Что делать при выявлении микроальбуминурии? Как собрать материал для исследования.

Документ, в котором собрал все метрики, на которые он опирался при проектировании сервиса.

Начав работать над приложением Mygola, мы поняли, что сложнее всего было разобраться в том, какие характеристики имеют решающее значение в мире мобильных приложений, и соответственно, какие цели следует ставить для приложений в нашей категории. Вот результаты наших исследований.

Ежедневно активные пользователи и ежемесячно активные пользователи (DAU/MAU)

Для игр уровень DAU/MAU в количестве 20-30% от общего числа пользователей — это уже очень хорошо. Для социальных приложений, таких как мессенджеры, успехом можно считать DAU/MAU в районе 50%.

В целом, большинство приложений сражаются за то, чтобы уровень DAU/MAU держался на 20% или более. Для казуальной игры фактическое «залипание» на уровне 20% — это уже хорошая цель.

Источник: Flurry

Период спада — это время, когда прирост количества ежемесячных пользователей приложения (MAU) падает на 50% по отношению к количеству ежемесячных пользователей в пиковый период существования сервиса.

Более чем половина (56%) приложений, которые смогли в течение первых четырех месяцев после достижения пика удержать более половины своих пользователей, всё еще удерживают более половины своих пользователей в течение десяти месяцев после пикового периода.

Push-уведомления
Источник: eMarketer
Каналы привлечения пользователей
Источник: AppFlood
Каков всплеск уровня загрузок, когда ваше приложение попадает в рубрику Editor"s Choice в App Store
Следует ожидать 30-ти кратное увеличение от нормального уровня загрузок.
Если приложение, например, располагается на десятой строчке рейтинга, то для него генерируется спрос на 30% больший, чем если бы приложение не вошло в топ-20.
Если приложение располагается на первой строчке рейтинга, то увеличившаяся видимость приложения увеличивает уровень продаж на 90%.
Источник: Fool
Как размещение приложения в разделе популярных приложений влияет на уровень загрузок
Осмелюсь предположить, что уровень конверсии составляет около 1-2 процентов на каждые 3-5 процентов переходов по баннеру. Замотивированная установка приложения, однако, может проигрывать CTR около 7-8%, либо колебаться между 1-2%.
Мы находимся в топ-200 приложений в США и видим, что около 75% наших пользователей разрешают видеть точное положение.
Каков обычно уровень конверсии по in-app-покупкам внутри бесплатных приложений для iOS
Например, условно-бесплатные игры могут конвертировать от 2 до 10 и даже более процентов встроенных покупок, в зависимости от некоторых факторов .
Насколько хороши пользователи, пришедшие из Facebook
Наши данные показывают, что реклама установки мобильных приложений в Facebook гораздо более действенна, чем краткосрочное увеличение числа пользователей благодаря рейтингам в магазинах приложений, и в целом, пользователи Facebook остаются в сервисе также, как и те, пользователи, которые были получены естественным образом.
В течение 60-ти дней исследования 81% новых пользователей, приобретенных через Facebook, зашли в приложение более одного раза — сравните это с 78% показателем среди пользователей, приобретенных естественным образом.
Пересмотр требований
После исследования глобального использования приложений для платформы iOS (на iPad и iPhone), мы выяснили, что среднестатистический пользователь возвращается в приложение менее чем через шесть часов после первого его использования.
Однако, если пользователь не загружает приложение повторно в течение суток после первого использования, вероятность того, что его первая сессия станет последней составляет 40%.

Или настройка внутренних механик приложения - это игра вслепую. Только благодаря анализу данных и оценке отдельных действий можно принимать верные решения. Ниже мы перечислили наиболее важные метрики, без которых не обойтись при продвижении.

Общие показатели

Количество установок и количество регистраций - это базовые метрики, которые отражают наиболее очевидные показатели. Сами по себе они не представляют большой ценности для аналитики, но они необходимы при расчётах других показателей.

Отдельно стоит остановиться на важности отличий этих двух метрик. Во-первых, пользователь может установить приложение, но потом удалить, не зайдя в него. В этом случае будет засчитана установка, но регистрация не состоится. Во-вторых, один пользователь может сделать несколько установок: например, на двух своих устройствах - на смартфоне и планшете, но в приложение в обоих случаях он зайдет под одной учетной записью. Следовательно регистрация будет засчитана одна, а установок - две.

Количество установок и другую информацию обычно проще всего узнать в системах внутренней аналитики приложений или в аккаунте разработчика в сторе.

Активность пользователей

Количество регистраций ни в коем случае не позволяет судить о реальной аудитории приложения. Ведь в любом проекте практически всегда есть «мёртвые души» - юзеры, которые перестали пользоваться приложением. Поэтому для объективной оценки были приняты специальные метрики.

