Successo a lungo termine per gli sviluppatori di app non significa solo convincere qualcuno a scaricare la propria app, ma anche farli fare visite ripetute. Per arrivare alla proposta di valore irrinunciabile del tuo prodotto app, devi andare oltre le metriche di vanità, come i conteggi dei download e persino gli utenti attivi giornalieri (DAU) / utenti attivi mensili (MAU), che misurano solo la crescita e la conservazione superficialmente. È necessario scavare più a fondo nella tua app utilizzando un metodo-Analisi di coorte.,
Cos’è l’analisi di coorte
L’analisi di coorte è un sottoinsieme di analisi comportamentale che prende i dati da una determinata piattaforma di e-commerce, applicazione Web o gioco online e piuttosto che guardare tutti gli utenti come un’unità, li suddivide in gruppi correlati per l’analisi. Questi gruppi correlati, o coorti, di solito condividono caratteristiche o esperienze comuni all’interno di un arco di tempo definito.
L’analisi di coorte è uno strumento per misurare il coinvolgimento degli utenti nel tempo. Aiuta a sapere se il coinvolgimento degli utenti sta effettivamente migliorando nel tempo o sembra migliorare solo a causa della crescita.,
L’analisi di coorte si rivela preziosa perché aiuta a separare le metriche di crescita dalle metriche di coinvolgimento in quanto la crescita può facilmente mascherare i problemi di coinvolgimento. In realtà, la mancanza di attività dei vecchi utenti viene nascosta dall’impressionante numero di nuovi utenti, il che si traduce nel nascondere la mancanza di impegno da parte di un piccolo numero di persone.
Esempio di analisi di coorte
Comprendiamo l’utilizzo dell’analisi di coorte con un esempio: coorte giornaliera di utenti che hanno lanciato un’app per la prima volta e rivisitato l’app nei prossimi 10 giorni.,
Dalla tabella di ritenzione di cui sopra – grafico triangolare, possiamo dedurre quanto segue
- 1358 utenti hanno lanciato un app il 26 gennaio. La ritenzione del giorno 1 era del 31,1%, la ritenzione del giorno 7 era del 12,9% e la ritenzione del giorno 9 era dell ‘ 11,3%. Così il 7 ° giorno dopo aver utilizzato l ” applicazione, 1 in 8 gli utenti che hanno lanciato un app il Gen 26 erano ancora utenti attivi sul app.
- Di tutti i nuovi utenti durante questo intervallo di tempo (13.487 utenti), il 27% degli utenti viene mantenuto il giorno 1, il 12,5% il giorno 7 e il 12,1% il giorno 10.,
Inoltre, due vantaggi principali della lettura della tabella di coorte di cui sopra, sono:
- durata del prodotto (come illustrato verticalmente nella tabella) – confrontando diverse coorti nella stessa fase del loro ciclo di vita-possiamo vedere quale % di persone in una coorte stanno tornando all’app dopo 3 giorni e così via., I primi mesi di vita possono essere collegati alla qualità della tua esperienza di onboarding e alle prestazioni del team di successo del cliente, e
- durata dell’utente (come illustrato orizzontalmente a destra della tabella) – vedendo il rapporto a lungo termine con le persone in qualsiasi coorte – per accertare quanto tempo le persone stanno tornando e quanto sia forte o Questo può essere presumibilmente collegato a qualcosa come la qualità del prodotto, le operazioni e l’assistenza clienti.,
Qualunque siano le metriche chiave di valutazione definite per l’azienda, l’analisi di coorte consente di visualizzare il modo in cui le metriche si sviluppano durante la vita del cliente e durante la vita del prodotto.
Analisi di coorte per migliorare la fidelizzazione dei clienti
L’analisi di coorte implica guardare i gruppi di persone, nel tempo, e osservare come cambia il loro comportamento. Ad esempio, se inviamo una notifica via email a 100 persone, alcuni potrebbero acquistare il prodotto il giorno 1, meno il giorno 2, ancora meno il giorno 3 e così via., Ma, se inviamo un’altra e-mail a 100 persone, dopo poche settimane, compreranno il prodotto nel loro “giorno 0”mentre la prima e-mail inviata potrebbe mostrare il suo effetto di ritardo prevalente sulla decisione di acquisto.
Dati di coorte
Al fine di monitorare come gli utenti si comportano nel tempo o come lo stesso comportamento differisce per le diverse coorti, l’analisi di coorte aiuta a confrontare queste persone dal modo / tempo in cui sono state acquisite o dalla conservazione di tali utenti nel tempo.,
Ma, come suddividere il gruppo di utenti in coorti per l’analisi di coorte – può essere fatto in due modi:
- Coorti di acquisizione: dividere gli utenti per quando si sono registrati prima per il prodotto. Per gli utenti dell’app, è possibile suddividere le coorti in base al giorno, alla settimana o al mese in cui hanno lanciato un’app e quindi tenere traccia delle coorti giornaliere, settimanali o mensili.
