8 апреля 2026 г.

Product-Market Fit — как измерить и какие метрики смотреть

Что такое Product-Market Fit

Product-Market Fit (PMF) — состояние, при котором продукт решает реальную проблему достаточного количества людей, и они готовы за это платить (или возвращаться снова и снова). Термин ввёл Марк Андриссен: «вы находитесь на хорошем рынке с продуктом, который может этот рынок удовлетворить».

Звучит абстрактно, но PMF — вполне конкретная вещь. До PMF продукт существует в режиме поиска: гипотезы, пивоты, тесты. После PMF — в режиме масштабирования: рост, оптимизация, unit-экономика. На собеседованиях продуктовых аналитиков тема PMF всплывает регулярно, особенно в контексте метрик роста и North Star Metric.

Качественные признаки PMF

Прежде чем считать метрики, стоит посмотреть на качественные сигналы. Марк Андриссен описывал это так: «PMF — когда вы его чувствуете». Конкретнее:

  • Органический рост. Пользователи приходят по рекомендациям, без маркетинговых бюджетов. Сарафанное радио работает само.
  • Пользователи жалуются, когда продукт недоступен. Если при даунтайме летят гневные сообщения — значит, продукт стал частью их жизни.
  • Запросы на фичи вместо жалоб на идею. Когда фидбек сводится к «добавьте X» и «сделайте Y удобнее», а не «зачем это вообще нужно» — хороший знак.
  • Пользователи находят неожиданные способы применения. Если продукт используют не так, как вы задумали, — значит, он решает реальную потребность.

Но ощущения — плохой KPI. Для аналитика важны числа.

Количественные метрики PMF

Retention curve

Самый надёжный индикатор PMF — кривая retention, которая выходит на плато. Если retention монотонно стремится к нулю — PMF нет: все пользователи в итоге уходят. Если кривая сначала падает, а потом стабилизируется — значит, есть ядро, для которого продукт ценен.

Плато на уровне 20–30% для потребительского продукта — сильный сигнал. Для B2B SaaS ожидания выше: 40–60%. Конкретные бенчмарки зависят от категории продукта и частоты использования — для контекста посмотрите stickiness-бенчмарки.

Sean Ellis Test

Шон Эллис (Dropbox, LogMeIn) предложил простой опрос: «Что бы вы почувствовали, если бы больше не могли пользоваться продуктом?» Варианты ответа:

  • Очень расстроюсь
  • Немного расстроюсь
  • Не расстроюсь
  • Я уже не пользуюсь

Правило: если >40% отвечают «очень расстроюсь» — у вас PMF. Меньше 40% — продукт решает проблему недостаточно остро. Этот порог основан на эмпирических данных: компании, прошедшие отметку 40%, в дальнейшем успешно масштабировались.

Важный нюанс: опрашивать нужно активных пользователей, которые попробовали ключевой функционал хотя бы 2–3 раза. Мнение людей, зарегистрировавшихся вчера, мало что скажет.

NPS (Net Promoter Score)

NPS измеряет готовность рекомендовать продукт. Шкала от 0 до 10: промоутеры (9–10), нейтралы (7–8), критики (0–6). NPS = % промоутеров − % критиков.

Для PMF ориентир — NPS выше 50. Это значит, что промоутеров радикально больше, чем критиков, и органический рост реалистичен.

Engagement-метрики

DAU/MAU (stickiness) выше среднего по категории — сигнал PMF. Высокий stickiness означает, что пользователи возвращаются регулярно, продукт стал привычкой. Растущие DAU, WAU, MAU при стабильном привлечении тоже указывают на PMF — если пользователи остаются, аудитория аккумулируется.

Когортный анализ для PMF

Один из самых ценных инструментов аналитика при оценке PMF — когортный анализ retention. Сравнивая когорты, можно увидеть:

  • Каждая новая когорта удерживается лучше — продукт движется к PMF (или улучшает его).
  • Плато retention поднимается — ядро растёт, PMF усиливается.
  • Плато retention снижается — тревожный сигнал, нужно разбираться.

Когортный анализ убирает иллюзию роста: даже если DAU растёт, это может быть следствием агрессивного маркетинга, а не PMF. Только стабильный retention по когортам подтверждает, что рост органичен.

