Bayram Annakov, CEO App in the Air, mengulas praktik di
Epic Growth Conference yang membantu meningkatkan tingkat retensi pengguna dalam aplikasi.
Baca transkrip di bawah ini.
Pengguna selalu ingin memberi tahu kami sesuatu.
Seseorang pada slide di bawah melihat perencanaan yang buruk. Di sini saya melihat pesan pejalan kaki kepada arsitek. Analogi dapat ditarik dengan produk. Bagaimana pengguna benar-benar beralih dari titik "A" ke titik "B".
Kami mendesain antarmuka seperti yang kami pikir pengguna harus menggunakannya. Tugas manajer produk adalah memahami apa yang diinginkan pengguna, berdasarkan jalur mereka di sepanjang aplikasi dan tangkapan layar.
Mengapa mempelajari pesan pengguna?
1. Pengguna bukan manajer produk
Ada pepatah: "Manusia melamar, tetapi Tuhan yang menentukan." Anda dapat menerapkannya pada pekerjaan layanan web: "Manajer produk mengasumsikan, tetapi pengguna yang menentukan." Kami tidak selalu dapat memprediksi dengan tepat bagaimana orang akan menggunakan aplikasi ini. Untuk menganalisis situasi dalam waktu dan mengatasi kesalahan, penting untuk tidak "memalu" pesan pengguna, tetapi untuk mempelajarinya.
2. Corong bukan segalanya
Corong adalah cara paling umum untuk mempelajari pesan dari pengguna. Namun, masalah dengan corong adalah tidak cukup pada titik tertentu. Ada beberapa alasan untuk ini:
Corong sangat menyederhanakan perilaku pengguna yang kompleks dan kaya
Di sebelah kiri, slide menunjukkan bagaimana perilaku pengguna di layar produk Anda. Di sebelah kanan adalah bagaimana Anda mengurangi perilaku ini dalam serangkaian tahapan, dengan asumsi bahwa tahapan gerakan pengguna adalah berurutan.
Pengguna dapat masuk dan beralih ke aplikasi lain, karena SMS dengan pesan "kembali" telah tiba.
Pengguna tidak pergi dengan jelas ke tujuan yang Anda tetapkan untuknya. Ia dibimbing oleh perilaku yang kompleks, dan corong sangat mengurangi perilakunya. Ini tidak memungkinkan Anda untuk melihat kerumitan dan kekayaan pesan pengguna.
Pengguna membuang-buang waktu
Corong tidak memperhitungkan aspek waktu. Ada layar akurat di mana pengguna menghabiskan lebih banyak waktu dan di mana lebih sedikit. Dalam aplikasi kita, misalnya, kita tahu bahwa jika pengguna membaca kebijakan privasi, maka kemungkinan besar dia akan meninggalkan aplikasi dan tidak akan kembali.
Pada titik tertentu, Anda merasa bahwa corong tidak lagi menjawab pertanyaan yang muncul. Maka Anda harus mempelajari lintasan pengguna.
3. Grafik pengguna adalah kuncinya
Apa itu lintasan? Bayangkan: Anda memiliki acara standar (Google Analytics, Firebase, Amplitude). Acara memiliki urutan waktu. Anda mewakili perilaku pengguna sebagai urutan tindakan dengan transisi dari satu peristiwa ke peristiwa lainnya.
Node adalah peristiwa (sebagai aturan, ini adalah layar). Transisi adalah lompatan antar layar. Saat kami menggambar tata letak layar, kami menggunakan alat yang sama.
Alangkah baiknya menganalisis semua lintasan semua pengguna, menemukan pola perilaku dan apa yang ingin mereka sampaikan kepada kami. Tetapi ketika jumlah pengguna melebihi 100 juta per bulan, tidak ada cukup waktu untuk analisis manual. Saya harus menggunakan alat otomatis.
4. Analisis frekuensi = manfaat
Kami telah mengembangkan seperangkat alat untuk melacak lintasan pengguna yang membeli dan tidak membeli produk kami. Kami menggunakan matriks frekuensi penggunaan produk.
Di sepanjang tepi slide adalah kohort pengguna yang berbeda. Dua grafik menunjukkan persentase pengguna yang membeli langganan kami dari setiap kelompok. Pada sumbu X - kita melihat indikator frekuensi penggunaan fitur, pada sumbu Y - pengguna.
Ketika Anda membangun matriks yang sama, Anda mulai melihat perbedaan mendasar antara satu kelompok dan yang lainnya. Mengetahui bahwa sebagai akibatnya ada perbedaan antara proporsi pengguna yang berlangganan dan fraksi mana yang tidak, Anda dapat memahami layar, acara, dan tindakan mana yang mengarah pada pemahaman pengguna.
5. Melalui grafik grup Anda dapat melihat wawasan
Kami tertarik untuk melihat urutan di mana pengguna menggunakan fitur, dan membangun apa yang kita sebut "grafik grup" - grafik yang mencirikan grup tertentu. Misalnya, fitur utama yang mereka gunakan.
Selanjutnya, tergantung pada aplikasi atau tugas Anda, Anda membuat orang bergerak di sepanjang jalan yang memberi Anda hasil maksimal.
