Как я напугал пользователей опросом

Когда я активно работал над своим приложением то был период, когда я особенно фокусировался на росте Retention. Он был крайне низким и нужно было понять почему.

В книге "Взрывной рост", про которую я писал в этом посте был предложен способ быстро проверить ценность продукта: запустить опрос с таким вопросом:

Насколько вы будете разочарованы если завтра этот продукт исчезнет?
а) очень разочарован
б) не очень разочарован
в) не разочарован (он не так уж и полезен)
г) я уже не пользуюсь продуктом

Если более 40% пользователей ответят, что будут очень разочарованы исчезновением продукта, значит он достаточно востребован и можно бросать все силы на рост. Если меньше 40% - значит нужно вначале поработать над ценностью продукта.

Я запустил опрос, где в том числе был и такой вопрос. Оказалось, что целых 64% людей очень ценят продукт.

Получается, что довольно много активных пользователей ценят продукт, а плато Retention все равно на низком уровне. Почему? Возможно, потому что ценность есть только для небольшого сегмента пользователей, а остальные не находят его полезным и быстро отваливаются.
В такой ситуации ситуации можно было бы попробовать сделать пивот не продукта, а позиционирования. То есть, постараться дотянуться до той аудитории, которая будет больше ценить этот продукт. Но тогда такая мысль не пришла мне в голову.

В целом, этот метод не показался мне очень полезным, либо я чего-то не понял. Думаю, плато Retention - гораздо более надежный индикатор Product-Market Fit. Если удалось достичь удержания пользователей на приличном уровне то вот тут уже можно вкладываться в рост.

Но возник ещё один нюанс: многие подумали, что приложение скоро перестанет работать и они потеряют данные. Мне стали приходить десятки писем от потревоженных пользователей с вопросами, что вообще происходит. Пришлось сворачивать опрос и всех успокаивать.
Когда уже есть приличная пользовательская база надо быть осторожнее с такими опросами.

Результаты опроса

Что такое экономический ров и зачем он нужен?

Понятие экономический ров (moat) ввел один из самых известных в мире инвесторов - Уоррен Баффет. Ров - это конкурентное преимущество компании, которое сложно скопировать. Он как бы защищает прибыль бизнеса от внешних угроз.

В продуктовых компаниях обычно бывают такие рвы:

- Сильный бренд. Доверие к бренду сложно выстроить, но если получилось - это существенное преимущество. Только в России есть десятки CRM, но скорее всего вы сходу назовёте только 2-3, которые у всех на слуху.

- Сетевой эффект. С Tinder и WhatsApp невероятно трудно конкурировать. На их платформах уже есть огромная база пользователей и в этом их основная ценность. Даже если сделать продукт такого типа совершеннее, но в нем будет меньше пользователей, его ценность будет ниже.

- Свой канал привлечения траффика. Если вам удалось, например, прокачать блог продукта и пробиться в топ поисковой выдачи то даже с посредственным продуктом можно обойти конкурентов и получать стабильный поток новых клиентов.

- Высокая стоимость перехода. Если вы делаете продукт, который встраивается в процессы компании, то ей будет сложно внезапно уйти к конкурентам. Ей придется перестраивать свои процессы, а это - трата времени и денег. Другой пример - Evernote или Notion: если у вас там много данных и все удобно структурировано то будет сложно перенести все это в другой сервис.

Пример полного отсутствия рва - это сервис-обертка над ChatGPT, которых сейчас появилось довольно много. Такие сервисы легко скопировать и они быстро коммодитизируются, то есть превращаются в массовый продукт без каких-то уникальных черт. В таком красном океане сложно выживать и зарабатывать.

Вывод: лучше инвестировать время и силы в создание рва, это сделает продукт более устойчивым и защищенным.

Как увеличить LTV приложения с подписной моделью

Замечали когда-нибудь, что во многих приложениях довольно странные цены на подписки? Например, годовая подписка может быть дешевле на 50-70% чем стоимость ежемесячной подписки за 12 месяцев. А lifetime-подписка может стоить как две годовых. Понятно, что владельцы приложений хотят побольше продать более длительных подписок, но не снизит ли это LTV?
Недавно мне попался пост на reddit, где описан интересный подход к формированию цены подписок для B2C-продуктов.

