Comment la rétention est mise en œuvre dans App in the Air

Garder un utilisateur dans une application mobile est toute une science. L'auteur du cours a décrit ses bases dans notre article sur VC.ru Growth Hacking : analyse d'applications mobiles Maxim Godzi, responsable de l'apprentissage automatique chez App in the Air. Maxim évoque les outils développés dans l'entreprise à l'aide de l'exemple de travaux d'analyse et d'optimisation d'une application mobile. Cette approche systématique d'amélioration des produits, développée dans App in the Air, s'appelle Retentioneering. Vous pouvez utiliser ces outils dans votre produit : certains d'entre eux sont en accès libre sur GitHub.

App in the Air est une application avec plus de 3 millions d'utilisateurs actifs dans le monde, avec laquelle vous pouvez suivre les vols, obtenir des informations sur les changements dans les heures de départ/atterrissage, l'enregistrement et les caractéristiques de l'aéroport.

De l'entonnoir à la trajectoire

Toutes les équipes de développement construisent un entonnoir d'intégration (un processus visant à l'acceptation du produit par l'utilisateur). Il s'agit de la première étape qui vous aide à examiner l'ensemble du système d'en haut et à détecter les problèmes d'application. Mais au fur et à mesure du développement du produit, vous ressentirez les limites de cette approche. En utilisant un simple entonnoir, vous ne pouvez pas voir les points de croissance non évidents pour un produit. Le but de l'entonnoir est de donner un aperçu général des étapes des utilisateurs dans l'application, pour vous montrer les métriques de la norme. Mais l'entonnoir masquera prudemment les écarts par rapport à la norme face à des problèmes évidents ou, au contraire, à une activité particulière de l'utilisateur.

Chez App in the Air, nous avons construit notre propre entonnoir, mais en raison des spécificités du produit, nous nous sommes retrouvés avec un sablier. Nous avons ensuite décidé d'élargir l'approche et d'utiliser les riches informations que l'application elle-même nous fournit.

Lorsque vous créez un entonnoir, vous perdez les trajectoires d'intégration des utilisateurs. Les trajectoires sont constituées d'une séquence d'actions de l'utilisateur et de l'application elle-même (par exemple, l'envoi d'une notification push).

Grâce aux horodatages, vous pouvez très facilement reconstituer la trajectoire de l'utilisateur et en faire un graphique pour chacun d'eux. Bien sûr, il existe de nombreux graphiques. Par conséquent, vous devez regrouper les utilisateurs similaires. Par exemple, vous pouvez organiser tous les utilisateurs par lignes de tableau et répertorier la fréquence à laquelle ils utilisent une certaine fonction.

Sur la base d'un tel tableau, nous avons réalisé une matrice et regroupé les utilisateurs par fréquence d'utilisation des fonctions, c'est-à-dire par nœuds du graphique. Il s’agit généralement de la première étape vers des insights : par exemple, déjà à ce stade, vous constaterez que certains utilisateurs n’utilisent pas du tout certaines fonctions. Lorsque nous avons effectué l'analyse de fréquence, nous avons commencé à étudier quels nœuds du graphique sont les « plus grands », c'est-à-dire quelles pages les utilisateurs visitent le plus souvent. Les catégories fondamentalement différentes selon certains critères qui vous tiennent à cœur sont immédiatement mises en avant. Voici, par exemple, deux clusters d'utilisateurs que nous avons divisés en fonction de la décision d'abonnement (il y avait 16 clusters au total).

Comment l'utiliser

En examinant vos utilisateurs de cette façon, vous pouvez voir quelles fonctionnalités vous utilisez pour les fidéliser ou, par exemple, les inciter à s'inscrire. Naturellement, la matrice montrera aussi des choses évidentes. Par exemple, ceux qui ont acheté un abonnement ont visité l'écran d'abonnement. Mais à côté de cela, vous pouvez également trouver des modèles dont vous n’auriez jamais entendu parler autrement.

Nous avons donc trouvé par hasard un groupe d'utilisateurs qui ajoutent un vol, le suivent activement tout au long de la journée, puis disparaissent pendant longtemps jusqu'à ce qu'ils volent à nouveau quelque part. Si nous analysions leur comportement à l’aide d’outils conventionnels, nous penserions qu’ils ne sont tout simplement pas satisfaits des fonctionnalités de l’application : comment expliquer autrement qu’ils l’aient utilisée pendant une journée et ne soient jamais revenus. Mais à l’aide de graphiques, nous avons vu qu’ils sont très actifs, c’est juste que toute leur activité s’inscrit dans une journée.

Notre tâche principale est désormais d’inciter un tel utilisateur à se connecter au programme de fidélité de sa compagnie aérienne pendant qu’il utilise nos statistiques. Dans ce cas, nous allons importer tous les vols qu’il achète et essayer de le pousser à s’inscrire dès qu’il achète un nouveau billet. Pour résoudre ce problème, nous avons également commencé à coopérer avec Aviasales, Svyaznoy.Travel et d'autres applications. Lorsque leur utilisateur achète un billet, l'application l'invite à ajouter le vol à App in the Air, et nous le voyons immédiatement.

