Для экономической оценки гипотез я использую комбинацию количественных и качественных метрик: **1. Основные финансовые метрики:** - **CAC (Customer Acquisition Cost)** – стоимость привлечения клиента - **LTV (Lifetime Value)** – прогнозируемый доход от клиента за всё время - **ROI (Return on Investment)** – возврат инвестиций - **Payback Period** – срок окупаемости **2. Продуктовые метрики:** - Конверсия на ключевых этапах воронки - Retention Rate (удержание) - NPS (лояльность) - ARPU (средний доход на пользователя) **3. Оценка эффективности:** - A/B тесты с расчётом статистической значимости - Прирост ключевых метрик после внедрения - Окупаемость гипотезы (например, если гипотеза снижает CAC на 20%, это даёт экономию $X в месяц) Пример расчёта LTV в Python: ``` avg_order_value = 100 purchase_frequency = 2 customer_lifespan = 12 # months ltv = avg_order_value * purchase_frequency * customer_lifespan print(f"LTV: ${ltv}") ``` Все метрики подбираются индивидуально под продукт и гипотезу, с учётом горизонта планирования.