iiuniversitet.ruЦентр обучения нейросетямОткрыть каталог

Разбор продуктовых метрик

Анализирует продуктовые метрики и тренды, сравнивает с целями и собирает карту показателей с выводами и рекомендуемыми действиями.

СкиллAnthropicClaudeApache-2.0Загрузить архив в ClaudeПроверка не требуется
Что делает
Анализирует продуктовые метрики и тренды, сравнивает с целями и собирает карту показателей с выводами и рекомендуемыми действиями.
Когда брать
При недельном, месячном или квартальном разборе метрик, расследовании внезапного скачка или падения и сравнении показателей с целями.
Пример запроса
Разбери метрики продукта за прошлый месяц: что выросло, что упало и почему.
Работает лучше с
продуктовая аналитика

Входит в плагин product-management. В Cowork и Claude Code можно поставить плагин целиком.

Как включить

  1. Нажмите «Скачать на русском» и сохраните архив.
  2. В Claude откройте Настройки → Capabilities → Skills → Upload skill и выберите архив.
  3. Включите скилл переключателем.
Для терминала

Распакуйте архив и положите папку metrics-review в ~/.claude/skills/. Файл SKILL.md должен лежать внутри этой папки.

Текст

---
name: metrics-review
description: Разбирает и анализирует продуктовые метрики: анализ динамики и выводы, по которым можно действовать. Используй при еженедельном, ежемесячном или квартальном разборе метрик, при расследовании внезапного скачка или падения, при сравнении показателей с целями или когда нужно превратить сырые цифры в карту показателей с рекомендуемыми действиями.
argument-hint: "<time period or metric focus>"
---

Разбор метрик

Если встретишь незнакомые подстановки или понадобится узнать, какие инструменты подключены, смотри [CONNECTORS.md](../../CONNECTORS.md).

Разберись в продуктовых метриках, выяви тренды и сформулируй выводы, по которым можно действовать.

Использование

/metrics-review $ARGUMENTS

Рабочий процесс

1. Собери данные по метрикам

Если подключена ~~product analytics:

  • Подтяни ключевые продуктовые метрики за нужный период
  • Получи данные для сравнения (предыдущий период, тот же период прошлого года, цели)
  • Подтяни разбивку по сегментам, если она доступна

Если инструмент аналитики не подключён, попроси пользователя дать:

  • Метрики и их значения (вставить таблицу, скриншот или описать)
  • Данные для сравнения (предыдущий период, цели)
  • Контекст недавних изменений (запуски, инциденты, сезонность)

Спроси пользователя:

  • За какой период делать разбор? (прошлая неделя, прошлый месяц, прошлый квартал)
  • На каких метриках сосредоточиться? Или разобрать весь набор продуктовых метрик?
  • Есть ли конкретные цели, с которыми нужно сравнивать?
  • Известны ли события, которые могут объяснить изменения (запуски, сбои, маркетинговые кампании, сезонность)?

2. Упорядочи метрики

Структурируй разбор по иерархии метрик: наверху ключевая метрика (North Star), затем индикаторы здоровья L1 (привлечение, активация, вовлечённость, удержание, выручка, удовлетворённость) и диагностические метрики L2 для детализации. Полные определения смотри ниже в разделе Иерархия продуктовых метрик.

Если у пользователя не определена иерархия метрик, помоги ему определить ключевую метрику (North Star) и основные метрики L1, прежде чем продолжать.

3. Проанализируй тренды

По каждой ключевой метрике:

  • Текущее значение: чему равна метрика сегодня?
  • Тренд: растёт, падает или стоит на месте по сравнению с предыдущим периодом? За какой отрезок времени?
  • Относительно цели: как она соотносится с целью?
  • Скорость изменения: тренд ускоряется или замедляется?
  • Аномалии: есть ли внезапные изменения, скачки или падения?

Найди корреляции:

  • Совпадают ли изменения одной метрики с изменениями другой?
  • Есть ли опережающие индикаторы, которые предсказывают изменения запаздывающих метрик?
  • Показывает ли разбивка по сегментам, что общий тренд определяется конкретной когортой?

4. Составь разбор

Резюме

2–3 предложения: общее здоровье продукта, самые заметные изменения, главное, на что стоит обратить внимание.