В чем особенность подписной модели в B2C-продуктах? Люди не любят подписки и стараются отменить их при первой возможности. Retention платящих пользователей в приложениях обычно довольно низкий. Зачастую средняя продолжительность подписки составляет всего несколько месяцев. Конечно, кто-то пользуется платной версией годами, но многие пользователи отваливаются уже через 1-2 месяца.

Соответственно, выгоднее продать сразу подписку на год. Но какую скидку нужно дать, чтобы побудить пользователя ее купить? Автор поста предлагает устанавливать цену на годовую подписку не ниже, чем стоимость ежемесячной подписки, умноженной на среднюю продолжительность ее использования. То есть если пользователь в среднем платит за подписку в течение 3,5 месяцев то стоимость годовой подписки должна быть больше 3,5 стоимостей ежемесячной подписки. А если средний пользователь платит за годовую подписку в течение 1,8 лет то lifetime подписка должна стоить больше 1,8 стоимостей годовой подписки.

Дальше в идеале нужно поднимать цену до тех пор пока падение конверсии не станет настолько значимым, что начнет снижать LTV. Так мы найдем точку максимального LTV. Но если возможности тестировать цены нет то автор предлагает просто накинуть 20-25%. В нашем примере с 3,5 месяцами годовая подписка должна стоить как 4,2 - 4,4 ежемесячные подписки. Видимо, они в команде определили, что это значение близко к оптимальному.
В моем приложении, кстати, примерно такое соотношение между тарифами и есть.

Еще интересно, что по соотношению цен на разные тарифные планы у приложений можно прикинуть их удержание платящих пользователей. Это будет полезно если вы, например, собираетесь запустить похожий продукт.

Для B2B подход другой: компании понимают, за что они платят и если подключают какой-то сервис то обычно пользуются им долго. Поэтому в большинстве B2B продуктов либо вообще нет скидок на более длительные тарифы, либо они совсем небольшие.

Как я пытался возвращать пользователей с помощью пушей

Был период в работе над приложением, когда я фокусировался на удержании пользователей. Я обратил внимание, что они покупают премиум-версию в среднем спустя 4 месяца использования приложения. То есть после того как уже попользовались продуктом, рассмотрели функционал и накопили какое-то количество заметок. Поэтому было важно, чтобы как можно больше людей дошли до этого момента.
В статье выше я описал разные подходы, которые тестировал. Здесь поделюсь результатами только экспериментов с пушами.

Когда люди ставят приложение они могут поставить несколько штук и начать пользоваться одним, а про другие забыть. Гипотеза состояла в том, что если показывать пользователям пуши на раннем этапе то про приложение вспомнит больше пользователей и это повысит retention. Такой подход используют многие утилиты. При этом вместо назойливых предложений просто зайти в приложение я решил показывать советы по его использованию. То есть это не должно было раздражать пользователей, а кроме того было бы частью процесса онбординга.

Я долго экспериментировал с текстами пушей, временем показа и количеством дней после установки. В итоге, результаты оказались не очень впечатляющими: после ряда экспериментов удалось поднять Retention 1 дня на 15%, а Retention 7 дня - на 9%. Не процентных пунктов, а именно процентов. Долгосрочный Retention вырос еще меньше.

Какие я сделал выводы?
🟢 Просто встраивать пуши в надежде на рост удержания не имеет большого смысла. Нужно хорошо понимать аудиторию продукта, строить пользовательский путь в приложении и понимать в какой момент и с каким сообщением его можно попробовать вернуть.
🟢 Работа с текстами пушей может дать самый большой прирост метрик.

Стоит ли запускать мобильное приложение в 2025?

Вопрос сложнее, чем может показаться на первый взгляд. С одной стороны, это огромный и все еще растущий рынок, ведь у каждого из нас есть смартфон, в котором мы постоянно залипаем. С другой - он безумно конкурентный, установки стоят дорого, а сторы постоянно ужесточают требования к разработчикам. Сразу оговорюсь, что речь пойдет про неигровые приложения. Игры - это отдельный рынок, который я плохо знаю.

