Данные решают: Как бизнес-аналитика превращает цифры в рост компании

Данные решают: Как бизнес-аналитика превращает цифры в рост компании

Вера Лунница

От интуиции к доказательствам: зачем бизнесу аналитика данных

В понедельник в девять утра генеральный директор «Контур-Склада» положил на стол распечатку с красной линией графика.

— Продажи падают второй месяц. Совет директоров ждёт план к вечеру. Нам нужно решить, куда направить деньги: в скидки, в отдел продаж или в продукт.

В переговорной стало тихо ровно на секунду.

— Клиенты уходят к тем, кто дешевле, — сказала коммерческий директор Елена. — За последнюю неделю я лично слышала это от трёх компаний. Если не снизим цену, потеряем рынок.

— У нас не проблема цены, а проблема лидов, — возразил руководитель продаж Антон. — Рекламные кампании привели не тех людей, а менеджеры не успевают связаться с теми, кто действительно готов покупать. Нам нужны дополнительные сотрудники.

Директор по продукту Илья покачал головой:

— Вы оба смотрите не туда. После обновления интеграции клиентам стало сложнее подключать систему. Люди не получают ценность вовремя — и уходят. Надо остановить часть разработки и чинить онбординг.

Каждый говорил убедительно. У каждого были примеры, цифры и личная ответственность за свою часть бизнеса. Елена отвечала за выручку, Антон — за выполнение плана продаж, Илья — за продукт. Никто не пытался обмануть коллег. Но каждый видел компанию через своё окно.

И это было не обычным спором о бюджете. На кону стояло решение, которое требовалось принять сегодня. Скидка могла уменьшить маржу. Найм увеличивал постоянные расходы. Перестройка продукта отодвигала другие задачи. Любой вариант стоил денег — и любой мог оказаться ответом не на ту проблему.

Генеральный директор посмотрел на распечатку:

— На графике падение. Но где именно оно происходит?

Этот вопрос изменил ход совещания.

Убедительная версия — ещё не причина

«Контур-Склад» продавал облачную систему учёта для региональных торговых сетей. За два месяца число новых контрактов снизилось на 23 процента. Одновременно участились отмены: за тот же период компанию покинули 34 клиента против обычных 29. На первый взгляд вывод напрашивался сам собой: бизнес теряет клиентов, значит, надо понять, почему.

Но «продажи падают» — не диагноз. Это общее описание, в котором могут смешаться разные процессы: меньше новых заявок, хуже конверсия, дольше согласование сделки, сокращение числа продлений или отток уже подключённых клиентов. Если не разделить эти составляющие, команда рискует лечить не причину, а самый заметный симптом.

Аналитик компании предложил начать с трёх простых вопросов:

1. Что именно изменилось — новые контракты, выручка, конверсия или отток?

2. Где и у каких клиентов изменение сильнее всего?

3. Какое наблюдение заставило нас считать, что причина уже известна?

Последний вопрос обычно неприятнее первых двух. Он отделяет то, что команда действительно видела, от объяснения, которое успела к этому наблюдению добавить.

Представим простую последовательность:

• Наблюдение: клиент отменил подписку через месяц после продления договора.

• Предположение: клиент ушёл из-за повышения цены.

• Свидетельство: доля отмен среди сопоставимых клиентов, которых коснулось повышение цены, заметно выше, чем среди тех, кого оно не затронуло.

Даже последнее ещё не обязательно доказывает причинную связь. Возможно, цену подняли именно для сложных клиентов, у которых и без того был высокий риск ухода. Но это уже основание проверить версию тщательнее, а не принимать её на веру.

Интуиция в такой ситуации полезна. Опытный руководитель замечает знакомые сигналы, связывает разрозненные события, чувствует, что привычный процесс дал сбой. Без этого первого импульса команда могла бы вообще не задать правильный вопрос. Однако интуиция хорошо находит возможные объяснения — и хуже определяет, какое из них верно.

Особенно легко перепутать частный случай с общей закономерностью. Яркий разговор с недовольным клиентом запоминается лучше, чем сотня спокойных продлений. Экономисты и психологи Даниэль Канеман и Амос Тверски описывали, как доступность примера в памяти влияет на оценку его частоты: если случай вспоминается быстро и эмоционально, мы склонны считать его более типичным, чем он может быть. Это не дефект характера. Это обычный механизм мышления, который становится опасным, когда единичный эпизод сразу превращают в крупное бюджетное решение.

