Анализ

Анализ — завершающий модуль нашего фреймворка и одновременно начало большой итеративной работы по превращению данных в действия, которые приближают нас к желаемым целям.

Начну с небольшого отступления: знаете «правило 10 000 часов» для достижения мастерства? Есть другое мнение на этот счёт: путь к мастерству не в количестве часов, а в количестве итераций, где каждая новая итерация — это улучшенный подход на базе прошлого опыта.

Что, если человек будет повторять десять тысяч часов одни и те же действия? Вряд ли речь пойдёт об эволюции мастерства, скорее о совершенном автоматизме. Обучение — это процесс исправления ошибок. Оно напрямую связано со способностью получать и интегрировать обратную связь для обновления своих знаний и улучшения будущих прогнозов. Соответственно, наша задача — улучшать своё знание и делать это регулярно, желательно быстро.

Предприниматели и маркетологи — это такие современные философы-агностики, которые понимают, что мир не познаваем на 100% и что каждое знание — относительно истинное знание, пока мы не обретём ещё более совершенное знание.

В этом модуле мы поговорим о том, как:

• данные превращаются в гипотезы, знания и действия
• когда проверять гипотезы, а когда делать ставки
• какие метрики считать
• как приоритизировать гипотезы
• как организовать регулярную работу с гипотезами
  

Как данные превращаются в гипотезы, знания и действия?

Чтобы увидеть скрытую логику генерации гипотез, предлагаю вам схему, которая показывает последовательность процессов и их взаимосвязь.

Данные

Всё начинается с данных. Данные — это огромный массив нейтральных сведений о каком-либо событии. Данные — это просто данные, только интерпретация конкретного человека превращает их в наблюдения, а затем в предположения и гипотезы.

Наблюдения

Наблюдения —  это данные, которые подмечает конкретный человек, например: Андрей говорит, что количество кликов с постов выросло на 20% с 1 апреля.

Предположение

Это персональная интерпретация собственных наблюдений, например: Андрей говорит, что вовлечённость с постов выросла на 50% с 1 апреля из-за нового формата сторителлинга.

Гипотеза

Гипотеза — это предположение о текущем, которое мы хотим подтвердить или опровергнуть. Гипотеза в первую очередь направлена на познание мира и накопление знаний.

У гипотезы структура такая: «Если мы делаем Х, то ожидаем Y, потому что Z». Например: «Если мы перейдём на новый формат постов, то получим рост переходов в регистрацию в размере 30%, потому что истории вовлекают и вызывают желание повторить».

Проверка гипотез — это не только эксперименты, но и дополнительные исследования — главное, чтобы выбранный метод проверки позволял получать знания наиболее экономным способом. Зачастую на этом этапе можно ограничиться выбором лучших практик. В таком случае этап проверки гипотез можно пропустить, потому что мы уже используем проверенные знания.

Знание

Сформулировав гипотезу, мы делаем действия, чтобы её протестировать и в результате наблюдений получить новое знание. Например, наблюдение «Количество регистраций выросло лишь на 10%, хотя вовлечённость выросла на 50%», и на основе этого мы утверждаем, что «Новый формат вовлекает людей, но необязательно конвертирует в регистрацию».

После получения знаний естественным образом возникают две ситуации:

1. Укрепляются наши убеждения, если гипотеза подтвердилась
2. Начинают формироваться идеи о том, как текущую ситуацию можно изменить.

Убеждения

Убеждения — это устойчивое мнение на основе опыта (в лучшем случае) или на базе мнений других людей. Худшее, что можно сделать в работе в маркетинге — это сразу формировать убеждения без проверки гипотез. Убеждения работают таким образом, что мешают человеку делать нейтральные наблюдения, ведь мы склонны подтверждать собственную точку зрения. Остерегайтесь этой ловушки.

Ставки

Здесь мы возвращаемся к своей исходной ситуации и думаем, как её изменить. Для того чтобы принять решение взвешенно, мы переходим к формулированию его в виде ставки: сколько мы готовы потратить, чтобы получить желаемый результат?