Карта показателей

Табличный формат для быстрого просмотра:

МетрикаСейчасРаньшеИзменениеЦельСтатус
[Метрика][Значение][Значение][+/- %][Цель][По плану / Под риском / Не достигнута]
Анализ трендов

По каждой метрике, которую стоит обсудить:

  • Что произошло и насколько значительно изменение
  • Почему это, вероятно, произошло (причина по известным событиям, связанным метрикам, анализу сегментов)
  • Это разовое событие или устойчивый тренд
Светлые пятна

Что идёт хорошо:

  • Метрики, которые опережают цели
  • Положительные тренды, которые нужно поддерживать
  • Сегменты или функции с сильными показателями
Зоны беспокойства

Что требует внимания:

  • Метрики, не достигающие целей или идущие вниз
  • Ранние предупреждающие сигналы, пока они не стали проблемами
  • Метрики, по которым нам не хватает видимости или понимания
Рекомендуемые действия

Конкретные следующие шаги на основе анализа:

  • Расследования (глубже разобрать тревожный тренд)
  • Эксперименты (проверить гипотезы о том, что могло бы улучшить метрику)
  • Вложения (усилить то, что работает)
  • Оповещения (внимательнее следить за метрикой)
Контекст и оговорки
  • Известные проблемы с качеством данных
  • События, влияющие на сопоставимость (сбои, праздники, запуски)
  • Метрики, которые нам стоило бы отслеживать, но пока не отслеживаем

5. Дальнейшие шаги

После составления разбора:

  • Спроси, нужно ли глубже изучить какую-то метрику
  • Предложи подготовить спецификацию дашборда для постоянного мониторинга
  • Предложи подготовить предложения по экспериментам для зон беспокойства
  • Предложи настроить шаблон разбора метрик для регулярного использования

Иерархия продуктовых метрик

Ключевая метрика (North Star)

Единственная метрика, которая лучше всего отражает основную ценность, которую продукт даёт пользователям. Она должна быть:

  • Согласована с ценностью: меняется, когда пользователи получают от продукта больше пользы
  • Опережающей: предсказывает долгосрочный успех бизнеса (выручка, удержание)
  • Управляемой: продуктовая команда может влиять на неё своей работой
  • Понятной: каждый в компании понимает, что она значит и почему важна

Примеры по типам продуктов:

  • Инструмент для совместной работы: недельное число активных команд, в которых участвуют 3 и более человек
  • Маркетплейс: недельное число завершённых транзакций
  • SaaS-платформа: недельное число активных пользователей, завершивших основной рабочий процесс
  • Контент-платформа: недельное время активного чтения или просмотра
  • Инструмент для разработчиков: недельное число развёртываний с использованием инструмента

Метрики L1 (индикаторы здоровья)

5–7 метрик, которые вместе рисуют полную картину здоровья продукта. Они соответствуют ключевым этапам жизненного цикла пользователя:

Привлечение: находят ли продукт новые пользователи?

  • Новые регистрации или старты пробного периода (объём и тренд)
  • Конверсия в регистрацию (посетители в регистрации)
  • Набор каналов (откуда приходят новые пользователи)
  • Стоимость привлечения (для платных каналов)

Активация: доходят ли новые пользователи до момента ценности?

  • Доля активации: % новых пользователей, выполнивших ключевое действие, которое предсказывает удержание
  • Время до активации: сколько проходит от регистрации до активации
  • Доля завершивших настройку: % тех, кто прошёл шаги адаптации
  • Первый момент ценности: когда пользователи впервые ощущают основную ценность продукта

Вовлечённость: получают ли активные пользователи пользу?

  • DAU / WAU / MAU: активные пользователи за разные периоды
  • Соотношение DAU/MAU (липкость): какая доля месячных пользователей возвращается ежедневно
  • Частота основного действия: как часто пользователи делают самое важное
  • Глубина сессии: сколько пользователи делают за одну сессию
  • Освоение функций: % пользователей, использующих ключевые функции

Удержание: возвращаются ли пользователи?

  • Удержание D1, D7, D30: % пользователей, вернувшихся через 1 день, 7 дней, 30 дней
  • Кривые удержания по когортам: как удержание меняется для каждой когорты регистраций
  • Доля оттока: % пользователей или выручки, потерянных за период
  • Доля возвращений: % ушедших пользователей, которые вернулись

Монетизация: превращается ли ценность в выручку?

  • Конверсия: из бесплатных в платные (для модели freemium)
  • MRR / ARR: ежемесячная или годовая регулярная выручка
  • ARPU / ARPA: средняя выручка на пользователя или клиента
  • Выручка от расширения: рост выручки от существующих клиентов
  • Чистое удержание выручки (net revenue retention): удержание выручки с учётом расширения и сокращения

Удовлетворённость: что пользователи думают о продукте?

  • NPS: индекс потребительской лояльности (Net Promoter Score)
  • CSAT: индекс удовлетворённости клиентов
  • Число обращений в поддержку и время их решения
  • Оценки в магазинах приложений и тональность отзывов

Метрики L2 (диагностические)

Детальные метрики, которые используются, чтобы разбираться в изменениях метрик L1:

  • Конверсия воронки на каждом шаге
  • Использование и освоение на уровне функций
  • Разбивки по сегментам (по тарифу, размеру компании, географии, роли пользователя)
  • Показатели производительности (время загрузки страницы, доля ошибок, задержка API)
  • Вовлечённость по типам контента (какие функции, страницы или типы контента вовлекают лучше)

Распространённые продуктовые метрики

DAU / WAU / MAU

Что они измеряют: уникальных пользователей, которые совершают квалифицирующее действие за день, неделю или месяц.