Grâce au graphique, nous avons vu que 5% des personnes qui se rendent sur l'écran d'abonnement l'annulent. Nous avons commencé à analyser de tels cas et avons vu qu'il y avait un utilisateur qui accédait à la première page, initiait la connexion de son compte Google et l'annulait immédiatement, revenait à la première page, et ainsi de suite quatre fois. Au début, nous avons pensé : « Il y a clairement quelque chose qui ne va pas chez cet utilisateur ». Et puis nous avons réalisé qu'il y avait très probablement un bug dans l'application. Dans l'entonnoir, cela serait interprété comme suit : l'utilisateur n'a pas aimé l'ensemble d'autorisations demandé par l'application et il est parti.

Dans un autre groupe, 5 % des utilisateurs se perdent sur l'écran où l'application les invite à en sélectionner une parmi toutes les applications de calendrier sur leur smartphone. Les utilisateurs sélectionnaient différents calendriers encore et encore, puis quittaient simplement l'application. Il s'avère qu'il y avait un problème UX : après qu'une personne ait sélectionné un calendrier, elle devait cliquer sur Terminé dans le coin supérieur droit. C'est juste que tous les utilisateurs ne l'ont pas vu.

Premier écran de l'App in the Air

Dans notre graphique, nous avons vu qu'environ 30% des utilisateurs ne dépassent pas le premier écran : cela est dû au fait que nous sommes assez agressifs pour pousser l'utilisateur à s'abonner. Sur le premier écran, l'application vous invite à vous inscrire en utilisant Google ou Triplt, et il n'y a aucune information sur l'omission de l'inscription. Parmi ceux qui quittent le premier écran, 16 % des utilisateurs cliquent sur « Plus » et reviennent. Nous avons découvert qu'ils cherchaient un moyen de s'inscrire en interne dans l'application et nous le publierons dans la prochaine mise à jour. De plus, 2/3 de ceux qui partent immédiatement ne cliquent sur rien du tout. Pour savoir ce qui leur arrive, nous avons construit une carte thermique. Il s'avère que les clients cliquent sur une liste de fonctionnalités de l'application qui ne sont pas des liens cliquables.

Capturez un micro-moment

On peut souvent voir des gens piétiner les sentiers à côté de la route asphaltée. Le rétention est une tentative de trouver ces chemins et, si possible, de changer les routes.

Bien sûr, il est dommage que nous apprenions des vrais utilisateurs, mais au moins nous avons commencé à suivre automatiquement les modèles qui indiquent un problème d'utilisateur dans l'application. Désormais, le chef de produit reçoit des notifications par e-mail si un grand nombre de « boucles » se produisent, lorsque l'utilisateur revient encore et encore au même écran.

Examinons quels modèles de trajectoires d'utilisateurs sont généralement intéressants à rechercher pour analyser les problèmes et les domaines de croissance d'une application :

• Boucles et cycles. Les boucles mentionnées ci-dessus se produisent lorsqu'un événement se répète dans la trajectoire de l'utilisateur, par exemple calendrier-calendrier-calendrier-calendrier. Une boucle avec beaucoup de répétitions est un indicateur clair d'un problème d'interface ou d'un marquage d'événement insuffisant. Un cycle est aussi une trajectoire fermée, mais contrairement à une boucle il comprend plus d'un événement, par exemple : consulter l'historique des vols - ajouter un vol - consulter l'historique des vols.
• Flowstoppers - lorsque l'utilisateur, en raison d'un obstacle, ne peut pas continuer le mouvement souhaité à travers l'application, par exemple un écran avec une interface qui n'est pas évidente pour le client. De tels événements ralentissent et modifient la trajectoire des utilisateurs.
• Les points de bifurcation sont des événements marquants à l’issue desquels les trajectoires de clients de différents types se séparent. En particulier, il s'agit d'écrans qui ne contiennent pas de transition directe ni d'appel à l'action vers l'action cible, ce qui pousse effectivement certains utilisateurs vers cette action. Par exemple, certains écrans qui ne sont pas directement liés à l’achat de contenu dans une application, mais sur lesquels les clients sont enclins à acheter ou non du contenu, se comporteront différemment. Les points de bifurcation peuvent être des points d'influence sur les actions de vos utilisateurs avec un signe plus - ils peuvent influencer la décision d'effectuer un achat ou un clic, ou un signe moins - ils peuvent déterminer qu'après quelques étapes, l'utilisateur quittera l'application.
• Les points de conversion interrompus sont des points de bifurcation potentiels. Vous pouvez les considérer comme des écrans qui pourraient inciter une action ciblée, mais ce n'est pas le cas. Cela peut également être un moment où l'utilisateur a un besoin, mais nous ne le satisfaisons pas parce que nous ne le connaissons tout simplement pas. L’analyse des trajectoires devrait permettre d’identifier ce besoin.
• Point de distraction : écrans/pop-ups qui n'apportent pas de valeur à l'utilisateur, n'affectent pas la conversion et peuvent « brouiller » les trajectoires, distrayant l'utilisateur des actions cibles.
• Les angles morts sont des points cachés de l’application, des écrans et des fonctionnalités très difficiles à atteindre pour l’utilisateur.
• Drains – points de fuite de trafic

