Cara Pengekalan Dilaksanakan dalam Apl di Udara

Mengekalkan pengguna dalam aplikasi mudah alih adalah satu ilmu yang menyeluruh. Pengarang kursus menerangkan asasnya dalam artikel kami di VC.ru Penggodaman Pertumbuhan: analisis aplikasi mudah alih Maxim Godzi, Ketua Pembelajaran Mesin di App in the Air. Maxim bercakap tentang alat yang dibangunkan dalam syarikat menggunakan contoh kerja pada analisis dan pengoptimuman aplikasi mudah alih. Pendekatan sistematik untuk penambahbaikan produk ini, dibangunkan dalam App in the Air, dipanggil Retentioneering. Anda boleh menggunakan alatan ini dalam produk anda: sebahagian daripadanya ada akses percuma pada GitHub.

App in the Air ialah aplikasi dengan lebih 3 juta pengguna aktif di seluruh dunia, yang dengannya anda boleh menjejak penerbangan, mendapatkan maklumat tentang perubahan dalam masa berlepas/pendaratan, daftar masuk dan ciri lapangan terbang.

Dari corong ke trajektori

Semua pasukan pembangunan membina corong onboarding (proses yang bertujuan untuk penerimaan pengguna terhadap produk). Ini adalah langkah pertama yang membantu anda melihat keseluruhan sistem dari atas dan mencari masalah aplikasi. Tetapi apabila produk berkembang, anda akan merasakan batasan pendekatan ini. Menggunakan corong mudah, anda tidak dapat melihat titik pertumbuhan yang tidak jelas untuk produk. Tujuan corong adalah untuk memberikan gambaran umum pada peringkat pengguna dalam aplikasi, untuk menunjukkan kepada anda metrik norma. Tetapi corong secara berhemat akan menyembunyikan penyelewengan daripada norma ke arah masalah yang jelas atau, sebaliknya, aktiviti pengguna khas.

Di App in the Air, kami membina corong sendiri, tetapi disebabkan kekhususan produk, kami akhirnya menggunakan jam pasir. Kemudian kami memutuskan untuk mengembangkan pendekatan dan menggunakan maklumat kaya yang diberikan oleh aplikasi itu sendiri kepada kami.

Apabila anda membina corong, anda kehilangan trajektori onboarding pengguna. Trajektori terdiri daripada urutan tindakan oleh pengguna dan aplikasi itu sendiri (contohnya, menghantar pemberitahuan tolak).

Menggunakan cap masa, anda boleh membina semula trajektori pengguna dengan mudah dan membuat graf daripadanya untuk setiap daripada mereka. Sudah tentu, terdapat banyak graf. Oleh itu, anda perlu mengumpulkan pengguna yang serupa. Sebagai contoh, anda boleh menyusun semua pengguna mengikut baris jadual dan menyenaraikan kekerapan mereka menggunakan fungsi tertentu.

Berdasarkan jadual sedemikian, kami membuat matriks dan mengumpulkan pengguna mengikut kekerapan penggunaan fungsi, iaitu, mengikut nod dalam graf. Ini biasanya merupakan langkah pertama ke arah cerapan: contohnya, pada peringkat ini anda akan melihat bahawa sesetengah pengguna tidak menggunakan beberapa fungsi sama sekali. Apabila kami melakukan analisis kekerapan, kami mula mengkaji nod dalam graf yang "terbesar", iaitu halaman yang paling kerap dikunjungi pengguna. Kategori yang pada asasnya berbeza mengikut beberapa kriteria yang penting kepada anda segera diserlahkan. Di sini, sebagai contoh, terdapat dua kluster pengguna yang kami bahagikan berdasarkan keputusan langganan (terdapat 16 kluster secara keseluruhan).

Bagaimana untuk menggunakannya

Dengan melihat pengguna anda dengan cara ini, anda boleh melihat ciri yang anda gunakan untuk mengekalkan mereka atau, sebagai contoh, meminta mereka mendaftar. Sememangnya, matriks juga akan menunjukkan perkara yang jelas. Contohnya, mereka yang membeli langganan telah melawat skrin langganan. Tetapi selain ini, anda juga boleh mencari corak yang anda tidak akan tahu sebaliknya.

