Не смотрите на конверсию в оплату в первый месяц reverse trial: какие метрики активации покажут результат раньше

    Что происходит с аккаунтом после отката на бесплатный тариф и как это измерить

    Опубликовано
    7 мин чтения
    Автор: Erik Lornovell
    Обновлено

    На пятнадцатый день владелица небольшого магазина керамики открывает кабинет сервиса email-рассылок и видит жёлтую плашку: тариф Pro закончился, аккаунт переведён на бесплатный план. Цепочка писем о брошенной корзине, которую она настроила на четвёртый день, остановлена. Сегмент «купили дважды» доступен только для просмотра.

    Сам аккаунт никуда не делся, контакты на месте, простые рассылки уходят. Так выглядит reverse trial изнутри: человек сначала получает всё, а потом теряет то, к чему успел привыкнуть. Именно эта потеря и продаёт подписку, но происходит она не в первый месяц, и поэтому большинство команд оценивают такой тест по неправильным цифрам.

    Как устроен откат и чем он отличается от обычного триала

    В классическом триале пользователь получает платный тариф на 14 дней, а потом либо платит, либо теряет доступ к продукту целиком. Во freemium пользователь сразу сидит на бесплатном плане и сам решает, когда ему нужно больше. Reverse trial соединяет обе схемы: старт идёт на полном тарифе, а после окончания срока аккаунт не блокируется и откатывается на бесплатный план.

    Для сервиса, который продаёт инструменты интернет-магазинам, это меняет всю механику решения о покупке. При обычном триале владелец магазина решает на четырнадцатый день, часто до того, как увидел первые деньги от автоматических писем. При reverse trial он продолжает пользоваться продуктом, и момент, когда ему не хватает платной функции, наступает позже: перед распродажей, при запуске новой коллекции, когда приходит отчёт с выручкой от рассылок.

    Отсюда первое следствие для метрик. Решение о покупке размазано по времени. Часть пользователей платит на четырнадцатый день, часть через 6 недель, часть через 3 месяца, когда у магазина наступает сезон. Если команда сравнивает reverse trial с классическим триалом по конверсии на тридцатый день, она сравнивает разные вещи: в классической схеме к этому дню почти все решения уже приняты, в reverse trial только треть.

    Второе следствие: у reverse trial появляется популяция, которой нет в обычном триале. Это аккаунты на бесплатном плане, которые продолжают работать с продуктом. Они не платят, но генерируют данные, приглашают коллег, иногда ставят логотип сервиса в письма. Метрики должны их видеть, иначе тест будет оценен только по одной стороне.

    Третье: откат сам по себе событие. Важно, что пользователь пытается сделать после него, и это тоже можно и нужно измерять.

    Почему конверсия на тридцатый день обманывает

    Вот условный пример, похожий на то, что видят многие команды. Сервис запускает A/B тест: по 2000 новых аккаунтов в каждой группе. Контроль получает классический триал на 14 дней, тестовая группа reverse trial той же длины. Через 30 дней в контроле платят 5,0% аккаунтов, в reverse trial 4,1%. Продакт-менеджер пишет в чат, что reverse trial проиграл почти процентный пункт, и тест предлагают остановить.

    К девяностому дню картина обычно меняется. Контроль почти не растёт: пользователи, которые не заплатили после триала, потеряли доступ и ушли, конверсия добирается до 5,4%. Reverse trial продолжает набирать платящих из бесплатного плана и к девяностому дню выходит на 6,3%. Разница в 0,9 процентного пункта в пользу теста на 2000 аккаунтах означает 18 дополнительных подписок с одной когорты. Если сервис стоит 39 долларов в месяц, а платящий аккаунт живёт в среднем 14 месяцев, это около 9800 долларов выручки с одной месячной когорты, которую команда чуть не выбросила.

    Противоположное тоже случается: reverse trial может проиграть и на девяностый день, если бесплатный план слишком щедрый и пользователям незачем возвращаться к платному. Именно поэтому результат нельзя предсказать по общему опыту рынка, его надо мерить на своём продукте, и мерить правильно.

