Модель роста бизнеса: входные и выходные метрики

Автор

Amazon (управляемые входные метрики, описаны Колином Брайаром и Биллом Карром); Брайан Балфур, Кейси Уинтерс и Кевин Квок из Reforge (количественные модели роста), практика Amazon с 2000-х, книга 2021; презентация Балфура 2015, Reforge 2018

Уровень

301 · Продвинутый

Подходит

стартап, растущая компания

Время на внедрение

день на первую таблицу, затем ежемесячное обновление по фактическим цифрам

Что понадобится

двенадцать месяцев истории: трафик по каналам, шаги конверсии, удержание и выручка; где данных нет, честные оценки · одна выходная метрика, с которой согласна руководящая команда · таблица и один человек, который отвечает за модель и обновляет её каждый месяц

Модель роста бизнеса — набор уравнений, обычно в таблице, который считает выходную метрику из входных. Выход — результат, который важен бизнесу: активные клиенты, объём обработанных платежей, выручка. Входы — то, что команды могут менять: трафик из каждого канала, конверсия на каждом шаге, удержание, рекомендации. Когда модель есть, можно изменить один вход и увидеть, насколько сдвинется выход.

У идеи два корня. Amazon построил систему управления вокруг того, что называет управляемыми входными метриками. Их описали Колин Брайар и Билл Карр, которые вдвоём проработали 27 лет старшими руководителями Amazon, в книге Working Backwards 2021 года. В стартапах выступление Брайана Балфура 2015 года представило число еженедельно активных пользователей как формулу из каналов, активации и удержания, а в 2018 году Reforge превратил моделирование роста в курс. Математика же ещё старше: Фрэнк Басс опубликовал модель роста новых продуктов в Management Science в 1969 году.

Выходные и входные метрики

Выходная метрика фиксирует результат, и напрямую её не изменить. Выручка, прибыль, активные клиенты и цена акции — выходы. Входная метрика — рычаг, на который команда может повлиять уже на этой неделе: сколько товаров есть в наличии, как быстро приходят заказы, какая доля пробных пользователей переходит на платный тариф. На сайте Working Backwards выходы названы запаздывающими показателями, которые «измеряют результаты входов».

Тест простой. Спросите владельца, что он сделает в понедельник, чтобы сдвинуть число. Если честный ответ «буду больше стараться во всём», перед вами выход. Если в ответе есть действие, например пополнить запас пятидесяти самых востребованных в поиске позиций, это вход.

Забота эта старая. Каплан и Нортон начали статью «Сбалансированная система показателей» в 1992 году с предупреждения: одни финансовые показатели дают обманчивые сигналы для постоянного улучшения. Модель роста добавляет арифметику, которая связывает рычаги с финансовой строкой.

Как Amazon выбирает управляемые входы

В Amazon входы считают работой, а выходы — табло. В письме акционерам 2009 года Джефф Безос писал, что новые старшие руководители часто удивляются, как мало времени компания тратит на обсуждение финансовых результатов. Из 452 целей, которые Amazon поставил на 2010 год, 360 напрямую влияли на клиентский опыт, а слов «чистая прибыль», «валовая прибыль» и «операционная прибыль» в списке не было ни разу.

Правильный вход находят не с первого раза. Самая известная история Брайара и Карра, которую пересказывает Holistics, — про ассортимент. Сначала команд оценивали по числу созданных страниц товаров. Они добавляли позиции пачками, продажи не росли, а некоторые закупили товары, которые никому не были нужны. Метрику сдвинули на просмотры страниц товаров, потом на долю просмотров, при которых товар в наличии, и наконец на долю тех, где он в наличии и готов к доставке за два дня, — в Amazon её назвали Fast Track In Stock. Каждую версию сверяли с одним вопросом: растут ли продажи, когда растёт это число?

Разбор важен не меньше выбора. Конспект книги Седрика Чина описывает Weekly Business Review: у каждой метрики есть владелец, а финансовый отдел проверяет цифры, так что владельцы не могут подбирать удобные.

Как выглядит таблица модели роста

Таблица модели роста — это месяцы в столбцах, входы в строках и одно тождество, которое их связывает. Версия Балфура: еженедельно активные пользователи равны новым активированным пользователям плюс удержанным, а новые активированные — это регистрации, умноженные на долю активации, в сумме по каналам. Уильям Гилл из Phiture формулирует правило прямо: «Модели роста — про входы, а не про выходы». Темп роста модель считает, его никогда не вписывают вручную.

