En la
Epic Growth Conference , el CEO de App in the Air, Bayram Annakov, revisó las prácticas que ayudan a aumentar la tasa de retención del usuario en la aplicación.
Lea la transcripción a continuación.
El usuario siempre quiere decirnos algo.
Alguien en la diapositiva a continuación ve una mala planificación. Aquí veo un mensaje de peatones a arquitectos. Se puede establecer una analogía con el producto. ¿Cómo van realmente los usuarios del punto "A" al punto "B"?
Diseñamos la interfaz de la forma en que pensamos que el usuario debería usarla. La tarea del gerente de producto es comprender qué quieren los usuarios, en función de su ruta a lo largo de la aplicación y las capturas de pantalla.
¿Por qué estudiar mensajes de usuario?
1. El usuario no es gerente de producto
Hay un proverbio: "El hombre propone, pero Dios dispone". Puede aplicarlo al trabajo de los servicios web: "El gerente de producto asume, pero el usuario dispone". No siempre podemos predecir exactamente cómo las personas usarán la aplicación. Para analizar la situación a tiempo y trabajar en los errores, es importante no "criticar" los mensajes de los usuarios, sino estudiarlos.
2. El embudo no lo es todo
El embudo es la forma más común de estudiar los mensajes de los usuarios. Sin embargo, el problema con los embudos es que no son suficientes en cierto punto. Hay varias razones para esto:
El embudo simplifica enormemente el comportamiento complejo y rico del usuario
A la izquierda, la diapositiva muestra cómo se comportan los usuarios en las pantallas de su producto. A la derecha se muestra cómo reduce este comportamiento en un conjunto de etapas, suponiendo que las etapas del movimiento del usuario sean secuenciales.
El usuario puede ingresar y luego cambiar a otra aplicación, porque ha llegado un SMS con el mensaje "volver".
El usuario no va claramente a la meta que le has establecido. Se guía por un comportamiento complejo, y el embudo reduce en gran medida su comportamiento. Esto no le permite ver la complejidad y riqueza del mensaje del usuario.
El usuario está perdiendo el tiempo.
El embudo no tiene en cuenta el aspecto del tiempo. Hay pantallas precisas donde los usuarios pasan más tiempo y menos. En nuestra aplicación, por ejemplo, sabemos que si un usuario lee la política de privacidad, lo más probable es que abandone la aplicación y no regrese.
En algún momento, siente que el embudo ya no responde las preguntas que surgen. Luego tienes que estudiar las trayectorias de los usuarios.
3. El gráfico de usuario es la clave
¿Qué es una trayectoria? Imagínese: tiene eventos estándar (Google Analytics, Firebase, Amplitude). Los eventos tienen una secuencia de tiempo. Usted representa el comportamiento del usuario como una secuencia de acciones con transiciones de un evento a otro.
Los nodos son eventos (como regla, son pantallas). Las transiciones son saltos entre pantallas. Cuando dibujamos un diseño de pantalla, usamos aproximadamente la misma herramienta.
Sería genial analizar todas las trayectorias de todos los usuarios, encontrar patrones de comportamiento y lo que intentan decirnos. Pero cuando el número de usuarios supera los 100 millones por mes, no hay tiempo suficiente para el análisis manual. Tengo que usar una herramienta automatizada.
4. Análisis de frecuencia = beneficio
Hemos desarrollado un conjunto de herramientas para rastrear la trayectoria de los usuarios que compran y no compran nuestro producto. Utilizamos la matriz de frecuencia de uso del producto.
A lo largo de los bordes de la diapositiva hay diferentes cohortes de usuarios. Dos gráficos muestran el porcentaje de usuarios que compran nuestra suscripción de cada cohorte. En el eje X, vemos un indicador de la frecuencia de uso de las funciones, en el eje Y, usuarios.
Cuando construyes una matriz similar, comienzas a ver las diferencias fundamentales entre una cohorte y otra. Sabiendo que, como resultado, existen diferencias entre qué proporción de usuarios se suscribe y qué fracción no, puede comprender qué pantallas, eventos y acciones conducen a la comprensión del usuario.
5. A través del gráfico grupal puedes ver ideas
Estamos interesados en observar la secuencia en la que los usuarios usan las funciones y construir lo que llamamos un "gráfico de grupo", un gráfico que caracteriza a un grupo en particular. Por ejemplo, las características clave que utilizan.
