heart Created with Sketch. test
Курс «Продуктовая аналитика»: основы работы с Retention

Методика улучшения Retention на основе поведенческой аналитики: Retention Lifecycle Framework | Глава 3

Создаем когорты с учетом жизненного цикла пользователей (lifecycle cohorts), подбираем лучший из трех способов измерения User Retention и превращаем все это в план по развитию.

К этому моменту у вас на руках уже есть определенные результаты исследований: состояние аналитики, текущие метрики и уровень использования продукта, пора двинуться дальше. В этой главе мы познакомимся с Retention Lifecycle Framework, нашим авторским всеобъемлющим фреймворком для улучшения Retention на основе взаимодействия пользователей с продуктом (пользовательское поведение и поведенческая аналитика).

О чем эта глава

В первой половине этой главы мы познакомимся с тремя способами анализа Retention, а также посмотрим, как сделать такой анализ в Amplitude. Далее рассмотрим, как и почему стоит рассматривать своих пользователей на трех различных уровнях развития: новые пользователи (​​new users), текущие пользователи (current user) и "возрожденные" пользователи (resurrected users); перемещение пользователей между этими этапами и образуют предмет для Retention Lifecycle Framework.

3.1 | 3 способа измерить User Retention

Как было сказано в первой главе, Retention — это процент пользователей, остающихся активными в вашем продукте с течением времени.

Так как можно по-разному размышлять о Retention, нужно уверенным в том, что вы знаете как его определяет ваша аналитическая платформа и подходит ли это под ваш продукт (если не понятно как ваша аналитическая платформа определяет Retention, изучите это до того как пойдете дальше).

Amplitude предлагает выбор из трех различных типов retention: N-Day Retention, Unbounded Retention, Bracket Retention.

Выбор подходящего типа измерения Retention зависит от ваших бизнес-целей и от того как естественным образом используют ваш продукт пользователи. Понять вам это помогут критическое событие (critical event) и интервал использования (usage interval).

Теперь рассмотрим каждый тип retention, чтобы определить какой лучше подходит вашему продукту.

3.1.1 | N-Day Retention

Как упоминалось в первой главе, большинство людей, говоря об метриках Retention, подразумевают N-Day Retention. N-Day Retention измеряет долю пользователей, активных в определенный день N после загрузки.

N-Day Retention хорошо подходит для игр, социальных приложений и для любого другого продукта, в котором вы пытаетесь побудить пользователей регулярно повторять свои действия.

Первый день активности пользователя в продукте обозначается как “День 0”. Это может быть день, когда пользователь впервые скачал ваше приложение, зарегистрировался в нем или выполнил какое-то действие — включил первую песню, добавил первого друга и так далее.

Для всех новых пользователей впервые активных в определенный день 0, можно рассчитать их Day N Retention за все следующие дни, посмотрев на долю пользователей, активных в День 1, День 2, День 7 и так далее.

Например, Retention в день 1 показывает сколько пользователей вернулось именно спустя один день после первой активности. Retention в день 3 показывает сколько пользователей вернулось на третий день после первой активности; Retention на день 7 показывает пользователей, вернувшихся на седьмой день после первой активности и так далее.

Это означает, что если вы смотрите Retention дня 7, чтобы быть засчитанным, пользователь должен быть активен в день 7; не важно как часто пользователи возвращались в период 1-6 дней или возвращались ли они в день 8. Если они неактивны в день 7, значит в день 7 они уже не удержаны.

Приведенная ниже кривая удержания показывает средние значения N-Day Retention за прошедшее время с дня 0 до дня 30.

А что если вы рассчитываете, что люди будут пользоваться продуктом регулярно раз в неделю или раз в месяц, а не каждый день? В этом случае больше подойдет ‘N-Week Retention’ или ‘N-Month Retention’. По сути это тоже самое, что N-Day Retention.

Retention за третью неделю, например, показывает процент пользователей, активных в любой день в течение третьей недели после первой активности (недели 0). Аналогично Retention за третий месяц показывает процент пользователей, активных в любой из дней третьего месяца, после первой активности (месяц 0).

3.1.2 | Unbounded Retention

Unbounded Retention (неограниченный)  показывает процент пользователей, вернувшихся в определенный день или в любое время после этого дня. Этот способ анализа больше подходит для компаний, которые не ожидают, что пользователи вернутся и будут пользоваться продуктом или услугой с регулярной частотой.

