Чем можно заменить установки в KPI?

Альтернативы установкам в KPI

Установки приложения — это ванильный и устаревший метрик, который не отражает реальную ценность и здоровье приложения. В современной аналитике я использую более значимые метрики, которые коррелируют с доходом и удержанием. Расскажу об альтернативах и когда их применять.

Почему установки неэффективны как KPI?

Проблемы с метрикой "Установки":

• Не коррелирует с доходом — много установок ≠ много денег
• Low barrier to entry — легко подделать (фреш-трафик, боты, переустановки)
• Не отражает качество — установка = клик, а не использование
• Ложные сигналы роста — может расти, а пользователи уходят на день 2
• Исторически сложилась — marketing хотел видеть объёмы, но это не бизнес-метрика

Метрика 1: Активные пользователи (DAU/MAU)

Определение:

SELECT
  DATE(created_at) as date,
  COUNT(DISTINCT user_id) as dau,
  COUNT(DISTINCT CASE WHEN DATE_PART('day', AGE(NOW(), created_at)) <= 7 THEN user_id END) as wau,
  COUNT(DISTINCT CASE WHEN DATE_PART('day', AGE(NOW(), created_at)) <= 30 THEN user_id END) as mau,
  COUNT(DISTINCT user_id) * 100.0 / COUNT(DISTINCT CASE WHEN DATE_PART('day', AGE(NOW(), created_at)) <= 30 THEN user_id END) as dau_mau_ratio
FROM user_events
WHERE created_at >= CURRENT_DATE - INTERVAL '30 days'
GROUP BY DATE(created_at)
ORDER BY date DESC;

Преимущества:

• Отражает реальную популярность
• DAU/MAU ratio показывает качество удержания (20-30% = здоров, >40% = фиксация, <10% = проблемы)
• Сложно подделать (нужно поддерживать активность, а не просто устанавливать)
• Коррелирует с доходом (активные = потенциальные покупатели)

Когда применять: Для всех потребительских приложений (games, social, productivity)

Метрика 2: Qualified Installs (Активации)

Определение:

Установка = завершенное действие в приложении (не просто установка, а первый meaningful interaction).

SELECT
  DATE(install_date) as date,
  COUNT(DISTINCT user_id) as total_installs,
  COUNT(DISTINCT CASE 
    WHEN created_first_content = true OR opened_main_feature = true
    THEN user_id 
  END) as qualified_installs,
  COUNT(DISTINCT CASE 
    WHEN created_first_content = true OR opened_main_feature = true
    THEN user_id 
  END) * 100.0 / COUNT(DISTINCT user_id) as activation_rate,
  COUNT(DISTINCT user_id) as raw_installs
FROM users
WHERE install_date >= CURRENT_DATE - INTERVAL '30 days'
GROUP BY DATE(install_date)
ORDER BY date DESC;

Преимущества:

• Фильтрует мусор (случайные установки, боты)
• Показывает качество onboarding
• Чётче коррелирует с LTV
• Помогает оптимизировать user journey

Когда применять: Для оценки качества трафика и эффективности marketing channels

Метрика 3: D1 Retention (Удержание на день 1-2)

Определение:

Процент пользователей, которые вернулись хотя бы раз после первого дня.

SELECT
  DATE(created_at) as install_date,
  COUNT(DISTINCT user_id) as installs,
  COUNT(DISTINCT CASE 
    WHEN last_activity_date >= DATE(created_at) + INTERVAL '1 day'
    THEN user_id 
  END) as d1_retained,
  COUNT(DISTINCT CASE 
    WHEN last_activity_date >= DATE(created_at) + INTERVAL '1 day'
    THEN user_id 
  END) * 100.0 / COUNT(DISTINCT user_id) as d1_retention_rate
FROM users
WHERE created_at >= CURRENT_DATE - INTERVAL '30 days'
GROUP BY DATE(created_at)
ORDER BY install_date DESC;

Преимущества:

• Показывает реальный интерес (не просто установил и забыл)
• Predictor of long-term health (D1 retention коррелирует с D30 retention)
• Помогает быстро обнаружить проблемы (uptime, crashing, bad UX)
• Легче влиять на чем на установки (улучшить UX проще чем получить трафик)

Когда применять: Как основной KPI для product и growth teams

Метрика 4: Cost Per Qualified Action (CPQA)

Определение:

Стоимость привлечения пользователя, который совершит meaningful action (не просто установит).

