PRD: Система лояльности с кэшбэком

Проблема

Активные пользователи (3+ заказов/мес) составляют 22% базы, но генерируют 61% выручки. Churn rate в этом сегменте — 18%/квартал. Основная причина оттока: переход к конкурентам с программами лояльности (по данным exit-опросов, 43% ушедших упоминают это).

Решение

Система кэшбэка: 5% от суммы заказа возвращается баллами. 1 балл = 1 рубль. Баллы можно тратить на следующие заказы. Бонусные множители за серии заказов: 3 заказа подряд — x1.5, 5 заказов — x2.

User Stories

• Как активный пользователь, я хочу получать кэшбэк за заказы, чтобы экономить на следующих.
• Как пользователь, я хочу видеть баланс баллов в приложении, чтобы знать, сколько могу потратить.
• Как пользователь, я хочу применить баллы при оплате частично или полностью.

Метрики успеха

• Retention rate активного сегмента: 82% → 94% (target +15%)
• Среднее кол-во заказов/мес в сегменте: 4.2 → 5.0
• NPS активных пользователей: +10 пунктов

Scope

In scope: начисление баллов, просмотр баланса, применение при оплате, множители за серии. Out of scope: реферальная программа, партнёрские баллы, обмен на мерч.

Зависимости

• Платёжный шлюз: поддержка частичной оплаты баллами
• Бэкенд: новый сервис loyalty-service
• Аналитика: события начисления/списания в Amplitude

Риски

1. Злоупотребление баллами (фейковые заказы для накрутки) — митигация: лимит начисления, антифрод-проверки
2. Финансовая нагрузка при высокой активации — митигация: поэтапный ролаут, cap 500₽/мес

PRD: AI-ассистент для автозаполнения карточки клиента

Автор: [PM Name] | Статус: Draft | Дата: 2026-02-23

1. Проблема и контекст

Менеджеры по продажам тратят в среднем 15 минут на создание карточки нового клиента. При 30 новых клиентах/день на команду — это 7.5 человеко-часов ежедневно на ручной ввод данных.

Источники данных разрознены: email (40%), LinkedIn (30%), сайт компании (20%), CRM-история (10%). Менеджер переключается между вкладками и копирует данные руками.

Текущие показатели:

• Среднее время заполнения: 15 мин
• Ошибки в данных: 12% карточек содержат неточности
• Unfilled fields: 34% необязательных полей остаются пустыми

2. Цели и метрики успеха

3. Целевая аудитория

Персона 1 — Sales Manager Алексей: 28 лет, ведёт 50+ клиентов, главная боль — рутинный ввод данных отнимает время от продаж. Персона 2 — Team Lead Марина: 35 лет, отвечает за качество данных в CRM, тратит 2 часа/неделю на исправление ошибок в карточках.

4. Решение

AI-ассистент, который:

• Принимает email или URL LinkedIn-профиля
• Автоматически извлекает: ФИО, должность, компания, телефон, email, отрасль, размер компании
• Обогащает данными из открытых источников (сайт компании, ЕГРЮЛ)
• Предлагает заполненную карточку для подтверждения менеджером

5. User Stories

US-1: Как менеджер, я хочу вставить email-адрес клиента и получить заполненную карточку, чтобы не тратить время на ручной ввод.

• AC: поля ФИО, должность, компания, телефон заполняются автоматически
• AC: время от вставки до готовой карточки < 30 секунд
• AC: менеджер может отредактировать любое поле перед сохранением

US-2: Как менеджер, я хочу видеть уровень достоверности для каждого поля, чтобы знать, что проверить.

• AC: каждое поле имеет индикатор: высокая / средняя / низкая достоверность
• AC: поля с низкой достоверностью выделены визуально

6. Scope

In scope: автозаполнение из email и LinkedIn, индикатор достоверности, ручное редактирование, сохранение. Out of scope (v1): автоматическое обновление существующих карточек, интеграция с телефонией, bulk-импорт.

