วิธีการใช้งาน Retentioneering ใน App in the Air

การให้ผู้ใช้อยู่ในแอปพลิเคชันบนมือถือนั้นเป็นศาสตร์ทั้งหมด ผู้เขียนหลักสูตรได้อธิบายพื้นฐานไว้ในบทความของเราบน VC.ru Growth Hacking: การวิเคราะห์แอปบนอุปกรณ์เคลื่อนที่ Maxim Godzi หัวหน้าฝ่ายการเรียนรู้ของเครื่องที่ App in the Air Maxim พูดถึงเครื่องมือที่พัฒนาขึ้นในบริษัทโดยใช้ตัวอย่างงานวิเคราะห์และเพิ่มประสิทธิภาพแอปพลิเคชันมือถือ แนวทางการปรับปรุงผลิตภัณฑ์อย่างเป็นระบบซึ่งพัฒนาใน App in the Air นี้เรียกว่า Retentioneering คุณสามารถใช้เครื่องมือเหล่านี้กับผลิตภัณฑ์ของคุณได้: มีบางส่วนอยู่ในนั้น เข้าฟรี บน GitHub

App in the Air เป็นแอปพลิเคชั่นที่มีผู้ใช้งานมากกว่า 3 ล้านคนทั่วโลก ซึ่งคุณสามารถติดตามเที่ยวบิน รับข้อมูลเกี่ยวกับการเปลี่ยนแปลงเวลาออกเดินทาง/ลงเครื่อง การเช็คอิน และลักษณะสนามบิน

จากช่องทางสู่วิถี

ทีมพัฒนาทั้งหมดสร้างช่องทางการเริ่มต้นใช้งาน (กระบวนการที่มุ่งเป้าไปที่การยอมรับผลิตภัณฑ์ของผู้ใช้) นี่เป็นขั้นตอนแรกที่ช่วยให้คุณดูระบบทั้งหมดจากด้านบนและค้นหาปัญหาของแอปพลิเคชัน แต่เมื่อผลิตภัณฑ์พัฒนาขึ้น คุณจะรู้สึกถึงข้อจำกัดของแนวทางนี้ เมื่อใช้ช่องทางง่ายๆ คุณจะไม่เห็นจุดการเติบโตของผลิตภัณฑ์ที่ไม่ชัดเจน วัตถุประสงค์ของช่องทางคือการดูขั้นตอนของผู้ใช้ในแอปพลิเคชันโดยทั่วไป เพื่อแสดงเกณฑ์ชี้วัดของบรรทัดฐาน แต่ช่องทางจะซ่อนความเบี่ยงเบนจากบรรทัดฐานไปสู่ปัญหาที่ชัดเจนหรือในทางกลับกัน กิจกรรมพิเศษของผู้ใช้อย่างรอบคอบ

ที่ App in the Air เราสร้างช่องทางของเราเอง แต่เนื่องจากลักษณะเฉพาะของผลิตภัณฑ์ เราจึงได้นาฬิกาทราย จากนั้นเราตัดสินใจที่จะขยายแนวทางและใช้ข้อมูลมากมายที่แอปพลิเคชันมอบให้เรา

เมื่อคุณสร้างช่องทาง คุณจะสูญเสียผู้ใช้ในการเริ่มต้นเส้นทาง วิถีประกอบด้วยลำดับการกระทำโดยผู้ใช้และแอปพลิเคชันเอง (เช่น การส่งการแจ้งเตือนแบบพุช)

การใช้การประทับเวลาทำให้คุณสามารถสร้างวิถีของผู้ใช้ใหม่และสร้างกราฟสำหรับแต่ละวิถีได้อย่างง่ายดาย แน่นอนว่ามีกราฟมากมาย ดังนั้น คุณจึงต้องจัดกลุ่มผู้ใช้ที่คล้ายกัน ตัวอย่างเช่น คุณสามารถจัดเรียงผู้ใช้ทั้งหมดตามแถวของตารางและแสดงรายการความถี่ที่พวกเขาใช้ฟังก์ชันบางอย่างได้