Возьмём онлайн-приложение для физиотерапии. Цифры иллюстративные, а разложены они так, как советует руководство Гилла: сначала привлечение, затем удержание по когортам, затем петли. У приложения 2000 платящих подписчиков. Каждый месяц на сайт приходит 30 000 посетителей, 4% из них запускают пробный период, 30% пробных переходят на платный тариф, 90% подписчиков остаются, а каждый подписчик приводит ещё 0,02 нового по рекомендации. Новые платящие подписчики из воронки: 30 000 × 4% × 30% = 360 в месяц.

Модель показывает и потолок, то есть устойчивое состояние, которое системная динамика называет равновесием. Рост прекращается, когда 360 новых подписчиков сравниваются с чистыми потерями; это происходит при 360 / (10% оттока − 2% рекомендаций) = 4500 подписчиков. Сколько ни старайся внутри этой схемы, дальше этого числа не уйти, пока не изменится какой-нибудь вход.

Какой вход важнее

Ответит тест чувствительности: измените каждый вход на одну и ту же величину и сравните. В модели физиотерапевтического приложения поднимите трафик на 10%, или снизьте отток с 10% до 9%, или повысьте рекомендации с 2% до 2,2%.

Ответ зависит от горизонта. К 12-му месяцу выигрывает трафик, к 36-му — снижение оттока, и оно же даёт более высокий потолок. Трафик, доля пробных и конверсия в платных перемножаются, поэтому рост любой из этих трёх величин на 10% даёт одни и те же +285.

Duolingo провёл этот тест на реальных данных. Его модель роста разносит учеников по семи ежедневным состояниям, а команда смоделировала небольшое изменение каждой доли перехода. Хорхе Масаль писал, что удержание действующих пользователей влияло на число ежедневно активных пользователей примерно в пять раз сильнее, чем второй по силе рычаг. Источники расходятся в итоге: Масаль сообщает о росте DAU в 4,5 раза за четыре года, а блог Duolingo пишет, что DAU вырос в четыре раза с 2019 года.

Как не дать входам лгать

Вход, который команда может раздуть, не помогая клиентам, раздуют, как показало число страниц товаров в Amazon. Чой, Хехт и Тайлер обнаружили в экспериментах, что руководители, чья оплата зависела от одного показателя, чаще всего принимали этот показатель за саму цель.

Помогают три привычки. Эндрю Гроув в High Output Management рекомендует парные показатели: один на эффект, другой на противоэффект, например уровень запасов рядом с дефицитом товара. Книга об экспериментах Кохави, Тана и Сюй разделяет целевые метрики, метрики-драйверы и метрики-ограничители, что соответствует выходу, входу и контрметрике. И собственное решение Amazon: переопределять вход, пока его рост не начнёт двигать продажи.

Модель роста, North Star, дерево метрик, учёт роста

Эти инструменты часто путают, потому что все они связывают цифры. Отличаются они вопросом, на который отвечают.

На практике они работают вместе: North Star или выручка стоят наверху, дерево метрик назначает владельцев, growth accounting объясняет каждый месяц, а модель роста подсказывает, куда направить усилия следующего квартала. В Growth Lab от Pushers модель стоит между деревом метрик и бэклогом экспериментов, потому что каждая гипотеза должна называть вход, который она призвана сдвинуть.

