Метрики 101. Часть 2: Социальные сети и контентные платформы

Мы начинаем препарировать конкретные индустрии. И первыми на операционный стол ложатся контентные платформы и соцсети - классические представители Экономики внимания.

В ней главная валюта - не деньги, а минуты вашей жизни. Чем дольше вы остаетесь внутри приложения, тем больше рекламы вам успеют показать.

Давайте разберем, как выглядит дерево метрик таких компаний на примере YouTube и TikTok.

🌟 Level 0: North Star Metric

Для YouTube и TikTok главная метрика - Total Watch Time (Общее время просмотра за сутки или месяц.

Почему не лайки или регистрации?

Лайки не монетизируются, а регистрации без просмотров бесполезны.

Время просмотра напрямую связано с рекламным инвентарем (Ad Inventory) - количеством слотов, которые платформа может продать рекламодателям. Поэтому чем больше время просмотра - тем больше денег компания заработает с рекламы.

Level 1: Драйверы роста

Чтобы разложить Total Watch Time на понятные слагаемые, мы используем декомпозицию через вовлечение.

Время просмотра зависит от трех факторов:

Total Watch Time = Reach (Охват) x Frequency (Частота) x Depth (Глубина)

• Reach (Охват): Количество активных пользователей (DAU / MAU). Если в приложение никто не зашел, крутить видео некому

• Frequency (Частота): Количество сессий на одного юзера. Зашел ли человек один раз в день или открывает приложение каждые полчаса от скуки?

• Depth (Глубина сессии): Сколько минут человек проводит в приложении за один запуск (Average Session Duration).

🛠 Level 2: Операционные метрики

На этом уровне работают продуктовые команды и алгоритмы рекомендаций. Они крутят ручки на уровне L2, чтобы поднять показатели L1.

• для Охвата: Конверсия из пуш-уведомления в открытие, Retention 1/7/30 дня

• для Частоты: Количество отправленных пушей, доля шеров (Viral Loop)

- Для Глубины: ---> CTR (Click-Through Rate): Кликнул ли юзер на предложенную обложку видео? ---> Completion Rate (Досматриваемость): Какая доля видео была просмотрена? Если пользователь уходит на 5-й секунде = рекомендация плохая. ---> Количество свайпов/скроллов: Как глубоко юзер ушел по ленте контента?

🤨 Контр-метрики: Как не превратить платформу в помойку

На интервью вас могут спросить: Допустим алгоритм в погоне за Watch Time начнет рекомендовать низкокачественный, но залипательный контент (трэш-стримы, скандалы, шок-видео) - в моменте люди будут на нем залипать, и метрика вырастет. Как убедиться, что эту фичу стоит раскатывать?

Метрик уровней L0-L2 недостаточно , чтобы ответить на этот вопрос. Поэтому мы будем использовать контр-метрики (Guardrail metrics):

• Do Not Recommend Rate / Скрытия : Как часто жмут «Не интересует»

• Report Rate: Количество жалоб на контент

• Long-term Retention: Если краткосрочно Watch Time растет, а удержание 30-го дня падает - алгоритм выжигает аудиторию токсичным контентом ради минутной выгоды

👌 Лайфхак для собеса

Покажите глубокое понимание механики работы YouTube и TikTok. Из-за разницы форматов их L2-метрики принципиально отличаются:

В обычном YouTube контент длинный, а выбор осознанный (клик по превью). Для него критически важны CTR обложки и Search Query Success Rate (нашел ли то, что искал через поиск)

В TikTok/ YouTube Shorts выбор пассивный (лента сама включает видео).

Юзер тратит долю секунды на оценку. Здесь главные метрики = Retention первых 3-х секунд (зацепило ли видео со старта) и скорость свайпа.

Понимание разницы между активным и пассивным выбором - это маркер сильного аналитика. Именно оно позволяет правильно подобрать операционные рычаги под конкретный формат и разложить общее время просмотра на здоровые драйверы роста.

Но главное - всегда балансируйте получившуюся иерархию контрметриками, чтобы сиюминутный залипательный контент не выжег долгосрочное удержание аудитории.

Ставьте 🍕**если пост вам зашел В следующий раз мы рассмотрим модель подписок и разберем Netflix, Spotify и Яндекс Плюс.