Главная проблема, на мой взгляд - это высокая конкуренция. У мобильных приложений низкий порог входа: написать и опубликовать приложение может любой мобильный разработчик. Поэтому в каждой нише уже есть огромное количество приложений, хотя зарабатывают - единицы. А с развитием AI проблема конкуренции только усугубится, потому что запускать приложения смогут не только разработчики и команды, но практически кто угодно.

Вторая проблема, которая вытекает из первой - это дорогое привлечение. Только за счет качественного ASO продвинуть приложение вряд ли получится. А одна установка через рекламу в США или Европе вполне может стоить несколько долларов. Чтобы отбить затраты на привлечение нужно сделать такое приложение, которое будет зарабатывать на каждом пользователе больше, чем тратит на его привлечение, а это довольно сложно. Пользователи в отличие от компаний очень неохотно платят за цифровые сервисы, а уж подписки и вовсе терпеть не могут. Единственные подписки, которые неплохо работают в B2C - это контент (музыка, фильмы, книги). Ну и за игры люди тоже в среднем платят охотнее, но это по сути разновидность контента, то что развлекает и дает эмоции.

Ну и кроме того, люди устали от бесконечного количества приложений и неохотно устанавливают что-то новое. Это, кстати, одна из причин почему стало больше супераппов.

Думаю, из всего этого должно быть понятно, что в 2025 году точно не стоит запускать очередной таск-менеджер, фоторедактор или пытаться подвинуть тиндер за счет того, что у вас лучше дизайн или пара новых крутых фич. Таких приложений уже десятки и выделиться на их фоне будет довольно тяжело. Кстати, рынок онлайн-дейтинга вообще сейчас на спаде.

А что тогда стоит делать? На мой взгляд, стоит попробовать запустить приложение в нескольких случаях:

🔹 Если вы хорошо разбираетесь в какой-то нише и видите, что некоторые потребности пользователей в ней еще не закрыты или закрыты плохо. Скорее всего, придется сузить нишу для конкретной аудитории, у которой эта проблема довольно острая. Например, вы знаете что фотографы часто тратят по полчаса на редактирование фона / неба и эта проблема плохо решается пресетами. Тогда вы можете сделать фоторедактор с AI-фичей, которая делает это за несколько секунд и экономит время на рутинную работу. Если результат будет достаточно хорош, то многие будут готовые заплатить за такое решение.

🔹 Если у вас есть какие-либо “нечестные преимущества” (unfair advantages). То есть что-то, что вашим конкурентам будет сложно скопировать. Например, у вас уже есть несколько приложений с большим количеством пользователей, через которые вы можете продвигать свой новый продукт. Или блог с прокаченным SEO. Тогда можно сделать просто хороший продукт и обойти конкурентов в каналах дистрибуции.

🔹 Если у вас уже есть своя аудитория и бренд. Например, фотограф с большой аудиторией может продвигать приложение с готовыми пресетами через свои соцсети. Или известный фитнес-тренер может продвигать приложение с программами тренировок. Тут, правда, нужно понять, есть ли смысл делать именно приложение. Возможно, подойдет какой-то другой формат продажи своего продукта.

Как-то так! Хотели бы попробовать запустить свое приложение?

#приложения

От слов к делу: что такое LAM и чем они отличаются от LLM

Наверняка, многие уже давно знают, что такое LLM (Large Language Models) и активно ими пользуются. А слышали ли вы про LAM (Large Action Models)? Они похожи между собой, но есть некоторые отличия.

LAM - это AI-модели нового типа, которые не только понимают язык, но и могут взаимодействовать с внешними программами и средами. То есть результатом запроса может быть не текстовый ответ, а какое-то действие (action): установить будильник, составить и отправить письмо, вызвать API. LAM сочетают в себе:
- Работу с текстом как в LLM
- Интеграцию с внешними приложениями и API
- Возможность принятия решений

Получается, что это просто LLM с интеграцией приложений API? Нет, это не единственное отличие. Архитектура у этих классов моделей примерно одинаковая - они обе трансформеры. Но LLM обучаются только на текстовых данных, в то время как LAM могут обучаться еще и на аудио, видео, а также на действиях: последовательность кликов, вызовы API, паттерны использования интерфейса.

