Bayram Annakov, PDG d'App in the Air, a passé en revue les pratiques de la
conférence Epic Growth qui peuvent aider à augmenter le taux de rétention de l'utilisateur dans l'application.
Lisez la transcription ci-dessous.
L'utilisateur veut toujours nous dire quelque chose.
Quelqu'un sur la diapositive ci-dessous voit une mauvaise planification. Ici, je vois un message de piétons aux architectes. Une analogie peut être établie avec le produit. Comment les utilisateurs passent-ils vraiment du point «A» au point «B».
Nous concevons l'interface comme nous pensons que l'utilisateur devrait l'utiliser. La tâche du chef de produit est de comprendre ce que les utilisateurs veulent, en fonction de leur chemin le long de l'application et des captures d'écran.
Pourquoi étudier les messages des utilisateurs?
1. L'utilisateur n'est pas un chef de produit
Il y a un proverbe: "L'homme propose, mais Dieu dispose." Vous pouvez l'appliquer au travail des services Web: "Le chef de produit suppose, mais l'utilisateur dispose." Nous ne pouvons pas toujours prédire exactement comment les gens utiliseront l'application. Afin d'analyser la situation dans le temps et de travailler sur les erreurs, il est important de ne pas «marteler» les messages des utilisateurs, mais de les étudier.
2. L'entonnoir n'est pas tout
L'entonnoir est le moyen le plus courant pour étudier les messages des utilisateurs. Cependant, le problème avec les entonnoirs est qu'ils ne suffisent pas à un certain point. Il y a plusieurs raisons à cela:
L'entonnoir simplifie considérablement le comportement complexe et riche des utilisateurs
À gauche, la diapositive montre comment les utilisateurs se comportent sur les écrans de votre produit. À droite, vous voyez comment réduire ce comportement dans un ensemble d'étapes, en supposant que les étapes du mouvement de l'utilisateur sont séquentielles.
L'utilisateur peut accéder à Internet puis basculer vers une autre application, car un SMS avec le message «go back» est arrivé.
L'utilisateur ne va pas clairement au but que vous lui avez fixé. Il est guidé par un comportement complexe et l'entonnoir réduit considérablement son comportement. Cela ne vous permet pas de voir la complexité et la richesse du message de l'utilisateur.
L'utilisateur perd du temps
L'entonnoir ne prend pas en compte l'aspect du temps. Il existe des écrans précis où les utilisateurs passent plus de temps et où moins. Dans notre application, par exemple, nous savons que si un utilisateur lit la politique de confidentialité, il quittera probablement l'application et ne reviendra pas.
À un moment donné, vous sentez que l'entonnoir ne répond plus aux questions qui se posent. Ensuite, vous devez étudier les trajectoires des utilisateurs.
3. Le graphique utilisateur est la clé
Qu'est-ce qu'une trajectoire? Imaginez: vous avez des événements standard (Google Analytics, Firebase, Amplitude). Les événements ont une séquence temporelle. Vous représentez le comportement de l'utilisateur comme une séquence d'actions avec des transitions d'un événement à un autre.
Les nœuds sont des événements (en règle générale, ce sont des écrans). Les transitions sont des sauts entre les écrans. Lorsque nous dessinons une disposition d'écran, nous utilisons à peu près le même outil.
Ce serait cool d'analyser toutes les trajectoires de tous les utilisateurs, de trouver des modèles de comportement et ce qu'ils essaient de nous dire. Mais lorsque le nombre d'utilisateurs dépasse 100 millions par mois, il n'y a pas assez de temps pour une analyse manuelle. Je dois utiliser un outil automatisé.
4. Analyse de fréquence = avantage
Nous avons développé un ensemble d'outils pour suivre la trajectoire des utilisateurs qui achètent et n'achètent pas notre produit. Nous utilisons la matrice de fréquence d'utilisation des produits.
Le long des bords de la diapositive se trouvent différentes cohortes d'utilisateurs. Deux graphiques montrent le pourcentage d'utilisateurs qui achètent notre abonnement dans chaque cohorte. Sur l'axe X - on voit un indicateur de la fréquence d'utilisation des fonctionnalités, sur l'axe Y - les utilisateurs.
Lorsque vous construisez une matrice similaire, vous commencez à voir les différences fondamentales entre une cohorte et une autre. Sachant qu'en conséquence il existe des différences entre la proportion d'utilisateurs qui s'abonnent et la fraction qui ne le fait pas, vous pouvez comprendre quels écrans, événements et actions conduisent à la compréhension de l'utilisateur.
5. Grâce au graphique de groupe, vous pouvez voir des informations
Nous souhaitons examiner la séquence dans laquelle les utilisateurs utilisent les fonctionnalités et construire ce que nous appelons un «graphique de groupe» - un graphique qui caractérise un groupe particulier. Par exemple, les principales fonctionnalités qu'ils utilisent.