In questo caso, misurando la conservazione di queste coorti, è possibile determinare per quanto tempo le persone continuano a utilizzare l’app dal loro punto di partenza.,
- Coorti comportamentali: dividi gli utenti in base ai comportamenti che hanno (o non hanno) assunto nella tua app entro un determinato periodo di tempo. Questi potrebbero essere un numero qualsiasi di azioni discrete che un utente può eseguire: Installazione dell’app, avvio dell’app, Disinstallazione dell’app, Transazione o Addebito o qualsiasi combinazione di queste azioni / eventi.
In questo caso, una coorte può essere un gruppo di utenti che hanno eseguito determinate azioni entro un periodo di tempo specificato, ad esempio entro i primi 3 giorni dall’utilizzo dell’app. Puoi quindi monitorare per quanto tempo diverse coorti rimangono attive nella tua app dopo aver eseguito determinate azioni.,
Vediamo come puoi utilizzare sia le coorti di acquisizione che quelle comportamentali per determinare esattamente cosa stanno facendo i tuoi utenti e quando lo stanno facendo.
Coorti di acquisizione: trovare momenti problematici nella tua app
Rivisitare la coorte giornaliera sopra – che è una coorte di acquisizione.
Un modo per visualizzare queste informazioni è tracciare una curva di ritenzione, mostrando la conservazione di queste coorti nel tempo. Il grafico rende incredibilmente facile dedurre quando gli utenti stanno lasciando il prodotto.,
Questa curva di ritenzione riflette immediatamente un’importante intuizione: circa il 75% degli utenti smette di utilizzare l’app dopo il 1 ° giorno. Dopo quel grande calo iniziale, un secondo calo vivace si verifica dopo il 5 ° giorno-a meno del 12%, prima che la curva inizi a livellarsi dopo il 7 ° giorno, lasciando circa l ‘ 11% degli utenti originali ancora attivi nell’app al giorno 10.
La curva di ritenzione sopra indica che gli utenti non raggiungono rapidamente il valore principale dell’app, con conseguente drop-off., Quindi, è evidente migliorare l’esperienza di onboarding per portare l’utente al valore principale il più rapidamente possibile, aumentando così la ritenzione.
Così, acquisizione coorti sono grandi per individuare le tendenze e il punto in cui le persone sono in subbuglio, ma è difficile fare intuizioni come – capire perché sono in partenza che richiede l’uso di un altro tipo di coorti, comportamentali coorti
Comportamentali Coorti: Analisi di Customer Retention
Un semplice esempio di comportamento di coorte può essere a tutti gli utenti che leggere recensioni prima di acquistare un prodotto., Questo può rispondere alle domande interessanti, come,
- Sono gli utenti che leggono le recensioni hanno un tasso di conversione più elevato rispetto a quelli utenti che non leggono le recensioni, o
- Sono gli utenti più coinvolti e più sessioni, più tempo in app, un minor numero di drop-off
Un’app utente, dopo un’app installare e / o l’avvio, rende centinaia di decisioni e mostra tanti piccoli comportamenti che portano verso la loro decisione di rimanere o andare. Questi comportamenti potrebbero essere qualsiasi cosa, come, usando la funzione principale Y ma non usando la funzione principale Z, impegnandosi solo con notifiche di tipo X e così via.,
Testiamo il comportamento dell’utente confrontando la ritenzione tra le seguenti coorti:
Entrambi i segmenti utente avevano l’intenzione di effettuare transazioni sulla tua app. Ma un segmento di utente ha scelto di procedere con il checkout, l’altro sceglie di abbandonare la tua app. Cosa puoi fare per ridurre l’abbandono del carrello?
L’analisi di coorte può ottenere risposte a domande come:
- Quando è il momento migliore per interagire nuovamente con i tuoi utenti? Quando è il momento migliore per il remarketing?,
- Qual è il tasso di acquisizione di nuovi utenti per mantenere (se non aumentare) il tasso di conversione dell’app?
Dalle tabelle di conservazione di cui sopra, si può concludere che la maggior parte degli utenti che avevano abbandonato il carrello della spesa non si sono impegnati con l’applicazione di nuovo, nemmeno 1 giorno dopo la data di acquisizione. Quindi, hai meno di 24 ore per ri-indirizzarli con la nuova offerta e aumentare le possibilità di ottenere entrate.
Da questi dati, puoi sviluppare un approccio sistematico e quantitativo per sapere come gli utenti possono innamorarsi della tua app e quindi farlo accadere ancora e ancora., Inoltre, puoi creare strategie per aumentare la tua fidelizzazione dopo aver accertato cosa funziona e cosa no.
Il potere dell’analisi di coorte sta nel fatto che, consente non solo di visualizzare quali clienti lasciano e quando se ne vanno, ma anche di capire perché i clienti lasciano la tua app – in modo che tu possa risolverlo. È così che si può identificare quanto bene gli utenti vengono mantenuti e anche determinare i fattori primari che guidano la crescita, l’impegno e le entrate per l’app.
Per saperne di più sull’analisi visiva delle tabelle di coorte con diagrammi di ciclo
