App in the Air でのリテンションの実装方法

ユーザーをモバイル アプリケーションに留めておくことは、総合的な科学です。 コースの作成者は、VC.ru の記事でその基本について説明しました。 グロースハッキング: モバイルアプリ分析 App in the Air の機械学習責任者、Maxim Godzi 氏は次のように述べています。 マキシム氏は、モバイルアプリケーションの分析と最適化に関する作業を例に、自社で開発したツールについて語ります。 App in the Air で開発された製品改善へのこの体系的なアプローチは、リテンショニアリングと呼ばれます。 これらのツールは製品で使用できます。ツールの一部は 出入り自由 GitHub 上で。

App in the Air は、世界中で 3 万人を超えるアクティブ ユーザーがいるアプリケーションで、フライトを追跡し、出発/着陸時間の変更、チェックイン、空港の特徴に関する情報を取得できます。

ファネルから軌道へ

すべての開発チームはオンボーディング ファネル (製品をユーザーに受け入れることを目的としたプロセス) を構築します。 これは、システム全体を上から見て、アプリケーションの問題を見つけるのに役立つ最初のステップです。 しかし、製品が開発されるにつれて、このアプローチの限界を感じるようになります。 単純な目標到達プロセスを使用すると、製品の明らかでない成長ポイントを確認することはできません。 ファネルの目的は、アプリケーション内のユーザーの段階を概観し、標準の指標を示すことです。 しかし、ファネルは、明白な問題や、逆に特別なユーザーアクティビティに対する標準からの逸脱を慎重に隠します。

App in the Air では独自のファネルを構築しましたが、製品の特性により、最終的には砂時計になりました。 そこで私たちはアプローチを拡張し、アプリケーション自体が提供する豊富な情報を利用することにしました。

ファネルを構築すると、ユーザーのオンボーディングの軌跡が失われます。 トラジェクトリは、ユーザーとアプリケーション自体による一連のアクション (プッシュ通知の送信など) で構成されます。

タイムスタンプを使用すると、ユーザーの軌跡を非常に簡単に再構築し、それぞれの軌跡からグラフを作成できます。 もちろんグラフもたくさんあります。 したがって、類似したユーザーをグループ化する必要があります。 たとえば、すべてのユーザーを表の行ごとに整理し、特定の機能を使用する頻度をリストすることができます。

このようなテーブルを基にマトリックスを作成し、機能の使用頻度、つまりグラフ上のノードごとにユーザーをグループ化しました。 これは通常、洞察に向けた最初のステップです。たとえば、この段階ですでに、一部のユーザーが一部の機能をまったく使用していないことがわかります。 頻度分析を行ったとき、グラフ内のどのノードが「最大」であるか、つまりユーザーが最も頻繁にアクセスするページを調査し始めました。 あなたにとって重要な基準に従って根本的に異なるカテゴリは、すぐに強調表示されます。 たとえば、ここでは、サブスクリプションの決定に基づいて分割したユ​​ーザーの 16 つのクラスターを示します (合計 XNUMX クラスターがありました)。

どうやって使うのですか

このようにユーザーを観察すると、ユーザーを維持するため、またはサインアップさせるためにどのような機能を使用しているかがわかります。 当然、マトリックスにも明らかなことが表示されます。 たとえば、定期購入を購入した人が定期購入画面にアクセスしたとします。 しかし、これ以外にも、他の方法では決して知ることのできなかったパターンを見つけることもできます。

そのため、フライトを追加し、一日中積極的に追跡し、その後再びどこかに飛ぶまで長い間姿を消すユーザーのグループをまったく偶然に発見しました。 従来のツールを使用してユーザーの行動を分析した場合、ユーザーは単にアプリケーションの機能に満足していないと考えられます。ユーザーが XNUMX 日使用しただけで二度と戻らなかったということを他にどのように説明できますか。 しかし、グラフの助けを借りて、彼らが非常に活動的であることがわかりました。それは、彼らのすべての活動が XNUMX 日に収まっているだけです。

現在、私たちの主なタスクは、そのようなユーザーが私たちの統計を使用している間に航空会社のロイヤルティ プログラムに接続するよう奨励することです。 この場合、彼が購入したすべてのフライトをインポートし、新しいチケットを購入したらすぐにサインアップするよう促します。 この問題を解決するために、Aviasales、Svyaznoy.Travel、その他のアプリケーションとの連携も開始しました。 ユーザーが航空券を購入すると、アプリはフライトを App in the Air に追加するよう求めます。これはすぐに表示されます。