จากตารางดังกล่าว เราได้สร้างเมทริกซ์และจัดกลุ่มผู้ใช้ตามความถี่ของการใช้ฟังก์ชัน ซึ่งก็คือตามโหนดในกราฟ โดยปกติจะเป็นก้าวแรกสู่ข้อมูลเชิงลึก ตัวอย่างเช่น ในขั้นตอนนี้ คุณจะเห็นว่าผู้ใช้บางรายไม่ได้ใช้ฟังก์ชันบางอย่างเลย เมื่อเราทำการวิเคราะห์ความถี่ เราเริ่มศึกษาว่าโหนดใดในกราฟที่ "ใหญ่ที่สุด" นั่นคือหน้าที่ผู้ใช้เข้าชมบ่อยที่สุด หมวดหมู่ที่แตกต่างกันโดยพื้นฐานตามเกณฑ์บางอย่างที่สำคัญต่อคุณจะถูกเน้นทันที ตัวอย่างเช่น นี่คือกลุ่มผู้ใช้สองกลุ่มที่เราแบ่งตามการตัดสินใจสมัครสมาชิก (มีทั้งหมด 16 กลุ่ม)

วิธีใช้งาน

เมื่อดูที่ผู้ใช้ของคุณด้วยวิธีนี้ คุณจะสามารถดูได้ว่าคุณลักษณะใดที่คุณใช้เพื่อรักษาพวกเขาไว้ หรือตัวอย่างเช่น ให้พวกเขาลงชื่อสมัครใช้ โดยปกติแล้วเมทริกซ์จะแสดงสิ่งที่ชัดเจนเช่นกัน ตัวอย่างเช่น ผู้ที่ซื้อการสมัครสมาชิกจะเข้าไปที่หน้าจอการสมัครสมาชิก แต่นอกเหนือจากนี้ คุณยังสามารถค้นหารูปแบบที่คุณไม่เคยรู้จักมาก่อน

ดังนั้นเราจึงพบกลุ่มผู้ใช้ที่เพิ่มเที่ยวบินโดยบังเอิญโดยบังเอิญติดตามมันตลอดทั้งวันแล้วหายไปเป็นเวลานานจนกระทั่งพวกเขาบินไปที่ไหนสักแห่งอีกครั้ง หากเราวิเคราะห์พฤติกรรมของพวกเขาโดยใช้เครื่องมือทั่วไป เราจะคิดว่าพวกเขาเพียงแต่ไม่พอใจกับฟังก์ชันการทำงานของแอปพลิเคชัน เราจะอธิบายได้อย่างไรว่าพวกเขาใช้มันไปหนึ่งวันและไม่เคยกลับมาอีกเลย แต่ด้วยความช่วยเหลือของกราฟ เราพบว่าพวกมันมีความกระตือรือร้นมาก กิจกรรมทั้งหมดของพวกเขารวมอยู่ในหนึ่งวันเท่านั้น

ตอนนี้งานหลักของเราคือการสนับสนุนให้ผู้ใช้เชื่อมต่อกับโปรแกรมสะสมคะแนนของสายการบินในขณะที่เขาใช้สถิติของเรา ในกรณีนี้ เราจะนำเข้าเที่ยวบินทั้งหมดที่เขาซื้อและพยายามผลักดันให้เขาสมัครทันทีที่เขาซื้อตั๋วใหม่ เพื่อแก้ไขปัญหานี้ เรายังเริ่มร่วมมือกับ Aviasales, Svyaznoy.Travel และแอปพลิเคชันอื่นๆ เมื่อผู้ใช้ซื้อตั๋ว แอพจะแจ้งให้พวกเขาเพิ่มเที่ยวบินไปยัง App in the Air และเราจะเห็นทันที

จากกราฟ เราพบว่า 5% ของผู้ที่ไปที่หน้าจอการสมัครรับข้อมูลยกเลิก เราเริ่มวิเคราะห์กรณีดังกล่าวและเห็นว่ามีผู้ใช้ไปที่หน้าแรก เริ่มการเชื่อมต่อบัญชี Google ของเขา และยกเลิกทันที และกลับมาที่หน้าแรกอีกครั้ง และต่อๆ ไปสี่ครั้ง ในตอนแรกเราคิดว่า “มีบางอย่างผิดปกติอย่างชัดเจนกับผู้ใช้รายนี้” แล้วเราก็ตระหนักว่าน่าจะมีข้อบกพร่องในแอปพลิเคชัน ในช่องทาง จะมีการตีความดังนี้: ผู้ใช้ไม่ชอบชุดสิทธิ์ที่แอปพลิเคชันร้องขอ และเขาออกไป

อีกกลุ่มหนึ่งมีผู้ใช้ 5% หลงทางบนหน้าจอ โดยที่แอปแจ้งให้พวกเขาเลือกหนึ่งรายการจากแอปปฏิทินทั้งหมดบนสมาร์ทโฟน ผู้ใช้จะเลือกปฏิทินที่แตกต่างกันซ้ำแล้วซ้ำอีกจากนั้นก็ออกจากแอป ปรากฎว่าเกิดปัญหา UX หลังจากที่บุคคลเลือกปฏิทินแล้ว พวกเขาจะต้องคลิกเสร็จสิ้นที่มุมขวาบน เพียงแต่ไม่ใช่ว่าผู้ใช้ทุกคนจะมองเห็นมัน