Ключевые решения:

  • Что считать «активным»? Вход? Просмотр страницы? Основное действие? Определи это тщательно — разные определения рассказывают разные истории.
  • Какой период важнее всего? DAU — для продуктов ежедневного использования (мессенджеры, почта). WAU — для продуктов еженедельного использования (управление проектами). MAU — для менее частых продуктов (налоговые программы, бронирование поездок).

Как их использовать:

  • Соотношение DAU/MAU (липкость): значения выше 0,5 говорят о ежедневной привычке. Ниже 0,2 — о редком использовании.
  • Тренд важнее абсолютного числа. Растёт ли активное использование, стоит на месте или падает?
  • Сегментируй по типу пользователей. Активные и случайные пользователи ведут себя совершенно по-разному.

Удержание

Что оно измеряет: из пользователей, начавших в периоде X, какой процент остаётся активным в периоде Y?

Распространённые периоды удержания:

  • D1 (на следующий день): был ли первый опыт достаточно хорош, чтобы вернуться?
  • D7 (через неделю): сформировал ли пользователь привычку?
  • D30 (через месяц): удержан ли пользователь надолго?
  • D90 (через три месяца): это устойчивый пользователь?

Как использовать удержание:

  • Стройте кривые удержания по когортам. Ищи: резкое падение в начале (проблема активации), устойчивое снижение (проблема вовлечённости) или выход на плато (хорошо — у тебя есть стабильная удержанная база).
  • Сравнивай когорты во времени. Удерживаются ли новые когорты лучше старых? Это значит, что улучшения продукта работают.
  • Сегментируй удержание по поведению при активации. Пользователи, прошедшие адаптацию, и не прошедшие. Пользователи, которые использовали функцию X, и не использовавшие.

Конверсия

Что она измеряет: % пользователей, переходящих с одного этапа на следующий.

Распространённые конверсионные воронки:

  • Посетитель в регистрацию
  • Регистрация в активацию (ключевой момент ценности)
  • Из бесплатных в платные (конверсия пробного периода)
  • Из пробного периода в платную подписку
  • С месячного на годовой тариф

Как использовать конверсию:

  • Опиши всю воронку и измерь конверсию на каждом шаге
  • Найди самые крупные точки потерь — это твои самые эффективные возможности для улучшения
  • Сегментируй конверсию по источнику, тарифу, типу пользователя. Разные сегменты конвертируются очень по-разному.
  • Отслеживай конверсию во времени. Улучшается ли она по мере доработки опыта?

Активация

Что она измеряет: % новых пользователей, которые доходят до момента, когда впервые ощущают основную ценность продукта.

Как определить активацию:

  • Сравни удержанных и ушедших пользователей. Какие действия совершили удержанные, а ушедшие — нет?
  • Событие активации должно сильно предсказывать долгосрочное удержание
  • Его должно быть возможно достичь в первой сессии или в первые несколько дней
  • Примеры: создал первый проект, пригласил коллегу, завершил первый рабочий процесс, подключил интеграцию

Как использовать активацию:

  • Отслеживай долю активации для каждой когорты регистраций
  • Измеряй время до активации — быстрее почти всегда лучше
  • Строй потоки адаптации, которые ведут пользователей к моменту активации
  • Проводи A/B-тесты потоков активации и оценивай влияние на удержание, а не только на долю активации

Рамки постановки целей

OKR (цели и ключевые результаты)

Цели (Objectives): качественные, вдохновляющие цели, описывающие, чего вы хотите добиться.

  • Вдохновляющие и запоминающиеся
  • Ограничены по времени (квартал или год)
  • Задают направление, а не конкретную метрику

Ключевые результаты (Key Results): количественные измерители того, достигнута ли цель.

