Фитнес-платформа AirSport: расширение продукта
Условие
Вы продакт-менеджер в компании Kodland. Компания развивает фитнес-платформу AirSport — онлайн-сервис для персональных тренировок.
Задание
- Выберите приоритетные направления расширения продукта. Обоснуйте выбор
- Спланируйте тест гипотезы о запуске парных тренировок:
- Какие метрики будете отслеживать?
- Как определите успех эксперимента?
- Определите состав MVP для выбранного направления:
- Какие фичи войдут в первую версию?
- Оцените время разработки
- Текущая проблема: низкая конверсия в покупку. Предложите решения
- Ответьте на вопросы:
- Как проводите CustDev?
- Как работаете с дедлайнами?
- Как считаете LTV пользователя?
- По каким критериям определяете успех продукта?
Комментарии (1)
Ответ сгенерирован нейросетью и может содержать ошибки
Развитие фитнес-платформы AirSport: стратегия расширения
1. Приоритетные направления расширения продукта
Анализ рынка и обоснование выбора
Выбираю 3 приоритетных направления расширения по методу RICE (Reach, Impact, Confidence, Effort):
Направление 1: Парные (групповые) тренировки — ПРИОРИТЕТ 1
- Reach (охват): 60% пользователей онлайн-фитнеса предпочитают групповые занятия (данные IHRSA). Это расширит ЦА на 200-300%
- Impact (влияние): Повышение retention на 35-40% (пользователи с друзьями занимаются чаще). Увеличение LTV на 45-60%
- Confidence (уверенность): 90% (валидация есть, но нужна проверка конкретно для AirSport)
- Effort (трудоёмкость): Средняя (нужна синхронизация, QoS, новый UI)
- RICE Score: (0.6 × 40% × 0.9) / 6 месяцев = 3.6
Направление 2: Коммьюнити и социальные функции — ПРИОРИТЕТ 2
- Reach: 45% пользователей ищут социальное взаимодействие в фитнесе
- Impact: +25% retention, создание network effect
- Confidence: 80% (соцсети работают, но в фитнесе специфика)
- Effort: Средняя-высокая (чат, ленты, рейтинги)
- RICE Score: 2.8
Направление 3: Персонализованные программы на основе AI — ПРИОРИТЕТ 3
- Reach: 100% пользователей (все захотят персонализацию)
- Impact: +30% эффективности тренировок, +20% конверсии
- Confidence: 70% (AI работает, но нужны данные)
- Effort: Высокая (ML моделирование, сбор данных)
- RICE Score: 2.5
Почему именно эти три?
- Парные тренировки решают основную проблему фитнеса: низкий уровень самодисциплины
- Социальные функции создают сетевой эффект (каждый новый пользователь привлекает друзей)
- AI персонализация дифференцирует от конкурентов (Peloton, Beachbody)
2. Тест гипотезы: запуск парных тренировок
Гипотеза: "Парные тренировки увеличат retention на 30%+ и LTV на 40%+ по сравнению с пользователями, занимающимися только индивидуально"
Дизайн эксперимента
Метрики для отслеживания (основные)
- Retention: % пользователей, вернувшихся через 7, 14, 30 дней (целевое: +30% vs контрольная группа)
- Engagement: среднее количество тренировок в неделю (целевое: +2 тренировки/неделю)
- Frequency: % пользователей, использующих парные тренировки (целевое: >= 20% от активных)
- Conversion to paid: % пользователей парных тренировок, купивших подписку (целевое: +40% vs контроль)
- LTV: среднее жизненное значение пользователя парных тренировок (целевое: +40%)
Метрики для отслеживания (вторичные)
- NPS: Net Promoter Score для пользователей парных тренировок
- Churn rate: % отписавшихся после первой парной тренировки (целевое: < 15%)
- Cost of acquisition: стоимость привлечения одного пользователя парных тренировок
- Matchmaking quality: % успешных сопаривания партнёров (целевое: >= 85%)
- User satisfaction: оценка парных тренировок (целевое: >= 4.5/5)
Определение успеха эксперимента
Критический успех (GO)
- Retention через 30 дней: +25% минимум
- Conversion to paid: +30% минимум
- NPS: >= 40 (промышленный стандарт для SaaS)
Условный успех (GO with modifications)
- Retention через 30 дней: +15-24%
- Conversion to paid: +20-29%
- NPS: 30-39
- Действие: запустить, но с оптимизациями
Провал (NO GO)
- Retention: +10% или меньше
- Conversion to paid: +15% или меньше
- Нельзя развивать дальше в текущем виде