Oleh itu, kami secara tidak sengaja menemui sekumpulan pengguna yang menambahkan penerbangan, menjejakinya secara aktif sepanjang hari dan kemudian hilang untuk masa yang lama sehingga mereka terbang ke suatu tempat semula. Jika kami menganalisis tingkah laku mereka menggunakan alat konvensional, kami akan fikir mereka tidak berpuas hati dengan kefungsian aplikasi: bagaimana lagi kami boleh menjelaskan bahawa mereka menggunakannya untuk satu hari dan tidak pernah kembali. Tetapi dengan bantuan graf kami melihat bahawa mereka sangat aktif, cuma semua aktiviti mereka sesuai dalam satu hari.

Kini tugas utama kami ialah menggalakkan pengguna sedemikian menyambung ke program kesetiaan syarikat penerbangannya semasa dia menggunakan statistik kami. Dalam kes ini, kami akan mengimport semua penerbangan yang dia beli dan cuba mendorongnya untuk mendaftar sebaik sahaja dia membeli tiket baharu. Untuk menyelesaikan masalah ini, kami juga mula bekerjasama dengan Aviasales, Svyaznoy.Travel dan aplikasi lain. Apabila pengguna mereka membeli tiket, apl menggesa mereka untuk menambahkan penerbangan ke App in the Air dan kami melihatnya serta-merta.

Terima kasih kepada graf, kami melihat bahawa 5% orang yang pergi ke skrin langganan membatalkannya. Kami mula menganalisis kes sedemikian, dan melihat bahawa terdapat pengguna yang pergi ke halaman pertama, memulakan sambungan akaun Googlenya, dan segera membatalkannya, sampai ke halaman pertama semula, dan seterusnya empat kali. Pada mulanya kami fikir, "Sesuatu yang jelas tidak kena dengan pengguna ini." Dan kemudian kami menyedari bahawa, kemungkinan besar, terdapat pepijat dalam aplikasi. Dalam corong, ini akan ditafsirkan seperti berikut: pengguna tidak menyukai set kebenaran yang diminta oleh aplikasi dan dia pergi.

Kumpulan lain mempunyai 5% pengguna tersesat pada skrin di mana aplikasi menggesa mereka untuk memilih satu daripada semua apl kalendar pada telefon pintar mereka. Pengguna akan memilih kalendar yang berbeza berulang kali dan kemudian hanya keluar dari aplikasi. Ternyata terdapat isu UX: selepas seseorang memilih kalendar, mereka perlu mengklik Selesai di penjuru kanan sebelah atas. Cuma tidak semua pengguna melihatnya.

Skrin pertama App in the Air

Dalam graf kami, kami melihat bahawa kira-kira 30% pengguna tidak melangkaui skrin pertama: ini disebabkan oleh fakta bahawa kami agak agresif dalam mendorong pengguna untuk melanggan. Pada skrin pertama, apl menggesa anda untuk mendaftar menggunakan Google atau Triplt, dan tiada maklumat tentang melangkau pendaftaran. Daripada mereka yang meninggalkan skrin pertama, 16% pengguna mengklik "Lagi" dan kembali semula. Kami telah mengetahui bahawa mereka sedang mencari cara untuk mendaftar secara dalaman dalam aplikasi dan kami akan mengeluarkannya dalam kemas kini seterusnya. Di samping itu, 2/3 daripada mereka yang pergi serta-merta tidak mengklik apa-apa sama sekali. Untuk mengetahui apa yang berlaku kepada mereka, kami membina peta haba. Ternyata pelanggan mengklik pada senarai ciri aplikasi yang bukan pautan boleh klik.

Abadikan detik mikro

Anda sering dapat melihat orang memijak laluan di sebelah jalan asfalt. Retentioneering ialah percubaan untuk mencari laluan ini dan, jika boleh, tukar jalan.