Активность пользователей принято измерять за определенный период, чаще всего месяц, неделю или день. Метрика DAU (Daily Active Users) отражает количество уникальных пользователей, которые заходили в приложение в течение дня, WAU (Weekly Active Users) - недели и MAU (Monthly Active Users) - месяца. Таким образом, если все пользователи будут заходить в приложение каждый день на протяжении месяца, то DAU и MAU будут равны. Но в реальной жизни такого, конечно, не бывает. Эти показатели в первую очередь говорят о масштабе вашего проекта.

Кроме того, в мобильной аналитике есть метрика, которая говорит о том, как часто заходят пользователи в приложение — т.н. Sticky Factor . Вычислить вовлечённость юзеров довольно просто: надо разделить DAU на MAU (WAU). К примеру, если дневная аудитория насчитывает 100 юзеров, а месячная - 500, то вовлечённость составит 20%. Этот показатель может отражать истинную картину только в том случае, если приток новых пользователей равномерный.

Retention rate - метрика эффективности удержания пользователей, другими словами - частота их возврата. Чтобы вычислить этот показатель, необходимо из общего числа пользователей на конец периода вычесть новых (пришедших в приложение за период) и разделить на количество юзеров в начале периода. Обычно retention rate считают для двух дней, недели, двух недель и месяца. Эта метрика показывает степень привязанности аудитории к продукту. Кроме того, она важна при финансовом планировании.

Длина сессии - временной промежуток, в течение которого пользователь взаимодействует с приложением. Например, для большинства игр длинные сессии выгодны и свидетельствуют о высоком уровне вовлечения пользователя, а в сервисах вызова такси или бронирования отеля длина сессии особой роли не играет. В них разработчики стремятся к максимально короткому конверсионному пути.

Метрики монетизации

Следующая группа метрик - касающиеся доходов. Важно понимать, сколько и как тратят пользователи. Это помогает оценить эффективность методов монетизации или даже задуматься о смене бизнес-модели.

ARPU (Average Revenue per User) - один из основополагающих показателей монетизации проекта. Эта метрика отражает количество выручки, которое в среднем приносит каждый пользователь. Вычисляется просто: весь объём выручки надо разделить на количество пользователей приложения. Также важна динамика этого показателя: если он растёт, значит проект развивается в нужную сторону.

ARPA (Average Revenue per Account) - то же самое, но в расчёте не на одного пользователя, а на аккаунт. Этот показатель используется, если приложение подразумевает заработок на прямых платежах от уже зарегистрированных пользователей.

ARPPU (Average Revenue per Paying User) - эту метрику легко перепутать с ARPU - отличие всего в одной букве. Разница лишь в том, что в расчёт берутся только платящие пользователи. То есть обычно ARPPU гораздо выше, чем ARPU.

LTV (Lifetime Value) - выручка, которую приносит пользователь за весь срок жизни в приложении. Это один из фундаментальных показателей, когда он начинает превышать CAC - затраты на привлечение одного пользователя - рекламу можно считать рентабельной. Необходимо стремиться к тому, чтобы LTV превышал CAC как минимум в 3 раза, это позволит инвестировать в развитие и покрывать амортизацию, а не только возмещать прямые затраты на привлечение клиентов.

ALTC (Average Lifetime of a Customer) - показатель, необходимый для расчёта LTV, он говорит нам о сроке «жизни» пользователя в приложении. Так например для приложений в сегменте e-commerce это, как правило, количество транзакций, приходящееся на период использования клиентом приложения.

Churn rate - коэффициент оттока юзеров, метрика отражает в процентах долю ушедших пользователей. Чем ниже Churn rate, тем лучше для проекта.

Метрики эффективности рекламы

Следующая группа метрик непосредственно относится к закупке трафика и продвижению и используется для оценки эффективности рекламы. Ведь один из главных принципов продвижения - не потратить на рекламу больше, чем получить прибыли.

(Cost per Install) - стоимость одной установки. Метрика учитывает все затраты на привлечение новых пользователей. Чтобы посчитать CPI, надо разделить все затраты на рекламу на количество привлечённых установок. Но такой показатель весьма условный, он не учитывает ряда факторов.

eCPI или эффективная стоимость установки - более точный показатель, при его расчёте принимается во внимание виральность.

K-factor или коэффициент виральности - показатель естественного распространения приложения. Пользователи рассказывают о нём в социальных сетях, рекомендуют друзьям и другими способами передают информацию. Обычно за это отвечают специальные социальные механики, которые встроены в приложение. Считается этот показатель так: необходимо умножить число рекомендаций на долю людей, которая их приняла.

CAC (Customer Acquisition Cost)- стоимость привлечения одного пользователя. От CPI отличается тем, что учитывается не установки, а платящие клиенты. Разница в том, что одного пользователя может быть несколько устройств с установленным приложением.

CR (Conversion Rate) - показатель конверсии. Это общая метрика, которая может использоваться по-разному. Например, маркетологи часто вычисляют конверсию из клика в установку. В этом случае цифры могут сказать о качестве посадочной страницы и позволят сделать выводы о привлекаемой аудитории - целевая или нет. Также важна конверсия из установок в целевые действия. Она помогает оценивать качество трафика из разных источников и отсеивать неэффективные.

