6 lipca 2026Zaktualizowano Fathy Shalaby15 min czytania
Metryki product-led growth: co mierzyć na każdym etapie PLG
Czterowarstwowy stos metryk PLG, z wzorem i zweryfikowanym benchmarkiem dla każdej metryki, przykładem krok po kroku i błędami pomiaru, które zatrzymują lejki self-service.
Udostępnij
Ten artykuł został przetłumaczony z języka angielskiego. Przeczytaj oryginał
Metryki product-led growth mierzą to, co użytkownicy robią w produkcie i co przewiduje przychody: ilu zarejestrowanych dociera do prawdziwej wartości (aktywacja), jak szybko, czy wyrabiają sobie nawyk oraz czy konta się rozwijają i zapraszają innych. Podstawowy zestaw to wskaźnik aktywacji, time to value, product-qualified leads, konwersja free-to-paid, DAU/MAU, net revenue retention i współczynnik wirusowości, analizowane według źródła pozyskania i segmentu klientów.
Najważniejsze wnioski
Konwersja w PLG jest niższa, niż oczekuje większość zespołów nastawionych na sprzedaż: w benchmarkach OpenView z 2022 roku produkty freemium zamieniały w płacących 5% darmowych użytkowników, a bezpłatne okresy próbne 17% (OpenView, 2022).
Śledzenie product-qualified leads lub kont zwiększało o 61% prawdopodobieństwo szybkiego wzrostu w badaniu OpenView i Pendo obejmującym 1000 firm (OpenView, 2023).
Najlepsza net revenue retention wynosi około 110-120% (ChartMogul), ale mediana firm B2B SaaS w 2025 roku wynosiła 82% (ChartMogul, 2025).
Współczynnik wirusowości poniżej 1 nadal pomaga: przy K = 0,3 każde 100 rejestracji przyniesie z czasem około 43 kolejne.
Dlaczego standardowe metryki SaaS nie działają w product-led growth?
W modelu nastawionym na sprzedaż lejek jest liniowy: lead, szansa sprzedaży, demo, zamknięcie. Mierzysz przekazania między ludźmi: MQL, SQL, win rate, cykl sprzedaży.
W PLG przekazań jest niewiele. Lejek jest behawioralny: odkrycie, rejestracja, aktywacja, nawyk, rozwój. Każdy krok zależy od tego, co użytkownik robi w produkcie albo czego nie robi. Mierzysz zachowania, które przewidują przychody, a nie etapy pipeline'u, które je zawierają.
Dlatego przeniesione wprost metryki sprzedażowe wprowadzają zespoły PLG w błąd. „Mamy 10 000 rejestracji” niewiele znaczy, jeśli 9800 osób nigdy nie doświadczyło wartości. „Trial-to-paid wynosi 8%” niewiele znaczy, jeśli nie wiesz, co te 8% zrobiło inaczej.
PLG jest dziś raczej normą niż wyjątkiem. Odsetek podejść napędzanych produktem wśród respondentów OpenView wzrósł z 45% do 55% w latach 2019-2022 (OpenView, 2022). Pytanie, na które odpowiadają metryki PLG, nie brzmi „ile osób jest na którym etapie?”, tylko „jakie zachowania przewidują retencję, rozwój konta i polecenia?”.
Jakie są cztery warstwy metryk product-led growth?
Pogrupuj metryki product-led growth w cztery warstwy. Każda warstwa odpowiada na jedno pytanie i ma od dwóch do czterech metryk wartych śledzenia.
Warstwa 1: jak dobre jest Twoje pozyskiwanie?
W PLG jakość pozyskiwania liczy się bardziej niż wolumen. Dziesięć rejestracji od osób pasujących do Twojego ideal customer profile (ICP) jest warte więcej niż tysiąc z szerokiej kampanii, bo te dziesięć naprawdę używa produktu.