Заметка: Unbounded Retention иногда называют «Скользящее» удержание (rolling retention). Мы решили не использовать этот термин, потому что, используя этот метод, вы не рассчитываете истинно “скользящее” или плавающее среднее.

Кривая на картинке показывает тот же набор дата-поинтов, которые мы ранее видели на графике N-Day retention, но в этом случае он показывает неограниченные значения Retention.

Заметьте, что наш Unbounded Retention Rate в день 1 составляет 50% по сравнению с 21% N-Day retention. Это означает, что половина новых пользователей из дня 0 были активны в любое время в день 1, либо после него. Разница в том, что N-Day retention учитывает только пользователей, появившихся именно в день 1. Unbounded Retention в день 2 составляет около 38%. Это значит, что 38% пользователей, зарегистрированных в день 0, были активны в любое время в день 2 или позже. 

Иными словами, Unbounded Retention - это обратная величина Churn rate (оттока). Измерив обратное значение Unbounded Retention, вы сможете только определить сколько пользователей использовали ваш продукт в день 0 и больше не возвращались.

Пример: Заказ доставки продуктов

Команда сервиса доставки продуктов не ожидает, что люди будут заказывать еду каждый день; они даже просто по-человечески сами точно не знают, когда сервис им пригодится. Вместо того, чтобы прогнозировать, вернется ли кто-то точно на 7-й или 30-й день (N-Day retention), команде будет полезнее взглянуть Unbounded Day 7 retention, то есть на то, сколько новых пользователей возвращаются, чтобы заказать продукты после первой недели.

3.1.3 | Bracket retention

Также Amplitude пользоваляет вам рассчитать Bracket Retention. Bracket Retention — это версия N-Day retention с нюансами; он позволяет разделить анализ retention на периоды удержания и не ограничивать себя дневным, недельным или месячным временным интервалом.

Как только вы лучше узнаете ваших пользователей и ожидаемые паттерны использования, можете начать применять диапазонный retention и определять кастомные интервалы длиной в несколько дней, недель или месяцев.

В данном примере мы задали в Amplitude четыре интервала:

  1. День 0 (один день)
  2. День 1-3 (три дня)
  3. День 4-6 (три дня)
  4. День 7-11 (пять дней)

Для примера представим, что активный пользователь – это тот, кто возвращается и выполняет какие-то действия. Тогда удержаными будут считаться:

  1. Зарегистрировавшиеся в День 0
  2. Вернувшиеся в День 1, День 2 или День 3
  3. Вернувшиеся в День 4, День 5 или День 6 
  4. Вернувшиеся в День 7, День 8, День 9, День 10, День 11

На изображении ниже вы можете увидеть как по этим интервалам строится кривая удержания:

Каждый многодневный интервал — это что-то вроде корзины и если пользователь попадает в нее, он засчитывается удержанным. Временной интервал этих корзин основывается на паттерне, который вы хотите обнаружить в поведении ваших пользователей.

Для продукта, которым люди пользуются раз в три недели, чтобы запастись товарами для дома, мы можем создать корзины длительностью в 2-4 недели. В этом случае нам нет разницы вернутся люди именно в день 1, день 3 или будет сделают второй заказ через месяц. Мы просто хотим увидеть ритм, доказывающий получение пользователями ценности. 

Пример: Как Pinterest использует bracket retention

В Pinterest используют один вид метрики Retention, который они называют “1d7”. Им измеряют сколько новых пользователей возвращаются и обнаруживают ценность в их продукте (подробнее об обнаружении ценности в главе 6). Эта метрика показывает долю пользователей, который посетили Pinterest в любое время между 1 и 7 днем. Команда по развитию также смотрит на retention этих пользователей в интервале дней 28-35, чтобы определить какой процент новых пользователей остается активным через месяц после регистрации.

Какой Retention выбрать для вашего продукта?

Подведем итог по основным различиям между N-Day, Unbounded и Bracket Retention:

Как определить какой способ расчета Retention стоит использовать? 

Быстрого и простого ответа нет, это зависит от комбинации паттернов использования вашего продукта и ваших бизнес-целей.

Определение типа Retention во многом зависит от того, насколько частого использования продукта вы ожидаете от пользователей:

Для начала вы можете попробовать измерить Retention несколькими разными методами, чтобы увидеть какой дает более важную информацию.

