รายละเอียดของคุณถูกต้องหรือไม่? สาเหตุของความเสียหายต่อ glomerulus ของไต

สิ่งพิมพ์นี้เผยแพร่โดยเป็นส่วนหนึ่งของชุดเนื้อหาเกี่ยวกับการวัดเกมจากเว็บไซต์และ devtodev บทความจะถูกแบ่งตามฤดูกาล โดยแต่ละบทความจะเน้นไปที่หัวข้อเฉพาะ ซีซันที่สองเรียกว่า "ผู้ใช้" ในนั้นเราพูดถึงตัวชี้วัดทางธุรกิจที่สะท้อนถึงประสิทธิภาพของแอปพลิเคชันในแง่ของการทำงานกับผู้ชม

เวร่า คาร์โปวา

ผู้ชมของโครงการเต็มไปด้วยผู้ใช้ใหม่ทุกวัน บางคนหมดความสนใจอย่างรวดเร็ว บางคนจำแอปพลิเคชั่นได้ และบางคนก็ใช้งานเป็นประจำ และบางทีตัวแทนของกลุ่มทั้งหมดเหล่านี้อาจลงชื่อเข้าใช้แอปพลิเคชันทุกวัน วันนี้เราจะพูดถึงพวกเขา - ผู้ใช้ที่ใช้งานอยู่.

ผู้ใช้ที่ใช้งานอยู่– เหล่านี้คือผู้ที่มีเซสชันอย่างน้อยหนึ่งครั้งในช่วงเวลาที่ศึกษา ช่วงเวลาเหล่านี้อาจแตกต่างกัน แต่ส่วนใหญ่มักจะศึกษากลุ่มเป้าหมายรายวัน รายสัปดาห์ และรายเดือนของโครงการ และตัวบ่งชี้เหล่านี้ได้ตั้งชื่อ:

• ดีเอยู– จำนวนผู้ใช้ที่ไม่ซ้ำต่อวัน (ผู้ใช้ที่ใช้งานรายวัน)
• วอจำนวนผู้ใช้ที่ไม่ซ้ำต่อสัปดาห์ (ผู้ใช้ที่ใช้งานรายสัปดาห์)
• เมา– จำนวนผู้ใช้ที่ไม่ซ้ำต่อเดือน (ผู้ใช้ที่ใช้งานรายเดือน)

ในเวลาเดียวกัน คุณสามารถทำการคำนวณที่คล้ายกันสำหรับช่วงเวลาอื่นๆ ได้หากตรงกับข้อกำหนดของบริษัทมากกว่า ตัวอย่างเช่น เมื่อสรุปผลลัพธ์ของปีที่ส่งออก คุณสามารถคำนวณผู้ชมประจำปีของโครงการและเปรียบเทียบกับปีก่อนหน้าเพื่อประเมินไดนามิก

เป็นที่น่าสังเกตว่า WAU สำหรับสัปดาห์ที่กำหนดไม่ใช่ผลรวมของ DAU สำหรับ 7 วัน, เพราะ เรากำลังพูดถึงเกี่ยวกับผู้ใช้ที่ไม่ซ้ำ ตัวอย่างเช่น หนึ่งในนั้นอาจเข้าสู่ระบบแอปพลิเคชันในวันจันทร์และอังคาร และจะจบลงทั้งใน DAU วันจันทร์และ DAU วันอังคาร แต่ภายในหนึ่งสัปดาห์ (ตั้งแต่วันจันทร์ถึงวันอาทิตย์) จะนับเพียงครั้งเดียว
ในทำนองเดียวกัน MAU ไม่ใช่ผลรวมของ 4 WAU และ 30 DAU จากมุมมองการคำนวณ ตัวบ่งชี้เหล่านี้ไม่ได้เชื่อมโยงถึงกันและคำนวณแยกกัน

เพื่อให้เข้าใจตัวบ่งชี้เหล่านี้ได้ดีขึ้น เรามาคำนวณโดยใช้ตัวอย่างกัน

สมมติว่าเรามีข้อมูลเกี่ยวกับการเข้าชมแอปพลิเคชันโดยผู้ใช้หลายรายในช่วง 2 สัปดาห์ ในกรณีนี้ ไม่ว่าผู้ใช้จะเข้าสู่โครงการกี่ครั้งก็ตาม เนื่องจากเขาจะยังคงเป็นผู้เข้าชมที่ไม่ซ้ำรายหนึ่ง

วันที่ผู้ใช้เข้าถึงแอปพลิเคชันจะถูกทำเครื่องหมายด้วยสีน้ำเงิน

ดังนั้น เรามาคำนวณ DAU สำหรับวันที่ 1, 2, 5 และ 10 กันก่อน ในการดำเนินการนี้ คุณจำเป็นต้องทราบจำนวนผู้ใช้ที่ไม่ซ้ำกันที่เข้าถึงแอปพลิเคชันในปัจจุบัน:

• วันที่ 1 DAU = 2 (ผู้ใช้ 1 และ 4);
• วันที่ 2 DAU = 3 (ผู้ใช้ 2,4,5);
• วันที่ 3 DAU = 3 (ผู้ใช้ 2,3,4);
• วันที่ 10 DAU = 0 (ปัจจุบันไม่มีใครลงชื่อเข้าใช้แอป)

• ในสัปดาห์แรก (ตั้งแต่วันที่ 1 ถึงวันที่ 7) เท่ากับ 5 - ผู้ใช้ทั้งหมดเข้าสู่โครงการ
• ในสัปดาห์ที่สอง (ตั้งแต่วันที่ 8 ถึงวันที่ 14) ตัวบ่งชี้นี้มีอยู่แล้ว 3 - ผู้ใช้คนแรกและคนที่สองไม่ได้ทำเซสชัน

คุณยังสามารถเลือกสัปดาห์ที่ต้องการได้ เช่น ตั้งแต่วันที่ 3 ถึงวันที่ 9 จากนั้น WAU จะเท่ากับ 4

ในตัวอย่างของเรา มีผู้เข้าร่วมเพียง 5 คน แต่ในโครงการจริงจะมีผู้ใช้นับพันนับแสนล้านคนที่เยี่ยมชมผลิตภัณฑ์ทุกวัน และวิธีที่พวกเขาเข้าถึงแอปพลิเคชันพูดถึงความเสถียร คุณภาพ และขนาด

นอกจาก ผู้ใช้ที่ใช้งานอยู่เป็นตัวบ่งชี้ที่เหมาะสมในการติดตามแบบเรียลไทม์เพราะหากมีสิ่งใดขัดข้องในแอปพลิเคชันหรือบนเซิร์ฟเวอร์ และผู้ใช้ไม่สามารถใช้ผลิตภัณฑ์ได้ ตัวชี้วัดนี้จะได้รับผลกระทบทันที สำหรับการควบคุมดังกล่าว คุณสามารถจัดกลุ่มผู้ใช้ได้ไม่ใช่ตามวัน แต่ตามชั่วโมงหรือช่วงเวลา 10 นาที

อย่างไรก็ตาม ผู้ใช้ที่ใช้งานอยู่ในแอปพลิเคชันในปัจจุบันจะเป็นตัวชี้วัดแยกต่างหากที่มีชื่อของตัวเอง บ่อยที่สุดสิ่งนี้ ผู้ใช้ออนไลน์แต่คุณยังสามารถค้นหาคำย่อเช่น CCU (ผู้ใช้พร้อมกัน)– ผู้ใช้ที่อยู่ในแอปพลิเคชันมา ช่วงเวลาหนึ่ง, และ PCCU (ผู้ใช้พร้อมกันสูงสุด) – ปริมาณสูงสุดผู้ใช้พร้อมกันในแอปพลิเคชัน

CCU โดยเฉลี่ยสะท้อนถึงขนาดของโปรเจ็กต์ได้ดี และ PCCU มีความสำคัญมากในการวางแผนโหลดบนเซิร์ฟเวอร์