หน้าจอแรกของ App in the Air

ในกราฟของเรา เราพบว่าผู้ใช้ประมาณ 30% ไม่ได้ไปเกินกว่าหน้าจอแรก เนื่องจากเราค่อนข้างก้าวร้าวในการผลักดันให้ผู้ใช้สมัครรับข้อมูล ในหน้าจอแรก แอปจะแจ้งให้คุณลงทะเบียนโดยใช้ Google หรือ Triplt และไม่มีข้อมูลเกี่ยวกับการข้ามการลงทะเบียน ในบรรดาผู้ที่ออกจากหน้าจอแรก ผู้ใช้ 16% คลิก "เพิ่มเติม" แล้วกลับมาอีกครั้ง เราพบว่าพวกเขากำลังมองหาวิธีการลงทะเบียนภายในแอปพลิเคชัน และเราจะเผยแพร่ในการอัปเดตครั้งถัดไป นอกจากนี้ 2/3 ของผู้ที่ออกไปทันทีไม่ได้คลิกอะไรเลย เพื่อดูว่าเกิดอะไรขึ้นกับพวกเขา เราได้จัดทำแผนที่ความร้อนขึ้นมา ปรากฎว่าลูกค้ากำลังคลิกรายการคุณลักษณะของแอปที่ไม่ใช่ลิงก์ที่คลิกได้

จับภาพเสี้ยวเวลาสำคัญ

มักจะเห็นคนเหยียบย่ำเส้นทางข้างถนนลาดยาง การยึดไว้เป็นความพยายามที่จะค้นหาเส้นทางเหล่านี้ และหากเป็นไปได้ ให้เปลี่ยนถนน

แน่นอนว่าเป็นเรื่องแย่ที่เราเรียนรู้จากผู้ใช้จริง แต่อย่างน้อยเราก็เริ่มติดตามรูปแบบที่บ่งบอกถึงปัญหาของผู้ใช้ในแอปพลิเคชันโดยอัตโนมัติ ตอนนี้ผู้จัดการผลิตภัณฑ์จะได้รับการแจ้งเตือนทางอีเมลหากเกิด "ลูป" จำนวนมาก เมื่อผู้ใช้กลับมาที่หน้าจอเดิมซ้ำแล้วซ้ำอีก

มาดูกันว่ารูปแบบใดในวิถีผู้ใช้โดยทั่วไปที่น่าสนใจในการวิเคราะห์ปัญหาและขอบเขตการเติบโตของแอปพลิเคชัน:

