Поделиться
«Бургер Кинг Россия» перевёл A/B тесты в онлайн с помощью платформы Trisigma от «Авито»
«Бургер Кинг Россия» — классический ритейл-бизнес с молодым цифровым направлением — столкнулся с невозможностью масштабировать продуктовые эксперименты в своих сервисах. Решением стала платформа Trisigma от «Авито»: ее внедрение позволило автоматизировать тесты и перестроить внутренние процессы, заложив основу для управления на основе данных.
A/B эксперименты — это метод проверки гипотез, при котором аудиторию случайным образом делят на несколько групп и показывают им разные версии продукта, интерфейса или сообщения, чтобы на основе измеримых метрик понять, какой вариант больше нравится пользователям. Такой метод позволяет компаниям проверять гипотезы и принимать решения на основе реальных данных и снижать риск ошибки при внедрении новых функций.
А/Б-тестирование используют и компании малого и среднего бизнеса, и крупные игроки, где даже небольшие улучшения интерфейса и логики работы продукта могут повлиять на количество продаж, конверсию и так далее. Команда технологической платформы «Авито» с помощью собственной аналитической платформы Trisigma за несколько лет увеличила количество тестов с нескольких десятков до более чем 4 000 в год.
Похожую трансформацию сегодня проходит и «Бургер Кинг Россия» — компания, которая из классического операционного бизнеса строит цифровую экосистему, решения в которой опираются на данные. В этом кейсе — как компания перестроила процессы, внедрила платформу A/B-тестов и сделала эксперименты частью системы управленческих решений.
Когда старые методы перестали работать
«Бургер Кинг Россия» — бизнес с офлайн-фокусом, где ключевые показатели традиционно измеряются через операционную эффективность ресторанов. Цифровое направление долго оставалось менее приоритетным:оно поддерживало рост выручки и удержание клиентов, но не определяло для ежедневную операционную устойчивость. Параллельно российский рынок фастфуда демонстрирует устойчивый сдвиг в сторону мобильных каналов: в 2024 году, более 70% пользователей оформляют заказы через смартфоны, а онлайн-обороты выросли на 42% в 2025 г. Доставка занимает уже четверть всех заказов, при этом почти половина ресторанов подключены к агрегаторам. На фоне усиливающейся конкуренции и смещения аудитории в мобильные каналы именно digital стал определять лояльность пользователей и способность компании оперативно реагировать на движения рынка.
Существующие подходы к тестированию не соответствовали задачам развития цифровых продуктов компании, таких как приложение или сайт. Основной способ тестирования — формат «ресторан против ресторана», подробнее о котором можно прочитать в этой статье — был унаследован из офлайн-бизнеса: изменения внедряли в отдельных ресторанах и сравнивали ключевые показатели между ними.
В такой методологии почти невозможно обеспечить «идеальную случайность» разделения: точек ограниченное количество, они различаются по региону, сезонности, трафику и операционным условиям, а данных часто недостаточно для уверенного вывода. Поэтому оффлайн-тесты опираются не столько на строгую статистическую значимость, сколько на аккуратный дизайн эксперимента, правильный выбор контрольной группы и точный учет внешних факторов. Это хорошо работало для проверки меню, процессов обслуживания и локальных инициатив, но оказалось слишком неточным для тестирования цифровых функций в приложении и терминалах самообслуживания.
Ранее пользовательские A/B-тесты в приложении проводились с помощью внутреннего инструмента, созданного разработчиками компании несколько лет назад. Он позволял разделять трафик, но не поддерживал параллельные эксперименты и не обеспечивал достаточной точности данных.
Ситуацию усугубляло то, что аналитический отдел внутри компании еще не был развит. Так, до начала 2025 г. дизайн экспериментов нередко разрабатывали финансовые аналитики совместно с продуктовыми менеджерами. Полноценного ревью и системного процесса валидации гипотез не было.