Опыт особенно ценен там, где закономерности устойчивы, а обратная связь быстра и понятна. Но если рынок меняется, причины смешаны, а последствия решений проявляются с задержкой, одного опыта может не хватить. Здесь аналитика нужна не для того, чтобы отстранить руководителя от решения, а чтобы проверить, не принял ли он яркий сигнал за всю картину.

Что показала проверка

Команда свела в одну картину данные из CRM, биллинга, системы поддержки и журнала продуктовых событий. Прежде чем спорить о причинах, пришлось договориться о том, что считать новым контрактом, отменой и сроком подключения. Без общих определений отделы могли бы принести на следующее совещание три корректных отчёта, которые отвечают на три разных вопроса.

Уточнённая картина оказалась сложнее первоначальной. Число новых контрактов действительно просело; основное изменение происходило на этапе превращения заявки в встречу с менеджером. Отмен тоже стало больше, но они объясняли лишь часть общего ухудшения. При этом повышенный отток был особенно заметен среди новых клиентов, которым долго подключали интеграцию.

Команда не получила волшебный столбец «истинная причина». Она получила сигналы разной силы — и возможность проверить версии друг о друга.

Факт

Гипотеза

Способ проверки

Возможное решение

Несколько клиентов упомянули цену; после изменения тарифов отмены участились

Клиенты уходят из-за подорожания

Сравнить отток сопоставимых клиентов, затронутых и не затронутых изменением цены; учесть сегмент, срок договора и дату продления. Дополнить цифры интервью

Проверить адресное предложение или отдельный тарифный сценарий, не снижая цену всему рынку

Медианное время ответа на входящую заявку выросло с 2 до 17 часов; одновременно снизилась конверсия заявки во встречу

Продажи теряют клиентов из-за медленной реакции

Сопоставить конверсию в одинаковых каналах и сегментах при разном времени первого ответа; проверить изменение маршрутизации заявок

Восстановить быстрый контакт и измерить изменение конверсии

Среди новых клиентов с задержкой интеграции более десяти дней отток оказался выше, чем среди тех, кто подключился быстро

Клиенты уходят, не успев получить ценность продукта

Сравнить клиентов с сопоставимыми сроком работы, размером и задачами; проверить продуктовые события, обращения в поддержку и причины отмен

Провести ограниченный пилот усиленного сопровождения и исправить подтверждённые препятствия

В строке про цену есть важная деталь: несколько клиентов действительно могли уйти именно из-за неё. Их слова — не «плохие данные» и не шум. Это ценные свидетельства о конкретных людях. Но они не отвечают на вопрос, как часто причина встречается среди всех ушедших и сколько оставшихся тоже считают цену высокой. Чтобы это понять, нужны знаменатели: не только число пожаловавшихся, но и число клиентов в сравниваемых группах.

Та же осторожность нужна при работе с интеграцией. Если у клиентов с задержками чаще возникают отмены, это ещё не означает, что задержка всегда становится причиной ухода. Возможно, сложные клиенты одновременно дольше подключаются и чаще отменяют договоры по другим причинам. Сопоставление похожих групп помогает уменьшить такую неопределённость; эксперимент может уменьшить её ещё сильнее.

В случае с заявками цифры дали особенно практичный сигнал. За два месяца изменилось время первого ответа, и конверсия снизилась. Само по себе совпадение не доказывает, что задержка вызывает падение конверсии. Но если сравнивать заявки одного канала и сегмента, связь сохраняется. Это уже сильнее, чем общее впечатление «лиды стали хуже», хотя и не является окончательным доказательством.

Проверка не обязана начинаться с сложной модели или дорогостоящей платформы. Часто первые ответы находятся в данных, которые уже существуют: в истории контактов CRM, счетах, журналах обращений, записях об активации продукта. Важнее не объём хранилища, а точность вопроса, качество определений и способность сравнить подходящие группы.

Цена ошибки и следующий шаг

Когда аналитик показал результаты, спор не прекратился — он стал полезнее.

Елена напомнила, что часть клиентов действительно обсуждала стоимость. Антон признал, что рекламные источники не объясняют задержки с ответом. Илья попросил проверить, не связаны ли проблемы интеграции с отдельной версией продукта. Никому не пришлось объявлять себя неправым во всём. Каждый мог сохранить важное наблюдение и уточнить, на какой именно вопрос оно отвечает.

Затем команда оценила не только вероятность каждой версии, но и цену возможной ошибки.

Широкая скидка звучала просто: показать рынку гибкость и остановить уход клиентов. Но представим, что такую скидку в 10 процентов получают 200 клиентов с годовой выручкой по 80 тысяч рублей каждый. Скидка уменьшит эту выручку на 1,6 миллиона рублей в год — в том числе по договорам, которые продлились бы и без уступки. Если основной причиной снижения новых продаж были медленные ответы на заявки, скидка не устранит проблему, зато создаст постоянную потерю маржи.

