Можно ли сформировать целевые сценарии не на основе данных?

Формирование целевых сценариев без данных: гипотезы vs доказательства

Отличный вопрос, который ловит противоречие в моей работе. Ответ: да, можно, и это часто необходимо, но это требует честности о границах такого подхода. Разберу оба направления.

Когда мы формируем сценарии БЕЗ данных

Сценарий 1: Новый продукт (данных ещё нет)

Есть идея: "Запустим подписку на премиум функции"
Данных нет: это новое, никто не пробовал

Как я формирую целевой сценарий:
1. Интервью с юзерами (qualitative, не quantitative)
2. Анализ конкурентов (какие они используют сценарии?)
3. Гипотезы на основе психологии (что может работать?)
4. Бизнес-логика (что имеет смысл финансово?)

Пример:

Без данных я гипотезирую:
"Power users потратят $99/месяц на premium
Потому что они видят ценность в extra features"

Это сценарий без данных, но обоснованный логикой.

Сценарий 2: Редкие события (данных мало)

Что-то очень редко происходит, но нужно подготовиться:
- Что если появится вирусная кампания?
- Что если произойдёт технический сбой?
- Что если конкурент скопирует нас?

Данных нет (или очень мало), но нужны сценарии.

Сценарий 3: Стратегическое планирование (квартал/год вперёд)

PM говорит: "Давайте планируем Q2 2026. Какие сценарии нам нужны?"

Данных о Q2 нет (это будущее).
Но я могу сделать прогноз на основе:
- Q2 2025 (что было в прошлом году)
- Тренды (что растёт в индустрии)
- Планы (новые фичи, маркетинг)

Как я формирую сценарии БЕЗ данных (правильный подход)

Метод 1: Аналогия и Бенчмарк

Вопрос: "Сколько пользователей купит подписку в первый месяц?"

Данных нет, но я знаю:
1. Сосед компания запустила подписку
2. У них было 100k users
3. Первый месяц конвертировалась 2%
4. Моя компания схожа

Сценарий: "У нас 150k users, ожидаю 2-3% конверсия = 3-4.5k подписок"

Это не данные, но обоснованная гипотеза.

Метод 2: User Research (качественные данные)

Я провожу 10 интервью с пользователями:

Вопрос: "Сколько ты платишь в месяц за подобные сервисы?"
Ответы: $10, $15, $20, $25, $30, $49, $99, $0 (не платит), ...

На основе ответов я гипотезирую:
- Ценовой диапазон: $20-50 (где большинство)
- Психологический порог: $50 (выше люди говорят "слишком дорого")

Сценарий: "Оптимальная цена = $29/месяц (выше чем видимых альтернатив, но ниже психологического потолка)"

Метод 3: Экспертная оценка (мой опыт)

Я 10 лет аналитик в e-commerce.
Когда спрашивают: "Какой будет DAU в месяц?"

Без данных я говорю:
"На основе моего опыта, если мы потратим $100k на маркетинг,
ожидаю 50-100k DAU в зависимости от качества трафика и retention."

Это не факт, а обоснованная оценка.

Метод 4: Модель на основе допущений

Я создам простую модель:

NEW USERS = Marketing Spend × Conversion Rate
                     = $100,000 × 0.5% = 500 новых пользователей

REPEAT PURCHASE RATE = 25% (гипотеза)

GMV = (500 × Average First Order $50) + (500 × 0.25 × Average Repeat $60)
    = $25,000 + $7,500 = $32,500

Это модель на основе допущений, без реальных данных.

