Job to be Done… and Done Again / Песочница / Хабр

По определению Job Story, совершенное человеком действие определено контекстом (созданным), мотивом (вызванным) и целью (достигнутой), представим это как цикл, когда контекст уже создан

Согласно теории самодетерминации, контекст, пробуждающий интерес и любопытство, с большей вероятностью вызовет устойчивый мотив => Устойчивый мотив с большей вероятностью был вызван контекстом пробуждающим интерес и любопытство

Устойчивость мотива определяется при его регулярности. Чем большее количество дней подряд человек контактировал с продуктом, тем сильнее его мотивация, это можно определить средней длительностью стриков среди всех людей => Согласно теории самодетерминации, при высокой регулярности мотива, контекст пробуждал интерес и любопытство и с большей вероятностью вызвал бы мотив

$Cause = 1 - e^{-kS}$ $k = \frac{-ln (0.2)} {T}$

— Порог формирования привычки (обычно 21 день)
— Средняя длительность стриков

Чем более устойчивый мотив, тем выше шанс, что человек в конце концов достигнет результата

Мы уже определили, что устойчивость мотива зависит при его регулярном проявлении, тогда

$Achieve = β_{max} - (β_{max} - β_0) × e^{-β_1S}$

$β_{max}$ — Максимально достижимая вероятность успеха. Асимптота, к которой стремится функция при . Это не 1, а значение, например, 0.95 или 0.99, что отражает тот факт, что даже у самых опытных пользователей иногда бывают неудачи. Это значение можно оценить по данным самых древних пользователей продукта
— Коэффициент скорости обучения/привыкания. Определяет, насколько быстро вероятность переходит от к $β_{max}$ . Чем больше , тем быстрее привычка ведет к успеху. Обычно показатель равен 0.2
— Средняя длительность стриков

$β_0 = \frac A B$

— Пользователи, достигшие цели с 1 попытки
— Все пользователи, свершившие 1 попытку

Чем больше циклов Job Story завершает пользователь, тем с каждым циклом вероятность нового затухает

Вероятность повторения на цикле (t)

$Repeat (t) = r × e^{-λt}$

— Retention rate после первого выполнения
— Коэффициент "смертности привычки"
— Номер цикла

Как считать λ?

Время, когда 50% пользователей перестали возвращаться, можно найти по формуле постоянной распада

$λ = \frac {ln 2} {t_{1/2}}$

Эффективность JTBD для цикла t

$JTBD_{ES} (t) = Cause × Achieve × Repeat (t)$

— вероятность возникновения мотива
— вероятность достижения результата
— вероятность выбора нашего продукта при появлении контекста

Результат $JTBD_{ES} (t)$ показывает вероятность того, что человек закроет потребность в цикле t

Значения и , а также модель экспоненциального затухания требуют калибровки для некоторых продуктов

В такой концепции продукт должен стремиться к 100% эффективности JTBD — состоянию PMF, влияя не только на внутренние факторы продукта, но и на внешние факторы. Также некоторые продукты могут использовать $JTBD_{ES}$ в качестве NSM

На данном этапе разработки модель проходит валидацию на реальных проектах