Дефляционные механизмы | Сжигание токенов (burning) в приватных экономиках.

User adoption метрики | Метрики принятия продукта пользователями (DAU, MAU, retention).

Почему метрики принятия важны
User adoption — это не просто количество установок или регистраций. Это степень, с которой пользователи находят ценность в продукте, возвращаются и встроены в свои привычные процессы. Метрики принятия помогают понять, где продукт действительно «работает» для людей, а где — теряет их внимание и мотивацию. Без системного измерения DAU, MAU, retention и связанных показателей продукт-решения превращаются в интуицию вместо управляемой практики.

Ключевые определения: DAU, WAU, MAU
- DAU (Daily Active Users) — число уникальных активных пользователей за сутки. «Активность» должна быть определена заранее: это не просто логин, а целевое действие (просмотр контента, создание объекта, транзакция, публикация и т.д.).
- WAU (Weekly Active Users) — уникальные активные пользователи за 7 дней. Полезен для продуктов с недельным ритмом использования (образование, фитнес, финансы).
- MAU (Monthly Active Users) — уникальные активные пользователи за календарный месяц (или скользящее окно 30 дней).
- Stickiness (липкость) = DAU / MAU. Показывает долю месячных пользователей, которые активны в среднем ежедневно. Для B2C соцприложений 20–50% — отличный уровень; для утилит — ниже. Для B2B частый ориентир — WAU/MAU.

Как правильно определить «активного» пользователя
- Используйте «квалифицированное действие», приближенное к ценности: в таск‑менеджере — создание/закрытие задачи; в маркетплейсе — просмотр с добавлением в корзину или заказ; в финтехе — перевод/оплата.
- Исключайте ботов, тестовые и внутренние аккаунты.
- Разрешайте активность кроссплатформенно (веб + мобильные клиенты) и настраивайте дедупликацию (user_id вместо device_id).

Retention: как измерять возвращаемость
Retention — процент пользователей исходной когорты, которые вернулись в продукт спустя N дней/недель/месяцев.
- N‑day retention: доля пользователей, вернувшихся в конкретный день N (например, день 1, 7, 30).
- Rolling retention: доля пользователей, вернувшихся в любой день на или после N дня. Более «щадящая» метрика.
- Bracketed (недели/месяцы): «вернулся в 2-ю неделю», «вернулся в 2-й месяц». Удобно для долгих циклов.
- Cohort retention: строится по когорте регистрации/активации/первой покупки; ключ для оценки изменений онбординга и фич-релизов.
- Churn = 1 − retention. Для подписочных моделей рассчитывают отдельно по пользователям и по выручке (логочерн).
- Resurrection/реактивация: доля ранее ушедших, которые вернулись. Важный сигнал для жизненного цикла пользователя.

Активация и «время до ценности»
- Activation rate: доля новых пользователей, достигших целевого события «А‑ха момента» (например, создал 3 задачи, подписался на 5 каналов, провёл первую транзакцию).
- Time to Value (TTV): среднее время до первой ценности. Сократите шаги онбординга, предложите пресеты и импорт данных — это улучшает и activation, и последующий retention.

Фичевая адопция: глубина и широта
- Feature adoption: доля активных пользователей, которые воспользовались конкретной функцией за период (WAU/MAU для фичи).
- Frequency: как часто фича используется (в среднем на пользователя).
- Feature retention: возвращаемость пользователей фичи по когортам первого использования.
- Breadth vs depth: лучше понимать, сколько фич используются (широта) и насколько интенсивно (глубина). Помогает расставлять приоритеты в продуктовой карте.

Сопутствующие метрики вовлеченности
- Сессии на пользователя, средняя длина сессии, события на сессию, доля вернувшихся на следующий день (D1), через неделю (D7), через месяц (D30).
- DAU%, возвратные пользователи (returning) vs новые (new) vs реанимированные (resurrected).
- For B2B: активные аккаунты (company-level), активные пользователи на аккаунт, доля «основных» пользователей (power users).

Связь с монетизацией
- Conversion to paid (для freemium/trial): доля активированных, кто оплатил.
- ARPU/ARPPU: средняя выручка на пользователя/платящего пользователя.
- LTV и окупаемость CAC: кумулятивная выручка на пользователя минус стоимость привлечения.
- Подписочные B2B/B2C: Gross Revenue Retention (GRR) и Net Revenue Retention (NRR). Формула NRR = (Стартовая выручка + расширение − сокращение − отток) / Стартовая выручка. Высокий product-market fit часто отражается в NRR > 100%.

Сегментация и когортный анализ
- Канал привлечения: органика/платные/рефералы — у каждого свой профиль retention и LTV.
- География, платформа (iOS/Android/Web), тариф, persona/роль (B2B).
- Поведенческие когорты: по времени до активации, частоте использования фичи, среднему чеку.
- Lifecycle‑сегменты: новые, активные, рисковые (risk of churn), спящие (dormant), ушедшие (churned), реанимированные (resurrected).