Sudah tentu, adalah buruk untuk kami belajar daripada pengguna sebenar, tetapi sekurang-kurangnya kami mula menjejaki corak secara automatik yang menunjukkan masalah pengguna dalam aplikasi. Kini pengurus produk menerima pemberitahuan e-mel jika sejumlah besar "gelung" berlaku—apabila pengguna kembali ke skrin yang sama berulang kali.

Mari lihat corak dalam trajektori pengguna yang secara amnya menarik untuk dicari untuk menganalisis masalah dan kawasan pertumbuhan aplikasi:

• Gelung dan kitaran. Gelung yang disebutkan di atas adalah apabila satu acara berulang dalam trajektori pengguna, contohnya, kalendar-kalendar-kalendar-kalendar. Gelung dengan banyak pengulangan ialah penunjuk yang jelas tentang masalah antara muka atau penandaan peristiwa yang tidak mencukupi. Kitaran juga merupakan trajektori tertutup, tetapi tidak seperti gelung ia termasuk lebih daripada satu peristiwa, contohnya: melihat sejarah penerbangan - menambah penerbangan - melihat sejarah penerbangan.
• Flowstoppers - apabila pengguna, disebabkan oleh beberapa halangan, tidak dapat meneruskan pergerakan yang dikehendakinya melalui aplikasi, contohnya, skrin dengan antara muka yang tidak jelas kepada pelanggan. Peristiwa sedemikian melambatkan dan mengalihkan trajektori pengguna.
• Titik bifurkasi ialah peristiwa penting yang selepas itu trajektori pelanggan pelbagai jenis dipisahkan. Khususnya, ini ialah skrin yang tidak mengandungi peralihan langsung atau seruan tindak kepada tindakan sasaran, dengan berkesan mendorong sesetengah pengguna ke arah itu. Contohnya, sesetengah skrin yang tidak berkaitan secara langsung dengan membeli kandungan dalam aplikasi, tetapi yang pelanggan cenderung untuk membeli atau tidak membeli kandungan, akan berkelakuan berbeza. Titik bifurcation boleh menjadi titik pengaruh pada tindakan pengguna anda dengan tanda tambah - mereka boleh mempengaruhi keputusan untuk membuat pembelian atau klik, atau tanda tolak - mereka boleh menentukan bahawa selepas beberapa langkah pengguna akan meninggalkan aplikasi.
• Titik penukaran yang dibatalkan ialah titik bifurkasi yang berpotensi. Anda boleh menganggapnya sebagai skrin yang boleh menggesa tindakan sasaran, tetapi jangan. Ini juga boleh menjadi titik masa apabila pengguna mempunyai keperluan, tetapi kami tidak memuaskannya kerana kami tidak tahu mengenainya. Analisis trajektori sepatutnya membenarkan keperluan ini dikenal pasti.
• Titik gangguan - skrin/pop timbul yang tidak memberikan nilai kepada pengguna, tidak menjejaskan penukaran dan boleh "mengaburkan" trajektori, mengalihkan perhatian pengguna daripada tindakan sasaran.
• Bintik buta adalah titik tersembunyi aplikasi, skrin dan ciri yang sangat sukar untuk dicapai oleh pengguna.
• Longkang – titik di mana trafik bocor

Secara umum, pendekatan matematik membolehkan kami memahami bahawa pelanggan menggunakan aplikasi dengan cara yang sama sekali berbeza daripada yang biasanya difikirkan oleh pengurus produk apabila cuba merancang beberapa senario penggunaan standard untuk pengguna. Duduk di pejabat dan menghadiri persidangan produk yang paling hebat, masih sangat sukar untuk membayangkan semua kepelbagaian keadaan lapangan sebenar di mana pengguna akan menyelesaikan masalahnya menggunakan aplikasi itu.