• ลูปและวงจร การวนซ้ำที่กล่าวถึงข้างต้นเกิดขึ้นเมื่อเหตุการณ์หนึ่งเกิดซ้ำในวิถีของผู้ใช้ เช่น ปฏิทิน-ปฏิทิน-ปฏิทิน-ปฏิทิน การวนซ้ำที่มีการทำซ้ำจำนวนมากเป็นตัวบ่งชี้ที่ชัดเจนของปัญหาอินเทอร์เฟซหรือการทำเครื่องหมายเหตุการณ์ที่ไม่เพียงพอ วงจรยังเป็นวิถีปิด แต่ต่างจากลูปตรงที่มีเหตุการณ์มากกว่าหนึ่งเหตุการณ์ เช่น การดูประวัติเที่ยวบิน - การเพิ่มเที่ยวบิน - การดูประวัติเที่ยวบิน
• Flowstoppers - เมื่อผู้ใช้ไม่สามารถเคลื่อนไหวตามที่ต้องการต่อไปผ่านแอปพลิเคชันได้ เนื่องจากมีสิ่งกีดขวาง เช่น หน้าจอที่มีอินเทอร์เฟซที่ไม่ชัดเจนต่อไคลเอนต์ เหตุการณ์ดังกล่าวช้าลงและเปลี่ยนวิถีของผู้ใช้
• จุดแยกไปสองทางเป็นเหตุการณ์สำคัญหลังจากที่เส้นทางของลูกค้าประเภทต่างๆ ถูกแยกออกจากกัน โดยเฉพาะอย่างยิ่ง หน้าจอเหล่านี้เป็นหน้าจอที่ไม่มีการเปลี่ยนโดยตรงหรือคำกระตุ้นการตัดสินใจไปสู่การกระทำเป้าหมาย ซึ่งผลักดันผู้ใช้บางรายไปสู่การกระทำนั้นอย่างมีประสิทธิภาพ ตัวอย่างเช่น หน้าจอบางหน้าจอที่ไม่เกี่ยวข้องโดยตรงกับการซื้อเนื้อหาในแอปพลิเคชัน แต่เป็นหน้าจอที่ลูกค้ามีแนวโน้มที่จะซื้อหรือไม่ซื้อเนื้อหาจะมีพฤติกรรมแตกต่างออกไป จุดแยกไปสองทางอาจเป็นจุดที่มีอิทธิพลต่อการกระทำของผู้ใช้ของคุณด้วยเครื่องหมายบวก - พวกเขาสามารถมีอิทธิพลต่อการตัดสินใจซื้อหรือคลิก หรือเครื่องหมายลบ - พวกเขาสามารถระบุได้ว่าหลังจากผ่านไปไม่กี่ขั้นตอน ผู้ใช้จะออกจากแอปพลิเคชัน
• จุดแปลงที่ถูกยกเลิกคือจุดแยกที่เป็นไปได้ คุณสามารถคิดว่าสิ่งเหล่านี้เป็นหน้าจอที่สามารถกระตุ้นการกระทำของเป้าหมายได้ แต่ไม่ใช่ นี่อาจเป็นช่วงเวลาที่ผู้ใช้มีความต้องการ แต่เราไม่พอใจเพราะเราไม่รู้เรื่องนี้ การวิเคราะห์วิถีควรทำให้จำเป็นต้องระบุสิ่งนี้
• จุดเบี่ยงเบนความสนใจ - หน้าจอ/ป๊อปอัปที่ไม่ได้ให้คุณค่าแก่ผู้ใช้ ไม่ส่งผลกระทบต่อการแปลง และสามารถ "เบลอ" วิถี ทำให้ผู้ใช้เสียสมาธิจากการกระทำของเป้าหมาย
• จุดบอดคือจุดที่ซ่อนอยู่ของแอปพลิเคชัน หน้าจอ และฟีเจอร์ที่ผู้ใช้เข้าถึงได้ยาก
• ท่อระบายน้ำ - จุดที่การจราจรรั่วไหล

โดยทั่วไป วิธีการทางคณิตศาสตร์ช่วยให้เราเข้าใจว่าลูกค้าใช้แอปพลิเคชันในลักษณะที่แตกต่างอย่างสิ้นเชิงจากที่ผู้จัดการผลิตภัณฑ์มักจะคิดเมื่อพยายามวางแผนสถานการณ์การใช้งานมาตรฐานสำหรับผู้ใช้ การนั่งอยู่ในสำนักงานและเข้าร่วมการประชุมผลิตภัณฑ์ที่ยอดเยี่ยมที่สุด ยังคงเป็นเรื่องยากมากที่จะจินตนาการถึงสภาพสนามจริงที่หลากหลายซึ่งผู้ใช้จะแก้ปัญหาโดยใช้แอปพลิเคชัน

นี่ทำให้ฉันนึกถึงเรื่องตลกที่ดี ผู้ทดสอบเดินเข้าไปในบาร์แล้วสั่งเบียร์ 2 แก้ว เบียร์ 0 แก้ว เบียร์ 999999999 แก้ว เบียร์ 1 แก้ว จิ้งจกในแก้ว เบียร์ -XNUMX แก้ว เบียร์ qwertyuip ลูกค้าจริงคนแรกเดินเข้าไปในบาร์แล้วถามว่าห้องน้ำอยู่ที่ไหน บาร์เกิดเพลิงไหม้และทุกคนก็เสียชีวิต

นักวิเคราะห์ผลิตภัณฑ์ซึ่งหมกมุ่นอยู่กับปัญหานี้อย่างลึกซึ้งจึงเริ่มนำเสนอแนวคิดของช่วงเวลาระดับหนึ่ง ผู้ใช้ยุคใหม่ต้องการวิธีแก้ไขปัญหาทันที Google เริ่มพูดถึงเรื่องนี้เมื่อไม่กี่ปีที่ผ่านมา: บริษัทเรียกว่าเสี้ยวเวลาการกระทำของผู้ใช้ดังกล่าว ผู้ใช้ฟุ้งซ่าน ปิดแอปพลิเคชันโดยไม่ตั้งใจ ไม่เข้าใจสิ่งที่ต้องการ เข้าสู่ระบบอีกครั้งในอีกหนึ่งวันต่อมา ลืมอีกครั้ง จากนั้นไปตามลิงก์ที่เพื่อนส่งให้เขาใน Messenger และเซสชันทั้งหมดเหล่านี้สามารถอยู่ได้ไม่เกิน 20 วินาที

