Как найти «aha moment» в продукте

Условие

Что такое «aha moment», как его найти аналитически и что с ним делать?

Решение

Что это

«Aha moment» — событие на ранних шагах, после которого пользователь с большей вероятностью остаётся в продукте. Классические примеры:

• Facebook: 7 друзей за 10 дней.
• Slack: 2000 сообщений в команде.
• Twitter: подписался на 30+ людей.
• Dropbox: положил 1 файл и установил клиент на 1 устройство.

Это operational metric активации, а не магия.

Как найти

Идея методики: коррелировать раннее поведение с долгосрочным retention и найти «threshold» — откуда retention резко взлетает.

Шаг 1. Определить outcome

Например, Day-30 retention или 90-day retention. Учитывайте, что слишком долгий outcome → задержка в принятии решений.

Шаг 2. Сформировать кандидатные действия

Для каждого пользователя в первые 7/14 дней посчитать: число сессий, число основных действий (отправил сообщение, добавил товар в избранное, и т.п.), завершил профиль да/нет, добавил друзей, и так далее.

Шаг 3. Кросс-табуляция

Для каждой фичи бьём пользователей на бакеты («0», «1», «2-5», «6+»). Считаем D30 retention в каждом бакете. Ищем фичу, где retention резко (на 20+ п.п.) растёт после некоторого порога.

Шаг 4. Проверка на причинность

Корреляция ≠ причина. Возможно, активные пользователи и так «лояльные», и фича — просто маркер. Проверка:

• A/B-тест: сделайте отдельный onboarding-flow, активно подталкивающий к этому действию. Если retention новой группы вырос по сравнению с контролем — есть причинность.
• Causal inference: PSM, IV, RDD — если рандомизация невозможна.

Что делать после

1. Оптимизируйте onboarding под этот трешхолд: пуши, советы, упрощение шагов.
2. Постройте «activation rate» — % пользователей, достигших aha-точки в первые N дней.
3. Включите её в основные метрики команды роста.

Подводные камни

1. Survivorship bias. Anaylzing активных и retainable вместе — сравнение нечестное. Берите пользователей по дате регистрации, а не по «текущим активным».
2. Несколько «aha». Часто их 2–3. Объединить в actions-score.
3. Корреляция-не-причина. Не пушите «делай это» только потому, что увидели корреляцию.
4. Зависимость от сегмента. Для B2B и B2C aha разные. Не объединяйте.
5. Threshold всегда «магически» круглый. Часто «10 друзей» прозвучит на встрече, потому что по 10 округлили — а реально оптимум 6.5. Ничего страшного, но округление не делает порог точнее.

Эталонный ответ

«Aha moment» — раннее поведение, разбивающее пользователей на «остаётся» и «уходит». Найти: кандидаты → бакеты → retention по бакетам → A/B для подтверждения причинности. После — фокус onboarding-команды на пуш к этой точке.