Как находить точки роста продукта через анализ поведения пользователей (Михаил Богов, Adventum)

Рост сводных метрик вроде WAU маскирует отток текущих пользователей: на демо-проекте музыкального стриминга недельная аудитория растёт с 6 до 8 миллионов, но разбор по фреймворку Lifecycle выявляет сокращение текущих. Решение — переходить от мониторинга базовых цифр к сегментации по жизненному циклу (новые, текущие, возродившиеся, ушедшие), контролировать баланс притока и оттока через метрику Pulse и находить паттерны поведения Power Users с помощью автоматической кластеризации K-средних в отчёте Personas. Выявленные модели поведения — например, активное скачивание треков — становятся основой гипотез по подсветке функций в онбординге.

• Разбить удержание по сегментам Lifecycle, чтобы увидеть реальную картину за рамками WAU
• Применить кластеризацию Personas на когортах для поиска неочевидных паттернов
• Сравнить поведение Power Users с остальными для гипотез по онбордингу