Trisigma выходит на рынки СНГ: как A/B-тесты помогают бизнесу проверять гипотезы
По оценке Trisigma, рынок data-решений для бизнеса в этих странах составляет около 414 млн долларов, а потенциальная аудитория — порядка 23 000 компаний. В сегменте платформ для A/B-тестирования компания рассчитывает занять долю 20–25% к 2030 году.
Проверить гипотезу до запуска
A/B-тестирование позволяет компаниям проверять изменения в продукте на части аудитории до их полноценного запуска. Например, бизнес может протестировать новый интерфейс, механику покупки или функцию и оценить, как изменение влияет на конверсию, продажи и другие показатели.
Trisigma объединяет проведение экспериментов, управление аудиторией, расчет продуктовых метрик и анализ результатов в одной системе.
Сегодня платформу в России использует сам Авито, крупнейший классифайд в мире,и более 60 других компаний, включая «Бургер Кинг Россия», «Детский мир», крупные банки и райдтех-компании.
«На рынках Армении, Грузии, Казахстана и Узбекистана мы видим потенциал для готовых технологических решений, которые позволяют компаниям быстрее запускать эксперименты и проверять продуктовые гипотезы вместо создания собственной инфраструктуры с нуля», — говорит руководитель платформы Trisigma Виталий Черемисинов.
По оценке компании, разработка и поддержка собственной платформы для A/B-тестирования обходится в среднем от $600 тыс. в год, тогда как стоимость лицензии готового решения начинается от $30 тыс. в год.
Не только технология
На новых рынках Trisigma предлагает два решения. Essential предназначена для проведения A/B-тестов и управления изменениями в продукте, Enterprise — для расширенного анализа экспериментов и работы с большим количеством метрик.
Платформу можно использовать в формате облачного сервиса (SaaS), развернуть в виртуальном частном облаке (VPC) или на собственной инфраструктуре компании.
Отдельное направление — консалтинг. Команда помогает бизнесу выстраивать процессы экспериментов, разрабатывать метрики и обучать сотрудников работе с данными.
Trisigma в Узбекистане
Узбекистан стал одним из четырех новых рынков платформы. В Ташкенте Trisigma провела митап, посвященный культуре продуктовых экспериментов и работе с данными.
Участники обсудили, как сделать продуктовые команды data-driven, выстроить аналитику, которая помогает принимать бизнес-решения, и оценивать экономический эффект A/B-тестов. Среди спикеров — представители Trisigma, TBC, Uzum и OLX Uzbekistan.
Руководитель платформы Trisigma Виталий Черемисинов более 14 лет работает в области продуктовой аналитики и A/B-тестирования. Он руководил направлениями аналитики и данных, консультировал ВТБ, MOEX, «Аэрофлот», Сбер и Яндекс, а позднее основал EXPF. В 2025 году Авито приобрел платформу EXPF Sigma, а Черемисинов возглавил направление Trisigma.
Виталий Черемисинов — об A/B-тестировании, AI и рынке Узбекистана
Журналист Kursiv Uzbekistan взял интервью у Виталия Черемисинова о культуре экспериментов, экономическом эффекте A/B-тестов, развитии искусственного интеллекта и перспективах Узбекистана.
В вашей практике наверняка были случаи, когда команда была абсолютно уверена, что новое решение улучшит продукт, а A/B-тест показал обратное. Какой такой эксперимент вам запомнился больше всего и чем он закончился?
— Команда одного сервиса продажи билетов проводила масштабный редизайн веб- и мобильной версии продукта. Руководство ожидало невероятного успеха от нового визуального облика. Команда решила проверить его через эксперимент. В итоге оба теста дали отрицательный результат. Это хороший пример того, почему даже большой опыт и сильная продуктовая интуиция не дают гарантии. Пока решение не проверено, оно остается гипотезой — какой бы убедительной она ни казалась. Эксперимент как раз позволяет понять, действительно ли изменение улучшает продукт с точки зрения пользователей и бизнеса.
