Почему классическая формула take-rate в classifieds приводит к ошибочным выводам и как считать метрику корректно — через когорты и накопленный доход с каждого объявления.
Апелляция к авторитету — одна из логических ошибок, которая происходит, когда утверждение считается верным только потому, что его высказал человек с опытом, регалиями или высоким статусом, вне зависимости от реальных фактов.
Недавно мне попался ролик академика РАН Роберта Нигматулина, который утверждал следующее: "Я во всех странах где бывал, а я бывал во многих странах, я всегда спрашиваю сколько стоит литр бензина? какая минимальная заработная плата? И сколько стоит килограмм хлеба? ... Минимальная зарплата округленно это примерно 1000 литров бензина, ну 800. ... 1 литр бензина это 3 кг хлеба ..."
Мне стало это интересно, и так как никаких источников не было указано, кроме посещенных стран, я собрал свою базу (попросил Claude собрать), и что в итоге — только 36 стран из 168 имеют минимальную зарплату размером в более 700 литров бензина (я взял ниже специально), причем это абсолютно разные страны, на первом месте субсидруемый бензин в Ливии больше 6500 литров на минимальную зарплату, в Турции 300 литров, в Китае чуть больше 350 и т.д.
С хлебом примерно тоже самое, только 18 стран позволяют купить больше 2 кг хлеба за литр бензина. Причем меньше всего хлеба можно купить в США 165 место из 168 и в Венесуэле 168 место.
Ключевой вывод в том, что даже академики РАН могут ошибаться в выводах, говорить вещи не подкрепленные фактами и в целом просто врать.
Такое бывает в целом не только с академиками, но и с нобелевскими лауреатами, и вообще в целом, при обсуждении чего либо не стоит аргументировать тем, что кто-то где-то что-то сказал, апеллируйте к фактам.
Недавно мне попался ролик академика РАН Роберта Нигматулина, который утверждал следующее: "Я во всех странах где бывал, а я бывал во многих странах, я всегда спрашиваю сколько стоит литр бензина? какая минимальная заработная плата? И сколько стоит килограмм хлеба? ... Минимальная зарплата округленно это примерно 1000 литров бензина, ну 800. ... 1 литр бензина это 3 кг хлеба ..."
Мне стало это интересно, и так как никаких источников не было указано, кроме посещенных стран, я собрал свою базу (попросил Claude собрать), и что в итоге — только 36 стран из 168 имеют минимальную зарплату размером в более 700 литров бензина (я взял ниже специально), причем это абсолютно разные страны, на первом месте субсидруемый бензин в Ливии больше 6500 литров на минимальную зарплату, в Турции 300 литров, в Китае чуть больше 350 и т.д.
С хлебом примерно тоже самое, только 18 стран позволяют купить больше 2 кг хлеба за литр бензина. Причем меньше всего хлеба можно купить в США 165 место из 168 и в Венесуэле 168 место.
Ключевой вывод в том, что даже академики РАН могут ошибаться в выводах, говорить вещи не подкрепленные фактами и в целом просто врать.
Такое бывает в целом не только с академиками, но и с нобелевскими лауреатами, и вообще в целом, при обсуждении чего либо не стоит аргументировать тем, что кто-то где-то что-то сказал, апеллируйте к фактам.
💯5❤1👍1
Скажите, друзья! а кто из вас реально применяет Data Driven подход, и в чем он заключается? расскажите мне