Ini mengingatkan saya tentang jenaka yang hebat. Seorang penguji masuk ke bar dan memesan: segelas bir, 2 gelas bir, 0 gelas bir, 999999999 gelas bir, cicak dalam gelas, -1 gelas bir, qwertyuip gelas bir. Pelanggan sebenar pertama masuk ke bar dan bertanya di mana tandas itu. Bar itu terbakar dan semua orang mati.

Penganalisis produk, tenggelam dalam masalah ini, mula memperkenalkan konsep mikromomen. Pengguna moden memerlukan penyelesaian segera untuk masalah mereka. Google mula bercakap tentang perkara ini beberapa tahun lalu: syarikat itu memanggil tindakan pengguna seperti detik-detik mikro. Pengguna terganggu, menutup aplikasi secara tidak sengaja, tidak memahami apa yang diperlukan daripadanya, log masuk semula sehari kemudian, lupa lagi, dan kemudian mengikuti pautan yang dihantar rakannya dalam messenger. Dan semua sesi ini boleh bertahan tidak lebih daripada 20 saat.

Oleh itu, kami mula cuba menyediakan kerja perkhidmatan sokongan supaya pekerja dapat memahami masalahnya hampir dalam masa nyata. Apabila seseorang datang ke halaman sokongan dan mula menulis soalannya, kita boleh menentukan intipati masalah, mengetahui trajektorinya - 100 peristiwa terakhir. Sebelum ini, kami mengautomasikan pengedaran semua permintaan sokongan ke dalam kategori menggunakan analisis ML bagi teks permintaan sokongan. Walaupun kejayaan pengkategorian, apabila 87% daripada semua permintaan diedarkan dengan betul ke dalam salah satu daripada 13 kategori, ia berfungsi dengan trajektori yang secara automatik boleh mencari penyelesaian yang paling sesuai untuk situasi pengguna.

Kami tidak boleh mengeluarkan kemas kini dengan cepat, tetapi kami dapat melihat masalah itu dan, jika pengguna mengikut senario yang telah kami lihat, hantarkan pemberitahuan tolak kepadanya.

Kami melihat bahawa tugas mengoptimumkan aplikasi memerlukan alat yang kaya untuk mengkaji trajektori pengguna. Selanjutnya, mengetahui semua laluan yang pengguna ambil, anda boleh membuka laluan yang diperlukan, dan dengan bantuan kandungan tersuai, pemberitahuan tolak dan elemen UI penyesuaian "dengan tangan" membawa pengguna kepada tindakan disasarkan yang paling sesuai dengan keperluannya dan membawa wang , data dan nilai lain untuk perniagaan anda.

Apa yang perlu diambil perhatian

• Mempelajari penukaran pengguna hanya menggunakan corong sebagai contoh bermakna kehilangan maklumat kaya yang diberikan oleh aplikasi itu sendiri kepada kami.

• Analisis pengekalan trajektori pengguna pada graf membantu anda melihat ciri yang anda gunakan untuk mengekalkan pengguna atau, sebagai contoh, menggalakkan mereka melanggan.
• Alat pengekalan membantu secara automatik, dalam masa nyata, menjejaki corak yang menunjukkan masalah pengguna dalam aplikasi, mencari dan menutup pepijat yang sukar untuk dilihat.

• Mereka membantu mencari corak tingkah laku pengguna yang tidak jelas.

• Alat pengekalan memungkinkan untuk membina alat ML automatik untuk meramalkan peristiwa dan metrik pengguna utama: kehilangan pengguna, LTV dan banyak metrik lain yang mudah ditentukan pada graf.

Kami sedang membina komuniti di sekitar Pengekalan untuk pertukaran idea secara percuma. Anda boleh memikirkan alatan yang kami bangunkan sebagai bahasa yang membolehkan penganalisis dan produk daripada aplikasi mudah alih dan web yang berbeza bertukar pandangan, teknik dan kaedah terbaik. Anda boleh belajar cara menggunakan alatan ini dalam kursus Penggodaman Pertumbuhan: analisis aplikasi mudah alih Daerah Binari.

Sumber: www.habr.com