🔤🔤🔤🔤

Модель AIDA придумал специалист по рекламе Элиас Сент-Элмо Льюис в 1898 году. Она до сих пор актуальна и используется в учебниках по маркетингу и рекламе. Но сегодня мы поговорим, как эта модель может помочь менеджеру продукта в его работе.

Акроним AIDA расшифровывается как:
A – attention (внимание), иногда ещё пишут Awareness (осведомлённость)
I – interest (интерес)
D – desire (желание)
A – action (действие)

Исходно модель описывает процесс, который проходит пользователь, на пути к покупке: внимание → интерес → желание → действие.

1️⃣ Attention/Awareness

Чтобы человек стал потенциальным пользователем:
– он должен знать о существовании продукта и этот продукт должен быть одним из способов решения задачи пользователя;
– а мы должны знать, как «зацепить» внимание потенциального пользователя.

Ответственность менеджера продукта здесь:
– глубокое понимание своего целевого пользователя, с какими проблемами он сталкивается, где возникают точки неудовлетворённости в опыте;
– И умение понятными пользователю словами/смыслами/RTB объяснить, почему ваш продукт лучше остальных решить задачу.

2️⃣ Interest

Привлечь внимание не то же самое, что заинтересовать. Человек, который просто кликнул на баннер, может и не установить ваше приложение. Вы по-настоящему заинтересовали пользователя, когда он выдал вам «кредит доверия» и решил потратить время на ваш продукт, а не на продукт конкурентов.

Ответственность менеджера продукта здесь – это хорошо спроектированный пользовательский опыт первой сессии:
– продуманный, краткий, но ёмкий онбординг в продукте;
– минимальное Time to Value / время до A-ha moment.

3️⃣ Desire

Если вы всё сделали правильно на предыдущих шагах, то интерес пользователя конвертируется в желание решить свою задачу/проблему именно c помощью вашего продукта.

Ответственность менеджера здесь – подумать про switching costs и при необходимости выбрать оптимальный способ их снижения (trial-период, промо-код и пр.). Также важно транслировать образ будущего результата, а сам продукт должен работать, как понятная и предсказуемая для пользователя система.

4️⃣ Action

Ваш продукт должен хорошо решать задачу/проблему пользователя, причём «хорошо» именно по критериям пользователя – экономить время, деньги, быть более удобным, эстетически приятным и др.

После того как пользователь совершит целевое действие, следует:
– поблагодарить пользователя;
– убедиться, что он доволен результатом;
– подготовить почву для повторения сценария/возвращение в сценарий, например, предложение подписаться на push-уведомление, e-mail.

Ответственность менеджера продукта здесь – это обеспечить по-настоящему качественное решение задачи пользователя и не забыть про нюансы выше.
__

Понятно, что модель AIDA сильно упрощает процесс принятия решения о покупке (реальные пользователи действуют не линейно) и в него могут быть встроены дополнительные шаги (особенно это актуально для B2B), а для некоторых индустрий/продуктов она и вовсе может не подходить, но несмотря на все недостатки модель помогает структурировать работу над продуктом.

HADI-циклы 🔃

Работа с гипотезами — один из ключевых навыков, которыми должен обладать менеджер продукта. HADI-циклы — это метод, который помогает прокачивать данный навык. Он был создан в рамках методологии Agile.

Метод включает в себя 4 этапа: формулирование гипотезы → действие → сбор данных → выводы.

Таким образом, мы проверяем гипотезу через действие, чтобы получить данные и сделать вывод.

Предполагается, что цикл бесконечен, т.е. после того, как вы проверили один гипотезу и получили выводы, вы формулируете новую уточнённую гипотезу.

Давайте детально рассмотрим каждый этап 🔬

💡 H – Hypothesis. Гипотеза, сформулированная по правилу:

– Если мы сделаем это,
– то для определённого сегмента,
– это приведёт к такому изменению метрики,
– потому что у нас есть такие аргументы/вера

Обычно идея гипотезы появляется из-за проблем в продукте, неудачного опыта пользователей, поиска новых точек роста и т. д. HADI-циклы особенно полезны для стартапов и MVP, но вы также можете проверять гипотезы для отдельных функций зрелого продукта, изучения рынка, спроса на него, каналов продвижения и др. Критически важно, чтобы гипотеза была сформулирована конкретно, а не верхнеуровнево.

💬 A – Action. Действие, проверка гипотезы выбранным способом (например, с помощью A/B-тестов, Fake Door Test, RITE, 5 Second Test и др.). Важно сделать это быстро, именно за счёт скорости проверки вы быстрее отберёте перспективные гипотезы.

📈 D – Data. Сбор данных, которые подтверждают/опровергают гипотезу. Здесь важно не забывать о репрезентативности выборки и стат. значимости данных, чтобы не спутать закономерности с «шумом».