Сервисы мобильной аналитики

Для сбора всех перечисленных данных не обойтись без специальных инструментов - сервисов мобильной аналитики.

Google Analytics - наиболее распространенная система аналитики, отличается от остальных тем, что бесплатная. Даёт возможность получать все необходимые данные, но требует тщательной настройки.

Flurry - платный сервис, но с доступными ценами. Понятный интерфейс и простая настройка дают возможность легко формировать отчёты и следить за большим набором метрик.

Mixpanel - один из самых удобных и мощных сервисов. Но за это приходится платить - данная система аналитики считается самой дорогой. Зато она позволяет получать статистику по практически любым метрикам.

Перечисленные в статье метрики - это лишь основа для практической мобильной аналитики. Сами по себе показатели дают мало полезной информации, основная их ценность в правильной интерпретации. Кроме того, эти показатели нужны для расчёта более сложных метрик. Изучайте аналитику, и подписывайтесь на наш блог, чтобы ничего не пропустить.

Если вы разрабатываете free-to-play игры, то вам наверняка интересны вопросы, связанные со сбором и анализом статистики. Почему? Потому что статистика – это важная составляющая успеха free-to-play игр.
Цель моего цикла статей – структурировать разношерстную информацию по данному вопросу, пропустить ее через призму нашего опыта и выдать рекомендации по тому,

какие показатели стоит отслеживать в играх;
какие инструменты анализа могут помочь в работе со статистикой;
какие сервисы сбора и анализа статистики существуют с их достоинствами и недостатками.

Успех free-to-play игр зависит от того, насколько игроки вовлечены в игру и готовы покупать внутриигровые бонусы, выводящие игру на новый уровень по экстра фичами и достижениям. Чем дольше игрок находится в игре, чем больше он думает об игре в оффлайне, тем больше шансов, что он вложит реальные деньги в свое продвижение по игре. Конечно, обеспечивать такой уровень увлекательности в играх разработчикам сложнее, чем в традиционной pay-to-play модели.

Один из секретов успеха F2P-игр заключается в том, что их дизайн должен быть основан не только на творческой составляющей и «гениальных» идеях, а в большей степени на анализе поведения игроков в игре, то есть – на реальных данных/статистике. При этом запускать F2P-игру можно (и нужно) только с частью готового контента, и управлять развитием в игре/дорабатывать контент на основе нужд игроков и популярности тех или иных фич. Такой подход называется data-driven design, или «дизайн, основанный на данных». Он представляет собой цикл, на каждой итерации которого выделяется четыре этапа, изображенных на рисунке.

Допустимый процент готовности контента в момент запуска игры зависит от жанра, концепта и т.п. Но что уж точно должно быть готово при запуске любой free-to-play игры – это мощная и гибкая система сбора и анализа статистики, а также система тестирования различных вариантов функционала/арта/баланса. При этом все показатели, которые планируется анализировать, должны быть четко спланированы, а инструменты анализа и визуализации данных – заранее выбраны, интегрированы и настроены.

Мой цикл статей будет состоять из трех частей, в которых будут рассмотрены следующие вопросы.

Основные показатели, за которыми стоит следить во free-to-play играх, и данные о поведении игроков, которые следует анализировать для улучшения этих показателей.
Основные методы анализа собранных данных для принятия решений по развитию игры: сегментация пользователей, когорт анализ, «воронки» или анализ последовательностей переходов, A/B тестирование.
Существующие сервисы с их достоинствами и недостатками.

Какую статистику нужно собирать в F2P-играх

По своему опыту скажу, что поначалу при работе со статистикой хочется фиксировать почти все в игре: каждый клик, каждый игровой результат и показ каждого экрана в игре. Тезис при этом может быть следующий: главное все собрать и ничего не пропустить, а разобраться можно и потом. Такой подход не работает по нескольким причинам.

Анализировать огромные массивы данных – дорого: нужно привлекать много высококлассных аналитиков, которые должны обладать продвинутыми знаниями, как в статистике, так и в методах ее обработки, быть знакомыми с OLAP-кубами, алгоритмами искусственного интеллекта и т.п. То есть, чем меньше данных – тем лучше!
Данные быстро устаревают, так как они зависят от проведенных маркетинговых акций, от источника привлечения игроков, от нововведений в игре и даже от времени года. Поэтому все показатели важно смотреть в режиме realtime.

Можно сильно сэкономить на анализе, если собирать только ту статистику, которая действительно важна для принятия решений по будущему развитию игры. Для этого нужно начинать планирование сбора статистики еще на этапе проработки концепта игры. Например, для своих игр мы составляем таблицу, в которой напротив каждого показателя написано, какую гипотезу он проверяет и какое улучшение может быть сделано на основе знания о нем.