Что делает аналитик с данными о PMF

На практике продуктовый аналитик:

  1. Строит retention-кривые по когортам, ищет плато и его динамику.
  2. Сегментирует пользователей: у каких сегментов retention выше? Возможно, PMF есть для определённой аудитории, но не для всех.
  3. Анализирует результаты Sean Ellis опроса, связывая ответы с поведенческими данными.
  4. Отслеживает engagement-метрики и их динамику — помогает увидеть, приближается ли продукт к PMF.
  5. Декомпозирует retention: какие действия коррелируют с удержанием? Это помогает найти «aha-момент» — действие, после которого пользователь остаётся.

Частые ошибки при оценке PMF

Vanity-метрики вместо retention. Количество регистраций, скачиваний, просмотров страниц — всё это красиво выглядит в отчёте, но ничего не говорит о PMF. Если пользователи приходят и не возвращаются — проблема есть, сколько бы их ни было.

Слишком ранние замеры. PMF невозможно оценить по первым 50 пользователям или за первую неделю. Нужно время, чтобы когорты «дозрели» и retention стабилизировался. Типичный минимум — 4–6 недель данных.

Путать рост с PMF. Агрессивный маркетинг может дать рост DAU, но если retention падает, PMF нет. Всегда смотрите на удержание, а не на привлечение.

Игнорировать сегменты. PMF может быть у одного сегмента и отсутствовать у другого. Средний retention по всей базе скроет это: один сегмент удерживается на 40%, другой — на 2%, а среднее покажет «нормальные» 15%.

Вопросы с собеседований

Как бы вы оценили, есть ли у продукта PMF?

Начну с retention-кривых по когортам: если кривая выходит на плато — это основной количественный сигнал. Дополню Sean Ellis опросом (порог 40%) и NPS. Посмотрю на stickiness (DAU/MAU) в контексте бенчмарков категории и на наличие органического роста.

Какую метрику вы бы использовали как главный индикатор PMF?

Retention. Конкретно — кривая retention по когортам и наличие плато. Retention показывает, что пользователи получают ценность и возвращаются. Все остальные метрики PMF (NPS, Sean Ellis) коррелируют с retention, но именно удержание — самый объективный и надёжный показатель.

Как отличить ситуацию «продукт растёт» от «продукт нашёл PMF»?

Рост может быть искусственным — за счёт маркетинговых бюджетов. PMF определяется удержанием: если когорты стабильно удерживаются и stickiness соответствует или превышает бенчмарки категории — это PMF. Если рост DAU идёт при падающем retention — это просто заливание воды в дырявое ведро.

У продукта retention 5% на D30. Есть ли PMF?

Зависит от категории. Для мессенджера 5% — катастрофа. Для сервиса бронирования отелей — может быть нормально, потому что люди бронируют отели не каждый месяц. Нужно смотреть на бенчмарки категории и на bounded retention за более длинный период.

Как аналитику помочь продукту найти PMF?

Сегментировать пользователей и найти тех, кто удерживается лучше всего. Проанализировать их поведение: какие действия они совершают, что отличает их от тех, кто уходит. Это помогает найти aha-момент и подсказывает, на какой сегмент и какой сценарий использования делать ставку.

FAQ

Можно ли потерять PMF после того, как его нашёл?

Да. Рынок меняется, появляются конкуренты, потребности аудитории эволюционируют. Поэтому метрики PMF нужно мониторить постоянно, а не измерить один раз и забыть.

PMF — бинарная вещь или спектр?

Скорее спектр. Продукт может иметь сильный PMF в одном сегменте и слабый в другом. Или иметь PMF для базового сценария, но не для расширенного. На практике полезнее думать о «степени PMF», чем о переключателе вкл/выкл.

Чем PMF отличается от product-channel fit?

PMF — продукт решает проблему. Product-channel fit — продукт эффективно распространяется через конкретный канал. Можно иметь PMF, но не найти канал, через который масштабироваться. Это разные этапы: сначала PMF, потом product-channel fit.

Вопросы по PMF, retention и другим продуктовым метрикам регулярно встречаются на собеседованиях аналитиков. Чтобы потренироваться на реальных задачах — откройте тренажёр. А больше примеров вопросов — на странице с примерами и в разделе продуктовая аналитика.

Тренироваться в Telegram