Практический пример: Формирование сценария для Launch

Ситуация: Запускаем новый продукт, данных нет

Мой процесс:

Шаг 1: Соберу информацию из разных источников

1. User Research: интервью с 20 потенциальными пользователями
   → Узнаю, сколько они готовы платить, какие pain points

2. Benchmark: посмотрю на конкурентов
   → Они заряжают $49/месяц и говорят, что 5% конвертуются

3. Внутренние данные: анализирую нашу базу
   → У нас 50k активных пользователей

4. Маркетинг план: спрашиваю PM
   → Мы потратим $50k на запуск

Шаг 2: Формирую сценарии (множество, не один)

БЕСТ CASE (оптимистичный):
- Конверсия из базы: 5% × 50k = 2,500 подписок
- Новых пользователей: $50k spend ÷ $20 CAC = 2,500
- Total: 5,000 подписок × $49/месяц = $245,000 MRR

BASE CASE (реалистичный):
- Конверсия из базы: 2% × 50k = 1,000 подписок
- Новых пользователей: $50k spend ÷ $50 CAC = 1,000
- Total: 2,000 подписок × $49/месяц = $98,000 MRR

WORST CASE (пессимистичный):
- Конверсия из базы: 0.5% × 50k = 250 подписок
- Новых пользователей: $50k spend ÷ $100 CAC = 500
- Total: 750 подписок × $49/месяц = $36,750 MRR

Шаг 3: Честно говорю о неопределённости

Эти сценарии построены на:
- Аналогиях с конкурентами (может не применяться к нам)
- User research (n=20, не статистически значимо)
- Гипотезах о CAC (может быть выше/ниже)

Когда у нас будут реальные данные (через 2 недели),
мы пересмотрим эти сценарии.

Важное различие: Сценарий vs Прогноз

Сценарий (без данных):

"Вот три возможных будущих: лучший, средний, худший.
Каждый имеет вероятность (собственная гипотеза).
Значит, планируем на основе всех трёх."

Это подготовка, а не предсказание.

Прогноз (с данными):

"На основе реальных данных за месяц,
я прогнозирую, что в следующем месяце будет +/-10%."

Это почти предсказание, но с доверительным интервалом.

Когда НЕ нужно формировать сценарии без данных

❌ Решение, которое имеет огромное влияние

Пример: "Закроем ли мы продукт?"
Ответ: "Не знаю, нужны данные о пользователях, доходе, перспективах"

❌ Когда есть данные, но их игнорирует

Есть данные о конверсии, но я говорю:
"На мой взгляд, конверсия будет 10%"
А данные говорят 2%
→ Это неправильно. Данные > мнение.

❌ Когда нет даже гипотезы

Вопрос: "Какой будет DAU в Q3?"
Мой ответ: "Не знаю" ← ПЛОХО

Правильный ответ:
"На основе Q1, Q2 данных, и нашего плана запуска новой фичи,
я ожидаю +20-30% DAU в Q3. Но это гипотеза, нужны данные."

Мой совет Product Analyst

Формирование сценариев без данных — это не ошибка, это необходимость.

Но важна честность:

1. Всегда скажи "это гипотеза"

❌ "DAU будет 100k"
✓ "Я гипотезирую, что DAU будет 100k, потому что..."

2. Объясни предположения

"Эта оценка основана на:
- Бенчмарке конкурентов (но они другого размера)
- Интервью с 10 пользователями (небольшой sample)
- Нашем маркетинг плане (может быть, неправильный CAC)

Когда получим реальные данные, пересмотрим."

3. Приготовь несколько сценариев

✓ Best case: +30%
✓ Base case: +10%
✓ Worst case: -5%

Это лучше, чем одна "точечная оценка", которая скорей всего неправильная.

4. Планируй пересмотр

"Мы соберём данные через 1 месяц и пересмотрим сценарий"

5. Принимай обратный feedback

Если реальные данные отличаются от гипотезы:
- Не защищайся
- Спроси, почему мы ошиблись
- Учись на ошибке

Вывод

Да, можно формировать целевые сценарии без данных. Это происходит каждый день:

• Новые продукты
• Стратегическое планирование
• Редкие события

НО:

• Это гипотезы, не факты
• Нужна честность о неопределённости
• Нужен план сбора данных и пересмотра
• Данные > мнение

Лучший Product Analyst — это тот, кто может:

1. Формировать разумные сценарии на основе гипотез
2. Честно говорить о границах этих сценариев
3. Быстро адаптировать сценарии, когда приходят данные
4. Не привязываться к своим гипотезам, когда данные их опровергают