Осведомленность – это первый шаг к любому виду роста пользователей. Перед тем как люди попробуют продукт, они должны узнать о его существовании. Они должны услышать о нем. Кто-то должен рассказать им о нем, или им нужно увидеть рекламу, услышать маркетинговое сообщение, найти ссылку в результатах поиска.
Осведомленность заключается в том, что вы попадаете в поле зрения ваших потенциальных клиентов. И она пересекается с маркетингом (по сути, это и есть маркетинг) в области «маркетинга продукта». Но, конечно, одной осведомленности недостаточно. Что-то должно подтолкнуть человека от простого знания о вашем сервисе к желанию его попробовать.
Привлечение означает превращение потенциального клиента в пользователя или клиента, то есть вы «приобретаете» их для вашей пользовательской базы. (Слово кажется немного спорным, но оно начинается с А (англ. acquisition), поэтому здесь используется.)
Привлечение может иметь разные определения. Загрузка вашего приложения из App Store может считаться привлечением. Посещение сайта и взаимодействие с контентом может считаться привлечением. Одной из бесспорных форм привлечения является регистрация. Если кто-то создает себе учетную запись на вашем сервисе, то вы можете смело считать, что приобрели пользователя.
Часто это воспринимается как ключевой шаг. Приобретен новый клиент – успех достигнут! Однако даже регистрация участника не гарантирует того, что взаимодействие продолжится или что пользователь сделает ценный вклад в успех продукта, не говоря уже про получение дохода. Для того чтобы это произошло, вам нужно, чтобы человек, пробующий ваш продукт, активно пользовался им, то есть стал, как мы говорим, активным пользователем.
Считается, что пользователь «активирован» или стал «активным», если он как-либо осмысленно пользуется продуктом. Многие программы для анализа продуктов по умолчанию ссылаются на пользователя как на активного, если он хотя бы просто отображается в данных. Представьте себе пользователя, который загрузил ваше приложение в понедельник.
Во вторник он был занят и забыл о нем, но в среду что-то (может быть, push-уведомление?) напомнило ему о приложении, он снова зашел в систему и покопался там немного. На выходных, в субботу и воскресенье, он снова пользовался приложением.
Этот пользователь был активен в понедельник, среду, субботу и воскресенье, но в остальные дни недели – нет. Такие люди будут учитываться как еженедельные активные пользователи для недели (один раз) с этими днями (или для двух недель, если периоды времени отсчитываются от середины традиционной недели), и для месяца (или месяцев) с этими днями.
► DAU, WAU, MAU
Специалисты по продуктам, как правило, чаще всего говорят о ежедневных и ежемесячных активных пользователях (я помню, в каком был восторге, когда продукт, которым я руководил, набрал миллион ежемесячных активных пользователей!), а иногда о еженедельных, и все это зависит от периодичности использования продукта. Для обозначения этих понятий могут использоваться аббревиатуры: DAU (ежедневные активные пользователи), WAU (еженедельные активные пользователи) и MAU (ежемесячные активные пользователи). Вы можете провести один интересный анализ – сравнить их в виде пропорции, такой как DAU/WAU или DAU/MAU (часто выражаемой в процентах). Это может показать, является ли общий рост неизменным или он идет вверх/вниз. Например, DAU/MAU говорит вам в среднем о том, сколько дней в месяц обычный пользователь посещает ваше приложение. Соотношение 20 % означает, что они были активны около шести дней в месяц. По эмпирическому правилу 40 % обычно считаются хорошим соотношением, а всё, что превышает 50 %, – это отлично, хотя на самом деле оценка будет варьироваться в зависимости от отраслевых норм.
Проблема с приравниванием «активности» к «появлению» заключается в том, что это преувеличивает показатели, считая людей, которые сливаются или отскакивают (оставляют продукт или сайт вскоре после захода, не сделав ничего содержательного). Поэтому полезно будет учитывать определенное поведение пользователя. (Как правило, вы определяете набор событий, по которым пользователь засчитывается как «активный», а затем идентифицируете всех посетителей за определенный период времени, выполнивших любое из событий в этом наборе.)
По другой модели вы отслеживаете активных в общем понятии пользователей – всех, кто пришел (это может создать приятную «метрику тщеславия», чтобы произвести впечатление на друзей и менее проницательных инвесторов), и дополнительно следите за отдельной метрикой – «вовлеченные пользователи», в которой планка выше, чем у просто активных (требует, например, чтобы пользователи запускали событие из более короткого и строгого списка).