Показатель	Принимаемые решения
Доход по уровням и внутренним продуктам	Если больше платят продвинутые игроки, значит нужно работать над тем, чтобы стимулировать покупать раньше (проанализировать потребности на ранних уровнях, снизить цены на некоторые продукты и т.д.). Если больше платят в начале игры, значит надо ввести специальные продукты для более продвинутых игроков, добавить дополнительную возможность потратить накопленную валюту.
Очки, заработанные игроками по уровням	Данные помогут выставлять более адекватные цели для игроков, а также корректировать игровой баланс.
Время выполнения игровых заданий	Для каждого задания есть примерная оценка, сколько игроку потребуется времени, чтобы его выполнить. Сравнивая фактическое время выполнения задания с ожидаемым, можно скорректировать параметры заданий и их последовательность.

Статистика, которая собирается в играх, условно делится на три части:

бизнес-показатели;
поведение игроков;
техническая информация.

Сбор статистики первого типа – бизнес-показатели – наилучшим образом автоматизируется, так они на 90% одинаковы для всех F2P-игр. Существует внушительное множество аналитических сервисов, которые предоставляют удобные решения с наглядной визуализацией данных и простой интеграцией. Эти сервисы в своем большинстве платные, но без них практически не обойтись, так как изобретение «велосипедов» (самостоятельная реализация сбора бизнес показателей) несет в себе риски, лишние расходы и трату времени. Подробнее про аналитические системы читайте в третьей части цикла статей.

Пожалуй, самой сложной частью является отслеживание поведения игроков, так как эта часть, как правило, уникальна для каждой игры и требует определенных инструментов анализа (о которых будет рассказано во второй части цикла статей). Готовых решений, которые можно интегрировать в игру и тут же начать получать нужную статистику – нет. Есть компании, которым можно аутсорсить сбор и анализ статистики (например, GamesAnalytics Ltd). Но мы предпочитаем выделять на это ресурсы в самой команде разработчиков.

Техническая информация – это статистика, которая нужна для того, чтобы сделать игру более стабильной и вовремя исправлять технические проблемы игроков.

Бизнес показатели

DAU/MAU

Это показатель «увлекательности» игры, который говорит о том, сколько людей играет в игру каждый день.

DAU (daily active users) – это число уникальных пользователей, которые запустили игру хотя бы раз в сутки.
MAU (monthly active users) – это число уникальных пользователей, которые запустили игру хотя бы раз в месяц.

Величина DAU/MAU характеризует долю всех игроков, которые играют в игру каждый день. Чем выше это значение, тем больше вовлеченных игроков, тем больше шансов, что игроки будут покупать внутриигровой контент. Считается, что если DAU/MAU больше 0.2, игру можно считать успешной.

Стоит заметить, что это приблизительная оценка, так как для аккуратного подсчета возвращаемости игроков нужно четко отделять новых игроков от вернувшихся в заданные интервалы времени (обычно – ежедневно), учитывать источник трафика и проведенные акции. В детальном изучении данных вопросов помогает когорт-анализ, про который будет рассказано во второй части цикла. Данный же показатель «увлекательности» прост и дает быструю характеристику игры.

«Платящие» игроки

Важно отслеживать % «платящих» игроков, а также их демографические и другие характеристики. Зная их портрет, можно ориентироваться именно на эту аудиторию при разработке нового функционала в играх.

Приведу пример на одной из наших игр. На рисунке ниже показан процент играющих людей по возрастам и процент платящих людей среди них. Видно, что ориентироваться лучше на людей среднего возраста (35 - 54), так как именно они склонны платить.

Кроме того, важно уметь выделять «китов» среди игроков: это те люди, которые тратят много денег. Надо узнавать этих людей ближе, изучать их характерные шаблоны поведения, в каком месте отваливаются, чтобы максимально удовлетворить их потребности.

Почему «киты»? Вообще, иногда делят всех платящих игроков на «пескарей», «дельфинов» и «китов». «Пескари» тратят мало – примерно $1 в месяц. «Дельфины» – около $5, а «киты» – много. По данным Gigaom в играх Zynga, топ 20% “платящих” игроков тратят в среднем $1,100 в год ($90 в месяц).

Показатели дохода:

ARPU - средний доход на одного игрока (считаются и платные, и бесплатные установки; показатель, как правило, вычисляется за месяц).
ARPPU - сколько тратят платящие игроки в среднем (то есть, стоимость игры по факту).

k-factor – коэффициент виральности

Виральность – это способ распространения информации об игре в интернете и социальных сетях от игрока к игроку. Если в игре хорошо проработаны механизмы виральности, то стоимость привлечения новых пользователей снижается. Чтобы следить за виральностью, можно использовать k-фактор.

Вычислить k-фактор можно по следующей формуле: k = X * Y, где Х – число приглашений на одного игрока, Y – процент людей, которые приняли эти приглашения, присоединившись к игре. Если k-фактор равен 0.2, то на каждого нового игрока можно получить 0.2 игроков, пришедших в игру по приглашениям (другими словами: на каждых пять новых игроков, мы получаем одного бесплатного игрока, который пришел в игру по приглашению). Понятно, что чем выше k-фактор игры, тем дешевле становится привлекать новых игроков в игру.