Ограниченность количества ресторанов создавала очередь экспериментов и «бутылочное горлышко»: компания могла проводить не более двух-трех тестов в месяц. В то же время, нормирование по операционным показателям не позволяло оценить влияние изменений на продуктовые метрики в цифровых каналах: конверсию в оформление заказа, возвращаемость и т.д. Чтобы, увидеть эффект, требовались значительные отклонения — 5–10%, тогда как гипотезы в современных цифровых продуктах часто дают эффект в пределах 1–2%.
«До внедрения системного подхода у нас постоянно возникали вопросы к качеству сплитования, нельзя было быть уверенным, что пользователи разбиты на группы равномерно. Это ставило под сомнение достоверность любых результатов, — рассказывает Руслан Шайнуров, руководитель отдела продуктовой аналитики в «Бургер Кинг Россия». — Ситуацию усугубляло отсутствие зрелого ревью: продакты часто запускали эксперименты без участия аналитика или обращались к нам постфактум с просьбой “посчитать” результаты. В половине случаев выяснилось, что они неправильно выбрали метрику или не собрали нужные данные, и эксперимент приходилось перезапускать. Это демотивировало команду и тормозило развитие продукта».
Поиск решения: внутренние доработки или внешняя платформа
К концу 2024 гю «Бургер Кинг Россия» пришел к выводу, что без нового решения развитие цифровых сервисов невозможно масштабировать. Компания рассматривала три сценария: продолжать работать с ограничениями, доработать собственный инструмент или внедрить готовую платформу.
От внутренней разработки отказались по нескольким причинам: не хватало компетенций для проектирования решений, ресурсы были уже распределены, а создание стабильного решения заняло бы много месяцев и потребовало бы значительных инвестиций, без гарантии успеха.
Команда провела исследование рынка и составила матрицу оценки по шести критериям: скорость интеграции, функциональность, стоимость, техническая стабильность ,качество поддержки и локализация сервисов. Опыт работы с Amplitude, от которой пришлось уходить после 2022 г., сделал последний фактор одним из решающих.
Функциональность платформ разделили на три категории: critical (без чего решение не рассматривалось), nice to have (желательные функции на старте) и extra (дополнительные возможности).Такой подход помог структурировать требования и сравнить рыночные решения с реальными задачами бизнеса.
В шорт-лист попали несколько коммерческих и open source-решений, в том числе, Trisigma от «Авито». По совокупности факторов победила Trisigma: зрелая архитектура, высокая производительность, наличие команды с широко известной экспертизой и активная поддержка сделали ее оптимальным выбором.
Внедрение: до двух кварталов на перестройку процессов
Интеграция началась летом 2025 г. и заняла около шести недель. В проекте совместно работали продуктовая, аналитическая, дизайнерская и исследовательская команды — они формировали бизнес-требования и приоритеты. Технический департамент отвечал за архитектурные решения, интеграцию SDK и настройку инфраструктуры, обеспечив стабильную и масштабируемую реализацию продукта.
Внедрение велось параллельно в мобильном приложении и на терминалах самообслуживания, с планом дальнейшего подключения веб-версии. Интеграция в мобильное приложение прошла быстро: SDK встроили без существенных сложностей, и первые эксперименты запустились в кратчайшие сроки.
Терминалы самообслуживания потребовали отдельных доработок, поскольку они работают в режиме непрерывной сессии, что осложняет корректное определение пользователя и распределение аудитории. Команде пришлось адаптировать логику сессий и событий для обеспечения надежности данных.
Помимо технических вопросов, возникли и организационные сложности: бюрократические процессы внутри компании оказались выражены сильнее, чем ожидалось. В ходе интеграции выявились и зоны роста самой Trisigma — документация по некоторым сценариям требовала уточнений. Команда «Авито» активно помогала в решении этих вопросов, оперативно дорабатывая инструкции и консультируя по нестандартным кейсам.
Что изменилось после внедрения
Главный результат проекта — переход от разрозненных и плохо воспроизводимых тестов к управляемому и прозрачному процессу экспериментов, встроенному в продуктовую разработку.