พลวัตของผู้ใช้ที่ใช้งานอยู่สามารถเปลี่ยนแปลงได้ไม่เพียงแต่ภายในวันเท่านั้น แต่ยังสามารถค่อยๆ เพิ่มขึ้นหรือลดลงทีละเดือน และการควบคุมมันค่อนข้างสำคัญ การแบ่งส่วนช่วยลดความซับซ้อนในการวิเคราะห์การเปลี่ยนแปลงจำนวนผู้ใช้ที่ใช้งานอยู่ ด้วยเหตุนี้คุณจึงสามารถเข้าใจได้อย่างรวดเร็วว่าผู้ใช้กลุ่มใดที่รับผิดชอบต่อการเปลี่ยนแปลงตัวบ่งชี้

ต่อไปนี้คือตัวเลือกบางส่วนสำหรับการแบ่งกลุ่มผู้ชมที่ใช้งานอยู่ของคุณ

สำหรับการชำระเงิน:

• จ่าย/ไม่จ่าย
• ชำระเพียง 1 ครั้ง / ชำระซ้ำ

ตามวันที่นับจากการติดตั้ง:

• 1 วัน / 2-7 วัน / 8-14 วัน / 15-30 วัน / 30- 60 วัน / 60+ วัน

ตามความถี่ของการเข้าชม:

• ทุกวัน / 4-6 ครั้งต่อสัปดาห์ / 1-2 ครั้งต่อสัปดาห์ / เดือนละครั้งหรือน้อยกว่านั้น

คุณสามารถแบ่งตามประเทศตามอุปกรณ์ได้ ระบบปฏิบัติการตามเหตุการณ์ที่กำหนดเอง (นั่นคือ แบ่งผู้ชมออกเป็นผู้ใช้ที่ทำและไม่ได้ทำสิ่งนี้หรือการกระทำนั้น)

สามารถใช้ตัวเลือกการแบ่งส่วนสุดท้ายได้หากแอปพลิเคชันมี เหตุการณ์สำคัญสำคัญสำหรับความสมบูรณ์ของประสบการณ์การเล่นเกมหรือการสร้างความประทับใจแรกพบที่ถูกต้องของผลิตภัณฑ์ (เช่น การฝึกสอนให้เสร็จสิ้น ระดับ N ในเกม หรือการเข้าสู่ร้านค้า)

เมื่อคุณระบุกลุ่มที่กำลังประสบกับจำนวนผู้ใช้งานที่ลดลงแล้ว การค้นหาก็จะง่ายขึ้น เหตุผลที่เป็นไปได้ปัญหา.

นี่คือสิ่งที่อาจเกิดขึ้น:

ประการแรก จำนวนผู้ใช้งานในรัสเซียเริ่มลดลง ในขณะเดียวกัน จำนวนผู้เยี่ยมชมจากญี่ปุ่นก็เพิ่มขึ้น และชดเชยการลดลงในประเทศอื่น หากเราดูเฉพาะแผนภูมิ DAU โดยรวม เราก็ไม่น่าจะสังเกตเห็นการเปลี่ยนแปลงใดๆ ในไดนามิก และต่อมาเมื่อจำนวนผู้ใช้งานในรัสเซียลดลงมากขึ้น เราจะเห็นสิ่งนี้ในกราฟทั่วไปหรือไม่ ขณะเดียวกันก็ผ่านไปนานพอสมควรแล้วซึ่งสามารถใช้เพื่อค้นหาและกำจัดสาเหตุของการล้มได้

ความผิดปกติทางสถิติอีกประการหนึ่งยืนยันถึงความสำคัญของการแบ่งส่วน: ความขัดแย้งของซิมป์สัน- การสำแดงของมันจะเห็นได้ดีที่สุดด้วยตัวอย่าง

สมมติว่ามี 4 ประเทศจากตัวอย่างก่อนหน้านี้และสมมติว่า Conversion ที่จะซื้อในประเทศเหล่านั้นเป็นดังนี้:

และนี่คือสิ่งที่เกิดขึ้น:

• Conversion ในรัสเซีย (4.85%) สูงกว่า Conversion ในญี่ปุ่น (4.44%)
• การแปลงในสหราชอาณาจักร (7.08%) สูงกว่าการแปลงของจีน (6.98%)
• การแปลงทั้งหมด ประเทศในยุโรป(5.8%) น้อยกว่าการเปลี่ยนใจเลื่อมใสของชาวเอเชีย (6.5%)

นี่เป็นการแสดงให้เห็นอีกครั้งว่าการแบ่งส่วนสามารถให้ผลลัพธ์ที่แตกต่างไปจากเดิมอย่างสิ้นเชิง สถิติทั่วไปตัวบ่งชี้

อย่างไรก็ตาม บางครั้งเมื่อดูแผนภูมิ DAU คุณไม่สามารถระบุแนวโน้มได้อย่างชัดเจนเสมอไป แต่การจัดกลุ่มตามสัปดาห์หรือเดือน (การแปลงแผนภูมิเป็น WAU และ MAU) จะทำให้ชัดเจนยิ่งขึ้น

ตัววัดผู้ใช้ที่ใช้งานอยู่นั้นมีความสำคัญอย่างแน่นอนสำหรับโครงการ แต่นอกเหนือจากนี้ ยังเกี่ยวข้องกับตัวชี้วัดทางการเงินและพฤติกรรมอื่นๆ ด้วย

ก่อนอื่นเลย, ผู้ใช้ที่ใช้งานอยู่จะได้รับผลกระทบจากจำนวนผู้ใช้ใหม่– ยิ่งมีจำนวนมาก และยิ่งพวกเขามาที่โปรเจ็กต์ได้เร็วและสม่ำเสมอมากขึ้น ผู้ชมก็จะเติบโตเร็วขึ้นเท่านั้น

ตัวบ่งชี้ที่สำคัญไม่น้อยประการที่สองคือ การเก็บรักษา(การรักษาผู้ใช้) ซึ่งบอกว่าผู้ใช้กลับมาที่โปรเจ็กต์อย่างไร หากคุณนำผู้ใช้ใหม่มาที่โปรเจ็กต์โดยที่จะไม่กลับมาใช้อีก พวกเขาจะไม่เพิ่มจำนวนผู้ชม และความดึงดูดดังกล่าวจะไม่มีผลกระทบใดๆ สิ่งสำคัญคือต้องทำให้ผู้ใช้สนใจผลิตภัณฑ์จนอยากกลับมาอีก และยิ่งมีมากเท่าไร ผู้ชมที่กระตือรือร้นก็จะมีมากขึ้นเท่านั้น

ตัวอย่างเล็กๆ น้อยๆ:

คุณสามารถมีอัตราการคงผู้ใช้ไว้ในแอปได้ดี แต่เมื่อมีผู้ใช้ใหม่จำนวนไม่มาก ผู้ชมจะเติบโตได้ช้ามาก และในทางกลับกัน หากมีผู้ใช้ใหม่หลั่งไหลเข้ามาอย่างดีและมีการรักษาผู้ใช้ต่ำ ส่วนใหญ่จะออกจากโปรเจ็กต์ ซึ่งจะไม่เพิ่มจำนวนผู้ชมด้วย

และยิ่งผู้ชมโครงการมีขนาดใหญ่เท่าใด ผู้มีโอกาสเป็นผู้จ่ายเงินก็จะมีมากขึ้นเท่านั้น ท้ายที่สุดแล้ว ผู้ใช้จะชำระเงินตามลำดับนี้:

ผู้ใช้ใหม่ → ผู้ใช้ที่ใช้งานอยู่ → ผู้ใช้ที่ชำระเงิน

อย่างไรก็ตาม สิ่งสำคัญคือผู้ใช้ยังคงใช้งานผลิตภัณฑ์อยู่หลังจากชำระเงินครั้งแรก เนื่องจากจะเป็นการเพิ่มโอกาสที่เขาจะทำการซื้อซ้ำ
ดังนั้น ผู้ใช้ที่ใช้งานอยู่จะส่งผลโดยตรงต่อรายได้ตามสัดส่วน:

รายได้ = ผู้ใช้ที่ใช้งานอยู่ * ส่วนแบ่งการจ่าย * ARPPU

จำนวนผู้ใช้งานเป็นหนึ่งในตัวชี้วัดที่สำคัญที่สุดของผลิตภัณฑ์ ซึ่งบ่งบอกถึงความสำเร็จทางอ้อม ผสมผสานทั้งคุณภาพของการดึงดูดผู้ใช้ใหม่และตัวชี้วัดการรักษาลูกค้า ซึ่งส่งผลโดยตรงต่อรายได้ ดังนั้น เมื่อวิเคราะห์ผู้ใช้ที่ใช้งานอยู่ คุณควรคำนึงถึงอัตราการเติบโตของผู้ชมด้วย เนื่องจากการวัดนี้เป็นหนึ่งในสัญญาณเชิงบวกที่สุด การพัฒนาอย่างแข็งขันผลิตภัณฑ์.