Анализ поведения игроков

Прогресс игроков в игре

Первое, что понадобится для анализа поведения игроков – это статистика по прогрессу игроков в игре. Для отслеживания прогресса по сценарию игры определяются контрольные точки, которые должны пройти игроки. Анализ скорости продвижения по этим точкам, параметров игроков в этих точках помогут выявить препятствия или сложности в игре, которые нужно устранить.

Сценарии первой покупки

Если игрок сделал первую покупку, то он переводится в разряд «платящих» игроков. Считается, что первая покупка – это психологический барьер, однажды преодолев который, игроки расстаются с деньгами значительно легче. Запланируйте заранее в игре последовательности действий, которые могут привести игрока к первой покупке. Отслеживайте, сколько игроков реализуют определенные вами сценарии, работайте над конверсией, улучшая интерфейс и баланс.

Туториал

Если игрок вышел из игры во время туториала, считайте, что этот игрок для вас потерян: с большой вероятностью он не вернется в игру никогда. Чтобы этого избежать, начало игры должно быть максимально срежиссировано. Нужно отслеживать каждый шаг туториала, чтобы понимать, на каком экране игрок заскучал и вышел из игры, что ему было непонятно, смог ли он обучиться, сделал ли самостоятельно первое задание.

Первое и последнее действие игрока

Может быть полезным отслеживание первого и последнего действия игрока за игровую сессию.

Первое событие задает тон всей игровой сессии. Оно может увлечь игрока и заставить провести в игре много времени. Но первое событие может и «отпугнуть» игрока, в результате чего, он закроет игру и, возможно, не вернется. Нужно сравнивать и тестировать – какие события/окна/приветствия ведут к большему времени в игре.

Последнее событие – также важно. Последним событием обычно становится именно то препятствие в игре, которое следует устранить. Если же последнее событие за игровую сессию запланировано (например, игрок находится в ожидании завершения некоторого игрового цикла), стоит сделать это событие таким, чтобы игроку хотелось зайти в игру в следующий раз.

Сбор технической статистики

Поскольку я занимаюсь разработкой мобильных игр – приведу пример, скажем, из увлекательного Android-мира.

Полезным бывает собирать статистику по техническому оснащению девайсов игроков, чтобы обеспечить стабильность игры. Например, важно знать, какие девайсы, прошивки, разрешения экранов, типы аппаратно-поддерживаемых текстур наиболее популярны среди игроков. Важно также знать, какая аппаратная конфигурация приносит наибольший доход и возвращаемость игроков (разница в доходах может отличаться на десятки процентов). Стоит сократить список поддерживаемых девайсов, если они не приносят дохода и если игра на них нестабильна. Это ко всему прочему обережет приложение от негативных отзывов в магазине.

Если в игре используется докачка ресурсов, собирайте статистику об успешной докачке, о количестве запросов на докачку, об ошибках, возникающих при докачке. Если докачка происходит до первого старта игры, то она может отпугнуть солидную часть аудитории. А если игроки не скачали игру, то уж точно не вернутся и не заплатят. Поэтому нужно позаботится о максимальной стабильности процедуры скачивания и найти занятие для игроков на время ожидания. А еще лучше – найти возможность не докачивать данные на старте, а докачивать внутри игры за дополнительное вознаграждение.

Если в игре используются офферные системы в качестве дополнительной монетизации, то имеет смысл отслеживать эффективность их работы, в том числе – проверять покрытие офферами в разных странах на разных девайсах.

Немало полезной информации можно найти в документации, презентациях, статьях, подготовленных самими аналитическими сервисами. Как правило, он приводят грамотные примеры, кейсы, обоснования, показатели индустрии. Вот список сервисов, которые мне помогли разобраться с вопросом сбора и анализа статистики в играх.

Благодаря мобильному приложению снимаются вопросы вовлечения пользователя в поиск продукта или услуги на десктопе, появляется возможность буквально «жить с пользователем» 24 часа в сутки, максимально близко к нему, в самом сердце его гаджета. Но когда на руках у разработчика есть мобильное приложение, настроен бизнес-процесс и даже готов медиаплан по продвижению, возникает логичный вопрос: «Как отслеживать эффективность?» и не менее важный: «Какие метрики использовать?». В этом посте мы ответим на второй вопрос.

Как лучше настроить трекинговую систему для работы с мобильным приложением? Клиенты, обращающиеся в Netpeak с целью продвижения своего аппа (в рамках ), часто об этом спрашивают. Что ж, самый простой способ — работать с родным для всех Google Analytics . Пять очень важных аргументов «за» работу с Google Analytics:

Бесплатно.
Позволяет использовать ремаркетинг для удержания аудитории.
Легко внедряется с помощью Google Tag Manager.
Доступный и понятный интерфейс.
Позволяет настроить кросс-девайсную аналитику.

