https://edu.livedigital.space/auth/signup?to=/
#митап
22 декабря на закрытом митапе встретились команды Skyeng, EasyCode и livedigital. Поводом стал вопрос про вовлеченность: что на самом деле стоит за этим показателем и как он влияет на деньги.
Участники сделали упор на практику: какие сигналы вовлеченности можно увидеть в данных, какие из них действительно связаны с LTV и удержанием, и где школы чаще всего делают неверные выводы, опираясь на формальные метрики.
Skyeng озвучили главную проблему: в онлайн-обучении мы часто знаем, что ученик пришел/не пришел и сделал/не сделал домашку, но почти не понимаем, что происходит по пути: интересно ли ему, понятно ли, присутствует ли он “по-настоящему”.
Получается, что часть реальной вовлеченности остается “за шторками”, если на руках нет данных из урока и поведения в моменте.
Когда школа не видит процесс обучения, она:
Получается, что часть реальной вовлеченности остается “за шторками”, если на руках нет данных из урока и поведения в моменте.
Когда школа не видит процесс обучения, она:
- поздно замечает риски,
- реагирует уже на отвал,
- не понимает, что именно улучшать: преподавателя, формат, контент или инфраструктуру.
Вовлеченность есть, но в реальности видно далеко не все
Сегодня вовлеченность по-прежнему измеряется через показатели, которые проще всего собрать и объяснить бизнесу: посещаемость занятий, регулярность, выполнение уроков и домашних заданий. Эти метрики давно встроены в отчеты, хорошо автоматизируются и создают ощущение контроля над процессом обучения.
И в этом нет ошибки, но все работает только до определенного момента.
Проблема появляется там, где эти показатели начинают воспринимать как исчерпывающее описание вовлеченности. На практике же они фиксируют лишь внешний контур поведения ученика, но почти ничего не говорят о качестве его участия в обучении.
И в этом нет ошибки, но все работает только до определенного момента.
Проблема появляется там, где эти показатели начинают воспринимать как исчерпывающее описание вовлеченности. На практике же они фиксируют лишь внешний контур поведения ученика, но почти ничего не говорят о качестве его участия в обучении.
Ключевой вывод здесь простой, но критически важный: поведенческая активность не равна ценности ученика. Когда модель вовлеченности строится только на кликах, чекбоксах и количественных действиях, она начинает искажать реальность и подталкивать команды к неверным решениям.
Как заметила Дарья Моргось, Product owner виртуального класса Skyeng, не вся вовлеченность проявляется через активные действия. В реальных данных это видно особенно отчетливо. Есть ученики, которые мало говорят на занятиях, редко задают вопросы и совершают минимум видимых действий, но при этом стабильно усваивают материал, дольше остаются в обучении и показывают высокий LTV. Их вклад и ценность для бизнеса может оказаться выше, чем у более шумных участников.
И наоборот, высокая активность сама по себе не гарантирует удержание. Ученик может быть эмоционально включен, часто взаимодействовать с преподавателем и интерфейсом, но быстро выгореть и уйти, если формат или темп обучения ему не подходят.
И наоборот, высокая активность сама по себе не гарантирует удержание. Ученик может быть эмоционально включен, часто взаимодействовать с преподавателем и интерфейсом, но быстро выгореть и уйти, если формат или темп обучения ему не подходят.
Что считается вовлеченностью по умолчанию и почему теперь этого недостаточно
«Если вовлеченность используется как сигнал для удержания, оценки качества обучения или работы преподавателей, ее нельзя ограничивать только тем, что легко посчитать. Иначе система поощряет «громкую» активность и игнорирует тихую, но устойчивую ценность, а именно она чаще всего и формирует долгий LTV»
Product owner виртуального класса Skyeng
Дарья Моргось
Здесь Дарья Моргось и Дмитрий Капралов, CPO EasyCode, углубили разговор. Спикеры увели дискуссию от привычного вопроса «как измерять вовлеченность» к куда более глубокой и сложной постановке задачи: какие сигналы вовлеченности действительно связаны с удержанием, возвратами и LTV.
Команда Skyeng подчеркнула, что их интересует связь метрики вовлеченности с лайфтаймом ученика. Это важный сдвиг мышления. Вовлеченность перестает быть самостоятельной сущностью и превращается в инструмент прогнозирования — способ заранее понять, кто останется, а кто с высокой вероятностью уйдет.
Именно здесь проходит граница между аналитикой ради отчетов и аналитикой ради решений. Метрика, которая:
Вовлеченность имеет смысл только тогда, когда по ней принимаются решения. Неважно, насколько сложной или изящной является метрика, если команда не может ответить на вопрос «что мы сделаем иначе, если показатель изменился», значит, метрика не работает.