グラフのおかげで、定期購入画面にアクセスした人の 5% がキャンセルしていることがわかりました。 私たちはそのようなケースを分析し始めたところ、最初のページにアクセスして Google アカウントの接続を開始し、すぐにキャンセルして再び最初のページにアクセスするということを XNUMX 回繰り返しているユーザーがいることがわかりました。 最初は「このユーザーは明らかに何かが間違っている」と思いました。 そして、おそらくアプリケーションにバグがあることに気づきました。 ファネルでは、これは次のように解釈されます。ユーザーはアプリケーションが要求する一連の権限が気に入らず、離脱しました。

別のグループでは、5% のユーザーが、スマートフォン上のすべてのカレンダー アプリから XNUMX つを選択するよう求められる画面で迷っていました。 ユーザーは異なるカレンダーを何度も選択し、アプリを終了するだけです。 UX に問題があることが判明しました。カレンダーを選択した後、右上隅にある [完了] をクリックする必要がありました。 すべてのユーザーがそれを見たわけではありません。

App in the Air の最初の画面

私たちのグラフでは、約 30% のユーザーが最初の画面から先に進んでいないことがわかりました。これは、私たちがユーザーに購読を促すことに非常に積極的であるという事実によるものです。 最初の画面では、アプリは Google または Triplt を使用して登録するように求めますが、登録をスキップするための情報はありません。 最初の画面から離れたユーザーのうち、16% のユーザーは「もっと見る」をクリックして再び戻ってきます。 彼らがアプリケーションの内部で登録する方法を探していることがわかりました。次のアップデートでリリースする予定です。 さらに、すぐに離れる人の 2/3 は何もクリックしません。 彼らに何が起こっているのかを知るために、私たちはヒートマップを作成しました。 顧客は、クリック可能なリンクではないアプリ機能のリストをクリックしていることが判明しました。

マイクロモーメントを捉える

アスファルト道路の横で道を踏みつけている人をよく見かけます。 リテンションは、これらの道を見つけ、可能であれば道路を変更する試みです。

もちろん、実際のユーザーから学ぶのは良くありませんが、少なくとも、アプリケーション内のユーザーの問題を示すパターンを自動的に追跡し始めました。 現在は、ユーザーが同じ画面に何度も戻るなど、多数の「ループ」が発生した場合に、製品マネージャーが電子メール通知を受け取るようになりました。

アプリケーションの問題や成長領域を分析するために、ユーザーの軌跡のどのようなパターンが一般的に興味深いかを見てみましょう。

• ループとサイクル。 上で述べたループとは、ユーザーの軌跡の中で XNUMX つのイベントが繰り返されるときです (たとえば、カレンダー、カレンダー、カレンダー、カレンダー)。 繰り返しが多いループは、インターフェイスの問題またはイベント マーキングが不十分であることを明確に示しています。 サイクルも閉じた軌道ですが、ループとは異なり、フライト履歴の表示 - フライトの追加 - フライト履歴の表示など、複数のイベントが含まれます。
• フローストッパー - 何らかの障害により、ユーザーがアプリケーション内で希望の動作を続行できない場合 (たとえば、クライアントにとって明らかではないインターフェイスを備えた画面など)。 このようなイベントは速度を低下させ、ユーザーの軌道を変えます。
• 分岐点は、その後、さまざまなタイプのクライアントの軌跡が分離される重要なイベントです。 特に、これらの画面にはターゲット アクションへの直接的な遷移や行動喚起が含まれておらず、一部のユーザーを効果的にそこに誘導します。 たとえば、アプリケーションでのコンテンツの購入には直接関係しないが、顧客がコンテンツを購入する傾向がある、または購入しない傾向がある一部の画面は、異なる動作をします。 分岐点は、プラス記号を使用するとユーザーのアクションに影響を与えるポイントになることができます。分岐点は購入またはクリックの決定に影響を与えることができ、マイナス記号を使用すると、ユーザーが数ステップ後にアプリケーションを離れることを判断できます。
• 中止された変換ポイントは潜在的な分岐点です。 これらは、ターゲットのアクションを促す画面と考えることができますが、実際はそうではありません。 これは、ユーザーがニーズを持っているにもかかわらず、単にそれを知らないためにそれを満たしていない時点である可能性もあります。 軌跡分析により、この必要性を特定できるはずです。
• 気を散らすポイント - ユーザーに価値を提供せず、コンバージョンに影響を与えず、軌道を「ぼやけ」、ユーザーの注意を目的のアクションからそらす可能性のある画面/ポップアップ。
• 死角とは、ユーザーにとって非常に到達しにくい、アプリケーション、画面、機能の隠れた点です。
• 排水管 – 交通が漏れる場所

