Текст книги "Взрывной рост. Как современные быстрорастущие компании совершают успешный прорыв"

С развитием малозатратных и доступных технологий анализа данных и онлайн-маркетинга стало намного легче экспериментировать с продуктом и маркетинговым сообщением, чтобы найти оптимальное сочетание запросов аудитории и набора функций, которое позволит преодолеть порог необходимых требований. Некоторые тесты можно провести на удивление легко и быстро, они не требуют практически никаких технических навыков и затрат, однако более основательные эксперименты поглощают значительное время и средства, особенно в том случае если необходимо, чтобы проектировщики разработали новую функцию или провели серьезную реконструкцию продукта. Выбор эксперимента должен быть тщательно обдуман и обоснован, и большинство команд роста применяют практику минимально целесообразного тестирования (МЦТ) – наименее дорогостоящих экспериментов, которые позволяют адекватно проверить идею. Если тестирование прошло успешно, команда вложится в более основательный тест или займется более тщательным внедрением концепции[69]69
  Josh Muccio, “Brian Balfour of HubSpot – The Minimum Viable Test and How to Grow Your Startup,” Dailyhunt, April 27, 2015, dailyhunt.thepitch.fm/hubspot.


[Закрыть].

Чтобы поддерживать высокую скорость экспериментов – а это непременное требование взрывного роста, – команде нужен микс: тесты более сложных изменений продукта и намного более простые тесты маркетинговых сообщений. В двух следующих разделах мы подробно рассмотрим каждый тип тестирования.

Как показал опыт Шона в LogMeIn, иногда росту мешает не отсутствие ценности продукта/услуги, а то, как вы сообщаете эту ценность существующим и потенциальным клиентам. К счастью, развитие методов онлайн-маркетинга позволяет отшлифовать сообщения, а также тестировать изменения, которые вносит команда роста, – даже для несетевых продуктов – быстро и бюджетно (а иногда и бесплатно).

Один из самых эффективных и, как правило, недорогих методов – А/В тестирование, это когда два разных сообщения (об одном и том же продукте) – к примеру, два разных заголовка онлайн-газеты или два разных дизайна страницы перехода – тестируются на двух или нескольких произвольных группах, чтобы определить, на какой вариант они лучше реагируют. Иногда эти тесты показывают, что простейшие изменения (такие как другая тема электронного письма, другой текст кнопки или формулировка в онлайн-форме) могут привести к колоссальной выгоде. Возьмем, к примеру, Highrise – продукт, предназначенный для управления отношениями с клиентами, который компания Basecamp выпустила как дополнение к ее популярному софтверу для проект-менеджмента. Так вот, А/В тестирование текста на странице регистрации показало, что простое изменение формулировки («См. планы и цены» вместо «Зарегистрируйтесь для бесплатной пробной версии») увеличило число регистраций на 200 %[70]70
  “How to Increase Signups by 200 %,” Treehouse blog, July 21, 2009, blog.teamtreehouse.com/how-to-increase-sign-ups-by-200-percent.


[Закрыть]. Вы думаете, это редкий случай? Нет, в компаниях, с которыми мы работали, мы видели сотни примеров таких же простых изменений – через А/В тестирование, которые стали моментом озарения и помогли значительно ускорить распространение продукта.

Так как ценность таких экспериментов стала очевидна, софтверные компании (такие как Optimizely и Visual Website Optimizer) разработали инструменты, которые позволяют компаниям легко и дешево проводить их на своих веб-сайтах без особой помощи программистов. Любой член команды, который занимается разработкой того или иного элемента веб-страницы, может быстро проводить последовательное А/В тестирование заголовков, тэглайнов, иконок, видео, кнопок и других элементов, экономя время проектировщиков, чтобы они могли разработать более основательные тесты.

Небольшое предостережение относительно инструментов А/В тестирования: при всей простоте использования, данные, которые они предоставляют, несколько ограничены, так как эти инструменты опираются на поверхностные параметры, например, тестируют, на какую кнопку чаще кликают, вместо того чтобы узнать, становятся ли люди, которые кликают на эту кнопку, постоянными пользователями. Каждый, кому доводилось кликнуть на безумно интересный новостной заголовок, но не найти ничего интересного в самой статье, понимает, что «клик» – ненадежный показатель долгосрочной лояльности клиентов. Чтобы решить эту проблему, ваши аналитики должны отслеживать действия каждого участника А/В тестирования – от «клика» до постоянного пользования.

