Ташкент, Узбекистан — Платформа для A/B-тестирования Trisigma, разработанная крупнейшим классифайдом в мире «Авито», выходит на рынки Узбекистана, Казахстана, Армении и Грузии. Компания рассчитывает на растущий спрос на готовые инструменты для анализа данных и проведения продуктовых экспериментов. Первое мероприятие на новых рынках Trisigma провела в Узбекистане.
По оценке Trisigma, совокупный рынок data-решений для бизнеса в четырех странах составляет около 35 млрд рублей, а потенциальная аудитория таких продуктов насчитывает порядка 23 тыс. компаний. В сегменте платформ для A/B-тестирования компания планирует занять 20–25% рынка к 2030 году.
Платформа объединяет управление экспериментами, расчет и хранение продуктовых показателей и анализ результатов. Она автоматизирует проведение A/B-тестов и поэтапный запуск новых функций, а распределение пользователей между группами, обработка результатов и визуализация метрик происходят в единой системе. В 2025 году «Авито» приобрел у EXPF платформу продуктовой аналитики Sigma, что позволило усилить команду Trisigma и расширить возможности решения.
Для новых рынков компания предлагает две версии продукта. Trisigma Essential ориентирована на управление аудиториями экспериментов и выпуском новых версий продукта, а Trisigma Enterprise дает более широкий набор аналитических инструментов. Обе версии можно использовать как облачный сервис, разместить в виртуальном частном облаке или развернуть на инфраструктуре заказчика. Помимо программного решения, команда Trisigma будет оказывать консультационные услуги: обучать продуктовому экспериментированию и математической статистике, помогать выстраивать процессы запуска и анализа тестов, разрабатывать метрики и порядок подготовки данных.
В России Trisigma используют более 60 компаний, среди которых «Бургер Кинг Россия», «Детский мир», крупные банки и сервисы заказа такси.
О том, зачем бизнесу эксперименты, как платформа учитывает требования узбекистанского законодательства к хранению данных и с чего начинать компаниям, которые хотят принимать решения на основе цифр, рассказали сооснователи платформы Sigma: руководитель Trisigma Виталий Черемисинов и продуктовый руководитель Trisigma Искандер Мирмахмадов.
: Объясните простыми словами, что такое A/B-тестирование и зачем компании проводить продуктовые эксперименты?
Искандер Мирмахмадов: A/B-тестирование позволяет проверить практически любую гипотезу, связанную с изменениями в продукте или в бизнесе: продуктовую, техническую, любую другую. Оно нужно, когда есть основания полагать, что принимаемое решение несет определенные риски. В этом случае текущее состояние продукта сравнивается с новым, измененным.
По сути, эксперимент отвечает на простой вопрос: изменение действительно делает продукт лучше или нам только кажется, что делает. Это позволяет на основе статистических выводов убедиться, что, например, небольшое изменение в работе интерфейса сайта принесет дополнительные клики, деньги или другой результат.
Все дальнейшие решения принимаются на основе показателей бизнеса и поведения пользователей: руководитель понимает, приведет изменение к улучшению или, наоборот, ухудшит результат.
Искандер Мирмахмадов / Фото: Trisigma
: Как появилась Trisigma внутри «Авито»?
Виталий Черемисинов: Разработка внутренней платформы Trisigma для тестирования гипотез внутри Авито велась с 2018 года: сначала за нее отвечала небольшая команда; теперь это полноценный технологический продукт, отдельное, растущее и постоянно развивающееся бизнес-направление. В 2025 году Авито приобрел платформу EXPF Sigma, усилил свою экспертизу и экосистему платформы, началось активное масштабирование продукта на b2b-рынке. При этом, Авито продолжает использовать Trisigma как внутренний продукт и в этом смысле является таким же ее пользователем, как и любой другой клиент.
: Что изменилось после сделки?
