Исследование: Каким проектам достался микрофон в рубрике «Стартапы» на vc.ru

Сооснователь медиахаба Rockin’Robin Дмитрий Кабанов и главный редактор проекта Алина Тестова проанализировали 604 публикации в рубрике «Стартапы» и написали для vc.ru колонку о рекордсменах рубрики, распределении стартапов по рынкам и о различных особенностях компаний, рассказывающих о себе на страницах издания. Что мы делали: общая информация и проекты-рекордсмены

Мы проанализировали все материалы, выходившие в рубрике «Стартапы» (бывшая «Трибуна») с момента ее возникновения в марте 2014 года — вплоть до августа 2016 года (включительно). Всего за это время в рубрике о себе рассказали более 600 проектов.

По каждому из питчей мы собрали основную статистику, находившуюся в открытом доступе: дату публикации, данные о проекте, количество просмотров, комментариев и шеров в соцсетях. А еще мы посчитали длину каждого текста в символах.

Помимо общей информации, мы определили проекты-рекордсмены: тех, кто набрал максимальное количество просмотров, комментариев, шеров в Facebook и во «ВКонтакте», а также оказался лидером по показателю вовлеченности. Последний показатель — агрегированный, его мы считали по методу, предложенному здесь (блок Calculating Engagement Rate For Your Posts with Insight Data).

Если точнее, мы разделили сумму комментариев и шеров в соцсетях на общее количество просмотров по каждому проекту и перевели полученный результат в проценты. Это относительный показатель, он полезен для сравнения разных питчей: в частности, у проекта-победителя в этой категории значение показателя вовлеченности (9,74%) больше среднего по всем проектам (1,34%) почти в 7,3 раза.

По количеству просмотров самыми популярными проектами стали:

FindFace — сервис знакомств по фотографии;
MSQRD — сервис для изменения внешности во время видеочатов в режиме реального времени
RealSpeaker — инструмент для преобразования речи в текст.


По индексу вовлеченности топ-3 питчей выглядит так:

Happn — приложение для знакомств на основе гипергеолокации;
Welltory — приложение для контроля состояния здоровья;
Coddy — курсы по программированию для детей.
Digital против офлайна и другие особенности проектов

Мы разделили все проекты на цифровые и нецифровые: в цифровые попали онлайновые продукты и сервисы (например, мессенджеры), в нецифровые — те продукты и сервисы, которые имеют сильную «физическую» (офлайн) составляющую и чей конечный продукт поставляется в офлайне (например, устройства).

Как видите, офлайн-проектов в общем пуле не так уж и много, что вполне логично: часто (но не всегда, конечно) начать бизнес в интернете оказывается дешевле, проще, интереснее и быстрее, чем, например, запускать собственное офлайновое производство.

Мы проверили сайты всех проектов, которые питчились в «Стартапах», и оказалось, что корпоративные блоги не пользуются у них особой популярностью:

Кроме того, мы проверили, ведет ли каждый из проектов блог на платформе Spark.ru (проект, как и vc.ru, входит в ИД «Комитет») — здесь ситуация оказалась иной:

Вывод: если проекты не создают блоги на сайте, это не значит, что они не готовы рассказывать о себе на других площадках. Spark.ru и «Стартапы» — тому подтверждение. Самые популярные рынки: мнение стартаперов

Дополнительно для каждого из проектов мы определили основные рынки. За основу мы взяли классификацию «подсекторов сектора ИТ», предложенную «Российской Венчурной Компанией» и PWC в их обзоре венчурной индустрии России.

Из этой классификации мы решили исключить блок «Мобильные приложения» (так как практически каждый проект сегодня подразумевает под собой разработку или адаптацию под мобильные устройства и платформы) и добавить блок «Управление задачами» (Task management), а также категорию Разное (Misc).

Поскольку любой проект сочетает в себе различные характеристики (например «образовательное медиа» или «медицинский гаджет»), для каждого из стартапов мы стремились определить сразу несколько основных рынков (до трёх). В итоге мы получили следующее распределение:

Наиболее популярными рынками для российских стартапов оказались социальные сети и сервисы, электронная коммерция и облачные технологии. Замыкают список финтех, медиа, гаджеты и hardware. В среднем на каждый из рынков приходится порядка 67 питчей. Самые популярные рынки: мнение читателей

Далее мы решили посчитать, проекты каких рынков набрали наибольшее количество просмотров. Картинка оказалась похожей, однако некоторые отличия все-таки есть:



Проекты на рынке коммуникаций и связи оказались более популярными у читателей, чем у самих стартаперов: по количеству питчей этот рынок занимает пятое место, а по количеству просмотров — третье.

