Привет всем, меня зовут Андрон, я генеральный директор IT-платформы для подготовки к собеседованию Resume и образовательных симуляторов Simulative. Мы пытаемся построить бизнес, управляемый данными, то есть принимая решения не «на ощупь», а на основе цифр. Однако я постоянно сталкиваюсь с ошибочностью «поверхностных выводов».

Его принимают члены моей команды, я сам, другие опытные предприниматели, наши студенты и все в целом. Это особенность мозга: он пытается минимизировать трудозатраты и быстро решить сложную задачу. Но такая ошибка может привести к потере миллионов рублей, поэтому очень важно ее исправить и загнать в шею.

Ошибочность поверхностных умозаключений заключается в том, что мы принимаем решение потому, что… оно кажется нам «очевидным». Но при дальнейшем расследовании выясняется, что мы допустили большую ошибку.

Позвольте мне привести вам несколько наглядных примеров. Все цифры и размеры были изменены по соображениям конфиденциальности, но показывают общую картину.

Пример 1

Ситуация: Мы используем несколько маркетинговых воронок. Например, вебинар и бесплатный курс. Мы продвигаем воронку вебинаров посредством начальной загрузки в Telegram, а воронку бесплатных курсов — посредством таргетированной рекламы. Начинается новый месяц, и мы хотим удвоить свой доход. Воронка бесплатных курсов медленная (CR2 — 0,8%), но вебинары дают высокую конверсию (CR2 — 3,5%) — стоимость для клиента составляет 10% от среднего чека.

Выход на поверхность: Мы увеличиваем бюджет на кроп-рекламу в Telegram в 2 раза и благодаря этому наш доход увеличится вдвое.

Реальность: Если разделить воронку вебинара на холодных лидов (тех, кто приходит из культур) и теплых лидов (наших подписчиков), то мы увидим совершенно другую картину. CR2 от урожая составляет всего 0,5%, даже меньше, чем на бесплатном курсе! То есть с первого контакта люди покупают плохо — основная часть продаж приходится на наших подписчиков и людей, которые уже были на наших вебинарах.

Последствия: Если бюджет увеличится, мы потеряем почти весь рекламный бюджет.

Пример 2

Ситуация: У нас есть 3 вебинара, которые получили наибольшее внимание аудитории. Мы хотим создать автоматическую воронку вебинаров и запустить ее в таргетированную рекламу для холодного трафика. Давайте выберем, какой вебинар запустить:

• Расчет метрик продукта с помощью SQL (CR2 – 2,9%)

• Анализ рекламы в Pandas (CR2 — 3,6%)

• Анализ тестового задания для банка «Открытие» (CR2 – 4,5%)

Выход на поверхность: Конечно анализ теста в Депенинге, потому что у него самый высокий CR2.

Реальность: Как и в предыдущем пункте, если разделить потенциальных клиентов на две группы, то станет понятно, что продаж с холодного трафика почти не было — все продажи пришли с теплой базы. При этом первые два вебинара были организованы только для холодной аудитории и показали супер крутые результаты в CR2.

Последствия: Для запуска одной воронки потребуется неделя и около 20 000 рублей, бюджет теста — несколько сотен тысяч, продолжительность теста — 3 недели. В общей сложности мы бы потеряли около 400 000 рублей и месяц времени.

Кстати, здесь стоит упомянуть еще одну распространенную ошибку: ложную корреляцию. Рассказал мне об этом подробно Здесь.

Пример 3

Ситуация: В феврале мы запустили рекламную кампанию. В марте – еще один. В апреле снова поменяли. Основной целью было привлечь более заинтересованную аудиторию и увеличить сумму денег. Сервис развивается по подписной модели. Мы измерили удержание n дней за 90 дней и получили следующие показатели:

• Февральская когорта – 38%

• Мартовская когорта – 31%

• Апрельская когорта – 43%

Выход на поверхность: Апрельская когорта имеет самый высокий показатель удержания, а это значит, что данная рекламная кампания наиболее эффективна и ее следует расширять.

Реальность: Апрельская когорта имеет самый высокий уровень удержания, но также и самый низкий LTV. Другими словами, пользователи активны, но не приобретают подписку.

Последствия: Они вложили деньги в неэффективную с точки зрения рентабельности кампанию, потратили рекламный бюджет впустую и ушли в минус.

Пример 4

Ситуация: Мы проводим опрос пользователей о том, насколько они удовлетворены нашим продуктом (измеряем метрику NPS). Просим всех пользователей заполнить анкету.

Выход на поверхность: Было заполнено 350 анкет, средний NPS составил 89%. Оказывается, мы красивые.

Реальность: У нас еще есть 2000 пользователей, которые просто поражены качеством нашей продукции — они бы не дали больше 10%, но им было так скучно, что они даже не заполнили анкету.

Последствия: Мы продолжаем делать плохие продукты, тратить деньги на разработку и маркетинг, но в масштабах наша финансовая модель становится все менее прибыльной.

Пример 5

Ситуация: При регистрации в нашем сервисе пользователь получает электронное письмо и должен подтвердить свой адрес электронной почты. На данный момент наш процент активации составляет всего 40%, что является очень низким показателем. Мы работаем над его увеличением.

Выход на поверхность: Пользователям не нравится, как мы им пишем. Экспериментируем с дизайном, текстом, почтовыми услугами.

Реальность: У нас на корпоративной почте не настроены DNS-записи и большинство писем просто не доходят до получателей (около 60%).

Последствия: Мы теряем 60% наших клиентов и тратим много времени на улучшение того, что уже работает.

Заключение

Я могу привести еще много примеров такого типа и с разными мерами – они происходят каждый день в большом количестве. Но теперь вы знаете, в каких ситуациях скрывается засада поверхностных выводов и как с ней бороться — нужно просто копнуть глубже 🙂

Кстати, я недавно прошел вызов на твоем канале на примере реального маркетингового кейса. Это хороший способ проверить, усвоили ли вы ошибку, делая поверхностные выводы, или продолжаете ее совершать. Проверьте сами ?