Воронка — это метафора утечки
Классическая воронка продаж (AIDA, Pirate Metrics AARRR) описывает линейный путь: awareness → acquisition → activation → retention → revenue → referral. На каждом этапе — потери. Из 10 000 людей, узнавших о продукте, 1 000 регистрируется, 200 активируется, 50 платит, 5 рекомендует. Воронка работает как водосток: вода втекает сверху и утекает на каждом уровне.
Проблема не в конкретных конверсиях — их можно оптимизировать. Проблема в архитектуре: воронка не генерирует новых пользователей. Каждый новый клиент требует нового маркетингового доллара. CAC не снижается с масштабом — он растёт, потому что самая доступная аудитория конвертируется первой.
Петля роста (growth loop) — это принципиально другая архитектура: выход одного цикла становится входом следующего. Каждый новый пользователь генерирует поведение, которое привлекает ещё пользователей. Вместо линейного стока — замкнутый цикл с compound-эффектом.
Анатомия growth loop: 4 фазы
Любая петля роста состоит из четырёх фаз. Если хотя бы одна фаза сломана — петля не замыкается, и вы снова в линейной воронке:
| Фаза | Что происходит | Пример (Dropbox) |
|---|---|---|
| 1. Discovery | Новый пользователь узнаёт о продукте | Коллега отправляет ссылку на shared folder |
| 2. Activation | Пользователь получает первую ценность | Открывает файл, видит sync в реальном времени |
| 3. Completion | Пользователь завершает core action | Сохраняет свои файлы, настраивает sync |
| 4. Output | Действие пользователя создаёт Discovery для нового пользователя | Отправляет shared folder коллеге — цикл замыкается |
Ключевое отличие от воронки: фаза 4 (Output) генерирует фазу 1 (Discovery) для нового пользователя. В воронке фаза Referral — это бонус; в петле — это двигатель.
5 типов growth loops
Product DNA Strand 6 (Growth Mechanics) классифицирует 5 типов петель роста по механизму Output-фазы и типу спроса, который их приводит в действие:
1. Content Loop
| Параметр | Значение |
|---|---|
| Механизм | Использование продукта создаёт контент → контент привлекает новых пользователей через поисковики и соцсети |
| Demand type driver | DT2 (Orientational) — люди ищут информацию, находят контент, созданный пользователями продукта |
| Пример | HubSpot: пользователи создают отчёты, шаблоны, исследования → HubSpot Blog индексируется → привлекает маркетологов → они становятся пользователями → создают новый контент |
| Метрики | Organic traffic growth rate, content creation rate per user, SEO impressions per piece of UGC |
| Условие замыкания | Контент должен быть индексируемым и ценным для незнакомой аудитории. Closed workspace (Slack, Notion) не генерирует Content Loop без дополнительных действий (шаблоны, community) |
2. Data Loop
| Параметр | Значение |
|---|---|
| Механизм | Больше пользователей → больше данных → лучше продукт → привлекает ещё пользователей |
| Demand type driver | DT1 (Direct) — люди используют продукт для прямой задачи, каждое использование улучшает продукт для всех |
| Пример | Slack: 2000 сообщений в команде = retention threshold (Stewart Butterfield). Каждое сообщение — data point. Больше данных → лучше поиск, рекомендации каналов, интеграции |
| Метрики | Data volume per user, product quality metric improvement rate, retention vs data volume correlation |
| Условие замыкания | Данные должны улучшать продукт для всех пользователей, а не только для создателя. Waze: каждый водитель улучшает карту для всех. Personal journal app — data loop не работает |
3. Social Loop
| Параметр | Значение |
|---|---|
| Механизм | Использование продукта вовлекает других людей → они становятся пользователями → вовлекают следующих |
| Demand type driver | DT6 (Social) — задача по своей природе требует участия других людей |
| Пример | Dropbox: пользователь создаёт shared folder → приглашает коллегу → коллега регистрируется → создаёт свой shared folder → приглашает своих коллег. Viral coefficient K = 1.2 (каждый пользователь в среднем привлекает 1.2 новых) |