В числе «аутсайдеров» по просмотрам — проекты на туристическом рынке. По количеству питчей «Туризм» стоит на седьмом месте, а по количеству просмотров — на девятом. Кстати, среднее число просмотров на каждую категорию (рынок) — более 360 тысяч.

Однако ситуация меняется, если учитывать не только просмотры, но и комментарии и шеры в соцсетях. Распределение популярности рынков по индексу вовлеченности выглядит следующим образом:

В этом случае рынок коммуникаций и связи точно так же поднимается на третью строчку, а рынок туризма с седьмого места выходит на шестое. Зато «проваливается» рынок рекламы: с шестого на восьмое место по сравнению с рейтингом рынков по числу проектов.

Средний уровень вовлеченности для рыночной ниши составил 0,91 (повторимся, это относительный показатель, он нужен только для сравнения рынков между собой — сам по себе он неинформативен — и в данном случае для удобства восприятия мы считали его не в процентах, а в долях).

Вывод: рыночная ниша, популярная у стартаперов, необязательно будет пользоваться такой же популярностью у читателей СМИ. Однако есть темы, одинаково интересные и тем, и другим: это электронная коммерция и социальные сети. Пара слов об индексе вовлеченности

Когда мы высчитывали индекс вовлеченности для каждой из публикаций, то заметили интересную особенность: наиболее популярные (по данному индексу) проекты концентрировались во второй половине списка, ближе к концу. Это навело нас на мысль построить еще один график и попытаться проиллюстрировать ситуацию:

О чем это может говорить: все просто, дело в росте популярности самого СМИ. На первых порах публикации в новой рубрике не комментируют и не шерят (простите, первые проекты, есть вероятность, что аудитория поначалу была недостаточно активна). Со временем ситуация меняется, и судя по тому, что индекс популярности у питчей становится все выше и выше, эта площадка еще долго будет приносить пользу и аудитории, и стартапам.

Конечно, такое резкое увеличение интереса можно было бы связать с тем, что материалов в «Стартапах» на vc.ru в последнее время стало больше, а проекты питчатся там более активно, чем раньше. Однако это не так — в среднем в месяц в этой рубрике выходит около 20 публикаций, и ситуация не менялась с момента ее возникновения. «Провалы» на графике приходятся только на январские праздники (со дня старта рубрики новые выпуски выходят каждый рабочий день без исключения — прим. главреда). Что еще интересного

Помимо общего «временного среза» — количества публикаций в месяц, мы решили посчитать, как ведут себя материалы, опубликованные в разные дни недели.

Для каждого материала мы определили, в какой день он был опубликован, и подсчитали общее число просмотров для этого дня. Получилась вот такая картина:

В «топе» по просмотрам среда и четверг, «аутсайдеры» — выходные (в том числе и потому, что материалы в «Стартапах» по выходным никогда не выходят). А в целом по этому графику можно пронаблюдать общую динамику пользовательского интереса к рубрике.

Еще один момент, показавшийся нам любопытным — сравнение количества шеров в соцсетях:

Как видите, среднее количество шеров что у Facebook, что у «ВКонтакте» невелико (хотя и тут Facebook заметно лидирует). Однако максимальное количество шеров оказалось просто несопоставимо — 870 против 131 (не спешите переживать за «ВКонтакте» — шеры в этой соцсети дорогого стоят, но об этом чуть ниже).

Вывод: аудитория гораздо охотнее делится материалами из рубрики «Стартапы» в Facebook. Если, конечно, питч не касается проекта, связанного с «ВКонтакте», — напомним, рекордные для соцсети 131 шер набрал сервис FindFace, который ищет профили пользователей vk.com по фото. Корреляции и некоторые неочевидные зависимости

До этого момента мы анализировали только базовую статистику — сводные данные и агрегированные показатели. Теперь проверим еще несколько гипотез с помощью регрессионного анализа.

