Что такое AARRR
AARRR — способ разложить бизнес на пять блоков, за каждым из которых стоит своя метрика и свой набор инструментов. Фреймворк не отвечает на вопрос «что делать», он отвечает на вопрос «где именно сейчас теряются деньги».
| Стадия | Вопрос стадии | Метрики в e-commerce | Инструменты |
|---|---|---|---|
| Acquisition — привлечение | Откуда приходят люди и сколько это стоит | Визиты по каналам, доля новых пользователей, CAC, ДРР | Реклама, SEO, партнёрства, контент |
| Activation — активация | Понял ли человек ценность в первый визит | Доля сессий с целевым действием, глубина просмотра, add-to-cart rate, доля отказов | Скорость сайта, навигация, поиск, персонализация выдачи |
| Retention — удержание | Возвращаются ли клиенты | Доля повторных покупок, retention по когортам, интервал между заказами | Триггерные коммуникации, рекомендации, ассортимент, сервис |
| Revenue — выручка | Сколько приносит клиент | Средний чек, выручка на посетителя, частота покупок, LTV, маржа | Кросс-продажи, апселл, ассортиментная и ценовая политика |
| Referral — рекомендации | Приводит ли клиент других | Доля заказов по реферальным ссылкам, отзывы, NPS | Реферальные механики, работа с отзывами, UGC |
Ценность фреймворка не в наборе стадий как таковых, а в дисциплине: у каждой стадии есть владелец, метрика и гипотезы. Без этого «улучшение конверсии» превращается в набор несвязанных задач.
Адаптация под интернет-магазин
Фреймворк родом из SaaS и мобильных продуктов, и при переносе в e-commerce две стадии из пяти меняют смысл.
Активация ≠ регистрация. В SaaS активация — это момент, когда пользователь получил первую ценность от продукта. В интернет-магазине регистрация обычно происходит в чекауте, то есть уже после решения о покупке, — как ранний сигнал она бесполезна. Рабочее определение активации в e-commerce — первое значимое действие, которое отличает будущих покупателей от случайных визитов:
Кандидаты в событие активации:
— просмотр N карточек товара за визит
— использование поиска по каталогу
— применение хотя бы одного фильтра
— добавление в корзину или вишлист
— возврат на сайт в течение 7 дней
Правильный порог находят по данным: смотрят, при каком действии вероятность покупки в горизонте 30 дней резко растёт. Это тот же метод, которым ищут аха-момент в продуктовой аналитике.
Удержание ≠ ежедневные заходы. Для медиа и приложений удержание измеряют возвратом на следующий день. Для магазина бытовой техники нормальный интервал между покупками — месяцы, для продуктов питания — дни. Поэтому метрика удержания привязывается к естественному циклу категории: доля клиентов, совершивших вторую покупку за период, равный медианному межпокупочному интервалу.
Полезный частный случай: доля вторых покупок — самый чувствительный индикатор здоровья базы. Переход от первой покупки ко второй в типовых проектах даёт самый большой отвал во всей цепочке, и работа именно с ним обычно окупается быстрее, чем работа с пятой покупкой.
Критика: линейность против реальности
Главная претензия к AARRR — фреймворк рисует одностороннее движение, а клиент движется иначе. Он уходит после третьей покупки и возвращается через полгода по акции. Он рекомендует магазин другу ещё до собственной второй покупки. Он приносит выручку и одновременно готовится к оттоку.
Отсюда два дополнения, без которых AARRR становится набором усреднённых чисел:
- Когортный анализ. Суммарная метрика удержания по всей базе скрывает динамику: приток новых клиентов маскирует ухудшение удержания старых. Когорты по месяцу первой покупки показывают, стало ли реально лучше.
- Кривая удержания. Одно число «retention 28%» не отвечает на вопрос, выходит ли кривая на плато. Плоский участок означает, что у продукта есть ядро постоянных клиентов; кривая, стремящаяся к нулю, — что база живёт только за счёт притока.
Второе ограничение — фреймворк ничего не говорит о марже. Стадия Revenue легко улучшается скидками, при этом валовая прибыль падает. Поэтому в e-commerce стадию Revenue считают в марже, а не в обороте.
Как выбрать метрику-фокус
Смысл AARRR — не в том, чтобы вести пять дашбордов, а в том, чтобы выбрать одно узкое место. Практическая процедура:
- Посчитать переходы между стадиями в абсолютных числах за последний квартал, а не в процентах. Часто оказывается, что стадия с худшей конверсией даёт наименьший абсолютный потенциал.
- Оценить потенциал улучшения. Улучшение удержания на 2 п.п. при базе в 300 тысяч клиентов почти всегда весомее роста конверсии на 5% в узком сегменте.
- Выбрать одну стадию на квартал и одну ведущую метрику — это и есть метрика «северной звезды» на период.
- Зафиксировать контрметрики. Для роста среднего чека контрметрикой служит доля возвратов, для роста конверсии — маржинальность корзины.
- Проверять изменения экспериментом. Сдвиг метрики после релиза сам по себе ничего не доказывает: рядом всегда есть сезонность и изменения в рекламе.
Типичные ошибки
- Использовать AARRR как отчёт, а не как диагностику. Пять чисел на дашборде без выбранного узкого места не меняют решений.
- Считать регистрацию активацией. Приводит к оптимизации формы регистрации вместо реальных барьеров в каталоге и поиске.
- Улучшать Revenue скидками. Оборот растёт, валовая маржа падает, а LTV когорты, привыкшей к скидкам, оказывается ниже.
- Мерить удержание в отрыве от цикла категории. Retention D7 для магазина мебели не несёт информации.
- Игнорировать Referral как неизмеримое. Даже базовая разметка реферальных переходов и отслеживание доли заказов от повторно рекомендованных клиентов лучше, чем отсутствие данных.