    Есть и статистическая сторона. При конверсии около 5% и группах по 2000 аккаунтов стандартная ошибка разницы между группами составляет примерно 0,7 процентного пункта. Разница в 0,9 пункта на девяностый день лежит на границе значимости, и одной когорты для уверенного решения может не хватить. На практике команды объединяют 2 или 3 месячные когорты и только потом делают вывод. Это ещё одна причина не торопиться: ранний вывод по одной когорте и по тридцатому дню почти всегда ошибочен в ту или другую сторону.

    Главная формула, по которой стоит сравнивать группы, выглядит так:

    Прирост платящих к дню D =
        (платящие_RT на день D / размер когорты RT)
      - (платящие_контроль на день D / размер когорты контроль)
    
    Ожидаемая выручка когорты = платящие × цена в месяц × средний срок жизни в месяцах
    

    Считать её нужно на днях 30, 60 и 90 и принимать решение только по последней точке. Ранние точки нужны для того, чтобы видеть траекторию и вовремя заметить поломку.

    Метрики активации, которые видны с первой недели

    Ждать 90 дней, ничего не понимая, тоже плохо. Нужны опережающие метрики, которые появляются в первые 2 или 3 недели и связаны с будущей оплатой. Для сервиса рассылок их можно собрать из трёх групп.

    Активация. Доля аккаунтов, выполнивших целевое действие за первые 14 дней. Для email-сервиса это может быть первая автоматическая цепочка, отправившая хотя бы 50 писем, или подключённая интеграция с платформой магазина. Определение надо зафиксировать до запуска теста.

    Зависимость от платных функций. Доля активированных аккаунтов, которые использовали хотя бы одну функцию платного тарифа 3 и более раз за период полного доступа. Чем выше эта доля, тем сильнее будет ощущаться откат.

    Реакция на откат. Число попыток открыть платную функцию после перехода на бесплатный план, доля аккаунтов, открывших страницу тарифов в первые 7 дней после отката, и доля аккаунтов, которые остались активными на бесплатном плане через 4 и 8 недель.

    Активация = аккаунты с целевым действием за 14 дней / новые аккаунты когорты
    Зависимость = аккаунты с 3+ использованиями платной функции / активированные аккаунты
    Удар отката = аккаунты с попыткой платной функции за 7 дней после отката / все откатившиеся
    

    Связка этих трёх чисел подсказывает, куда движется тест. Высокая активация и высокая зависимость при низком ударе отката обычно значат, что бесплатный план закрывает потребность, и его стоит урезать. Низкая активация говорит о проблеме онбординга: человек не успел увидеть ценность за 14 дней, и откат ему ничего не стоит.

    Как выбрать порог активации, если раньше его никто не определял. Возьмите 3 или 4 старые когорты обычного триала и посмотрите, какие действия в первые 2 недели сильнее всего отличают тех, кто заплатил, от тех, кто ушёл. Для сервиса рассылок это часто подключённая интеграция с магазином и хотя бы одна автоматическая цепочка. Если среди заплативших это действие сделали 70%, а среди ушедших 15%, это хороший кандидат. Порог фиксируется до запуска теста и не двигается, даже если результат разочарует.

    Ошибки, из-за которых тест показывает не то

    Большинство неудачных тестов reverse trial проваливаются не из-за самой модели, а из-за того, как их измерили. Вот ошибки, которые встречаются чаще других:

    • Остановка теста на тридцатый день по конверсии в оплату, до того, как бесплатный план успел сработать.
    • Слишком щедрый бесплатный план: если после отката у магазина работают все нужные ему цепочки, причин платить нет.
    • Нет события отката в аналитике. Команда знает, когда закончился полный доступ, но не видит, что пользователь пытался сделать в первые часы после этого.
    • Смешивание когорт по сезону. Аккаунты, пришедшие в октябре перед распродажами, ведут себя иначе, чем июльские, и сравнивать их в одной таблице нельзя.
    • Определение активации подобрано после теста под удобный результат.
    • Маленькие группы. При базовой конверсии около 5% разница в 1 процентный пункт на группах по 500 аккаунтов неотличима от случайности.
    • Игнорирование нагрузки на поддержку: откат вызывает вопросы «куда пропали мои письма», и если на них долго не отвечают, часть пользователей уходит навсегда.