Мы решили выяснить, коррелирует ли число просмотров материалов с другими количественными показателями. Мы построили линейную регрессию, в качестве зависимой переменной выбрали число просмотров, в качестве объясняющих — количество комментариев, шеров в соцсетях и дату публикации.

Логика в такой постановке задачи есть: в соответствии с нашей гипотезой, больше просмотров получают те статьи, которые активно комментируют (комментирующие могут рассказать о материале близким и друзьям и в целом подогревают интерес к публикации) и шерят в соцсетях. Дата публикации в такой постановке вопроса тоже должна быть важна (помните экспоненциально растущий график вовлеченности?). Что получилось:

Что означают цифры: модель адекватна (логика нас не подвела), при этом число просмотров на 27% определяется набором тех переменных, которые мы выбрали в качестве объясняющих (то есть количеством комментариев, шеров в соцсетях и датой публикации) — об этом свидетельствует значение Adjusted R2 (в верхнем правом углу). Процент, конечно, небольшой, но для «полевых» данных, собранных в реальных условиях, вполне достойный. И реалистичный.

Если построить уравнение регрессии, результат получится следующий (округляем столбец «Коэффициенты» до целых):

Views = 77Comments + 17Fb + 125Vk — 8DMY + 155459

Что это значит: каждый комментарий добавляет материалу 77 просмотров, каждый шер в Facebook — еще плюс 17 просмотров, каждый шер во «ВКонтакте» дает (внимание!) дополнительных 125 просмотров.

При этом если сравнивать две «среднестатистические» публикации, одна из которых будет сделана вчера, а вторая — сегодня, вчерашняя наберет на 8 просмотров больше (как видите, показатель даты — DMY — в уравнение попал со знаком «минус»).

Страшное число в конце (константа) показывает количество просмотров, которое набрала бы статья, если бы все остальные переменные равнялись нулю. С математической точки зрения это замечание верно, однако в нашей модели равенства всех коэффициентов нулю не происходит (дата у публикации всегда «ненулевая»), поэтому давать константе рациональное объяснение в нашем случае некорректно (подробнее об этом тут).

Если у вас тоже возник когнитивный диссонанс, попробуем вместе разобраться. Во-первых, что значит «ненулевая» дата и как вообще разные даты можно адекватно сравнивать: статистические пакеты (даже MS Excel) «распознают» даты, переводя их в целочисленный формат. Например, 1 сентября этого года в Excel имеет значение 42614, а 2 сентября — значение 42615.

Вот и получается, что каждый новый день «отнимает» у публикации 8 потенциальных читателей. Стоп. Мы же видели график показателя вовлеченности — объединенный показатель просмотров, комментариев и шеров в рубрике «Стартапы» с течением времени только растет, в чем же дело? Скорее всего, вот в чем:

Это график просмотров «Стартапов». Серый пунктир показывает среднее число просмотров (оно сравнительно невелико). И вот что интересно: несмотря на то, что «бомбические» по просмотрам публикации про MSQRD и FindFace прошли относительно недавно, в левой части графика (зеленый овал) «проектов-хорошистов», превысивших среднюю отметку, намного больше, чем в правой (красный овал). Да пиковые значения в первые месяцы существования «Стартапов» (тогда еще «Трибуны») выглядят скромнее, но в целом приходится признать — модель нас не обманула, и с течением времени рубрику действительно стали читать меньше. Чуть-чуть. Из чего сделаны комменты и шеры

Мы не стали останавливаться на одной корреляционной зависимости и решили посмотреть, есть ли у нашего набора данных еще какие-то интересные неявные характеристики. Поэтому, разобравшись с просмотрами, мы перешли к шерам и комментариям. Получилось следующее (начнем с комментариев):

Итак, мы исходили из гипотезы о том, что число комментариев может зависеть от количества просмотров, числа шеров в соцсетях (логично) и чего-то еще. Методом подбора определили те параметры из нашей базы, которые были действительно значимыми — ими оказались (внезапно): объем текста и принадлежность к теме digital. Еще раз повторимся, это полевые данные и неочевидные зависимости, поэтому значение Adjusted R2 весьма скромное — всего 13,7%.

Но это вполне объяснимо — на количество комментариев могут влиять самые разные факторы — начиная от автора текста (чем известнее и одиознее, тем активнее идет дискуссия) и заканчивая тональностью обсуждения (читатель раскритиковал проект, представители компании отреагировали излишне резко, и «понеслась») — такие моменты остались за рамками нашего исследования.

