Aha-момент: что это и как найти

Автор

Практическое понятие команд продуктового роста; проверенного автора нет, без даты

Уровень

301 · Продвинутый

Подходит

стартап, растущая компания

Время на внедрение

одна-две недели на первый анализ, затем несколько недель на проверку

Что понадобится

журнал событий с отметкой времени для каждого ключевого действия пользователя · определение удержания, например «всё ещё активен через 90 дней после регистрации» · не меньше нескольких сотен регистраций и возможность случайно делить пользователей в эксперименте

Aha-момент — это точка, где новый пользователь впервые понимает, чего стоит для него продукт. Активация — число, которое на нём построено: доля новых зарегистрировавшихся, выполнивших выбранное действие, которое этот момент обозначает. Команды роста и продуктовые команды в софтверных компаниях опираются на эту пару понятий, чтобы объяснить, почему многие уходят в первые дни и что менять в онбординге. Проверенного автора термина в продуктовом росте мы не нашли, а истории о нём пересказывают чаще, чем подтверждают источниками. Короткое определение есть и в глоссарии.

Чем отличаются aha-момент и активация?

Aha-момент — переживание, а активация — его измеримая замена. Amplitude определяет aha-момент как первый раз, когда пользователь понимает главную ценность продукта. В логе этого не увидеть, поэтому команда выбирает действие, которое показывает, что это случилось: второй заказ, первый график, которым поделились с коллегами, первый платёж. Формулу даёт руководство Amplitude по метрикам: клиенты, достигшие aha-момента, делённые на всех зарегистрировавшихся и умноженные на 100.

Время до активации — сколько проходит от регистрации пользователя до события. Повторное использование, иногда его называют моментом привычки, — то, что удерживает. Если вы отслеживаете воронку по метрикам AARRR, активация — это буква «A» между привлечением и удержанием, а Hook Model продолжает с этого места и объясняет, как повторное использование превращается в привычку.

Как команды находят событие активации?

Сравнивают тех, кто остался, с теми, кто ушёл, и ищут раннее действие, которое оставшиеся совершали чаще. Ленни Рачицки и Юрий Тимен описывают веху как самую раннюю точку в онбординге, которая показывает ценность и предсказывает долгосрочное удержание, и считают, что дошедшие до неё должны удерживаться минимум вдвое лучше остальных.

Второй путь начинается с продукта. Кейси Уинтерс задаёт два вопроса: как часто пользователь должен получать ценность и какое действие показывает, что ему хватило, чтобы остаться. В Grubhub ответом стал второй заказ в течение 30 дней после первого. В Pinterest — сохранение пинов, а мерой были пользователи, которые спустя четыре недели после регистрации сохраняют пины каждую неделю. В обоих случаях сначала появляется довод, а потом идёт проверка по данным. Это лучше, чем выискивать в данных любую закономерность. Для проверки естественно подходит когортный анализ.

Что на самом деле показывают знаменитые цифры?

Из трёх самых известных чисел — про Slack, Twitter и Facebook (принадлежит компании Meta, признанной экстремистской организацией и запрещённой в России) — только одно восходит к словам человека из самой компании.

Баттерфилд рассказал First Round Review, что команда с 2000 сообщений по-настоящему попробовала Slack и что 93% таких команд продолжали им пользоваться. По его словам, порог получился из наблюдения за теми, кто остался, и он же дал масштаб: около 10 часов сообщений для команды из 50 человек, около недели для типичной команды из 10. Это число, подогнанное под прошлых клиентов. По Twitter отрывок из Hacking Growth называет около 30 подписок, ответную подписку примерно от трети этих аккаунтов и удержание в следующем месяце от 90 до 100% у тех, кто заходил хотя бы семь раз в месяц, и всё это — в изложении авторов книги.

Про Facebook мы не нашли этого утверждения там, где оно должно быть. В пересказе TechCrunch 2013 года выступления Палихапитии о нём нет, а в слайдах конференции, которые мы читали, нет ни числа друзей, ни числа дней. История может быть правдой, но доказательств нам никто не показал.

Почему корреляции недостаточно?

