Журнал решений

Первая транзакция: как измерить активацию финтех-продукта

Aug 27, 2026 · 12 мин чтения · Nikita Boyarkin

В volta-banking я сначала считал активацией завершение KYC. Когорты вели себя странно: D7 retention у «активированных» размазывался от 8% до 60%, и никакая сегментация по каналу не объясняла разброс. Оказалось — метрика была неверная. KYC в финтехе это compliance, а не value. Настоящая активация — первое осмысленное движение денег по счёту, и разница между «прошёл KYC за 5 минут» и «совершил первую транзакцию за 24 часа» — это разница между retention 8% и 40%.

Кратко

First Value Moment (FVM) в финтех-продукте — момент, когда пользователь впервые получает ценность: совершает покупку по карте, переводит деньги, получает зарплату на счёт. Time to First Value (TTFV) — время от регистрации до этого момента. Пользователи с TTFV < 24 часов имеют в 2–3 раза выше D7 retention и в 3–5 раз выше годовой retention, чем те, кто зависает на пустом счёте. Прямой депозит зарплаты — сильнейший предиктор долгосрочного удержания, а моментальная виртуальная карта поднимает активацию на 25–30%. Эта заметка — разбор того, как я перестал мерить регистрацию и начал мерить транзакцию.

Что такое First Value Moment и почему это не KYC

В SaaS-продуктах активация обычно привязана к первому ценному действию: отправил первую рассылку, подключил источник данных, создал первый дашборд. В финтехе инерция мышления сильнее: команда по умолчанию считает «активированным» того, кто прошёл KYC. Это ошибка категории — KYC это regulator gate, а не value moment. Пользователь после KYC находится в том же состоянии, что и до регистрации: продукт для него ничего не сделал.

First Activation Event (FAE), по фреймворку ProductQuant, должен удовлетворять четырём критериям:

Value delivered — результат, а не процесс. Не «KYC пройден», а «деньги списаны/зачислены».
Happens early — в первой сессии или хотя бы в первую неделю.
Predicts retention — в когортных данных между совершившими и не совершившими событие есть значимый разрыв в удержании.
Operationalizable — событие можно инструментировать и A/B-тестировать.

Benchmark activation rate по индустриям от ProductQuant: средний SaaS — 37.5%, CRM — 42.6%, AI/ML — 54.8%, финтех — 5.0%. Самый низкий показатель среди вертикалей. Это не значит, что финтех-продукты плохие — это значит, что индустрия исторически мерила не ту метрику и не видит реальной активации.

TTFV считается просто:

TTFV = (Время первого ценностного события) − (Время регистрации)

Два слоя активации разделяют: Time to First Value — воспринятая ценность на раннем этапе (первая покупка, первый перевод), и Time to Core Value — формирование привычки, предсказывающей долгосрочное удержание (зарплатный проект, autopay подписок). Без второго слоя первый даёт разовый spike и churn.

Почему активация — отдельная стадия, а не воронка регистрации

Классическая пиратская воронка AARRR неявно предполагает, что Acquisition → Activation — один переход. В финтехе между ними встроены 5 ворот, каждый со своим дроп-оффом:

Ворота	Проблема	Рычаг оптимизации
1. KYC Completion	Ожидание 3–7 дней, мотивация испаряется	Предзагрузка ценности в онбординг (офферы, social proof)
2. Card Issuance	Ожидание пластика 2 недели убивает моментум	Моментальная виртуальная карта / UPI-first flow
3. First Funding	Пустой счёт = ghost account	Партнёрства с payroll, инстант-переводы
4. First Spend	Психологический барьер нового способа оплаты	Кешбек-механика, bill-pay reminders
5. Habit Formation	Разовая трата ≠ retention	Autopay (зарплата, подписки, аренда)

По данным ProductGrowth, ~60% пользователей теряются между KYC и первой транзакцией. Если мерить только KYC completion, эта дыра невидима — дашборд показывает 90% активации, а реальный продукт используют 36%. Именно поэтому активация — отдельная стадия с собственными метриками, триггерами и экспериментами, а не «конец онбординга».