Wskaźnik rejestracji do aktywacji według źródła. Rozbij aktywację według kanału. OpenView ustalił, że najlepsze firmy freemium zdobywają 53% nowych użytkowników z wyszukiwania organicznego i 13% z poleceń napędzanych produktem, wobec 10% z płatnych reklam i 8% z outboundu (OpenView, 2022). Badanie z 2023 roku wykazało, że nadmierne poleganie na płatnym pozyskiwaniu było odwrotnie skorelowane z szybkim wzrostem (OpenView, 2023). Twój własny podział będzie inny; zmierz go, zanim przesuniesz budżet.
Time to first value według segmentu ICP. Ile czasu zajmuje użytkownikowi ICP dotarcie do pierwszego użytecznego rezultatu? Przykład poglądowy: jeśli użytkownicy ICP aktywują się w 3 dni, a spoza ICP potrzebują 10 (i większość odpada wcześniej), znalazłeś zarówno problem z targetowaniem, jak i problem z tarciem w produkcie.
Product-qualified leads (PQL). PQL to rejestracja, która pasuje do Twojego ICP i pokazała zamiar zakupu przez zachowanie w produkcie, na przykład ukończyła krok aktywacji lub osiągnęła limit użycia. Optymalizuj to, a nie surową liczbę rejestracji.
Warstwa 2: czy rejestracje docierają do prawdziwej wartości?
Aktywacja to najważniejsza i najczęściej źle rozumiana metryka PLG. To nie jest „ukończył onboarding”, „zalogował się dwa razy” ani „obejrzał film wprowadzający”. To moment, w którym użytkownik doświadczył na tyle dużo wartości, że prawdopodobnie zostanie. Jest predykcyjna, nie opisowa.
Aby znaleźć swój prawdziwy kamień milowy aktywacji, przeprowadź analizę kohortową. Weź użytkowników zatrzymanych po 30 dniach i znajdź najwcześniejsze zachowanie, które wykonywali znacznie częściej niż ci, którzy odeszli. To zachowanie, a nie to, które zakładał zespół, jest Twoim kamieniem milowym. Pełną metodę opisuje poradnik o aktywacji w SaaS.
Wskaźnik aktywacji (do prawdziwego kamienia milowego). Odsetek rejestracji, które wykonują zachowanie przewidujące retencję. Benchmarki: 34% średnio i 25% mediana w ponad 500 produktach; 36% i 30% dla samego SaaS (Lenny's Newsletter, 2022).
Time to activation. Minuty, godziny lub dni od rejestracji do kamienia milowego. Szybkość ma znaczenie: w danych Amplitude z 2025 roku obejmujących ponad 2600 firm 69% produktów z silną wczesną aktywacją było też w czołówce pod względem retencji po trzech miesiącach, a w połowie wszystkich produktów ponad 98% nowych użytkowników było nieaktywnych dwa tygodnie po pierwszej akcji (Amplitude, 2025).
Odpadanie w aktywacji według kroku. Gdzie użytkownicy odpadają przed kamieniem milowym? 60% odpadu przy „połącz pierwszą integrację” to inny problem niż 60% odpadu przy „zaproś współpracownika”. Ta lista jest Twoim roadmapem onboardingu.
Warstwa 3: czy aktywowani użytkownicy wyrabiają nawyk?
Retencja to silnik procentu składanego w PLG. Aktywowany użytkownik, który odchodzi w drugim miesiącu, nie wnosi nic do poleceń, rozwoju konta ani społeczności.
DAU/MAU (stickiness). Dzienni aktywni użytkownicy podzieleni przez miesięcznych aktywnych użytkowników. Andrew Chen zauważa, że aplikacje powyżej 20% zwykle uchodzą za dobre, a od 50% za światowej klasy, przy czym Facebook historycznie przekraczał 50% (Andrew Chen). Ostrzega też, że ten wskaźnik jest złą metryką dla produktów używanych rzadziej. W narzędziu tygodniowym, na przykład do planowania lub raportowania, użyj tygodniowych aktywnych podzielonych przez miesięcznych aktywnych i oceniaj trend, a nie absolutny cel.
Retencja użycia. Odsetek kohorty rejestracji nadal aktywny po 30 dniach. Respondenci freemium w badaniu OpenView mieli średnio 20%, a wyróżniające się firmy PLG 16% (OpenView, 2022). Dane Userpilot podają retencję w pierwszym miesiącu na poziomie średnio 46,9% w 83 firmach B2B SaaS (Userpilot). Definicje „aktywnego” się różnią, dlatego te dwie liczby tak bardzo się rozchodzą. Porównuj się najpierw z własnymi wcześniejszymi kohortami.