Кроме того, А/В тестирование не должно ограничиваться языком и дизайном страниц перехода и маркетинговых продвижений. Помните, что основополагающая догма взрывного роста – это эксперименты на всех уровнях воронки потребительского опыта: не только касающихся информированности клиентов и их привлечения, но и активизации, удержания, дохода и рекомендаций знакомым. В Inman News, к примеру, когда команда Моргана провела А/В тестирование цен и продолжительности подписки на платные новости, удалось существенно улучшить показатель удержания читателей, заменив ежемесячный план оплаты новым планом – раз в три месяца.

Программисты могут быть неиссякаемым источником идей для дополнительных тестов на нижних уровнях воронки, которые связаны с большими техническими трудностями и зачастую выходят за рамки видения нетехнарей. К примеру, в предыдущей главе мы говорили, как программисты команды роста Pinterest разработали программу машинного обучения Copytube, чтобы ускорить темпы экспериментов, сделав копию текста на 30 языках для электронной рассылки с целью удержать существующих пользователей Pinterest. Это пример так называемого мультивариантного тестирования, в ходе которого сравнивают не просто две альтернативы, а все возможные комбинации каждого элемента сообщения и находят оптимальное сочетание. Или, к примеру, многорукий бандит – более сложный тест, которым пользуются компании, чтобы как можно быстрее найти наиболее удачные результаты. В последующих главах мы подробно расскажем и о других вариантах тестов.

Более сложные тесты, требующие значительной работы программистов, – это те тесты, по результатам которых, как правило, вносят изменения в сам продукт. Хотя такие эксперименты – частое явление для сетевых и софтверных продуктов, они также применимы к физическим продуктам. Построить самый простой прототип и попросить пользователей опробовать его на деле или сделать демо-видео о том, как будет работать новая функция, и посмотреть на реакцию клиентов – это всего лишь два примера того, как команды, работающие с физическими продуктами, могут учиться в ходе эксперимента.

Как показывают время и опыт, изменения, улучшающие результаты и пользовательский опыт, должны быть приоритетом: например, которые позволяют ускорить время реагирования корзины в веб-магазине или усовершенствовать процесс регистрации. Но более сложные, не такие распространенные изменения (кардинальная реконструкция или разработка новой функции продукта) должны быть аргументированы и обоснованы результатами анализа пользовательского поиска и данных. Другими словами, что касается тестов, которые отнимают много времени и сил, команда должна минимизировать риск инвестированных усилий, прежде всего, с помощью разумных доводов, а также сочетать масштабные, рискованные инициативы с более надежными вариантами. Таким образом команда добьется оптимального баланса между дерзкими, прорывными проектами и пошаговыми улучшениями, которые ведут к последовательному росту.

В распоряжении команд роста сейчас гораздо больше данных, чем когда-либо, однако все эти данные по большому счету бесполезны, если команда не способна анализировать их и находить полезную информацию. Это означает, что необходимо не просто провести обзор данных, предоставленных различными инструментами и панелями мониторинга. Чтобы выяснить, какие аспекты делают (или сделают) ваш продукт обязательным для клиентов, нужно собрать правильные данные для вашего бизнеса и проложить «соединительные ткани» между разными источниками (такими как база данных имейл-маркетинга и пункта обслуживания клиентов), и тогда сложится общая картина. Затем нужен аналитик, который сможет вычленить в этих данных паттерны и выводы, позволяющие генерировать идеи для экспериментов. На сегодняшний день большинство компаний, даже самые молодые стартапы со скудным бюджетом, проводят базовую аналитику своих веб-сайтов и продуктов – например, с помощью Google Analytics. Хотя такие данные, как число просмотров и посещений страницы, а также процент отказов, важно собирать, они вряд ли расскажут подробную историю о том, как клиенты взаимодействуют с вашим продуктом. Потому что это крайне поверхностные параметры, которые не позволяют сделать глубокие выводы о том, что на самом деле ценят клиенты в вашем продукте и удалось ли достичь соответствия продукта рынку.

