Три продакта — три разных A-сегмента
B2B-аналитика для e-commerce. Три product manager'а в команде. Вопрос: «Какой наш A-сегмент?» Три ответа:
- PM-1: «Крупные маркетплейсы. Там деньги» (Market Size = критерий)
- PM-2: «Небольшие D2C-бренды. Им больнее всего без аналитики» (Frustration = критерий)
- PM-3: «Средние интернет-магазины. Они готовы платить и быстро внедряют» (WTP + Speed = критерий)
Каждый прав по своему критерию. Но у каждого — один критерий. Решение на основе одного фактора из десяти — это не стратегия, это лотерея.
Классический ABCDX-фреймворк даёт категории (A, B, C, D, X), но не даёт метода расчёта. Результат: субъективная оценка, которая зависит от того, кто оценивает. Product DNA решает это формулой.
10 факторов Segment Fit Score
Каждый фактор оценивается от 1 до 10. Формула:
Segment Fit Score = Σ(factor_i × weight_i)Результат — число от 1.0 до 10.0. Не «примерно A-сегмент», а «7.8 — A-сегмент по 10 критериям с весами».
| # | Фактор | Вес | Что измеряет | Как оценивать (1-10) |
|---|---|---|---|---|
| F1 | Market Size | 0.15 | Размер сегмента в TAM | 1 = <100 компаний. 5 = 1-5K. 10 = >50K |
| F2 | Willingness to Pay | 0.15 | Готовность платить за решение | 1 = «хотят бесплатно». 5 = платят за аналоги. 10 = активно ищут и готовы платить premium |
| F3 | Frustration Intensity | 0.15 | Сила боли от нерешённой задачи | 1 = «неудобно, но терпимо». 5 = регулярные жалобы. 10 = «горит, нужно вчера» |
| F4 | Frequency | 0.10 | Как часто возникает спрос | 1 = раз в год. 5 = еженедельно. 10 = ежедневно |
| F5 | Competitive Density (inverse) | 0.10 | Насколько мало конкурентов | 1 = красный океан, 10+ конкурентов. 10 = blue ocean, 0-1 конкурент |
| F6 | Channel Accessibility | 0.10 | Насколько легко достучаться до сегмента | 1 = нет каналов. 5 = есть платные каналы. 10 = органика + community + low CAC |
| F7 | Social Radius | 0.10 | Вирусный потенциал сегмента | 1 = solo users. 5 = команда 5-10. 10 = community/network effect |
| F8 | Feedback Loop Speed | 0.05 | Как быстро можно получить обратную связь | 1 = месяцы. 5 = недели. 10 = дни/часы |
| F9 | Market Trend | 0.05 | Направление рынка — растёт или сжимается | 1 = сжимается. 5 = стабильный. 10 = бурный рост (>20% CAGR) |
| F10 | Competency Match | 0.05 | Насколько команда подходит для этого сегмента | 1 = нет экспертизы. 5 = частичная. 10 = глубокая domain expertise |
Почему именно эти веса
Тройка лидеров (вес 0.15) — Market Size, WTP, Frustration — определяет есть ли деньги и боль. Без всех трёх продукт не продаётся:
- Market Size без WTP = большой рынок, который не платит (социальные приложения для подростков)
- WTP без Frustration = готовы платить, но нет срочности (nice-to-have)
- Frustration без Market Size = горит, но рынок слишком маленький
Вторая тройка (вес 0.10) — Frequency, Competitive Density, Channel Accessibility — определяет можно ли построить бизнес:
- Frequency → retention. Ежедневный спрос = привычка = DAU/MAU > 0.5. Годовой = нет retention
- Competitive Density → сложность входа. 10+ прямых конкурентов = дорогой CAC, feature war
- Channel Accessibility → CAC. Нет каналов = «прекрасный продукт, до которого никто не доберётся»
Social Radius (0.10) — вирусный коэффициент. Больше людей вовлечено в Social Demand (DT6) → выше K-factor → ниже effective CAC.
Нижняя тройка (вес 0.05) — Feedback Loop, Trend, Competency — влияет на скорость и риск:
- Feedback Loop → скорость итераций. Быстрая обратная связь = быстрый product-market fit
- Trend → попутный или встречный ветер. Растущий рынок прощает ошибки
- Competency Match → снижение execution risk. Domain expertise = 2x скорость разработки
ABCDX-классификация из Score
| Score | Сегмент | Стратегия |
|---|---|---|
| ≥ 7.5 | A-сегмент | All-in. Весь маркетинг, продажи, product development — сюда |
| 6.0 — 7.4 | B-сегмент | Обслуживать хорошо. Не инвестировать в custom features |
| 4.0 — 5.9 | C-сегмент | Депотреблять. Self-service only, no custom support |
| < 4.0 | D-сегмент | Активно отказывать. Эти клиенты будут стоить больше, чем заработают |
| Не оценён | X-сегмент | Research priority. Сначала данные, потом решение |
Почему классический ABCDX — качественный, а Product DNA — количественный? Потому что качественная оценка зависит от оценщика. Три PM'а = три ответа. Количественная формула = один ответ. Можно спорить о каждом факторе (1-10), но формула делает спор прозрачным: «Я ставлю Market Size = 8, потому что в сегменте 12,000 компаний. Ты ставишь 5. Давай проверим».