7. Технические зависимости

• LLM API (Claude/GPT) для извлечения сущностей из текста
• LinkedIn API (или scraping-сервис) для данных профиля
• Существующий API карточек клиентов в CRM

8. Риски

9. Timeline

• Фаза 1 (4 недели): извлечение из email + базовое автозаполнение
• Фаза 2 (3 недели): LinkedIn-интеграция + обогащение
• Фаза 3 (2 недели): индикатор достоверности + полировка UX
• Бета (1 неделя): 20% пользователей → сбор обратной связи

User Stories: Переводы через СБП

US-1: Перевод по номеру телефона (Must, M)

Как пользователь онлайн-банка, я хочу перевести деньги по номеру телефона, чтобы не запоминать реквизиты получателя.

Критерии приёмки:

• Given: пользователь на экране переводов. When: вводит номер телефона и сумму. Then: система находит получателя в СБП и показывает имя (Иван И.).
• Given: получатель найден. When: пользователь подтверждает перевод. Then: деньги списываются, отображается чек с номером операции.
• Given: перевод выполнен. When: пользователь проверяет историю. Then: операция отображается с суммой, получателем, датой.

US-2: Выбор банка получателя (Must, S)

Как пользователь, я хочу выбрать банк получателя, если номер привязан к нескольким банкам, чтобы деньги пришли в нужный банк.

Критерии приёмки:

• Given: номер привязан к 3 банкам. When: пользователь вводит номер. Then: отображается список банков с иконками.
• Given: список банков показан. When: пользователь выбирает банк. Then: выбор сохраняется для следующих переводов этому получателю.

US-3: Проверка лимитов (Must, S)

Как пользователь, я хочу видеть доступный остаток дневного лимита, чтобы понимать, сколько ещё могу перевести.

Критерии приёмки:

• Given: дневной лимит 100 000₽, уже переведено 60 000₽. When: пользователь вводит сумму 50 000₽. Then: показывается ошибка «Превышен дневной лимит. Доступно: 40 000₽».
• Given: лимит не превышен. When: пользователь вводит сумму. Then: доступный остаток обновляется на экране подтверждения.

US-4: Подтверждение биометрией (Must, M)

Как пользователь, я хочу подтвердить перевод через Face ID или отпечаток пальца, чтобы перевод был безопасным и быстрым.

Критерии приёмки:

• Given: перевод готов к подтверждению. When: биометрия не настроена. Then: запрашивается PIN-код.
• Given: биометрия доступна. When: пользователь подтверждает. Then: перевод выполняется без ввода PIN.
• Given: биометрия не распознана 3 раза. Then: fallback на PIN-код.

US-5: Повторный перевод (Should, S)

Как пользователь, я хочу повторить предыдущий перевод, чтобы не вводить данные заново.

Критерии приёмки:

• Given: в истории есть перевод через СБП. When: пользователь нажимает «Повторить». Then: открывается форма с предзаполненными данными (получатель, банк, сумма).

US-6: Обработка ошибки сети (Must, S)

Как пользователь, я хочу понимать статус перевода при сбое сети, чтобы не отправить деньги дважды.

Критерии приёмки:

• Given: перевод отправлен, но связь прервалась. When: связь восстановилась. Then: статус перевода обновляется автоматически (успех / ошибка).
• Given: статус неизвестен. Then: показывается сообщение «Проверяем статус перевода...» без возможности повторить.

RICE-приоритизация бэклога

Логика оценок

Геймификация (1-е место, 18 667): Высокий reach — 70% MAU увидят бейджи и стрики. Impact на retention = 2 (высокий): по данным Duolingo, стрики увеличивают DAU на 15-20%. Confidence 80% — не все аудитории одинаково реагируют на геймификацию.