เอกสารที่เขารวบรวมตัวชี้วัดทั้งหมดที่เขาใช้เมื่อออกแบบบริการ

เมื่อเราเริ่มทำงานกับแอป Mygola เราตระหนักว่าส่วนที่ยากที่สุดคือการค้นหาว่าฟีเจอร์ใดที่สำคัญในโลก แอปพลิเคชันมือถือและควรตั้งเป้าหมายอะไรสำหรับการสมัครในหมวดหมู่ของเรา นี่คือผลการวิจัยของเรา

ผู้ใช้ที่ใช้งานรายวันและผู้ใช้ที่ใช้งานรายเดือน (DAU/MAU)

สำหรับเกม ระดับ DAU/MAU 20-30% ของจำนวนผู้ใช้ทั้งหมดถือว่าดีมากแล้ว สำหรับการใช้งานทางสังคม เช่น โปรแกรมส่งข้อความด่วน DAU/MAU ประมาณ 50% ถือว่าประสบความสำเร็จ

โดยทั่วไป แอปพลิเคชันส่วนใหญ่ประสบปัญหาในการรักษาระดับ DAU/MAU ไว้ที่ 20% หรือมากกว่านั้น สำหรับเกมทั่วไป ความเหนียวที่แท้จริง 20% ถือเป็นเป้าหมายที่ดีอยู่แล้ว

ที่มา: Flurry

ที่มา: Flurry

ช่วงเวลาที่ตกต่ำคือเวลาที่การเติบโตของผู้ใช้รายเดือน (MAU) ของแอปลดลง 50% เมื่อเทียบกับจำนวนผู้ใช้รายเดือนในช่วงที่มีการใช้งานบริการสูงสุด

แอปมากกว่าครึ่ง (56%) ที่สามารถรักษาผู้ใช้ได้มากกว่าครึ่งหนึ่งในช่วงสี่เดือนแรกหลังจากจุดสูงสุด ยังคงรักษาผู้ใช้มากกว่าครึ่งหนึ่งสิบเดือนหลังจากจุดสูงสุด

การแจ้งเตือนแบบพุช

ที่มา: eMarketer

ช่องทางการรับผู้ใช้

ที่มา: AppFlood

การดาวน์โหลดที่เพิ่มขึ้นอย่างรวดเร็วเมื่อแอปของคุณกลายเป็นตัวเลือกของบรรณาธิการใน App Store คืออะไร

คาดว่าจะเพิ่มขึ้น 30 เท่าจากระดับการดาวน์โหลดปกติ

ตัวอย่างเช่น หากแอปพลิเคชันอยู่ในอันดับที่ 10 ของการจัดอันดับ ก็จะมีความต้องการเพิ่มขึ้น 30% เมื่อเทียบกับแอปพลิเคชันที่ไม่อยู่ใน 20 อันดับแรก

หากแอปพลิเคชันได้รับอันดับหนึ่ง การมองเห็นแอปพลิเคชันที่เพิ่มขึ้นจะเพิ่มยอดขายได้ถึง 90%

ที่มา: คนโง่

การวางแอปในส่วนแอปยอดนิยมส่งผลต่อการดาวน์โหลดอย่างไร

ฉันกล้าเสี่ยงที่จะคาดเดาว่าอัตรา Conversion อยู่ที่ประมาณ 1-2 เปอร์เซ็นต์สำหรับทุก ๆ 3-5 เปอร์เซ็นต์ของการคลิกแบนเนอร์ อย่างไรก็ตาม การติดตั้งแอปพลิเคชันที่มีแรงจูงใจอาจทำให้ CTR ลดลงประมาณ 7-8% หรือผันผวนระหว่าง 1-2%

เราอยู่ในแอป 200 อันดับแรกในสหรัฐอเมริกา และพบว่าประมาณ 75% ของผู้ใช้ของเราอนุญาตให้ดูตำแหน่งที่แม่นยำ

อัตรา Conversion โดยทั่วไปสำหรับการซื้อในแอปคือเท่าใด แอปพลิเคชันฟรีสำหรับ iOS

ตัวอย่างเช่น เกมที่เล่นฟรีสามารถแปลงการซื้อในแอปได้ระหว่าง 2 เปอร์เซ็นต์ถึง 10 เปอร์เซ็นต์หรือมากกว่านั้น ทั้งนี้ขึ้นอยู่กับปัจจัยบางประการ

ผู้ใช้ที่มาจาก Facebook ดีแค่ไหน?

ข้อมูลของเราแสดงให้เห็นว่าการโปรโมตการติดตั้งแอพมือถือบน Facebook มีประสิทธิภาพมากกว่าการเติบโตของผู้ใช้ในระยะสั้นจากการจัดอันดับร้านแอพ และโดยรวมแล้ว ผู้ใช้ Facebook ยังคงอยู่ในบริการเช่นเดียวกับผู้ใช้ที่ได้มาโดยธรรมชาติ

ตลอดระยะเวลาการศึกษา 60 วัน ผู้ใช้ใหม่ 81% ที่ได้มาจาก Facebook เข้าชมแอปมากกว่าหนึ่งครั้ง เทียบกับ 78% ของผู้ใช้ใหม่ที่ได้มาแบบออร์แกนิก

การแก้ไขข้อกำหนด

หลังจากศึกษาการใช้งานแอพ iOS ทั่วโลก (บน iPad และ iPhone) เราพบว่าผู้ใช้โดยเฉลี่ยกลับมาที่แอพภายในเวลาไม่ถึงหกชั่วโมงหลังจากใช้งานครั้งแรก

อย่างไรก็ตาม หากผู้ใช้ไม่ดาวน์โหลดแอปอีกครั้งภายใน 24 ชั่วโมงหลังการใช้งานครั้งแรก มีโอกาส 40% ที่เซสชันแรกจะเป็นเซสชันสุดท้าย

• รับลิงค์
• เฟสบุ๊ค
• ทวิตเตอร์
• พินเทอเรสต์
• อีเมล
• แอพอื่นๆ

ฉันเจอตัววัด DAU/MAU เป็นครั้งแรกเมื่อมีการกล่าวถึงในบริบทของเกมบน Facebook เมื่อปี 2009 และถึงแม้ว่าฉันแน่ใจว่าผู้เล่นที่จริงจังไม่ต้องพึ่งพาสิ่งเหล่านี้อีกต่อไป ตัวชี้วัดการเติบโตอย่างไรก็ตาม สำหรับนักการตลาดจำนวนมาก พวกเขากลายเป็นคนที่น่าสนใจมาก

วันนี้เราจะมาพูดถึงสาเหตุที่ตัวชี้วัดเหล่านี้น่าดึงดูดและอันตรายในเวลาเดียวกัน

เริ่มต้นด้วยคำจำกัดความของพวกเขา

ดีเอยู (ผู้ใช้ที่ใช้งานรายวัน) คือจำนวนลูกค้า (ที่ไม่ซ้ำ) ที่ใช้บริการของคุณ (โดยปกติจะเข้าสู่ระบบ) ในวันที่กำหนด

เมา (ผู้ใช้ที่ใช้งานรายเดือน) คือจำนวนลูกค้า (ที่ไม่ซ้ำ) ที่ใช้บริการของคุณ เมื่อเดือนที่แล้ว(หรือ 30 วันที่ผ่านมา)

เดา/เมานี่คือจำนวน % ของลูกค้า (ที่ไม่ซ้ำ) ของเรา อีกครั้งใช้บริการของคุณในช่วงเวลานั้น นี่คือสิ่งที่เรียกว่า "ความเหนียว"

มีอันไหนบ้าง? ข้อดีการใช้งานของพวกเขา?