Противоположная ошибка тоже дорогостояща. Если интеграция мешает новым клиентам начать пользоваться продуктом, откладывать работу над ней только потому, что «проблем пока мало», может означать будущий отток и негативные рекомендации. Аналитика помогает не только считать расходы на действие. Она позволяет оценивать цену бездействия.

Команда решила не выбирать одну красивую версию вместо остальных. Она договорилась о двух ограниченных шагах:

• временно вернуть быстрый разбор входящих заявок и отслеживать, как меняется конверсия в сопоставимых каналах и сегментах;

• запустить для части новых клиентов дополнительное сопровождение при подключении интеграции, сохранив для всех обычный уровень поддержки.

Широкие скидки отложили до тех пор, пока не появятся более сильные свидетельства ценовой чувствительности. Новое сопровождение не должно было заменить исправление подтверждённых технических ошибок: ошибки исправляли для всех, а дополнительный формат общения проверяли отдельно.

До старта команда зафиксировала критерии результата. Для отдела продаж это была не просто скорость ответа, а доля заявок, обработанных в течение часа, и конверсия в следующую встречу. Для онбординга — срок успешного подключения, достижение ключевого действия в продукте и последующее продление. Важно было смотреть не только на ранние показатели: быстрое подключение — хороший сигнал, но само по себе оно ещё не доказывает, что клиент останется.

Там, где возможно, дополнительное сопровождение решили распределить между сопоставимыми клиентами, сохранив базовую поддержку для всех. Это поможет понять, даёт ли новая услуга измеримый эффект. При этом одна волна пилота не станет вечной истиной: выборка может оказаться небольшой, сезонность — изменить поток заявок, а клиенты — отличаться друг от друга. Но следующий шаг будет уже не спором на впечатлениях, а проверяемым опытом.

Так выглядит зрелое решение: не «данные приказали», а «вот что мы наблюдали, вот насколько сильна версия, вот риск ошибки, вот действие, которое можно проверить». Данные не отменяют ответственности руководителя. Напротив, они делают её яснее: руководитель выбирает, зная, что ему известно, чего он пока не знает и каким результатом будет готов пересмотреть своё решение.

Как перейти от мнения к проверке

Перед следующим важным совещанием попробуйте короткое упражнение. Возьмите решение, которое нужно принять, и запишите три фразы:

• «Мы наблюдаем…» — только то, что можно подтвердить.

• «Мы предполагаем, что…» — возможное объяснение наблюдения.

• «Мы изменим решение, если увидим…» — свидетельство, способное опровергнуть или поддержать версию.

Если третья фраза не находится, вероятно, гипотеза пока сформулирована слишком расплывчато. Если её нельзя опровергнуть никаким результатом, перед вами не проверяемое объяснение, а убеждение.

Для рабочей практики используйте пять шагов:

1. Сформулируйте решение. Что именно предстоит выбрать, изменить, остановить или профинансировать?

2. Определите неизвестное. Какой ответ может повлиять на выбор между доступными действиями?

3. Найдите свидетельства. Какие данные, сравнения и разговоры с клиентами помогут проверить версии?

4. Проверьте ограничения. Полны ли данные, одинаково ли определены показатели, сопоставимы ли группы, нет ли причинной связи, которую вы только предполагаете?

5. Договоритесь о критерии успеха. Какой показатель изменится, в какой срок, кто будет его отслеживать и что команда сделает при другом результате?

Аналитика не обещает полной объективности и не устраняет неопределённость. Данные могут быть неполными, показатели — определены неудачно, а связь между двумя событиями — ошибочно принята за причину. Но эти ограничения не повод отказываться от проверки. Это повод честно обозначать, насколько уверен вывод и что ещё нужно узнать.

Интуиция помогает заметить дым. Аналитика проверяет, откуда он идёт, насколько близко огонь и какое действие даст лучший шанс остановить его. Бизнесу нужны обе: опыт помогает задавать значимые вопросы, а доказательства — выбирать ответ с меньшим риском дорогой ошибки.

Начинайте с решения: как превращать бизнес-проблему в аналитический вопрос

В понедельник в 9:12 руководитель продукта написал в общий чат: «Нужно разобраться с клиентами. Рост выручки замедлился».

К обеду аналитик уже строил дашборд: новые регистрации, активность, отток, повторные покупки. Команда продукта тем временем изучала воронку регистрации, а коммерческий директор попросил отдельно посмотреть, кто из клиентов приносит больше денег. Через несколько недель у компании было три презентации, девять графиков и ни одного общего ответа на вопрос, что делать дальше.