Głębokość adopcji funkcji. Jaki odsetek aktywowanych użytkowników korzysta z więcej niż jednej kluczowej funkcji? Userpilot ustalił, że adopcja kluczowych funkcji wynosi średnio 24,5% (mediana 16,5%) w 181 firmach B2B SaaS (Userpilot). Robocza hipoteza brzmi, że głębsza adopcja podnosi koszt zmiany; sprawdź ją na własnych danych o retencji, zanim zaczniesz działać.
Szerokość użycia w obrębie kont. W B2B PLG adopcja w zespole liczy się bardziej niż adopcja indywidualna. Jeden power user to ryzyko churnu w dniu, w którym odejdzie. Śledź odsetek kont powyżej wybranego przez siebie progu stanowisk, na przykład 3 lub więcej aktywnych tygodniowo stanowisk.
Warstwa 4: czy konta się rozwijają i zapraszają innych?
Stąd bierze się procent składany w PLG i tu większość zespołów zostawia pieniądze na stole.
Net revenue retention (NRR). Przychód zachowany od obecnych klientów po churnie, downgrade'ach i rozwoju kont, zwykle w ujęciu 12-miesięcznym. NRR powyżej 100% oznacza, że baza klientów rośnie bez nowych logo. ChartMogul umieszcza najlepszą NRR w okolicach 110-120%, a dla B2B sprzedającego firmom średnim i enterprise 115-125% (ChartMogul). Mediana jest znacznie niższa: 82% dla firm B2B SaaS powyżej 250 tys. USD ARR w 2025 roku, przy górnym kwartylu na poziomie 97% (ChartMogul, 2025). Znaczenie ma też cena: w danych ChartMogul z 2022 roku 41,1% firm ze średnim przychodem na konto powyżej 500 USD miesięcznie miało NRR powyżej 100% (ChartMogul).
PQL rozwojowe. Użytkownicy w płacących kontach, którzy osiągają limity użycia, często zapraszają współpracowników lub korzystają z zaawansowanych funkcji, to ciepłe leady do rozwoju konta. Kieruj ich do upgrade'u self-service albo do człowieka, zależnie od wartości konta.
Współczynnik wirusowości (K-factor). Ilu nowych użytkowników przyprowadza każdy obecny użytkownik. Wzór Davida Skoka to K = wysłane zaproszenia na użytkownika × konwersja zaproszeń, a K musi przekraczać 1, żeby wzrost był naprawdę wirusowy (For Entrepreneurs). Pokazuje też, że wirusowy czas cyklu, czyli czas jednej pętli zaproszeń, jest ważniejszy niż K: w jego modelu cykl 2-dniowy daje po 20 dniach 20 470 użytkowników, a cykl 1-dniowy przekracza 20 milionów.
Time to expansion. Ile czasu po rejestracji konto zwykle się rozwija? Przykład poglądowy: jeśli mediana rozwoju konta przypada na miesiąc 3, a kontakt zaczyna się w miesiącu 6, tracisz okno. Uruchamiaj działania rozwojowe na podstawie zachowania, a nie kalendarza.
Jakie są wzory metryk PLG?
Metryka
Wzór
Zweryfikowany benchmark
Wskaźnik aktywacji
Użytkownicy osiągający kamień milowy w oknie ÷ rejestracje w kohorcie
Używaj benchmarków do sprawdzenia zdrowego rozsądku, a nie jako celu. Każde źródło inaczej definiuje „aktywnego” i „aktywowanego”, a produktów freemium i z bezpłatnym okresem próbnym nie wolno porównywać ze sobą.
Freemium czy bezpłatny okres próbny: które benchmarki dotyczą Ciebie?