3.2 | Retention Lifecycle Framework — способ понять особенности поведения групп пользователей и добиться долгосрочных улучшений Retention

К этому моменту вы уже наверняка привыкли к виду классической кривой удержания.

Основная проблема кривой удержания вроде этой в том, что она объединяет множество разных типов активных пользователей в одну кривую.

На самом деле не все активные пользователи одинаковы. Чтобы добиться долгосрочных улучшений Retention, важно понимать ваших активных пользователей, по мере того, как они проходят различные этапы удержания.

Retention Lifecycle Framework может помочь вам в достижении этой цели.

Профессиональный совет:

Что мы подразумеваем под “активным” пользователем. Во второй главе мы ввели понятие критического события — действие, которое должен выполнить (по вашему мнению) пользователь, чтобы считаться действительно активным или удержанным.

Мы советуем измерять удержание, основываясь на том, возвращаются ли пользователи в ваше приложение и выполняют ваше критическое событие, а не только на том, открывают ли они приложение. Это даст вам более точное представление о том, какое количество пользователей действительно получает пользу от вашего продукта.

3.2.1 | Что такое Retention Lifecycle Framework?

Что мы подразумеваем говоря о “жизненном цикле удержания”? Ход мыслей при анализе retention, внедрении стратегий для его улучшения должен меняться в зависимости от того, на каком этапе пути к продукту находится пользователь. Активные пользователи проходят три этапа удержания: удержание новых пользователей (new user retention), удержание текущих пользователей (current user retention) и удержание "возрожденных" пользователей (resurrected user retention).

Эти три группы — части общего количества активных пользователей. 

Если ваш продукт предполагаете еженедельное использование, значит в любой из дней активный пользователь вашего продукта будет на стадии (1)нового, (2)текущего или (3)“возрожденного” пользователя.

На этом изображении показано наше видение потока пользователей между этими группами удержания:

Основная цель Retention Lifecycle Framework состоит в том, чтобы ваши нынешние новые пользователи (existing new users), текущие пользователи (current users) и "возрожденные" пользователи (resurrected users) стали более заинтересованным текущими пользователям (more engaged current users).

Чтобы добиться Retention, который мог бы конкурировать с Snapchat и Instagram, вы должны по-разному заинтересовывать новых и текущих пользователей, внедрять стратегии для “возрождения” неактивных пользователей и в повышать заинтересованность всех пользователей в целом.

Термины на заметку:

В главах 5, 6, 7 каждый из этих этапов будет рассмотрен более детально, но сейчас рассмотрим их кратко.

3.2.2 | Удержание новых пользователей

Какой информации мало о Retention в интернете и как мы здесь добавили ценности? Большинство текущей информации в сети про улучшение User retention о том, как удержать новых пользователей, например, обновление онбординга (onboarding flow) или капельный маркетинг (sending new user drip campaigns).

Это важно, потому что новые пользователи уходят в течение первых семи дней. Но вы упустите огромную возможность, если вы не сосредоточитесь на вовлечении ваших текущих пользователей или поиске способов вернуть неактивных пользователей (engaging your current users or finding ways to resurrect inactive users).

3.2.3 | Удержание текущих пользователей

Не принимайте своих текущих пользователей как должное. Каждый текущий пользователь может превратиться в крайне вовлеченного (highly-engaged) опытного пользователя. Ваша цель для текущих пользователей — продолжать приносить им ценность  и поддерживать их возвращения в продукт:

В следующей главе мы поговорим о том как объединить ваших пользователей в группы с разными поведенческими портретами. Это может помочь вам лучше понять и извлечь выгоду из ценности (или ценностей), которую получают пользователи от вашего продукта.

3.2.4 | Удержание "возрожденных" пользователей

На самом деле, спящие пользователи (dormant users) пользователи составляют самый большой процент пользователей большинства продуктов. Большинство из этих пользователей скорее всего пользуются продуктом конкурента, поэтому они также представляют высокую ценность. Есть много исследований, которые показывают, что вернуть спящего пользователя (dormant users) дешевле, чем приобрести.

Когда вы обнаружите, что стало больше возвращаться неактивных пользователей, важно потратить время на выяснение причин. Отреагировали ли они на конкретную кампанию по отыгрышу? На push-уведомление? Стали они текущими пользователями или снова ушли?