LAM и AI-агенты это одно и то же? Почти, но не совсем. LAM - это основа для создания AI-агента. И основное назначение такой модели - это быть “мозгом” для агента. Но у него есть и другие компоненты. Можно сказать, что AI-агент - это авто, который вас везет, а LAM - это система управления внутри автомобиля, которая знает как рулить, тормозить и объезжать пешеходов.

В качестве примера можно привести Google Gemini, которые интегрирован с приложениями от Google (почта, календарь итд). Или Copilot от Microsoft, который позволяет составлять письма, создавать презентации и делать саммари встреч.

В общем, LAM - это большой шаг на пути к созданию полноценных AI-агентов, которые позволят автоматизировать многие задачи. Если такие агенты станут привычной частью нашей жизни, то это сильно повлияет на то, как мы взаимодействуем с приложениями и сервисами, поэтому стоит следить за тем, что происходит в этой сфере.

#ии

Не потеряться в хаосе: путь от идеи к внятному бэклогу

Представьте, что у вас есть только идея продукта. Как превратить эту идею в MVP с набором must-have фичей и ясным roadmap по его реализации? Как понять, что именно нужно сделать и что должно быть в первой версии, а от чего пока лучше отказаться? Я бы разбил эту работу на следующие этапы:

✅ Исследования пользователей и рынка: сначала нужно понять, для кого мы делаем продукт и какие у этой ЦА есть потребности и боли (pain points). А также составить список ключевых игроков в этой нише и понять, как мы можем с ними конкурировать. В результате нужно получить список болей, которые пока плохо решаются существующими на рынке решениями. Наш продукт должен закрывать эти боли лучше чем продукты конкурентов.

✅ Product Vision: на основании исследования аудитории нужно составить видение продукта. Это короткий документ, который отвечает на вопрос для кого и зачем мы делаем наш продукт. Он обязательно должен описывать цель создания, ЦА, УЦП, конкурентные преимущества и ключевые метрики, но при этом быть достаточно коротким и понятным.

✅ MVP scope: набор must-have фич, которые должны быть в первой версии продукта. Чтобы понять, без чего мы не сможем обойтись нужно сформулировать гипотезы, которые мы хотим проверить с помощью запуска MVP. Все остальное лучше пока отложить.

✅ User flow diagram: это схема, показывающая из каких этапов состоит пользовательский путь и какие там должны быть экраны. Она помогает лучше понять какой функционал будет у продукта. Иногда в процессе ее создания становится понятно, что некоторые экраны не нужны вовсе, а некоторых наоборот не хватает.

✅ Wireframes: по сути, это детализированный user flow diagram. Вместо блоков тут уже есть минимально отрисованные экраны с обозначением основных компонентов. На основании ваирфреймов уже можно формировать задачи для дизайнеров и разработчиков.

✅ Roadmap & Backlog: имея набор необходимых фич и ваирфреймы можно уже сформировать роудмап и бэклог. Роудмап - это план того, как запустить MVP, где расписаны основные этапы работ с указанием сроков. Бэклог - это приоритезированный список задач для продуктовой команды. После того как все задачи будут выполнены у вас будет готова первая версия продукта.

Давайте знакомиться!

Меня зовут Александр Маликов, я солопренер и менеджер продукта. Раньше я работал мобильным разработчиком, а потом создал свое приложение, которое скачали уже более 4 млн раз. Сейчас развиваюсь как менеджер продукта.

Люблю создавать и развивать цифровые продукты. Мне интересно изучать что-то новое и проверять это на практике. А еще я слежу за тем, как технологии влияют на IT-рынок и ищу способы применять их в продуктостроении 👷

На этом канале делюсь своим опытом:
- какие гипотезы тестирую и какие инсайты получаю
- какие ошибки совершаю и чему на них учусь
- как экспериментирую с AI

Если ты тоже развиваешься как продакт или строишь что-то свое, добро пожаловать! Будем обмениваться опытом 🤝

Когда давать скидку, чтобы заработать больше? Делюсь результатами эксперимента

Когда-то давно я добавил в своем приложении скидку на годовую подписку. Она предлагалась спустя 4 месяца использования. Через 4 - потому что пользователи, покупающие подписку, делают это в среднем через 4 месяца после установки. То есть, уже после того как люди попользовались, накопили данные и увидели в продукте ценность. Конечно, есть те, кто делают это раньше или позже, но в среднем - около 4 месяцев.
Поэтому гипотеза была в том, что если “догонять” тех, кто еще сомневается скидкой через 4 месяца, то это повысит LTV. Эта гипотеза сработала, доход от подписок вырос, хоть и не радикально.