ดังนั้นเราจึงเริ่มพยายามตั้งค่างานบริการสนับสนุนเพื่อให้พนักงานเข้าใจว่าปัญหาคืออะไรเกือบจะแบบเรียลไทม์ เมื่อมีคนมาที่หน้าสนับสนุนและเริ่มเขียนคำถามของเขา เราก็จะสามารถระบุแก่นแท้ของปัญหาโดยรู้เส้นทางของเขา - 100 เหตุการณ์ล่าสุด ก่อนหน้านี้ เรากระจายคำขอการสนับสนุนทั้งหมดเป็นหมวดหมู่โดยอัตโนมัติโดยใช้การวิเคราะห์ ML ของข้อความคำขอการสนับสนุน แม้ว่าการจัดหมวดหมู่จะประสบความสำเร็จ แต่เมื่อ 87% ของคำขอทั้งหมดได้รับการกระจายอย่างถูกต้องเป็นหนึ่งใน 13 หมวดหมู่ ก็จะดำเนินการโดยใช้วิถีที่สามารถค้นหาวิธีแก้ปัญหาที่เหมาะสมที่สุดสำหรับสถานการณ์ของผู้ใช้ได้โดยอัตโนมัติ

เราไม่สามารถเผยแพร่การอัปเดตได้อย่างรวดเร็ว แต่เราสามารถสังเกตเห็นปัญหาได้ และหากผู้ใช้ติดตามสถานการณ์ที่เราได้เห็นแล้ว ให้ส่งการแจ้งเตือนแบบพุชถึงเขา

เราเห็นว่างานในการเพิ่มประสิทธิภาพแอปพลิเคชันต้องใช้เครื่องมือที่หลากหลายเพื่อศึกษาวิถีของผู้ใช้ นอกจากนี้ เมื่อทราบเส้นทางทั้งหมดที่ผู้ใช้ใช้ คุณสามารถปูเส้นทางที่จำเป็นได้ และด้วยความช่วยเหลือของเนื้อหาที่ปรับแต่ง การแจ้งเตือนแบบพุช และองค์ประกอบ UI ที่ปรับเปลี่ยนได้ "ด้วยมือ" จะนำผู้ใช้ไปสู่การกระทำที่ตรงเป้าหมายซึ่งเหมาะสมกับความต้องการของเขาและนำเงินมาให้มากที่สุด ข้อมูล และคุณค่าอื่นๆ สำหรับธุรกิจของคุณ

สิ่งที่ควรทราบ

• การศึกษา Conversion ของผู้ใช้โดยใช้ช่องทางเป็นตัวอย่างเพียงอย่างเดียวหมายถึงการสูญเสียข้อมูลมากมายที่แอปพลิเคชันมอบให้เรา

• การวิเคราะห์การคงผู้ใช้ไว้บนกราฟช่วยให้คุณเห็นว่าฟีเจอร์ใดที่คุณใช้เพื่อรักษาผู้ใช้ไว้ หรือกระตุ้นให้พวกเขาสมัครรับข้อมูล เป็นต้น
• เครื่องมือการเก็บรักษาจะช่วยติดตามรูปแบบที่ระบุปัญหาของผู้ใช้ในแอปพลิเคชันแบบเรียลไทม์โดยอัตโนมัติ ค้นหาและปิดจุดบกพร่องที่สังเกตเห็นได้ยาก

• ช่วยค้นหารูปแบบพฤติกรรมผู้ใช้ที่ไม่ชัดเจน

• เครื่องมือการรักษาผู้ใช้ทำให้สามารถสร้างเครื่องมือ ML อัตโนมัติสำหรับคาดการณ์เหตุการณ์และตัววัดหลักของผู้ใช้ เช่น การสูญเสียผู้ใช้ LTV และตัววัดอื่นๆ อีกมากมายที่กำหนดบนกราฟได้อย่างง่ายดาย

เรากำลังสร้างชุมชนเกี่ยวกับการเก็บรักษาเพื่อการแลกเปลี่ยนความคิดเห็นอย่างเสรี คุณสามารถนึกถึงเครื่องมือที่เรากำลังพัฒนาเป็นภาษาที่นักวิเคราะห์และผลิตภัณฑ์จากแอปพลิเคชันบนมือถือและเว็บต่างๆ สามารถแลกเปลี่ยนข้อมูลเชิงลึก เทคนิค และวิธีการที่ดีที่สุดได้ คุณสามารถเรียนรู้วิธีใช้เครื่องมือเหล่านี้ได้ในหลักสูตร Growth Hacking: การวิเคราะห์แอปบนอุปกรณ์เคลื่อนที่ อำเภอไบนารี่

ที่มา: will.com