Затем вы даже можете сравнить соотношение вовлеченных пользователей к активным, чтобы увидеть, где еще зевак можно преобразовать в участников. И наконец, чем больше человек вовлечен в ваш продукт, тем больше вероятность того, что вы удержите его в своей пользовательской базе.
По сути, рост продукта зависит от удержания. Без надежного удержания вы можете потратить впустую кучу времени, денег и энергии, повышая осведомленность, приобретая новых пользователей и активируя их. А в итоге обнаружите, что потеряли их в своем дырявом сите, что пытались наполнить ведро без дна.
Удержание значительного процента пользователей, попробовавших ваш продукт, – это единственный верный способ комплексного роста, поэтому вы, скорее всего, потратите больше времени на анализ удержания и поиск сочетания впечатлений, которые наилучшим образом соотносятся с возвращением довольного покупателя, участника или клиента.
Чтобы узнать, насколько хорошо вы удерживаете пользователей, есть один быстрый способ – внимательно изучить новых и возвращающихся пользователей за любой заданный период времени. Если исходное количество возвращающихся пользователей (все пользователи за вычетом новых пользователей) растет, то это хороший знак. Если процент возвращающихся пользователей (от всех пользователей отнять новых и разделить на всех пользователей) растет, это, вероятно, хорошо (но это также может означать, что ваше привлечение новых пользователей прекращает расти).
На первом графике[35] на рис. 6.5 вы можете видеть небольшую тенденцию к росту, поскольку ежемесячно возвращающиеся пользователи приближаются к 50 тысячам и в конечном итоге переваливают за это значение. Второй график показывает, что за тот же период времени процент возвращающихся пользователей заметно вырос – примерно с 14 до 18 % (рост на 4 процентных пункта, или примерно на треть от исходного уровня).
Рис. 6.5. Ежемесячно возвращающиеся пользователи продукта представлены сначала в абсолютном выражении, а затем в процентах
Основа анализа удержания идет глубже, чем сравнение необработанных итоговых данных о новых и возвращающихся пользователях. Полезней отслеживать пользователей в когортах – разбивать на группы по дате появления в системе, а потом мониторить, когда и как часто они возвращаются после этого первоначального появления.
На рис. 6.6 показан анализ еженедельного удержания почти за полгода. Неделя 0 показана на уровне 100 %, то есть люди, активные на этой неделе, являются когортой, которую мы будем отслеживать. Все они по определению были активны на этой базовой неделе. Неделя 1 показывает всего 25 %, то есть чуть более одного из четырех человек, пришедших в базовую неделю, перешли на следующую.
Рис. 6.6. График еженедельного удержания
Ко второй неделе мы приближаемся к 20 %, а дальше через каждую неделю возвращается все меньше людей, и это напоминает знакомую нам модель «длинного хвоста», которая выравнивается где-то на уровне 5 % через несколько недель. Так вот, это не воронка. Ничто не мешает показателям за третью неделю быть выше, чем, например, за вторую, но в действительности такое случается редко. Графики удержания почти всегда так выглядят, но цель состоит в том, чтобы поднять их выше.
► КАК РАССЧИТАТЬ УДЕРЖАНИЕ
Удержание можно рассчитать либо по количеству людей, которые возвращаются в конкретный день (что является строгой формой), либо по пользователям, которые возвращаются в любой из дней до этого дня включительно (более свободный расчет). Оба эти анализа могут показать вам интересные закономерности.
Любую точку с показателями на графике удержания, на примере рис. 6.6, можно также сравнить с еженедельными (ежедневными или ежемесячными) данными по другим когортам. Например, вы узнаёте, что для когорты, показанной на рис. 6.6, на десятой неделе удержание составляло 10 %. Затем вы запускаете такой же график для людей, у которых нулевая неделя начинается на неделю позже, и сравниваете их показатель удержания на десятой неделе с 10 %. Такой тип анализа по временны́м рядам также может быть нанесен на график.
На рис. 6.7 график показывает изменение во времени ежемесячного удержания зарегистрированных пользователей мобильной версии продукта.
Когорты необязательно должны выделяться строго по временны́м промежуткам.
Когорты – это любые группы пользователей, которые объединены с целью сравнения, поэтому вы можете искать данные (в зависимости от того, что вы собираете) по пользователям-левшам или тем, кто старше 50 лет, сформировать группы по языковым предпочтениям и так далее. А затем сравнить их удержание в течение длительного времени, извлечь полезные уроки или отметить преимущества, которые можно получить.
Рис. 6.7. Данные по удержанию зарегистрированных участников среди пользователей мобильной версии продукта