Виталий Черемисинов: Сделка усилила общую экспертизу и позволила сформировать единый продукт, который мы предлагаем на рынке вместе с сопутствующими услугами. Самой сложной задачей стало объединение двух сильных и зрелых продуктов. У Sigma и Trisigma были свои преимущества, клиенты и подходы к развитию. Когда они оказались в одном портфеле, нам было важно сохранить идентичность каждого решения и не допустить, чтобы одно развивалось в ущерб другому. Это было непросто, но, на мой взгляд, нам удалось найти баланс и в технологиях, и в коммерческой части.
: Чем отличаются версии Essential и Enterprise? Какой компании подойдет каждая из них?
Виталий Черемисинов: Essential берет на себя задачи управления экспериментами: как запустить эксперимент, как показать пользователю конкретные изменения, как сегментировать аудиторию, какие методы разделения на группы и интеграции использовать. Enterprise охватывает не только управление, но и анализ итоговых результатов.
При этом нельзя сказать, что одна версия предназначена для небольших компаний, а другая — для крупных.Здесь важнее не масштаб бизнеса, а то, как в компании уже устроена работа с экспериментами и данными.
Есть компании, у которых уже есть собственная система оценки результатов, и им критически важно решить задачу управления изменениями и разделения аудитории. Есть те, у кого, наоборот, хорошо выстроена рандомизация, но слабее организована оценка результатов. Мы исходим из задач бизнеса и особенностей конкретной компании и стараемся гибко подойти к решению, а не просто предложить готовую коробку.
: Как платформа выглядит в работе? Как проходит путь от гипотезы до решения по результатам теста?
Искандер Мирмахмадов: В платформе можно заранее завести карточку эксперимента и внести туда всю информацию о планируемых изменениях и о том, кто принимает окончательное решение.Там же можно определить,, что нужно передать разработчикам, чтобы полностью реализовать задуманный дизайн эксперимента. То есть это инструмент не только для запуска и принятия решений, но и для проектирования эксперимента и коммуникации внутри команды. Отдельные модули позволяют вести всю информационную базу так, чтобы у всех участников был одинаковый уровень прозрачности.
В платформе предусмотрена ролевая модель: в зависимости от команды сотруднику доступен определенный набор функций.Это особенно важно для крупных клиентов, у которых над продуктом работает много специалистов и представителей бизнеса.
После запуска экспериментан, результаты можно отслеживать по показателям, которые задают аналитики вместе с продуктовыми командами. С помощью встроенных индикаторов платформа показывает, где результат улучшился, а где ухудшился.
Дальше есть развилка. Эксперимент можно остановить — тогда изменения перестают показываться тестовой и контрольной группам, и команда переходит к следующему эксперименту. Второй вариант — распространить изменения на всех пользователей. Для этого не нужно сразу идти к разработчикам и просить их отключить эксперимент: платформа позволяет сделать это самостоятельно. Есть и более сложные сценарии, но под все обычные ситуации продуктовой разработки у нас есть решение.
Виталий Черемисинов / Фото: Trisigma
: Почему среди первых зарубежных рынков оказались Узбекистан, Казахстан, Армения и Грузия?
Виталий Черемисинов: Мы видим здесь активное развитие, особенно в Узбекистане и Казахстане. При этом это совершенно разные страны с разной конъюнктурой, спросом и ведущими сегментами экономики
Первое мероприятие мы решили провести в Узбекистане. Во-первых, здесь впечатляют показатели экономики: по итогам 2025 года ВВП страны вырос на 7,7%, это максимум с 2021 года, а объем экономики превысил $147 млрд. Нам интересно быть частью этого роста. Во-вторых,в стране активно развиваются ритейл, электронная коммерция и финансовые продукты.
Чем быстрее растет рынок, тем дороже становится ошибка — и тем важнее быстро проверять продуктовые гипотезы. Причем не только в онлайне, но и на стыке онлайн- и офлайн-среды.