Однако, недавно я анализировал некоторые приложения и заметил, что все они показывают скидку уже в первую сессию. Я видел такой подход и раньше, но обратил внимание, что сейчас так делают все. Мне не хотелось давать скидку рано, так как казалось, что скидки каннибализируют покупки других тарифов и снизят LTV. Но увидев, что так делают все я решил, что мне тоже стоит попробовать.

Я запустил эксперимент с показом скидки в первую сессию. Работает это так:
• пользователь устанавливает и запускает приложение
• сразу после онбординга ему показывается экран с премиум-фичами (так было и до эксперимента)
• если он нажимает “назад” или “закрыть”, то ему показываются скидка и таймер (скидка доступна в течение суток)

Эксперимент работал около месяца и дал следующие результаты: общая конверсия в премиум выросла на 49%, LTV вырос на 15-20%. Довольно впечатляюще! Правда этот рост начнет отражаться на росте выручки только через год, когда часть скидочных подписок будет продлеваться и вносить вклад в доход от покупок.
Надеюсь ещё, что рост конверсии замотивирует Play Store более активно рекомендовать приложение и тем самым увеличит рост органики, но это не точно. На Retention и рейтинг приложения этот эксперимент не повлиял, никаких побочных эффектов я не заметил.

Выводы:
✍️Скидки - полезный инструмент и с ним стоит экспериментировать
✍️Если все что-то делают то, возможно, вам тоже надо :)

Интересна тема А/В-тестов? Если да, то ставьте 👍

#эксперименты

AI-агенты: виртуальные сотрудники или обычная автоматизация?

AI-агенты - это сейчас обсуждаемая тема. Все о них говорят, а некоторые уже собирают собственных агентов для автоматизации работы. Но что это такое? Попробуем разобраться.

Для систем с AI можно выделить 3 уровня самостоятельности:
LLM -> AI Workflow -> AI Agent

LLM (Large language models) - это языковые модели, обученные на большом массиве данных. Они пассивны и не принимают решений, а просто обрабатывают входящие запросы и выдают ответы. Кроме того, у них нет доступа к данным пользователя: почте, календарю и т. д. Поэтому ChatGPT не сможет добавить вам новое событие в календарь или проверить, не пришло ли срочных писем.

Agentic workflow - это структурированная последовательность операций. Она предназначена для автоматизации какой-либо задачи и использует AI. Представьте, что вам нужно регулярно анализировать отзывы о каком-то продукте. Чтобы автоматизировать эту задачу можно составить такую последовательность действий:
1. Парсим отзывы и сохраняем данные в таблицу
2. LLM анализирует эту таблицу и генерирует инсайты по заранее заданному промпту
3. Результаты сохраняются в PDF
4. В Slack или Telegram приходит уведомление о том, что отчет готов

Agentic workflow хорошо подходит для задач с заранее заданной логикой. В общем-то, это обычный софт для автоматизации, но на определенном этапе подключается LLM и решает те задачи, которые сложно или невозможно решить алгоритмически.
Собрать свой workflow может каждый, например на этой платформе. Я думал о том, чтобы автоматизировать какую-нибудь задачу, но так и не придумал действительно важных кейсов которые оправдали бы подписку в $24.
На практике именно такую автоматизацию зачастую называют AI-агентами, но на самом деле полноценный агент - более сложная сущность.

AI-агент - это система, которая может автономно выполнять задачи, заданные пользователем. При этом она может самостоятельно принимать решения, а также обосновывать и планировать свои действия.
AI-агенты применяются для задач, где нет заранее прописанной логики выполнения действий. Агенту дается задача и критерии ее выполнения и дальше он должен сам решать, какие методы использовать и как достичь результата.

