Продуктовая аналитика: что это, где применяется и как освоить

Большинство тех, кому нужен этот навык, уже открывают Метрику или AppMetrica каждый день, но читают отчёт как готовый ответ. Навык начинается раньше отчёта — с вопроса, какое решение зависит от цифры. Дизайнер спрашивает: «Поняли ли люди новый фильтр каталога?» В метрику это превращается так: доля сессий в каталоге, где фильтр применили хотя бы раз, и доля дошедших до корзины среди них по сравнению с остальными. Профессии продуктового аналитика на сайте посвящена отдельная статья; здесь речь о том, как пользоваться аналитикой в работе, которую вы уже делаете.

Из каких действий состоит навык

Работа идёт по одному циклу. Вопрос записывают как показатель с формулой: что в числителе, что в знаменателе, за какой период. Затем проверяют, отправляется ли событие в нужный момент и не задваивается ли оно. Потом строят один из трёх базовых разрезов. Воронка показывает, на каком шаге пути к целевому действию теряется больше людей, чем ожидалось. Когорты — группы пользователей, пришедших в одну неделю или месяц, — показывают, возвращаются ли люди и стало ли удержание лучше у новых клиентов, чем у старых. Сегменты отвечают на вопрос «у кого именно»: у мобильных пользователей, у пришедших из рассылки.

Последний шаг — вывод, который можно проверить. Не «конверсия упала», а «конверсия из корзины в оплату у пользователей iOS снизилась с 41 до 33 % после обновления от 12 числа, у Android не изменилась». Такую фразу можно пересчитать и проверить.

Кому и для каких решений он нужен

Продакт-менеджер сам проверяет, стоит ли идея спринта: сколько людей вообще доходят до экрана, который он хочет переделать. Маркетолог оценивает каналы не по кликам, а по покупателям, которые возвращаются через месяц. Дизайнер видит, на каком поле формы люди бросают заполнение, и приходит на обсуждение макета с фактами. Основатель стартапа понимает, растёт продукт за счёт удержания или только за счёт оплаченной рекламы.

Граница у всех четверых общая: они отвечают на свои вопросы по готовым отчётам и простым выгрузкам. Эксперименты на большом трафике, сложные запросы к сырым событиям и корректность данных всей компании — работа продуктового аналитика.

Когда нужен другой подход

Цифры отвечают на вопрос «что происходит», но редко объясняют почему. Если в воронке видно, что 60 % бросают оформление на шаге доставки, причину быстрее узнать из пяти разговоров с покупателями или записей сессий, чем из новых отчётов. Когда пользователей мало — десятки в неделю, а не тысячи, — статистические сравнения почти бессмысленны: любое колебание окажется в пределах случайности, и интервью дадут больше.

Учебный пример: годовой отчёт, построенный на 42 % данных

Ситуация учебная. Интернет-магазин настольных игр получает около 100 000 визитов в месяц. В декабре маркетолог готовит план на год и строит в Метрике отчёт по источникам трафика за двенадцать месяцев с целью «Заказ оформлен». Нужно решить, куда переложить бюджет: в рекламу в соцсетях или в email-рассылку. По отчёту рассылка принесла около 60 заказов, соцсети — около 900.

Над таблицей стоит переключатель «Выборка», и он показывает не 100 %. Как объясняет справка Яндекс Метрики о семплировании, семплирование может включаться, когда в исходной выборке запроса больше 500 000 визитов (в отчётах по просмотрам — больше 2 млн просмотров). Тогда отчёт считается по части визитов, а результат пересчитывается на весь объём и становится примерным. В той же справке приведена таблица: при 100 000 визитов в месяц отчёт за пять месяцев строится по всем данным, за шесть — по 83,3 %, за двенадцать — по 41,7 %.

Для крупных показателей это почти не страшно. По словам справки, алгоритм отбирает данные равномерно по посетителям и сохраняет распределения атрибутов, поэтому доля соцсетей в трафике или средняя конверсия магазина останутся близкими к настоящим. Уязвимы малые сегменты. Шестьдесят заказов рассылки в годовом отчёте — это примерно 25 заказов, попавших в выборку, умноженные на 2,4. Если настоящих заказов действительно 60, в выборку по чистой случайности может попасть и 18, и 32, а после пересчёта это уже от 43 до 77. Разброс почти двукратный — достаточно, чтобы решение о бюджете рассылки стало случайным.

Исправление не требует аналитика. Справка называет три способа получить отчёт по всем данным: сократить период так, чтобы визитов было меньше 500 000, перейти на платную Метрику Про или стать партнёром Рекламной сети Яндекса с большим числом показов. Малому магазину подходит первый: построить отчёт помесячно и сложить результаты. Заодно стоит проверить переключатель «Выборка» во всех отчётах для презентации; в отчётах группы «Директ» семплирование не применяется. Главный вывод шире Метрики: перед тем как сравнивать сегменты, выясните, по скольким наблюдениям посчитана каждая цифра.

С чего начать и в каком порядке осваивать

Порядок ниже повторяет путь от вопроса к выводу. Многие начинают с красивых дашбордов, а через месяц выясняют, что половина событий записывалась неправильно. Поэтому сначала — формулировка и данные, потом разрезы, и только в конце — сравнения и эксперименты, где ошибки стоят дороже всего.

