Explore
Уложитесь в мой дедлайн?
Oops! Something went wrong while submitting the form.
К нам обратился профессиональный водитель Антон. Он работает таксистом в Нью-Йорке, поэтому знает особенности транспортного рынка в США и представляет боли местных пассажиров и водителей.
Неудивительно, что идея первого стартапа Антона — платформа-агрегатор такси. Да, как Uber, только лучше.
Выбор сферы понятен: наш заказчик в ней эксперт. Он хорошо представляет, как устроены таксопарки изнутри: на чем можно сэкономить и какие боли не решаются существующими платформами.
Антон решил сделать веб-сервис, в котором можно планировать поездки со знакомыми водителями. По задумке, платформа позволит пассажирам выбирать конкретных таксистов и делать заказы с уникальным идентификатором в виде QR-кода.
При этом сервис будет рассчитан на дальние поездки: по растянутому Нью-Йорку или загород, например, в аэропорт.
Какие гипотезы строил заказчик:
Помимо основных гипотез, у заказчика были и технические предположения. Например, что веб-сервис — это дешевле, чем приложение.
Все представления, гипотезы и идеи складывались в одну концепцию, о которой нам рассказал Антон. А мы предложили заказчику проверить, действительно ли будущий продукт будет востребован на рынке.
Лучше потратить $3 000 и подтвердить свои гипотезы малыми деньгами, чем потерять $160 000 на разработке ненужного продукта.
Тем более, когда речь идет об агрегаторе такси. Потому что в массе рынок уже поделен между крупными брендами. И если на него заходить, то важно четко понимать, какую нишу занимать и насколько в ней сформирован спрос.
Рынок транспортных услуг в США — ниша с невероятно высокими барьерами входа. По сути, индустрию в ее сегодняшнем виде создали нынешние лидеры рынка: Uber, Lyft, Curb. Они же продолжают задавать тренды и сейчас.
Все началось в 2009 году, когда появился Uber с его инновационной по тем временам бизнес-моделью.
Сегодня эту экономику называют «уберизацией», от имени бренда. В Uber впервые придумали цифровую платформу для связи «продавцов» и «покупателей». Уже потом на базе этой модели появились и другие агрегаторы: от Airbnb до Яндекс Лавки.
Бизнес-модель Uber быстро изменила индустрию — цены на поездки стали доступнее, а время подачи автомобиля заметно сократилось. Другими словами, появилось такси, которое мы знаем сегодня.
В 2018 году эксперты CB insights детально разложили модель Uber со всеми подразделениями компании: от доставки еды Uber Eats до платформы по вызову водителя Uber Rides. Нас интересует только схема агрегатора такси и выглядит она так.
Вероятно, вам знакома эта модель — сегодня она не вызывает удивления, обычный агрегатор. Но, как известно, всё гениальное просто — и Uber уже 15 лет лидирует на рынке. Тем не менее, не всё так гладко.
Получается замкнутый круг. Компании приходится много тратить на операционку и экономить на водителях. В результате таксисты уходят и Uber снова нужно вкладываться в настройку процессов. Это общая проблема агрегаторов такси.
И здесь мы возвращаемся к идее нашего заказчика. Напоминаем: он сам таксист. Антон знаком с политикой крупных платформ и поэтому свой продукт решил построить по-другому.
Взять лучшее от агрегаторов — суть бизнес-модели и удобство цифровых платформ. Но убрать высокие затраты на операционку в пользу водителей.
| Uber, Lyft, Curb и другие агрегаторы | Сервис нашего заказчика | |
| Приоритеты | Скорость вызова такси, низкая стоимость тарифа, доступность машин. | Стабильный комфорт поездки, предсказуемость и для водителей, и для пассажиров. |
| Целевая аудитория | Все сегменты — от пассажиров с низким доходом до представителей upper middle класса и выше. | Платежеспособная, работающая аудитория. В основном жители Манхэттена — благополучного района Нью-Йорка. |
| Продукт | Сложная цифровая платформа с возможностью шеринга геолокации. | Простой веб-сервис с механикой QR-кодов. |
| Модель |
Поездки на любые расстояния.
= Высокая комиссия компании в цене поездки. |
Поездки только на дальние дистанции от 30 километров.
= Низкая комиссия компании в цене поездки. |
У этого решения много плюсов: в сервисе остаются лояльные и профессиональные таксисты, которым удобнее находить клиентов через цифровую платформу. А стабильный комфорт и знакомая модель агрегатора притягивает больше пассажиров.
Звучит здорово, но действительно ли приоритеты пассажиров и ценности заказчика совпадают? Сможет ли приложение для такси найти свое место на рынке?
Ответить на эти вопросы взялись наши аналитики. Мы уже проверяли идею супераппа для мусульман и тестировали проект социальной сети для спортсменов. А теперь с большим энтузиазмом взялись и за агрегатор такси.