Ключевая особенность агентов в том, что они могут самостоятельно принимать решения основываясь на результате промежуточной операции. Например, агент управляющий маркетинговой кампанией может анализировать ее результаты, генерировать новый контент и запускать его в тест, а потом снова оценивать результат.
Еще один пример AI-агента - самоуправляемый автомобиль: системе нужно постоянно оценивать внешнюю среду и принимать массу решений.

Эта технология пока только начинает развиваться. В апреле Google анонсировал среду Google Agentspace для создания агентов и автоматизаций. Целятся они в B2B и потенциально это огромный рынок. Microsoft, OpenAI, Anthropic и другие компании также активно развивают это направление.
Тренд интересный. Скорее всего, он будет постепенно менять бизнес-процессы во многих компаниях. Поэтому есть смысл следить за этим направлением. И если интересна эта тема то советую посмотреть вот это и это видео.

А вы уже что-нибудь автоматизируете?

#ии

Как AI поиск повлияет на SEO

Мне очень нравится AI Overview в поиске Google. Я заметил, что если Google выдает такой обзор то я обычно просматриваю его и даже не иду смотреть ссылки. И я такой не один: с появлением AI Overview число zero-click запросов в Google поиске выросло, а CTR снизился.
Я не думаю, что классический поиск по ссылкам исчезнет, но уверен что AI Overview сильно его подвинет. Возможно даже, будет использоваться чаще чем обычный поиск по ссылкам.

На днях я задумался, как AI поиск повлияет на SEO и как под него нужно адаптировать сайты. Для многих продуктов SEO может быть значимым если не основным каналом трафика. Нашел неплохую статью на эте тему. Ключевые тезисы оттуда, которые я для себя выделил:

- Используйте низкочастотные (long-tail) ключевые слова: 3-4 слова
- Создавайте качественный контент: точный, оригинальный, дающий ценность читателю
- Добавляйте больше бэклинков: чем больше ссылок ведет на ваш сайт тем выше шанс, что он появится в AI Overview
- Не пренебрегайте On-Page оптимизацией: ключевики в заголовках, перелинковка между страницами сайта и т. д.
- Улучшайте UX: быстрая загрузка, поддержка экранов телефонов, использование https

Есть ощущение, что неравенство в плане внимания от пользователей только усилится и SEO будет работать хуже. Но, возможно и нет. Во всяком случае рассчитывать только на один канал привлечения пользователей - плохая идея. Особенно когда мир так быстро меняется.

#ии

Micro-SaaS: как запустить продукт одному и без инвесторов?

Я считаю, что SaaS - это лучшая модель бизнеса и если пробовать запускать продукт то это должен быть SaaS. Желательно B2B и в скучной нише.
Но построить бизнес - сложно и мало кому это удается. Проблема продуктового бизнеса (в отличие от услуг) в том, что его сначала надо сделать и только потом получится продавать. Поэтому такие бизнесы обычно требуют приличных вложений пока не начнут окупаться. А может и не начнут… Но что если запустить маленький SaaS, который решает одну конкретную проблему для специфической ниши? Получится микро-SaaS.

Micro-SaaS - это SaaS, работающий в узкой нише и решающей специфическую задачу определенного сегмента. В отличие от обычного SaaS он не требует больших вложений на старте. Для его запуска и поддержки достаточно одного человека или команды из нескольких человек. Такой продукт можно пилить по вечерам и постепенно набирать пользовательскую базу.

Вот несколько примеров micro-SaaS:
- Простая CRM для бьюти-мастеров
- Сокращатель ссылок с аналитикой
- Сервис по транскрибации видеовстреч в текст
- Генератор логотипов для малого бизнеса

Какие преимущества у такого подхода?
- Достаточно одного или нескольких человек для запуска
- Не придется конкурировать с крупным бизнесом - ему не интересны маленькие рынки
- Не нужны инвестиции: запустить первую версию продукта можно без больших вложений, а потом постепенно набирать базу подписчиков и реинвестировать выручку в дальнейший рост

Основной недостаток micro-SaaS в том, что рынок на котором он работает гораздо меньше и сильно вырасти на нем не удастся. Хотя если получилось с одним сегментом, то можно попробовать выходить в соседние и постепенно расти за счет новых ниш.