Потому что те, кто дошёл до события, могли остаться и без него. Мотивированный пользователь делает больше в первую неделю и остаётся дольше, так что событие и удержание двигаются вместе, хотя одно не вызывает другое.

Анализ бенчмарков Amplitude 2025 года по более чем 2600 компаниям показал, что 69% лучших по удержанию на седьмой день были и среди лучших по удержанию через три месяца, но автор называет это корреляцией, а не доказательством, что рост активации на седьмой день повышает удержание. Amplitude также предупреждает: если изучать только тех, кто прошёл онбординг, можно приписать ему удержание, которое эти люди показали бы и так. Хорхе Мазал, бывший директор по продукту Duolingo, рассказал, что вывод команды о меньшем оттоке у пользователей с 10-дневной серией был, вероятно, корреляцией и смещением отбора, поэтому его проверили тестом. У статистиков для таких разворотов есть название: в парадоксе Симпсона связь исчезает или меняет знак, стоит разбить данные по третьей переменной.

В исследовании Гордона, Зеттельмайера, Чапски и Бхаргавы 2019 года по 15 рекламным экспериментам на Facebook, примерно 500 млн наблюдений за пользователями и 1,6 млрд показов, наблюдательные методы часто не воспроизводили результат рандомизированного опыта. В работе Эклса и Бакши о социальном влиянии (peer effects) эталоном служил рандомизированный эксперимент примерно на 220 млн наблюдений, и наивные наблюдательные оценки, по данным препринта, завысили эффект на 320%.

Гельман и Локен показали в 2013 году, что сравнений становится много, даже если никто сознательно не подгоняет результат: решения об анализе принимают, уже глядя на данные. Перебор событий, счётчиков и окон, пока одно не разделит оставшихся и ушедших, делает ровно это. Подтверждайте любой порог на когорте, которую вы не использовали для поиска.

Как проверить причину?

Рандомизацией. Отправьте половину новых пользователей через изменённый онбординг и сравните удержание всех, кого направили в каждую версию, а не только тех, кто дошёл до события. Рачицки и Тимен формулируют так же: если эксперименты, повышающие метрику активации, поднимают и последующее удержание, связь причинная, а если нет, пересмотрите веху. Кохави, Тан и Сюй считают рандомизированные эксперименты стандартом для причинности, а наблюдательные схемы — запасным вариантом с меньшим доверием. О том, как их проводить, рассказывает страница про программу экспериментов.

Как это связано с другими метриками?

Активация стоит между регистрацией и метриками, которые вы показываете совету директоров. Выбирайте событие, которое работает на вашу North Star Metric, и смотрите на него вместе с этапами онбординга, где у каждого шага есть ответственный и срок. Удержание — ещё и то место, где проявляется соответствие продукта рынку: Рахул Вохра из Superhuman опрашивал только тех, кто пользовался продуктом минимум дважды за две недели, и за три квартала работы над продуктом доля ответов «очень разочарован» выросла с 22 до 58%. Бенчмарки полезны лишь при совпадающем определении. Отчёт Amplitude 2025 года указывает медианное удержание на седьмой день в корпоративном сегменте 2,1%, а у лучших 10% — 12,4%, и у половины продуктов более 98% новых пользователей к концу второй недели неактивны. Опрос Ленни 2022 года дал медианную активацию 25%, а бенчмарк Amplitude — среднюю на седьмой день 6,8%. В Growth Lab Pushers мы начинаем с потерь при первом использовании и с проверенного события активации.