Además, dependiendo de su aplicación o tareas, hace que las personas se muevan a lo largo del camino que le brinda el máximo resultado.
Si comprende claramente que su producto es adecuado para diferentes categorías de usuarios, cree la incorporación. También puede agudizar la porción completa del producto para este caso de uso.
6. Los ciclos conducen a una salida de usuarios
Cuando obtiene una herramienta que analiza automáticamente los gráficos y crea un gráfico de transición en una de las cohortes, comienza a ver pérdidas en este gráfico.
Por ejemplo, perdimos aproximadamente el 5% de los usuarios después de una de las pantallas de incorporación en las que el usuario podía conectar un calendario.
Esto sucede debido al bucle: el usuario recorre un conjunto de pantallas, repite las mismas acciones y luego cierra la aplicación. Los ciclos son muy fáciles de encontrar si construye un gráfico matemático, porque cuantos más ciclos haga un usuario, menor será su coeficiente de retención.
7. Conteo dinámico
Descubrimos qué ciclos de la secuencia de acciones del usuario recopilados en la trayectoria hacen la mayor contribución al hecho de que una persona se va. Comenzamos a mostrar estos ciclos.
Usando trayectorias, usted define patrones de comportamiento del usuario. Para hacer esto, puede imponer herramientas matemáticas listas para usar, por ejemplo, la búsqueda de ciclos: mostrarán rápidamente qué ciclos conducen al hecho de que las personas se van.
Se sumerge en estos ciclos, realiza una verificación cruzada de un par de usuarios, visualiza el ciclo completo, comprende cuál es el problema y muestra el ciclo. Esto proporciona al instante una ganancia en la tasa de retención de usuarios.
Un buen ejemplo: imagine que su usuario llega a un aeropuerto de Dubai y se pierde. Este es uno de los aeropuertos más incomprensibles en términos de navegación. En algún momento, un empleado del aeropuerto lo nota y señala en la dirección de la salida. Para su servicio, puede cambiar dinámicamente la interfaz de usuario para maximizar la retención.
Pensamos: “Es genial hacer esto dentro de la empresa. Pero es aún más divertido compensar todas estas herramientas y permitir que los gerentes de producto las usen ".
Trabaja con Google Analytics o cualquier herramienta de análisis. Un conjunto de herramientas lo ayudará a construir automáticamente gráficos y hacer predicciones de la partida de una persona para los últimos eventos X.
¿Cómo está evolucionando la analítica en muchas empresas?
Imaginemos que tenemos dos ejes. Un extremo es "Lo sé", el segundo es "No sé". El segundo eje actúa sobre el mismo principio. La observación de muchas empresas y la evolución de la analítica ha demostrado que todos nos estamos moviendo dentro de este cuadrante.
¿Cuál es la posición de retenshing y las herramientas descritas en el cuadrante?
1. "Solo sabemos lo que sabemos"
Por lo general, este es el tablero principal del sistema de análisis. Sabemos cuántas descargas tenemos, usuarios, cuánto es nuestro ingreso. En este nivel, se produce "factología". Esto no se puede llamar "análisis", solo información estadística. Muchas empresas aún permanecen en este nivel.
2. "Sabemos que no entendemos algo"
Saben, por ejemplo, qué tasa de retención o qué LTV. Comienzan a medir esto de muchas maneras para predecir el futuro.
¿Por qué medir la retención? Para predecir el número futuro de usuarios activos. ¿Por qué medir LTV? Para comprender cuánto gastamos y cuánto al final ganamos del usuario. ¿Cómo relacionar estos datos entre sí? Cuando estamos en la etapa de "sabemos lo que no sabemos", los consideramos gradualmente y tratamos de mirar hacia el futuro.
3. "No sabemos lo que sabemos"
Este es el lugar de retensorización y muchos enfoques de aprendizaje automático. Ya sabemos cómo medir las trayectorias de los usuarios. Sabemos que los usuarios están tratando de decirnos algo. Pero no analizamos esta información. Las herramientas nos ayudan a extraer mensajes de los usuarios y obtener información para mejorar el producto o, por el contrario, desactivarlo.
4. "No sabemos lo que no sabemos"
Cuando trabajas con retensores, debes moverte en esta dirección. Esta etapa puede describirse como astral en análisis. Constantemente busca ideas, intenta aplicarlas en su producto, verifica y analiza los resultados.
Se pueden encontrar más informes sobre la comercialización del producto en el canal
@epicgrowth Telegram.