Як влаштовано управління маркетингом продукту і яка насправді роль у ньому фахівця з PMM
Посада PMM часто оточена безліччю помилок. Одні впевнені, що її обов’язки зводяться виключно до маркетингу, тоді як інші вважають, що PMM – це те ж саме, що Growth або Product Manager. Дмитро Цапій, який обіймає позицію Product Marketing Manager в Universe Group, розвінчує популярні міфи, пов’язані з цією роллю. Він також розкриває нюанси інтерпретації метрик, підходів до створення воронок, аналізу продукту та оцінки коефіцієнтів конверсії, пише блогерка HBJ Катерина Шевченко.
Міф 1. PMM займається тільки лійками і дослідженням нових сегментів
Часто вважається, що головне (і практично єдине) завдання менеджера з маркетингу продукту полягає у створенні воронки продажів, зробивши її якомога ефективнішою та привабливішою. Однак насправді обов’язки PMM (менеджера з маркетингу продукту) значно складніші й охоплюють набагато більше. Крім роботи з лійкою, маркетинг продукту охоплює широкий спектр завдань, як-от стратегічне планування продукту, дослідження ринку, вивчення потреб клієнтів, залучення аудиторії, управління платіжними процесами та аналіз нових можливостей.
Ще одна поширена хибна думка щодо обов’язків PMM – це думка, що їхня діяльність зосереджена виключно на запуску нових кампаній і пошуку перспективних ніш. Хоча запуск дійсно є однією з ключових частин їхньої роботи, це завдання не вичерпує їхню роль. Значна частина їхніх зусиль спрямована на аналіз, оптимізацію та вдосконалення наявних продуктів, процесів і маркетингових активностей.
Міф 2. PMM – гібридна позиція між маркетингом і продуктом
Роль PMM часто сприймається як об’єднання функцій маркетингу і продукту, що включає завдання з обох сфер. Проте PMM – це незалежний фахівець, який не тільки координує зусилля між командами маркетингу і продукту, але також бере на себе додаткові завдання: дослідження нових ніш і перспективних ринків, створення і перевірку гіпотез, а також ініціювання змін у продукті. Крім того, PMM може відігравати ключову роль у розробці нових продуктів або напрямків. Загалом, цей фахівець активно шукає можливості для зростання і масштабування продукту.
Продуктовий маркетолог повинен мати високу гнучкість і вміння знаходити, генерувати та тестувати свіжі гіпотези. Наприклад, важливою навичкою є здатність підтвердити головну функцію або гіпотезу нового продукту всього за тиждень, уникаючи багатомісячної розробки до отримання результату. Це можна реалізувати, додаючи до початкового тестування просте запитання, наприклад, “Чи цікавить вас ця функція в нашому продукті?” або “Чи стикалися ви з цією проблемою?”. Збір таких відповідей відбувається значно швидше, ніж за повного циклу розробки та тестування, що забезпечує бізнесу економію часу та ресурсів.
Ще одним доступним інструментом для PMM є метод Fake Door – симуляція функцій для аналізу рівня конверсії. Наприклад, після виявлення користувацької проблеми, яку планується вирішити, важливо попередньо оцінити попит, перш ніж вкладатися в повноцінне створення продукту (це допомагає зрозуміти його актуальність для аудиторії). При використанні методу Fake Door тимчасові витрати значно знижуються: створюється нова воронка продажів, запускаються кампанії з мінімальними бюджетами, і вивчається поведінка користувачів. У кінцевому підсумку користувачі бачать повідомлення: “Вибачте, *назва продукту* поки недоступна. Хочете придбати його зі знижкою?”. Це дає змогу за тиждень визначити, чи має сенс розробляти цей продукт.
Продуктовий маркетинг – це настільки різноманітна сфера, що під час спроби описати свою діяльність у рамках конкретної функції люди, не пов’язані з цим контекстом, найімовірніше, відреагують: “Це схоже на…”. Наприклад, дослідження нових ніш і формування воронок продажів може викликати асоціації з маркетингом зростання. Оптимізація повідомлень, присутніх у воронці, для поліпшення конверсії може бути сприйнята як контент-маркетинг. Управління взаємодією користувача як з продуктом, так і з воронкою може здатися несхожим із завданнями з управління продуктом. Хоча обов’язки PMM частково перетинаються з іншими ролями, їхній функціонал має свої унікальні особливості. Основним завданням PMM є стратегічний підхід до маркетингу продукту, розробка стратегії виходу на ринок, визначення позиціонування продукту, донесення його цінності до користувачів, а також виконання завдань і аналіз ключових метрик.
Міф 3. Можливий розгляд кожної метрики окремо
Усі компанії відстежують вартість залучення клієнтів (CAC) і довічну цінність клієнта (LTV). Однак жодна з цих метрик окремо не здатна дати повноцінне уявлення про стан бізнесу або ефективність його маркетингових зусиль. Якщо ви запускаєте новий проєкт, як визначити, чи є CAC у 300 доларів надмірною сумою чи цілком прийнятною? Або, можливо, 30 доларів – це багато чи мало? Аналогічна ситуація складається і з LTV. Взаємозв’язок між цими показниками має ключове значення, адже саме він сприяє формуванню позитивної економіки підрозділу. Метрики, що розглядаються поза контекстом бізнесу, втрачають свою значущість. Винятком можна вважати хіба що ROMI – показник, який яскраво демонструє ефективність ваших маркетингових кампаній. Однак і тут необхідний додатковий контекст, щоб зрозуміти, який рівень ROMI підходить для вашої компанії. Для однієї компанії задовільним може бути коефіцієнт 1,05, а для іншої навіть 1,5 виявиться недостатнім.