    Поддержку при откате недооценивают почти все команды. Само сообщение об откате стоит протестировать отдельно: письмо за 3 дня до окончания полного доступа с перечнем того, что перестанет работать, обычно снижает раздражение и повышает долю тех, кто платит сразу.

    Ещё одна тонкость касается цены. Если в тестовой группе после отката показывают скидку 30% на первый месяц, а в контроле её нет, вы тестируете уже две вещи одновременно: модель доступа и промо. Конверсия вырастет, но выручка с когорты может оказаться ниже. Для чистого сравнения цена и условия апгрейда должны совпадать в обеих группах, а скидку при необходимости проверяют отдельным тестом после того, как решение по модели принято.

    Как решить, оставлять ли reverse trial

    Когда данные за 90 дней собраны, решение удобно принимать по короткому дереву вопросов:

    1. Прирост платящих к девяностому дню положительный и статистически значимый? При ответе «да» идите к пункту 2, при ответе «нет» сразу к пункту 4.
    2. Выручка с когорты в тесте выше, чем в контроле, с учётом более позднего начала оплаты? «Да» ведёт к пункту 3. При «нет» проверьте, не раздаёт ли тестовая группа скидки при апгрейде.
    3. Нагрузка на поддержку после отката выросла меньше чем на 20%? Тогда раскатывайте reverse trial на всех новых пользователей. Выросла сильнее: сначала переделайте сообщения об откате.
    4. Активация в тесте выше, чем в контроле? Если выше, проблема в бесплатном плане: урежьте его и повторите тест. Если не выше, остаётся пункт 5.
    5. Удар отката ниже 15%? Значит, пользователи не замечают потери, и модель вашему продукту не подходит. Удар выше этого порога: ищите поломку в онбординге первых 14 дней.

    Перед тем как запускать повторный тест, стоит пройтись по короткому списку:

    • определение активации записано до запуска и не меняется;
    • событие отката и попытки открыть платные функции попадают в аналитику;
    • размер групп рассчитан под ожидаемую разницу;
    • контрольные точки 30, 60 и 90 дней стоят в календаре;
    • поддержка знает дату отката для каждой когорты;
    • письмо перед откатом проверено на трёх реальных аккаунтах.

    Рекомендация простая, но с условиями. Reverse trial имеет смысл пробовать, если в продукте есть функции, ценность которых видна только через несколько недель работы, если у бесплатного плана есть ясная граница и если команда готова ждать 90 дней до решения. Если хотя бы одно из этих условий не выполняется, обычный триал с хорошим онбордингом даст результат быстрее и с меньшими затратами на поддержку.

    Похожие статьи

    9 мин

    Миф о запросе без ошибок: почему SQL, который отработал за секунду, всё равно врёт про выручку магазина

    Самые дорогие ошибки в SQL не роняют запрос. Он отрабатывает за секунду и выдаёт правдоподобную цифру. Разбираем на примере интернет-магазина пять таких ловушек: усреднение средних, статусы заказов, недетерминированный первый заказ, текущие атрибуты клиента и смешанные валюты.

    November 18, 2026
    9 мин

    Одно правило, которое закрывает спор JSON-LD и микроданных в блоге магазина

    У магазина с блогом разметку обычно делают разные люди в разное время, и через пару релизов она расходится с реальными данными. Записка с одним правилом выбора между JSON-LD и микроданными, формулой цены поддержки, мини-кейсом и списком ошибок.

    November 17, 2026
    9 мин

    Уроки ценообразования, которые магазины обычно усваивают на собственных убытках

    Цена «закупка умножить на два» кажется безопасной, пока не посчитаешь доставку, комиссии, рекламу и НДС. Разбираем формулу цены от целевой маржи, разницу между наценкой и маржой, работу с ценами конкурентов и даём калькулятор цены товара.

    November 15, 2026