อันดับแรก:การคำนวณตัวชี้วัดดังกล่าวเป็นเรื่องง่ายมาก ในภาษา DAX การคำนวณอาจมีลักษณะเช่นนี้

:=
DISTINCTCOUNT (tbl_users)

:=
คำนวณ(,
DATESINPERIOD (ปฏิทิน, MIN (ปฏิทิน), -30, วัน))

ที่สอง:บริษัทหลายแห่งปิดตัวลงและไม่เปิดตัวชี้วัดของตน (เช่น ARPU หรือ LTV) แต่การใช้เครื่องมืออัจฉริยะด้านการแข่งขัน คุณสามารถประมาณขนาดกลุ่มเป้าหมายของคู่แข่งได้อย่างง่ายดาย และเปรียบเทียบตัวบ่งชี้การเติบโตของคุณกับตัวบ่งชี้การเติบโตของพวกเขา

จริงๆ แล้ว ความน่าสนใจของตัวชี้วัดเหล่านี้สิ้นสุดลงเพียงเท่านี้

มีอันไหนบ้าง? ความเสี่ยงการใช้งานของพวกเขา?

(1) DAU เป็นตัวชี้วัดการเติบโตที่มีความผันผวนอย่างมาก และในขณะเดียวกันก็ไม่ได้อธิบายเลยว่าทำไมการเติบโตนี้จึงเกิดขึ้น

1. นี่เป็นผลลัพธ์ของการประชาสัมพันธ์เมื่อมีสิ่งพิมพ์เฉพาะทางที่มีชื่อเสียงหลายฉบับให้ความสนใจคุณหรือไม่?
2. เป็นผลมาจากการตลาดที่มีลูกค้า "ใหม่" เข้ามาจำนวนมากเนื่องจากการเปิดตัวแคมเปญการตลาดเพื่อการซื้อกิจการใหม่หรือไม่?
3. นี่เป็นผลมาจากการตลาดที่แคมเปญการตลาดแบบรักษาลูกค้าส่งผลให้ลูกค้า "เก่า" จำนวนมากกลับมาหรือไม่

อย่างที่คุณเห็นปัจจัยอาจแตกต่างกันมาก

ปัจจัยการเจริญเติบโตประการแรกโดยทั่วไป ภายนอก(คุณไม่ได้มีอิทธิพลต่อเขา) ดังนั้นจึงไม่มีใครสามารถพึ่งพาความยั่งยืนของผลลัพธ์ดังกล่าวได้

ปัจจัยการเติบโตที่สองและสามแม้ว่า ภายใน(ผลของความพยายามของคุณ) อย่างไรก็ตาม ลักษณะของปัจจัยเหล่านี้จะแตกต่างกัน ซึ่งหมายความว่าความเสถียรของผลลัพธ์เมื่อเวลาผ่านไปจะแตกต่างออกไป

(2) DAU/MAU มักถูกพิจารณาว่าเป็นตัวแทนในการประเมินกลไกการเก็บรักษาภายในของบริการของคุณ อย่างไรก็ตามสิ่งนี้ไม่เป็นความจริงเช่นกัน

การเข้าสู่ระบบของผู้ใช้มักจะไม่สัมพันธ์กันดีกับการกระทำเป้าหมาย โดยปกติแล้วภาพการเติบโตแบบก้าวกระโดดจะเป็นเช่นนี้

ที่มา: amplitude.com

แม้ว่า DAU จะยังคงเติบโต แต่การไหลออกก็เพิ่มขึ้นเร็วกว่ามาก ดังนั้นการกลับคืนสู่ตำแหน่งเริ่มต้นจึงใช้เวลาเพียงไม่กี่สัปดาห์เท่านั้น

ทำไมสิ่งนี้ถึงเกิดขึ้น?

ในแง่หนึ่ง การเข้าสู่ระบบเป็นการกระทำตามเป้าหมายในจินตนาการนั้นไม่สัมพันธ์กันดีกับการกระทำตามเป้าหมายจริง เช่น การดูผลิตภัณฑ์

ในทางกลับกัน บริษัทส่วนใหญ่มักสร้างการเติบโตเนื่องจากปัจจัยสองประการแรก

นี่คือแรงดึงดูด และแรงดึงดูดมักจะถูกวัดและปรับให้เหมาะสมโดย อันดับแรกการดำเนินการตามเป้าหมาย (เข้าสู่ระบบ/ซื้อ) แทนการดำเนินการตามเป้าหมายซ้ำ ( เข้าสู่ระบบครั้งที่ n, เดือนที่ซื้อ) ปรากฎว่าหน่วยเมตริกเหล่านี้ เมตริกไร้สาระ.

คุณคิดอย่างไรเกี่ยวกับ DAU, MAU

ฉันอธิบายแนวทางการปฏิบัติที่ใช้งานได้จริงมากขึ้นที่นี่:

ความคิดเห็น

โพสต์ยอดนิยมจากบล็อกนี้

วันนี้เราจะพูดถึง LTV ในบริบทที่แตกต่าง - แบบประยุกต์ที่เรียบง่าย

ดังนั้นก่อนคุณ ตารางวงจรชีวิต.

ชื่อและแนวคิดของเทคนิคที่ยอดเยี่ยมนี้มอบให้โดยนักการตลาดที่โดดเด่น Jim Novo อย่าลืมอ่านบล็อกของเขาอีกครั้ง โดยเฉพาะบทความก่อนหน้านี้

โดยพื้นฐานแล้ว LCG คือเมทริกซ์ RF(M):
โดย แนวนอนแกนที่คุณกำลังดูอยู่ รความสุภาพ(ความใหม่ของการซื้อครั้งล่าสุด) โดย แนวตั้งแกนที่คุณกำลังดูอยู่ เอฟความต้องการ(จำนวนการซื้อ) ในแต่ละเซลล์ คุณจะเห็นจำนวนไคลเอนต์ที่มีพารามิเตอร์ R และ F ที่แน่นอน ด้วยการสร้างเมทริกซ์ดังกล่าว เราสามารถตอบคำถามมากมายได้ทันที แต่ตอนนี้เราสนใจเพียงสี่เท่านั้น: ลูกค้าคนไหน วิกฤตเพื่อธุรกิจ?
(ควอแดรนท์ขวาบน) ซึ่งลูกค้า พัฒนาจริงๆไกลออกไป?
(ควอแดรนท์ขวาล่าง) ซึ่งลูกค้า อาจจะหายไปเพื่อธุรกิจ?
(จตุภาคซ้ายบน) ลูกค้าอะไร ไม่น่าสนใจเพื่อธุรกิจ? ฉันแน่ใจตราบใดที่คุณ...