Важно иметь данные по каждому аспекту пользовательского опыта (не только как часто они посещают веб-сайт и как долго они там задерживаются), чтобы проанализировать их на детализированном уровне и выяснить, как люди на самом деле пользуются вашим продуктом, по сравнению с тем, как вы планировали и представляли. Это означает, что маркетологи, аналитики и программисты должны работать вместе, чтобы мониторить веб-сайты, мобильные приложения, пункты обслуживания клиентов, имейл-маркетинг и клиентскую базу данных. После того как вы организуете грамотный мониторинг, множество источников информации о пользователях нужно выстроить в единое целое, чтобы сложилась подробная и надежная картина пользовательского поведения, которое может анализировать ваша команда.

Вам нужно так называемое озеро данных, или хранилище данных: единое место хранения всей информации по клиентам, где можно действительно погрузиться в информацию и отыскать обособленные группы людей, которые пользуются вашим продуктом не так, как другие группы. Это также позволяет изучить, как индивидуальные пользователи применяют продукт (на «атомном» уровне): к примеру, как гиперактивный пользователь проводит время на вашем веб-сайте или в приложении; или что отвлекло пользователя, который набрал много товаров в корзину, но так и не нажал на кнопку «Купить». Возможно, его отвлекла акция на тот или иной товар или скидка, которая высветилась, как раз когда он собирался оформить покупку; хотя это отрывочная, единичная информация, она может подтолкнуть вас к вопросам, которые созрели для тщательного анализа и экспериментов роста. Когда данные будут грамотно собраны, аналитикам будет намного проще подвести итоги скоростных экспериментов, которые вы проводите в рамках стимулирования роста.

Первый шаг для сбора информации, которую вы затем «промоете» в поисках драгоценных крупиц, – отследить ключевые действия ваших пользователей и клиентов. Для этого используют процесс под названием «отслеживание событий». Большинство аналитических платформ позволяет вычленить ключевые события в вашей системе, например, когда пользователь кликает на кнопку, смотрит видео, скачивает документ, заполняет форму, слушает песню, добавляет друга, делится файлом и т. д. И вновь команды роста должны отслеживать все действия клиентов на протяжении всего пользовательского опыта, по мере того как они «превращаются» из посетителей в новых клиентов, а из новых клиентов в постоянных, лояльных. Можете ли вы отследить все действия клиента, начиная с его первого посещения вашего магазина или веб-сайта и заканчивая первой покупкой, а затем последующими покупками? Если на пути есть пробелы, именно на эти события следует обратить внимание в первую очередь.

На этом этапе ключевая задача – искать типы поведения, выделяющие тех клиентов, которые считают ваш продукт неотъемлемой и обязательной частью своей жизни, то есть тех, кто пользуется или покупает ваш продукт регулярно. В частности, аналитики должны искать функции, которые чаще всего используют самые активные пользователи, а также любые другие особые аспекты их поведения в процессе взаимодействия с продуктом. Отсортировав данные о клиентах по множеству признаков и характеристик, например по демографическим особенностям (включая местоположение, возраст и пол), а также по дополнительным параметрам (должность, отрасль или устройство мобильной связи, которым они пользуются), зафиксировав, как именно клиенты пользуются вашим продуктом (активно или только периодически), какой выбор они делают (например, какие продукты покупают или какими услугами пользуются), вы сможете проследить связь между этими характеристиками, поведением и ростом продаж, высоким интересом и долгосрочным пользованием. К примеру, в Netflix, проанализировав фильмы и телешоу, которые смотрят клиенты, компания выяснила, что фильмы с Кевином Спейси и драматические сериалы на тему политики пользуются особой популярностью. Благодаря этой информации компания решила продвигать сериал «Карточный домик» (House of Cards), который не только стал оглушительным хитом, но и неотъемлемой частью жизни многих подписчиков[71]71
  David Carr, “Giving Viewers What They Want,” New York Times, February 24, 2013, nytimes.com/2013/02/25/business/media/for-house-of-cards-using-big-data-to-guarantee-its-popularity.html? r = 0.


[Закрыть].