| Метрики | Viral coefficient (K-factor), invite-to-signup rate, time to first invite, K>1 = organic growth |
| Условие замыкания | Core task должен быть социальным по природе. Если приглашение = отдельное действие (реферальная кнопка), а не часть core workflow — это не настоящий Social Loop, а Referral Program |
4. Paid Loop
| Параметр | Значение |
|---|---|
| Механизм | Revenue от пользователей → реинвестируется в acquisition → привлекает новых пользователей → генерирует revenue |
| Demand type driver | DT1 (Direct) — прямая задача, монетизация через подписку или транзакции |
| Пример | SaaS с LTV $1200 и CAC $400. ROI 3× = каждый $1 в рекламу генерирует $3 revenue, из которых $1 реинвестируется → perpetual motion (пока unit economics положительна) |
| Метрики | LTV/CAC ratio (≥3×), payback period (≤12 мес.), marginal CAC trend (растёт = loop деградирует) |
| Условие замыкания | LTV/CAC ≥ 3×. Если LTV/CAC < 1× — это не loop, это сжигание денег. Если CAC растёт быстрее LTV — loop деградирует |
5. Platform Loop
| Параметр | Значение |
|---|---|
| Механизм | Третьи стороны строят на вашей платформе → экосистема привлекает новых пользователей → больше разработчиков → больше интеграций |
| Demand type driver | DT8 (Emergent) — задачи, которых не существовало до появления вашей платформы |
| Пример | Salesforce AppExchange: 7000+ приложений. Каждое приложение → решает дополнительную задачу → привлекает пользователей, которым нужна именно эта задача → увеличивает привлекательность платформы для разработчиков |
| Метрики | Third-party integrations count, marketplace GMV, API calls per day, developer adoption rate |
| Условие замыкания | Платформа должна создавать больше ценности для разработчиков, чем стоимость разработки. Если API нестабилен или аудитория мала — разработчики не придут, loop не замкнётся |
Почему петли побеждают воронки: математика compound growth
Рассмотрим разницу на числах.
Воронка (linear): вы тратите $10K/месяц на рекламу. CAC = $100. Каждый месяц: +100 клиентов. Через 12 месяцев: 1200 клиентов. Стоимость: $120K.
Петля (compound): те же $10K/месяц, но K-factor = 0.3 (каждый клиент привлекает 0.3 новых). Месяц 1: 100 + 30 = 130. Месяц 2: 100 + 39 = 139. Месяц 12: 100 × (1 + 0.3 + 0.09 + ...) = 143/месяц organic. Итого: ~1700 клиентов при том же бюджете. +42% при K = 0.3.
При K > 1 рост становится экспоненциальным. Dropbox достиг K = 1.2 через Social Loop — и вырос с 100K до 4M пользователей за 15 месяцев без пропорционального увеличения маркетингового бюджета.
Growth Loop Bottleneck Diagnosis
Петля работает только если все 4 фазы замкнуты. Найдите, где петля ломается:
| Фаза | Bottleneck-вопрос | Метрика для диагностики | Типичные причины поломки |
|---|---|---|---|
| Discovery | Узнают ли новые люди о продукте через действия существующих? | % new users from organic/viral vs paid | Output пользователей не видим новой аудитории. Контент closed, invites не отправляются |
| Activation | Получают ли обнаружившие ценность достаточно быстро? | Time-to-Value, activation rate | Сложный онбординг, длинная регистрация, TTV > 30 минут |
| Completion | Завершают ли пользователи core action? | Core action completion rate, retention D7/D30 | Feature friction, cognitive load, unclear next step |
| Output | Генерирует ли core action вход для нового пользователя? | K-factor, content creation rate, invite rate | Core action не социален, output не индексируем, invite = отдельное действие |
Правило диагностики: начинайте с Output. Если пользователи не генерируют вход для новых — loop не существует, независимо от качества других фаз. Затем двигайтесь назад: Completion → Activation → Discovery.
Job Chain Expansion: upsell дешевле cross-sell
Strand 6 Product DNA включает концепцию Job Chain Expansion: рост через покрытие следующей задачи в цепочке того же пользователя (demand step L3 → L3), а не через продажу несвязанного продукта.
