Вот вы сели фиксировать свои гипотезы по продукту. Вы умные и не фантазируете. Вы опираетесь на аналитику и исследования. Вы понимаете, что за фразой «давайте сократим количество шагов в онбординге, будет лучше конверсить» лежит дилетантство, гадание и вкусовщина. Вы формулируете гипотезы чётко, с конкретными процентами: «Если сократить количество шагов в онбординге, это увеличит процент конверсии на 10 пунктов».
Вы молодцы? Конечно, нет. Это всё равно интуиция, просто замаскированная под решение. Нормальная формулировка всегда жёсткая и двусторонняя: «если сделать X, то Y изменится на Z по такой-то причине».
Она вынуждает объяснить механику эффекта. Почему это вообще должно сработать? Где в цепочке пользовательского поведения наступит перелом? Что именно поменяется в принятии решения?
Если сократить онбординг до трёх шагов, то конверсия в первый целевой шаг увеличится на 10–15%, потому что пользователи меньше устают и быстрее достигают момента ценности.
Вроде, ок. Измеримо, чётко. Или нет? Нет. В любой гипотезе должен быть риск. Если риска нет, то что тут вообще проверять? Пилите, и всё.
Если сократить онбординг до трёх шагов, то конверсия в первый целевой шаг увеличится на 10–15%, потому что пользователи меньше устают и быстрее достигают момента ценности. Ключевой риск: упрощение может убрать важные уточнения, из-за чего качество первичной настройки упадёт.
Когда риск не зафиксироан, он всё равно существует, просто прячется. И потом вылезает в самый неожиданный (и дорогой для бизнеса) момент: на проде, в репутации, в откате решения. Риск — это часть гипотезы. Он показывает, на какой участок системы вы давите, где у вас наименьшая обратимость, где потенциально полетит метрика, которую никто даже не вспомнил включить в мониторинг.
Хорошая гипотеза не только говорит, что улучшится, но и честно показывает, что может сломаться. Именно поэтому гипотеза — это инструмент управления неопределённостью, а не просто формальность в документации, которую нужно заполнить, чтобы запустить А/В.
Если добавить персональные рекомендации на основе истории действий, то среднее время в продукте возрастёт на 8–12%, потому что контент станет релевантнее каждому пользователю. Ключевой риск: отсутствие достаточного количества данных на старте приведёт к низкому качеству рекомендаций и обратному эффекту.
Если добавить автодополнение и ранжирование результатов по популярности, то доля успешных поисковых сессий вырастет на 15–20%, потому что пользователи будут быстрее находить нужное. Ключевой риск: неверная логика ранжирования может скрыть важные результаты и ухудшить восприятие поиска.
Если на карточках продукта показать рейтинг и количество использований, то конверсия в просмотр деталей увеличится на 10–12%, потому что социальное доказательство снижает неопределённость. Ключевой риск: низкие рейтинги или небольшое количество оценок могут, наоборот, отпугнуть пользователей.
Если добавить бесплатный тестовый период на 7 дней, то конверсия из регистрации в оплату увеличится на 20–25%, потому что снижение первичного барьера повышает вероятность пробного использования. Ключевой риск: увеличение доли нецелевой аудитории, которая «поживёт» бесплатно и не перейдёт в оплату.
С гипотезами, ориентированными на конкретный внутренний бизнес-эффект (оптимизация расходов, повышение эффективности и тп) то же самое, но немного сложнее. Там на первое место выходят экономические показатели, хотя общая суть не меняется.
Отдельной темой может стать диапазон процентов в формулировке гипотез, потому что «как их тогда подтверждать или опровергать?»
Но это уже совсем другая история