Сталкивался ли с партнерской витриной в приложении банков

Сталкивался ли я с партнёрской витриной в банковских приложениях

Да, и это интересный кейс. Вот мой анализ.

Что такое партнёрская витрина в банке

Это раздел в app где банк показывает услуги партнёров:

• Страховые компании: ОСАГО, имущество
• Микрофинансовые организации: займы
• Инвестиционные платформы: брокеры, крипто
• Сервисы доставки: скидки для клиентов
• Туристические сервисы: горящие туры

Пример реальной структуры

Опенирую Сбербанк, вижу:

• Главная (баланс счётов)
• Переводы
• Платежи
• Инвестиции
• Сервисы ← вот здесь партнёрская витрина
  • Страховка (4 партнёра)
  • Займы (2 партнёра)
  • Путешествия (3 партнёра)
• Профиль

Как я анализировал этот кейс

Метрика 1: Reach (охват)

Какой % юзеров вообще видит витрину?

SELECT 
  COUNT(DISTINCT user_id) as total_users,
  COUNT(DISTINCT CASE WHEN views_services_tab > 0 THEN user_id END) as users_viewed_services,
  ROUND(100.0 * COUNT(DISTINCT CASE WHEN views_services_tab > 0 THEN user_id END) / COUNT(DISTINCT user_id), 2) as reach_pct
FROM user_sessions
WHERE session_date >= CURRENT_DATE - INTERVAL 30 DAY;

Обычно: 5-15% юзеров заходят в Services tab.

Вывод: Витрина не на главной, поэтому reach низкий.

Метрика 2: Engagement (вовлечение)

Из тех кто видит, сколько кликают?

SELECT 
  partner_name,
  COUNT(*) as impressions,
  COUNT(DISTINCT CASE WHEN action = 'click' THEN user_id END) as clicks,
  ROUND(100.0 * COUNT(DISTINCT CASE WHEN action = 'click' THEN user_id END) / COUNT(DISTINCT user_id), 2) as ctr
FROM services_tracking
WHERE partner_type = 'insurance'
GROUP BY partner_name
ORDER BY ctr DESC;

Обычно:

• Топ партнёр: 8-12% CTR
• Средний партнёр: 3-5% CTR
• Хвост партнёр: <1% CTR

Вывод: Есть winner партнёры, но большинство не вовлекают.

Метрика 3: Conversion (действие)

Из тех кто кликнул, сколько совершают действие?

SELECT 
  partner_name,
  COUNT(DISTINCT CASE WHEN action = 'click' THEN user_id END) as clicks,
  COUNT(DISTINCT CASE WHEN action = 'lead_submitted' THEN user_id END) as leads,
  COUNT(DISTINCT CASE WHEN action = 'purchase' THEN user_id END) as purchases,
  ROUND(100.0 * COUNT(DISTINCT CASE WHEN action = 'lead_submitted' THEN user_id END) / COUNT(DISTINCT CASE WHEN action = 'click' THEN user_id END), 2) as lead_rate,
  ROUND(100.0 * COUNT(DISTINCT CASE WHEN action = 'purchase' THEN user_id END) / COUNT(DISTINCT CASE WHEN action = 'lead_submitted' THEN user_id END), 2) as conversion_rate
FROM partner_tracking
GROUP BY partner_name;

Обычно:

• Lead rate (click → lead): 30-50%
• Conversion rate (lead → purchase): 5-15%
• Overall conversion: 1.5-7.5%

Вывод: Много людей кликают, но мало доходят до конца.

Интересные findings

Finding 1: Сезонность

SELECT 
  MONTH(date) as month,
  partner_category,
  COUNT(DISTINCT user_id) as active_users,
  SUM(CASE WHEN action = 'purchase' THEN 1 ELSE 0 END) as conversions
FROM partner_tracking
GROUP BY MONTH(date), partner_category
ORDER BY month, conversions DESC;

Результат:

• Январь (новогодние скидки): страховка 3x активнее
• Лето (туризм): туристические сервисы активны
• Осень (учёба): нет явного spike

Вывод: Партнёрскую витрину нужно ротировать по сезонам. Зимой показать страховку, летом — путешествия.

Finding 2: Когортный анализ

SELECT 
  cohort_month,
  days_since_cohort,
  COUNT(DISTINCT user_id) as retained_users,
  COUNT(DISTINCT CASE WHEN clicked_partner = 1 THEN user_id END) as users_clicked_partner
FROM user_cohorts
WHERE cohort_month >= '2024-01'
GROUP BY cohort_month, days_since_cohort;

Результат:

• Новые юзеры меньше кликают на партнёров (они не знают)
• Опытные юзеры кликают больше (но всё равно мало)
• После 6 месяцев, интерес к партнёрам падает

Вывод: Партнёрская витрина не drive retention. Это opportunistic monetization.

Finding 3: ROI анализ

Для банка, важно:

Revenue per user = % clicked × % leads × % conversions × average_commission

Пример:

• 10% юзеров видят витрину
• 5% кликают на партнёра
• 30% становятся leads
• 10% покупают
• Commission: $10 per conversion

Revenue per user = 0.10 × 0.05 × 0.30 × 0.10 × $10 = $0.015

Для 10M юзеров = $150K в месяц.

Вывод: Оптимистично, но реально $50-200K/мес в небольшом банке.

Что я бы рекомендовал

Для улучшения reach:

1. Поместить витрину на главную (не в меню)
2. Push notification: "Доступна новая страховка"
3. Рекомендация по email

Для улучшения engagement:

1. Персализация: показать страховку если есть кредит
2. A/B тест дизайна витрины
3. Ротация партнёров по сезонам

Для улучшения conversion:

1. Упростить checkout (минимум полей)
2. Показать отзывы других юзеров
3. Предложить pre-fill данные из банка

Почему банки это делают

1. Revenue: Партнёры платят комиссию (5-20% от сделки)

2. User experience: Даёт ценность (страховка, займы)

3. Data: Узнают что нужно пользователям

4. Network effects: Если у конкурента есть, нужно иметь

Что я не люблю в партнёрских витринах банков

1. Спам: Показывают то что не актуально
2. Низкое качество: Часто скам-компании
3. Нет персонализации: Все видят одно и то же
4. Плохой UX: Не ясно что это за услуга
5. Нет transparency: Непонятно почему именно эти партнёры

Мой вывод

Партнёрская витрина в банке — это хороший способ monetize existing users без нарушения core functionality.

НО: только если сделана хорошо (персонализирована, ротирована, с хорошим UX).

Если просто случайно показать список партнёров — это будет игнорироваться.

Lessons applied:

• Reach зависит от discovery (где витрина расположена)
• Engagement зависит от relevance (актуальны ли партнёры)
• Conversion зависит от UX (легко ли совершить действие)
• ROI зависит от комиссии структуры (насколько выгодно банку)