Метрики: TTFV, D7/D30 retention активированных vs нет

Основной набор для активационного анализа в финтехе:

TTFV — время от регистрации до первой транзакции. Считается в часах/днях, распределение сильно скошено (медиана важнее среднего).
Activation rate (24–72 ч) — доля пользователей с первой транзакцией в окне.
D7 retention активированных vs неактивированных — основной sanity check, что метрика действительно предсказывает удержание.
D30 retention с recurring funding — отдельно для тех, у кого есть autopay/зарплата/подписки.
ARPU в первом месяце — чтобы связать активацию с монетизацией.

SQL-скелет для расчёта TTFV и разрыва retention:

WITH first_tx AS (
  SELECT
    u.user_id,
    u.registered_at,
    MIN(t.event_at) AS first_tx_at,
    EXTRACT(EPOCH FROM (MIN(t.event_at) - u.registered_at)) / 3600 AS ttfv_hours
  FROM users u
  JOIN transactions t
    ON t.user_id = u.user_id
   AND t.event_at >= u.registered_at
  GROUP BY u.user_id, u.registered_at
),
activated AS (
  SELECT user_id, ttfv_hours,
         CASE WHEN ttfv_hours <= 72 THEN 1 ELSE 0 END AS activated_72h
  FROM first_tx
),
retention AS (
  SELECT
    a.user_id,
    a.activated_72h,
    MAX(CASE WHEN e.event_at >= a.first_tx_at + INTERVAL '7 days'
              AND e.event_at <  a.first_tx_at + INTERVAL '8 days'
             THEN 1 ELSE 0 END) AS d7
  FROM activated a
  LEFT JOIN events e ON e.user_id = a.user_id
  GROUP BY a.user_id, a.activated_72h
)
SELECT
  activated_72h,
  COUNT(*)                                   AS users,
  AVG(d7)::numeric(4,3)                      AS d7_retention
FROM retention
GROUP BY activated_72h;

Когортный разрез показывает: пользователи с TTFV ≤ 24 часа имеют D7 retention 40–55%, с TTFV 24–72 часа — 25–35%, с TTFV > 72 часов — 8–15%. Разрыв в 3–5 раз сохраняется и на D30, и на годовом retention. Это и есть эмпирическое подтверждение, что первая транзакция — настоящий FAE.

Кросс-индустриальные бенчмарки TTFV (Userpilot, 2025):

Индустрия	Средний TTFV	Цель top-quartile
SaaS (общий)	1д 12ч 23м	< 2 часов
CRM & Sales	1д 4ч 43м	< 2 часов
Fintech & Insurance	1д 17ч 11м	< 1 дня
E-commerce	20–40 мин	< 15 мин
Mobile Apps	10–15 мин	< 5 мин

Сокращение TTFV на 50% даёт +200–300% к retention и +150–250% к монетизации. TTFV < 10 минут снижает CAC на 40–60%.

Кейсы: что работает в реальных нео-банках

Salt Bank (Румыния, 2024)

100 000+ регистраций за первую неделю, но активация ниже цели: пользователи проходили KYC и ждали пластиковую карту, не понимая, что можно платить цифрово. Решение: кнопка «Добавить в Wallet» прямо в онбординге, in-app messaging с акцентом на цифровых платежах сразу после KYC, кампания 5% cashback на первый месяц. Результат: +80% к активации, время до активации сократилось с нескольких дней до < 1 дня, +50% пользователей совершили покупку в течение 7 дней. Кейс Amplitude — пример того, как перенос фокуса с «выпуск карты» на «моментальная цифровая ценность» меняет метрику.

Revolut: «5-минутная петля»

Revolut рассматривал KYC-скорость как growth-фичу, а не compliance. Их viral engine строился на сжатии времени от invite до первого платежа до < 5 минут. Ранняя активация — 30–35%, после оптимизаций — ~90%. KYC «growth bugs»: фикс проблем с камерой/вспышкой ночью, ускорение верификации. Реферальный тест в Румынии: с 2 000 до 64 000 пользователей за 3 дня — KYC-очередь выросла с 1–3 минут до 2 недель. Урок: referral-программы требуют throttling и surge capacity, иначе вирусальный spike убивает активацию очередями.

N26: цена фрикциона

Сравнительный UX-анализ: N26 требовал 132 шага от скачивания до первого платежа против 53 шагов у Revolut. KYC UX рейтинг: −1443 (худший в выборке). Фрикционные точки: повторный ввод логина/пароля внутри KYC-потока, отсутствие progress indicator, заказ физической карты внутри KYC (не security-critical), раздельные экраны для родственных вопросов («US citizen?» / «US taxes?»), отсутствие GPS-префилла адреса и NFC-сканирования паспорта. Вывод: избыточный onboarding убивает mid-funnel dropout до первой транзакции — то есть ровно ту часть воронки, которую команда обычно не видит.