หรือการตั้งค่ากลไกภายในของแอพพลิเคชั่นเป็นเกมบอด มีเพียงการวิเคราะห์ข้อมูลและประเมินการกระทำของแต่ละบุคคลเท่านั้นจึงจะตัดสินใจได้อย่างถูกต้อง ด้านล่างนี้เราได้แสดงรายการตัวชี้วัดที่สำคัญที่สุดที่คุณไม่สามารถทำได้หากไม่มีเมื่อโปรโมต

ตัวชี้วัดทั่วไป

จำนวนการติดตั้งและจำนวนการลงทะเบียน -เหล่านี้เป็นตัวชี้วัดพื้นฐานที่สะท้อนถึงตัวบ่งชี้ที่ชัดเจนที่สุด โดยตัวมันเอง สิ่งเหล่านี้ไม่ได้มีคุณค่ามากนักสำหรับการวิเคราะห์ แต่มีความจำเป็นในการคำนวณตัวบ่งชี้อื่นๆ

เป็นสิ่งที่ควรค่าแก่การเน้นถึงความสำคัญของความแตกต่างระหว่างเมตริกทั้งสองนี้ ประการแรก ผู้ใช้สามารถติดตั้งแอปพลิเคชันได้ แต่จากนั้นจึงลบออกโดยไม่ต้องเข้าสู่ระบบ ในกรณีนี้จะนับการติดตั้งแต่จะไม่มีการลงทะเบียน ประการที่สอง ผู้ใช้รายหนึ่งสามารถทำการติดตั้งได้หลายอย่าง: ตัวอย่างเช่น บนอุปกรณ์สองเครื่องของเขา - สมาร์ทโฟนและแท็บเล็ต แต่ในทั้งสองกรณี เขาจะลงชื่อเข้าใช้แอปพลิเคชันภายใต้เครื่องเดียว บัญชี- ดังนั้นการลงทะเบียนจะนับเป็นหนึ่งและการติดตั้ง - สอง

จำนวนการติดตั้งและข้อมูลอื่น ๆ มักจะหาได้ง่ายที่สุดในระบบวิเคราะห์แอปพลิเคชันภายในหรือในบัญชีของนักพัฒนาในร้านค้า

กิจกรรมของผู้ใช้

จำนวนการลงทะเบียนไม่มีทางทำให้เราสามารถตัดสินผู้ชมที่แท้จริงของแอปพลิเคชันได้ ท้ายที่สุดแล้วในโครงการใด ๆ มี "วิญญาณที่ตายแล้ว" เกือบทุกครั้ง - ผู้ใช้ที่หยุดใช้แอปพลิเคชัน ดังนั้นเพื่อ การประเมินวัตถุประสงค์มีการนำตัวชี้วัดพิเศษมาใช้

โดยปกติกิจกรรมของผู้ใช้จะวัดในช่วงเวลาหนึ่ง โดยส่วนใหญ่มักจะเป็นเดือน สัปดาห์ หรือวัน ตัววัด DAU (ผู้ใช้ที่ใช้งานรายวัน) สะท้อนถึงจำนวนผู้ใช้ที่ไม่ซ้ำซึ่งเยี่ยมชมแอปพลิเคชันในระหว่างวัน WAU (ผู้ใช้ที่ใช้งานรายสัปดาห์) - สัปดาห์และ MAU (ผู้ใช้ที่ใช้งานรายเดือน) - เดือน ดังนั้น หากผู้ใช้ทั้งหมดเข้าสู่ระบบแอปพลิเคชันทุกวันเป็นเวลาหนึ่งเดือน DAU และ MAU จะเท่ากัน แต่ใน ชีวิตจริงแน่นอนว่าสิ่งนี้จะไม่เกิดขึ้น ตัวบ่งชี้เหล่านี้บ่งบอกถึงขนาดของโครงการของคุณเป็นหลัก

นอกจากนี้ ในการวิเคราะห์อุปกรณ์เคลื่อนที่ยังมีตัวชี้วัดที่บอกว่าผู้ใช้เข้าสู่แอปพลิเคชันบ่อยเพียงใด - ที่เรียกว่า ปัจจัยเหนียว คำนวณ การมีส่วนร่วมของผู้ใช้ค่อนข้างง่าย: คุณต้องหาร DAU ด้วย MAU (WAU) ตัวอย่างเช่น หากผู้ชมรายวันมีผู้ใช้ 100 ราย และผู้ชมรายเดือนคือ 500 ราย การมีส่วนร่วมก็จะเท่ากับ 20% ตัวบ่งชี้นี้สามารถสะท้อนภาพที่แท้จริงได้หากการไหลเข้าของผู้ใช้ใหม่มีความสม่ำเสมอ

อัตราการเก็บรักษา- ตัวชี้วัดสำหรับประสิทธิผลของการรักษาผู้ใช้ หรืออีกนัยหนึ่งคือ - ความถี่ของการกลับมาของพวกเขา ในการคำนวณตัวบ่งชี้นี้ คุณจะต้องลบผู้ใช้ใหม่ (ที่มาที่แอปพลิเคชันในช่วงเวลานั้น) ออกจากจำนวนผู้ใช้ทั้งหมดเมื่อสิ้นสุดช่วงเวลา และหารด้วยจำนวนผู้ใช้เมื่อเริ่มต้นช่วงเวลา โดยทั่วไป อัตราการรักษาลูกค้าจะคำนวณเป็นเวลาสองวัน หนึ่งสัปดาห์ สองสัปดาห์ และหนึ่งเดือน ตัวชี้วัดนี้แสดงระดับความผูกพันของผู้ชมต่อผลิตภัณฑ์ ยังเป็นสิ่งสำคัญในการวางแผนทางการเงิน

ระยะเวลาเซสชัน- ช่วงเวลาที่ผู้ใช้โต้ตอบกับแอปพลิเคชัน ตัวอย่างเช่น สำหรับเกมส่วนใหญ่ เซสชันที่ยาวนานจะเป็นประโยชน์และบ่งชี้ ระดับสูงการมีส่วนร่วมของผู้ใช้ และในการโทรแท็กซี่หรือบริการจองโรงแรม ความยาวของเซสชันไม่ได้มีบทบาทพิเศษ ในนั้น นักพัฒนาพยายามหาเส้นทาง Conversion ที่สั้นที่สุดเท่าที่จะเป็นไปได้

ตัวชี้วัดการสร้างรายได้

ตัวชี้วัดกลุ่มถัดไปเกี่ยวข้องกับรายได้ สิ่งสำคัญคือต้องเข้าใจว่าผู้ใช้ใช้จ่ายไปเท่าใดและอย่างไร ซึ่งช่วยในการประเมินประสิทธิผลของวิธีการสร้างรายได้หรือแม้กระทั่งคิดที่จะเปลี่ยนรูปแบบธุรกิจ

อาร์พียู(รายได้เฉลี่ยต่อผู้ใช้) เป็นหนึ่งในตัวชี้วัดพื้นฐานของการสร้างรายได้ของโครงการ เมตริกนี้สะท้อนถึงจำนวนรายได้ที่ผู้ใช้แต่ละคนได้รับโดยเฉลี่ย คำนวณง่ายๆ: ปริมาณรายได้ทั้งหมดจะต้องหารด้วยจำนวนผู้ใช้แอปพลิเคชัน การเปลี่ยนแปลงของตัวบ่งชี้นี้ก็มีความสำคัญเช่นกัน หากตัวบ่งชี้เติบโตขึ้น แสดงว่าโครงการกำลังพัฒนาไปในทิศทางที่ถูกต้อง

อาปา(รายได้เฉลี่ยต่อบัญชี) - สิ่งเดียวกัน แต่ไม่ใช่ต่อผู้ใช้ แต่ต่อบัญชี ตัวบ่งชี้นี้ใช้หากแอปพลิเคชันเกี่ยวข้องกับการรับเงินจากการชำระเงินโดยตรงจากผู้ใช้ที่ลงทะเบียนแล้ว

เออาร์พีพี(รายได้เฉลี่ยต่อผู้ใช้ที่ชำระเงิน) - เมตริกนี้สามารถสับสนได้ง่ายกับ ARPU - ความแตกต่างเป็นเพียงตัวอักษรตัวเดียว ข้อแตกต่างเพียงอย่างเดียวคือพิจารณาเฉพาะผู้ใช้ที่ชำระเงินเท่านั้น นั่นคือ ARPPU มักจะสูงกว่า ARPU มาก

LTV(มูลค่าตลอดอายุการใช้งาน) - รายได้ที่ผู้ใช้นำมาตลอดอายุการใช้งานของแอปพลิเคชัน นี่เป็นหนึ่งในตัวบ่งชี้พื้นฐานเมื่อเริ่มเกิน CAC - ต้นทุนในการดึงดูดผู้ใช้หนึ่งราย - การโฆษณาถือได้ว่าทำกำไรได้ มีความจำเป็นต้องมุ่งมั่นที่จะให้แน่ใจว่า LTV เกินกว่า CAC อย่างน้อย 3 เท่า ซึ่งจะช่วยให้ลงทุนในการพัฒนาและครอบคลุมค่าเสื่อมราคา และไม่ใช่แค่การชดเชยต้นทุนโดยตรงในการดึงดูดลูกค้า