Инструментация: как настроить измерение
- Создайте таксономию событий: логины, ключевые действия, транзакции, ошибки. У каждого события — атрибуты (план, устройство, страна, версию клиента).
- Единая идентичность: stable user_id, связка с device_id и куки; политика мерджа аккаунтов.
- Качество данных: фильтры для ботов и тестовых аккаунтов, дедупликация, таймзоны, отложенные события, повторные отправки при офлайне.
- Dashboards и алерты: дневные/недельные панели с DAU/WAU/MAU, retention, stickiness, активацией, воронками. Алерты на аномалии и сезонные корректировки.

Методы анализа и принятия решений
- Воронки: регистрация → онбординг → активация → ключевое действие → удержание 7/30. Ищите крупные провалы и long-pole шаги.
- A/B‑тесты: улучшение онбординга, paywall, рекомендации контента. Следите за guardrail‑метриками (crash rate, NPS, жалобы).
- Survival/retention кривые: сравнивайте когорты по релизам; ищите сдвиг кривой вверх — признак устойчивого улучшения.
- Метрика‑дерево: North Star (например, «количество завершённых задач в неделю на активного пользователя») раскладывается на драйверы: активация, частота, доля power users, качество контента и т.д.

Бенчмарки и контекст
- DAU/MAU 15–25% — типично для утилит/медиа; 30%+ — признак высокой привычности. Но бенчмарки зависят от категории, региона и ценностного предложения.
- Retention D1/D7/D30 сильно варьирует: игры и соцсети целят D1 35–50%, тогда как сервисы с долгим циклом ценности могут иметь низкий D1, но крепкий D30/М2.
- Сравнивайте себя в динамике и против ближайших аналогов, а не абстрактного рынка.

Анти‑паттерны
- Vanity‑метрики: установки без активации, регистрации без квалифицированного действия, «показано экранов» без ценности.
- «Активность» = вход в приложение. Считайте действия, создающие ценность, иначе stickiness будет завышен.
- Смешение уникальных пользователей и сессий. Отдельно анализируйте людей и их частоту.
- Игнорирование сезонности, прайм‑тайма и таймзон: сравнивайте сопоставимые окна (например, понедельник к понедельнику).

Приватность и доверие пользователей
- Соблюдайте GDPR/CCPA: минимизация данных, явное согласие, хранение с ограничением, возможность удаления.
- Применяйте privacy‑by‑design: анонимизация, агрегирование, differential privacy для отчётов.
- Для продуктов в финтехе и Web3 тема конфиденциальности транзакций критична. Ознакомьтесь с принципами и инструментами уровня Transaction Privacy и стройте аналитику так, чтобы не раскрывать лишние детали о поведении и операциях пользователей.

Практические формулы и примеры
- DAU, WAU, MAU: уникальные пользователи с квалифицированным событием за окно 1/7/30 дней.
- Stickiness: DAU / MAU. Рост при стабильном MAU и увеличении частоты — хороший сигнал.
- Dn retention: вернулись в день n / размер когорты в день 0.
- Rolling retention n: вернулись в любой день ≥ n / размер когорты в день 0.
- Churn n: 1 − retention n. Для подписок можно считать по логотипам и по выручке.
- Activation rate: достигли события активации / новые пользователи (за период).
- Cohort LTV: кумулятивный доход когорты / размер когорты.

Как поставить систему метрик за 30–60–90 дней
- 0–30 дней: определить North Star и драйверы, описать таксономию событий, настроить трекинг, собрать базовые панели DAU/WAU/MAU, активация, D1/D7/D30.
- 31–60 дней: когортный retention, сегментация по каналам/странам/платформам, воронки онбординга, первые A/B‑тесты онбординга и paywall/ценности.
- 61–90 дней: фичевая адопция, модели риска оттока (simple rules + logistic regression), алерты на аномалии, связка с CRM и платёжной аналитикой, оценка LTV/CAC payback.

Частые вопросы
- DAU растёт, retention падает — что это? Часто эффект рекламных кампаний: много верхнего трафика без активации. Углубляйте онбординг, повышайте TTV.
- Низкий D1, но высокий D30 — нормально? Для продуктов с отложенной ценностью (финансы, B2B) это ожидаемо. Следите за недельным retention и активацией.
- Что считать активностью в B2B? Лучше account‑level активность (доля активных сидов, ключевые роли), плюс глубина использования ядра продукта.

Итог
Метрики user adoption — это связанная система: от активации и stickiness до retention и доходной ретенции (NRR). Правильная дефиниция «активности», качественная инструментализация и аккуратная сегментация превращают данные в рычаг роста. Сосредоточьтесь на сокращении времени до ценности, повышайте частоту и глубину использования ключевых фич, защищайте приватность пользователей и замыкайте контур на монетизацию — тогда DAU, MAU и retention станут не просто цифрами, а управляемыми результатами.