Хороший пример — сервисы такси. Заказ оформляется в приложении, но сама услуга происходит в городе, и результат зависит от реальных условий: сколько водителей на линии, какие пробки, как распределены спрос и предложение в конкретном районе. Проверить новый тариф или алгоритм назначения машин обычным онлайн-тестом здесь сложнее, нужны специальные методы. Такие сервисы сейчас активно развиваются в регионе, появляется много локальных технологических компаний, на рынок выходят международные компании. Поэтому мы видим большую перспективу в регионе
: Каких клиентов вы видите в Узбекистане в первую очередь?
Виталий Черемисинов: Сейчас мы сосредоточены на трех сегментах: это банки и финтех, телеком-компании, а также электронная коммерция и ритейл. Нам есть что предложить компаниям и в других сферах.
Чаще всего Trisigma используется для экспериментов в онлайн-среде, где пользователь совершает какое-то действие внутри цифровогопродукта.Но платформа позволяет работать и с экспериментами на физических объектах. Кроме того, мы консультируем компании и помогаем проводить эксперименты в офлайн-среде — например, в сервисах такси или при проверке влияния изменения цены на спрос в физических магазинах.
В последнем случае невозможно случайным образом распределить поток посетилелей.Поэтому на тестовую и контрольную группы делятся сами магазины.
В целом нам интересны нестандартные задачи, и мы готовы браться за самые разные проекты.
: Законодательство Узбекистана требует хранить персональные данные граждан на территории страны. Как вы решаете этот вопрос?
Виталий Черемисинов: Основная модель поставки нашего решения не предполагает передачи данных за пределы контура компании. Это формат on premise: полноценная установка на серверах заказчика. Клиент разворачивает решение у себя на локальных серверах и инфраструктуре.
Другой вариант поставки — виртуальное частное облако: решение разворачивается в облачной инфраструктуре клиента. Во всех этих сценариях данные остаются у заказчика и не передаются нам или другим сторонам..
Искандер Мирмахмадов: Стоит добавить, что требования в разных отраслях отличаются. В финансовой сфере строгие регуляторные правила.. В ритейле одним из ключевых факторов является скорость: компаниям важно быстрее запускать изменения и принимать решения.:. Мы держали это в уме, когда определяли модели поставки, и предусмотрели несколько вариантов развертывания для разных сегментов и требований. и требованиям. В тех форматах поставки, которые мы предлагаем, любая команда разработчиков может развернуть решение с нашей поддержкой и по подробной документации.
: Будут ли интерфейс и документация на узбекском языке?
Виталий Черемисинов: В вопросах локализации мы будем ориентироваться на обратную связь пользователей местного рынка. Если увидим потребность в документации или интерфейсе на узбекском языке, обязательно ее учтем
Мы в целом открыты к пожеланиям клиентов — как в развитии самого продукта, , так и публичной документации — и всегда двигаемся от потребностей пользователя.
: Анализ данных — пока новое направление для Узбекистана. Планируете ли вы сотрудничать с университетами и IT-сообществом для подготовки специалистов?
Виталий Черемисинов:. Мы изучаем рынок, следим за тем, как развивается профессиональное сообщество, и открыты к диалогу и возможным форматам сотрудничества.
: Можете привести пример, когда платформа помогла компании добиться результата?
Искандер Мирмахмадов: Важно понимать, что эксперименты — это не просто статья расходов. В перспективе они могут дать гораздо больше, потому что решения становятся более выверенными. Мы в первую очередь смотрим на то, насколько выросло число экспериментов у клиента: на старте это могут быть единицы, а через год — десятки и даже сотни в месяц.
Такие кейсы появляются именно там, где культура экспериментов прижилась и растет — это один из основных показателей, что платформа успешно прижилась и помогает бизнесу расти. Например, одна сеть ресторанов быстрого питания раньше запускала в лучшем случае один тест в месяц, а после внедрения платформы смогла вести параллельно сотни экспериментов без конфликтов по трафику и данным. А у другой компании — цифрового ритейлера — выверенные эксперименты помогли переработать сценарий оформления заказа и снизить долю «неполных» заказов — когда часть товаров в корзине оказывалась недоступна из-за различий в ассортименте на складе и в магазине — с 35% до 4%. Но для нас это следствие зрелой культуры экспериментов, а не самоцель: когда платформа работает и культура высокая, такие результаты у клиентов начинают появляться чаще.