Chime: фокус на funding

Метрики онбординга: 4.5 минуты на заявку, топ-3 по низкому фрикциону в Incognia Fintech Onboarding Friction Index. Ключевое открытие (Plaid case study): пользователи, подключившие внешний банк через Plaid, в 3.2 раза чаще пополняют счёт Chime, тратят в 5 раз больше за первые 12 месяцев и в 3 раза чаще активны через 12 месяцев. Пост-onboarding: ~12 email за первые 15 дней, нуджинг на активацию карты, настройку сбережений и direct deposit. Chime показывает, что активация — это не один event, а последовательность: bank linking → funding → direct deposit → habit.

Qonto (B2B нео-банк)

Многошаговые workflow (агрегация счетов) — высокий дроп-офф. Решение: контекстуальное AI-руководство внутри workflow. Результат: TTFV сократился на 40%, активация фичи «агрегация счетов» выросла с 8% до 16%. B2B-кейс важен тем, что в корпоративном финтехе TTFV длиннее, но механика та же: контекстная помощь в сложных точках workflow даёт измеримый lift.

Niyo, Fi, Jupiter (Индия): провал на пустом дашборде

Все три нео-банка после KYC сбрасывают пользователя на дашборд с нулевым балансом и generic prompt «Пополните счёт». Niyo: сильное позиционирование (zero forex), но gap ожиданий — KYC за 5 минут, потом ожидание карты 5–7 дней. Fi: выигрывает за счёт conversational tone и preview ценности (Jars, аналитика) во время онбординга — эмоциональная вовлечённость до тяжёлой работы. Jupiter: KYC < 2 минуты через DigiLocker, но онбординг «клинический» — скорость без attachment приводит к острому first-transaction problem. Фикс: заменить generic «Add money» на специфические CTA, привязанные к интенту («Пополните, чтобы получить ₹250 cashback на первую покупку» / «Настройте зарплатный проект»).

Иерархия первых транзакций

Не любая первая транзакция одинаково предсказывает retention. По данным MX и ProductGrowth:

Тип транзакции	Влияние на retention	Примечания
Прямой депозит / зачисление зарплаты	Высочайшее	Сильнейший сигнал «primary account». 3–5x retention lift. Leading indicator Month-12 retention (22% → 42% для top-quartile)
Регулярные списания / Autopay	Высокое	10–15+ транзакций/мес или recurring bills в первые 90 дней → в 2.5 раза выше шанс остаться активным через год
Покупка по карте	Умеренное	Критично для активации, но без follow-up funding churn остаётся высоким
P2P / внешний перевод	Низкое–умеренное	Полезно для early funding, но часто one-off

Количественные корреляции (MX): логин в первый месяц → +26% к вероятности цифровой активности через год; логин 4+ дня в первый месяц → +550%; мобильный перевод в первый месяц → +195%; настройка прямого депозита → +76%; агрегация внешних счетов → +48%; цифровой bill pay → на 80% меньше churn.

Отсюда практическое правило: первая транзакция как метрика активации требует типизации. Покупка по карте активирует, но не удерживает. Зарплатный проект и autopay — удерживают. Метрика «первая транзакция» без разбора типа скрывает реальный рычаг.

72-часовое окно и триггеры

~77% пользователей мобильных приложений теряются к 3-му дню (кросс-индустриальный benchmark). Пользователь без funding/транзакции к Day 3 — в зоне severe churn risk. Правило 48 часов: нудж на funding или микро-транзакцию в течение 48 часов резко повышает long-term stickiness.

Тактики триггеров по окнам:

Окно	Тактика	Эффект
0–24 ч	Моментальная виртуальная карта + push «Карта готова — cashback на первую покупку»	+25–30% к активации; open rate 35–45%, CTR 10–15%
0–48 ч	Кешбек с прогресс-баром	Первый кешбек должен быть достижим за 1–2 транзакции
0–72 ч	Зарплатное зачисление — контекстный prompt при поступлении зарплаты	3–5x retention lift
Day 3–7	Реферальный механизм, привязанный к первому платежу, а не к регистрации	+10% к referral rate
Day 7–14	Настройка autopay (подписки, аренда, коммунальные)	Якорение к циклу зарплаты

Два важных нюанса. Во-первых, рефералка должна триггериться на прямое событие — Chime сделал рефералку #1 acquisition driver, но бонус триггерился на direct deposit реферала, а не на скачивание. Во-вторых, earned cashback работает лучше awarded: кешбек, который пользователь «зарабатывает» транзакцией, воспринимается как собственная заслуга и сильнее биндит к продукту, чем просто подаренный бонус.