  • Конкретные и измеримые
  • Ограничены по времени и имеют чёткую цель
  • Основаны на результате, а не на объёме выполненной работы
  • 2–4 ключевых результата на одну цель

Пример:

Цель: сделать наш продукт незаменимым в ежедневных рабочих процессах

Ключевые результаты:
- Повысить соотношение DAU/MAU с 0,35 до 0,50
- Повысить удержание D30 для новых пользователей с 40% до 55%
- 3 основных рабочих процесса с долей выполнения задач >80%

Лучшие практики OKR

  • Ставь амбициозные, но достижимые OKR. Для «растяжных» OKR целевой уровень выполнения — 70%.
  • Ключевые результаты должны измерять итоги (поведение пользователей, бизнес-результаты), а не объём выполненной работы (выпущенные функции, завершённые задачи).
  • Не заводи слишком много OKR. 2–3 цели по 2–4 ключевых результата хватит с запасом.
  • OKR должны быть некомфортными. Если ты уверен, что достигнешь всех, они недостаточно амбициозны.
  • Пересматривай OKR в середине периода. Перераспредели усилия, если какие-то ключевые результаты явно отстают.
  • Честно оценивай OKR в конце периода. 0,0–0,3 = провал, 0,4–0,6 = прогресс, 0,7–1,0 = достигнуто.

Постановка целевых значений метрик

  • Исходный уровень: чему равно текущее значение? Нужен надёжный исходный уровень, прежде чем ставить цель.
  • Эталон: чего достигают сопоставимые продукты? Отраслевые эталоны дают контекст.
  • Траектория: каков текущий тренд? Если метрика уже растёт на 5% в месяц, цель в 6% не амбициозна.
  • Усилия: сколько вложений стоит за этим? Более крупные ставки оправдывают более амбициозные цели.
  • Уверенность: насколько ты уверен в достижении цели? Задай «обязательство» (высокая уверенность) и «растяжку» (амбициозная цель).

Периодичность разбора метрик

Еженедельная проверка метрик

Цель: быстро замечать проблемы, следить за экспериментами, держать руку на пульсе здоровья продукта. Длительность: 15–30 минут. Участники: менеджер продукта, возможно, технический руководитель.

Что разбирать:

  • Ключевая метрика (North Star): текущее значение, изменение к прошлой неделе
  • Ключевые метрики L1: любые заметные движения
  • Активные эксперименты: результаты и статистическая значимость
  • Аномалии: любые неожиданные скачки или падения
  • Оповещения: всё, что сработало в системе мониторинга

Действие: если что-то выглядит не так, расследуй. Иначе отметь и иди дальше.

Ежемесячный разбор метрик

Цель: более глубокий анализ трендов, прогресса по целям, стратегических выводов. Длительность: 30–60 минут. Участники: продуктовая команда, ключевые заинтересованные лица.

Что разбирать:

  • Полная карта показателей L1 с трендами месяц к месяцу
  • Прогресс относительно квартальных целей OKR
  • Анализ когорт: показывают ли новые когорты результаты лучше?
  • Освоение функций: как работают недавние запуски?
  • Анализ сегментов: есть ли расхождения между сегментами пользователей?

Действие: определи 1–3 направления для расследования или вложений. Обнови приоритеты, если метрики открыли новую информацию.

Квартальный бизнес-обзор

Цель: стратегическая оценка эффективности продукта, постановка целей на следующий квартал. Длительность: 60–90 минут. Участники: продукт, разработка, дизайн, руководство.

Что разбирать:

  • Оценка OKR за квартал
  • Анализ трендов по всем метрикам L1 за квартал
  • Сравнения год к году
  • Конкурентный контекст: изменения рынка и ходы конкурентов
  • Что сработало, а что нет

Действие: поставь OKR на следующий квартал. Скорректируй продуктовую стратегию по тому, что показывают данные.

Принципы проектирования дашбордов

Эффективные продуктовые дашборды

Хороший дашборд с первого взгляда отвечает на вопрос «Как дела у продукта?».

Принципы:

  1. Начинай с вопроса, а не с данных. Какие решения поддерживает этот дашборд? Проектируй от решения.
  1. Иерархия информации. Самая важная метрика должна быть самой заметной. Ключевая метрика (North Star) наверху, затем метрики L1, метрики L2 доступны при детализации.
  1. Контекст важнее чисел. Число без контекста бессмысленно. Всегда показывай: текущее значение, сравнение (предыдущий период, цель, эталон), направление тренда.
  1. Меньше метрик — больше понимания. Дашборд с 50 метриками никому не помогает. Сосредоточься на 5–10 важных. Всё остальное — в подробный отчёт.
  1. Единые периоды времени. Используй один и тот же период для всех метрик на дашборде. Смешение дневных и месячных метрик создаёт путаницу.
  1. Визуальные индикаторы статуса. Используй цвет, чтобы показать состояние с первого взгляда:
  2. Зелёный: по плану или улучшается
  3. Жёлтый: требует внимания или стоит на месте
  4. Красный: вне плана или ухудшается
  1. Применимость на практике. Каждая метрика на дашборде должна быть той, на которую команда может влиять. Если с ней нельзя ничего сделать, ей не место на продуктовом дашборде.

Макет дашборда

Верхняя строка: ключевая метрика (North Star) с линией тренда и целью.

Вторая строка: карта показателей L1 — текущее значение, изменение, цель, статус по каждой ключевой метрике.