Перед началом исследования мы внимательно выслушали заказчика и составили Impact Map или карту влияния. Этот инструмент позволяет четко сформулировать цели будущего продукта и какое воздействие (impact) он должен оказывать на пользователей. Другими словами, карта помогает перевести абстрактные представления о будущем сервисе в конкретные бизнес-показатели и стратегии их достижения.
Базово, инструмент работает так: составляется табличка с четырьмя квадратами, в каждый из которых нужно вписать ответы на вопросы «Зачем?», «Кто?», «Как?», «Что?».
Мы модернизировали схему, чтобы учесть больше факторов. Вот, что получилось.
Карта помогла нам уточнить концепцию заказчика. Например, мы узнали, что на будущее Антон рассматривает стратегию корпоративной подписки на сервис и работу с детьми. А еще — что частыми проблемами целевой аудитории являются небрежный вид машины и нарушение водителем ПДД.
Всё это помогло нам определить дальнейшие шаги. И следующий этап — определить потребности в формате JTBD.
Мы описали боли предполагаемой целевой аудитории в формате Jobs To Be Done (JBTD). Другими словами, рассмотрели потребности пользователей через контекст и триггер.
Всего получилось шесть основных потребностей:
| Потребность | JTBD |
| Потребность в безопасности и доверии водителю, с которым едешь на дальние расстояния. | Когда я еду за город, я хочу чувствовать себя безопасно и комфортно в машине, так как ехать долго по времени |
| Потребность ехать с водителем, который изъясняется по английски. | |
| Потребность ехать в чистой машине и с хорошо выглядящим водителем. | |
| Потребность ехать с водителем, который не нарушает ПДД. | Когда я заказываю такси, я хочу ехать по правилам ПДД и быть в безопасности. |
| Потребность вовремя уезжать и приезжать. | Когда я еду куда-то, мне важно, чтобы водитель приехал вовремя за мной и я не опоздал. |
| Потребность отправлять ребенка или пожилого родственника в детский сад или больницу на такси. | Когда я заказываю такси родному человеку, я хочу точно знать, что они доедут безопасно |
После этого мы обозначили сегмент, которому может быть полезен будущий продукт:
Пассажиры, которые берут такси для поездок на дальние дистанции в Нью-Йорке.
На основе представления о целевой аудитории и ее потребностей, мы сформировали вопросы для интервью и приступили к поиску респондентов для качественного исследования.
В этом проекте мы проводили качественное и количественное исследование параллельно. Цель обоих методов — протестировать одни и те же гипотезы, но получить результаты разного формата.
Результаты качественного исследования — подробные инсайты. Поэтому нам было важно найти респондентов, которые попадают в целевой сегмент на 100%. Этими людьми стали платежеспособные жители Нью-Йорка, которые пользуются такси.
В рамках качественного исследования мы задавали вопросы про:
Вот несколько инсайтов с интервью.
Качественное исследование показало, что у некоторых респондентов действительно есть потребность ездить с тем же водителем на дальние расстояния. При этом опрошенные готовы заранее планировать поездку со знакомым водителем.
А чаще всего респонденты жаловались на неприятный запах в машинах, водителей, говорящих по телефону в дороге, и таксистов, которые скамят и уезжают.
Следующий шаг — проверить инсайты из качественного исследования в количественном анализе. Вот, что мы выяснили.
Больше 39% респондентов каждую неделю совершают длительные поездки.
Основные проблемы, с которыми сталкиваются респонденты — водители говорят по телефону, машину приходится долго ждать, машина в плохом состоянии, таксисты нарушают ПДД.
При этом все эти проблемы встречаются не так часто. Например, водители, которые нарушают правила дорожного движения, встречаются время от времени или редко — показывает количественное исследование.
Больше 62% респондентов готовы заранее планировать поездку, чтобы ездить с теми же водителями.
Более того, часть респондентов даже готова платить чуть больше, чем в Uber.
Промежуточные результаты говорят в пользу идеи заказчика. Переходим к следующему этапу анализа — расчету юнит-экономики.
Мы рассматривали юнит-экономику за один месяц. Для подсчета было выбрано два канала привлечения: платный за $2 и бесплатный — через куар-код во время поездки.
Наш расчет строился на гипотезе, что через бесплатный канал придет 200 пользователей, а через платный — 1000 человек.
Для экономики с такой конверсии в покупку это адекватные числа — тем более, что продукт начнет приносить сильную ценность пользователю сразу, потому что закрывает его потребности. Это мы выяснили на этапах качественного и количественного анализа.
Результат: уже на первом месяце работы бизнес-модель продукта принесет $7900. Экономика сильная.
В конце исследования мы показали заказчику выводы.
Его агрегатор будет иметь ценность для пользователей. Респонденты ценят комфорт в длительных поездках и готовы жертвовать ради него своим временем.
Значит можно начинать разработку с твердой верой в свою идею.
➡️ А если хотите проверить идею своего проекта , заполните форму. Мы погрузимся в ваш проект и предложим варианты, как проверить жизнеспособность идеи.
.svg)
%20(1)%20(1)%20(1).png)
-1.avif)