„Historia 1000 odwiedzających” OpenView pokazuje, dlaczego model ma większe znaczenie niż jakikolwiek pojedynczy wskaźnik konwersji (OpenView, 2022):
Na 1000 odwiedzających stronę
Freemium (mediana)
Bezpłatny okres próbny (mediana)
Darmowe rejestracje
60 (6%)
40 (4%)
Konwersja free-to-paid
5%
17%
Płacący klienci
3
7
Skonwertowani bez kontaktu ze sprzedażą
Około 2
Około 1
Freemium tworzy więcej użytkowników i mniej klientów; okresy próbne tworzą mniej użytkowników i więcej klientów. Zespół freemium świętujący konwersję 5% i zespół z okresem próbnym martwiący się 15% mogą oba być na medianie. Wybieraj benchmarki z własnego modelu.
Jak zbudować product-qualified lead (PQL)?
OpenView ustalił, że prawie jedna trzecia firm freemium kontaktowała się z każdą rejestracją, podczas gdy wyróżniające się firmy PLG kontaktowały średnio tylko 14%. Tylko 45% firm freemium i 19% firm nastawionych na sprzedaż miało metrykę PQL (OpenView, 2022). PQL rozwiązuje ten problem, skupiając ludzi na kontach, które prawdopodobnie kupią.
Wybierz wynik. Zwykle konwersja do płacącego w ciągu 30 lub 60 dni albo upgrade do wyższego planu.
Wypisz kandydatów na zachowania. Osiągnięty kamień milowy aktywacji, zaproszeni współpracownicy, osiągnięty limit użycia, obejrzana strona z cennikiem, połączona integracja.
Porównaj konwertujących z niekonwertującymi. Dla rejestracji z ostatnich 3-6 miesięcy znajdź zachowania, które konwertujący wykonywali znacznie częściej.
Dodaj dopasowanie. Połącz zachowanie z dopasowaniem do ICP (wielkość firmy, rola, przypadek użycia), żeby ciekawski student nie wyprzedził 20-osobowego zespołu.
Ustaw próg i kieruj. Powyżej progu odzywa się człowiek albo uruchamia się w produkcie podpowiedź upgrade'u. Poniżej produkt nadal wykonuje swoją pracę.
Sprawdzaj co miesiąc. Zmierz konwersję PQL-to-paid w porównaniu z konwersją nie-PQL. Jeśli różnica jest mała, definicja jest zła.
Efekt może być duży: w badaniu OpenView i Pendo z 2023 roku śledzenie PQL lub kont product-qualified zwiększyło o 61% prawdopodobieństwo szybkiego wzrostu, co było najsilniejszą dźwignią w badaniu (OpenView, 2023). To korelacja z ankiety, a nie dowód, że PQL powodują wzrost, ale żadna inna dźwignia nie była nawet blisko.
Przykład krok po kroku: jak przeczytać lejek PLG od początku do końca
Przykład poglądowy. Załóżmy, że narzędzie B2B w modelu freemium ma 20 000 odwiedzających stronę miesięcznie.
Pozyskiwanie: 6% się rejestruje, co daje 1200 darmowych rejestracji.
Aktywacja: 30% osiąga kamień milowy aktywacji w ciągu 7 dni: 360 aktywowanych użytkowników. Mediana time to activation: 2 dni.
Nawyk: 25% z pierwotnych 1200 jest nadal aktywnych w dniu 30: 300 użytkowników.
Konwersja: 5% rejestracji staje się płacącymi kontami: 60 nowych klientów miesięcznie.
Wirusowość: każdy nowy użytkownik wysyła średnio 2 zaproszenia, a 15% jest przyjmowanych, więc K = 2 × 0,15 = 0,3. Jeśli każdy nowy użytkownik zaprasza tylko raz, zaraz po rejestracji, 1200 rejestracji przyniesie z czasem 1200 × 0,3 ÷ (1 − 0,3) ≈ 514 kolejnych.
Dwanaście miesięcy później klienci, którzy na początku roku płacili 20 000 € MRR, dodali 3000 € rozwoju kont, a stracili 500 € na downgrade'ach i 1500 € na churnie:
Co powinien zrobić ten zespół? Aktywacja (30%) jest blisko mediany SaaS, więc największą dźwignią są prawdopodobnie te 70%, które nigdy się nie aktywują. K na poziomie 0,3 to nie wzrost wirusowy, ale dodaje za darmo około 43% do pozyskiwania, więc skrócenie pętli zaproszeń jest drugą dźwignią. NRR powyżej 100% pokazuje, że obecni klienci znajdują trwałą wartość; chroń ją.