Ставка — это решение, которое предполагает, что мы знаем достаточно, чтобы инвестировать ресурсы и принять риски.

Пример: «Я делаю ставку на разработку новой ценовой модели, которая повысит количество покупок более дорогого тарифа на 40%, и инвестирую для этого 5 месяцев разработки одного мидл-специалиста».

Хорошие ставки учитывают не только соотношение ресурсов и результата (ожидаемую полезность), но и риски. В первую очередь, риск того, что мы потратим ресурсы, но не получим желаемого результата. Для того чтобы минимизировать такой риск, нам нужны точные знания, которые помогут нам предсказать, что произойдет после наших действий.

Зачем я об этом рассказываю?

• Цепочка рассуждений полезна тем, что помогает осознать собственную логику и выбирать, когда тестировать гипотезы и копить знания, а когда делать ставку.
• Делает прозрачным для других собственный процесс добычи знаний и то, каким образом принимаются коллективные решения.
• Помогает исследовать процесс мышления других через активное вопрошание.
  

Когда проверять гипотезы, а когда делать ставки?

Делайте ставки, когда у вас есть сильное видение, основанное на точных знаниях. Ставка — это предпринимательский и смелый способ принятия решений в условиях неопределённости. Если вы не чувствуете достаточной уверенности и у вас нет доступа к ресурсам, чтобы сделать ставку, накапливайте знания через проверку гипотез, и со временем у вас появится ясность, на что делать ставку.

Какие метрики считать?

Считайте то, что помогает валидировать гипотезы или констатировать успех ставки, плюс общие показатели бизнеса. Часто умные ребята впадают в паралич, когда у них нет достаточно данных, и не решаются развивать продукт без них. Есть другая крайность — двигаться только из личных убеждений, без проверки гипотез и измеримых ставок.

Простая логика работы с метриками:

1. Определяете, какие метрики вам нужно считать регулярно, чтобы понимать здоровую динамику бизнеса.
2. Формулируете гипотезу.
3. Проверяйте, есть ли у вас средства подсчёта метрик, на которые направлена гипотеза, и этот подсчёт не займёт у вас 2 недели.
4. Назначайте ответственного за подсчёт, фиксируйте точку А.
5. Дизайните эксперимент: как долго и на какую выборку направлен эксперимент.
6. Фиксируйте данные в конце эксперимента.

Здесь я прозвучал страшным дилетантом для аналитиков. Дело в том, что правильная культура A/B тестов гораздо сложнее, чем кажется на первый взгляд. Если говорить более формально, то A/B — это процесс, когда проверяются два и более варианта с целью определения наиболее эффективного. Эффективность измеряется вероятностью ложноположительных и ложноотрицательных решений. Точность эксперимента определяет, насколько вы хотите снизить вероятность ошибки. Мир вероятностей большой и не такой очевидный, как кажется.

Чтобы провести эксперимент по уму, лучше обратитесь к аналитику. Если такого ресурса нет, это не должно вас останавливать от экспериментального подхода. Не страшно выглядеть дилетантом, страшно не пробовать и не ошибаться на этом пути. Наша задача — улучшать свои знания через итерации, делать это регулярно и желательно быстро.

Какие гипотезы тестировать?

Тестируйте составные части процесса обмена покупатель-продукт, которые мы разобрали в предыдущих модулях:

Сегмент

Пример: если мы предложим свой продукт профессиональным маркетологам вместо начинающих фрилансеров, то увидим рост конверсии в продажу на 25% из-за выбора более платёжеспособного сегмента.

Ценность (конфликт, бенефиты, вера в успех, преодоление старых привычек) — тестируем свое ключевое предложение и его составные части.

Пример: если будем предлагать стратегию с квизом с помощью умного ИИ-ассистента вместо обычной регистрации в сервисе, то получим более вовлечённую аудиторию и увидим рост конверсии в платящих на 10%.

Вопросы — тестируем вопросы в квизе или в скриптах продаж

Пример: если в квизе задать вопрос о срочности покупки, то сможем квалифицировать сегмент на подсегменты по критерию вовлечённости, таким образом приоритизируем лиды в отдел продаж и увеличим скорость ответа на 20%.

