Друзья! Я давно заметил, что в реалиях российского бизнеса катастрофически не хватает визуального мышления. Мы тонем в таблицах и сухих логах, упуская из виду реальное поведение клиентов.

Парадокс! Мой вчерашний пост про визуализацию данных набрал 9 лайков при 650 просмотрах, а благодаря репостам мы получили еще 9 лайков при 640 просмотрах. Суммарно — 1290 просмотров и 18 реакций. Конверсия из просмотра в вовлеченность около 1.4%. С одной стороны, цель достигнута — лайки собраны, и я, как и обещал, пишу продолжение. С другой — это отличный повод сделать работу над ошибками.

Я проанализировал свой «первый блин» и понял причину: это была аналитика для аналитиков. Сухое ТЗ и слишком сложная схема, нарисованная от руки. Я же хочу, чтобы этот подход понимали все участники бизнес-процессов: от фаундеров и руководителей проектов до маркетологов и продажников. Поэтому сегодня — разбор ТЗ и переработанная, кристально понятная схема.

📌 Вводные данные (ТЗ)

У нас есть дейтинг-приложение и некий пользователь N. Наша задача — рассчитать его LTV (Lifetime Value, пожизненную ценность). Поняв механику на одном юзере, мы сможем грамотно объединять их в группы и считать уже Cohort LTV (LTV когорты), двигаясь от частного к общему.

Для начала переведем сухие логи из первого поста в человеческий вид. Вот хронология взаимодействия пользователя с приложением: 14.02.2025 — Зарегистрировался. 01.03.2025 — Купил подписку «Премиум» на 30 дней. 31.03.2025 — Сработало автопродление. 30.04.2025 — Отменил подписку (перешел на бесплатный тариф). 05.06.2025 — Скрыл анкету. 01.09.2025 — Открыл анкету. 28.11.2025 — Купил пакет по акции «Черная Пятница»: VIP на 90 дней. 26.02.2026 — Пакет по акции закончился. 08.03.2026 — Купил праздничный оффер (7 дней VIP). 15.03.2026 — Мини-пакет закончился. 01.09.2026 — Удалился из приложения. Также выгрузка из рекламного кабинета дает нам инфо: на показах рекламы этому пользователю мы заработали 900 руб. Важно понимать: рекламный трафик — это тоже часть LTV. Без него анализировать экономику дейтинг-приложения просто некорректно.

🛠 Как это визуализировать?

Я перенес все эти данные на понятную схему (см. картинку). Сначала я выношу на дашборд само определение LTV, чтобы зафиксировать суть задачи. Затем представляю время в виде таймлайна — линии, идущей слева направо, на которой размечена общая длина взаимодействия с приложением пользователя: 18,5 месяцев. Правее я добавляю календарную сетку.

Наш мозг устроен так, что лучше всего воспринимает абстрактное понятие «время» через пространственные метафоры. Существует когнитивная привязка: мы буквально «видим» ход времени благодаря эволюционным паттернам зрительной памяти. На плоскости листа или экрана есть 4 базовых способа визуализации, которые мозг считывает без усилий:

Горизонтальная линия (вектор слева направо) — самая привычная для нашего мышления схема. Восходящая линия — отлично подходит дат исчисляемых годами. Циферблат или окружность — для отображения цикличности и долей. Классическая календарная сетка (3 столбика, 4 строки) — идеальна для сезонности.

Чтобы проанализировать поведение пользователя максимально объемно, нужно взглянуть на него с разных сторон. Поэтому я объединил две схемы: нанес поинты событий на календарь, а затем синхронизировал (перенес)  их с линейным таймлайном (на линию).

Далее я считаю Purchase LTV (прямой доход от подписок, который многие ошибочно принимают за финальный результат), добавляю Ad LTV (рекламу) и получаю итоговый Total user LTV. Отдельно фиксирую Lifetime (время, которое он провел с нами).

+ Нижний дополнительный блок на схеме позволяет наложить на наш таймлайн другие метрики: активность сессий, среднее время посещения или гео-перемещения пользователя. Такое наслаивание визуальных данных вскрывает неочевидные закономерности. Именно эти инсайты в дальнейшем позволяют улучшать продукт, делать аналитику прозрачной и принимать точные решения.

PS. Коллеги, давайте соберем 25 лайков под этим постом — мне нужна ваша обратная связь, чтобы я понимал, в какую сторону развивать этот блог дальше. Делитесь мнением в комментариях!