3.2.5 | Почему Retention Lifecycle Framework суперполезен?

Потому что слишком много продуктов старается искусственно увеличить количество активных пользователей привлечением новых пользователей. Конечно вершина воронки важна (если не получается привлекать новых пользователей, некого удержать), но рост базы текущих (active current users) и активных “возрожденных” пользователей (active resurrected users) решает для настоящего роста (really matters for true growth).

Профессиональный совет:

Разделение вашей базы активных пользователей на (1)новых, (2)текущих и (3)"возрожденных" пользователей подскажет растет ли на самом деле ваш продукт.

Давайте посмотрим на пример ниже:

У нас тут есть гистограмма, показывающая суммарное количество активных пользователей некоторого продукта в течение 12 недель. Продукт вырос с 6 миллионов до более 8 миллионов активных пользователей за 12 недель. Кажется дела идут отлично, да?

Однако разделите этих пользователей на новых, текущих и "возрожденных" и это будет совсем другая история:

Количество новых пользователей однозначно со временем растет, но количество текущих пользователей на самом деле уменьшается. Если вы продвинетесь еще дальше и выведете количество пользователей, которые становятся неактивными каждую неделю, то вы увидите, что эта группа растет все больше и больше.

Подведем итог: Несмотря на то, что вы можете привлекать новых пользователей, вы не будете испытывать настоящего роста если большая часть пользователей в конце-концов уходит и у вас нет устойчивой, растущей базы текущих пользователей.

3.3 | Создаем когорты с учетом жизненного цикла пользователей (lifecycle cohorts)

Что такое Когорта в продуктовой аналитике (крупным планом) — это группа пользователей c некоторыми общими характеристиками. Для анализа ваших новых, текущих и "возрожденных" пользователей сперва важно создать эти когорты.

В зависимости от используемого аналитического софта вы можете определить эти когорты либо в программе, либо прямо в сырых данных (raw data).

Как мы упоминали во второй главе, интервал использования вашего продукта — важная часть точного измерения вашего Retention на всех этапах Retention Lifecycle Framework. Этот интервал определяет выбранные вами временные рамки для новых, текущих, "возрожденных", а также неактивных пользователей.

Термины для изучения:

3.3.1 | Использование Lifecycle для определения когорт новых, текущих и вернувшихся пользователей.

В Amplitude вы можете использовать функцию Lifecycle, чтобы увидеть распределение жизненного цикла удержания и создать когорты парой кликов. Lifecycle разделяет ваших активных пользователей на сегменты: (1)новые,  (2)вернувшиеся и  (3)текущие, а также показывает их отток за периоды времени. В этом примере показан продукт с недельным интервалом использования:

Если навести курсор на один из столбцов, вы увидите всплывающую подсказку. Это функция Amplitude Microscope, которая позволяет подробнее изучить любую точку данных и увидеть стоящих за ней пользователей и поведение. Для создания когорты просто кликлине “Create Cohort” и дайте ей имя. Повторите это для новых и вернувшихся пользователей.

3.3.2 | Измерьте распределение жизненного цикла Retention

После создания когорт вы можете увидеть какой процент активных пользователей отваливается на каждом этапе жизненного цикла. Вот пример распределения в продукте на этой неделе:

Создание такой таблицы покажет вам ваши сильные и слабые стороны. В приведенном выше примере свыше 70% активных пользователей за выбранный период времени — новые пользователи. Для устойчивого роста продукта компания должна убедиться в том, что они хорошо удерживают новых пользователей. Это позволит каждый период увеличивать базу текущих пользователей, а не только сосредотачиваться на привлечении новых.

Также можно увидеть, что у них довольно большой отток относительно общего количества активных пользователей. Несмотря на то, что они точно хотят уменьшить этот отток, это большая база пользователей для потенциального возвращения, о чем мы расскажем в седьмой главе.

Вот другой пример: 

У этого продукта гораздо лучше распределение активных пользователей. Почти 70% пользователей — это текущие пользователи, которые были активны в предыдущий период и их отток довольно низок относительно общего количества активных пользователей. Компания с таким распределением уже имеет довольно хороший retention и может приложить больше усилий к вершине воронки, чтобы ускорить рост привлечением новых пользователей.