Третья строка: ключевые воронки или метрики конверсии — наглядная воронка с потерями на каждом этапе.

Четвёртая строка: недавние эксперименты и запуски — активные A/B-тесты, недавно запущенные функции с ранними метриками.

Низ / детализация: метрики L2, разбивки по сегментам и подробные временные ряды для расследований.

Антипаттерны дашбордов

  • «Показушные» метрики (vanity metrics): метрики, которые всегда растут, но не показывают здоровье (всего регистраций за всё время, всего просмотров страниц)
  • Слишком много метрик: дашборды, которые нужно прокручивать. Если не помещается на один экран, сократи метрики.
  • Нет сравнения: голые числа без контекста (текущее значение без предыдущего периода или цели)
  • Устаревшие дашборды: метрики, которые не обновлялись и не разбирались месяцами
  • Дашборды объёма работы: измеряют активность команды (закрытые тикеты, влитые изменения кода) вместо результатов для пользователей и бизнеса
  • Один дашборд для всех аудиторий: руководителям, менеджерам продукта и инженерам нужны разные представления. Один размер не подходит всем.

Оповещения

Настраивай оповещения для метрик, которые требуют немедленного внимания:

  • Пороговые оповещения: метрика падает ниже критического порога или поднимается выше него (доля ошибок > 1%, конверсия < 5%)
  • Оповещения о тренде: метрика устойчиво снижается в течение нескольких дней или недель
  • Оповещения об аномалиях: метрика значительно отклоняется от ожидаемого диапазона

Гигиена оповещений:

  • Каждое оповещение должно подразумевать действие. Если ты ничего не можешь с этим сделать, не оповещай.
  • Регулярно пересматривай и настраивай оповещения. При слишком большом числе ложных срабатываний люди начинают игнорировать все оповещения.
  • Определи владельца каждого оповещения. Кто реагирует, когда оно срабатывает?
  • Задай подходящие уровни серьёзности. Не всё — P0.

Формат результата

Для карты показателей используй таблицы. Используй понятные индикаторы статуса. Резюме делай сжатым — читатель должен уловить суть за 30 секунд.

Советы

  • Начинай с «ну и что» — что самое важное в этом разборе метрик? С него и начинай.
  • Абсолютные числа без контекста бесполезны. Всегда показывай сравнения (с предыдущим периодом, с целью, с эталоном).
  • Осторожнее с определением причин. Корреляция — не причинность. Если метрика сдвинулась, признавай неопределённость в том, почему.
  • Анализ сегментов часто показывает, что общая метрика скрывает важные различия. Ровное общее число может скрывать рост одного сегмента и сокращение другого.
  • Не все движения метрик имеют значение. Небольшие колебания — шум. Сосредотачивай внимание на значимых изменениях.
  • Если метрика не достигает цели, не просто сообщай о промахе — рекомендуй, что с этим делать.
  • Разбор метрик должен вести к решениям. Если он не приводит хотя бы к одному действию, он был бесполезен.

Перевод: iiuniversitet. Оригинал: https://github.com/anthropics/knowledge-work-plugins/tree/main/product-management/skills/metrics-review, лицензия Apache-2.0. Изменения: перевод на русский язык.

Оригинал на английском
---
name: metrics-review
description: Review and analyze product metrics with trend analysis and actionable insights. Use when running a weekly, monthly, or quarterly metrics review, investigating a sudden spike or drop, comparing performance against targets, or turning raw numbers into a scorecard with recommended actions.
argument-hint: "<time period or metric focus>"
---

# Metrics Review

> If you see unfamiliar placeholders or need to check which tools are connected, see [CONNECTORS.md](../../CONNECTORS.md).

Review and analyze product metrics, identify trends, and surface actionable insights.

## Usage

```
/metrics-review $ARGUMENTS
```

## Workflow

### 1. Gather Metrics Data

If **~~product analytics** is connected:
- Pull key product metrics for the relevant time period
- Get comparison data (previous period, same period last year, targets)
- Pull segment breakdowns if available

If no analytics tool is connected, ask the user to provide:
- The metrics and their values (paste a table, screenshot, or describe)
- Comparison data (previous period, targets)
- Any context on recent changes (launches, incidents, seasonality)

Ask the user:
- What time period to review? (last week, last month, last quarter)
- What metrics to focus on? Or should we review the full product metrics suite?
- Are there specific targets or goals to compare against?
- Any known events that might explain changes (launches, outages, marketing campaigns, seasonality)?

### 2. Organize the Metrics

Structure the review using a metrics hierarchy: North Star metric at the top, L1 health indicators (acquisition, activation, engagement, retention, revenue, satisfaction), and L2 diagnostic metrics for drill-down. See **Product Metrics Hierarchy** below for full definitions.