Остановимся на метриках, которые показывают поведение аудитории, взаимодействие пользователя с приложением и, конечно же, прибыль от приложения.

Показывают поведение аудитории

Метрика MAU/DAU

MAU/DAU (monthly active users / daily active users) демонстрируется в GA в отчете «Активные пользователи». Метрика показывает частоту взаимодействия пользователя с приложением. Она пока в бете, но уже работает. Можно сравнивать активность за сутки (DAU), неделю, 14 дней и месяц (MAU).

Карта поведения

Отчет показывает, как пользователь взаимодействует с вашим контентом. Позволяет посмотреть, на каком экране он покидает приложение или какой раздел самый популярный в вашем приложении.

Метрика «Сбои и ошибки»

«Сбои и ошибки» — отчет по багам в приложении. Показывает самые частые технические ошибки, группирует по версиям в приложении. Эта метрика попала в этот раздел благодаря тому, что сбои выявляются при определенном поведении пользователей. В Google Analytics отчет также находится в разделе «Поведение аудитории».

Средняя длительность сеанса и глубина просмотра

Это отчеты из раздела «Аудитории», которые позволяют оценить вовлеченность пользователей в ваш продукт.

Что такое «вовлеченный пользователь»? Существуют разные варианты ответа. Chamath Palihapitiya из Facebook считает главным критерием добавление 7 друзей за 10 дней после момента регистрации. Nabeel Hyatt из Zynga говорит о показателе D1 retention — сколько пользователей вернулось на следующий день. Аналитики из Flurry построили целую матрицу вовлеченности, в которой учитывали зависимость от частоты использования в неделю и % пользователей, которые продолжают пользоваться приложением после 90 дней.

Показывают взаимодействие пользователя с приложением

Метрика «Количество установок»

Количество инсталлов из платных источников трафика, например, Google Рекламы. Это может показаться странным, но параметр «Новые пользователи» — и есть количество инсталлов из источника. С выходом URL Builder появилась возможность работать и с другими источниками трафика. В отличие от обычного контекста, большую часть трафика приносят медийные кампании. Соответственно, нужно много работать с отсеиванием некачественных площадок. Сотни установок с трафиковой площадки могут вполне оказаться «мертвыми душами»:

Churn Rate (отношение ушедших пользователей к месячной активной аудитории) и Return Rate (отношение вернувшихся юзеров к месячной аудитории) в GA представлены отчетом «Новые и вернувшиеся». Этот отчет показывает процент новых пользователей в приложении и процент тех, кто пользовался им неоднократно. Эти данные помогают оценить важность запуска таких инструментов, как ремаркетинг и Push-уведомления.

Метрика «Время до покупки»

Время до покупки — важная метрика при работе с аудиторией. Показывает, какой процент пользователей совершает покупку сразу, а также сколько времени требуется остальным. Отчет помогает понять, как правильно настроить работу с ремаркетингом посетителей приложения.

Метрика «Количество транзакций»

Это стандартный отчет из раздела Ecommerce в Google Analytics. Внедрять SDK нужно отдельно, но зато все просто и понятно. Можно настроить для любых покупок внутри мобильного приложения.

Метрика «Количество регистраций»

Еще одна важная метрика, особенно, если регистрация в приложении платная. Настраивается путем внедрения кода и настройки события.

Метрика «Общая ценность»

Этот отчет еще в бете. Благодаря этой метрике можно проследить, как изменялись ценность клиента (параметр «Доход») и взаимодействие с ним (параметры «Просмотры приложения», «Достигнутые цели», «Сеансы» и «Длительность сеанса») в течение 90 дней с момента первого посещения.

Метрика ARPU

ARPU (average revenue per user) —средняя выручка с каждого юзера. Полезная метрика, но соответствующего отчета в Google Analytics нет, да и в других системах такие отчеты еще не встречались. Впрочем, стоит справедливо заметить, что и большая часть приложений не имеет в принципе встроенных покупок или не предполагают платную подписку. Если все-таки нужно считать ARPU, то придется это делать вручную, по формуле:

ARPU = PR/N, где: PR — recurring revenue (ежемесячная выручка с платных подписок); N — число платных подписчиков.

Как подобрать подходящий набор метрик?

Допустим, ваша работа с приложением изначально ориентирована на количество установок, и ваши основные KPI совпадают с теми, что были в нашем кейсе . В таком случае мы рекомендуем ориентироваться на следующие метрики:

количество установок и конверсий в приложении;
активные пользователи;
средняя длительность сеанса;
глубина просмотра.

Впрочем, к каждому проекту стоит подойти индивидуально из-за разницы в вводных. Делитесь своими историями в комментариях, постараемся помочь.

Совет: используйте мобильное приложение Google Analytics, чтобы всегда быть в курсе того, что происходит с вашим продуктом. Приложение доступно для Android и iOS.