En général, l'approche mathématique nous a permis de comprendre que le client utilise l'application d'une manière complètement différente de ce que pensent habituellement les chefs de produit lorsqu'ils tentent de planifier un scénario d'utilisation standard pour l'utilisateur. Assis au bureau et assistant aux conférences produits les plus cool, il est encore très difficile d'imaginer toute la variété des conditions réelles de terrain dans lesquelles l'utilisateur résoudra ses problèmes à l'aide de l'application.

Cela me rappelle une bonne blague. Un testeur entre dans un bar et commande : un verre de bière, 2 verres de bière, 0 verre de bière, 999999999 verres de bière, un lézard dans un verre, -1 verre de bière, des verres de bière qwertyuip. Le premier vrai client entre dans le bar et demande où se trouvent les toilettes. Le bar prend feu et tout le monde meurt.

Les analystes produits, profondément plongés dans ce problème, ont commencé à introduire le concept de micromoment. L'utilisateur moderne a besoin d'une solution instantanée à son problème. Google a commencé à en parler il y a quelques années : l'entreprise appelait de telles actions des utilisateurs des micro-moments. L'utilisateur est distrait, ferme accidentellement l'application, ne comprend pas ce qu'on attend de lui, se reconnecte un jour plus tard, oublie à nouveau, puis suit le lien qu'un ami lui a envoyé dans la messagerie. Et toutes ces séances ne peuvent durer plus de 20 secondes.

Nous avons donc commencé à essayer d'organiser le travail du service d'assistance afin que les employés puissent comprendre quel était le problème presque en temps réel. Au moment où une personne accède à la page d'assistance et commence à rédiger sa question, nous pouvons déterminer l'essence du problème, connaissant sa trajectoire - les 100 derniers événements. Auparavant, nous automatisions la répartition de toutes les demandes d'assistance en catégories à l'aide de l'analyse ML des textes des demandes d'assistance. Malgré le succès de la catégorisation, alors que 87% de toutes les demandes sont correctement réparties dans l’une des 13 catégories, c’est un travail avec des trajectoires qui permet de trouver automatiquement la solution la plus adaptée à la situation de l’utilisateur.

Nous ne pouvons pas publier de mises à jour rapidement, mais nous pouvons remarquer le problème et, si l'utilisateur suit le scénario que nous avons déjà vu, lui envoyer une notification push.

On voit que la tâche d’optimisation d’une application nécessite des outils riches pour étudier les trajectoires des utilisateurs. De plus, connaissant tous les chemins empruntés par les utilisateurs, vous pouvez ouvrir les chemins nécessaires et, à l'aide de contenus personnalisés, de notifications push et d'éléments d'interface utilisateur adaptatifs « à la main », conduire l'utilisateur vers des actions ciblées qui correspondent le mieux à ses besoins et lui rapportent de l'argent. , données et autres valeurs pour votre entreprise.

Ce qu'il faut noter

• Étudier la conversion des utilisateurs uniquement en utilisant les entonnoirs comme exemple signifie perdre les riches informations que l'application elle-même nous fournit.

• L'analyse de rétention des trajectoires des utilisateurs sur des graphiques vous aide à voir quelles fonctionnalités vous utilisez pour fidéliser les utilisateurs ou, par exemple, les encourager à s'abonner.
• Les outils de rétention aident automatiquement, en temps réel, à suivre les modèles qui indiquent des problèmes d'utilisateurs dans l'application, à trouver et à corriger les bogues là où ils étaient difficiles à remarquer.

• Ils aident à trouver des modèles de comportement non évidents des utilisateurs.

• Les outils de rétention permettent de créer des outils de ML automatisés pour prédire les événements et les métriques clés des utilisateurs : perte d'utilisateurs, LTV et de nombreuses autres métriques facilement déterminées sur le graphique.

Nous construisons une communauté autour du Retentioneering pour le libre échange d’idées. Vous pouvez considérer les outils que nous développons comme un langage dans lequel les analystes et les produits de différentes applications mobiles et Web peuvent échanger des informations, des meilleures techniques et méthodes. Vous pouvez apprendre à utiliser ces outils dans le cours Growth Hacking : analyse d'applications mobiles Quartier binaire.

Source: habr.com