Как запустить micro-SaaS? Я составил такой алгоритм:
- Выбрать нишу
- Посмотреть какие там уже есть игроки
- Изучить как пользователи работают с текущими продуктами и какие есть сегменты пользователей с плохо закрытыми потребностями
- Поисследовать эти сегменты и вникнуть в их проблемы
- Запустить MVP и протестировать его на первых пользователях
- Постепенно улучшать и растить продукт добавляя наиболее важные фичи и тестируя разные каналы привлечения пользователей

У меня, кстати, примерно так и получилось с моим приложением. Правда я в то время не так осознанно к этому подходил и действовал скорее интуитивно.
В общем, micro-SaaS - это хороший вариант запустить свой продукт без сильных рисков. Большой бизнес из этого вряд ли удастся построить. Но работающий продукт, который будет вызывать гордость и приносить доход - вполне.

Если хотите посмотреть примеры или вдохновиться идеями micro-SaaS то рекомендую вот эту рассылку. Там иногда попадаются интересные продукты.

Буду благодарен, если поделитесь этим постом с теми, кого он может заинтересовать.

#saas

Как я стал показывать рекламу в 2 раза реже и увеличил доход на 18%

У меня в приложении показывается реклама. Для этого я использую платформу Admob. Реклама показывалась довольно часто и пользователи иногда жаловались, что ее слишком много.

Недавно я тестировал, как изменится поведение пользователей если убрать рекламу. На Retention отсутствие рекламы повлияло незначительно. Покупки премиум-версии же наоборот просели, хотя результат - не статистически значимый, поэтому наверняка сказать нельзя. В общем, оказалось, что в отключении рекламы смысла нет.
Но мне стало интересно: что будет если поменять частоту показов? Гипотеза была в том, что рекламные доходы могут остаться такими же, но при этом можно будет показывать рекламу реже и снизить негатив от пользователей.

В идеале стоило бы запустить А/В-тест, но мне не хотелось встраивать функционал А/В-теста в приложение. Поэтому я решил просто поднять частоту показа баннеров в приложении и сравнить с предыдущим периодом времени. До этого частота показа была не чаще чем 1 показ каждые 3 минуты на 1 пользователя. Я увеличил этот интервал до 5 минут. Показы упали лишь немного, но зато CTR вырос довольно существенно. Как следствие выросли CPM и доход от рекламы.

Дальше через какое-то время я увеличил частоту до 6 минут - это особо не повлияло на число показов и доходы, а на 7 минутах началось снижение, поэтому я вернул интервал 6 минут. В итоге доход от рекламы вырос на 17-18%. При этом реклама в приложении теперь показывается в 2 раза реже.

Почему так получилось? Думаю, дело в том, что более редкая реклама стала меньше раздражать и утомлять пользователей. Они стали уделять ей больше внимания и чаще кликать по баннерам. Случайные нажатия тоже могли вырасти. Увидев рост CTR, Admob стал показывать рекламу с более высоким CPM. А более высокий CPM = больше дохода от рекламы. Сейчас это кажется логичным, но почему-то раньше мне не приходило в голову это протестировать.

#эксперименты

Стоит ли переводить приложение на другие языки?

Зачем переводить приложение на другие языки? Очевидно, для того, чтобы больше заработать. Ведь, чем больше языков, тем больше пользователей из разных стран скачает приложение. На самом деле все не так просто. В этом посте расскажу про опыт локализации своего приложения.

Локализация - это не только перевод приложения на другой язык. Нужно учесть и некоторые другие мелочи, например, формат даты и времени. В играх может быть еще сложнее: придется учитывать культурные особенности и некоторые другие аспекты. Но у меня неигровое приложение, поэтому там это не потребовалось.

Изначально я поддерживал свое приложение только на русском и английском и это было довольно удобно. Но в какой-то момент я подумал, что добавление новых языков - это неплохая точка роста.
Сначала я решил брать количеством и добавил португальский и испанский языки, чтобы захватить латинскую америку. Там люди обычно плохо говорят по-английски. Это действительно увеличило органику из этих стран, но на доходы сильно не повлияло, так как у пользователей из этих стран довольно низкий LTV.
Тогда я решил попробовать более богатые страны и добавил немецкий и французский, но это не принесло заметного роста органики, да и покупать немцы и французы лучше не стали.
После этого я перестал добавлять новые языки и стал искать другие точки роста.