Пока не приходится говорить о том, что Google Analytics —самая удобная система трекинга приложений в сравнении с популярными AppsFlyer или Adjust , но она позволяет оценить роль канала и инвестирование в него, отношение пользователя к продукту и критические баги, рост активных пользователей и перспективность проекта, а главное —прибыльность приложения.

Отток (Churn) клиентов подобен пожарной сирене. Вы понимаете — что-то пошло не так, но это знание не помогает вам потушить пламя.

Чтобы «поставить диагноз» и решить проблему с удержанием, вам нужно предпринять нечто более серьезное, чем простой взгляд на формулы приходящих и потерянных клиентов. Необходимо определить, кто уходит, когда они это делают и почему. Только после этого вы сможете с умом распределить время и внести поправки, имеющие наибольшее влияние на рост вашего бизнеса.

Читайте, как найти источник огня и погасить его до того, как ваша компания сгорит дотла.

Верны ли ваши данные?

Никто не станет отрицать, что привлечение лидов играет решающую роль для успеха компании на раннем этапе развития. Но не дайте хорошим показателям затмить проблему с оттоком.

Вспомним формулу:

Отток = потерянные пользователи / общее число пользователей

Рассмотрим пример от Profitwell, демонстрирующий значение формулы в реальном мире.

По вертикали: существующие клиенты, отток существующих клиентов, новые клиенты, отток новых клиентов, общее количество клиентов, коэффициент оттока. По горизонтали: август, сентябрь

Проблема с формулой оттока состоит в том, что совершенно тот же режим работы (прибавление 5 000 юзеров за месяц) не приводит к одинаковому результату — коэффициент оттока в сентябре ниже августовского. Быстрый рост искусственно снижает отток, поскольку у новых клиентов, добавляющихся ежемесячно, еще просто не было времени на отмену подписки.

Изменение даже сотых долей оттока может привести к 25%-ному падению прибыли, так что вам определенно не нужны неточности в таких подсчетах.

Метрика №1. Вычисляйте отток на основе средних показателей

Хороший показатель оттока, искаженный резким ростом, не сможет дать вам объективное представление о том, что идет правильно, а что нет. Поэтому существует немного видоизмененная формула для быстрорастущих стартапов:

Выглядит пугающе? Разобраться не так сложно:

Отток = количество потерянных пользователей
∑ = сумма ежедневных новых пользователей (i=1) в совокупности данных (n)
n = количество дней в определенном периоде

Если пользователи добавлялись в клиентскую базу постепенно, то средняя величина увеличится и окажет большее влияние на ваш ежемесячный показатель оттока. Если клиенты добавились в базу ближе к концу периода, это не исказит коэффициент оттока и не представит его ниже, чем он есть на самом деле.

Благодаря этой формуле эффект от значительного привлечения лидов можно сбалансировать за счет усреднения данных. Резкие скачки роста не исказят ваши показатели и не введут вас в заблуждение, заставляя думать, что производительность у вас была лучше в одном месяце и хуже — в другом.

Выравнивается ли отток?

Трудно найти более опасный показатель, чем отток клиентов, но таковой имеется. Это непостоянство пользователей. Если у вас не получается выровнять кривую удержания, значит ваш продукт не обладает притягательной силой.

Предположим, 100 юзеров, подписавшихся на ваш сервис 1 января, к концу месяца имеют показатель удержания (Retention Rate), равный 40%. Однако эта цифра постоянно уменьшается, и уже к концу второго месяца от изначального числа ничего не остается. Если у вас есть когорты, или пользователи, сгруппированные по датам подписки, которые почти полностью истощаются и никогда не выравниваются, — у вас серьезные проблемы.

Что же это значит для вашего роста?

Еженедельно активные пользователи (Weekly Active Users, WAU) по месячным когортам (данные вымышлены). По вертикали: суммарное количество WAU. По горизонтали: месячные когорты

Поначалу ваш рост не снизится. Но глядя на график сверху, можно понять, что со временем число уходящих пользователей будет нарастать, и это в конечном итоге замедлит ваш рост. Если продолжить график дальше вправо, кривая обязательно упадет. Пользователи будут покидать ваш сайт/приложение с все большим коэффициентом, а приобретать новых вы будете с прежней скоростью.

Метрика №2. Показатель удержания клиента в расчете на когорту

Разделяйте пользователей, опираясь на дату начала пользования вашими услугами, и проводите когортный анализ. Вам нужно добиться выравнивания кривой удержания. Найдите точку во времени (неважно, будет ли это второй день или третья неделя), когда юзеры перестали утекать.