Строим уравнение регрессии (снова округляем значения в столбце «Коэффициенты» — теперь до третьего знака после запятой):

Comments = 0,002Views + 0,001Symbols — 5,655Digital + 27,717

Как выясняется, наша первоначальная гипотеза оправдалась только на треть — число комментариев действительно зависит от просмотров. И не зависит от шеров в Facebook и во «ВКонтакте» — обе эти переменные оказались статистически незначимыми (здесь и далее используем уровень значимости =0,1). Оказывается, сколько текст ни «шерь», комментариев от этого не прибавится.

Что означает то, что осталось: каждая тысяча просмотров «добавляет» материалу два комментария, а каждая тысяча символов текста — еще один (про константу мы уже говорили). При этом цифровые проекты в среднем «зарабатывают» почти на 6 комментариев меньше, чем не-цифровые (можем предположить только, что non-digital в отличие от цифровых проектов «берет за живое»).

Теперь посмотрим, от чего зависят шеры в соцсетях. Начнем с Facebook:

Что проверяем: зависимость числа шеров на Facebook от количества шеров во «ВКонтакте», объема текста, даты публикации, просмотров и комментариев.

Что получаем: значение Adjusted R2 оказывается в районе 20% — наша модель на 20% объясняет изменчивость зависимой переменной (количество шеров на Facebook). Это, опять же немного, но, как говорят иллюзионисты, запомните эту цифру, в будущем она нам пригодится.

Уравнение регрессии будет выглядеть так:

Fb = 0,635Vk + 0,005Symbols + 0,043DMY + 0,002Views — 889,651

Коэффициент перед переменной Vk показывает, что связь между соцсетями есть: с ростом числа шеров во «ВКонтакте» растет и их количество в Facebook, например, 10 шеров в отечественной соцсети прибавят материалу еще 6 шеров в Facebook. При этом большие тексты «шерят» в Facebook активнее — каждая тысяча знаков добавляет публикации еще 5 кликов по кнопке «поделиться». Каждая новая тысяча просмотров также обеспечивает материалу дополнительную пару шеров.

Что касается даты публикации — вспоминаем график с коэффициентом вовлеченности: сегодня наша публикация получит на 4 шера больше, чем могла бы набрать 3 с лишним месяца назад (на 100 дней раньше). Кстати, число комментариев оказалось в модели статистически незначимым.

И, наконец, «ВКонтакте»:

Проверяем все то же самое, что и в Facebook: зависимость от другой соцсети, объем текста, дату публикации, просмотры и комментарии. И удивляемся: если в случае в Facebook этот набор факторов объяснял всего 20% изменчивости зависимой переменной, то здесь показатель Adjusted R2 достигает 45%. При этом комментарии (в отличие от предыдущей модели) оказываются значимыми.

Уравнение регрессии:

Vk=0,048Fb — 0,001Symbols + 0,037DMY + 0,001Views — 0,049Comments — 736,406

Итак, связь между соцсетями, опять же, подтверждается, однако в случае с «ВКонтакте» она намного слабее: только 100 шеров в Facebook обеспечат 4 шера во «ВКонтакте» (как мы помним, там материалы вообще шерят менее активно). При этом длинные тексты пользователи «ВКонтакте» не особенно жалуют — дополнительная тысяча символов текста будет означать «минус один» шер.

Дата публикации также играет роль: сегодня наша публикация получит на 3 шера больше, чем 100 дней назад. Дополнительная тысяча просмотров также добавит в нашу копилку один шер. А вот комментарии почему-то демотивируют пользователей делиться материалами: чем больше комментариев, тем меньше шеров. Но сильно переживать не стоит — чтобы заработать «минус 5» шеров, публикации надо набрать минимум сотню комментариев. В итоге

Рубрика «Стартапы» («Трибуна») на vc.ru — интересная площадка для российских проектов, нацеленных на локальный рынок (и не только — взять, например, MSQRD). Судя по нашей статистике, наиболее активно питчатся в ней проекты, связанные с социальными сетями, электронной коммерцией, облачными сервисами, коммуникациями и управлением задачами.

