Определение
Описание
Метрика — это стандартизированный, количественно измеримый показатель, используемый для оценки эффективности, динамики развития, технического состояния или рентабельности конкретного бизнес-процесса, продукта или технической подсистемы. В отличие от сырых разрозненных данных (фактов или логов событий), метрика всегда обладает бизнес-контекстом, методикой расчета, единицей измерения и пороговыми значениями нормы.
В продуктовой и корпоративной аналитике метрики классифицируются по нескольким уровням иерархии: опережающие (Leading Indicators, предсказывающие будущий результат, например, количество квалифицированных лидов или активность в триале) и запаздывающие (Lagging Indicators, фиксирующие уже свершившийся факт, например, итоговая квартальная чистая прибыль или годовой отток). Также выделяют главную путеводную звезду продукта — North Star Metric (NSM), которая объединяет ценность, получаемую пользователем, с долгосрочным финансовым успехом бизнеса.
Критически важный навык аналитика и руководителя — отличать действенные метрики (Actionable Metrics) от поверхностных показателей тщеславия (Vanity Metrics, таких как общее число скачиваний приложения или просмотры сайта без привязки к конверсии). Качественная система метрик проектируется в виде дерева метрик (Metric Tree), где макро-показатели верхнего уровня декомпозируются на операционные рычаги команд, позволяя точно определить, воздействие на какой фактор даст максимальный финансовый прирост.
Примеры из практики
Кейс 1 (Маркетплейс аренды недвижимости): Команда долгое время отслеживала показатель тщеславия — «Количество зарегистрированных пользователей» (+40% за год), в то время как выручка оставалась на прежнем уровне. Аналитики перестроили систему и внедрили в качестве North Star Metric показатель «Количество успешно подтвержденных бронирований за 48 часов с момента поиска». Фокусировка продуктовых команд на этой действенной метрике за 4 месяца привела к росту GMV платформы на 52%.
Кейс 2 (IT-инфраструктура SaaS-сервиса): Техническая команда перевела мониторинг с абстрактной нагрузки на CPU на SLA-метрику «P99 Latency ответа API» и «Error Rate по HTTP 5xx». Обнаружив корреляцию, согласно которой рост P99 выше 400 мс приводит к немедленному падению оформления платных подписок на 14%, инженеры оптимизировали индексы PostgreSQL и внедрили Redis-кэширование, вернув задержку к целевым 45 мс и стабилизировав конверсию.
Применение на практике
Используются повсеместно: в маркетинге, разработке, продажах.