Чтобы зафиксировать свое распределение жизненного цикла retention, обязательно заполните таблицу “Your Retention Lifecycle” в конце этой главы.

3.3.3 | Измерьте распределение жизненного цикла retention 

Pulse — это представление диаграммы в Lifecycle, позволяющее быстро отслеживать рост вашего продукта. Он изображает соотношение приходящих и уходящих пользователей за определенный день, неделю или месяц. По нему можно увидеть сколько приходится активных пользователей на каждого уходящего.

(# новых пользователей + # "возрожденных" пользователей) / (# спящих пользователей)

(# of new users + # of resurrected users) / (# of dormant users)

Стоит отметить, что и новые приобретенные и возрожденные пользователи увеличивают пул активных пользователей, поэтому они вносят свой вклад в общий приток.

На высоком уровне

Изображенная выше диаграмма показывает замедление общего роста этого продукта в период с 28 ноября по 4 декабря. В пике 28 ноября pulse ratio составлял 2.19, поэтому можно предположить, что на каждых двух новых пользователей приходится один ушедший. Но уже в самой низшей точке 3 декабря pulse ratio составил 0.36. Это значит, что в этот день на каждого нового пользователя приходилось примерно три потерянных.

Даже если вы не используете Amplitude, вы все равно можете вручную рассчитать этот коэффициент вручную после разделения ваших пользователей на когорты жизненного цикла, о которых мы говорили в разделе 3.3.

3.4 | Подведем итоги

Цель этой главы состояла в том, чтобы показать разные способы анализа Retention, а также Retention Lifecycle Framework. Вне зависимости от выбранного типа анализа основа остается неизменной: получаем подробное понимание того, как удерживаются пользователи на каждым из этапов жизненного цикла, а затем разрабатываем стратегии как превратить активных пользователей в высокоактивных текущих пользователей.

В следующих нескольких главах мы объясним более подробные нюансы удержания новых, текущих и возрожденных пользователей. Чтобы подготовиться к этим главам, убедитесь, что вы:

Совет профи:  Будьте осторожны с излишней оптимизацией под опытных пользователей.

Способность разбираться в использовании важна, но вы не можете сделать всех пользователей опытными за ночь. По мере работы над продуктом обязательно оптимизируйте его для удержания наибольшего количества, а не только лучших пользователей.

Например, допустим, что у вас приложение для доставки. Вы видите, что покупка более семи товаров вызывает гораздо более высокий досрочный retention, но фактически лишь 2% пользователей делают это действие. Побуждать пользователей покупать больше увеличением минимального размера корзины - плохая идея, потому что это оттолкнет огромную часть вашей пользовательской базы. Многие из них могут взбеситься!

3.5 | Ваш Retention Lifecycle (worksheet)

В этой главе мы познакомились с Retention Lifecycle Framework, как разделить ваших активных пользователей на три этапа удержания: новый, текущий и “возрожденный”.

Интервал использования продукта, который вы рассчитали во второй главе определяет как задать временные рамки для этих этапов. Напомним каждый из типов пользователей:

Шаг 1:  Измерьте распределение вашего Retention Lifecycle

Измерение вашего текущего распределения новых, текущих и “возрожденных” пользователей поможет вам определить ваши сильные и слабые стороны, а также этап, на улучшении которого нужно сосредоточиться в первую очередь.

Заполните таблицу ниже, записав раз величину каждой когорты за отведенный промежуток времени (равный интервалу использования продукта из второй главы). Так как вы хотите измерить долгосрочный Retention этих пользователей, мы советуем выбрать временной промежуток не менее, чем за 2 месяца до сегодняшнего дня.

Подробнее о том как создать когорты рассказано в разделе 3.3. Если вы используете Amplitude, вы можете воспользоваться Lifecycle chart вместо ручного расчета этих когорт.

Шаг 2:  Рассчитайте ваш Pulse

“Pulse” - это коэффициент, позволяющий быстро проверить состояние роста вашего продукта. Грубо говоря, это соотношение входящих и уходящих за временной промежуток пользователей.

Используя числа, записанные в таблице на первом шаге, рассчитайте ваш Pulse-коэффициент:

Если вы используете Amplitude, вы можете воспользоваться Lifecycle chart вместо ручных вычислений.

Запомните:

Курс «Продуктовая аналитика»: основы работы с Retention