Не менш важливо розуміти, які дії сприяють підвищенню утримання користувачів і збільшенню LTV, а які мають протилежний ефект. Наприклад, існує думка, що чим більше дій користувачі здійснюють всередині продукту, тим вища їхня лояльність і тривалість залученості. Проте це не завжди вірно. Якщо змушувати користувачів виконувати занадто багато дій, це може погіршити їхні враження і знизити їхнє бажання повертатися до вашого продукту.
Наведемо приклад із практики: у рамках одного проєкту ми активно надсилали користувачам push-повідомлення з акціями та спеціальними пропозиціями. Високий відсоток відкриттів сигналізував про можливий зв’язок між кількістю повідомлень, обсягом замовлень і рівнем утримання. Частково це було так. Однак надмірна кількість повідомлень почала з часом викликати роздратування у користувачів. У результаті деякі відключали повідомлення, що перешкоджало подальшій взаємодії. Це негативно позначилося на утриманні та рівні залученості із застосунком у довгостроковій перспективі.
Міф 4. Акцент на продукті чи акцент на маркетингу?
У спільноті часто обговорюються результати A/B-тестів, нові підходи до формування воронок і впровадження платіжних рішень. Під час вивчення нових моделей воронок фахівці з продуктово-маркетингової стратегії (PMM) зазвичай діляться на дві групи: тих, хто робить акцент на маркетинг, і тих, хто базується на особливостях самого продукту.
Перша методика зосереджена на універсальній воронці продукту, де користувачі залучаються через експерименти з новими ідеями та сценаріями. Наприклад, якщо ваш продукт належить до сфери підвищення продуктивності, ви можете ініціювати обговорення на теми, пов’язані з подоланням прокрастинації. Спочатку це стає частиною загальної воронки. Якщо тестування нових концептів показує, що ця тема викликає високий відгук у аудиторії, її виділяють в окрему воронку, спрямовану конкретно на боротьбу з прокрастинацією. Такий підхід дає змогу створити додаткові маркетингові канали або воронки, що посилюють взаємодію з аудиторією навколо продукту.
Друга методика ґрунтується на глибокому аналізі функціоналу самого продукту для створення нових воронок. Наприклад, тема продуктивності як широка категорія може включати різноманітні аспекти: поліпшення емоційного стану, встановлення ефективного розпорядку дня або розвиток звичок. У цьому разі ідея нової воронки формується не як результат тестування концептів, а як самостійна бізнес-модель із чіткими економічними розрахунками.
Обидві методики ефективні, і вибір між ними визначається специфікою бізнес-цілей і стратегічних пріоритетів.
Міф 5. Велика кількість аналітики уповільнює процеси
Який обсяг ресурсів слід виділити для аналізу продукту? З одного боку, часто стверджують, що аналітика не може бути надлишковою і що слід вимірювати все можливе. З іншого боку, надмірна кількість даних здатна ускладнити роботу та ускладнити процеси в команді. Вкрай важливо знайти оптимальний баланс, а також зрозуміти, як показники взаємодіють один з одним і який вплив мають. Для підтримки продуктивності команди рекомендується зосередитися на пріоритетних метриках. Гонитва за швидкістю без мети або аналітика заради самої аналітики втрачають сенс. Потрібен продуманий баланс між оперативністю та аналітичним підходом.
Обсяг даних, необхідних для якісного аналізу, значно варіюється залежно від безлічі умов:
- характеру аналізу;
- рівня складності проблеми, що розглядається;
- якості доступних даних.
Грамотно організовані, високоякісні дані з потрібними характеристиками часто мають більше значення, ніж великі масиви інформації, заповнені шумами і нерелевантними елементами.
Статистична потужність відіграє ключову роль у коректній інтерпретації результатів A/B-тестів: під час перевірки гіпотез необхідний розмір вибірки для досягнення достатньої статистичної потужності визначається очікуваним ефектом, варіативністю даних і необхідним рівнем надійності. Більші вибірки зазвичай забезпечують точніші висновки. Таким чином, перед запуском A/B-тесту важливо заздалегідь визначити метрики (як первинні, так і вторинні), зміни яких допоможуть оцінити успішність нової функції. Тестування нової функціональності нерідко впливає на безліч метрик, а не тільки на одну. Тому ми аналізуємо загальну динаміку і розуміємо, що зміни показника, який не досяг мінімальної вибірки і не має статистичної потужності, недостатні для прийняття рішень. На початковому етапі ми ідентифікуємо метрики, яких може торкнутися тест, розраховуємо мінімальний необхідний розмір вибірки, забезпечуємо статистичну значущість і потужність, вивчаємо основні та додаткові метрики, а потім робимо висновки.
Загальні рекомендації включають таке:
- Невеликий аналіз: достатньо сотень або кількох тисяч точок даних.
- Підходить для базового дослідження або простих візуалізацій.
- Аналіз середнього рівня: для більш детального статистичного аналізу потрібні десятки тисяч точок даних.
- Масштабний аналіз: складні алгоритми машинного навчання, наприклад, у сфері розпізнавання мови або зображень, зазвичай вимагають сотень тисяч або мільйонів точок даних.
Таким чином, необхідний обсяг даних визначається специфікою аналізу, його цілями та обраними методами.