На встрече руководитель спросил:

— Хорошо. И какое решение мы принимаем?

Наступила пауза. Аналитики исследовали поведение пользователей. Продуктовая команда искала узкое место в конверсии. Коммерческий директор ждал способа увеличить выручку. Каждый занимался важной работой, но каждый — своей.

Дело было не в плохих данных и не в недостатке усердия. Команда не договорилась, какое именно решение должны поддержать данные.

Это различие кажется небольшим, но оно отделяет полезный анализ от коллекции любопытных наблюдений. Начинать нужно не с графика, запроса к базе или выбора аналитического инструмента. Начинать нужно с решения, которое предстоит принять.

Четыре вещи, которые часто называют одной задачей

Фраза «разобраться с клиентами» звучит как поручение, но пока не говорит, что именно следует выяснить. Чтобы превратить её в аналитическую работу, полезно разделить четыре понятия.

Понятие

На какой вопрос отвечает

Пример

Бизнес-проблема

Что происходит и почему это важно?

Рост регулярной выручки замедлился

Аналитический вопрос

Какую неопределённость нужно уменьшить?

Повысит ли упрощённый онбординг долю пробных аккаунтов, переходящих на оплату?

Гипотеза

Какое объяснение или эффект мы предполагаем?

Пользователи не доходят до ключевой функции, потому что не понимают, как её настроить

Запрос на данные

Что нужно извлечь или измерить?

Даты регистрации и оплаты, сегмент аккаунта, события настройки и приглашения коллег

Бизнес-проблема объясняет, почему работа важна. Аналитический вопрос задаёт направление поиска. Гипотеза формулирует проверяемое предположение. Запрос на данные описывает технический материал для проверки.

Если перескочить сразу к последнему пункту, можно получить выгрузку на миллионы строк — и не понять, какое действие из неё следует. Данные отвечают на заданный вопрос, но редко помогают угадать, какой вопрос имели в виду.

Шаг первый. Найдите решение, а не заранее выбранный ответ

В нашем примере компания «Маяк» продаёт сервис для команд. Новые клиенты могут бесплатно пользоваться им в течение 14 дней, после чего решают, оплачивать ли подписку. Руководитель коммерческого направления хочет увеличить регулярную выручку. Продуктовая команда подозревает, что пользователи теряются при первом запуске. Аналитик видит в цифрах повышенный отток, но ещё не знает, где именно возникает проблема.

На рабочей встрече аналитик задаёт вопрос:

— Если бы мы завтра точно знали, что происходит, какое решение вы могли бы принять?

Руководитель отвечает:

— Решить, куда вложить следующую итерацию команды: в улучшение онбординга или, например, в доработку тарифов.

Вот это уже полезная опора. Команда не обещает «найти причину всех проблем с клиентами». Она помогает выбрать между несколькими действиями.

Важно: начинать с решения — не значит заранее знать правильный ответ. Если заказчик уже решил, что надо переделать онбординг, и просит «доказать» его правоту, аналитик превращается в адвоката выбранной идеи. Хорошая постановка оставляет варианты открытыми: проверить онбординг, исследовать тарифы, изменить целевую аудиторию или пока ничего не менять.

Первый проверочный вопрос звучит так:

Что изменится в работе компании в зависимости от результата анализа?

Если ответ — «мы будем лучше понимать клиентов», этого недостаточно. Понимание важно, но оно должно вести к действию: изменить продукт, перераспределить бюджет, проверить гипотезу, отказаться от проекта или собрать недостающие сведения.

Шаг второй. Уточните, о каких клиентах речь

Слово «клиенты» может обозначать тех, кто только зарегистрировался, постоянных покупателей, ушедших пользователей, плательщиков или людей, которые ежедневно работают в продукте, но не принимают решение об оплате. Для аналитики это разные группы с разными потребностями.

В «Маяке» команда решает сосредоточиться на новых аккаунтах малого бизнеса, которые проходят бесплатный пробный период. Это не все пользователи и не все клиенты компании. Такое ограничение не обедняет анализ — оно делает его осмысленным.

Уточните:

• кто именно входит в целевую группу;

• кто принимает решение, на которое повлияет анализ;

• кого нужно исключить и почему;

• важны ли различия между сегментами, каналами привлечения или типами клиентов.

Единица анализа тоже имеет значение. В сервисе для команд пользователь и аккаунт — не одно и то же: несколько сотрудников могут принадлежать одной компании, а платит обычно компания. Если считать каждого сотрудника отдельным клиентом, результат может выглядеть убедительным и при этом отвечать не на тот вопрос.