Взгляните на 2 когортных анализа:

В первом в каждой когорте постепенно начинается отток вплоть до того момента, пока никого не останется. Но во втором кривая удержания становится ровной на 12 день, и каждая новая когорта строится на том, что осталось от предыдущей. Если ваш анализ похож на первый, сосредоточьтесь на более четком донесении ценности оффера до ваших клиентов на ранних стадиях удержания. Только тогда ваш график роста будет выглядеть так:

Когда вам удастся достигнуть выравнивания кривой удержания, вы сможете вкладывать силы в ускорение этого процесса. Попытайтесь подвести пользователей к этакому «Ага!»-моменту примерно на 3-ий день, а не на 12-ый, когда тот же показатель удержания будет равняться большему количеству юзеров.

Какой ценностью обладают ваши пользователи?

Даже при выравнивании кривой рано или поздно пользователи начнут покидать вас. Цель — решить, насколько скоро будет слишком скоро и что можно сделать, чтобы удержать их на более длительный срок.

Существует легенда, гласящая, что пока жизненная ценность (Lifetime Value of a Customer, LTV) выше стоимости привлечения клиента (Customer Acquisition Cost, CAC), ваше положение стабильно. Иначе говоря, пока вы тратите на маркетинг меньше общего дохода, получаемого с приобретенных клиентов, вы в порядке.

LTV > CAC = ☺

Все верно? Нет.

Данная формула действительна при условии двух весьма неточных предположений:

1. Коэффициенты оттока постоянны, и
2. Все пользователи в конце концов уйдут.

Как было показано в предыдущей главе, отток не является постоянной величиной, да вы и не хотите, чтобы он был таковой. Вы работаете над постоянным улучшением этой метрики. В отношении второго предположения, вы надеетесь получить клиентов, которые никогда вас не покинут.

Метрика №3. Суммарная когортная прибыль

Вместо данной формулы компания Open View Partners, работающая со стартапами по разработке ПО, находящимися на стадии расширения, предложила улучшенную формулу для понимания пользовательской ценности. Они рекомендуют смотреть на нечто, именуемое «суммарной когортной прибылью» (Cumulative Cohort Revenue, CCR), и сравнивать его с CAC. CCR — это общая сумма доходов, полученная от доли клиентов, которую вы приобрели за определенный промежуток времени (обычно 12 или 24 месяца).

Годовая CCR = CCR соответствующей когорты в 12-м месяце / общая сумма затрат на продажи и маркетинг в начальном месяце для данной когорты

Новая формула включает промежуток времени. Она гарантирует, что вы сравниваете действительную общую прибыль от одной отдельно взятой когорты с той суммой, что вы тратите на ее приобретение. Здесь нет места ложным предположениям, и вы получаете правильное понимание того, где вы с вашим CAC достигаете уровня безубыточности.

Сравнивая CCR и CAC для разных когорт покажет вам, где вы с течением времени улучшаетесь и как быстро удается компенсировать затраты на приобретение клиентов.

Показатели удержания важны, но они не дают всей картины. Дело в том, что процесс ухода пользователя может занимать минуту, час или даже неделю после того, как они приняли свое первоначальное решение насчет вашего продукта. Возможно, он хочет отменить подписку, но постоянно забывает об этом. Или он решает дать продукту еще один шанс, но все руки не доходят.

Скажем, ваш график удержания имеет такой вызывающий беспокойство уклон:

Вы замечаете резкое падение удержания, но и понятия не имеете, что происходит. Похоже, кривая становится круче на 14-ый день… Но случилось ли это из-за какой-то ужасно ошибки или пользователи просто вспомнили, что хотели отменить подписку?

Метрика №4. DAU/WAU/MAU

Вместо того чтобы смотреть только на удержание, вам следует обратиться к аналитике пользовательского поведения. Именно она объяснит вам, кто активен, а кто просто нашел время отписаться.

Для этого вам нужно взглянуть на уровни активности. В зависимости от характера вашего продукта, необходимо обратить пристальное внимание на одну из следующих метрик:

Ежедневно активные пользователи (Daily Active Users, DAU)

Ежемесячно активные пользователи (Monthly Active Users, MAU)

Если ваша главная ценность зависит от ежедневного использования (вы продвигаете приложение для обмена сообщениями или органайзер рабочего процесса), то ваш фокус — ежедневно активные пользователи. Если же ценность зависит от не столь частых чек-инов, отслеживайте WAU или даже MAU.

Не бывает такого, что все пользователи проснулись одним утром и решили покинуть ваше приложение. Оттоку, как правило, предшествует снижение активности. Поставьте ориентиры активности для своих юзеров, и, если вы не приближаетесь к ним, начните процесс повторного вовлечения, пока не стало слишком поздно.

Профилактика, а не лечение симптомов

Применение к вашей базе всех подряд без исключения стратегий удержания может быть довольно заманчиво, вне зависимости от того, есть ли у вас проблема с оттоком или нет. Но это приведет к тому, что вы станете разрываться на части, в результате достигнув немногого. Рассмотренные 4 метрики дают представление о том, как поставить задачи по оттоку и быстро предпринять требующиеся меры.

Когда данные метрики начнут показывать отличные результаты, вы сможете засучить рукава и сконцентрироваться на извлечении еще большей ценности из ваших пользователей.