If the user has not defined their metrics hierarchy, help them identify their North Star and key L1 metrics before proceeding.

### 3. Analyze Trends

For each key metric:
- **Current value**: What is the metric today?
- **Trend**: Up, down, or flat compared to previous period? Over what timeframe?
- **vs Target**: How does it compare to the goal or target?
- **Rate of change**: Is the trend accelerating or decelerating?
- **Anomalies**: Any sudden changes, spikes, or drops?

Identify correlations:
- Do changes in one metric correlate with changes in another?
- Are there leading indicators that predict lagging metric changes?
- Do segment breakdowns reveal that an aggregate trend is driven by a specific cohort?

### 4. Generate the Review

#### Summary
2-3 sentences: overall product health, most notable changes, key callout.

#### Metric Scorecard
Table format for quick scanning:

| Metric | Current | Previous | Change | Target | Status |
|--------|---------|----------|--------|--------|--------|
| [Metric] | [Value] | [Value] | [+/- %] | [Target] | [On track / At risk / Miss] |

#### Trend Analysis
For each metric worth discussing:
- What happened and how significant is the change
- Why it likely happened (attribution based on known events, correlated metrics, segment analysis)
- Whether this is a one-time event or a sustained trend

#### Bright Spots
What is going well:
- Metrics beating targets
- Positive trends to sustain
- Segments or features showing strong performance

#### Areas of Concern
What needs attention:
- Metrics missing targets or trending negatively
- Early warning signals before they become problems
- Metrics where we lack visibility or understanding

#### Recommended Actions
Specific next steps based on the analysis:
- Investigations to run (dig deeper into a concerning trend)
- Experiments to launch (test hypotheses about what could improve a metric)
- Investments to make (double down on what is working)
- Alerts to set (monitor a metric more closely)

#### Context and Caveats
- Known data quality issues
- Events that affect comparability (outages, holidays, launches)
- Metrics we should be tracking but are not yet

### 5. Follow Up

After generating the review:
- Ask if any metric needs deeper investigation
- Offer to create a dashboard spec for ongoing monitoring
- Offer to draft experiment proposals for areas of concern
- Offer to set up a metrics review template for recurring use

## Product Metrics Hierarchy

### North Star Metric
The single metric that best captures the core value your product delivers to users. It should be:

- **Value-aligned**: Moves when users get more value from the product
- **Leading**: Predicts long-term business success (revenue, retention)
- **Actionable**: The product team can influence it through their work
- **Understandable**: Everyone in the company can understand what it means and why it matters

**Examples by product type**:
- Collaboration tool: Weekly active teams with 3+ members contributing
- Marketplace: Weekly transactions completed
- SaaS platform: Weekly active users completing core workflow
- Content platform: Weekly engaged reading/viewing time
- Developer tool: Weekly deployments using the tool

### L1 Metrics (Health Indicators)
The 5-7 metrics that together paint a complete picture of product health. These map to the key stages of the user lifecycle:

**Acquisition**: Are new users finding the product?
- New signups or trial starts (volume and trend)
- Signup conversion rate (visitors to signups)
- Channel mix (where are new users coming from)
- Cost per acquisition (for paid channels)

**Activation**: Are new users reaching the value moment?
- Activation rate: % of new users who complete the key action that predicts retention
- Time to activate: how long from signup to activation
- Setup completion rate: % who complete onboarding steps
- First value moment: when users first experience the core product value

**Engagement**: Are active users getting value?
- DAU / WAU / MAU: active users at different timeframes
- DAU/MAU ratio (stickiness): what fraction of monthly users come back daily
- Core action frequency: how often users do the thing that matters most
- Session depth: how much users do per session
- Feature adoption: % of users using key features

**Retention**: Are users coming back?
- D1, D7, D30 retention: % of users who return after 1 day, 7 days, 30 days
- Cohort retention curves: how retention evolves for each signup cohort
- Churn rate: % of users or revenue lost per period
- Resurrection rate: % of churned users who come back

**Monetization**: Is value translating to revenue?
- Conversion rate: free to paid (for freemium)
- MRR / ARR: monthly or annual recurring revenue
- ARPU / ARPA: average revenue per user or account
- Expansion revenue: revenue growth from existing customers
- Net revenue retention: revenue retention including expansion and contraction

**Satisfaction**: How do users feel about the product?
- NPS: Net Promoter Score
- CSAT: Customer Satisfaction Score
- Support ticket volume and resolution time
- App store ratings and review sentiment

### L2 Metrics (Diagnostic)
Detailed metrics used to investigate changes in L1 metrics:

- Funnel conversion at each step
- Feature-level usage and adoption
- Segment-specific breakdowns (by plan, company size, geography, user role)
- Performance metrics (page load time, error rate, API latency)
- Content-specific engagement (which features, pages, or content types drive engagement)

## Common Product Metrics

### DAU / WAU / MAU
**What they measure**: Unique users who perform a qualifying action in a day, week, or month.

**Key decisions**:
- What counts as "active"? A login? A page view? A core action? Define this carefully — different definitions tell different stories.
- Which timeframe matters most? DAU for daily-use products (messaging, email). WAU for weekly-use products (project management). MAU for less frequent products (tax software, travel booking).