Команда Skyeng подчеркнула, что их интересует связь метрики вовлеченности с лайфтаймом ученика. Это важный сдвиг мышления. Вовлеченность перестает быть самостоятельной сущностью и превращается в инструмент прогнозирования — способ заранее понять, кто останется, а кто с высокой вероятностью уйдет.
Именно здесь проходит граница между аналитикой ради отчетов и аналитикой ради решений. Метрика, которая:
- не влияет на продуктовые или методические изменения,
- не помогает вовремя вмешаться и удержать ученика,
- не используется в управлении,
Вовлеченность имеет смысл только тогда, когда по ней принимаются решения. Неважно, насколько сложной или изящной является метрика, если команда не может ответить на вопрос «что мы сделаем иначе, если показатель изменился», значит, метрика не работает.
Вовлеченность как предиктор денег, а не “красивый отчет”
Co-founder livedigital Евгений Чекушкин предложил посмотреть на онлайн-урок под другим углом: это не просто формат проведения занятия, а насыщенный источник данных, который долгое время оставался «черным ящиком» для школ и платформ.
Исторически из урока выносили в лучшем случае субъективные впечатления преподавателя или отзыв ученика. livedigital показывает, что вместо этого можно работать с наблюдаемыми сигналами, которые фиксируют, что именно происходило во время занятия. Что нам в этом помогает?
Исторически из урока выносили в лучшем случае субъективные впечатления преподавателя или отзыв ученика. livedigital показывает, что вместо этого можно работать с наблюдаемыми сигналами, которые фиксируют, что именно происходило во время занятия. Что нам в этом помогает?
- Транскрипции, которые позволяют анализировать содержание урока: что и в каком объеме объяснялось, как строился диалог, где возникали паузы или провалы внимания.
- Динамика активности по ходу занятия, то есть возможность увидеть, как менялось участие учеников и преподавателя во времени, а не оценивать урок одним средним числом.
Отдельное значение имеет анализ того, кто говорил и в какие моменты занятия. Это принципиальный момент: речь идет не просто о включенном микрофоне, а о реальном участии в разговоре. Такой уровень детализации позволяет точнее оценивать баланс урока и включенность участников.
Еще один важный слой данных — метрики качества связи. Переподключения, нестабильность становятся частью оценки учебного опыта. Уровень связи напрямую влияет на вовлеченность, и ни одна методика не компенсирует ситуацию, в которой ученик теряет звук или изображение.
Практический эффект от такого подхода очевиден. Когда школа видит, как именно прошел урок, она может отделить проблемы методики от проблем формата или инфраструктуры. Без этого любая оценка качества обучения остается предположением: непонятно, что именно пошло не так и где нужно вмешиваться.
Еще один важный слой данных — метрики качества связи. Переподключения, нестабильность становятся частью оценки учебного опыта. Уровень связи напрямую влияет на вовлеченность, и ни одна методика не компенсирует ситуацию, в которой ученик теряет звук или изображение.
Практический эффект от такого подхода очевиден. Когда школа видит, как именно прошел урок, она может отделить проблемы методики от проблем формата или инфраструктуры. Без этого любая оценка качества обучения остается предположением: непонятно, что именно пошло не так и где нужно вмешиваться.
Вот так выглядит транскрибация видеозаписи в платформе livedigital
Сигналы из урока, которые раньше оставались невидимыми
«Сигналы из урока позволяют перейти от оценок “хорошо / плохо” к анализу причин. Это критически важно для масштабирования качества обучения: невозможно улучшать то, что не наблюдается. Когда данные из урока становятся частью системы аналитики, решения начинают опираться не на ощущения, а на факты, и именно в этот момент онлайн-обучение перестает быть черным ящиком»
Co-founder livedigital
Евгений Чекушкин
Дмитрий Капралов поделился сильным кейсом школы EasyCode и на наглядном примере показал, что порой вовлеченность строится на простых, понятных и хорошо работающих механиках.
EasyCode — это школа с тысячами учеников и высокой динамикой роста. В их подходе четко прослеживается принцип: не усложнять там, где можно упростить. Вместо попыток сразу измерять тонкие поведенческие сигналы команда начала с базового, но прозрачного инструмента — внутренней мотивационной системы.
Команда внедрила внутреннюю валюту EasyCoin. Ученики получают ее за понятные и измеримые действия: явку на занятия, выполнение домашних заданий, участие в активности. Затем эти баллы можно обменять на реальные призы. Здесь применяются принципы поведенческой экономики, где правильные стимулы формируют устойчивые привычки.
Это говорит о том, что вовлеченность можно повышать разными путями. С одной стороны — через глубокую аналитику, сигналы из уроков и прогнозные модели. С другой — через простые, но хорошо продуманные стимулы, которые делают ожидаемое поведение очевидным и выгодным для ученика. На практике наилучший эффект дает сочетание этих подходов.