อัลทีซี(อายุการใช้งานเฉลี่ยของลูกค้า) เป็นตัวบ่งชี้ที่จำเป็นสำหรับการคำนวณ LTV โดยจะบอกเราเกี่ยวกับ “อายุการใช้งาน” ของผู้ใช้ในแอปพลิเคชัน ตัวอย่างเช่น สำหรับแอปพลิเคชันในกลุ่มอีคอมเมิร์ซ ตามกฎแล้ว นี่คือจำนวนธุรกรรมระหว่างช่วงเวลาที่ลูกค้าใช้แอปพลิเคชัน

อัตราการปั่น- อัตราการเปลี่ยนใจของผู้ใช้ ตัวชี้วัดนี้สะท้อนถึงเปอร์เซ็นต์ของผู้ใช้ที่ออก ยิ่งอัตรา Churn ต่ำเท่าไรก็ยิ่งดีสำหรับโปรเจ็กต์เท่านั้น

ตัวชี้วัดประสิทธิผลของการโฆษณา

กลุ่มตัวชี้วัดถัดไปเกี่ยวข้องโดยตรงกับการซื้อและการส่งเสริมการขายปริมาณการใช้ข้อมูล และใช้เพื่อประเมินประสิทธิภาพการโฆษณา ท้ายที่สุดแล้ว หลักการสำคัญประการหนึ่งของการส่งเสริมการขายคือไม่ต้องเสียเงินไปกับการโฆษณามากกว่าการทำกำไร

(ต้นทุนต่อการติดตั้ง) - ต้นทุนการติดตั้งหนึ่งครั้ง เมตริกจะพิจารณาต้นทุนทั้งหมดในการดึงดูดผู้ใช้ใหม่ ในการคำนวณ CPI คุณต้องหารต้นทุนการโฆษณาทั้งหมดด้วยจำนวนการติดตั้งที่ดึงดูด แต่ตัวบ่งชี้นี้เป็นไปตามอำเภอใจมาก มันไม่ได้คำนึงถึงปัจจัยหลายประการ

eCPIหรือต้นทุนการติดตั้งที่มีประสิทธิภาพเป็นตัวบ่งชี้ที่แม่นยำยิ่งขึ้น เมื่อคำนวณแล้วจะคำนึงถึงความแพร่หลายด้วย

K-ปัจจัยหรือค่าสัมประสิทธิ์ไวรัส - ตัวบ่งชี้การแพร่กระจายตามธรรมชาติของแอปพลิเคชัน ผู้ใช้พูดถึงมันใน เครือข่ายสังคมออนไลน์แนะนำให้เพื่อนและถ่ายทอดข้อมูลในรูปแบบอื่น โดยปกติแล้ว สิ่งนี้สามารถทำได้ผ่านกลไกทางสังคมพิเศษที่สร้างไว้ในแอปพลิเคชัน ตัวบ่งชี้นี้คำนวณดังนี้: จำเป็นต้องคูณจำนวนคำแนะนำด้วยสัดส่วนของผู้ที่ยอมรับคำแนะนำ

ซีเอซี(ต้นทุนการได้มาซึ่งลูกค้า) - ต้นทุนในการดึงดูดผู้ใช้หนึ่งราย มันแตกต่างจาก CPI ตรงที่ไม่คำนึงถึงการติดตั้ง แต่คำนึงถึงลูกค้าที่จ่ายเงิน ข้อแตกต่างคือผู้ใช้รายหนึ่งสามารถมีอุปกรณ์หลายเครื่องที่ติดตั้งแอปพลิเคชันได้

CR(อัตราการแปลง) - อัตราการแปลง นี่คือเมตริกทั่วไปที่นำไปใช้ได้หลายวิธี ตัวอย่างเช่น นักการตลาดมักจะคำนวณ Conversion คลิกเพื่อติดตั้ง ในกรณีนี้ ตัวเลขสามารถบอกเกี่ยวกับคุณภาพของหน้า Landing Page และช่วยให้คุณสามารถสรุปเกี่ยวกับผู้ชมที่ดึงดูดได้ ไม่ว่าจะตรงเป้าหมายหรือไม่ก็ตาม การแปลงจากการติดตั้งไปเป็นการดำเนินการตามเป้าหมายก็มีความสำคัญเช่นกัน ช่วยประเมินคุณภาพของการรับส่งข้อมูลจากแหล่งต่าง ๆ และกำจัดแหล่งที่ไม่มีประสิทธิภาพออกไป

บริการวิเคราะห์มือถือ

หากต้องการรวบรวมข้อมูลข้างต้นทั้งหมด คุณไม่สามารถทำได้หากไม่มีเครื่องมือพิเศษ - บริการวิเคราะห์มือถือ

Google Analytics- ระบบวิเคราะห์ที่พบมากที่สุด แตกต่างจากระบบอื่นตรงที่เป็นระบบฟรี ทำให้สามารถรับข้อมูลที่จำเป็นทั้งหมดได้ แต่ต้องมีการกำหนดค่าอย่างระมัดระวัง

วุ่นวาย- บริการชำระเงิน แต่มีราคาไม่แพง อินเทอร์เฟซที่ชัดเจนและการตั้งค่าที่เรียบง่ายทำให้การสร้างรายงานและตรวจสอบชุดเมตริกจำนวนมากเป็นเรื่องง่าย

มิกซ์พาเนล- หนึ่งในบริการที่สะดวกและทรงพลังที่สุด แต่คุณต้องจ่ายเงินเพื่อมัน - ระบบนี้การวิเคราะห์ถือว่ามีราคาแพงที่สุด แต่ช่วยให้คุณได้รับสถิติจากตัวชี้วัดเกือบทุกชนิด

ตัวชี้วัดที่ระบุในบทความเป็นเพียงพื้นฐานสำหรับการวิเคราะห์อุปกรณ์เคลื่อนที่ที่ใช้งานได้จริง ตัวชี้วัดโดยตัวมันเองไม่ได้ให้อะไรมากนัก ข้อมูลที่เป็นประโยชน์คุณค่าหลักอยู่ที่การตีความที่ถูกต้อง นอกจากนี้ ตัวชี้วัดเหล่านี้ยังจำเป็นในการคำนวณตัวชี้วัดที่ซับซ้อนมากขึ้น ศึกษาการวิเคราะห์และสมัครรับข้อมูลบล็อกของเรา เพื่อที่คุณจะได้ไม่พลาดทุกสิ่ง

การปั่นของลูกค้าก็เหมือนกับเสียงไซเรนไฟ คุณเข้าใจว่ามีบางอย่างผิดพลาด แต่ความรู้นี้ไม่ได้ช่วยให้คุณดับไฟได้

ในการ “วินิจฉัย” และแก้ไขปัญหาการรักษาลูกค้าของคุณ คุณต้องทำอะไรบางอย่างที่จริงจังมากกว่าแค่ดูรูปแบบการชนะและการแพ้ มีความจำเป็นต้องพิจารณาว่าใครจะลาออก เมื่อใด และเพราะเหตุใด เมื่อนั้นคุณจะสามารถจัดสรรเวลาอย่างชาญฉลาดและปรับเปลี่ยนตามความเหมาะสมได้ อิทธิพลที่ยิ่งใหญ่ที่สุดเพื่อการเติบโตของธุรกิจของคุณ

อ่านต่อเพื่อดูวิธีค้นหาแหล่งที่มาของไฟและดับไฟก่อนที่ธุรกิจของคุณจะมอดไหม้

รายละเอียดของคุณถูกต้องหรือไม่?