Размер и длительность теста
- Размер выборки: 5000 активных пользователей на тест, 5000 в контрольной группе
- Длительность: 8 недель (достаточно для 2+ цикла поведения)
- Статистическая значимость: 95% confidence, 5% alpha
3. MVP парных тренировок: состав и сроки
MVP: Минимальный набор функций
Функционал (Phase 1)
- Сопаривание партнёров: алгоритм matching по уровню физподготовки, расписанию, целям
- Синхронизированная видеотрансляция: два пользователя видят одного инструктора в одном временном слоте
- Общий таймер и счетчик повторений: синхронизированный UI для обоих
- Простой чат в тренировке: только текст, без видео друг друга
- Post-workout summary: совместный отчёт о пройденной тренировке
Функционал (НЕ входит в MVP)
- ❌ Видеозвонок между пользователями (высокая стоимость, низкий спрос)
- ❌ Групповые (3+) тренировки (фаза 2)
- ❌ Турниры и рейтинги (фаза 2)
- ❌ Коммьюнити чат между тренировками (это соцсети, фаза 2)
Оценка времени разработки
| Компонент | Время | Команда |
|---|---|---|
| Сопаривание (matching algo) | 3 недели | 2 backend, 1 data scientist |
| Синхронизация видеопотока | 4 недели | 2 backend, 1 DevOps |
| Frontend UI (парный интерфейс) | 3 недели | 2 frontend |
| Интеграция с платежами | 2 недели | 1 backend |
| QA + тестирование | 3 недели | 2 QA |
| ИТОГО | 15 недель | 9 человек |
Timeline
- Неделя 1-3: Matching алгоритм, backend API
- Неделя 4-7: Синхронизация видео, DevOps инфра
- Неделя 8-10: Frontend разработка
- Неделя 11-13: Интеграция, QA
- Неделя 14-15: Полировка, фиксы
- Неделя 16: Запуск приватного беты на 500 пользователях
4. Решение проблемы низкой конверсии в покупку
Анализ проблемы: почему пользователи не покупают?
Гипотезы по приоритету
Гипотеза 1: Недостаточное доказательство ценности (вероятность: 50%)
- Бесплатная версия слишком ограничена или слишком полна
- Пользователи не видят разницы между free и paid
- Решение: Ясно показать ROI тренировок ("За 4 недели: -2.5кг, +50% выносливости")
Гипотеза 2: Конкурентные цены (вероятность: 40%)
- Цена слишком высокая по сравнению с Peloton, Fitbod, Beachbody
- Пользователи не видят ценности за деньги
- Решение: Фрилемиум с жесткими ограничениями, "срок действия" демо
Гипотеза 3: Неудачный момент для предложения (вероятность: 45%)
- Нет правильного момента для предложения подписки
- Предложение появляется в неправильное время
- Решение: Предложение ПОСЛЕ 3-й завершённой тренировки, когда пользователь втянулся
Гипотеза 4: Отсутствие социального давления (вероятность: 35%)
- Другие платформы используют социальное доказательство: "Ваш друг купил!"
- AirSport не показывает успехи друзей
- Решение: Добавить "друзья, которые купили" + их трансформацию
Плана действий по повышению конверсии
Краткосрочные (2-4 недели)
-
A/B тест момента предложения
- Вариант A: предложение после 1-й тренировки
- Вариант B: предложение после 3-й тренировки (гипотеза: выше conversion)
- Вариант C: предложение через 7 дней активности
- Целевой результат: +20% конверсии
-
Пересмотр landing page
- Добавить прямые результаты: "Средний результат за 30 дней: похудение на 3кг"
- Социальное доказательство: фото трансформаций
- CTA более ясный: "Начать бесплатно, отмена в любой момент"
-
Дифференцированные цены
- Базовая (beginner): $9.99/месяц — доступ к 20 тренировкам/месяц
- Профессиональная (pro): $19.99/месяц — неограниченный доступ
- Персональная (premium): $49.99/месяц — +1 сессия с персональным тренером
Среднесрочные (4-12 недель) 4. Интеграция социальных элементов
- Показывать достижения друзей: "Ваш друг завершил 10 тренировок!"
- Социальная ссылка на покупку: "Купи подписку, и я получу 1 месяц бесплатно"
-
Персонализированные уведомления
- "Вернись! Ты был в 88-м перцентиле по активности"
- "Посмотри результаты: ты стал быстрее на 12%"
-
Пробный период
- Вместо фриллемиума: 14-дневный полный доступ, затем платная подписка
- Напоминание за 3 дня до конца пробного периода
5. Ответы на специальные вопросы PM
Как проводите CustDev (Customer Development)?
