Produktu rādītāji. Kohortas analīze lietojumprogrammās. Aktivizēšana aplikācijā

Šodien es vēlētos jums pastāstīt par produktu metriku. Turklāt jums nekavējoties jāuzsver, ka produkts šajā gadījumā var būt ne tikai kāda mobilā lietojumprogramma vai sarežģīta platforma. Produkta vietā var būt vietne vai tiešsaistes veikals.

Šajā kontekstā mēs uzskatīsim karšu dizaineru par produktu, jo es vēlos ar konkrētu piemēru parādīt, kā var aplūkot metriku un tos novērtēt. Pastāv noteikta standarta metrikas kopa, ko cilvēki parasti aplūko. Tomēr, attīstoties vietnei vai produktam, notiek dažādi notikumi, kas ietekmē šos rādītājus. Un, ja mēs skatāmies uz dažiem standarta rādītājiem, piemēram, ikdienas aktīvie lietotāji (dienas auditorija), mēneša aktīvie lietotāji (ikmēneša auditorija), mēs, visticamāk, nevarēsim izdarīt secinājumus par vietnes attīstību, kāds notikums ir ietekmējis tās attīstību vai labāku. sliktāk.

Tāpēc šeit ir ļoti svarīgi aplūkot kohortas, noteiktas lietotāju grupas, lai saprastu, kuri lietotāji kādos pasākumos piedalījās, vai viņi palika produktā vai pameta šo produktu, tiklīdz saprata, ka tas ir noticis. viņiem tas neatbilst vai viņiem tas pārstāja patikt utt.

Kartes konstruktors un tā iespējas

Sākumā parunāsim dažos vārdos par karšu noformētāju un tā iespējām.

Kartes noformētājs ir diezgan vienkāršs rīks. Kam tas bija radīts? No vienas puses, ir karšu API, kas nozīmē, ka persona, kas izmanto karšu API, saprot, kas ir izstrāde, zina JavaScript programmēšanas valodu un zina, kā to visu izmantot. No otras puses, ir auditorija, no kuras diezgan liels procents nesaprot programmēšanu. Bet šai auditorijai ir vajadzīgas arī kartes, viņi arī vēlas tās izmantot vietnēs vai jebkur citur. Tāpēc tika izgudrots karšu dizainers, kas deva cilvēkiem iespēju izveidot kartes atsevišķā vietnē.

Šī ir pirmā produkta lapa. Šeit lietotājs var uzzīmēt karti. Viņš var likt atzīmes, zīmēt līnijas, daudzstūrus un tā tālāk. Pēc tam viņš noklikšķina uz pogas “Saglabāt un turpināt” un nonāk dizainera otrajā daļā.

Šeit viņš var izvēlēties kartes veidu. Tātad viss produkts sastāv no diviem posmiem. Pirmais ir uzzīmēt karti. Otrais ir izvēlēties viņam vajadzīgās kartes veidu. Karte var būt paredzēta vietnei vai drukāšanai. Tas nav sarežģīti, jūs varat to izmantot un izveidot kartes.

Kartes dizainera auditorija

Ja runājam par auditoriju, to var iedalīt divos veidos. No vienas puses, tas ir bizness, kura pārstāvji veido un saglabā kartes, lai tās ievietotu mājaslapā, lai parādītu lietotājiem, kur atrodas, piemēram, piegādes zonas - kur var piegādāt picu par 300 rubļiem, kur par 500 .

Bet ir arī auditorija, kas karti izmanto personīgiem mērķiem. Piemēram, cilvēki, kuri sestdienai zīmē dažādus pastaigu maršrutus. Vai arī atzīmējot kartē labas makšķerēšanas vietas.

Kartes noformētāja izmantošanas piemēri

Piemērs ar punktiem.

Maršruti.

Piegādes zonas, kas parāda, kurā rajonā ir piegādes izmaksas.

Piemērs ar etiķetēm — varat ielādēt skaistas etiķetes, atzīmēt tās un padarīt karti tematisku.

Piemērs no RBC — RBC žurnālisti izveidoja karti, lai ilustrētu materiālus par konfliktu Sīrijā.

Produktu izstrāde un galvenie rādītāji

Pāriesim pie metrikām un jautājuma par produktu un produkta metriku.

Slaidā ir redzami auditorijas apmeklējumi. Bultiņas norāda divus galvenos notikumus, kas notikuši izstrādājumā. Šie divi notikumi, kā redzams grafikā, ietekmēja auditorijas lielumu un apmeklējumu skaitu.

1. 2015. gada oktobris: lietotāju “pārvietošana” no cita produkta.
2. 2016. gada marts: oficiāls paziņojums par jaunu funkcionalitāti.

Pirmais notikums bija saistīts ar pārcelšanos – daļa skatītāju bija spiesta pāriet uz preci. Otrs notikums bija saistīts ar jaunas funkcionalitātes parādīšanos produktā. Ko tu domā ar pārvietošanos? Kādreiz lietotājiem bija iespēja doties uz Yandex.Maps - sauksim tās par "lielajām kartēm" - un veikt gandrīz tās pašas darbības, kas tagad ir konstruktorā, tikai lielās kartēs. Liek punktus, veido savu karti – neskatoties uz to, ka šī funkcionalitāte nebija prioritāte, lietotāji to izmantoja, veidoja savas kartes utt.

Kādā brīdī karšu dizains tika atjaunināts, un šī funkcionalitāte tur nebija iekļauta - tā tika pārvietota uz atsevišķu produktu. Būtībā lietotājiem, kuri izmanto veco dizaina versiju, tika teikts - atvainojiet, draugi, ja vēlaties rediģēt iepriekš izveidotās kartes, varat to izdarīt, izmantojot jauno rīku. Un viņi nosūtīja viņiem saiti uz šo rīku. Auditorijas pieaugums konstruktora iekšienē bija saistīts ar to, ka cilvēki tika piespiedu kārtā pārcelti no cita servisa.

Otrs stāsts bija saistīts ar izziņošanu par karti drukāšanai konstruktora iekšpusē. Ja agrāk varēja izveidot kartes tikai vietnei, tad tagad var izveidot pilnvērtīgu karti, lai to izdrukātu un izkarinātu pilsētas ielā vai mājās. Šis paziņojums tika publicēts lielās kartēs, jo tieši tur ir mērķauditorija. Rezultātā tika iegūta noteikta pacelšanās (tas ir redzams grafikā).

Šī funkcionalitāte ne tikai parādījās no nekurienes. Tā tapa, jo cilvēki bieži rakstīja tehniskajam atbalstam un teica - lūdzu, augšupielādējiet mums karti, mēs gribam uztaisīt pilsētas projektu. Vai arī mēs vēlamies atzīmēt muzeju. Vai arī mēs esam Ārkārtas situāciju ministrija, mēs gribam atzīmēt noteiktus punktus un izmantot to savā darbā. Šis bija atbilstošs pieprasījums, un tas tika pievienots produkta iekšpusē.

Ja skatāmies uz grafiku, uz ikdienas vai mēneša auditoriju, mēs diez vai varēsim izdarīt secinājumus par to, kā šie divi notikumi ietekmēja produktu. No vienas puses, auditorija ir augusi. No otras puses, kad lietotāji no lielām kartēm tika pārcelti uz konstruktoru, Yandex atbalstam tika rakstītas daudzas dusmīgas atsauksmes - lūdzu, atdodiet mums “Manas kartes” lielās kartēs, jo mēs esam pieraduši to izmantot un nevēlamies doties pie jauna konstruktora. Neskatoties uz to, grafiks uzrādīja zināmu auditorijas pieaugumu. Tad Yandex.Maps komanda nolēma rakt nedaudz dziļāk un sadalīt auditoriju grupās.

Bija trīs grupas. Pirmā grupa ir tie cilvēki, kuri tika transportēti. Pirmās vizītes datums bija nedēļa, kad parādījās ziņa par pāreju uz jauno konstruktoru, tāpēc satiksmes avots bija skaidrs. Otrajai grupai bija paziņojums reklāmas ziņojuma veidā. Tur tas bija atzīmēts. Trešā grupa ir konstruktora standarta lietotāji, kuri nepiedalījās ne pirmajā, ne otrajā pasākumā. Tie bija nepieciešami, lai salīdzinātu noteiktu grupu uzvedību.

Nepietiek tikai ar grupu identificēšanu, mums ir jāsaprot, kādā kontekstā mēs vēlamies analizēt šīs auditorijas uzvedību. Lai to izdarītu, jums ir jāeksperimentē ar piltuvēm. No vienas puses, pastāv standarta piltuve un zināms kārdinājums pieturēties pie šiem punktiem:

• Atrakcija. Kā lietotāji jūs atrod?
• Aktivizēšana. Vai viņi gūst pirmo veiksmīgo pieredzi?
• Turiet. Vai viņi atgriežas dienestam?
• Ienākumi. Kā jūs pelnāt naudu?
• Ieteikumi. Vai viņi stāsta citiem par tevi?

Yandex.Maps komandai svarīgi bija tikai divi punkti – aktivizēšana un saglabāšana. Ar pievilcību no satiksmes avota viedokļa viss bija skaidrs. Runājot par ienākumiem, Yandex nepelna no konstruktora, tas tiek izmantots kā mārketinga rīks, lai cilvēki zinātu par Yandex.Maps un izmantotu tos dažādos scenārijos.