AI-субтитры (2-е место, 16 000): Максимальный reach — 80% MAU смотрят видео. Impact = 1 (средний): улучшает UX, но напрямую retention не двигает. Confidence 80%. Низкий effort (2 мес) — можно использовать готовые API (Whisper, Deepgram).

Мобильное приложение (3-е место, 6 667): Reach 25 000 — 50% пользователей хотят мобильную версию (по опросам). Effort высокий (6 мес) — нужна кроссплатформенная разработка.

B2B-тарифы (5-е место, 1 875): Малый reach (5 000), но максимальный Impact = 3 — B2B-клиенты платят x5-x10 от среднего чека. Confidence 50% — нет валидации B2B-спроса.

Рекомендация

Стартовать с геймификации + AI-субтитров — высокий ROI при умеренных затратах. B2B-тарифы вынести в отдельный discovery-трек для валидации спроса.

Конкурентный анализ: сервисы email-рассылок

Сводная таблица

Детальный анализ

Unisender — лидер в РФ, позиционируется как «простой инструмент для малого бизнеса». Сильные стороны: русскоязычная поддержка, локальное хранение данных (152-ФЗ), интеграция с Битрикс24 и amoCRM. Слабости: устаревший интерфейс, ограниченная автоматизация, слабый конструктор шаблонов.

Sendsay — фокус на корпоративных клиентах. Сильная сегментация, персонализация. Слабости: высокая цена, нет бесплатного плана, сложный онбординг, слабые AI-функции.

Mailchimp — глобальный стандарт. Лучшие AI-функции (предиктивная аналитика, оптимизация времени отправки), огромная экосистема интеграций. Слабости: не хранит данные в РФ (проблема с 152-ФЗ), цены в долларах, поддержка только на английском.

SendPulse — мультиканальность (email + SMS + push + чат-боты). Слабости: интерфейс перегружен, бесплатный план очень ограничен.

Gaps (незакрытые ниши)

• AI-генерация контента на русском языке — ни один конкурент не предлагает полноценный AI-копирайтер для рассылок на русском.
• Готовые отраслевые шаблоны — шаблоны generic, нет специализации под e-commerce, HoReCa, образование.

Opportunities

• Сочетание AI-функций уровня Mailchimp с локальным хранением данных (152-ФЗ).
• Глубокие интеграции с российскими CRM (Битрикс24, amoCRM, RetailCRM).

Threats

• Mailchimp инвестирует в AI — разрыв в AI-функциях будет расти.
• Unisender имеет brand recognition и базу клиентов в РФ.

North Star Metric

Варианты

Рекомендация: % менти, прошедших ≥ 3 сессий.

Почему: данные показывают, что менти, завершившие 3 сессии, остаются на платформе в среднем 6 месяцев (retention 80%+). Это ваш «aha-moment» — точка, после которой пользователь осознаёт ценность. Текущее значение: ~35%. Цель: 60%.

Дерево метрик AARRR

Acquisition (привлечение)

Activation (активация)

Retention (удержание)

Revenue (выручка)

Referral (рекомендации)

Связи между метриками

Acquisition → Activation: рост регистраций бесполезен при низкой активации. Activation → Retention: быстрый Time to First Session напрямую влияет на % менти ≥ 3 сессий. Retention → Revenue: каждый +10% retention увеличивает LTV на ~40%. Retention → Referral: довольные менти рекомендуют платформу.

Product Update — Февраль 2026

TL;DR

• MRR вырос на 7.1% ($195K) — когортный дашборд стал главным фактором апселла в Enterprise-сегменте
• Churn снизился до 2.8% — третий месяц подряд, целевая зона < 3% достигнута
• Salesforce-интеграция задерживается на 2 недели — внешняя зависимость, не влияет на критический путь Q1

Метрики

Что сделали

Когортный дашборд (запуск) — позволяет клиентам анализировать retention и LTV по когортам без SQL. За 2 недели после запуска: 62% Enterprise-клиентов активировали фичу. Sales-команда использует его в 4 из 5 Enterprise-демо. Прямой impact: 2 апселла на $8K MRR.