Есть ли обратная сторона культуры экспериментов? Может ли компания увлечься тестированием настолько, что начнет проверять каждую мелочь и в итоге станет медленнее принимать решения? Где проходит граница между данными и продуктовой интуицией?
— A/B-тестирование действительно добавляет еще один этап в процесс принятия решений. Но здесь можно провести аналогию с QA: без проверки качества тоже быстрее, но рисков гораздо больше.
При этом тестировать каждое изменение действительно не нужно.Все зависит от зрелости компании, масштаба решения и потенциальной цены ошибки.У молодого бизнеса много очевидных точек роста, которые можно реализовывать без сложной экспериментальной инфраструктуры. По мере развития такие решения заканчиваются, изменения становятся менее очевидными, а цена ошибки растет.
Для крупных технологических компаний эксперименты поэтому становятся частью стандартного процесса принятия решений. Изменение, которое кажется очевидным улучшением, на масштабе большой аудитории может неожиданно ухудшить ключевые показатели или пользовательский опыт. Продуктовая интуиция помогает сформулировать сильную гипотезу. Эксперимент нужен, чтобы понять, выдерживает ли она проверку реальностью.
Как искусственный интеллект изменит A/B-тестирование в ближайшие несколько лет? Возможен ли сценарий, когда AI будет сам находить точки роста, формулировать гипотезы, запускать эксперименты и анализировать их результаты?
— Такой сценарий вполне возможен, но его появление зависит не только от развития самих AI-моделей. Чтобы в компании появился AI-аналитик, сначала необходимо привести данные в порядок и централизовать логику расчета метрик. AI не решит проблемы с данными — сначала компании нужно создать качественную основу для его работы. Чтобы AI мог не только анализировать результаты, но и предлагать гипотезы, нужна большая история A/B-тестов с зафиксированными успехами и неудачами. Тогда ее можно использовать как базу знаний, на которую AI сможет опираться при поиске новых гипотез
Если посмотреть на Узбекистан и другие развивающиеся digital-рынки на горизонте трех–пяти лет, что сильнее всего изменится в подходе компаний к данным и продуктовым экспериментам? Что сегодня уже делают зрелые технологические компании, что вскоре станет стандартом и для остальных?
— В первую очередь изменится отношение к качеству данных. Компании всё активнее используют AI, объём данных растет, и без качественной data-инфраструктуры масштабироваться не получится: данные нужно уметь хранить, управлять ими и передавать AI-агентам.
По сути, все упирается в инфраструктуру — для экспериментов, для data-платформ и для AI. Те, кто выстроит ее сейчас, будут быстрее учиться на своих данных. По сути, в зрелых компаниях уже сейчас так работают.
Trisigma выходит на рынки Узбекистана, Казахстана, Армении и Грузии. Как вы оцениваете потенциал этих стран для развития культуры экспериментов?
— Во всех четырех странах мы видим активное развитие цифровых продуктов. При этом у каждого рынка своя специфика: отличаются конъюнктура, спрос и ведущие сегменты экономики. Поэтому подход к каждому из них мы выстраиваем отдельно.
В Узбекистане, например, происходит колоссальный рост ритейла и финансовых продуктов, идет цифровизация, появляются новые форматы торговли и доставки, растет инфраструктура пунктов выдачи и дарксторов. Все это создает пространство для экспериментов.
При этом, многие компании уже переходят от этапа быстрого роста к масштабированию и операционализации процессов. По мере взросления рынка такие решения становятся сложнее, а дальнейший рост все чаще складывается из большого количества небольших улучшений.
Когда фаза бурного роста заканчивается, бизнесу приходится переходить от мотивации к дисциплине. Мне кажется, многие компании на рынках СНГ сейчас находятся именно в этой точке: кому-то такая дисциплина необходима уже сегодня, кому-то понадобится совсем скоро. И те, кто выстроит эту дисциплину сегодня, завтра будут определять, как выглядят цифровые продукты в регионе. Наша задача — быть рядом с местными компаниями на этом пути и помогать им расти не только за счет удачных идей, но и за счет точного понимания их эффекта.