Kas attiecas uz ieteikumiem, tas ir arī diezgan smalks punkts, jo cilvēki, kas veido kartes, izmantojot konstruktoru, ievieto tās savā tīmekļa vietnē, izdrukā un ievieto kaut kur pilsētā. Tādējādi rodas sekundārie, terciārie utt. sazinieties, un šīs kartes ir ieteikumi. Drukātu karšu gadījumā nav iespējams aprēķināt efektu. Tāpēc Yandex.Maps komanda nolēma koncentrēties uz diviem galvenajiem punktiem, kas saistīti ar pozitīvu pieredzi un atgriešanos pakalpojumā, un analizēt situāciju šajā kontekstā.

Grupa Nr.1. Manas kartes

Pārejam pie grupām un sāksim ar cilvēku grupu, kas tika transportēta no lielām kartēm. Mēs salīdzināsim šo grupu ar trešo standarta grupu un apskatīsim uzvedības rādītājus.

Ziņojums izskatījās šādi: "Dārgais draugs, dodieties pie īpaša dizainera, tur varat rediģēt jau esošās kartītes un izveidot jaunas." Atcerēsimies, ka šeit pirmais piltuves punkts tiek uzskatīts par pozitīvu pieredzi.

Mērķis tika iestatīts, lai atvērtu “No manām kartēm”. Tas ir, cilvēks atnāk un vēlas atvērt agrāk izveidoto karti. Lai to izdarītu, viņš izvēlas īpašu cilni un vajadzīgo karti. Kad viņš ir izvēlējies karti, mēs skatāmies uz šo parametru.

X ass ir nedēļas, Y ass ir procenti. Grafiks izskatās diezgan pieklājīgs un parāda dinamiku pa nedēļām. Cilvēki turpināja ierasties 8-9 nedēļas un izmantot šo funkcionalitāti dizainera iekšienē.

Ja salīdzināsim divas auditorijas, standarta un tās, kas nāk no “Manas kartītes”, mēs redzēsim, ka pēdējās aktivitāte ir daudz augstāka nekā pirmās. Tas norādīja, ka cilvēki, neskatoties uz dažām negatīvām atsauksmēm, tomēr izmantoja jauno produktu, mēģināja ar to iepazīties un pētīt tā iespējas.

Poga “Saglabāt un turpināt” tika izvēlēta kā otrais analīzes kritērijs. Šī poga ļauj pāriet no pirmā soļa (kartes zīmēšanas) uz otro soli, izvēloties kartes veidu – drukātā vai vietnes karte. Šeit ir grafiks:

Ja izmantosim to standarta auditorijai, mēs redzēsim, ka cilvēki pāriet no pirmā ekrāna uz otro, neatstāj produktu pirmajā ekrānā un izpētīs tā iespējas. Kā aktivizēšana, kā pirmā pieredze ar produktu, tas ir ļoti foršs.

Metrika “Atvērt no konstruktora” tika uzskatīta par saglabāšanu. Kad lietotājs nonāk pie produkta, viņam ir iespēja izvēlēties kartes. Viņš var ielādēt karti vai nu no tām, kuras izveidojis lielajās kartēs, vai arī atvērt karti no konstruktora.

Otrajā gadījumā tas nozīmē, ka viņš tur jau ir izveidojis dažas kartītes - vai nu kā eksperimentu, vai arī viņš jau ir sācis aktīvi lietot produktu. Šajā gadījumā grafiks izskatās šādi. Ja lietotājs atver noformētāja karti, nedēļas sadalījums izskatās šādi:

Ja salīdzina ar standarta auditoriju, var redzēt, ka aktivitāte ir pat nedaudz augstāka.

Bet šis grafiks parāda, ka arvien vairāk cilvēku atver karti no konstruktora, un grafiks aug. Diagramma, kas saistīta ar to, ko cilvēki atver sadaļā “Manas kartes” (tās kartītes, ko viņi izveidoja iepriekšējā produktā), samazinās. Tas ir, viņi jaunajā konstruktorā rada arvien vairāk karšu, kas nozīmē, ka viņi to izmanto, kas nozīmē, ka viņi sasniedz savu mērķi.

Grupa Nr.2. Drukātas kartiņas

Šī ir grupa, kurai tika paziņota par jaunu funkcionalitāti ar drukātām kartēm. Šis ir cits scenārijs un cits stāsts. Otro grupu salīdzinājām ar trešo – dizainera standarta lietotāju grupu. Paziņojums izskatījās šādi – reklāmas ziņa, uz kuras varēja noklikšķināt.

Runājot par analīzes parametriem, aktivizēšanas punkts tika izvēlēts kā mērķis “Atvērt palīdzības sadaļu”. Tā izvēlēta, jo “Palīdzība” ļauj cilvēkam saprast un atbildēt uz jautājumiem. Drukātajai kartei ir noteikti ierobežojumi, kas ir aprakstīti sadaļā “Palīdzība”.

Šeit ir palīdzības sadaļas ekrānuzņēmums, lai sniegtu priekšstatu par to, kā šī sadaļa tiek parādīta produktā.

Un lūk, kā izskatās grafiks, kas saistīts ar palīdzību. Šis grafiks parāda, ka ir zināms pieaugums, un pakāpeniski šis grafiks iet uz nulli. Nezinot tālāk redzamo attēlu, varētu hipotētiski pieņemt, ka cilvēki ir iepazinušies ar lietojumprogrammas iespējām, un kāpēc viņi pēc tam atvērtu palīdzību, ja viņi jau zina, kas ir produkts un zina, kā to izmantot. Šeit viss izskatās diezgan loģiski.

Bet, ja skatās kontekstā ar standarta auditoriju, tad standarta auditorija tā vai citādi ķeras pie sadaļas “Palīdzība”, jo parādās jauni lietotāji, kuri vēl nezina visas iespējas.

Apskatīsim citu iespēju - opciju "Saglabāt un turpināt". Šī ir pāreja no pirmā produkta mijiedarbības posma, kad tiek uzzīmēta karte, uz otro posmu, kad tiek noteikts tās izmantošanas veids - izdrukāts vai ievietots vietnē. Šeit arī grafiks izskatās diezgan dīvains, jo trešajā nedēļā viss, tāpat kā pagājušajā reizē, iet uz nulli. Mēs redzam dažas pirmās darbības — cilvēki noklikšķina uz šīs pogas, un pēc tam viņi no šīs grupas pārtrauc to darīt.

Paskatīsimies, kā izskatās situācija salīdzinājumā ar standarta auditoriju. Šeit mēs iegūstam šādu attēlu. Pirmkārt, šie rādītāji ir zemāki nekā standarta auditorijai. Un šeit mēs varam pieņemt, ka šī auditorija, kas nāca no reklāmas banera, ir cilvēki, kurus vairāk vai mazāk interesē kartogrāfijas tēma. Bet pastāv pieņēmums, ka šajā posmā tie, kas vienkārši ieradās iepazīties ar produktu, tika likvidēti, tālāk nepētīja tā iespējas un produktu slēdza. Un tie, kas patiešām vēlējās izveidot drukājamu karti, pārgāja uz otro soli.

Runājot par samazinājumu līdz nullei, sākotnēji bija hipotēze, ka cilvēki, kas nāca no reklāmas banera, eksperimentēja un aizgāja. Bet šeit ir svarīgi aplūkot saglabāšanas parametru. Svarīgs parametrs bija “Saglabāt karti Yandex.Disk”.

Šis ir otrā ekrāna ekrānuzņēmums, kad lietotājs ir uzzīmējis karti un vēlas izvēlēties tās veidu. Viņam ir iespēja noklikšķināt uz pogas “Saglabāt Yandex.Disk” un saņemt paša izveidoto izdrukāto karti un izdrukāt to, piemēram, tipogrāfijā.

Grafikā ir tāda pati tendence - trešajā nedēļā tas iet uz nulli.

Te redzam, ka aktivitāte ir ievērojami augstāka nekā standarta auditorijai, bet trešajā nedēļā aktivitātes atkal ir nulle. Tagad mums ir jāaplūko cits grafiks. Šī diagramma ir saistīta ar lietotāja darbībām, nesadalot to grupās produkta ietvaros.

Auditorija, kas nāca no reklāmas ziņojuma, pēc tam varēja atgriezties pie produkta. Un šis grafiks apstiprina, ka viņa patiešām atgriezās pie produkta un veica darbību “Saglabāt Yandex.Disk”, lai izdrukātu karti. Taču viņa ne vienmēr atgriezās, izmantojot reklāmas saiti, piemēram, meklēšanā ierakstot “Yandex kartes dizainers”, izveidojot grāmatzīmi utt. Trešajā nedēļā kontakts, izmantojot reklāmas saiti, tika zaudēts, un šī auditorija tika pārveidota par pastāvīgu.

Secinājumi

Ja mēs runājam par secinājumiem, ko var izdarīt no šīs detalizētās analīzes, jāatzīmē četri punkti:

1. Atcerieties, ka ne visi rādītāji ir vienādi. Pirmais punkts ir saistīts ar to, ka nevajag baidīties eksperimentēt ar metriku, ar produktu rādītājiem. Apskatiet notikumus, sadaliet auditoriju grupās, atbildiet uz jautājumiem, kas rodas jūsu prātā. Jo patiešām ir svarīgi saprast ne tikai auditorijas pieauguma vai krituma tendenci kopumā, bet arī šīs izaugsmes vai krituma cēloņus.
2. Pielāgojiet standarta piltuves sava produkta mērķiem un funkcijām. Nebaidieties pielāgot piltuves savam produktam. Ir standarta piltuves – par pielāgošanu, saglabāšanu, ieteikšanu utt. Bet visi produkti ir pilnīgi atšķirīgi. Jūs nevarat vienkārši paņemt produktu un ievietot to esošajā piltuvē. Katram produktam ir savas īpašības. Nebaidieties iekļaut dažus savus mērķus šajā piltuvē un mēģiniet izdarīt secinājumus no šīs piltuves.
3. Sadaliet auditoriju grupās un novērojiet dinamiku. Auditorijas sadalīšana grupās ir ļoti interesanta prakse. Tas ļauj saprast, kā auditorija uzvedas atkarībā no tā, kurā brīdī viņi pievienojās produktam, kas to veicināja un kas bija pirms tā.
4. Apkopojiet, ņemot vērā pilno ainu – ieguldītās pūles apjomu un efektu. Ceturtais un pēdējais punkts ir par visu attēlu. Yandex ievietoja reklāmkarogu savā vietnē. Tas viņam izmaksāja pusstundu darbu no dizainera, kurš zīmēja attēlus. Ja Yandex.Maps komandai būtu liels reklāmas budžets un tas būtu iztērēts reklāmkaroga izvietošanai pie kāda ļoti dārga resursa, tad varbūt šī nauda būtu izšķiesta.

Avots (video): Kartes un konvertēšana.— Tatjana Popova (Yandex).

Magomeds Čerbiševs

, ScrumTrek emuārs

Pirms pāris nedēļām Andreessen Horowitz riska kapitāla fonda emuārā parādījās divi interesanti ieraksti par starta metriku. Pirmais raksts bija veltīts 16 metrikām, kas jāizmēra katram startam. Otrais šo sarakstu papildināja ar vēl 14 rādītājiem.

Katrā rakstā vieta bija veltīta ekonomikas un produktu rādītājiem, kā arī to prezentācijas formātiem. Tomēr tiem visiem bija viena kopīga iezīme – tie ir rādītāji, kas interesē investorus, novērtējot konkrētā produkta potenciālās iespējas. Un šiem rādītājiem ir jāsniedz izpratne par to, uz kurieni produkts atrodas pašreizējā laika brīdī, un jānorāda attīstības virziena vektors.

Īsi uzskaitīsim tos:

Ekonomiskie un biznesa rādītāji

• Gada nobraukuma likme
• Bruto peļņa

Produktu un iesaistes metrika

• Aktīvie lietotāji
• Izplūde
• Reģistrētie lietotāji
• Lejupielādes skaits

Starp rādītāju prezentēšanas un novērtēšanas formātiem tika minēta kohortas analīze un dažas interesantas diagrammas.

Mūsu apmācības, ko vada Daria Ryžkova, arī galvenokārt ir veltītas tiem produktu rādītājiem, kas palīdz mums virzīties uz priekšu. Tāpēc jautājām Darijai, ko viņa domā par rādītājiem, kurus a16z minēja pirmo un otro reizi – par atšķirību starp tiem.

Šādi rādītāji ietver:

1. Lietotāju skaits. Metrika nesniedz nekādu ieskatu par to, kas šodien notika ar produktu un cik labi vai slikti ir tas, ka šodien pie mums ieradās 100 cilvēki. Protams, sasniedzamība ir svarīga, taču, nedalot segmentus un neanalizējot šīs auditorijas uzvedību, tas mums neko nepasaka.
2. Ieņēmumi. Visbiežāk tas kļūst par produkta metriku, lai gan ieņēmumu pieaugumu varam panākt, produktu nemaz nemainot, piemēram, regulējot cenu politiku, veicot reklāmas kampaņas utt.
3. Lejupielādes skaits. Protams, lejupielādes zināmā mērā ietekmē mūsu pozīciju mobilo lietotņu veikalos. Bet no lietotāju uzvedības analīzes viedokļa labāk ir mēģināt aplūkot reklāmguvumus, kas parādīs to lietotāju iesaistīšanos, kuri lejupielādēja lietojumprogrammu jūsu produktā.
4. Sesijas laiks. Ir ļoti grūti kvalitatīvi novērtēt šo vērtību, neanalizējot auditorijas darbības. Piemēram, mums var šķist, ka, ja sesijas laiks ir palielinājies no 1 minūtes līdz 5, tad tas ir labi. Bet ko darīt, ja izrādās, ka 4 no šīm 5 minūtēm lietotājs atsauksmju veidlapā ieraksta atbalsta pieprasījumu?
5. Like/Share un citas sabiedriskās aktivitātes. Kamēr jūs nesapratīsiet, cik daudz jūs iztērējat par katru Like/Share un cik nopelnāt ar katru Like/Share, šīs vērtības jums neko neteiks.

Vai ir kāds veids, kā noskaidrot, kuri rādītāji būs noderīgi?

Galvenais, kas jāatceras, ir tas, ka laba metrika vienmēr ir relatīva, nevis absolūta vērtība. Relatīvās vērtības, pirmkārt, ļauj saprast, kā jūs varat ietekmēt rādītāja vērtības izmaiņas. Otrkārt, tie ir salīdzināmi pēc būtības, un jūs vienmēr varat novērtēt rādītāja vērtību ar līdzīgiem iepriekšējos laika periodos vai ar saviem konkurentiem. Šajā sakarā reklāmguvumi katrā pārdošanas piltuves posmā var būt labs šādu relatīvo vērtību piemērs.

Neaizmirstiet, ka auditorija ir jāsadala segmentos un jāredz, kā tās uzvedība laika gaitā mainās. Manuprāt, daudzi lieli projekti ar tūkstošiem un dažreiz miljonu auditoriju pieļauj kļūdu, neizmantojot segmentācijas un kohortas analīzes rīkus. Piemēram, ja aplūkojat vienu un to pašu atteikšanos (to lietotāju daļu, kuri pārtrauca lietot produktu) pēc kohortas dažādu segmentu kontekstā, varat atrast milzīgu skaitu ieskatu. Jums ir ļoti skaidri jānorāda, kam jūs ražojat savu produktu un kā to uztver jūsu lietotāji. Zinot viņu vajadzības, cerības un uztveri par jūsu produktu, ir daudz vieglāk izvēlēties nākamos soļus.

Iedziļinieties metrikā un koncentrējieties uz tiem, kas patiešām palīdz jūsu produktam augt!

Jūs varat palīdzēt un pārskaitīt dažus līdzekļus vietnes attīstībai

Investoru var ieinteresēt tikai ar skaitļiem. Kādi rādītāji novedīs pie miljardiem dolāru investīcijām jūsu uzņēmumā? Andreessen Horowitz riska fonds, kura portfelī ietilpst BuzzFeed, Facebook, Foursquare, Skype un citi, aprakstīja, kādiem rādītājiem tā partneri pievērš uzmanību, un The Secret izvēlējās svarīgākos no tiem. Mēs neiekļāvām visbiežāk sastopamos rādītājus, piemēram, aktīvo un reģistrēto lietotāju skaitu, bruto peļņu, datplūsmas avotus, klientu iegūšanas izmaksas vai vidējo pārbaudi, bet koncentrējāmies uz tiem rādītājiem, kurus jūs, visticamāk, neizmantosit.

Krājumu apgriezieni / Krājumu apgrozījums

Ikviens zina, kā aprēķināt konvertāciju: noteiktā periodā pārdoto preču daudzums ir jāsadala ar preču daudzumu perioda sākumā. Jo augstāks šis rādītājs, jo pieprasītāki ir uzņēmuma produkti un pievilcīgāks uzņēmums investoriem. Tirgus uzņēmumiem augsta konversija nozīmē, ka piegādātāji turpinās ar to strādāt. Investorus interesēs arī konversijas izaugsme – tas ir īpaši svarīgi sākuma stadijā un liecina par biznesa attīstību.

Mazumtirgotājiem un ražotājiem augsts konversijas līmenis liecina, ka viņi spēj pareizi paredzēt pieprasījumu un apmierināt klientu vajadzības. Taču šīm uzņēmumu kategorijām reizēm svarīgāks ir cits rādītājs – krājumu apgrozījums. Aprēķinu algoritms ir šāds.

1) Mums ir jānoskaidro vidējās inventāra izmaksas. Piemēram, gada sākumā jums bija preces 100 000 rubļu vērtībā, bet beigās - 120 000 rubļu. Abi skaitļi tiek saskaitīti un dalīti ar divi - vidējās inventāra izmaksas ir 110 000 rubļu.

2) Tagad mēs aprēķinām krājumu apgrozījumu. Pārdoto preču izmaksas par gadu tiek dalītas ar vidējām krājumu izmaksām. Piemēram, ja jūs pārdevāt preces 1,5 miljonu rubļu vērtībā, apgrozījuma koeficients ir 13. Jo lielāks skaitlis, jo efektīvāks ir uzņēmums.

Ja apgrozījums laika gaitā samazinās, tas ir slikts signāls investoriem – vai nu pieprasījums krītas, vai arī uzņēmums neattīstās. Ir divi veidi, kā palielināt šo koeficientu un padarīt uzņēmumu pievilcīgāku investoriem: pārdot intensīvāk ar tādu pašu krājumu apjomu vai pārdot to pašu, bet samazināt darījumu pabeigšanai nepieciešamo krājumu apjomu.

Tīkla efekti / Tīkla efekti

Tīkla efekts rodas, ja produkta vērtība pieaug, jo vairāk cilvēku to izmanto. To nav iespējams aprēķināt, izmantojot vienu formulu - katram uzņēmumam ir svarīgi noteikt savus rādītājus, kas parādīs efektu. Tas ir nepieciešams ne tikai, lai pateiktu investoram, ka esat izveidojis klientu kopienu, bet arī lai to apstiprinātu ar faktiem.

Andreessen Horowitz min OpenTable piemēru — pakalpojumu galdiņu rezervēšanai tiešsaistē restorānos. Viņu tīkla efekts ir tāds, ka lielāka restorānu izvēle piesaista vairāk klientu, savukārt vairāk klientu nozīmē vairāk jaunu restorānu partneru. Šeit ir norādīti rādītāji, kas palīdzēja apstiprināt šo efektu investoriem.

1) OpenTable pārdevēju produktivitāte pieaug, daļēji tāpēc, ka pieaug pieprasījumu skaits no restorāniem. Tas ir svarīgāk nekā pašas restorānu bāzes pieaugums, jo tas aug bez tīkla efektiem.

2) Pieaug to klientu skaits, kuri apmeklē restorānus, izmantojot OpenTable. Tas atkal ir svarīgāks par reģistrēto lietotāju skaitu.

3) Klientu skaits, kas apmeklē OpenTable, lai veiktu rezervāciju, pieaug, salīdzinot ar to klientu skaitu, kuri to veic, izmantojot restorāna vietni.

4) Visbeidzot, partnerrestorānu atteikšanās līmenis samazinās.

Katram uzņēmumam būs savs rādītāju kopums, taču investoram ir svarīgi redzēt, ka jūs ne tikai novērojat šo tīkla efektu, bet arī varat to pārvaldīt.

Vīrusalitāte

Ja tīkla efekts ir klientu kopienas vērtības mērs, tad viralitāte ir ātruma mērs, ar kādu produkts izplatās no viena lietotāja pie cita. Viralitātes līmenis parāda, cik lietotāju ir piesaistījuši citus cilvēkus produkta lietošanai. Šeit ir pamata veids, kā aprēķināt šo attiecību.

1) Saskaitiet savus pašreizējos lietotājus. Pieņemsim, ka to ir 1000.

2) Reiziniet šo skaitli ar vidējo ielūgumu skaitu, ko viens lietotājs nosūta saviem draugiem noteiktā laika periodā. Tas ir, ja lietotājs mēnesī nosūta apmēram piecus ielūgumus draugiem, kopējais uzaicināto lietotāju skaits ir 5000.

3) Nosakiet, cik uzaicināto lietotāju veica vēlamo darbību. Esiet piesardzīgs ar šo punktu — piemēram, lietojumprogrammas lejupielāžu skaits nenozīmē, ka to ir palaiduši jauni lietotāji. Labāk izvēlēties tos, kuri ir pabeiguši, piemēram, jūsu spēles pirmo līmeni. Pieņemsim, ka izrādās 15% jeb 750 cilvēku.

4) Vīrusa koeficientu var aprēķināt, dalot jauno lietotāju skaitu ar veco lietotāju skaitu. Šajā gadījumā tas ir vienāds ar 0,75. Rezultāts, kas ir mazāks par vienu, netiek uzskatīts par vīrusu. Ja esat ieguvis augstākus rezultātus, jums izdevās piesaistīt lietotājus, un jūsu izmaksas jauna klienta piesaistīšanai būs zemākas nekā konkurentu izmaksas.

Ir svarīgi atcerēties, ka viralitāte neliecina par tīkla efekta esamību - kvantitāte ne vienmēr izpaužas kvalitātē.

Neto veicinātāja rādītājs (NPS) / lojalitātes indekss

Šis rādītājs ļaus jums uzzināt, cik apmierināts ir patērētājs ar jūsu pakalpojumiem. Tas ir balstīts uz galveno jautājumu: "Kāda ir iespējamība, ka jūs ieteiksiet mūsu uzņēmumu/produktu/pakalpojumu draugam vai kolēģim?" Uzdodiet klientiem šo jautājumu un ļaujiet viņiem atbildēt skalā no 1 līdz 10 (visticamāk, 10). Pēc tam noskaidrojiet “atbalstītāju” (tie, kas iedeva 9 līdz 10) un “nelabvēļu” (tie, kas iedeva ≤ 6) procentuālo daļu. Patērētāju lojalitātes indekss ir vienāds ar starpību starp “reklāmdevēju” un “nelabotāju” procentuālo daļu.

Investoram augsts patērētāju lojalitātes indekss ir rādītājs, ka uzņēmums domā ne tikai par lietotāju skaitu, kuri kādu darbību veica vairāk nekā vairākas reizes mēnesī, bet arī ir labas attīstības perspektīvas. Investori var arī salīdzināt jūsu lojalitātes indeksu ar jūsu konkurentiem.

Kohortas analīze / Kohortas analīze

Kohortas analīze ļauj noteikt, kā lietotāji mijiedarbojas ar produktu noteiktos periodos. Piemēram, varat veikt izpētei grupu, kas reģistrējās jūsu pakalpojumā janvāra pirmajā nedēļā, un izsekot, kura no tām izmanto pakalpojumu pēc mēneša, trīs mēnešiem, sešiem mēnešiem un vēlāk. Investori to īpaši novērtē, jo lielākā daļa jaunuzņēmumu negūst peļņu un tikai lietotāju uzvedība var palīdzēt novērtēt uzņēmuma izredzes.

Šeit ir norādītas svarīgākās darbības pareizai kohortas analīzei.

1) Izvēlieties pareizo metrikas kopu, nevis metriku, kas tiek rādīta (piemēram, lejupielāžu skaits).

2) Izvēlieties pareizo analīzes periodu - parasti dienu, nedēļu vai mēnesi, jo īsāki laika periodi ir labāki jauniem uzņēmumiem.

3) Apvienojiet periodu un metriku — šobrīd 100% jūsu lietotāju veic noteiktu galveno darbību (nopērk produktu, ievieto fotoattēlu utt.).

4) Izvēlieties otru periodu — nedēļu vai mēnesi vēlāk — un pārbaudiet, cik lietotāju joprojām veic šo darbību.

5) Citreiz atkārtojiet analīzi, lai saprastu, kas ietekmē lietotāja uzvedību.

Investoriem ir jāpārliecinās, ka paturēto klientu (vai klientu, kas veic noteiktu darbību) procentuālais daudzums ir stabils vai pieaug dažādos periodos. Tas nozīmē, ka uzņēmums ir ceļā, lai izveidotu lielu, ilgtspējīgu klientu bāzi. Investoriem arī patiks, ja jaunas kohortas analīzes (piemēram, pēc jaunas funkcijas ieviešanas) uzrādīs labākus rezultātus nekā iepriekšējās. Tas liecina, ka laika gaitā uzņēmums pievieno produkta vērtību un mācās labāk izprast tā lietotājus.

Klientu koncentrācijas risks

Klientu koncentrāciju nosaka lielākā klienta ieņēmumu attiecība pret kopējiem ieņēmumiem. Tas ir, ja jūsu lielākais klients jums maksā 2 miljonus ASV dolāru gadā un kopējie ieņēmumi ir 20 miljoni ASV dolāru gadā, koncentrācija ir 10%. Investori dod priekšroku uzņēmumiem ar zemu koncentrācijas koeficientu, jo uzņēmums, kas visus savus līdzekļus saņem tikai no dažiem klientiem, ir vairāk pakļauts riskam. Piemēram, šādi klienti var slikti ietekmēt produktu, pieprasot tikai viņiem piemērotas funkcijas, vai piespiest uzņēmumu pārdot viņiem preces un pakalpojumus par pazeminātām cenām.

LTV (Life Time Value) / Klienta vērtība visā dzīves ciklā

Šis rādītājs ļauj noskaidrot klienta vērtību ilgtermiņā – cik lielu tīro peļņu no viņa saņemsiet (bez iegādes izmaksām) visā jūsu attiecību laikā. Lai aprēķinātu šo vērtību, jums jāzina šādi rādītāji.

1) Ieņēmumi uz vienu klientu (mēnesī) = pasūtījumu vidējās izmaksas, kas reizinātas ar pasūtījumu skaitu.

2) Klienta ieguldījums = klienta ieņēmumi mīnus dažādas klientu izmaksas (piemēram, pārdošanas, administratīvie un citi ar pakalpojumu saistītie darbības izdevumi).

3) Vidējais klienta darbības laiks (mēnešos) = 1, dalīts ar ikmēneša atteikšanās koeficientu.

Lai iegūtu mūža vērtības rādītāju, ieguldījums segumā jāreizina ar klienta vidējo paredzamo dzīves ilgumu. Jo augstāks rādītājs, jo uzņēmums ir perspektīvāks investoram.

Degšanas ātrums / līdzekļu izlietošanas ātrums

Zināt savu degšanas ātrumu ir īpaši svarīgi agrīnās stadijas jaunizveidotiem uzņēmumiem. Kad nauda beidzas, jauniem uzņēmumiem nav kur samazināt izmaksas un nav laika palielināt ieguldījumus. Bīstamās likmes aprēķināšanas formula ir vienkārša: no bilances gada sākumā ir jāatņem gada beigās iegūtais atlikums un rezultāts jādala ar 12. Gads nav stingrs laika ierobežojums ņem jebkuru mēnešu skaitu un attiecīgi aizstāj to dalītājā.

CMGR (saliktā mēneša pieauguma likme)

Mēneša pieaugumu ir ļoti viegli izmērīt – to parasti aprēķina kā vidējo no visiem gada mēneša rādītājiem. Tomēr Andreessens Horovics apliecina, ka investorus interesē kopējais rādītājs, kas tiek aprēķināts, izmantojot sarežģītāku formulu. Tas ir šāds: (gada pēdējais mēnesis / gada pirmais mēnesis) * (1 / Mēnešu skaits) – 1. Mazajiem uzņēmumiem šis rādītājs var būt zemāks par tikai vidējo pieauguma tempu.

Atbrīvošanās / Klientu atgrūšana

Ir svarīgi saprast ne tikai to, cik klientu paliek pie jums, bet arī to, cik daudzi aiziet. Tam palīdzēs izplūdes aprēķināšanas formula - ir vairākas iespējas. Andreessen Horowitz piedāvā vienkāršāko: zaudēto klientu skaits ir jāsadala ar klientu skaitu perioda sākumā. Šajā mēnesī nav jāņem vērā jauni darījumi.

Stingrākās prasības attiecas uz mākoņpakalpojumiem, kas darbojas uz abonēšanas pamata – ikmēneša novirze nedrīkst pārsniegt 5–7%. Citās jomās šis rādītājs var pieaugt virs 20%, bet, protams, jo zemāks, jo labāk investoram.

“Secret” pateicas Blackmoon Financial Group izpilddirektoram Oļegam Seidakam par palīdzību materiāla sagatavošanā

Kohortas analīze ir efektīvs produktu un mārketinga analīzes rīks. Pat tie, kas zina par tā esamību, to izmanto ārkārtīgi reti. Rakstu sērijas “Analytics Course” ietvaros ZeptoLab analītiķis runās par kohortas analīzes efektivitāti. Oļegs Jakubenkovs.

Mēģināsim salīdzināt divas automašīnas un noskaidrot, kura no tām ir labāka:

• pirmais nobrauca 2000 km, otrais - 12 000 km;
• pirmā automašīna tiek izmantota 5 reizes nedēļā, otrā - 4 reizes;
• Pirmā automašīna pēdējā mēneša laikā nobraukusi vidēji 10 km, otrā - 20;
• šajā konkrētajā brīdī pirmā automašīna brauc ar ātrumu 100 km/h, bet otrā automašīna brauc ar ātrumu 70 km/h.

Diemžēl, pamatojoties uz pieejamo informāciju, nav iespējams atbildēt uz uzdoto jautājumu. Kādu iemeslu dēļ, tiklīdz runa ir par interneta projektiem vai mobilajām lietojumprogrammām, visi sāk pārraudzīt tādus rādītājus kā DAU, MAU, ienākumi, kopējais reģistrāciju skaits un, pamatojoties uz tiem, mēģina izdarīt secinājumus par produktu, izmaiņu ietekmi un mārketinga aktivitāšu efektivitāte.

Iepriekš minētie rādītāji ir izaugsmes rādītāji. Ir lietderīgi tos ievērot vispārējai situācijas izpratnei, bet attiecībā uz darbu pie produkta tie ir bezjēdzīgi, jo uz tiem nav iespējams pieņemt lēmumus par produktu, tāpat kā nav iespējams novērtēt produkta izmaiņu ietekmi. .

Produkta vadītājam galvenokārt jāinteresē tā “apjoms” un “blīvums”, nevis “masa”. “Masa” vienkārši paziņo faktu, nepaskaidrojot, no kurienes tas nācis un kā to ietekmēt. Mums ir jācenšas sadalīt galvenos rādītājus to sastāvdaļās, sadalīt tos, nosakot ietekmes sviras uz tiem - galvenais uzdevums, strādājot pie produkta.

Šo darbību nevar veikt bez analītikas. Analytics ir atgriezeniskā saite par darbībām, acīm produktu pasaulē. Pirmkārt, analītika ļauj mums saprast, kur mēs atrodamies, kādu produktu esam radījuši, kā to izmanto reālajā pasaulē, un pēc tam ļauj mums redzēt, kā veiktās darbības un izmaiņas ietekmē produktu. Tālāk esošajā attēlā es saucu analītiku par posmiem: mērīšana, dati, mācīšanās.

Viens no efektīvākajiem produktu analīzes rīkiem ir kohortas analīze. Tieši par to mēs šodien runāsim.

Kāpēc izaugsmes rādītāji ir bezjēdzīgi produktu analīzei

Apskatīsim šādu modeļa situāciju. Ir produkts, kam ir šādas īpašības:

• lietotāja piesaistīšanas izmaksas ir 1 USD;
• Vidējie ieņēmumi uz vienu lietotāju ir 2 ASV dolāri nākamo 4 mēnešu laikā;
• 30% jauno lietotāju turpina lietot produktu pēc mēneša (tad daļa pakāpeniski samazinās līdz 15%);
• veicināšanas komanda piesaistīs 10 tūkstošus jaunu lietotāju pirmajā mēnesī pēc palaišanas, 15 tūkstošus otrajā, 20 tūkstošus trešajā un tā tālāk;
• produkta vadītājs, kurš ir atbildīgs par produkta izstrādi, katru mēnesi veic tajā izmaiņas. Izmaiņas ir neveiksmīgas, tāpēc pēc katrām izmaiņām ieņēmumi uz vienu lietotāju samazinās par 0,1 ASV dolāru, un to lietotāju daļa, kuri turpina lietot produktu, samazinās par 2%.

Uzņēmumā, kurā šis produkts tiek izstrādāts, ir ierasts uzraudzīt katra projekta mēneša auditoriju (MAU jeb Monthly Active Users) un peļņu. Pamatojoties uz šiem rādītājiem, tiek noteikti KPI un tiek novērtēti komandas panākumi, kas strādā pie produkta.

Ievērojot atlasītos rādītājus, pēc pirmajiem 9 mēnešiem vadība bija ļoti apmierināta ar jaunā produkta rezultātiem, tostarp produktu vadītāja panākumiem. Bet atceries – mūsu produktu menedžeris preci sabojā katru mēnesi! Tajā pašā laikā izaugsmes rādītāji nepārtraukti pieaug.

Zemāk ir tie paši grafiki, bet par 16 mēnešiem. Šajos grafikos mēs beidzot redzam pirmās neveiksmīgu produktu izmaiņu pazīmes. Bet tikai pēc 12 mēnešiem.

Fakts ir tāds, ka izaugsmes rādītājus ietekmē divi komponenti: produkts un veicināšana. Aplūkojot izaugsmes rādītājus, jūs nevarat vienkārši nošķirt abus. Šī iemesla dēļ izaugsmes rādītāji ir pilnīgi nepiemēroti produktu analīzei.

Ja būtu pareizi izveidota analītika, mēs būtu redzējuši produktu atjauninājumu neveiksmīgo ietekmi pirmajās nedēļās/mēnešos.

Kohortas analīzes būtība

Jebkurā dienā jūsu produkta mērķauditorija ir to lietotāju kombinācija, kuri sāka izmantot jūsu pakalpojumu šodien, vakar, pirms mēneša utt. Uzraudzīt šo neviendabīgo masu un mēģināt izdarīt secinājumus ir ārkārtīgi nepateicīgs uzdevums.

Kohortas analīzes ideja ir sadalīt lietotājus grupās, pamatojoties uz noteiktām īpašībām, un izsekot šo grupu uzvedībai laika gaitā.

Parasti lietotāju grupas (kohortas) tiek identificētas, pamatojoties uz nedēļu (mēnesi), kad lietotāji ieradās lietojumprogrammā. Kad esam identificējuši šīs lietotāju grupas, mēs tās izsekojam laika gaitā un izmērām galvenos rādītājus katrai atsevišķai kohortai. Salīdzinot marta un maija lietotāju grupu veiktspēju, varat objektīvi salīdzināt produktu versijas, kas atbilst šiem laika periodiem.

Lai iegūtu padziļinātu analīzi, identificētās kohortas ir jāturpina segmentēt, pamatojoties uz datplūsmas avotu, platformu, valsti un citiem faktoriem, kas atbilst jūsu konkrētajam produktam.

Visticamāk, galveno metriku vērtības dažādiem segmentiem atšķirsies, tāpat kā dažādām produktu izmaiņām būs atšķirīga ietekme uz dažādiem lietotāju segmentiem.

Galvenie produktu rādītāji – LTV un CAC

Divi galvenie rādītāji, kas galu galā nosaka jūsu produkta finansiālos panākumus, ir LTV (dzīves laika vērtība) un CAC (klientu iegādes izmaksas).

LTV ir nauda, ​​ko vidusmēra lietotājs tērē jūsu mobilajai lietotnei visā tās lietošanas laikā. CAC ir jūsu izmaksas, lai piesaistītu vidusmēra lietotāju.

Kāpēc šie divi rādītāji ir tik svarīgi jūsu produktam un kā tie ietekmē jūsu uzņēmuma darbību, varat lasīt materiālā “SaaS Analytics. Dzīvotspējas kritēriji" un materiālā "Startup Killer: Cost of Customer Acquisition" vai apskatiet Vimeo. Šajā rakstā šo metrikas nozīmīgums tiks pieņemts pēc noklusējuma, un tiks aplūkoti detalizētāki veidi, kā strādāt ar šiem rādītājiem.

LTV ir galvenais rādītājs, kas atspoguļo jūsu produkta vērtība (ieguvums) lietotājiem un klientiem. Tieši šim rādītājam vajadzētu būt priekšplānā, strādājot pie produkta.

LTV ir lielisks rādītājs, taču tam ir viens trūkums – tas ir augsta līmeņa. Lai saprastu, kā to ietekmēt, ir nepieciešams to sadalīt vienkāršākos un produktam specifiskos rādītājos.

LTV sadalīšana produktu metrikā

Parasti metrika ir saistīta ar galvenajiem punktiem lietojumprogrammas lietotāja dzīves ciklā. Tādējādi mēs radām iespēju izsekot lietotāju veicināšanas panākumiem aplikācijā un atrast vājās vietas, kurām jāpievērš uzmanība.

Es parasti izsekoju lietotāja ceļojumam ar produktu saistībā ar iesaisti un monetizāciju.

Iesaistīšanās ir aprakstīta ar šādiem lietotāja dzīves cikla posmiem:

1. aktivizēšana aplikācijā
2. iestrēdzis lietojumprogrammā (vai lietošanas darbībā)
3. ilgtermiņa saglabāšana (cik lietotāju turpina lietot produktu mēnesī, divus mēnešus un tā tālāk pēc reģistrācijas)

Monetizāciju raksturo šāda lietotāja dzīves cikla posmu secība:

1. aktivizēšana aplikācijā
2. Es redzēju pārdošanas ekrānu
3. veicis 1 pirkumu
4. veica 2 pirkumus

Tālāk ir sniegta metrika, kas atbilst katram produkta lietotāja dzīves cikla posmam (dažādiem produktiem metrika var atšķirties).

Aktivizācija aplikācijā (% no tiem, kuri pabeidza apmācību vai veica galveno mērķa darbību aplikācijā, piemēram, reģistrējās un pievienoja savus pirmos draugus);

• lietotne iestrēga(% lietotāju, kuri sasnieguši N līmeni vai, piemēram, pievienojuši N draugus: skaitli N nosaka eksperimentāli);
• lietotājs redzēja pirkuma piedāvājumu(% lietotāju, kuri redzēja pirkuma piedāvājumu);
• lietotājs veica pirmo pirkumu(% no tiem, kas kaut ko iegādājas aplikācijā, vidējā pirmā pirkuma summa);
• lietotājs veica atkārtotu pirkumu(% no tiem, kuri veica atkārtotu pirkumu, vidējā atkārtotā pirkuma summa, vidējais atkārtoto pirkumu skaits);
• saglabāšana(% lietotāju, kuri lieto aplikāciju mēnesi/divus/trīs/četrus pēc reģistrācijas).

Visi šie rādītāji galu galā ietekmē LTV. Katram produktam var būt sava specifika, taču lielākajai daļai šīs pamatdarbības/metrika noderēs.

Produktu rādītāji un to ietekme uz LTV

Apskatīsim iepriekš aprakstītos produktu rādītājus un to, kā tie ietekmē LTV, izmantojot abstraktu spēli kā piemēru.

Aktivizēšana aplikācijā

Jebkurā spēlē lietotājs vispirms tiek apmācīts, ejot viņam cauri apmācībai. Tie, kuri nav pabeiguši pamācību, visticamāk, neturpinās spēlēt, vēl jo mazāk maksās. Tāpēc mums ir ļoti svarīgi izsekot to lietotāju procentuālajai daļai, kuri veiksmīgi pabeiguši šo posmu.

Ir arī noderīgi izsekot to cilvēku procentuālajai daļai, kuri pēc apmācības pabeigšanas varēja veikt vairākas mērķtiecīgas darbības (tas ir, viņi iemācījās un tagad var spēlēt neatkarīgi). Šis rādītājs atspoguļos, cik labi ir izstrādāts mācību process.

Lietotājs ir iestrēdzis lietojumprogrammā

Lietotājs, visticamāk, nemaksās, ja spēle viņu neinteresēs. Tāpēc mums ir jāseko to lietotāju daļai, kuri pastāvīgi spēlē lietojumprogrammu. Šim nolūkam mēs izmērām to lietotāju procentuālo daļu, kuri sasniedza N līmeni, vai to, kuri pieteicās lietojumprogrammā vairāk nekā 5 reizes nedēļas laikā pēc instalēšanas.

Parasti pielipšanas fakta metriku nosaka empīriski (šādu rādītāju piemēri vairākiem populāriem pakalpojumiem).

Lietotājs redzēja pirkuma piedāvājumu un veica pirmo pirkumu

Viens no mūsu mērķiem ir gūt ieņēmumus, tāpēc mums ir jāveicina pirmais pirkums lietotnē. Bet pirkums tiek veikts no konkrēta ekrāna mūsu lietojumprogrammā (piemēram, no veikala ekrāna), tāpēc mums ir jāseko to lietotāju procentuālajai daļai, kuri redzēja šo ekrānu.

Ja pārdošanas ekrānu redz 10% ienākošo lietotāju, tas automātiski ierobežo to lietotāju daļu, kuri var veikt pirmo pirkumu mūsu spēlē.

Atkārtoti pirkumi

Pirmais pirkums ir labs, taču finansiāli veiksmīgiem produktiem ir augsts atkārtotu pirkumu līmenis. Bieži vien pirmais pirkums ir zināma lietotāja uzticēšanās aplikācijai – ja viņš būs apmierināts ar rezultātu un saņemtajiem ieguvumiem, tad, visticamāk, viņš veiks atkārtotu pirkumu. Tāpēc vēl viens svarīgs rādītājs ir to lietotāju īpatsvars, kuri veic atkārtotus pirkumus, kā arī vidējais atkārtoto pirkumu skaits.

Saglabāšana

Lai lietotājiem būtu iespēja veikt vairākus pirkumus, viņiem ir jāturpina spēlēt mūsu spēli ilgu laiku, nevis pēc dienas jāizbeidz. Lai izsekotu šai parādībai, mēs novērtēsim saglabāšanu.

Produktu analīzes veidošana un kohortas analīzes izmantošanas piemērs

Produkta analīzes veidošanai vienkāršākā iespēja būtu izveidot piltuves katram iepriekš aprakstītajam notikumam. Vairumā gadījumu jūs iegūsit monetizācijas piltuvi un lietotāju iesaistes piltuvi.

Pēc tam jums ir jāsalīdzina sava produkta veiktspēja lietotāju grupās, pamatojoties uz nedēļu, kad viņi izmantoja lietotni. Mixpanel un Localytics rīki ir ideāli piemēroti šādai analīzei.

Sarežģītāka, bet arī visproduktīvākā pieeja ir kohortas analīzes izmantošana produktu analīzei. Izmantojot kohortas analīzi, padziļināsit jūsu izpratni par produktu un to, kā lietotāji to izmanto laika gaitā.

Mēs veidosim lietotāju grupas, pamatojoties uz nedēļu, kad viņi ieradās pie lietojumprogrammas. Vienkāršības labad piemērā ir ņemti vērā tikai šādi rādītāji: CAC, LTV, Rating, % no tiem, kuri veica pirmo pirkumu, % no tiem, kuri veica atkārtotu pirkumu. Turklāt vienkāršības labad kohortas netika segmentētas pēc papildu pazīmēm.

Tālāk ir redzama attiecīgā produkta kohortas analīzes tabula (varat to uzskatīt par spēli vai ceļojumu lietotni).

Pirmajā nedēļā mūsu lietojumprogrammas pirmo versiju izmantoja 3000 lietotāju. “0. nedēļas” beigās apmācību pabeidza 25% no viņiem, taču neviens vēl nebija samaksājis. Līdz pirmās nedēļas beigām vēl 5% pabeidza apmācību (tas ir, kopā 30%), savukārt 1,2% veica pirmo pirkumu. Līdz otrās nedēļas beigām 34% attiecīgās kohortas pabeidza apmācību un 1,4% veica pirmo pirkumu.

Pēc nedēļas mēs izlaidām jaunu lietojumprogrammas versiju, kurā mainījām apmācību. Kā redzams no kohortas analīzes tabulas, tas strādāja! Līdz ceturtās nedēļas beigām 47% bija pabeiguši apmācību (iepriekš tikai 34%). Monetizācijas piltuves paplašināšana apmācības līmenī palielināja arī pirkumu veikušo daļu. Diemžēl mūsu lietotāji neveic atkārtotus pirkumus, kas neļauj mums sasniegt produkta darbības līdzsvaru, lai gan veicināšanas komanda spēja ievērojami samazināt CAC (kaut arī samazinot jaunu lietotāju pieplūdumu). Mēs iztērējam 0,8 ASV dolārus iegādei, bet pēc 8 nedēļām no vidusmēra lietotāja nopelnām tikai 0,5 ASV dolārus.

Trešajā aplikācijas versijā uzlabojām pamācību un aplikācijai pievienojām jaunus pirkumus, palielinot dažādību. Tas ļāva palielināt atkārtoto pirkumu īpatsvaru un izlīdzināt LTV ar CAC.

Aptuveni šādi kohortas analīze ļauj mums izprast mūsu produktu un to, kuri uzlabojumi darbojas un kuri ne.

Nobeigumā

Sarežģītākais posms darbā ar produktu notiek, kad tiek saņemtas pirmās jūsu produkta metrikas vērtības un rodas jautājumi:

• Vai iegūtās metrikas vērtības ir labas vai sliktas?
• Pie kuras metrikas vispirms vajadzētu strādāt nākamajā lietojumprogrammas versijā?
• Kā noteikt prioritātes hipotēzēm, kas izgudrotas metrikas uzlabošanai?

Vairāk par to nākamajos materiālos.

Mani sauc Sergejs, es esmu produktu analītiķis uzņēmumā Wikr Group. Pirms tam viņš strādāja analītikas jomā Philip Morris un Genesis, bet pēdējā viņš pacēlās līdz produktu analītiķa rangam. Manos pienākumos ietilpa visu rādītāju analīze un izaugsmes vektora noteikšana. Pēc tam viņš apmēram sešus mēnešus strādāja uzņēmumā Luxoft par biznesa analītiķi, izstrādājot algoritmus un mikropakalpojumus. Taču ārpakalpojumi man nebija tik interesanti kā produktu izstrāde, un tāpēc drīz vien pieņēmu piedāvājumu no Wikr Group. Šobrīd izstrādāju mobilo aplikāciju, kas risinās cilvēku veselības problēmas.

Pamatojoties uz savu pieredzi, vēlos runāt par produktu analītiķa amatu: kas tas ir, ar ko šāds speciālists nodarbojas un kā attīstīties šajā virzienā.

Darbs ar datiem

Produktu analītiķis pirmām kārtām ir analītiķis, kas nozīmē, ka viņam jāspēj strādāt ar datiem. Jo vairāk datu, jo lielāka iespēja pieņemt pareizo lēmumu. Lai to izdarītu, jums ir jāizpēta metrika, jāveido piltuves un jāuzrauga, kādus rezultātus rada mazākās izmaiņas.

Šo pieeju - lēmumu pieņemšanu atkarībā no saņemtajiem datiem - sauc par datu virzītu attīstību. Piemēram, rodas jautājums: uz kuras pogas lietotāji labprātāk noklikšķinās – sarkanā vai zaļā? Izmantojot DDD pieeju, atbilde tiek atrasta, izmantojot A/B testēšanu: viņi uzsāk testu, sadalot auditoriju ar 50 pret 50. Pusei tiek parādīta sarkana poga, puse - zaļa. Ja rezultāts izrādās, ka lietotāji biežāk noklikšķina uz otrā, tad mēs nolemjam noņemt sarkano un atstāt tikai zaļo. Tādējādi mēs veicam tikai pamatotas darbības un pastāvīgi uzlabojam produktu.

Ir vērts uzskatīt, ka šajā posmā nevar vienkārši uzticēties lielākajai vērtībai. Produktu analītiķi izmanto statistiskā nozīmīguma mēru. Piemēram, kas būs labāks nevienmērīga datplūsmas sadalījuma gadījumā: 10 lietotāju izlase, no kuriem 2 veica mērķa darbību, vai 100 lietotāju izlase, no kuriem 10 veica mērķa darbību? Ja paļausimies tikai uz relatīviem rādītājiem, būs skaidrs, ka pirmā izlase 2/10 ir labāka. Bet patiesībā pašreizējā posmā nav iespējams izdarīt secinājumus, jo pāreja uz mērķa darbību 20% var būt negadījums.

Ar lieliem paraugiem mēs iegūstam rezultātus ar augstu statistiskās nozīmīguma līmeni. Par lēmumu pieņemšanas normu uzskata šī rādītāja līmeni > 95%

Viens no svarīgākajiem produktu līnijas rādītājiem ir lietotāju atdeve. Protams, jūs varat un vajadzētu palielināt trafiku un piesaistīt jaunus klientus. Taču centieni noturēt esošos klientus un mudināt viņus atkārtoti izmantot jūsu pakalpojumu bieži vien nodrošina lielāku IA. Šeit palīgā nāk arī lielo datu analīze.

Reiz kā lietotāju atgriešanas nodaļas vadītājs saskāros ar uzdevumu samazināt adresātu saraksta surogātpasta līmeni. Pie ieejas man piegādes līmenis bija 80%, surogātpasta līmenis 12-15%. Šis surogātpasta līmenis tiek uzskatīts par pārāk augstu. Darba rezultātā izdevās to samazināt līdz 5%, pēc tam stabilizēt 7% līmenī - gandrīz 2 reizes. Lai sasniegtu šādus rādītājus, es sapratu katru metriku, palaidu un pārbaudīju piltuves un izslēdzu noteiktus e-pastus.

Interesanta un funkcionāla pieeja ir lietotāju pārnešana savā produktu ekosistēmā. Šajā gadījumā lietotājs tiek pārvilināts no viena uzņēmuma produkta pie cita – piemēram, no satura projekta par politiskajām ziņām uz resursu, kas veltīts interesantiem faktiem par ceļošanu. Šādas manipulācijas tiek veiktas brīdī, kad lietotājs zaudē interesi par pirmo projektu, un varbūtība atgriezties pie pašreizējā resursa ir tuvu nullei. Lai to izdarītu, viņi izmanto lietotāju atdeves RFM modeli: pamatojoties uz datiem par atdevi un naudas izlietošanu, kā arī lietotāju tēriņu biežumu, tiek piemērota viena vai otra mijiedarbības loģika.

Ja lietotājs ilgu laiku nav atgriezies pie produkta, daži uzņēmumi ir gatavi tajā “investēt”: ciest zaudējumus jau tagad, lai nākotnē panāktu klientu lojalitāti, pārceļot to uz augstāku segmentu. Jo augstāks segments, jo lielāks ieguldījums lietotājam par viņa atdevi – no vienkāršas atlaides līdz materiālai dāvanai.

Rīcības stratēģija, kas balstīta uz RFM analīzi (apzīmē nesenumu, biežumu, monetāru)

Galvenie uzdevumi

Produkta analītiķa pienākumi var atšķirties atkarībā no produkta stadijas. Piemēram, ja tikko atnācāt uz projektu, pirmais uzdevums var būt atskaišu veidošana – pirmkārt, priekš sevis. Ir svarīgi saprast, no kurienes dati nāk, kā tie pārvietojas un kā uztvert šo vai citu metriku. Pēc tam varat veidot rīcības plānus un domāt, kā uzlabot veiktspēju.

Pētījums. Manā pašreizējā darbā man tika uzticēts izveidot produktu no nulles. Mans pirmais uzdevums bija izpētīt tirgu, analizēt konkurentus un izlemt, kurā tirgū ienākt vispirms. Piemēram, štatos lietotāja izmaksas ir neprātīgi dārgas, un tāpēc, lai palaistu pirmo produkta versiju, labāk pievērst uzmanību NVS valstīm, Latīņamerikai un Indijai. Satiksme šajās valstīs ir lētāka, un tās ir piemērotākas, lai pārbaudītu beta versiju, redzētu, kā iet, kur lietotāji noklikšķinās. Pirmā versija ir balstīta uz pieņēmumiem un konkurentu analīzi: mēs pieņemam, kura funkcionalitāte būs nepieciešama un kura nē. Bet pēc pārbaudes jūs varat pāriet no minējumiem uz konkrētiem rādītājiem.

stratēģija. Pēc tirgus izpētes ir pienācis laiks izveidot produkta attīstības stratēģiju pusotram gadam, aprakstīt ekosistēmas veidošanos un novērtēt laika izmaksas katram attīstības posmam. Šajā posmā ir ļoti svarīgi pareizi izstrādāt datu arhitektūru. Stratēģijas izstrādes laikā notiek daudz atkārtojumu un saziņas ar visiem – izstrādātājiem, dizaineriem, vervētājiem, tirgotājiem. Dažreiz mēs piesaistām arī trešo pušu konsultantus, lai noteiktu, ko var izmantot un ko ne, saskaņā ar to partneru politikām, ar kuru starpniecību mēs reklamēsim produktu.

Kāpēc ir svarīgi izstrādāt stratēģiju tik ilgam laika periodam, un kāpēc jūs nevarat tikt galā ar nākamajiem mēnešiem? Pirmkārt, tas ir nepieciešams izstrādes tehnoloģiju izvēlei. Atkarībā no funkcionalitātes, ko paredzēts integrēt turpmākajos posmos, tiek izvēlēta platforma un tehnoloģiju kaudze. Piemēram, šobrīd tev šķiet labs variants mobilās aplikācijas izveidei izmantot React Native, taču, ja šī aplikācija aizņem pārāk daudz grafisko resursu, tad pēc pusotra gada tu vienkārši sasitīsies griestos un attapsies par ķīlnieku. uz situāciju. Tāpat ir ar datu bāzēm. MySQL ir atvērtā koda un ērts risinājums. Bet, ja plānojat glabāt datus par simtiem tūkstošu lietotāju darbībām un veidot neironu tīklus, tad 3-4 mēnešu laikā viss būs jāpārtaisa no nulles. Tāpēc labāk ir visu iepriekš pārdomāt un nekavējoties paredzēt mērogu, līdz kuram pieaugs jūsu auditorija.

Specifikācija un datu shēma. Produkta dzīves cikla sākuma posmā produktu analītiķis izstrādā dokumentu, kurā ir produkta ekosistēmas pamata apraksts: kas būs pieejams vietnē vai mobilajā aplikācijā.

Specifikācijā ir iekļauts arī datu shēmas apraksts: produkta analītiķis ir tās izveides iniciators. Viņš var patstāvīgi izstrādāt datu shēmu vai darboties kā analītikas nodaļas klients. Jādomā, kādi rādītāji būs nepieciešami produkta izstrādei, kam tieši jāseko līdzi, kādas lietotāja darbības pētīt. Piemēram, jūs varat ieplānot pāreju uz noteiktu lapu reģistrēšanu, lai saprastu, vai ir vērts to atstāt nākotnē, vai labāk to aizstāt ar kaut ko citu. Šajā gadījumā analītiķis ir produkta acis.

Darbs ar komandu. Uzrakstījis primāro specifikāciju, produkta analītiķis to nodod biznesa/sistēmu analītiķim, kurš pārveido dokumentu konkrētākās izstrādes specifikācijās. Viss produkta dzīves cikls ir saistīts ar dažādu nozaru speciālistu sadarbību. Pēc produkta stratēģijas un specifikācijas pieņemšanas darbā ir jāiesaista dizaineri, maketētāji, izstrādātāji un testētāji.

Neatkarīgi no tā, cik detalizēta ir specifikācija, komandas locekļi uzdos jautājumus, un tāpēc jums ir jābūt gatavam pastāvīgai saziņai.

Produkta uzlabošana. Pēc pirmās izlaišanas nāk kārta pastāvīgam darbam pie produkta uzlabošanas. A/B testēšana, atskaites, analītika – un kļūst skaidrs, kas tieši ir jāmaina vai jāuzlabo. Pirmajā reizē jūs nesaņemsit labu produktu :) Vispirms viņi izlaiž pakalpojumu ar pamata funkcionalitāti, pēc tam uzlabo galvenās funkcijas un pievieno jaunas. Piemēram, kas ir galvenais iepazīšanās portālā? Anketas, tērzēšana. Un tikai tad pienāk kārta papildpakalpojumiem - virtuālās/reālās dāvanu sistēmas utt. Produktu analītiķis atbild uz jautājumu, ko ieviest un kādā secībā.

Lēmumi par produkta uzlabošanu tiek pieņemti, pamatojoties uz jaunās funkcionalitātes iznākumu un tās ieviešanai patērēto laiku. Varat izmantot ROI indikatoru - paredzamā ieņēmumu pieauguma attiecību pret izstrādes laiku. Vispirms tiek ieviests pakalpojums ar augstāko punktu skaitu.

Jaunas funkcionalitātes integrēšanas posmā ir svarīgi pareizi novērtēt laiku. Papildus pašas funkcionalitātes ieviešanai ir jāpavada noteikts stundu skaits, veidojot infrastruktūru lietotāja informēšanai (vēstules, baneri vietnē), prioritāšu noteikšanai un ekosistēmas daļu palaišanas laika noteikšanai. Piemēram, būtu nepareizi informēt lietotāju par jaunu funkcionalitāti e-pastā mēnesi pēc tās palaišanas.

Galvenais ir iepriekš redzēt ceļu, pa kuru ejat: kas tiks integrēts katrā attīstības fāzē. Tajā pašā laikā pastāvīgie testi pielāgo sākotnējo plānu: varbūt kāda lietotāja uzvedība 2. fāzē vienkārši atcels 7. fāzes palaišanu.

Darba instrumenti

Es strādāju ar Tableau - tas ir datu analīzes un vizualizācijas rīks. Tas ir ērti, veidojot statistikas pārskatus – piemēram, lai redzētu, kāda atdeve mums šodien ir, kā mārketings atmaksājas. Pakalpojums ļauj izveidot lietotāju konversijas piltuves noteiktos posmos: nolaišanās → reģistrācija → izmēģinājuma versijas abonēšana → maksājums → atkārtota samaksa utt. Visi piltuves rādītāji ir relatīvi.

Dziļākai analīzei es izmantoju Python. Tas spēj apstrādāt ļoti lielus datus — miljardiem rindu un vairāk. Excel nevar tikt galā ar šādu apjomu. Turklāt, izmantojot Python, jūs varat izveidot dažādus modeļus, veikt klasterizāciju atbilstoši noteiktiem parametriem un simulēt lietotāja uzvedību, lai pārbaudītu pakalpojumu ātrumu. Kopumā produktu analītiķim programmēšanas zināšanas nav nepieciešamas; tas ir tikai mans hobijs.

Pētniecībai dažreiz izmantoju LikeWeb - šis pakalpojums nodrošina nelielu auditorijas šķērsgriezumu, kas tiek ekstrapolēts uz visu izlasi. Šis rīks ļauj jums redzēt, kur jūsu konkurenti pašlaik ir aktīvi, kur viņi pašlaik mēģina iekļūt un cik liela auditorija viņiem ir. Šī informācija palīdz jums iestatīt savu attīstības vektoru.

Laba analītiķa portrets

Sistemātiskums. Agrāk man patika steigties ar problēmām, bet tad sapratu, ka katrai idejai ir vajadzīgs laiks, lai beidzot nobriest. Nav jāskrien ar lāpu: "Šeit, man radās ideja." Pārdomājiet visus šīs idejas plusus un mīnusus, formulējiet sistemātisku darbu. Laba prakse ir plānot uzdevumus nedēļu iepriekš, pierakstīt tos piezīmju grāmatiņā un pakāpeniski izpildīt, nesteidzoties no viena uz otru.

Uzmanība detaļām. Jums ir jāpārzina dati un jāsaprot, no kurienes nāk rādītāji. Tas ļaus izvairīties no kļūdām vai pēc iespējas ātrāk tās identificēt. Piemēram, man reiz izdevās atrast krāpnieku par mūsu produktu, pamatojoties uz datplūsmas avotiem: es atklāju, ka 90% reģistrāciju tika veiktas no vienas IP adreses. Izrādījās, ka mūsu partneri mūs maldina. Uzmanība detaļām ļāva sistēmu identificēt jau otrajā dienā, ilgtermiņā ietaupot uzņēmumam desmitiem tūkstošu dolāru.

Stratēģiskā domāšana. Jums jāspēj paskatīties uz visu projektu “no augšas”. Personīgi analītika un datorzinātnes man palīdzēja to sasniegt.

Katrai sadalīšanai un pieņemtajam lēmumam, pirmkārt, ir jārada uzņēmuma vērtība un ieguvums. Tajā pašā laikā jūs nevarat pieķerties vienai šaurai funkcionalitātei. Jāsaprot, ja šobrīd neieviešat sarežģītu un gudru sistēmu, tad tikai tāpēc, lai pēc iespējas ātrāk varētu palaist vienkāršāku produkta versiju un apkopot datus par lietotāju reakcijām, koriģējot savu turpmāko gaitu. Tas ir daudz racionālāk nekā izveidot sarežģītu sistēmu uz gadu bez “ugunskristībām”.

Labas komunikācijas prasmes. Katra ideja ir “jāpārdod” gan lietotājam, gan savai komandai.

Savaldība. Dažkārt nākas piekāpties, jo tavs skatījums ne vienmēr būs optimālākais.

Atklātība. Nekad neuzskatiet, ka pazīstat lietotājus. Viņi ir pilnīgi atšķirīgi!

Karjeras ceļi

Parasti visos produktu uzņēmumos ir produktu analītiķi. Ārpakalpojumos šī pozīcija ir reti sastopama: prece visbiežāk tiek prezentēta klienta pusē. No izpildītāja puses tas būs biznesa analītiķis, kas strādās ar prasībām.

Produktu analītiķi izaug no analītiķiem, tirgotājiem, satiksmes iepirkumu speciālistiem un vadītājiem. Vēlamas pamatzināšanas matemātikā un statistikā, kā arī spēja strādāt ar analītiskajiem rīkiem. SQL zināšanas tiks uzskatītas par priekšrocību.

Produktu analītiķa profesija ir atvērta ikvienam, kuru piesaista iespēja izveidot produktu, no māla veidot to, ko vēlaties, un galvenais, ko šobrīd pieprasa tirgus.

Starp interesantajiem resursiem varu ieteikt:

• PythonProgramming.net ir lielisks bezmaksas resurss, kas aptver pašreizējās mašīnmācības, statistikas un pamata Python tēmas.
• Badoo iepazīšanās kanāls- šeit jūs varat atrast interesantas lekcijas par produktu un e-pasta analīzi, jo īpaši Andrejs Sass.
• Datorzinātņu fakultāte HSE- Yandex datorzinātņu skola.

No bezsaistes: Genesis IT skola ir laba vieta, kur sākt, kur varat uzzināt par visiem lielā biznesa aspektiem. Es tur runāju par lietotāju atgriešanu un nosūtīšanu.