# CPQA vs CPI
install_cost = 0.50  # $0.50 за установку
quality_rate = 0.35  # 35% становятся активными пользователями
cpqa = install_cost / quality_rate  # $1.43 за qualified user

# Это даёт более честную оценку маркетинг-efficiency
print(f"CPI: ${install_cost}")
print(f"CPQA: ${cpqa:.2f}")
print(f"Истинная стоимость привлечения активного пользователя: ${cpqa:.2f}")

Преимущества:

• Учитывает качество трафика
• Позволяет честно сравнивать каналы (дорогой трафик может быть лучшего качества)
• Ближе к ROI

Когда применять: Для оценки маркетинг-эффективности

Метрика 5: LTV Cohort Analysis

Определение:

Полная стоимость пользователя за всё время (lifetime value), сегментированная по когортам установки.

WITH cohorts AS (
  SELECT
    DATE(install_date) as cohort,
    user_id,
    SUM(revenue) as total_revenue
  FROM users u
  LEFT JOIN purchases p ON u.id = p.user_id
  WHERE install_date >= '2024-01-01'
  GROUP BY DATE(install_date), user_id
)
SELECT
  cohort,
  COUNT(DISTINCT user_id) as cohort_size,
  ROUND(AVG(total_revenue)::numeric, 2) as avg_ltv,
  ROUND(PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY total_revenue)::numeric, 2) as median_ltv,
  ROUND(SUM(total_revenue)::numeric, 2) as total_revenue,
  ROUND(SUM(total_revenue) / COUNT(DISTINCT user_id)::numeric, 2) as ltv_per_user
FROM cohorts
GROUP BY cohort
ORDER BY cohort DESC;

Преимущества:

• Показывает истинную ценность когорты
• LTV:CAC ratio — главный метрик健康
• Раньше видны проблемы (падение LTV = будущая проблема revenue)

Когда применять: Как долгосрочный KPI для управленческого уровня

Метрика 6: Funnel Conversion Metrics

Определение:

Процент прохождения через ключевые стадии:

WITH funnel AS (
  SELECT
    COUNT(DISTINCT user_id) as step1_installs,
    COUNT(DISTINCT CASE WHEN tutorial_completed = true THEN user_id END) as step2_onboarded,
    COUNT(DISTINCT CASE WHEN created_content = true THEN user_id END) as step3_activated,
    COUNT(DISTINCT CASE WHEN made_purchase = true THEN user_id END) as step4_payers,
    COUNT(DISTINCT CASE WHEN subscription_active = true THEN user_id END) as step5_subscribers
  FROM users
  WHERE install_date >= CURRENT_DATE - INTERVAL '90 days'
)
SELECT
  step1_installs,
  step2_onboarded,
  ROUND(100.0 * step2_onboarded / step1_installs, 1) as onboarding_conversion,
  step3_activated,
  ROUND(100.0 * step3_activated / step1_installs, 1) as activation_conversion,
  step4_payers,
  ROUND(100.0 * step4_payers / step1_installs, 1) as monetization_conversion,
  step5_subscribers,
  ROUND(100.0 * step5_subscribers / step1_installs, 1) as subscription_conversion
FROM funnel;

Преимущества:

• Показывает узкие места в user journey
• Помогает приоритизировать улучшения
• Каждая стадия имеет владельца (для ответственности)

Когда применять: Для internal tracking и оптимизации продукта

Метрика 7: NPS (Net Promoter Score) + Retention Segmentation

Определение:

Комбинированный метрик: удержание + удовлетворённость.

SELECT
  CASE 
    WHEN nps_score >= 9 THEN 'Promoters (9-10)'
    WHEN nps_score >= 7 THEN 'Passives (7-8)'
    ELSE 'Detractors (0-6)'
  END as segment,
  COUNT(DISTINCT user_id) as users,
  ROUND(100.0 * COUNT(DISTINCT user_id) / SUM(COUNT(*)) OVER (), 1) as percent,
  ROUND(AVG(d30_retention_rate)::numeric, 1) as avg_d30_retention,
  ROUND(AVG(ltv)::numeric, 2) as avg_ltv
FROM user_surveys us
JOIN user_metrics um ON us.user_id = um.user_id
GROUP BY segment
ORDER BY AVG(ltv) DESC;

Преимущества:

• Качественные + количественные данные
• Помогает удержать лучших пользователей
• Предиктор word-of-mouth growth

Когда применять: Для понимания качества product-market fit

Рекомендуемая иерархия KPI

Мой рекомендуемый набор

Для стартапа (MVP фаза):

• Фокус: DAU, D1 Retention, Activation Rate
• Почему: нужно понять product-market fit

Для растущего приложения (Series A):

• Фокус: LTV, CAC, D30 Retention
• Почему: нужна финансовая эффективность

Для зрелого приложения:

• Фокус: LTV Cohort, Churn Rate, NPS
• Почему: нужно максимизировать lifetime, удержать базу

Вывод: забудьте про установки. Используйте метрики, которые отражают реальное поведение пользователей и генерирование стоимости. Это даст вам намного более честную картину здоровья приложения и прогноз будущего роста.