Активация

Пример: если предложим людям в качестве первого шага не PDF-каталог новостроек, а видеообзор на 30 минут и подборную сравнительную таблицу надёжности девелоперов, то увеличим конверсию в созвон на 50%.

Трафик

Пример: если потратим 100 тыс. на оплату 7 микроинфлюенсеров в Telegram, то получим в 2 раза больше переходов на сайт, чем при покупке рекламы у крупного блогера.

Собирайте результаты гипотез в общую базу, чтобы со временем у вас накапливалось знание, а качество гипотез вырастало. Опровергнутая гипотеза — это тоже хорошо, это совершенствует ваше знание.

Как приоритизировать гипотезы?

Для этого есть готовые фреймворки, например: ICE (Impact, Confidence, Ease).

Суть: Быстрая оценка каждой гипотезы по трём критериям:

• Impact — ожидаемый эффект на метрику
• Confidence — насколько ты уверен в результате
• Ease — насколько легко и быстро гипотезу реализовать

Минус в том, что ICE — это субъективная оценка, где в итоге команда получает суммарное мнение её участников. Если команда не умеет оценивать трезво и системно, фреймворк пользы не принесёт.

Есть RICE (Reach, Impact, Confidence, Effort), где добавляется параметр Reach, то есть, сколько людей реально увидит/почувствует эффект (например, 100 клиентов в месяц).

Тут также есть минусы, оценки параметров требуют данных и опыта. Если оценки «на глаз», результат будет искажён.

Есть PIE (Potential, Importance, Ease), принцип такой же, как в предыдущих двух фреймворках — оцениваете гипотезы по параметрам, которые считаете важными.

Фреймворки приоритизации интересны тем, что дают ощущение порядка в командной работе, но, без стратегии, это всё ещё набор отсортированных гипотез. До внедрения фреймворка приоритизации вам нужно приблизительно понять, в чём ключевое ограничение, на что сделать акцент, чтобы разблокировать рост. Без этого понимания, простота и очевидность гипотез начинают «стягивать» на себя приоритеты.

Чтобы такое понимание сформировать, предлагаю уделить время и визуально разработать собственную модель роста (писал об этом в модуле про трафик), собрать метрики и вместе с командой диагностировать, какая область нуждается в корректировки в первую очередь.

О работе c сегментами

Сегментация — это база. Если гипотезы иссякают, не дают результатов, а метрики стоят на месте — возвращайтесь к базе, а база — это ценность для узкого сегмента людей. Зародыш роста — удовлетворённый клиент. Без счастливых клиентов маркетинг становится тяжёлым полем битвы, где погода и ландшафт играют против вас и вам потребуются огромные ресурсы, чтобы переломить ситуацию.

Мы в Марквиз всё чаще видим, как квизы становятся инструментом по умолчанию для теста гипотез. Например, Яндекс и Skysmart часто начинает проверку своих промоакций с квизов вместо разработки страниц. Удобство заключается в первую очередь в скорости и в возможности за счёт вопросов сегментировать аудиторию. За всё время мы собрали огромный каталог кейсов, который порой нас самих удивляет находчивостью связок с квизами.

Как организовать регулярную работу с гипотезами

Соберите регулярные встречи с ключевыми ролями вашей команды, оптимальная периодичность встреч на старте — 1 неделя. Сначала проверяем состояние регулярных метрик, затем идём к анализу гипотез прошлой недели: фиксируем показатели, наблюдения и делимся идеями для будущих гипотез. В-третьих, берём в работу гипотезы на следующую неделю. Со временем гипотезы начнут усложняться и требовать большего количества времени на разработку, тогда имеет смысл перейти на 2-недельные циклы.

На этом мы завершаем гайд по лидогенерации в нашей авторской интерпретации, и это только начало. Фреймворк, скорее всего, останется таким же, зато детали и глубина материала будут постепенно эволюционировать. Спасибо, что выбрали инвестировать время ❤

Если ощутили ценность от прочтения гайда, оставьте отзыв и подпишитесь на наш телеграм-канал.