De plus, en fonction de votre application ou de vos tâches, vous faites avancer les gens le long du chemin qui vous donne le résultat maximum.
Si vous comprenez clairement que votre produit convient à différentes catégories d'utilisateurs, construisez l'intégration. Vous pouvez également affiner toute la partie du produit pour ce cas d'utilisation.
6. Les cycles entraînent une sortie d'utilisateurs
Lorsque vous obtenez un outil qui analyse automatiquement les graphiques et construit un graphique de transition sur l'une des cohortes, vous commencez à voir des pertes dans ce graphique.
Par exemple, nous avons perdu environ 5% des utilisateurs après l'un des écrans d'intégration sur lesquels l'utilisateur pouvait connecter un calendrier.
Cela se produit en raison de la boucle: l'utilisateur parcourt un ensemble d'écrans, répète les mêmes actions, puis ferme l'application. Les cycles sont très faciles à trouver si vous créez un graphique mathématique - car plus un utilisateur fait de cycles, plus son coefficient de rétention est faible.
7. Comptage dynamique
Nous avons découvert quels cycles de la séquence d'actions des utilisateurs collectés dans la trajectoire contribuent le plus au départ d'une personne. Nous avons commencé à flasher ces cycles.
À l'aide de trajectoires, vous définissez des modèles de comportement des utilisateurs. Pour ce faire, vous pouvez imposer des outils mathématiques prêts à l'emploi, par exemple, la recherche de cycles - ils montreront rapidement quels cycles conduisent à des départs.
Vous vous immergez dans ces cycles, effectuez une contre-vérification sur quelques utilisateurs, visualisez l'ensemble du cycle, comprenez quel est le problème et flashez le cycle. Cela donne instantanément un bénéfice sur le taux de rétention des utilisateurs.
Un bon exemple: imaginez que votre utilisateur arrive dans un aéroport de Dubaï et se perd. C'est l'un des aéroports les plus incompréhensibles en termes de navigation. À un moment donné, il est remarqué par un employé de l'aéroport et pointe en direction de la sortie. Pour votre service, vous pouvez modifier dynamiquement l'interface utilisateur pour maximiser la rétention.
Nous avons pensé: «C'est cool de faire ça au sein de l'entreprise. Mais c’est encore plus amusant de compenser tous ces outils et de permettre aux chefs de produit de les utiliser. »
Travaillez avec Google Analytics ou tout autre outil d'analyse. Un ensemble d'outils vous aidera à créer automatiquement des graphiques et à faire des prévisions du départ d'une personne pour les derniers événements X.
Comment l'analyse évolue-t-elle dans de nombreuses entreprises?
Imaginons que nous ayons deux axes. Une extrémité est «je sais», la seconde est «je ne sais pas». Le deuxième axe agit sur le même principe. L'observation de nombreuses entreprises et l'évolution de l'analytique ont montré que nous évoluons tous dans ce quadrant.
Quelle est la position de retenshing et les outils décrits dans le quadrant?
1. «Nous ne savons que ce que nous savons»
Il s'agit généralement du tableau de bord principal du système d'analyse. Nous savons combien de téléchargements nous avons, utilisateurs, quel est notre revenu. À ce niveau, la «factologie» se produit. Cela ne peut pas être appelé "analytique", juste des informations statistiques. De nombreuses entreprises restent à ce niveau.
2. "Nous savons que nous ne comprenons pas quelque chose"
Ils savent, par exemple, quel taux de rétention ou quel LTV. Ils commencent à mesurer cela de plusieurs façons afin de prédire l'avenir.
Pourquoi mesurer la rétention? Pour prédire le nombre futur d'utilisateurs actifs. Pourquoi mesurer le LTV? Pour comprendre combien nous dépensons et combien en fin de compte nous gagnons de l'utilisateur. Comment relier ces données entre elles? Lorsque nous sommes au stade «nous savons ce que nous ne savons pas», nous les considérons progressivement et essayons de regarder vers l'avenir.
3. «Nous ne savons pas ce que nous savons»
C'est le lieu de la recapture et de nombreuses approches d'apprentissage automatique. Nous savons déjà mesurer les trajectoires des utilisateurs. Nous savons que les utilisateurs essaient de nous dire quelque chose. Mais nous n'analysons pas ces informations. Les outils nous aident à extraire des messages des utilisateurs et à obtenir des informations pour améliorer le produit ou, inversement, le désactiver.
4. «Nous ne savons pas ce que nous ne savons pas»
Lorsque vous traitez avec la recapture, vous devez aller dans cette direction. Cette étape peut être décrite comme devenant astrale en analytique. Vous êtes constamment à la recherche d'idées, essayez de les appliquer à votre produit, vérifiez et analysez les résultats.
Vous trouverez plus de rapports sur le marketing des produits sur le canal
@epicgrowth Telegram.