**How to use them**:
- DAU/MAU ratio (stickiness): values above 0.5 indicate a daily habit. Below 0.2 suggests infrequent usage.
- Trend matters more than absolute number. Is active usage growing, flat, or declining?
- Segment by user type. Power users and casual users behave very differently.

### Retention
**What it measures**: Of users who started in period X, what % are still active in period Y?

**Common retention timeframes**:
- D1 (next day): Was the first experience good enough to come back?
- D7 (one week): Did the user establish a habit?
- D30 (one month): Is the user retained long-term?
- D90 (three months): Is this a durable user?

**How to use retention**:
- Plot retention curves by cohort. Look for: initial drop-off (activation problem), steady decline (engagement problem), or flattening (good — you have a stable retained base).
- Compare cohorts over time. Are newer cohorts retaining better than older ones? That means product improvements are working.
- Segment retention by activation behavior. Users who completed onboarding vs those who did not. Users who used feature X vs those who did not.

### Conversion
**What it measures**: % of users who move from one stage to the next.

**Common conversion funnels**:
- Visitor to signup
- Signup to activation (key value moment)
- Free to paid (trial conversion)
- Trial to paid subscription
- Monthly to annual plan

**How to use conversion**:
- Map the full funnel and measure conversion at each step
- Identify the biggest drop-off points — these are your highest-leverage improvement opportunities
- Segment conversion by source, plan, user type. Different segments convert very differently.
- Track conversion over time. Is it improving as you iterate on the experience?

### Activation
**What it measures**: % of new users who reach the moment where they first experience the product's core value.

**Defining activation**:
- Look at retained users vs churned users. What actions did retained users take that churned users did not?
- The activation event should be strongly predictive of long-term retention
- It should be achievable within the first session or first few days
- Examples: created first project, invited a teammate, completed first workflow, connected an integration

**How to use activation**:
- Track activation rate for every signup cohort
- Measure time to activate — faster is almost always better
- Build onboarding flows that guide users to the activation moment
- A/B test activation flows and measure impact on retention, not just activation rate

## Goal Setting Frameworks

### OKRs (Objectives and Key Results)

**Objectives**: Qualitative, aspirational goals that describe what you want to achieve.
- Inspiring and memorable
- Time-bound (quarterly or annually)
- Directional, not metric-specific

**Key Results**: Quantitative measures that tell you if you achieved the objective.
- Specific and measurable
- Time-bound with a clear target
- Outcome-based, not output-based
- 2-4 Key Results per Objective

**Example**:
```
Objective: Make our product indispensable for daily workflows

Key Results:
- Increase DAU/MAU ratio from 0.35 to 0.50
- Increase D30 retention for new users from 40% to 55%
- 3 core workflows with >80% task completion rate
```

### OKR Best Practices
- Set OKRs that are ambitious but achievable. 70% completion is the target for stretch OKRs.
- Key Results should measure outcomes (user behavior, business results), not outputs (features shipped, tasks completed).
- Do not have too many OKRs. 2-3 objectives with 2-4 KRs each is plenty.
- OKRs should be uncomfortable. If you are confident you will hit all of them, they are not ambitious enough.
- Review OKRs at mid-period. Adjust effort allocation if some KRs are clearly off track.
- Grade OKRs honestly at end of period. 0.0-0.3 = missed, 0.4-0.6 = progress, 0.7-1.0 = achieved.

### Setting Metric Targets
- **Baseline**: What is the current value? You need a reliable baseline before setting a target.
- **Benchmark**: What do comparable products achieve? Industry benchmarks provide context.
- **Trajectory**: What is the current trend? If the metric is already improving at 5% per month, a 6% target is not ambitious.
- **Effort**: How much investment are you putting behind this? Bigger bets warrant more ambitious targets.
- **Confidence**: How confident are you in hitting the target? Set a "commit" (high confidence) and a "stretch" (ambitious).

## Metric Review Cadences

### Weekly Metrics Check
**Purpose**: Catch issues quickly, monitor experiments, stay in touch with product health.
**Duration**: 15-30 minutes.
**Attendees**: Product manager, maybe engineering lead.