ไม่มีใครจะปฏิเสธได้ว่าการสร้างโอกาสในการขายมีบทบาทสำคัญในความสำเร็จของบริษัทที่ยังอยู่ในช่วงเริ่มต้น แต่อย่าปล่อยให้ตัวชี้วัดที่ดีมาบดบังปัญหาการเลิกใช้งานของคุณ

จำสูตรนี้ไว้:

Churn = ผู้ใช้ที่เสียไป / จำนวนทั้งหมดผู้ใช้

มาดูตัวอย่างจาก Profitwell ที่สาธิตความหมายของสูตรในโลกแห่งความเป็นจริงกัน

แนวตั้ง: ลูกค้าปัจจุบัน, ลูกค้าเก่าเปลี่ยน, ลูกค้าใหม่, ลูกค้าใหม่, ปริมาณรวมลูกค้าอัตราการปั่นป่วน แนวนอน: สิงหาคม กันยายน

ปัญหาเกี่ยวกับสูตรการเลิกใช้งานคือโหมดการทำงานเดียวกันทุกประการ (เพิ่มผู้ใช้ 5,000 รายต่อเดือน) ไม่ได้ให้ผลลัพธ์เดียวกัน - อัตราการเลิกใช้งานในเดือนกันยายนต่ำกว่าในเดือนสิงหาคม การเติบโตอย่างรวดเร็วช่วยลดการเลิกใช้งาน เนื่องจากลูกค้าใหม่ที่เพิ่มเข้ามาทุกเดือนยังไม่มีเวลายกเลิกการสมัครสมาชิก

การเปลี่ยนแปลงแม้แต่หนึ่งในร้อยของเศษส่วนในการปั่นอาจส่งผลให้กำไรลดลง 25% ดังนั้นคุณคงไม่ต้องการความไม่ถูกต้องในการคำนวณดังกล่าวอย่างแน่นอน

เมตริก #1 คำนวณการปั่นตามค่าเฉลี่ย

อัตราการปั่นป่วนที่ดีซึ่งเกิดจากการเพิ่มขึ้นอย่างรวดเร็วไม่ได้ทำให้คุณเห็นภาพที่ชัดเจนว่าอะไรกำลังเกิดขึ้นและอะไรไม่ดี จึงมีการปรับเปลี่ยนสูตรเล็กน้อยสำหรับสตาร์ทอัพที่โตเร็ว:

มันดูน่ากลัวไหม? ไม่ใช่เรื่องยากที่จะเข้าใจ:

Churn = จำนวนผู้ใช้ที่เสียไป
∑ = ผลรวมของผู้ใช้ใหม่รายวัน (i=1) ในชุดข้อมูล (n)
n = จำนวนวันในช่วงเวลาหนึ่ง

หากมีการเพิ่มผู้ใช้เข้าไป ฐานลูกค้าค่อยเป็นค่อยไป ค่าเฉลี่ยจะเพิ่มขึ้นและมีผลกระทบต่ออัตราการปั่นรายเดือนของคุณมากขึ้น หากลูกค้าถูกเพิ่มลงในฐานข้อมูลเมื่อใกล้สิ้นสุดระยะเวลา สิ่งนี้จะไม่บิดเบือนอัตราการเปลี่ยนใจหรือทำให้ปรากฏต่ำกว่าความเป็นจริง

ด้วยสูตรนี้ ผลของการสร้างโอกาสในการขายที่มีนัยสำคัญจึงสามารถสมดุลได้โดยการหาค่าเฉลี่ยของข้อมูล การเติบโตอย่างรวดเร็วจะไม่บิดเบือนตัวเลขหรือหลอกให้คุณคิดว่าตัวเองมีผลงานดีขึ้นในเดือนหนึ่งและแย่ลงในเดือนถัดไป

การไหลออกปรับระดับออกหรือไม่?

เป็นการยากที่จะหาตัวบ่งชี้ที่เป็นอันตรายมากกว่าการเลิกใช้งานของลูกค้า แต่ก็มีอยู่อย่างหนึ่ง นี่คือความไม่แน่นอนของผู้ใช้ หากคุณไม่สามารถทำให้เส้นโค้งการรักษาลูกค้าของคุณแบนลงได้ แสดงว่าผลิตภัณฑ์ของคุณไม่มีความน่าดึงดูดใจ

สมมติว่าผู้ใช้ 100 รายที่สมัครใช้บริการของคุณในวันที่ 1 มกราคม มีอัตราการรักษาลูกค้าไว้ที่ 40% ภายในสิ้นเดือน อย่างไรก็ตาม ตัวเลขนี้ลดลงอย่างต่อเนื่อง และเมื่อถึงสิ้นเดือนที่สอง ก็ไม่มีอะไรเหลือจากจำนวนเดิม หากคุณมีกลุ่มประชากรตามรุ่นหรือผู้ใช้ที่จัดกลุ่มตามวันที่สมัครสมาชิก ซึ่งหมดเกือบทั้งหมดและไม่เคยลดระดับเลย คุณมี จริงจังปัญหา.

แล้วสิ่งนี้หมายความว่าอย่างไรสำหรับการเติบโตของคุณ?

ผู้ใช้ที่ใช้งานรายสัปดาห์ (WAU) ตามกลุ่มประชากรตามรุ่นรายเดือน (ข้อมูลสมมติ) แนวตั้ง: จำนวน WAU ทั้งหมด แนวนอน: กลุ่มประชากรตามรุ่นรายเดือน

ตอนแรกความสูงของคุณจะไม่ลดลง แต่เมื่อดูกราฟด้านบน คุณจะเห็นว่าเมื่อเวลาผ่านไป จำนวนผู้ใช้ที่ออกจะเพิ่มขึ้น และสิ่งนี้จะทำให้การเติบโตของคุณช้าลงในที่สุด หากคุณลากกราฟไปทางขวาต่อไป เส้นโค้งจะต้องตกลงอย่างแน่นอน ผู้ใช้จะออกจากเว็บไซต์/แอปของคุณในอัตราที่เพิ่มขึ้นเรื่อยๆ และคุณจะได้รับเว็บไซต์/แอปใหม่ในอัตราเดียวกัน

เมตริกหมายเลข 2 อัตราการรักษาลูกค้าต่อกลุ่มประชากรตามรุ่น

แบ่งผู้ใช้ตามวันที่เริ่มต้นใช้บริการของคุณและดำเนินการวิเคราะห์ตามรุ่น คุณต้องทำให้เส้นโค้งการรักษาผู้คงอยู่แบนลง ค้นหาจุดในเวลา (ไม่สำคัญว่าจะเป็นวันที่สองหรือสัปดาห์ที่สาม) เมื่อผู้ใช้หยุดการรั่วไหล

ดูการวิเคราะห์ตามรุ่น 2 รายการ:

ในระยะแรก การไหลออกจะค่อยๆ เริ่มในแต่ละกลุ่มจนกว่าจะไม่เหลือใคร แต่ในช่วงที่สอง เส้นการรักษาผู้ใช้จะคงที่ในวันที่ 12 และกลุ่มประชากรตามรุ่นใหม่แต่ละกลุ่มจะต่อยอดจากกลุ่มรุ่นก่อนหน้าที่เหลืออยู่ หากการวิเคราะห์ของคุณคล้ายกับการวิเคราะห์แบบแรก ให้มุ่งเน้นที่การสื่อสารคุณค่าของข้อเสนอให้กับลูกค้าของคุณให้ชัดเจนยิ่งขึ้น ระยะแรกการเก็บรักษา เมื่อนั้นกราฟการเติบโตของคุณจะมีลักษณะดังนี้:

เมื่อคุณทำให้เส้นโค้งการรักษาลูกค้าของคุณแบนลงแล้ว คุณสามารถลงทุนเพื่อเร่งกระบวนการให้เร็วขึ้นได้ พยายามดึงดูดผู้ใช้ให้ไปที่ช่วงเวลา "อ๋อ!" ประมาณวันที่ 3 แทนที่จะเป็นประมาณวันที่ 12 ซึ่งจะมีอัตราการรักษาลูกค้าเท่าเดิม มากกว่าผู้ใช้

ผู้ใช้ของคุณมีค่าอะไรบ้าง?