Как применять: Модель роста бизнеса: входные и выходные метрики по шагам

1. Выберите выход. Выберите одно число, которое должна объяснять модель: активные подписчики, месячный объём обработанных платежей или выручка. Лучше то, что совет директоров и так смотрит. Результат: одна выходная метрика с письменным определением.
2. Запишите тождество. Разложите выход на части, которые складываются или перемножаются в него: активные клиенты этого месяца равны удержанным клиентам прошлого месяца плюс новым из каждого канала плюс приведённым по рекомендациям. Проверьте, что уравнение воспроизводит фактические цифры прошлого года. Результат: формула, которая сходится с историей.
3. Назовите входы и их владельцев. Каждое слагаемое формулы становится входной метрикой с одним владельцем: трафик по каналам, конверсия на каждом шаге, месячное удержание, доля рекомендаций. Проверьте каждую вопросом: может ли команда изменить её в этом месяце? Результат: от пяти до десяти входов, у каждого владелец и текущая базовая величина.
4. Проведите тест чувствительности. Измените каждый вход на одну и ту же величину, например на 10%, и запишите, насколько сдвинется выход через 12 и 36 месяцев. Отметьте потолок, до которого каждый вход реально может дойти. Результат: ранжированный список рычагов и срок, на котором каждый из них окупается.
5. Ставьте цели на входы. Дайте каждой команде цель по её входу, а не по выходу, и добавьте контрметрику для каждого входа, который можно накрутить. Результат: квартальные цели, которые через модель складываются в выход, нужный бизнесу.
6. Каждый месяц сравнивайте прогноз с фактом. Каждый месяц заменяйте оценки реальными цифрами и смотрите, где модель ошиблась. Ошибка в оценке конверсии или удержания — это находка о бизнесе, а не ошибка таблицы. Результат: модель, которая с каждым месяцем точнее, и список допущений для проверки.

Примеры

Amazon и метрика страниц товара

Когда Amazon вышел за пределы книг, ключевым входом стал ассортимент, и команд сначала оценивали по числу созданных страниц товаров. Согласно Working Backwards в пересказе Holistics, команды завели множество позиций, продажи не выросли, а некоторые закупили товары, на которые почти не было спроса. Amazon менял метрику шаг за шагом: сначала просмотры страниц товаров, затем доля просмотров, при которых товар был в наличии, затем доля просмотров, при которых товар был в наличии и готов к доставке за два дня. Её назвали Fast Track In Stock.

Duolingo находит главный рычаг

Duolingo разнёс всех учеников по ежедневным состояниям, например «новый», «действующий», «в зоне риска» и «спящий», а стрелками между ними стали показатели удержания. Хорхе Масаль, бывший директор по продукту, писал, что команда в симуляциях на три года сдвигала каждый показатель перехода на 2% за квартал. Удержание действующих пользователей оказалось примерно в пять раз влиятельнее на число ежедневно активных пользователей, чем следующий по силе рычаг, поэтому под него создали отдельную команду.

Платёжная платформа для бизнеса

Иллюстративные цифры. У платёжной компании выход — месячный объём обработанных платежей. Входы: 50 новых мерчантов в месяц, 60% из них начинают проводить платежи в течение 14 дней, средний месячный оборот активного мерчанта — 3 млн ₽, каждый месяц теряется 3% активных мерчантов. Модель показывает 30 новых активных мерчантов в месяц, потолок в 1 000 активных мерчантов (30 делим на 3%) и 3 млрд ₽ в месяц на этом потолке. Если снизить отток мерчантов до 2,5%, потолок вырастет на пятую часть: 30 делим на 2,5%.

Когда применять

Применяйте, когда команда спорит, куда направить бюджет следующего квартала; когда совет директоров просит прогноз с обоснованием; когда все команды отчитываются об успехах, а главное число не двигается. Стоит строить модель, когда у продукта накопилось достаточно истории, чтобы оценить удержание и конверсию.

Когда не применять

Не стройте подробную модель до соответствия продукта рынку, когда удержание ещё не стабильно и любой показатель — догадка. Мало пользы и бизнесу, который растёт за счёт нескольких крупных контрактов в год: на его вопросы лучше отвечает разбор воронки продаж, чем модель на конверсиях и удержании.

Частые ошибки

• Вписать темп роста, скажем 15% в месяц, вместо того чтобы считать рост из каналов, конверсии и удержания. Уильям Гилл из Phiture называет это классической ошибкой.
• Выбрать входы, которые команды могут раздуть, не помогая клиентам: например, число созданных страниц или отправленных писем, и никогда не проверять, двигают ли они выход.
• Оценивать рычаги только по одному кварталу. Привлечение даёт эффект быстро, удержание — позже, и часто он больше.
• Позволить модели уйти от реальности. Если никто не сверяет прогноз с фактом каждый месяц, таблица превращается в список пожеланий.
• Собрать модель из десятков входов, за которые никто не отвечает. У каждого входа должен быть один человек, который может его двигать.