Как считать и интерпретировать на практике

Вольта-проект научил трём вещам, которые я бы перенёс в любой финтех-анализ активации:

Сначала найти FAE в данных, потом мерить. Сегмент retained (активен на 90-й день, мульти-сессии после 7-го дня) vs churned (был, но пропал после 14-го дня). Сравнить действия первой недели. Выбрать событие, которое retained совершают значительно чаще. Проверить на selection bias и experimental reachability — если событие коррелирует с retention только потому, что его совершают «хорошие» пользователи с длинного канала, это не FAE, а артефакт.
Мерить распределение TTFV, а не среднее. Среднее в финтехе бесполезно — тяжёлый хвост из «открыл счёт и вернулся через 3 месяца» тянет его вверх. Медиана и перцентили (p25, p50, p75, p90) дают картину. График — ECDF TTFV с вертикальными линиями 24ч / 72ч.
Когортный разрез active vs inactive по D7 и D30 — обязательный sanity check. Если разрыва в retention нет, метрика активации неверная. Если разрыв есть, но только на D7, а на D30 выравнивается — это first value без core value, надо искать второе событие (autopay, зарплата).

Python-скелет для проверки FAE:

import pandas as pd

def fae_validation(users: pd.DataFrame, events: pd.DataFrame,
                    candidate_event: str, day_thresholds=(7, 30)) -> pd.DataFrame:
    """Проверяет, предсказывает ли кандидат-событие retention."""
    first_event = (
        events[events.event_name == candidate_event]
        .groupby("user_id")["event_at"].min()
        .rename("first_event_at")
    )
    users = users.join(first_event, on="user_id")
    users["activated"] = users["first_event_at"].notna()
    rows = []
    for d in day_thresholds:
        retained = (
            events[events.event_at >= users.registered_at.min() + pd.Timedelta(days=d)]
            .groupby("user_id").size().rename(f"active_d{d}")
        )
        users = users.join(retained, on="user_id")
        users[f"active_d{d}"] = users[f"active_d{d}"].fillna(0).gt(0).astype(int)
        pivot = users.groupby("activated")[f"active_d{d}"].mean()
        rows.append({
            "day": d,
            "retention_activated": pivot.get(True, 0),
            "retention_not_activated": pivot.get(False, 0),
            "lift": pivot.get(True, 0) / max(pivot.get(False, 0), 1e-6),
        })
    return pd.DataFrame(rows)

Лифт > 2 на D7 и > 3 на D30 — разумный порог для признания события валидным FAE.

Выводы

Мерить активацию первой транзакцией, а не KYC. Fintech benchmark activation rate по KYC — ~100%, по реальному FAE — 5%. Разрыв в 20 раз — это и есть пространство для роста.
Сжать TTFV до < 24 часов. Salt Bank сократили время до активации с нескольких дней до < 1 дня и получили +80% к активации. Моментальная виртуальная карта даёт +25–30% единолично.
Гонять за прямым депозитом. Зарплатное зачисление — сильнейший предиктор Month-12 retention (3–5x lift). Контекстный prompt при поступлении зарплаты («Зарплата пришла — настройте autopay на аренду») работает лучше generic-CTA.
Триггерить в 72-часовое окно. Пользователь без транзакции к Day 3 — почти потерян. Push на funding/микро-транзакцию в первые 48 часов даёт основной lift.
Типизировать первую транзакцию. Покупка по карте активирует, но не удерживает. Зарплатный проект и autopay — удерживают. Метрика «первая транзакция» без разбора типа скрывает реальный рычаг.
Заменить generic CTA на интент-специфичные. «Добавьте X, чтобы получить Y кешбека» / «Настройте зарплатный проект на этот месяц» / «Свяжите внешний счёт» — конкретика бьёт generic «Пополните счёт» на любом сегменте.

← К статьям