Главное неудобство с несколькими языками в приложении в том, что их неудобно поддерживать. Например, добавляешь какую-то новую фичу, где есть несколько текстовых строк и приходится добавлять или менять новые строки на каждом языке.
Есть и еще одна проблема: если пользователь видит, что приложение переведено на его язык то он и в поддержку будет писать на этом языке. В целом это не очень проблематично, так как во многие почтовые клиенты уже встроен перевод и можно понять суть вопроса. Но надо иметь в виду такие ожидания пользователей.

Когда стоит добавлять новый язык? На мой взгляд, в этом есть смысл в двух случаях:
- в приложении уже есть много пользователей из этих стран
- у вас есть стратегия продвижения в этих странах
В иных случаях добавление языка вряд ли даст заметный прирост по установкам и доходам, но при этом усложнит поддержку приложения.
Перед добавлением языка в приложение можно провести тест: добавить в стор скриншоты и описание на этом языке и посмотреть, повлияет ли это на органику или конверсию в установку.

В общем, локализация - это не волшебная кнопка роста и она не даст автоматически больше пользователей. Добавлять языки лучше осторожно и желательно перед этим проводить тесты.

А вы переводили приложение на другие языки? Как результаты?

4 источника идей для развития продукта

Наверняка каждый, кто работает над продуктами хотя бы раз сталкивался с тем, что идеи для роста закончились. Чтобы продолжать расти нужно постоянно тестировать новые гипотезы, но найти такие идеи не всегда просто. В этом посте я опишу основные источники, которыми пользуюсь я.

Конкуренты и похожие продукты
Это отличный источник идей! У конкурентов можно перенимать не только фичи, но и то как они работают с монетизацией и онбордингом, а также когда и в каком размере дают скидки. Важно не слепо копировать все подряд, а адаптировать эти фичи для своего продукта. И внедрять их через тестирование, чтобы ничего не сломать. Особенно полезен такой метод если у вас не очень большой опыт и насмотренность.
И еще: если все что-то делают то, возможно, вам тоже надо.

Аналитика
Аналитика позволяет выявить сложности и проблемы в использовании продукта. Например, увидеть на каком этапе воронки пользователи отваливаются и не доходят до покупки. Или увидеть, после каких действий перестают пользоваться продуктом.
Одной аналитики не всегда достаточно и могут потребоваться качественные исследования, чтобы получше разобраться в проблеме. Но в любом случае данные об использовании продукта - очень ценная вещь и если правильно с ними работать то можно найти инсайты и точки роста.

Отзывы и обратная связь
Я читаю все отзывы о своем приложении и отвечаю на большую часть из них. Иногда пользователи предлагают действительно неплохие варианты, а не только советы из серии “уберите рекламу, тогда поставлю 5 звезд”. Также нужно обращать внимание на часто артикулируемые проблемы, так как их решение также может привести к росту метрик. Например недавно я снизил количество рекламы и это привело к снижению негатива, а доход при этом вырос.
Самое важное - понимать, что не все запросы пользователей нужно реализовывать. Новые фичи должны не только давать ценность пользователям, но и растить продукт. Ну и если вы не уверены то стоит провести исследование, например запустить опрос и спросить, какие фичи были бы наиболее полезны.

Обращения в поддержку
В поддержку обычно пишут по поводу проблем, но бывают и фиче-реквесты. Кроме того, анализируя запросы можно выявить паттерны взаимодействия пользователей с продуктом. Иногда это позволяет понять, что некоторые вещи стоит упростить или изменить.
Ну и очевидно, что если какая-то проблема беспокоит значительное количество пользователей то ее надо исправлять в первую очередь.

А где вы находите идеи для новых фич?

Всем привет! Написал пост про неудачный запуск нового продукта и свои выводы на этот счет.

Постараюсь в будущем писать почаще, но только если будет действительно что-то интересное 😉