При этом у аудитории социальные сети и коммуникационные проекты вызывают определенно больше интереса, чем облака или таск-менеджеры. Финтех, медиа и hardware традиционно замыкают этот список. Однако не стоит переживать: стабильный рост уровня вовлеченности для этой площадки говорит о том, что у нее и у участников рубрики «Стартапы» все еще впереди.

Вот еще несколько «занимательных выводов», к которым мы пришли, анализируя рубрику:

Активность аудитории серьезно добавляет тексту просмотров. При этом один комментарий прибавит в копилку 77 просмотров, а один шер в Facebook — еще 17.
Тексты во «ВКонтакте» шерят неохотно и редко. Однако один такой шер добавит материалу сразу 125 просмотров.
Сейчас новые материалы в рубрике «Стартапы» читает (в среднем) чуть меньше людей, чем в первые месяцы существования рубрики. Однако текущая аудитория «Стартапов» намного активнее комментирует и распространяет тексты в соцсетях.
Шеры в соцсетях связаны между собой: чем больше текст распространяют во «ВКонтакте», тем выше этот показатель и в Facebook (10 шеров во «ВКонтакте» тянут за собой еще 6 в Facebook). В обратную сторону этот механизм тоже работает, но на порядок слабее (сотня шеров в Facebook добавит материалу всего 4 шера во «ВКонтакте»).
В Facebook активнее шерят более длинные тексты, во «ВКонтакте» — более короткие.
Между собой количество комментариев и шеров в соцсетях практически никак не связано
Нецифровые проекты аудитория комментирует более охотно.

*** Бонус от редакции — рейтинги статей в рубрике «Стартапы» за 2016 год Топ-15 по числу просмотров

FindFace — сервис знакомств по фотографии (85128 просмотров).
MSQRD — сервис для изменения внешности во время видеочатов в режиме реального времени (74291 просмотр).
SexCheckin — приложение для поиска мест для секса (24028 просмотров).
Goalton — система для организации времени и задач (18837 просмотров).
Kwork — магазин фриланс-услуг, работающий по модели «Всё по 500 рублей» (17193 просмотра).
«Где Шаверма» — приложение для поиска ларьков с шавермой в дополненной реальности (13532 просмотра).
«АлкоЖена» — приложение для контроля своего потребления алкоголя (12817 просмотров).
Blank — мессенджер, где собеседник видит набор сообщения в реальном времени (12752 просмотра).
Timesketch.ru — инструмент для управления собственным временем и жизнью (12378 просмотров).
Happn — приложение для знакомств на основе гипергеолокации (11132 просмотра).
«Ботобот» — платформа для запуска в Telegram чата-магазина с каталогом, корзиной и заказами (10524 просмотра).
Belivl — сервис для постепенных знакомств (10490 просмотров).
Anonym ID — анонимная социальная сеть (10311 просмотров).
«Таксовик» — агрегатор предложений Uber, Gett, «Яндекс.Такси» и таксопарков (9444 просмотра).
Linguamovies — сервис для изучения языков по фильмам, сериалам и телепередачам (9217 просмотров).
Топ-15 по числу комментариев


Blank — мессенджер, где собеседник видит набор сообщения в реальном времени (157 комментариев).
Pravovoz — онлайн-биржа юридических услуг (122 комментария).
Mubert — онлайн-композитор электронной музыки (121 комментарий).
Wawe — социальная сеть с упором на только что созданный контент без фильтров (119 комментариев).
Kwork — магазин фриланс-услуг, работающий по модели «Всё по 500 рублей» (118 комментариев).
ooFind — сервис для поиска и сравнения товаров и услуг (99 комментариев).
Glabex — маркетплейс товаров и услуг (98 комментариев).
FindFace — сервис знакомств по фотографии (96 комментариев).
Master Trener — приложение для онлайн-консультаций с тренерами по фитнесу (95 комментариев).
DamProdam — сайт покупки-продажи подержанной техники (90 комментариев).
Look Price — сервис для поиска предложений от салонов красоты и частных мастеров (82 комментария).
AtletIQ — социальная сеть для тренеров и спортсменов (80 комментариев).
Andgo.travel — приложение для покупки авиабилетов в кредит (79 комментариев).
Pump — мобильный заправщик автомобиля (78 комментариев).
Goalton — система для организации времени и задач (75 комментариев).
«Ёкл.рф» — агрегатор цен в автосервисах Санкт-Петербурга (75 комментариев).
Статьи по теме