Это простая, но важная дисциплина: прежде чем сравнивать группы, договоритесь, что именно вы считаете группой.

Шаг третий. Поставьте задаче временные границы

«Удержать клиентов» — не аналитический вопрос. Удержать кого, от какого события и на какой срок? Клиент может не вернуться за неделю, но продлить годовой контракт. Пользователь может пропустить месяц активности, но не отказаться от подписки.

«Улучшить конверсию» — тоже пока только намерение. Какую конверсию: из визита в регистрацию, из регистрации в пробный период, из пробного периода в оплату? За какой срок после регистрации считать переход?

В «Маяке» команда определяет окно наблюдения: оплата в течение 30 дней с момента регистрации аккаунта. Для сравнения берут текущий процесс и результаты за предыдущий период, но дополнительно учитывают, что разные каналы привлечения могут давать пользователей с разными намерениями.

Временные рамки помогают избежать ловушки, когда мы сравниваем несопоставимое. Например, рост оплат в декабре может объясняться сезонностью, а не изменениями интерфейса. А клиент, зарегистрировавшийся вчера, ещё не успел пройти тот же путь, что аккаунт, за которым наблюдали месяц.

Вопрос «относительно чего?» так же важен, как вопрос «что измеряем?». Возможная база сравнения — предыдущий период, другая группа клиентов, контрольная версия продукта, план компании или порог, при котором инвестиция окупается. Универсально правильной базы нет. Есть база, подходящая для конкретного решения.

Шаг четвёртый. Превратите слова в измеримые определения

В рабочих обсуждениях часто встречаются слова, которые звучат ясно, пока не приходится считать:

• «улучшить» — какой показатель должен измениться и для кого;

• «удержать» — кого, от какого типа ухода и на какой срок;

• «понять» — какую неопределённость нужно снять и что станет возможным после этого.

В случае «Маяка» команде нужно определить «переход на оплату». Считать ли клиента платящим после первой транзакции? После завершения пробного периода? Включать ли аккаунты, которым оплату вернули? Если продукт фиксирует события с задержкой, какой датой считать конверсию?

Без таких договорённостей две команды могут честно посчитать один и тот же показатель и получить разные результаты. Это не спор о математике, а спор о значении слова, оставленный без внимания.

Выберите основной показатель, связанный с решением, и несколько показателей-ограничителей. Например:

• основной показатель — доля новых целевых аккаунтов, оплативших подписку в течение 30 дней;

• ограничители — средняя выручка на аккаунт, доля возвратов и нагрузка на поддержку.

Почему нужны ограничители? Потому что один показатель легко улучшить ценой другого. Упростив покупку, можно повысить конверсию, но привести больше неподходящих клиентов, которые вскоре откажутся или потребуют дополнительной поддержки. В известной формулировке закона Гудхарта метрика, превращённая в цель, рискует перестать быть хорошей метрикой. Не потому, что цифры плохи, а потому, что люди и процессы начинают оптимизировать именно то, что измеряют.

Шаг пятый. Разведите гипотезы и доказательства

У команды «Маяка» есть несколько объяснений замедления выручки. Возможно, пользователи не понимают, как начать работу. Возможно, тарифы кажутся им неподходящими. Возможно, новые рекламные каналы приводят менее готовую к покупке аудиторию.

Одну гипотезу можно сформулировать так: «Если помочь новым аккаунтам быстрее выполнить первое полезное действие, больше из них дойдут до оплаты». Это проверяемое предположение. Но пока оно не доказано.

Допустим, аналитик видит, что аккаунты, пригласившие коллегу в первые три дня, чаще переходят на платный тариф. Это полезное наблюдение, но не доказательство, что именно приглашение коллеги вызывает оплату. Возможно, изначально более мотивированные команды и чаще приглашают коллег, и чаще покупают подписку. Это различие между связью и причиной важно всякий раз, когда бизнес собирается менять продукт.

Аналитический вопрос команды теперь звучит так:

Повысит ли упрощённый сценарий первого запуска долю новых аккаунтов малого бизнеса, перешедших на оплату в течение 30 дней, настолько, чтобы оправдать внедрение?

Если требуется проверить причинный эффект, подходящим следующим шагом может стать контролируемый тест: часть новых аккаунтов видит новый сценарий, часть — прежний. Случайное распределение групп помогает отделить эффект изменения от различий между пользователями. Но и тест не волшебство: ему нужны достаточное количество наблюдений, корректное измерение и понятные правила принятия решения. Если наблюдений мало, результат может остаться неопределённым.