Почему это эффективнее cross-sell:
| Параметр | Job Chain Expansion (upsell) | Cross-sell |
|---|---|---|
| Контекст | Пользователь уже внутри workflow | Нужно создать новый контекст |
| Trust | Уже доказана на предыдущем шаге | Нужно доказывать заново для нового домена |
| CAC | ≈ $0 (in-app prompt) | Требует маркетинга нового продукта |
| Retention impact | Увеличивает Data + Integration Inertia | Может не влиять на core retention |
Пример: пользователь AI CPO собирает факты о нише (Demand Step 1) → AI CPO предлагает сгенерировать Landing Page (Demand Step 7) → пользователь получает больше ценности из тех же данных → Inertia растёт → churn снижается.
Growth experiments: формат и частота
Ellis и Brown (2017, Hacking Growth) рекомендуют минимум 3 эксперимента за 30 дней для каждой петли. Формат гипотезы, привязанной к demand architecture:
«Мы верим, что [изменение в фазе X loop] увеличит [метрику фазы X] на [Y%], потому что [demand-based reason]. Мы проверим через [метод] за [срок].»
Примеры:
- Discovery bottleneck: «Мы верим, что добавление брендинга „Создано в [продукт]" на shared artifacts увеличит organic signups на 15%, потому что Social Demand (DT6) станет видимым. Проверим через A/B-тест за 14 дней.»
- Activation bottleneck: «Мы верим, что сокращение онбординга с 7 шагов до 3 увеличит activation rate на 25%, потому что Cognitive Load (F6) снизится. Проверим через sequential test за 21 день.»
- Output bottleneck: «Мы верим, что предложение „поделиться отчётом с командой" после генерации артефакта увеличит invite rate на 40%, потому что это natural Social Demand step (L3→L3 chain). Проверим через feature flag за 14 дней.»
Три реальных примера
Dropbox: Social Loop (K > 1)
Механизм: пользователь загружает файл → создаёт shared folder → отправляет ссылку коллеге → коллега регистрируется (бесплатно, instant value) → загружает свои файлы → создаёт свои shared folders. Дополнительный рычаг: referral program (250 MB за приглашение) усиливал natural Social Loop. Результат: 3900% рост за 15 месяцев. K-factor > 1 означал, что каждый пользователь в среднем привлекал больше одного нового.
Slack: Data Loop (2000 messages = retention)
Механизм: команда начинает общаться → сообщения накапливаются → история становится ценной → поиск по истории = data-driven value → команда не может уйти (Data Inertia). Stewart Butterfield публично называл порог: 2000 сообщений на команду = точка необратимости. После этого порога retention взлетал до 93%. Это классический Data Loop: больше данных → больше ценности → больше использования → больше данных.
HubSpot: Content Loop
Механизм: HubSpot создаёт образовательный контент (блог, academy, templates) → контент индексируется → маркетологи находят через SEO → часть конвертируется в пользователей → пользователи создают отчёты и кейсы → контент привлекает новых маркетологов. HubSpot Blog — один из крупнейших маркетинговых ресурсов в мире. Это не «контент-маркетинг» в обычном смысле — это замкнутая петля, где продукт и контент взаимно усиливают друг друга.
Как выбрать тип петли для вашего продукта
Не все петли подходят каждому продукту. Выбор зависит от природы core demand:
| Если ваш core demand... | Работает loop | Не работает loop |
|---|---|---|
| Социален по природе (DT6) | Social Loop | Content Loop (если workspace closed) |
| Генерирует публичный контент | Content Loop | Data Loop (если данные private) |
| Улучшается от объёма данных | Data Loop | Social Loop (если product = solo tool) |
| Имеет высокий LTV и чёткий CAC | Paid Loop | Platform Loop (если нет API) |
| Расширяем через third-party | Platform Loop | Paid Loop (если unit economics negative) |
Правило: большинство успешных продуктов имеют одну primary loop и 1-2 supporting loops. Пытаться запустить все 5 одновременно — ресурсное самоубийство. Начните с одной, доведите до K > 0.3, затем добавляйте.
Связанные материалы: 7 слоёв Product DNA · 4 компонента инерции · Предсказание оттока · Unit Economics
AI CPO анализирует demand type вашего продукта и рекомендует тип growth loop с конкретными экспериментами → aicpo.ru