Теперь запуск любого A/B-теста начинается с обязательного документа, который совместно готовят менеджер продукта и аналитик. В нем формулируются гипотеза, бизнес-цель, ключевые и вспомогательные метрики, логика разбиения выборки и ожидаемый эффект. Эксперимент не может быть запущен до прохождения ревью, что снижает риск методологических ошибок и заранее выравнивает ожидания всех участников процесса.
Существенно ускорился и сам цикл экспериментов. Если раньше в мобильном приложении компания запускала в лучшем случае один тест в месяц, то после внедрения платформы стала возможна параллельная работа с сотнями экспериментов без конфликтов по трафику и данным. Это позволило проверять гипотезы быстрее, и принимать решения на основе фактов, а не предположений. Рост скорости обеспечили не только технические возможности платформы, но и изменения в процессах. Обязательное ревью дизайна эксперимента до запуска помогает корректировать слабые формулировки гипотез, неподходящие метрики или некорректный размер выборки еще на старте, экономя время и ресурсы команды и снижая долю перезапусков. Trisigma поддерживает этот подход на уровне инструмента. Платформа требует точного описания критериев метрик и условий эксперимента, автоматически рассчитывает статистические показатели и снижает зависимость от ручных расчетов. Все результаты доступны в едином интерфейсе, а модуль визуализации M42 позволяет отслеживать динамику метрик по дням, сегментам и каналам, делая результаты экспериментов понятными не только аналитикам, но и продуктовым и бизнес-командам.
Выводы: путь к культуре данных
Опыт «Бургер Кинг Россия» показывает, что внедрение платформы A/B-тестирования — прежде всего организационный проект. Технология — лишь инструмент, который заставляет компанию системно думать о данных.
A/B-тесты не должны становиться самоцелью. Их эффективность зависит от зрелости продуктовой культуры, готовности формулировать гипотезы, корректно выбирать метрики, оценивать результаты и делать выводы. Платформа лишь задает рамку, но наполняют ее содержанием люди и процессы.
Сегодня «Бургер Кинг Россия» движется к формированию культуры, основанной на данных: все ключевые решения в цифровых продуктах проходят проверку через эксперимент. Этот подход снижает риск субъективных ошибок и делает развитие продукта прогнозируемым.
Ильяс Домнин, CPO в «Бургер Кинг Россия»
«Мы — ops-first-бизнес, и наше digital-направление достаточно молодо. Многие процессы, включая A/B-тестирование, были унаследованы из офлайна и для цифровых продуктов работали плохо. Методология “ресторан против ресторана” имела фундаментальные ограничения: мы не могли видеть небольшие (до 1%) статически значимые отклонения, а эксперимент, который в digital можно провести за 2 дня, растягивался на 2–3 недели, — рассказывает Ильяс Домнин, CPO в «Бургер Кинг Россия» — Продуктовая культура не может существовать без цифр. Поэтому мы в «Бургер Кинг России» в первую очередь инвестируем в культуру данных».
Саммари: каковы основные выводы из кейса интеграции
- A/B-тестирование — инструмент, а не волшебная кнопка. Перед внедрением новых аналитических инструментов, важно развить базовую экспертизу в продуктовой аналитике и дизайне экспериментов.
- Оцените зрелость процессов. Необходимо определить, где компания находится сейчас и какие проблемы решает. От этого зависит выбор инструмента и глубина интеграции.
- Формализуйте взаимодействие. Продакты, аналитики и разработчики должны говорить на одном языке. Без этого тесты превращаются в случайные попытки.
- Закладывайте время на культурные изменения. Внедрение аналитической платформы — это не только код, но и новые роли, процессы и привычки.
- Не бойтесь итераций. Ошибки, сдвиги сроков и доработки — часть пути. Главное — не останавливаться и продолжать строить систему, основанную на данных.
Короткая ссылка