Performance-оптимизация — время загрузки дашбордов сократилось с 3.2с до 1.1с. Это снизило количество тикетов в поддержку на 35%.

Что не успели

Salesforce-интеграция (сдвиг на +2 недели) Причина: Salesforce изменили API авторизации в февральском релизе. Нужна переработка OAuth-флоу. Не блокирует Q1-цели — интеграция была запланирована с запасом. Новый срок: 15 марта.

План на март

1. Salesforce-интеграция (1-15 марта) — синхронизация контактов и сделок
2. Ролевые доступы (1-28 марта) — просмотр / редактирование / администратор, запрошено 8 Enterprise-клиентами
3. AI-инсайты бета (20-31 марта) — автоматическое обнаружение аномалий в метриках

Где нужна помощь

• CTO: нужен 1 бэкенд-инженер на Salesforce-интеграцию (2 недели) — текущий инженер ушёл на больничный
• Head of Sales: нужны 5 Enterprise-клиентов для бета-теста AI-инсайтов к 20 марта

{
  "title": "AI-ассистент для автозаполнения карточки клиента",
  "problem": "Менеджеры тратят 15 мин на создание карточки. При 30 новых клиентах/день — 7.5 часов рутины. 12% карточек содержат ошибки.",
  "solution": "AI-ассистент извлекает данные из email и LinkedIn, предлагает заполненную карточку для подтверждения.",
  "user_stories": [
    {
      "id": "US-1",
      "role": "менеджер по продажам",
      "action": "вставить email клиента и получить заполненную карточку",
      "goal": "не тратить время на ручной ввод",
      "acceptance_criteria": [
        "Поля ФИО, должность, компания заполняются автоматически",
        "Время от вставки до готовой карточки < 30 секунд",
        "Менеджер может отредактировать любое поле перед сохранением"
      ],
      "priority": "must",
      "size": "L"
    }
  ],
  "metrics": [
    {
      "name": "Время заполнения карточки",
      "current": "15 мин",
      "target": "2 мин",
      "timeframe": "3 мес после запуска"
    }
  ],
  "scope_in": ["Автозаполнение из email", "LinkedIn-интеграция"],
  "scope_out": ["Автообновление существующих карточек", "Bulk-импорт"],
  "risks": [
    {
      "risk": "Неточные данные из AI",
      "probability": "high",
      "impact": "medium",
      "mitigation": "Human-in-the-loop: обязательное подтверждение"
    }
  ],
  "timeline_weeks": 9
}

[
  {
    "fields": {
      "project": {"key": "PROD"},
      "issuetype": {"name": "Story"},
      "summary": "[СБП] Перевод по номеру телефона — основной сценарий",
      "description": "h3. User Story\nКак пользователь, я хочу перевести деньги по номеру телефона через СБП.\n\nh3. Acceptance Criteria\n* Поле ввода номера телефона с маской +7 (XXX) XXX-XX-XX\n* Поиск получателя в СБП при вводе полного номера\n* Отображение имени получателя (маскированное: Иван И.)\n* Подтверждение и выполнение перевода\n* Чек с номером операции после успешного перевода",
      "priority": {"name": "Highest"},
      "customfield_10016": 5,
      "customfield_10014": "PROD-42"
    }
  },
  {
    "fields": {
      "project": {"key": "PROD"},
      "issuetype": {"name": "Story"},
      "summary": "[СБП] Выбор банка получателя",
      "description": "h3. User Story\nКак пользователь, я хочу выбрать банк получателя при множественных привязках.\n\nh3. Acceptance Criteria\n* Список банков с иконками при множественных привязках\n* Сохранение выбора для повторных переводов\n* Дефолтный банк — последний использованный",
      "priority": {"name": "High"},
      "customfield_10016": 3,
      "customfield_10014": "PROD-42"
    }
  }
]