Co powinien pokazywać dashboard PLG i jak często?
Cotygodniowy puls (taktyczny):
Nowe PQL w tym tygodniu w porównaniu z poprzednim
Wskaźnik aktywacji najnowszej 7-dniowej kohorty
Mediana time to activation, ta kohorta w porównaniu ze średnią 30-dniową
Trend tygodniowo aktywnych (lub DAU/MAU dla produktów używanych codziennie)
Przegląd miesięczny (strategiczny):
Wskaźnik aktywacji według źródła pozyskania
Retencja 30/60/90-dniowa według kohorty aktywacji
Rozkład głębokości adopcji funkcji
Odsetek kont powyżej Twojego progu aktywnych stanowisk
NRR i GRR
Pipeline PQL rozwojowych
Kwartalna analiza pogłębiona:
Ponownie przeprowadzić analizę kohortową: czy prawdziwy kamień milowy aktywacji się zmienił?
Podzielić każdą metrykę na ICP i nie-ICP
Trend współczynnika wirusowości i czasu cyklu
Time to expansion według kohorty pozyskania
Wybierz jedną metrykę north star ponad stosem, żeby wszystkie warstwy ciągnęły w tę samą stronę; tutaj opisujemy, jak wybrać metrykę north star. Gdy metryka się zmienia, przetestuj przyczynę, zanim na niej zbudujesz; poradnik testów A/B dla product managerów pokazuje, jak to zrobić.
Jakie są najczęstsze błędy pomiaru w PLG?
1. Użycie złego kamienia milowego aktywacji. „Ukończył checklistę onboardingu” mierzy wypełnienie formularza, a nie wartość. Zrób analizę kohortową i przebuduj wszystko wokół zachowania, które przewiduje retencję.
2. Liczenie miesięcznie aktywnych użytkowników bez segmentacji. Ktoś, kto loguje się raz w miesiącu, żeby odhaczyć powiadomienie, nie jest aktywny w żadnym użytecznym sensie. Segmentuj według głębokości zaangażowania, dopasowania do ICP i potencjału rozwoju.
3. Ignorowanie sygnałów na poziomie zespołu w B2B. Firma, w której jedna osoba intensywnie używa Twojego produktu, jest zagrożona, gdy tylko ta osoba odejdzie. Śledź aktywację, szerokość i wzrost liczby stanowisk na poziomie konta jako pełnoprawne metryki.
4. Traktowanie NRR jak metryki finansowej. Spadająca NRR oznacza, że produkt nie dostarcza wystarczająco trwałej wartości, by uzasadnić odnowienie i rozwój konta. To problem produktu, a nie tylko zarządzania kontami.
5. Budowanie pętli wirusowej na końcu. Jeśli zaproszenia są schowane w Ustawieniach, K będzie bliskie zeru. Umieść udostępnianie w przepływie aktywacji i w pierwszym momencie współpracy oraz skróć czas cyklu.
6. Porównywanie z niewłaściwym benchmarkiem. Produkt freemium oceniany według konwersji bezpłatnych okresów próbnych będzie wyglądał na zepsuty, a produkt AI-native oceniany według klasycznej retencji SaaS będzie wyglądał jeszcze gorzej: ChartMogul wykazał, że firmy AI-native miały w 2025 roku medianę NRR 48% (ChartMogul, 2025). Cennik kształtuje też rozwój kont, więc zastanów się jeszcze raz, czy cennik za stanowisko pasuje do produktu AI.
Kiedy ten stos metryk nie pasuje?
Bardzo wczesne produkty z mniej niż kilkuset rejestracji miesięcznie nie mogą wiarygodnie odczytać retencji kohortowej ani progów PQL; liczby ruszają się przez garstkę użytkowników. Rozmawiaj z użytkownikami i śledź aktywację ręcznie, aż wolumen sprawi, że stos będzie miał sens; ankieta product-market fit daje szybszy obraz przy małym wolumenie. Produkty czysto nastawione na sprzedaż, bez ścieżki self-service, potrzebują metryk pipeline'u, choć aktywacja i NRR nadal mają zastosowanie po zamknięciu transakcji.