Мой процесс CustDev:
-
Подготовка (1 день)
- Определяю гипотезу для проверки
- Создаю гайд интервью (7-10 открытых вопросов)
- Выбираю респондентов: 15-20 пользователей из целевой ЦА
- Разделяю на 3 когорты: активные (10+/мес), средние (3-9), неактивные (< 3)
-
Проведение (2 недели)
- Интервью по 45-60 минут каждое
- Фокус на "почему", не на "что": "Почему ты отписался?" вместо "Тебе не нравится?"
- Берём на запись (видео или аудио)
- Ищем паттерны, а не единичные ответы
-
Анализ (1 неделя)
- Транскрибирую интервью (вручную или через AI)
- Выделяю основные insight-ы (3-5 главных идей)
- Создаю матрицу: проблема → частота упоминания → влияние на retention
-
Внедрение (продолжается)
- Приоритизирую решения по RICE
- Спикаю с инженерами: "Это возможно за 2 недели?"
- Запускаю A/B тест на решение
- Повторяю цикл каждые 4 недели
Как работаете с дедлайнами?
Мой подход:
-
Планирование (Неделя -1)
- Разбиваю большую фичу на 3-5 мини-фич
- Оцениваю время с инженерами (используя Planning Poker)
- Добавляю буфер 30% на неожиданности
- Определяю MVP: какой минимум обязателен?
-
Трекинг (Еженедельно)
- Стендапы 15 минут: что сделано, что блокирует?
- Активно удаляю scope: "Это не MVP, это фаза 2"
- Если видю отставание на 20%: сразу говорю с лидом техники, какие фичи удалить
-
Реагирование
- Дедлайн невозможен? Честно говорю за 2 недели, а не в последний день
- Предлагаю варианты: отложить, урезать функционал, добавить людей
- Никогда не давлю на команду: плохой код = больше проблем потом
-
Постмортем (После релиза)
- Разбираем: отчего отстали, что учесть в следующий раз
- Обновляю estimates для будущих задач
Как считаете LTV пользователя?
Моя формула LTV:
LTV = ARPU × Gross Margin × Average Lifetime (в месяцах)
Разбор по шагам:
-
ARPU (Average Revenue Per User)
- Если подписка: $19.99/месяц
- Если freemium: среднее, что пользователь платит = (платящие × $19.99) / все пользователи
- Пример: 15% платят, ARPU = $3/месяц
-
Gross Margin
- После вычета хостинга, видео CDN, платежных комиссий
- Для SaaS типично: 70-85%
- AirSport: 75% (учитываю видео хостинг Vimeo)
-
Average Lifetime (в месяцах)
- Рассчитываю из Churn Rate
- Если ежемесячный churn = 5%, то lifetime = 1 / 0.05 = 20 месяцев
- Если churn = 3%, lifetime = 33 месяца
Пример расчёта
ARPU = $3/месяц
Gross Margin = 75%
Lifetime = 20 месяцев (при 5% churn)
LTV = $3 × 0.75 × 20 = $45
Более точный метод (когортный анализ)
- Беру когорту пользователей из месяца X
- Отслеживаю их revenue по месяцам: месяц 1, месяц 2, месяц 3...
- Суммирую весь доход до нулевого дохода
- Это истинный LTV для этой когорты
Как считаете успех продукта?
Использую сбалансированный скорикард из 4-х блоков:
1. Бизнес-метрики (50% веса)
- MRR (Monthly Recurring Revenue): растёт ли доход?
- Churn Rate: < 5%/месяц = успех
- Retention Day 30: >= 40% = хорошо, >= 60% = отлично
- CAC (Customer Acquisition Cost): < 1/3 LTV = эффективно
2. Продуктовые метрики (30% веса)
- Engagement: среднее количество тренировок/неделю
- NPS: >= 40 = промышленный стандарт
- Conversion to paid: >= 5% = хорошо
- Feature adoption: какой % пользователей использует новые фичи
3. Пользовательские метрики (15% веса)
- User satisfaction: средняя оценка в App Store >= 4.5
- Support tickets: < 2% пользователей пишут в поддержку
- Time to first result: через сколько дней пользователь видит прогресс? (целевое: < 7 дней)
4. Стратегические метрики (5% веса)
- Market share: какой % целевого рынка мы охватили?
- Brand sentiment: позитивные упоминания в социальных сетях
- Team morale: опрос команды (NPS собственных сотрудников)
Зелёный сигнал продукта (все 4 блока в норме):
- MRR растёт на 10%+/месяц
- Retention >= 50%
- NPS >= 45
- Engagement >= 4 тренировок/неделю
Красный сигнал (срочное действие нужно):
- Churn > 8%/месяц
- Retention < 20%
- NPS < 30
- CAC > LTV