Точно так же команда RJMetrics, платформы бизнес-аналитики, обнаружила, что пользователи, которые редактируют таблицы в бесплатной пробной версии программы, в два раза чаще переходят на платную версию, чем остальные, и эта цифра оказалась значительно выше, когда пользователь пробной версии редактировал две таблицы. И что же сделала RJMetrics? Она сделала редактирование таблиц ключевым принципом взаимодействия с клиентами[72]72
  Robert J. Moore, “Applying the Lessons of ‘Moneyball’ and ‘Golden Motions’ to Your Business,” Boss (blog at New York Times), boss.blogs.nytimes.com/2014/06/10/applying-the-lessons-of-moneyball-and-golden-motions-to-your-business/.


[Закрыть].

Эти отличительные типы поведения и особые предпочтения нелегко отыскать, отчасти потому что они бывают абсолютно неожиданны; как ни странно, иногда сам не знаешь, что ищешь, пока не найдешь. Вспомним, как Yelp обнаружила, что ее самые активные пользователи любят сайт за то, что могут писать там отзывы: компания и не подозревала, что есть связь между отзывами и повторным использованием; это озарение родилось в процессе прочесывания массы данных по веб-сайту. Такие неожиданные открытия – аргумент в пользу того, что данные нужно собирать, не откладывая в долгий ящик, и регулярно проводить скоростные эксперименты, к которым призывает взрывной рост; чем больше вы тестируете, тем больше данных у вас накопится для анализа, а чем больше данных вы анализируете, тем больше паттернов увидите.

Instagram – еще один поучительный пример. Популярное приложение, где можно делиться своими фотографиями, изначально называлось Burbn и создавалось как геолокационная социальная сеть, названная в честь любимого алкогольного напитка своего основателя Кевина Систрома (за вычетом пары гласных). Но, как признается Систром, даже он понимал, что продукт слишком сложный или, как отметил Кит Сойер в своей книге Zig Zag: The Surprising Path to Greater Creativity, он представлял собой «беспорядочный набор функций, которые не создавали ничего кроме путаницы». Однако Систром продолжал анализировать данные, чтобы понять, как люди все же пользуются продуктом. И обнаружил, что многими функциями продукта они вообще не пользуются, кроме одной – фотографии. Систром и сооснователь Майк Кригер поняли, что делать фотографии и делиться ими – это и есть момент озарения, вокруг которого им придется заново выстроить продукт. Как пишет Сойер, «Майк и Кевин разглядели возможность втиснуться между Hipstamatic (популярным приложением, позволяющим редактировать фотографии) и Facebook, разработав простое в применении приложение, которое позволяет легко и просто делиться фотографиями. Они убрали из Burbn практически все, кроме фото, комментариев и лайков». Отшлифовав таким образом продукт, они перезапустили свой сервис под именем Instagram, и, перевалив через 400 млн пользователей и присоединение к Facebook за сумму в $1 млрд, компания все еще стабильно растет, зарабатывая более $1 млрд в год на рекламе, по данным на первый квартал 2016 года[73]73
  Keith Sawyer, Zig Zag: The Surprising Path to Greater Creativity (Jossey-Bass, 2013), 22–3.


[Закрыть].

Instagram – не единственная успешная компания, сделавшая поворот на 180 градусов на раннем этапе развития, опираясь на тщательный анализ данных, который открыл им момент озарения. Компания Pinterest, чье приложение в первой жизни носило имя Tote (мобильное приложение для торговли), кардинально изменила стратегию и перезапустила приложение как сайт, где можно найти много нового и поделиться своим опытом. Дело в том, что Бен Зильберман, один из основателей сервиса, увидел, что пользователи Tote не делали покупки, как планировалось, а вместо этого накапливали огромную коллекцию всего, что им нравилось в приложении. Тогда Зильберман изменил курс и разработал продукт, который позволял легко демонстрировать свою ценную коллекцию в сети. Брайан Коэн, первый инвестор Зильбермана, сказал, что эта кардинальная перемена стала «прямым результатом того, что он узнал в первом бизнесе»[74]74
  Simone Baribeau, “The Pinterest Pivot,” Fast Company, October 23, 2012, fastcompany.com/3001984/pinterest-pivot.


[Закрыть], изучив, как активные пользователи извлекали ценность из продукта.