Gdzie pasuje Specky
Większość zespołów PLG ma dane. Leżą w PostHog, Pendo i arkuszu, odcięte od decyzji, które powinny wspierać. Specky wczytuje dane analityczne razem z rozmowami z klientami, opiniami i ticketami do Product Graph. Widok Feature Adoption bierze trendy i lejki z PostHog albo wyświetlenia stron z Pendo i pokazuje dla każdej funkcji udział w użyciu oraz trend, wraz z sugestią, by ją rozwinąć, zachować lub wycofać, odświeżaną co tydzień. To wsparcie decyzji, a nie automatyczna lista do wycofania (różnicę opisuje product intelligence vs. product analytics): gdy zmienia się użycie funkcji, możesz otworzyć wywiady i tickety, które wyjaśniają dlaczego, zanim zdecydujesz.
Często zadawane pytania
Jakie są najważniejsze metryki product-led growth?
Najważniejsze metryki product-led growth to wskaźnik aktywacji, time to activation, product-qualified leads, konwersja free-to-paid, net revenue retention i współczynnik wirusowości. Aktywacja liczy się najbardziej na początku, bo przewiduje retencję. Net revenue retention liczy się najbardziej w skali, bo pokazuje, czy obecni klienci nadal znajdują wartość i się rozwijają.
Jaka jest dobra konwersja free-to-paid w PLG?
To zależy od modelu. Benchmarki OpenView z 2022 roku podają medianę 5% darmowych rejestracji dla produktów freemium i 17% dla bezpłatnych okresów próbnych. Porównuj się tylko z produktami w tym samym modelu i śledź wskaźnik według kohorty i źródła pozyskania, a nie jako jedną uśrednioną liczbę.
Czym jest product-qualified lead?
Product-qualified lead to użytkownik lub konto, które pasuje do Twojego ideal customer profile i pokazało zamiar zakupu przez zachowanie w produkcie, na przykład osiągnęło kamień milowy aktywacji, zaprosiło współpracowników lub dotarło do limitu użycia. Zespoły budują go, porównując, co robiły rejestracje konwertujące i niekonwertujące, a następnie kierują konta powyżej progu do sprzedaży lub do podpowiedzi upgrade'u.
Jaka jest dobra net revenue retention?
Według ChartMogul najlepsza NRR wynosi około 110-120%, a dla firm B2B sprzedających firmom średnim i enterprise 115-125%. Mediana jest niższa: 82% dla firm B2B SaaS powyżej 250 tys. USD ARR w 2025 roku, przy górnym kwartylu na poziomie 97%. NRR rośnie wraz z poziomem cen, ponieważ konta o wyższej wartości rzadziej odchodzą i bardziej się rozwijają.
Jak obliczyć współczynnik wirusowości?
Pomnóż średnią liczbę zaproszeń wysyłanych przez każdego użytkownika przez odsetek zaproszeń, które zamieniają się w nowych użytkowników. Dwa zaproszenia przy akceptacji 15% dają K = 0,3. K powyżej 1 oznacza, że każdy użytkownik przyprowadza więcej niż jednego nowego, czyli prawdziwy wzrost wirusowy. Poniżej 1 zaproszenia nadal dodają użytkowników, a największy efekt daje skrócenie cyklu zaproszeń.
Czy DAU/MAU to dobra metryka dla B2B SaaS?
Tylko dla produktów potrzebnych codziennie. Andrew Chen opisuje 20%+ jako dobre, a 50%+ jako światową klasę, ale ostrzega, że wskaźnik wprowadza w błąd w produktach używanych co tydzień lub co miesiąc. Wiele narzędzi B2B ma z natury cykl tygodniowy, więc tygodniowo aktywni użytkownicy podzieleni przez miesięcznie aktywnych, odczytywani jako trend według kohorty, są zwykle lepszą metryką nawyku.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing