Kako se zadržavanje provodi u aplikaciji u zraku

Zadržavanje korisnika u mobilnoj aplikaciji je čitava nauka. Autor kursa je opisao njegove osnove u našem članku na VC.ru Hakiranje rasta: analitika mobilnih aplikacija Maxim Godzi, voditelj strojnog učenja u App in the Air. Maxim govori o alatima razvijenim u kompaniji na primjeru rada na analizi i optimizaciji mobilne aplikacije. Ovaj sistematski pristup poboljšanju proizvoda, razvijen u aplikaciji App in the Air, naziva se Retentioneering. Možete koristiti ove alate u svom proizvodu: neki od njih su in slobodan pristup na GitHubu.

App in the Air je aplikacija sa više od 3 miliona aktivnih korisnika širom svijeta, pomoću koje možete pratiti letove, dobiti informacije o promjenama vremena polaska/slijetanja, prijavljivanja i karakteristika aerodroma.

Od lijevka do putanje

Svi razvojni timovi grade tok ulaska (proces koji ima za cilj da korisnik prihvati proizvod). Ovo je prvi korak koji vam pomaže da pogledate cijeli sistem odozgo i pronađete probleme sa aplikacijom. Ali kako se proizvod razvija, osjetit ćete ograničenja ovog pristupa. Koristeći jednostavan lijevak, ne možete vidjeti neočigledne tačke rasta za proizvod. Svrha toka je da pruži opšti pogled na faze korisnika u aplikaciji, da vam pokaže metriku norme. Ali lijevak će oprezno sakriti odstupanja od norme prema očiglednim problemima ili, naprotiv, posebnim aktivnostima korisnika.

U App in the Air smo napravili vlastiti lijevak, ali smo zbog specifičnosti proizvoda na kraju dobili pješčani sat. Tada smo odlučili proširiti pristup i koristiti bogate informacije koje nam daje sama aplikacija.

Kada izgradite tok, gubite putanje uključivanja korisnika. Trajektorije se sastoje od niza radnji korisnika i same aplikacije (na primjer, slanje push obavijesti).

Koristeći vremenske oznake, možete vrlo lako rekonstruirati putanju korisnika i napraviti grafikon od nje za svakog od njih. Naravno, postoji mnogo grafikona. Stoga morate grupirati slične korisnike. Na primjer, možete rasporediti sve korisnike po redovima tablice i navesti koliko često koriste određenu funkciju.

Na osnovu takve tabele napravili smo matricu i grupisali korisnike po učestalosti korišćenja funkcija, odnosno po čvorovima u grafu. Ovo je obično prvi korak ka uvidu: na primjer, već u ovoj fazi ćete vidjeti da neki korisnici uopće ne koriste neke od funkcija. Kada smo radili analizu frekvencije, počeli smo proučavati koji su čvorovi na grafu „najveći“, odnosno koje stranice korisnici najčešće posjećuju. Kategorije koje se suštinski razlikuju po nekom kriterijumu koji vam je važan odmah su istaknute. Evo, na primjer, dva klastera korisnika koje smo podijelili na osnovu odluke o pretplati (ukupno je bilo 16 klastera).

Kako ga koristiti

Gledajući svoje korisnike na ovaj način, možete vidjeti koje funkcije koristite da ih zadržite ili, na primjer, natjerate ih da se prijave. Naravno, matrica će takođe pokazati očigledne stvari. Na primjer, da su oni koji su kupili pretplatu posjetili ekran za pretplatu. Ali osim ovoga, možete pronaći i obrasce za koje inače nikada ne biste znali.

Tako smo potpuno slučajno pronašli grupu korisnika koji dodaju let, aktivno ga prate tokom cijelog dana i onda nestaju na duže vrijeme dok opet negdje ne lete. Kada bismo analizirali njihovo ponašanje koristeći konvencionalne alate, pomislili bismo da jednostavno nisu zadovoljni funkcionalnošću aplikacije: kako drugačije objasniti da su je koristili jedan dan i više se nisu vratili. Ali uz pomoć grafikona smo vidjeli da su vrlo aktivni, samo da im se sva aktivnost uklapa u jedan dan.

Sada je naš glavni zadatak da ohrabrimo takvog korisnika da se poveže sa programom lojalnosti svoje avio kompanije dok koristi našu statistiku. U tom slučaju ćemo uvesti sve letove koje kupi i pokušati ga natjerati da se prijavi čim kupi novu kartu. Da bismo riješili ovaj problem, također smo počeli da sarađujemo sa Aviasales, Svyaznoy.Travel i drugim aplikacijama. Kada njihov korisnik kupi kartu, aplikacija ih traži da dodaju let u App in the Air i mi to odmah vidimo.

Zahvaljujući grafikonu, vidjeli smo da 5% ljudi koji odu na ekran pretplate ga otkaže. Počeli smo da analiziramo takve slučajeve i vidjeli smo da postoji korisnik koji ide na prvu stranicu, inicira konekciju svog Google naloga i odmah ga otkaže, ponovo dolazi na prvu stranicu i tako četiri puta. U početku smo pomislili: "Nešto očito nije u redu s ovim korisnikom." A onda smo shvatili da je, najvjerovatnije, došlo do greške u aplikaciji. U toku toka bi se to protumačilo na sljedeći način: korisniku se nije svidio skup dozvola koje aplikacija traži i on je otišao.

U drugoj grupi se 5% korisnika izgubilo na ekranu gdje ih aplikacija traži da odaberu jednu od svih kalendarskih aplikacija na svom pametnom telefonu. Korisnici bi birali različite kalendare iznova i iznova, a zatim bi jednostavno izašli iz aplikacije. Ispostavilo se da je postojao problem UX-a: nakon što je osoba odabrala kalendar, morala je kliknuti Gotovo u gornjem desnom uglu. Samo što to nisu svi korisnici vidjeli.

Prvi ekran aplikacije u zraku

Na našem grafikonu smo vidjeli da oko 30% korisnika ne ide dalje od prvog ekrana: to je zbog činjenice da smo prilično agresivni u tjeranju korisnika da se pretplati. Na prvom ekranu aplikacija od vas traži da se registrujete koristeći Google ili Triplt, a nema informacija o preskakanju registracije. Od onih koji napuste prvi ekran, 16% korisnika klikne „Još“ i vrati se ponovo. Saznali smo da traže način interne registracije u aplikaciji i objavit ćemo ga u sljedećem ažuriranju. Osim toga, 2/3 onih koji odmah odu ne kliknu baš ništa. Da bismo saznali šta im se dešava, napravili smo toplotnu mapu. Ispostavilo se da korisnici klikaju na listu funkcija aplikacije na koje se ne može kliknuti.

Uhvatite mikro trenutak

Često možete vidjeti ljude kako gaze staze pored asfaltnog puta. Retencioniranje je pokušaj pronalaženja ovih staza i, ako je moguće, promjena puteva.

Naravno, loše je što učimo od stvarnih korisnika, ali smo barem počeli automatski pratiti obrasce koji ukazuju na problem korisnika u aplikaciji. Sada menadžer proizvoda prima obavještenja putem e-pošte ako dođe do velikog broja „petlji“—kada se korisnik vraća na isti ekran iznova i iznova.

Pogledajmo koje je obrasce u putanjama korisnika općenito zanimljivo tražiti za analizu problema i područja rasta aplikacije:

• Petlje i ciklusi. Gore navedene petlje su kada se jedan događaj ponavlja u putanji korisnika, na primjer, kalendar-kalendar-kalendar-kalendar. Petlja sa puno ponavljanja je jasan pokazatelj problema sa interfejsom ili nedovoljnog obeležavanja događaja. Ciklus je također zatvorena putanja, ali za razliku od petlje uključuje više od jednog događaja, na primjer: pregled istorije leta - dodavanje leta - pregled istorije leta.
• Flowstoppers - kada korisnik, zbog neke prepreke, ne može nastaviti željeno kretanje kroz aplikaciju, na primjer ekran sa interfejsom koji nije očigledan klijentu. Takvi događaji usporavaju i pomjeraju putanju korisnika.
• Tačke bifurkacije su značajni događaji nakon kojih se odvajaju putanje klijenata različitih tipova. Konkretno, to su ekrani koji ne sadrže direktan prijelaz ili poziv na akciju na ciljnu akciju, efektivno gurajući neke korisnike ka njoj. Na primjer, neki ekran koji nije direktno povezan s kupovinom sadržaja u aplikaciji, ali na kojem su kupci skloni kupiti ili ne kupiti sadržaj, ponašat će se drugačije. Točke bifurkacije mogu biti tačke utjecaja na radnje vaših korisnika sa znakom plus - mogu utjecati na odluku o kupovini ili kliku, ili znakom minus - mogu odrediti da će nakon nekoliko koraka korisnik napustiti aplikaciju.
• Prekinute tačke konverzije su potencijalne tačke bifurkacije. O njima možete razmišljati kao o ekranima koji bi mogli potaknuti ciljnu akciju, ali nemojte. Ovo takođe može biti trenutak kada korisnik ima potrebu, ali mi je ne zadovoljavamo jer jednostavno ne znamo za to. Analiza putanje bi trebala omogućiti da se ovo identificira.
• Tačka odvlačenja pažnje – ekrani/iskačući prozori koji ne pružaju vrijednost korisniku, ne utiču na konverziju i mogu „zamutiti“ putanje, odvlačeći korisnika od ciljanih radnji.
• Mrtve tačke su skrivene tačke aplikacije, ekrana i funkcija do kojih je korisniku veoma teško doći.
• Odvodi – mesta gde saobraćaj propušta