Полный пример: 5 сегментов для B2B-аналитики
Продукт: платформа аналитики для e-commerce. Рассчитаем Segment Fit Score для 5 кандидатов.
| Фактор (вес) | S1: Крупные маркетплейсы | S2: D2C-бренды (10-50 чел.) | S3: Интернет-магазины (50-200 чел.) | S4: Агрегаторы доставки | S5: Стартапы e-commerce |
|---|---|---|---|---|---|
| F1 Market Size (0.15) | 3 | 8 | 7 | 4 | 9 |
| F2 WTP (0.15) | 9 | 6 | 7 | 8 | 3 |
| F3 Frustration (0.15) | 5 | 8 | 7 | 6 | 9 |
| F4 Frequency (0.10) | 8 | 7 | 7 | 6 | 5 |
| F5 Competitive Density inv. (0.10) | 2 | 6 | 5 | 7 | 4 |
| F6 Channel Access (0.10) | 3 | 7 | 6 | 5 | 8 |
| F7 Social Radius (0.10) | 4 | 5 | 6 | 3 | 7 |
| F8 Feedback Loop (0.05) | 3 | 8 | 6 | 5 | 9 |
| F9 Trend (0.05) | 5 | 8 | 6 | 7 | 8 |
| F10 Competency Match (0.05) | 4 | 7 | 7 | 3 | 6 |
Расчёт
S1 (Крупные маркетплейсы):
3×0.15 + 9×0.15 + 5×0.15 + 8×0.10 + 2×0.10 + 3×0.10 + 4×0.10 + 3×0.05 + 5×0.05 + 4×0.05
= 0.45 + 1.35 + 0.75 + 0.80 + 0.20 + 0.30 + 0.40 + 0.15 + 0.25 + 0.20
= 4.85 → C-сегмент
S2 (D2C-бренды):
8×0.15 + 6×0.15 + 8×0.15 + 7×0.10 + 6×0.10 + 7×0.10 + 5×0.10 + 8×0.05 + 8×0.05 + 7×0.05
= 1.20 + 0.90 + 1.20 + 0.70 + 0.60 + 0.70 + 0.50 + 0.40 + 0.40 + 0.35
= 6.95 → B-сегмент
S3 (Интернет-магазины 50-200):
7×0.15 + 7×0.15 + 7×0.15 + 7×0.10 + 5×0.10 + 6×0.10 + 6×0.10 + 6×0.05 + 6×0.05 + 7×0.05
= 1.05 + 1.05 + 1.05 + 0.70 + 0.50 + 0.60 + 0.60 + 0.30 + 0.30 + 0.35
= 6.50 → B-сегмент
S4 (Агрегаторы доставки):
4×0.15 + 8×0.15 + 6×0.15 + 6×0.10 + 7×0.10 + 5×0.10 + 3×0.10 + 5×0.05 + 7×0.05 + 3×0.05
= 0.60 + 1.20 + 0.90 + 0.60 + 0.70 + 0.50 + 0.30 + 0.25 + 0.35 + 0.15
= 5.55 → C-сегмент
S5 (Стартапы e-commerce):
9×0.15 + 3×0.15 + 9×0.15 + 5×0.10 + 4×0.10 + 8×0.10 + 7×0.10 + 9×0.05 + 8×0.05 + 6×0.05
= 1.35 + 0.45 + 1.35 + 0.50 + 0.40 + 0.80 + 0.70 + 0.45 + 0.40 + 0.30
= 6.70 → B-сегментРезультат
| Сегмент | Score | Класс | Комментарий |
|---|---|---|---|
| D2C-бренды | 6.95 | B | Ближе всех к A. Высокая боль + доступные каналы |
| Стартапы e-commerce | 6.70 | B | Большой рынок + боль, но низкая WTP (нет денег) |
| Интернет-магазины | 6.50 | B | Стабильный середняк по всем факторам |
| Агрегаторы доставки | 5.55 | C | Готовы платить, но мало компаний + нет social radius |
| Крупные маркетплейсы | 4.85 | C | Деньги есть, но red ocean + длинный sales cycle |
Ключевой инсайт: «Очевидный» лидер (крупные маркетплейсы — «там деньги!») оказался C-сегментом. Высокая WTP (9/10) не спасает при низком Market Size (3), красном океане (Competitive Density = 2/10) и сложном канале (3/10). Это типичная ошибка: ослепление одним фактором.
