(Вы читаете перевод курса UX-Virality американского UX-дизайнера Джоэла Марша. Если вы тут впервые, начните сначала)
Чтобы сделать вывод о распространении и поведении вируса, эпидемиологи – то есть люди, которые изучают вирусы – выделяют два ключевых показателя. Сегодня мы изучим первый:
Показатель заболеваемости
Высока вероятность того, что вы, как дизайнер, никогда не использовали слово заболеваемость в таком контексте. Как и ваш босс. Как и ваши коллеги.
Вирусы не случаются вдруг. Они распространяются со временем. Множество людей постоянно подвергаются влиянию вируса, и если смотреть только на конверсию, увидеть всю картину невозможно.
Заболеваемость – это что-то вроде конверсии, которую мы часто измеряем в UX, но в случае показателя заболеваемости также учитывается время и группы людей, “подверженных” вирусу.
Давайте начнем с простого примера.
Показатель заболеваемости состоит из трех вещей:
- Количество новых случаев
- Время
- Группы людей
Конверсия:
Скажем, приложение скачали миллион человек, и 50,000 из них заплатили за премиум-функции. Это означает 5%-ную конверсию в премиум-пользователей.
Следите за мыслью? Отлично.
Заболеваемость также подразумевает время:
Мы не просто спрашиваем, сколько всего человек были “сконвертированы”, нам нужно также знать когда.
Можно сравнить количество апгрейдов в текущем месяце с показателем прошлого. Или сравнить показатели этого и прошлого года. Или что угодно. Любые временные интервалы подойдут.
Это отличается от базового показателя конверсии, потому что здесь, когда мы считаем количество апгрейдов за месяц, мы не учитываем количество апгрейдов в прошлом месяце. Может быть в этом месяце мы сконвертировали 4%, а в прошлом – 6%.
Понимаете о чем я?
****
Заболеваемость также подразумевает группы людей:
Вот тут-то все становится очень интересно. В аналитике люди обычно рассматриваются как единицы, а не как люди. Придерживаясь такого подхода, мы иногда теряем часть важной информации.
Представьте себе, что 10,000 человек скачали ваше приложение в прошлом месяце (группа А), и другие 10,000 человек скачали его в этом месяце (группа Б).
В этом месяце 500 человек приобрели апгрейд.
Невозможно узнать, были ли эти 500 человек из группы А или из группы Б, если не отслеживать это изначально.
Может быть, все 500 апгрейдов приобрели люди из группы А.
Может быть, они все были из группы Б.
А может, это были люди из обеих групп.
И, возможно, какие-то пользователи отменили подписку, а затем снова приобрели апгрейд.
У нас есть группы А и Б. Вирус распространяется быстро, так что разница между группой А и группой Б может быть огромной, и цифры могут стать очень запутанными, если вы не уверены, кто есть кто.
Мы могли бы отслеживать группу А на протяжении нескольких месяцев, чтобы увидеть, как со временем меняется показатель заболеваемости. Но это возможно только если группы не перемешаны.
Компания Evernote, создающая приложения для заметок, проводила подобный анализ. Они узнали, что только 1% новых пользователей приобрели апгрейд, в то время как показатель апгрейдов среди старых пользователей составил 25%.
Средний показатель конверсии составлял 5%.
Будь это вашим приложением, вы бы проигнорировали подобную информацию?
Моя цель в этом уроке – представить вам саму идею “заболеваемости” и некоторые факторы, которые могут повлиять на ваши цифры.
Есть более научное объяснение расчета заболеваемости на Википедии.
Завтра мы завершим курс UX-вирусности вторым показателем: Распространенность→
И ещё, если у вас есть на примете какая-нибудь классная иностранная статья по UX и не только — скиньте нам ссылку, и мы будем рады над ней поработать.