Jika Anda benar-benar mengerti bahwa produk Anda cocok untuk berbagai kategori pengguna, maka bangun onboarding. Anda juga dapat mempertajam seluruh bagian produk untuk kasing ini.
6. Siklus menyebabkan arus keluar pengguna
Saat Anda mendapatkan alat yang secara otomatis menganalisis grafik, dan membuat grafik transisi di salah satu kohort, Anda mulai melihat kerugian dalam grafik ini.
Misalnya, kami kehilangan sekitar 5% pengguna setelah salah satu layar orientasi tempat pengguna dapat menghubungkan kalender.
Ini terjadi karena loop: pengguna berjalan di sekitar satu set layar, mengulangi tindakan yang sama, dan kemudian menutup aplikasi. Siklus sangat mudah ditemukan jika Anda membuat grafik matematika - karena semakin banyak siklus yang dibuat pengguna, semakin rendah koefisien retensi.
7. Penghitungan dinamis
Kami menemukan siklus mana dari urutan tindakan pengguna yang dikumpulkan dalam lintasan yang memberikan kontribusi terbesar pada fakta bahwa seseorang pergi. Kami mulai mem-flash siklus ini.
Menggunakan lintasan, Anda menentukan pola perilaku pengguna. Untuk melakukan ini, Anda bisa memaksakan alat matematika yang sudah jadi, misalnya, mencari siklus - mereka akan dengan cepat menunjukkan siklus mana yang mengarah pada fakta bahwa orang pergi.
Anda menyelam ke dalam siklus ini, melakukan pemeriksaan silang pada beberapa pengguna, melihat seluruh siklus, memahami apa masalahnya, dan memutus siklus. Ini secara instan memberikan keuntungan dalam tingkat retensi pengguna.
Contoh yang bagus: Bayangkan bahwa pengguna Anda tiba di bandara Dubai dan tersesat. Ini adalah salah satu bandara yang paling sulit dipahami dalam hal navigasi. Di beberapa titik, ia diperhatikan oleh seorang karyawan bandara dan menunjuk ke arah pintu keluar. Untuk layanan Anda, Anda dapat mengubah UI secara dinamis untuk memaksimalkan retensi.
Kami berpikir: “Ini keren untuk melakukan ini di dalam perusahaan. Tetapi bahkan lebih menyenangkan untuk mengkompensasi semua alat ini dan memungkinkan manajer produk untuk menggunakannya. "
Bekerja dengan Google Analytics atau alat analitik apa pun. Seperangkat alat akan membantu Anda secara otomatis membuat grafik dan membuat prediksi keberangkatan seseorang untuk acara-X terbaru.
Bagaimana analitik berkembang di banyak perusahaan?
Mari kita bayangkan kita memiliki dua sumbu. Salah satu ujungnya adalah "Saya tahu," yang kedua adalah "Saya tidak tahu." Sumbu kedua bertindak berdasarkan prinsip yang sama. Pengamatan banyak perusahaan dan evolusi analitik telah menunjukkan bahwa kita semua bergerak dalam kuadran ini.
Apa posisi retenshing dan alat yang dijelaskan di kuadran?
1. "Kami hanya tahu apa yang kami ketahui"
Biasanya ini adalah dasbor utama dari sistem analitik. Kami tahu berapa banyak unduhan yang kami miliki, pengguna, berapa penghasilan kami. Pada level ini, "factology" terjadi. Ini tidak dapat disebut "analytics", hanya informasi statistik. Banyak perusahaan masih tetap di level ini.
2. "Kami tahu bahwa kami tidak memahami sesuatu"
Mereka tahu, misalnya, tingkat retensi atau LTV mana. Mereka mulai mengukur ini dengan berbagai cara untuk memprediksi masa depan.
Mengapa mengukur retensi? Untuk memprediksi jumlah pengguna aktif di masa mendatang. Mengapa mengukur LTV? Untuk memahami berapa banyak yang kita belanjakan dan berapa banyak pada akhirnya kita dapatkan dari pengguna. Bagaimana cara menghubungkan data ini satu sama lain? Ketika kita berada di tahap "kami tahu apa yang tidak kami ketahui", kami secara bertahap mempertimbangkannya dan mencoba melihat ke masa depan.
3. "Kami tidak tahu apa yang kami tahu"
Ini adalah tempat retensor dan banyak pendekatan pembelajaran mesin. Kami sudah tahu cara mengukur lintasan pengguna. Kami tahu bahwa pengguna mencoba memberi tahu kami sesuatu. Tetapi kami tidak menganalisis informasi ini. Alat membantu kami menarik pesan dari pengguna dan mendapatkan wawasan untuk meningkatkan produk atau, sebaliknya, mematikannya.
4. “Kami tidak tahu apa yang tidak kami ketahui”
Saat Anda berurusan dengan retensor, Anda harus bergerak ke arah ini. Tahap ini dapat digambarkan sebagai astral dalam analitik. Anda terus mencari ide, mencoba menerapkannya dalam produk Anda, memeriksa dan menganalisis hasilnya.
Lebih banyak laporan tentang pemasaran produk dapat ditemukan di saluran Telegram
@epicgrowth .