Почему ни один сегмент не стал A
Score ≥ 7.5 требует, чтобы все топ-факторы были высокими. D2C-бренды (6.95) не дотянули из-за средней WTP (6/10) и скромного Social Radius (5/10). Два пути к A-сегменту:
- Нишевание: D2C-бренды в beauty-индустрии (Frustration = 9, WTP = 8, Channel = 9 через Instagram-community) → Score может быть 7.5+
- Продуктовые изменения: добавить team collaboration (Social Radius 5 → 8) + case studies для CFO (WTP 6 → 8)
TAM/SAM/SOM: цепочка умножения
Segment Fit Score определяет какой сегмент. TAM/SAM/SOM определяет сколько денег. Product DNA связывает их:
TAM = Все компании, у которых есть Primary Demand (L2)
= 500,000 e-commerce компаний в РФ × средний чек $100/мес
= $600M/год
SAM = TAM × фильтр по сегменту × фильтр по географии × фильтр по размеру
= 500,000 × 0.08 (D2C-бренды) × 1.0 (РФ) × 0.6 (10-50 чел.)
= 24,000 компаний × $100/мес = $28.8M/год
SOM = SAM × реалистичная доля рынка за 3 года × conversion rate
= 24,000 × 0.05 (5% market share) × 0.15 (конверсия из trial)
= 180 платящих клиентов × $100/мес = $216K/год (Year 1)
SOM Year 3 = 24,000 × 0.12 × 0.20 = 576 × $120/мес = $829K/годПравило умножения: каждый множитель < 1.0 уменьшает результат. SOM = TAM × множитель₁ × множитель₂ × ... × множитель_n. Пять множителей по 0.5 = TAM × 0.03. Поэтому начинать нужно с сегмента, где каждый множитель максимален — то есть с A-сегмента.
Weighted Opportunity: связь Score с приоритизацией спросов
Segment Fit Score подключается к приоритизации спросов через формулу Weighted Opportunity (Ulwick ODI + Product DNA extension):
Weighted Opportunity = Opportunity × Segment_Size × Segment_Fit_Score
Где:
Opportunity = Importance + max(Importance - Satisfaction, 0)
Segment_Size = число компаний в сегменте
Segment_Fit_Score = наш 10-факторный scoreЭто означает: один и тот же спрос с Opportunity = 15 имеет разный приоритет для разных сегментов. Для D2C-брендов (Score 6.95): Weighted = 15 × 24,000 × 6.95 = 2,502,000. Для маркетплейсов (Score 4.85): Weighted = 15 × 800 × 4.85 = 58,200. Разница в 43 раза.
Типичные ошибки при оценке факторов
| Ошибка | Пример | Как избежать |
|---|---|---|
| WTP на основе слов, а не поведения | «Все говорят, что готовы платить $50/мес» — но никто не платит аналогам | WTP = реальные траты на текущее решение, а не заявления |
| Market Size без фильтров | «1 млн компаний!» — но 90% не имеют нашего Primary Demand | Market Size = только компании с подтверждённым L2 |
| Competitive Density = число конкурентов | «Всего 3 конкурента = blue ocean!» — но все три = Salesforce, HubSpot, SAP | Density = Ring 4 конкуренты × их market share × switching cost |
| Frustration по одному интервью | «Клиент кричал, что всё горит!» — N=1 | Frustration = медиана по ≥5 интервью в сегменте |
| Competency Match = «мы быстро разберёмся» | Команда из fintech идёт в healthcare | Competency = прошлый опыт в домене + контакты + regulatory знание |
Связь с другими моделями Product DNA
- Frustration Intensity (F3) → Switch Formula: Frustration Pressure (F1)
- Competitive Density (F5) → Competitive Orbit: Ring 4 density
- Social Radius (F7) → Demand Type DT6 (Social)
- Frequency (F4) → Demand Type DT5 (Habitual) — ежедневный спрос формирует привычку
- ABCDX-классификация → ABCDX-сегментация по работам
- TAM/SAM/SOM → Unit Economics — LTV × SOM = revenue ceiling
Итог: от субъективного к вычислимому
Segment Fit Score не убирает экспертную оценку — он делает её прозрачной и воспроизводимой. Каждый фактор — отдельная тема для исследования. Каждый вес — отдельная тема для дискуссии. Но формула гарантирует, что решение учитывает все 10 факторов, а не тот один, который громче всех кричит.
| Классический ABCDX | Segment Fit Score |
|---|---|
| «Наш A-сегмент — крупные компании» (мнение) | «Крупные компании = 4.85, C-сегмент» (расчёт) |
| Зависит от того, кто оценивает | Зависит от данных (1-10 по каждому фактору) |
| Невозможно сравнить два мнения | Спор по конкретному фактору: «Market Size = 3 или 5?» |
| Нет связи с TAM/SAM/SOM | Weighted Opportunity = Score × Size × Opportunity |
AI CPO рассчитывает Segment Fit Score автоматически из данных интервью и формирует ABCDX-классификацию с обоснованием по каждому фактору. 15,000 кредитов на старте → aicpo.ru