Как применять: Aha-момент: что это и как найти по шагам

1. Зафиксируйте знаменатель и окно. Решите, кого считать новым пользователем (завершил регистрацию) и сколько времени ему дают на активацию, например семь дней. Запишите оба условия. Результат: одно предложение с определением активации, записанное до начала анализа.
2. Составьте список кандидатов. Выпишите пять-десять действий, которые могут показывать ценность. Берите их из данных продукта и из пяти интервью с теми, кто остался: второй заказ, первый отчёт, которым поделились, приглашённый коллега. Результат: короткий список событий, у каждого — объяснение простыми словами, почему оно может быть важным.
3. Сравните оставшихся и ушедших. По каждому кандидату сравните долю тех, кто сделал это действие в течение окна, среди оставшихся и среди ушедших. Пробуйте разные пороги и окна, но записывайте каждый вариант. Результат: таблица событий с разрывом в удержании по каждому.
4. Выберите самое раннее сильное событие и проверьте его. Возьмите самое раннее действие в пути пользователя, у которого удержание заметно выше, например минимум вдвое, как советует опрос Ленни Рачицки. Проверьте его на второй когорте, которую не использовали для поиска. Результат: одно событие-кандидат, которое подтверждается на свежих данных.
5. Проведите эксперимент. Измените онбординг так, чтобы больше людей доходило до события, распределите пользователей случайно и сравните удержание всех, кого направили в каждую версию, дошли они до события или нет. Результат: измеренный эффект на удержание, который подтверждает связь или опровергает её.
6. Сократите время до активации. Уберите шаги, настройки по умолчанию и экраны между регистрацией и событием. Следите за медианой в часах или днях. Результат: число «время до активации» и список убранных шагов.
7. Следите по когортам. Показывайте долю активации и последующее удержание по каждому месяцу регистрации рядом. Результат: когортная таблица, по которой видно, следуют ли за изменениями активации изменения удержания.

Примеры

Slack, по интервью его основателя

Подтверждено источником. В [интервью First Round Review 2015 года](https://review.firstround.com/from-0-to-1b-slacks-founder-shares-their-epic-launch-strategy/) Стюарт Баттерфилд сказал, что команда, обменявшаяся 2000 сообщениями, по-настоящему попробовала Slack, и что 93% таких клиентов продолжали им пользоваться. По его словам, число появилось, когда посмотрели, какие компании остались. Это порог на уровне команды, выведенный из данных о прошлых клиентах. О том, что достижение порога вызывает удержание, он не говорил.

Twitter и число подписок, по пересказу в книге

Подтверждено, но из вторых рук. Авторы Hacking Growth пишут в [отрывке](https://mattermark.com/putting-it-all-together-how-josh-elman-identified-a-growth-driver-at-twitter/), что пользователи с высоким удержанием обычно подписывались примерно на 30 аккаунтов, и команда роста перестроила первый запуск вокруг подсказок, на кого подписаться. Это слова Шона Эллиса и Моргана Брауна о работе команды, а не цитата самой команды.

Платёжное приложение, иллюстративные цифры

Иллюстративный пример, только арифметика. Финтех-приложение получает тысячу регистраций в месяц, и 300 человек делают первый платёж в течение семи дней, поэтому активация составляет 30%. На 90-й день активны 60% из этих 300 и 20% из остальных 700 — разрыв втрое. Команда проверяет сокращённую проверку личности: половину новых пользователей отправляют по ней. Решает показатель удержания на 90-й день у всех, кого направили в каждую версию.

Когда применять

Применяйте, когда регистраций хватает, но многие уходят в первые дни, когда у продукта есть понятный момент первой ценности или когда об изменениях онбординга спорят без общего показателя. Подходит для программных продуктов, приложений и сервисных бизнесов, где раннее действие можно записать, а тот, кто так и не получил ценность, вряд ли останется.

Когда не применять

Не подходит, если регистраций слишком мало для устойчивого сравнения, если у продукта нет повторяемого момента ценности или если пользователи приходят с очень разными задачами. Не превращайте корреляцию в цель без проверки. Если сам продукт никому не нужен, работа над активацией лишь быстрее приведёт неподходящих людей, и сначала нужна проверка соответствия продукта рынку.

Частые ошибки

• Принимают первую корреляцию за причину. Те, кто дошёл до события, могут быть просто более мотивированными, и если подталкивать к нему всех, удержание может не измениться.
• Ищут порог среди множества событий, счётчиков и окон и называют лучший результат находкой. При достаточном числе вариантов закономерность находится всегда, поэтому проверяйте её на второй когорте.
• Изучают только тех, кто прошёл онбординг до конца. Amplitude предупреждает: так кажется, будто удержание обеспечил онбординг, хотя эти люди остались бы и без него.
• Ставят событие активации так поздно, что оно описывает только лояльных. Полезно самое раннее событие, которое предсказывает, что человек останется.
• Сравнивают свою активацию с чужим бенчмарком, не сверив определения. В опубликованных цифрах разные события и окна.

