Как исправили аналитику и подняли retention в приложении для автомобилистов
Для приложения для автомобилистов сначала восстановили доверие к данным: исправили аналитику, собрали дашборд и нашли реальное узкое место. После возврата базовой push-механики retention вырос вдвое.
Контекст
Мобильное приложение для автомобилистов со сценариями вокруг страховок, штрафов и данных об автомобиле. На входе команда не могла защищать решения по продвижению и росту, потому что аналитика была сломана, а дашборд показывал искажённую картину.
Задача
- На продуктовых данных нельзя было принимать решения из-за некорректной аналитики
- Маркетинговый бюджет нужно было защищать перед инвесткомитетом на реальных цифрах, а не на ощущениях
- Команда не понимала, где главный разрыв в удержании и что чинить первым
Решение
Зашли через исследование и продуктовый разбор
Собрали фактуру по продукту и рынку, чтобы спорные решения по росту и продвижению можно было защищать на нормальной базе.
Исправили аналитику и собрали дашборд
За месяц убрали ключевые искажения и собрали рабочую панель метрик для продуктовой команды.
Нашли узкое место и вернули push-контур
На корректных данных стало видно, что базовые push-уведомления не работают как должны. После возврата механики получили быстрый прирост удержания.
Результаты
Что изменилось системно
- Команда получила рабочий дашборд вместо искажённой аналитики
- Решения по росту начали приниматься на нормальных данных, а не на спорах
- Push-уведомления вернулись как управляемый продуктовый инструмент удержания
«Главная ценность была не в отчёте, а в том, что мы наконец начали видеть реальную картину и принимать решения на нормальных данных.»