: Какие ошибки компании чаще всего допускают, когда начинают проводить эксперименты?
Искандер Мирмахмадов: Самая частая ошибка — принимать решения на основе экспертного мнения, интуиции или общего ощущения, без достаточного количества данных. Опыт сотрудников, безусловно, важен, но он не заменяет проверку.
Эксперимент показывает, как пользователи на самом деле реагируют на изменения, и подтвердить эти выводы статистически. В итоге решение должно определяться не тем, у кого больше опыта или авторитета, а тем, что показывают данные… Компании, которые только начинают выстраивать культуру работы с данными, часто недооценивают эту разницу.
: По вашей оценке, собственная разработка такой платформы обходится от 50 млн рублей в год. Для какой компании свой инструмент оправдан, а для какой нет?
Виталий Черемисинов: Иногда компании нужно честно признать, что разработка собственных продуктов для работы с данными не является ее ключевой компетенцией.
Прежде всего компании стоит понять, достаточно ли у нее ресурсов и компетенций, чтобы создать и поддерживать такой продукт. Затем — оценить экономику и сопоставить ценность решения с объемом необходимых инвестиций.
Платформа A/B-тестов — такой же продукт, как любой другой, и у него есть своя экономика. Такие платформы не зарабатывают деньги сами по себе, они помогают не терять их вслепую. Например, эксперимент может показать, что новая функция ухудшит ключевые показатели, и тогда компания откажется от ее запуска. Без эксперимента такое изменение могло бы попасть ко всем пользователям…
Можно посчитать, во сколько обойдется собственная разработка, сколько денег уйдет на серверы, адаптацию, поддержку и масштабирование, как будут расти затраты, и сопоставить это со стоимостью внедрения готового решения. Полезно также считать среднюю стоимость одного эксперимента — успешного и неудачного — и принимать решение уже на основе этой экономики..
Понимаю, что как представитель решения могу показаться предвзятым, но на практикев первые несколько лет компании часто выгоднее использовать существующее решение.. Мы видим примеры, когда крупный бизнес сначала пользуется готовым решением,, параллельно создают свое, а затем переходят на него либо вовсе отказываются от перехода и возвращается к готовым вариантам. Показательный пример — OpenAI. У компании, безусловно, были ресурсы для разработки собственной платформы A/B-тестирования, однако с первых лет она использовала Statsig, а впоследствии приобрела компанию целиком.
: Какие шаги вы планируете в Узбекистане на ближайшее время?
Виталий Черемисинов: Мы хотели бы работать со всеми крупными игроками банковского сектора, ритейла и телекома. Более долгосрочная стратегия станет понятна после первого года присутствия на рынке, когда у нас будет достаточно данных и обратной связи. После этого сможем наметить следующие шаги. Пока мы позитивно оцениваем развитие проекта и рассчитываем продолжать движение в этом направлении.
: Что бы вы посоветовали узбекистанской компании, которая хочет начать принимать решения на основе экспериментов?
Виталий Черемисинов: Не бояться начинать и не бояться ошибаться. Первые эксперименты стоит делать смелыми: проверять гипотезы, в которых вы не уверены, и спокойно относиться к тому, что часть из них не подтвердится.
Это нормально: по нашему опыту, лишь около 10% гипотез дают значимый положительный результат, еще 10% — значимый негативный, а остальные не показывают заметного эффекта. При этом отрицательный результат — тоже результат. Иногда самый ценный, потому что он позволяет не масштабировать ошибку.
Каждый такой результат — это знание о пользователях, которое нельзя получить никаким другим способом. Именно так формируется культура, где ошибка становится не провалом, а шагом к лучшему продукту.