Первый вариант Groupon тоже был на грани вымирания, когда детальный анализ поведения пользователей указал основателю компании Эндрю Мэйсону на критически важную возможность для резкой смены стратегии. Изначально задуманный как онлайн-фандрайзинг для благотворительных целей и самых разных групп под названием The Point, где люди могли финансировать кампании, которые стартовали, если набиралось достаточное количество человек, этот сервис влачил такое жалкое существование, что Мэйсон чуть не вернул своим инвесторам деньги.

Так было до того, как Groupon проанализировала свои данные и выяснила, что кампании, которые давали участникам группы возможность приобрести что-либо по более выгодной цене, пользовались наибольшим успехом, и команда схватилась за эту многообещающую информацию, чтобы предлагать выгодные сделки каждый день, и для этого придумали слоган «Get Your Groupon.com»[75]75
  Leah Goldman and Alyson Shontell, “Groupon’s Billion-Dollar Pivot: The Incredible Story of How Utter Failure Morphed Into Fortunes,” Business Insider, March 4, 2011, http://www.businessinsider.com/groupon-pivot-2011-3?op=1.


[Закрыть]. С этого момента компания обеспечила себе успех.

Точно так же, хотя в это верится с трудом, YouTube начинал как видео-сайт знакомств, а затем резко изменил стратегию и превратился в «дом родной» для всех онлайн-видео. Это случилось только после того, как основатели увидели, что пользователи не только закачивают видео-профили для поиска знакомств, но и делятся видео всех типов. Сооснователь Джавед Карим сказал: «Наши пользователи оказались на шаг впереди нас. Они стали использовать YouTube, чтобы делиться самыми разными видео. О своих собаках, об отпуске и многом другом. Нам показалось, что это безумно интересно. И мы сказали: “Почему бы не позволить пользователям самим определять, каким должен быть YouTube?” К июню мы полностью обновили веб-сайт, сделали его открытым и универсальным. И это сработало»[76]76
  Jawed Karim, University of Illinois commencement address, May 13, 2007, https://youtu.be/24yglUYbKXE.


[Закрыть].

Все эти кардинальные перевороты говорят о том, насколько важно собирать и анализировать и качественную, и количественную информацию о том, как клиенты пользуются вашим продуктом и что они думают о его сильных и слабых сторонах, прежде чем вкладывать время и ресурсы в стимулирование роста. Если бы эти компании бросили все силы на рост и распространение продукта до того, как преобразовали его, скорее всего, мы бы никогда не узнали ни об одной из них. Вместо того чтобы найти прорывной путь к ошеломительному успеху, они бы потратили деньги и время, пытаясь продать продукт, без которого прекрасно можно обойтись.

Конечно, подробный анализ поведения клиентов может также подтвердить, что проблема не в продукте, или услуге, или даже маркетинговом сообщении – а в том, как продукт представлен целевой аудитории. Именно так случилось с компанией HubSpot, которая продает софтвер для управления взаимодействиями с клиентами и маркетингом. Тщательно проанализировав пользовательские данные, компания обнаружила, что клиенты, которые с самого начала прошли инструктаж по работе с продуктом, оставались с ней намного дольше, чем те, кто не проходил обучение. Поэтому компания изменила политику продаж и сделала быстрое обучение обязательной частью нового пользовательского опыта.

Требование платить дополнительную сумму за инструктаж по работе с софтвером, который клиенты уже купили, противоречило общепринятой деловой этике. Менеджеры компании боялись, что такая большая доплата к стоимости софтвера станет препятствием для выхода на рынок, чувствительный к цене. Однако команда HubSpot доверяла результатам данных и настояла на обязательном предварительном обучении[77]77
  David Skok, “SaaS Metrics 2.0–A Guide to Measuring and Improving What Matters,” For Entrepreneurs from David Skok (blog) (n.d.), forentrepreneurs.com/saas-metrics-2/.


[Закрыть]. Это прекрасный пример того, что имеет в виду Шамат Палихапитья, когда говорит, что задача команды роста – нивелировать профессиональные предрассудки о продуктах и рынках и заниматься ростом, опираясь на эмпирические данные. В результате HubSpot в два счета расширила свою клиентскую базу, что привело компанию к успешному первичному публичному предложению акций в 2014 году.