Generalno, matematički pristup nam je omogućio da shvatimo da klijent koristi aplikaciju na potpuno drugačiji način nego što to obično misle menadžeri proizvoda kada pokušavaju da isplaniraju neki standardni scenario korišćenja za korisnika. Sjedeći u kancelariji i prisustvujući najboljim konferencijama o proizvodima, još uvijek je vrlo teško zamisliti svu raznolikost stvarnih terenskih uvjeta u kojima će korisnik rješavati svoje probleme koristeći aplikaciju.

Ovo me podsjeća na sjajnu šalu. Tester ulazi u bar i naručuje: čašu piva, 2 čaše piva, 0 čaša piva, 999999999 čaša piva, gušter u čaši, -1 čašu piva, qwertyuip čaše piva. Prva prava mušterija ulazi u bar i pita gdje je toalet. Bar se zapalio i svi umiru.

Analitičari proizvoda, duboko uronjeni u ovaj problem, počeli su uvoditi koncept mikromomenta. Modernom korisniku je potrebno trenutno rješenje za svoj problem. Google je o tome počeo govoriti prije nekoliko godina: kompanija je takve radnje korisnika nazvala mikro-trenucima. Korisnik se omesti, slučajno zatvori aplikaciju, ne razumije šta se od njega traži, ponovo se logira dan kasnije, ponovo zaboravi, a zatim slijedi link koji mu je prijatelj poslao u messengeru. I sve ove sesije ne mogu trajati duže od 20 sekundi.

Tako smo počeli da pokušavamo da podesimo rad službe podrške kako bi zaposleni mogli da razumeju u čemu je problem skoro u realnom vremenu. Dok osoba dođe na stranicu za podršku i počne pisati svoje pitanje, možemo utvrditi suštinu problema, znajući njegovu putanju - zadnjih 100 događaja. Ranije smo automatizirali distribuciju svih zahtjeva za podršku u kategorije koristeći ML analizu tekstova zahtjeva za podršku. Unatoč uspjehu kategorizacije, kada je 87% svih zahtjeva pravilno raspoređeno u jednu od 13 kategorija, rad s putanjama automatski može pronaći najprikladnije rješenje za situaciju korisnika.

Ne možemo brzo objaviti ažuriranja, ali smo u mogućnosti primijetiti problem i, ako korisnik slijedi scenario koji smo već vidjeli, poslati mu push notifikaciju.

Vidimo da zadatak optimizacije aplikacije zahtijeva bogate alate za proučavanje putanja korisnika. Nadalje, znajući sve puteve kojima korisnici prolaze, možete utabati potrebne staze, te uz pomoć prilagođenog sadržaja, push obavijesti i prilagodljivih UI elemenata „na ruku“ dovesti korisnika do ciljanih radnji koje najbolje odgovaraju njegovim potrebama i donose novac , podatke i druge vrijednosti za vaše poslovanje.

Šta uzeti u obzir

• Proučavanje konverzije korisnika samo uz korištenje tokova kao primjera znači gubitak bogatih informacija koje nam sama aplikacija daje.

• Analiza zadržavanja putanja korisnika na grafikonima pomaže vam da vidite koje funkcije koristite da zadržite korisnike ili ih, na primjer, ohrabrite da se pretplate.
• Alati za zadržavanje pomažu automatski, u realnom vremenu, pratiti obrasce koji ukazuju na probleme korisnika u aplikaciji, pronaći i zatvoriti greške tamo gdje ih je bilo teško primijetiti.

• Pomažu u pronalaženju neočiglednih obrazaca ponašanja korisnika.

• Alati za zadržavanje omogućavaju izradu automatiziranih alata ML za predviđanje ključnih korisničkih događaja i metrika: gubitak korisnika, LTV i mnoge druge metrike koje se lako određuju na grafikonu.

Gradimo zajednicu oko Retentioneeringa za slobodnu razmjenu ideja. O alatima koje razvijamo možete razmišljati kao o jeziku na kojem analitičari i proizvodi iz različitih mobilnih i web aplikacija mogu razmjenjivati ​​uvide, najbolje tehnike i metode. Možete naučiti kako koristiti ove alate na kursu Hakiranje rasta: analitika mobilnih aplikacija Binarni distrikt.

izvor: www.habr.com