1. Возьмите продукт, к данным которого у вас есть доступ, и запишите три вопроса, от ответа на которые зависит решение. Для каждого придумайте метрику с формулой.
2. Проверьте события: пройдите путь пользователя сами и убедитесь, что каждое действие появилось в отчёте один раз и в нужный момент.
3. Постройте воронку до главного целевого действия и найдите шаг с самой большой потерей.
4. Разбейте пользователей на когорты по месяцу прихода и посмотрите, как меняется доля вернувшихся.
5. Сравните два-три сегмента и для каждой цифры запишите, по скольким людям или событиям она посчитана.
6. Разберитесь, как устроен A/B-тест: зачем заранее выбирать метрику и размер выборки и почему тест нельзя останавливать в день удачного результата.

Для первых пяти шагов хватит Яндекс Метрики и Google Таблиц, шестой удобнее проходить с разбором ошибок. Если нужна длинная программа, где статистика и A/B-тесты вынесены в отдельные модули, посмотрите онлайн-курс «Продуктовый аналитик» от TeachMeSkills: пять месяцев вечерних занятий в группах до 18 человек, инструменты идут от таблиц к Python с pandas, SQL и Tableau, в конце — дипломный проект с защитой. Программа рассчитана скорее на смену роли, а цену стоит уточнить у школы: в источниках она расходится.

Упражнения и ошибки новичков

Первое упражнение — пересчитать чужой вывод. Возьмите фразу из отчёта коллеги вроде «рассылка работает лучше рекламы» и восстановите, за какой период и на скольких наблюдениях она сделана. Второе — когортная таблица своими руками: выгрузите пользователей с датой первого и последнего визита или заказа и посчитайте в таблице долю вернувшихся по месяцам прихода. Третье — сравните число оплат в аналитике и в платёжной системе за неделю и объясните расхождение.

Основателю, которому важнее связать метрики с исследованием клиентов и развитием продукта, чем освоить инструменты, может подойти короткий формат. На курсе Московской бизнес-академии «Продуктовая аналитика: анализ рынка и эффективное развитие бизнеса» за месяц в записи разбирают управление созданием продукта, исследования по методу Customer Development и продуктовые метрики, заданий три — по одному на дисциплину. Конкретные инструменты аналитики в описании не названы, поэтому программу стоит уточнить у школы.

Ошибки новичков похожи у всех профессий. Сравнивают доли без числа наблюдений: 50 % конверсии из двух визитов выглядят так же, как из двух тысяч. Складывают всех пользователей вместе, и приток новичков после рекламы скрывает, что старые клиенты уходят быстрее. И, как в примере выше, берут цифры малого сегмента из отчёта на выборке.

Как навык влияет на доход

Отдельной надбавки «за продуктовую аналитику» вакансии обычно не называют: навык входит в требования строкой вроде «умение работать с метриками» или «опыт A/B-тестирования». Эффект виден по задачам, которые доверяют: маркетолог, который сам доказывает окупаемость канала, получает право распоряжаться бюджетом.

Для продакт-менеджера навык — часть основной работы. По калькулятору зарплат Хабр Карьеры при просмотре в сентябре 2026 года медианная зарплата менеджера продукта уровня middle по всей России — 230 000 ₽ в месяц по 320 анкетам. Для сравнения, у продуктового аналитика того же уровня там же — 244 166 ₽ по 138 анкетам. Это суммы, которые специалисты указали сами, а не предложения в вакансиях; выборка почти целиком из IT-компаний, а до вычета налога цифры или после, методика не уточняет.

Основателю навык приносит деньги через расходы, которых удалось избежать: одна отменённая разработка ненужной функции или отключённый убыточный канал часто стоят больше обучения. Чтобы оценить эффект для своей профессии, сравните вакансии с требованием метрик и A/B-тестов и без него в одном регионе и на одном уровне опыта.

Как выбрать обучение

Проверьте, на каких данных построена практика: учебные таблицы на сто строк не научат замечать проблемы с событиями и выборкой. Узнайте, кто проверяет задания. Если в опубликованном плане нужной темы нет, спросите о ней школу напрямую.

Тем, кому ближе деньги продукта, чем поведение пользователей, стоит посмотреть обзор программы «Продуктовая аналитика» от Digital Skills Academy: около месяца дистанционно, модули о финансах продукта, юнит-экономике, подготовке данных в Power Query и визуализации в Power BI. Авторы обзора отмечают, что теории там примерно в 4,5 раза больше, чем практики, а SQL в модулях нет, поэтому программа подходит продактам и маркетологам, которым нужна финансовая сторона, а не будущим аналитикам.

Прежде чем платить, пройдите описанный выше порядок хотя бы до когорт на данных своего продукта. Если разбираться, почему цифры расходятся, интересно, а не утомительно, обучение окупится временем.

Сравнить не отдельные программы, а сами онлайн-школы поможет рейтинг онлайн-школ с обучением продуктовой аналитике. Ни одна программа не гарантирует рост дохода; оценивайте её по тому, сможете ли вы после обучения ответить на свой рабочий вопрос и показать, по скольким данным сделан вывод.