Вопросы и ответы

Что такое aha-момент?

По формулировке Amplitude, это первый раз, когда пользователь понимает главную ценность продукта. Это может быть одно событие или точка после достаточного числа использований. Чтобы измерить, команды выбирают действие, например отправку графика коллегам или второй заказ, которое показывает, что ценность получена.

Чем отличаются активация и aha-момент?

Aha-момент — переживание пользователя, и напрямую его не увидеть. Активация — измеримая замена: доля зарегистрировавшихся за период, которые выполнили выбранное действие. По формуле Amplitude, клиентов, достигших aha-момента, делят на всех зарегистрировавшихся. Подробнее об активации — в [глоссарии](/ru/glossary/aktivaciya/).

Правда ли, что «7 друзей за 10 дней» — настоящая находка Facebook?

Эту фразу повторяют очень часто, но источника мы не нашли. В пересказе выступления Чамата Палихапитии, который TechCrunch опубликовал в 2013 году, её нет, нет и в слайдах конференции, которые мы читали. Считайте её фольклором.

Какая активация считается хорошей?

Зависит от определения. Опрос Ленни Рачицки по более чем 500 продуктам дал медиану 25%, а для SaaS — 30%. Amplitude называет среднюю активацию на седьмой день в 6,8%. События и окна у двух источников разные, поэтому сравнивайте только при совпадающем определении.

Как понять, что событие активации вызывает удержание?

Проведите рандомизированный тест. Измените онбординг так, чтобы больше пользователей доходило до события, распределите их случайно и сравните удержание всех, кого направили в каждую версию. Если активация растёт, а удержание нет, событие лишь отмечало тех, кто остаётся, и не было причиной.

Источники

1. First Round Review, Stewart Butterfield, Slack's founder on the launch strategy, 2015
2. Mattermark, excerpt of Sean Ellis and Morgan Brown, Hacking Growth, on the Twitter growth team
3. Penguin Random House, Sean Ellis and Morgan Brown, Hacking Growth, 2017
4. TechCrunch, Chamath Palihapitiya on growth hacking and a sustainable user acquisition engine, 2013
5. Growth Hackers Conference, Chamath Palihapitiya talk slides on Facebook growth
6. Amplitude, Aha moment
7. Amplitude, Michele Morales, The 7% retention rule, 2025
8. Amplitude, Michele Morales, Getting started: driving product engagement by obsessing over activation, 2025
9. Amplitude, Carmen DeCouto, Top 10 metrics to measure freemium and free trial performance, 2024
10. Lenny's Newsletter, Lenny Rachitsky and Yuriy Timen, What is a good activation rate, 2022
11. Casey Winters, Why onboarding is the most crucial part of your growth strategy, 2017
12. Jorge Mazal, How Duolingo reignited user growth, Lenny's Newsletter, 2023
13. Rahul Vohra, How Superhuman built an engine to find product-market fit, First Round Review, 2018
14. Gordon, Zettelmeyer, Chapsky and Bhargava, A comparison of approaches to advertising measurement, Marketing Science, 2019 (Kellogg page)
15. Eckles and Bakshy, Bias and high-dimensional adjustment in observational studies of peer effects, JASA (arXiv preprint)
16. Gelman and Loken, The garden of forking paths, 2013
17. Hernan and Robins, Causal Inference: What If, Chapman and Hall/CRC, 2020
18. Austin Bradford Hill, The environment and disease: association or causation, Proceedings of the Royal Society of Medicine, 1965
19. Kohavi, Tang and Xu, Trustworthy Online Controlled Experiments, Cambridge University Press, 2020
20. Stanford Encyclopedia of Philosophy, Simpson's paradox

Обновлено 15 октября 2026

Илья ПушинОснователь PUSHERS & COO Fintech ServiceИлья строит операционные системы для растущих компаний в медицине и финтехе. С 2021 года руководит трансграничными платежами в ARBI Exchange, лицензированном обменнике в Таиланде, включая KYC, AML и выход в новые юрисдикции.Об автореLinkedIn