แม้ว่าคุณจะทำให้เส้นโค้งเรียบลง ไม่ช้าก็เร็วผู้ใช้จะเริ่มจากคุณไป เป้าหมายคือการตัดสินใจว่าเร็วเกินไปแค่ไหนและจะทำอะไรได้บ้างเพื่อรักษาไว้ได้นานขึ้น

มีตำนานว่าตราบใดที่มูลค่าตลอดอายุการใช้งานของลูกค้า (LTV) สูงกว่าต้นทุนการได้มาซึ่งลูกค้า (CAC) ตำแหน่งของคุณก็จะมีเสถียรภาพ กล่าวอีกนัยหนึ่งคือในขณะที่คุณใช้จ่ายด้านการตลาดน้อยลง รายได้ทั้งหมดได้รับจากลูกค้าที่ได้มาคุณก็สบายดี

LTV > CAC = ☺

ทุกอย่างถูกต้องหรือไม่? เลขที่

สูตรนี้ใช้ได้ภายใต้สมมติฐานที่ไม่แม่นยำสองข้อ:

1. อัตราการปั่นคงที่ และ
2. ผู้ใช้ทั้งหมดจะออกไปในที่สุด

ดังที่ได้แสดงไว้ในบทที่แล้วเรื่องการไหลออก ไม่ใช่คงที่และคุณคงไม่อยากให้เป็นเช่นนั้น คุณทำงานเพื่อปรับปรุงเมตริกนี้อย่างต่อเนื่อง สำหรับสมมติฐานที่สองคุณหวังว่าจะได้ลูกค้าที่ ไม่เคยคุณจะไม่ถูกทอดทิ้ง

เมตริกหมายเลข 3 กำไรรวมตามรุ่น

แทนที่สูตรนี้ Open View Partners ซึ่งทำงานร่วมกับบริษัทสตาร์ทอัพซอฟต์แวร์ในระยะการขยาย ได้คิดค้นสูตรที่ได้รับการปรับปรุงเพื่อทำความเข้าใจคุณค่าของผู้ใช้ พวกเขาแนะนำให้ดูสิ่งที่เรียกว่ารายได้สะสมตามกลุ่มประชากร (CCR) และเปรียบเทียบกับ CAC CCR คือจำนวนรายได้ทั้งหมดที่เกิดจากส่วนแบ่งของลูกค้าที่คุณได้รับในช่วงเวลาที่กำหนด (ปกติคือ 12 หรือ 24 เดือน)

CCR ประจำปี = CCR ของกลุ่มประชากรตามรุ่นที่เกี่ยวข้องในเดือนที่ 12 / ค่าใช้จ่ายในการขายและการตลาดทั้งหมดในเดือนเริ่มต้นสำหรับกลุ่มประชากรตามรุ่นที่กำหนด

สูตรใหม่ประกอบด้วยระยะเวลาหนึ่ง รับรองว่าคุณจะเปรียบเทียบ ถูกต้องกำไรทั้งหมดจากกลุ่มประชากรตามรุ่นหนึ่งๆ พร้อมด้วยจำนวนเงินที่คุณใช้จ่ายเพื่อให้ได้มา ไม่มีที่ว่างสำหรับการสันนิษฐานที่ผิด และคุณจะได้รับความเข้าใจที่แท้จริงว่าคุณและ CAC คุ้มกันตรงไหน

การเปรียบเทียบ CCR และ CAC ระหว่างกลุ่มรุ่นต่างๆ จะแสดงให้คุณเห็นว่าจุดใดที่คุณได้รับการปรับปรุงเมื่อเวลาผ่านไป และคุณสามารถชดใช้ต้นทุนการได้มาซึ่งลูกค้าได้เร็วเพียงใด

อัตราการรักษาผู้ใช้เป็นสิ่งสำคัญ แต่ไม่ได้บอกเล่าเรื่องราวทั้งหมด ความจริงก็คือกระบวนการออกจากผู้ใช้อาจใช้เวลาหนึ่งนาที หนึ่งชั่วโมง หรือแม้แต่หนึ่งสัปดาห์หลังจากที่พวกเขาตัดสินใจครั้งแรกเกี่ยวกับผลิตภัณฑ์ของคุณ บางทีเขาอาจต้องการยกเลิกการสมัครสมาชิกแต่กลับลืมเรื่องนี้ไป หรือเขาตัดสินใจที่จะให้โอกาสผลิตภัณฑ์อีกครั้ง แต่สิ่งต่างๆ ไม่ได้ผล

สมมติว่ากราฟการรักษาลูกค้าของคุณมีความชันที่น่าเป็นห่วง:

คุณสังเกตเห็นว่าการรักษาผู้ใช้ลดลงอย่างมาก แต่คุณไม่รู้ว่าเกิดอะไรขึ้น ดูเหมือนว่าเส้นโค้งจะสูงชันในวันที่ 14... แต่นี่เป็นเพราะข้อผิดพลาดร้ายแรงหรือผู้ใช้จำได้ว่าต้องการยกเลิกการสมัครสมาชิกหรือไม่

เมตริกหมายเลข 4 DAU/WAU/เมา

แทนที่จะดูเฉพาะการรักษาลูกค้า คุณควรดูการวิเคราะห์พฤติกรรมผู้ใช้ เธอเป็นคนเดียวที่จะอธิบายให้คุณฟังว่าใครเป็นคนกระตือรือร้นและเพิ่งสละเวลาในการยกเลิกการสมัคร

ในการทำเช่นนี้ คุณต้องดูระดับกิจกรรมของคุณ ขึ้นอยู่กับลักษณะของผลิตภัณฑ์ของคุณ คุณต้องให้ความสนใจเป็นพิเศษกับหนึ่งในเมตริกต่อไปนี้:

ผู้ใช้ที่ใช้งานรายวัน (DAU)

ผู้ใช้ที่ใช้งานรายเดือน (MAU)

ถ้าคุณ ค่าหลักขึ้นอยู่กับการใช้งานรายวัน (คุณกำลังโปรโมตแอปส่งข้อความหรือตัวจัดระเบียบเวิร์กโฟลว์) จากนั้นคุณมุ่งเน้นไปที่ผู้ใช้ที่ใช้งานรายวัน หากค่าขึ้นอยู่กับการเช็คอินที่น้อยกว่า ให้ติดตาม WAU หรือแม้แต่ MAU

ไม่ได้เกิดขึ้นที่ผู้ใช้ทุกคนตื่นขึ้นมาในเช้าวันหนึ่งและตัดสินใจออกจากแอปพลิเคชันของคุณ การไหลออกมักจะนำหน้าด้วยกิจกรรมที่ลดลง กำหนดเกณฑ์มาตรฐานกิจกรรมสำหรับผู้ใช้ของคุณ และหากคุณไม่ได้เข้าใกล้พวกเขา ให้เริ่มกระบวนการมีส่วนร่วมอีกครั้งก่อนที่จะสายเกินไป

การป้องกันมากกว่าการรักษาอาการ

การใช้กลยุทธ์การรักษาลูกค้าใดๆ กับฐานของคุณอาจเป็นเรื่องที่น่าสนใจ ไม่ว่าคุณจะมีปัญหาในการเลิกใช้งานหรือไม่ก็ตาม แต่สิ่งนี้จะทำให้คุณแตกสลายและบรรลุผลเพียงเล็กน้อย ตัวชี้วัด 4 ตัวที่กล่าวถึงข้างต้นให้แนวคิดเกี่ยวกับวิธีการกำหนดเป้าหมายการเลิกใช้งานและดำเนินการตามมาตรการที่จำเป็นอย่างรวดเร็ว

เมื่อเมตริกเหล่านี้เริ่มแสดงผลลัพธ์ที่ยอดเยี่ยม คุณก็เริ่มลงมือทำและมุ่งเน้นไปที่การดึงคุณค่าจากผู้ใช้ของคุณให้มากยิ่งขึ้น