Не всегда есть смысл начинать с ML-моделей, сложных сегментаций и многослойных дашбордов. Во многих случаях достаточно понятных правил, прозрачной мотивации и обратной связи, чтобы существенно повысить регулярность и участие учеников.
EasyCode — это школа с тысячами учеников и высокой динамикой роста. В их подходе четко прослеживается принцип: не усложнять там, где можно упростить. Вместо попыток сразу измерять тонкие поведенческие сигналы команда начала с базового, но прозрачного инструмента — внутренней мотивационной системы.
Команда внедрила внутреннюю валюту EasyCoin. Ученики получают ее за понятные и измеримые действия: явку на занятия, выполнение домашних заданий, участие в активности. Затем эти баллы можно обменять на реальные призы. Здесь применяются принципы поведенческой экономики, где правильные стимулы формируют устойчивые привычки.
Это говорит о том, что вовлеченность можно повышать разными путями. С одной стороны — через глубокую аналитику, сигналы из уроков и прогнозные модели. С другой — через простые, но хорошо продуманные стимулы, которые делают ожидаемое поведение очевидным и выгодным для ученика. На практике наилучший эффект дает сочетание этих подходов.
Не всегда есть смысл начинать с ML-моделей, сложных сегментаций и многослойных дашбордов. Во многих случаях достаточно понятных правил, прозрачной мотивации и обратной связи, чтобы существенно повысить регулярность и участие учеников.
Когда простая мотивация работает эффективнее сложных моделей
«Вовлеченность — это не только про измерение, но и про управление. Аналитика отвечает на вопрос “что происходит?”, а мотивационные механики — “как на это повлиять?”. Когда два этих слоя работают вместе, система начинает формировать нужное поведение осознанно»
CPO EasyCode
Дмитрий Капралов
1. Вовлеченность нельзя сводить к одному числу
Это совокупность разных сигналов: поведенческих (действия ученика), контентных (что и как происходило на уроке) и технических (качество связи, стабильность участия). Попытка упаковать все это в одно число неизбежно приводит к потере смысла и искажению картины.
2. Без данных из самого урока любая аналитика остается поверхностной
Посещаемость занятий и выполнение домашних заданий дают лишь внешнее представление о процессе обучения. Они показывают, что ученик был формально присутствующим, но не отвечают на вопрос, как прошел урок и что на нем происходило. Без сигналов из занятия: активности, диалога, качества связи, — аналитика отражает лишь верхушку айсберга.
3. Метрики имеют ценность только тогда, когда по ним принимаются решения
Любая метрика должна быть связана с конкретным действием. Если изменение показателя не ведет к пересмотру формата урока, работе с преподавателем или корректировке продукта, такая аналитика становится бесполезной.
4. Низкая внешняя активность не означает риск отвала
Важно учитывать, что ученики по-разному взаимодействуют с обучением. Тихие, менее заметные участники могут показывать высокий прогресс и долгий лайфтайм, тогда как более активные быстрее выгорать. Универсальные пороги активности часто наказывают не тех и создают ложные сигналы риска.
5. Простые мотивационные механики и сложная аналитика не противопоставляются друг другу
Вовлеченность эффективно растет на стыке подходов. Аналитика помогает понять, что происходит и где проблема, а простые, прозрачные механики — влиять на поведение и формировать привычки. Вместе они работают сильнее, чем по отдельности.
Это совокупность разных сигналов: поведенческих (действия ученика), контентных (что и как происходило на уроке) и технических (качество связи, стабильность участия). Попытка упаковать все это в одно число неизбежно приводит к потере смысла и искажению картины.
2. Без данных из самого урока любая аналитика остается поверхностной
Посещаемость занятий и выполнение домашних заданий дают лишь внешнее представление о процессе обучения. Они показывают, что ученик был формально присутствующим, но не отвечают на вопрос, как прошел урок и что на нем происходило. Без сигналов из занятия: активности, диалога, качества связи, — аналитика отражает лишь верхушку айсберга.
3. Метрики имеют ценность только тогда, когда по ним принимаются решения
Любая метрика должна быть связана с конкретным действием. Если изменение показателя не ведет к пересмотру формата урока, работе с преподавателем или корректировке продукта, такая аналитика становится бесполезной.
4. Низкая внешняя активность не означает риск отвала
Важно учитывать, что ученики по-разному взаимодействуют с обучением. Тихие, менее заметные участники могут показывать высокий прогресс и долгий лайфтайм, тогда как более активные быстрее выгорать. Универсальные пороги активности часто наказывают не тех и создают ложные сигналы риска.
5. Простые мотивационные механики и сложная аналитика не противопоставляются друг другу
Вовлеченность эффективно растет на стыке подходов. Аналитика помогает понять, что происходит и где проблема, а простые, прозрачные механики — влиять на поведение и формировать привычки. Вместе они работают сильнее, чем по отдельности.
Подведем итог