👀 I – Insight. Анализ данных и выводы/инсайты из них. Здесь важно сделать финальное заключение – подтвердилась ли гипотеза. И сформулировать что делаем дальше – масштабируем гипотезу, или переходим к тестированию следующей, уточнённой гипотезы. Не стоит бояться, что гипотеза не подтвердится, ведь задача HADI — находить не только успешные, но и неудачные гипотезы, чтобы не тратить на них ресурсы.

На что обратить внимание в цикле HADI:

1️⃣ В первую очередь тестируйте те гипотезы, которые могут сильно повлиять на целевую метрику и при этом просты в реализации и при этом есть уверенность в валидности гипотезы. Например, используйте подход RICE, чтобы приоритизировать гипотезы.

2️⃣ Не запускайте несколько HADI-циклов сразу, если они направлены на одну и ту же метрику. Если хотите проверить несколько идей, пусть они будут направлены на разные показатели.

3️⃣ Затраты на проверку гипотезы должны быть соизмеримы с потенциальными выгодами.

4️⃣ Проверяйте только те гипотезы, в которых не уверены. Не тратьте время на проверку того, что и так работает, отличайте факты от гипотез.

5️⃣ Иногда стоит возвращаться к проверке гипотез, потому что технологии и тренды меняются и поведение пользователей может стать другим. Так вы поймёте, гипотеза не подтверждается вообще или только в определённых условиях.

Как тренировать насмотренность? 👀

Ранее я уже писал о том, почему менеджеру продукта полезно тренировать насмотренность.

Важно понимать, что тренировка насмотренности — это не просто просмотр большого количества материалов, а вдумчивое чтение с задаванием себе вопросов:

1️⃣ Почему автор выбрал именно этот способ? Какую проблему он хотел решить?
2️⃣ Получилось ли у него это сделать? Почему?
3️⃣ Как я могу использовать это в своей работе?

Именно такой осознанный, вдумчивый подход поможет вам тренировать свою насмотренность.

🤩🤩🤩 18 ноября приглашаем на лекцию «Как масштабировать продукт». Вы поймете, что готов ли ваш продукт к масштабированию, что нужно учесть, чтобы не потратить зря время, деньги и силы команды. Спикер расскажет, о чём важно подумать — от анализа ценности продукта до выбора способов его продвижения и расчёта unit-экономики.

Ключевые темы

✔️ Ценность продукта и критерии Product/Market Fit
✔️ Критерии выбора каналов продвижения и расчёт unit-экономики
✔️ Виральности и «крючки» в продукте
✔️ Чек-лист с критериями готовности продукта к масштабированию

Спикер — Иван Меркурьев, Senior Product Manager в Яндекс, ментор в GoPractice, эксперт в Эйч, автор телеграм-канала Ordinary PM, 10+ лет опыта в создании и развитии цифровых продуктов в ведущих ИТ-компаниях.

Подробности и регистрация — на сайте.

❗️Мероприятие пройдет в офлайн-формате. Количество мест ограничено, ведется премодерация для комфортного проведения мероприятия. Пожалуйста, дождитесь письма с подтверждением регистрации.

«Хочу уйти в продуктовую аналитику, но везде требуется опыт проведения А/B-тестов. Как быть?»

На вопрос карьерной линии отвечает эксперт Эйч ⭐️ Иван Меркурьев, Senior Product Manager в Яндексе.

A/B-тестирование – один из самых популярных методов, широко используемый как продуктовыми аналитиками, так и менеджерами продукта. Почему так? A/B-тестирование позволяет принимать решения, основанные на данных, а не на вере — тот самый data‑driven‑подход.

Этот метод подходит для проверки разных гипотез: от улучшения конверсии в продукте до тестирования рекламных материалов и контроля качества работы продукта.

В ежедневной работе проведение А/B-тестов во многом облегчено: есть калькуляторы для расчёта параметров теста и системы, которые проводят А/B-тесты, обеспечивая принцип случайности и расчёт результатов. Несмотря на это, на собеседовании важно показать, что вы хорошо разбираетесь в этом методе.

Что важно изучить по этой теме:

1️⃣ Как правильно сформулировать гипотезу А/B-теста

2️⃣ Что такое статистическая значимость и доверительные интервалы

3️⃣ Что значит репрезентативная выборка и какие бывают типы распределения выборок

4️⃣ Как правильно анализировать и интерпретировать данные, отличать закономерность от шума

5️⃣ Какие самые частые ошибки допускаются при проведении A/B-тестов и какие у этого метода есть ограничения применения

Объясните, как провести A/B-тест пошагово, на что обратить внимание, как анализировать данные. Будьте готовы провести расчёт в табличке. Изучайте A/B-тесты — это пригодится!

Прокачать аналитические и другие скиллы при поддержке экспертов Эйч можно на карьерной консультации ➡️ @hcareers

#карьернаялиния@careerwithh