**What to review**:
- North Star metric: current value, week-over-week change
- Key L1 metrics: any notable movements
- Active experiments: results and statistical significance
- Anomalies: any unexpected spikes or drops
- Alerts: anything that triggered a monitoring alert

**Action**: If something looks off, investigate. Otherwise, note it and move on.

### Monthly Metrics Review
**Purpose**: Deeper analysis of trends, progress against goals, strategic implications.
**Duration**: 30-60 minutes.
**Attendees**: Product team, key stakeholders.

**What to review**:
- Full L1 metric scorecard with month-over-month trends
- Progress against quarterly OKR targets
- Cohort analysis: are newer cohorts performing better?
- Feature adoption: how are recent launches performing?
- Segment analysis: any divergence between user segments?

**Action**: Identify 1-3 areas to investigate or invest in. Update priorities if metrics reveal new information.

### Quarterly Business Review
**Purpose**: Strategic assessment of product performance, goal-setting for next quarter.
**Duration**: 60-90 minutes.
**Attendees**: Product, engineering, design, leadership.

**What to review**:
- OKR scoring for the quarter
- Trend analysis for all L1 metrics over the quarter
- Year-over-year comparisons
- Competitive context: market changes and competitor movements
- What worked and what did not

**Action**: Set OKRs for next quarter. Adjust product strategy based on what the data shows.

## Dashboard Design Principles

### Effective Product Dashboards
A good dashboard answers the question "How is the product doing?" at a glance.

**Principles**:

1. **Start with the question, not the data**. What decisions does this dashboard support? Design backwards from the decision.

2. **Hierarchy of information**. The most important metric should be the most visually prominent. North Star at the top, L1 metrics next, L2 metrics available on drill-down.

3. **Context over numbers**. A number without context is meaningless. Always show: current value, comparison (previous period, target, benchmark), trend direction.

4. **Fewer metrics, more insight**. A dashboard with 50 metrics helps no one. Focus on 5-10 that matter. Put everything else in a detailed report.

5. **Consistent time periods**. Use the same time period for all metrics on a dashboard. Mixing daily and monthly metrics creates confusion.

6. **Visual status indicators**. Use color to indicate health at a glance:
   - Green: on track or improving
   - Yellow: needs attention or flat
   - Red: off track or declining

7. **Actionability**. Every metric on the dashboard should be something the team can influence. If you cannot act on it, it does not belong on the product dashboard.

### Dashboard Layout

**Top row**: North Star metric with trend line and target.

**Second row**: L1 metrics scorecard — current value, change, target, status for each key metric.

**Third row**: Key funnels or conversion metrics — visual funnel showing drop-off at each stage.

**Fourth row**: Recent experiments and launches — active A/B tests, recent feature launches with early metrics.

**Bottom / drill-down**: L2 metrics, segment breakdowns, and detailed time series for investigation.

### Dashboard Anti-Patterns
- **Vanity metrics**: Metrics that always go up but do not indicate health (total signups ever, total page views)
- **Too many metrics**: Dashboards that require scrolling to see. If it does not fit on one screen, cut metrics.
- **No comparison**: Raw numbers without context (current value with no previous period or target)
- **Stale dashboards**: Metrics that have not been updated or reviewed in months
- **Output dashboards**: Measuring team activity (tickets closed, PRs merged) instead of user and business outcomes
- **One dashboard for all audiences**: Executives, PMs, and engineers need different views. One size does not fit all.

### Alerting
Set alerts for metrics that require immediate attention:

- **Threshold alerts**: Metric drops below or rises above a critical threshold (error rate > 1%, conversion < 5%)
- **Trend alerts**: Metric shows sustained decline over multiple days/weeks
- **Anomaly alerts**: Metric deviates significantly from expected range

**Alert hygiene**:
- Every alert should be actionable. If you cannot do anything about it, do not alert on it.
- Review and tune alerts regularly. Too many false positives and people ignore all alerts.
- Define an owner for each alert. Who responds when it fires?
- Set appropriate severity levels. Not everything is P0.

## Output Format

Use tables for the scorecard. Use clear status indicators. Keep the summary tight — the reader should get the essential story in 30 seconds.

## Tips

- Start with the "so what" — what is the most important thing in this metrics review? Lead with that.
- Absolute numbers without context are useless. Always show comparisons (vs previous period, vs target, vs benchmark).
- Be careful about attribution. Correlation is not causation. If a metric moved, acknowledge uncertainty about why.
- Segment analysis often reveals that an aggregate metric masks important differences. A flat overall number might hide one segment growing and another shrinking.
- Not all metric movements matter. Small fluctuations are noise. Focus attention on meaningful changes.
- If a metric is missing its target, do not just report the miss — recommend what to do about it.
- Metrics reviews should drive decisions. If the review does not lead to at least one action, it was not useful.

Источник: anthropics/knowledge-work-plugins / product-management / metrics-review ↗. Ссылка проверена 2026-10-10.