Вопросы и ответы

Что такое модель роста бизнеса?

Это набор уравнений, обычно таблица, которая считает выходную метрику, например число активных пользователей или выручку, из входов, подконтрольных команде: трафика, конверсии, удержания и рекомендаций. Она нужна, чтобы показать, какой вход сильнее всего двигает выход, и поставить цели на эти входы.

Чем входные метрики отличаются от выходных?

Выходные метрики фиксируют результат, например выручку, прибыль или активных клиентов, и команды не могут менять их напрямую. Входные метрики — это рычаги, на которые команда может повлиять уже на этой неделе: доля товаров в наличии, срок доставки, конверсия из пробного периода. Amazon называет их управляемыми входными метриками, в других компаниях их чаще зовут опережающими показателями.

Как построить модель роста в Excel или Google Таблицах?

Поставьте месяцы в столбцы, а входы в строки. Запишите тождество: клиенты этого месяца равны клиентам прошлого месяца, умноженным на удержание, плюс новые клиенты из каждого канала, плюс рекомендации. Внесите фактическую историю, проверьте, что формула её воспроизводит, затем прогнозируйте вперёд и меняйте по одному входу, чтобы увидеть, что двигает выход.

Модель роста бизнеса — это то же, что модель экономического роста?

Нет. Модели экономического роста, например модель Роберта Солоу 1956 года, объясняют долгосрочный рост национальной экономики через капитал, труд и технологии. Модель роста бизнеса объясняет клиентов или выручку одной компании через её собственные входы. Общее у них только слово, а методы и данные разные.

Что такое управляемые входные метрики Amazon?

Это показатели, которые команды Amazon могут менять напрямую и которые определяют результаты вроде выручки: например ассортимент, доля товаров в наличии и скорость доставки. В письме акционерам 2009 года Джефф Безос пишет, что Amazon тратит силы на управляемые входы, а в книге Working Backwards (2021) Колина Брайара и Билла Карра описано, как метрики выбирают и каждую неделю разбирают.

Источники

1. Amazon.com, 2009 Letter to Shareholders, SEC filing EX-99.1
2. Colin Bryar, Bill Carr, Working Backwards: Insights, Stories, and Secrets from Inside Amazon, St. Martin's Press, 2021, book site
3. Working Backwards (Bryar and Carr), Input metrics
4. Holistics, Huy Nguyen, How Amazon uses input metrics
5. Commoncog, Cedric Chin, Book summary: Working Backwards
6. Brian Balfour, Building a growth machine, slide deck, 2015
7. Phiture, William Gill, How to build a growth model, 2017
8. Reforge, Brian Balfour, Casey Winters, Kevin Kwok, Andrew Chen, Growth loops are the new funnels, 2018
9. Casey Winters, Announcing the next Retention Deep Dive, Growth Series and something new, 2018
10. Duolingo blog, Erin Gustafson, Meaningful metrics: how data sharpened the focus of product teams, 2023
11. Lenny's Newsletter, Jorge Mazal, How Duolingo reignited user growth, 2023
12. Amplitude, John Cutler, North Star inputs and flywheels, webinar
13. Robert S. Kaplan, David P. Norton, The Balanced Scorecard: Measures That Drive Performance, Harvard Business Review, January-February 1992
14. John D. Sterman, Business Dynamics: Systems Thinking and Modeling for a Complex World, Irwin/McGraw-Hill, 2000, Internet Archive record
15. MIT Sloan School of Management, John D. Sterman faculty profile
16. Frank M. Bass, A New Product Growth for Model Consumer Durables, Management Science 15(5), 1969
17. Robert M. Solow, A Contribution to the Theory of Economic Growth, Quarterly Journal of Economics 70(1), 1956
18. Ron Kohavi, Diane Tang, Ya Xu, Trustworthy Online Controlled Experiments, Cambridge University Press, 2020
19. Andrew S. Grove, High Output Management, Random House, 1983, Internet Archive record
20. Jongwoon Choi, Gary Hecht, William B. Tayler, Lost in Translation: The Effects of Incentive Compensation on Strategy Surrogation, The Accounting Review 87(4), 2012
21. Michael Harris, Bill Tayler, Don't Let Metrics Undermine Your Business, Harvard Business Review, September-October 2019

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