一般に、数学的アプローチにより、製品マネージャーがユーザーの標準的な使用シナリオを計画するときに通常考えるのとはまったく異なる方法でクライアントがアプリケーションを使用することを理解することができました。 オフィスに座って、最先端の製品カンファレンスに参加していても、ユーザーがアプリケーションを使用して問題を解決する実際の現場のさまざまな状況をすべて想像することは、依然として非常に困難です。

これを聞くと、素晴らしいジョークを思い出します。 テスターがバーに入り、ビール 2 杯、ビール 0 杯、ビール 999999999 杯、ビール 1 杯、グラスに入ったトカゲ、ビール XNUMX 杯、ビール XNUMX 杯のクワーテュイプ グラスを注文します。 最初の本物の客がバーに入ってきて、トイレはどこにあるのか尋ねます。 バーが炎上し、全員が死亡する。

この問題に深く関わっていた製品アナリストは、マイクロモーメントの概念を導入し始めました。 現代のユーザーは、問題に対する即座の解決策を必要としています。 Google は数年前からこれについて話し始めました。同社はそのようなユーザーのアクションをマイクロモーメントと呼んでいました。 ユーザーは注意力が散漫になり、誤ってアプリケーションを閉じてしまい、何を要求されているのか理解できず、20 日後に再度ログインし、また忘れてしまい、友人がメッセンジャーで送信したリンクをたどります。 これらのセッションはすべて XNUMX 秒以内に継続できます。

そこで私たちは、従業員が問題の内容をほぼリアルタイムで理解できるように、サポート サービスの作業をセットアップすることを試み始めました。 ある人がサポート ページにアクセスして質問を書き始めるまでに、私たちはその人の軌跡、つまり過去 100 件の出来事を知ることで、問題の本質を判断することができます。 以前は、サポート リクエストのテキストの ML 分析を使用して、すべてのサポート リクエストのカテゴリへの配布を自動化していました。 分類が成功したにもかかわらず、すべてのリクエストの 87% が 13 のカテゴリのいずれかに正しく振り分けられると、ユーザーの状況に最適なソリューションを自動的に見つけることができる軌道に基づいた作業が行われます。

アップデートをすぐにリリースすることはできませんが、問題に気づくことはできます。ユーザーがすでに見たシナリオに従っている場合は、プッシュ通知を送信します。

アプリケーションを最適化するタスクには、ユーザーの軌跡を調査するための豊富なツールが必要であることがわかります。 さらに、ユーザーがたどるすべてのパスを把握しているため、必要なパスを切り開くことができ、カスタマイズされたコンテンツ、プッシュ通知、アダプティブ UI 要素の助けを借りて、ユーザーを自分のニーズに最も適したターゲットを絞ったアクションに導き、お金をもたらすことができます。 、データ、その他のビジネス価値。

注意すべきこと

• 例としてファネルのみを使用してユーザー コンバージョンを研究することは、アプリケーション自体が提供する豊富な情報を失うことを意味します。

• グラフ上のユーザー軌跡のリテンション分析は、ユーザーを維持するため、または購読を奨励するためにどの機能を使用しているかを確認するのに役立ちます。
• リテンションツールは、アプリケーション内のユーザーの問題を示すパターンをリアルタイムで自動的に追跡し、気づきにくいバグを見つけて解決するのに役立ちます。

• これらは、ユーザーの行動の非自明なパターンを見つけるのに役立ちます。

• リテンション ツールを使用すると、主要なユーザー イベントと指標 (ユーザー喪失、LTV、およびグラフ上で簡単に決定できるその他の多くの指標) を予測するための自動 ML ツールを構築できます。

私たちは、自由なアイデア交換のためにリテンショニアリングを中心としたコミュニティを構築しています。 私たちが開発しているツールは、さまざまなモバイルおよび Web アプリケーションのアナリストと製品が洞察、最良の技術、手法を交換できる言語として考えることができます。 コースではこれらのツールの使用方法を学ぶことができます グロースハッキング: モバイルアプリ分析 バイナリ地区。

出所： habr.com