TGViewer
Ordinary PM Ordinary PM @ordinarypm · 5.72K subscribers
Post #127 1.67K
HEART Framework 🖤

Как менеджеру продукта понять какие метрики важно и нужно собирать? Как не упустить важное, и при этом, не закопаться в деталях, не перегрузить себя лишним?

Один из структурированных и системных подходов в 2010 году предложила Керри Родден, бывшая UX исследовательница из Google – это фреймворк HEART.

Чем, на мой взгляд, полезен этот фреймворк для менеджера продукта:
✅ он смещает оптику с отдельных функций на общий пользовательский опыт, что помогает определить те конкретные области, улучшение которых даст больший эффект;
✅ он помогает сбалансировать краткосрочные и долгосрочные метрики;
✅ он позволяет рассматривать опыт пользователя с разных сторон и понимать, как улучшение в одной области может повлиять на другие

.
Аббревиатура HEART расшифровывается следующим образом:

🙂 H – Happiness. Оцениваем, насколько пользователи удовлетворены нашим продуктом и как они к нему относятся.

Примеры метрик, замеряемых через опросы: NPS (индекс потребительской лояльности), CSI (индекс удовлетворённости клиентов), CSAT (индекс потребительской лояльности).

Важно: не для всех продуктов классические метрики NPS, CSI и CSAT могут быть подходящими. Вы можете разработать свой собственный опрос, главное – понять, видит ли пользователь ценность в вашем продукте.

📈 E – Engagement. Оцениваем, насколько активно пользователи взаимодействуют с продуктом? Насколько они вовлечены? Engagement показывает – продолжают ли пользователи получать ценность, используя продукт. Например, эта категория важная для продуктов, которые зарабатывают на рекламе, где доход зависит от времени и частоты использования продукта.

Примеры поведенческих метрик: регулярность (сколько дней в неделю человек заходит на ваш сайт/приложение), частота (сколько раз в день пользователь посещает ваш сайт/приложение), time spent, глубина использования (сколько страниц или разделов просматривает пользователь за одно посещение)

👤 A – Adoption. Сколько новых пользователей пришло в продукт и начали пользоваться им? Здесь оцениваем, насколько успешно мы привлекаем пользователей, что особенно важно на этапах запуска и расширения продукта.

Примеры метрик: количество новых пользователей продукта, количество новых пользователей, которые начали использовать определённый функционал внутри продукта.

🔄 R – Retention. Оцениваем, сколько пользователей продолжают пользоваться вашим продуктом после того, как впервые его попробовали? Фокус не на количестве пользователей, как в Adoption, а на качестве — насколько люди становятся нашими постоянными пользователями.

Примеры метрик: Retention, Churn, Stickness (DAU/MAU), LTV

👀 T – Task Success. Оцениваем, насколько эффективно пользователи справляются с тем, что они изначально хотели сделать в вашем продукте.

Пример метрик: сколько задач было выполнено (в количестве или в процентах), сколько ошибок было допущено (в количестве или в процентах).

Знать, что означает каждая буква в фреймворке HEART, очень важно, но этого недостаточно, чтобы получить от него максимальную пользу.

В следующем посте мы обсудим оставшиеся детали, которые действительно делают этот инструмент по-настоящему эффективным.
  • ❤ 14
  • 👍 8
  • 💯 4
  • 👨‍💻 1
  • 👀 1
More from @ordinarypm
  1. Sep 10, 2026Как не обмануться метриками 🔍 В предыдущем посте разобрали, как получать сигналы для прин…
  2. Sep 3, 2026Как метрики помогают принимать решения быстрее 🏃‍➡️ В прошлом посте разбирали систему мет…
  3. Aug 20, 2026Как увидеть систему за метриками продукта 🎛 Тема метрик кажется довольно очевидной: прода…
  4. Aug 12, 2026Стратегия откликов – не только HH Для большинства HH остаётся главным источником вакансий…
  5. Aug 7, 2026deep tech night 🌚 Есть мнение, что с развитием ИИ-инструментов (Codex, Claude Code и др.)…
  6. Aug 3, 2026Почему даже хорошее CV может не попасть к адресату? 📄 Сегодня большинство резюме сначала…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →