MVP. Как выводить на рынок товары и услуги, которые нравятся покупателям - Дэн Олсен

поэтому вы не можете подходить к оценке срока использования, отталкиваясь от конкретных календарных дат (в отличие от большинства других показателей). Наиболее подходящим решением данной проблемы является агрегирование данных с использованием количества дней, прошедших с момента регистрации каждого пользователя.

Кривые удержания клиентов

Кривые удержания – это интуитивно понятный способ визуализации удержания клиентов. Пример такой диаграммы представлен на Рисунке 13.3. По вертикальной оси здесь измеряется процент возвращающихся пользователей. Горизонтальная ось представляет количество дней (или недель, или месяцев), прошедших с момента первого использования. Значение для каждой точки кривой рассчитано на основе данных о регистрации и о фактах использования продукта для совокупности пользователей. По чисто математической причине кривые удержания всегда начинаются со 100 %-ной отметки в нулевой день (которым является день регистрации каждого пользователя), а затем имеют тенденцию снижаться с течением времени, поскольку доля пользователей, которые не возвращаются, чтобы снова воспользоваться вашим продуктом, постепенно накапливается. Уже на 1-й день (то есть следующий день после регистрации) может наблюдаться значительное снижение показателя удержания. Поэтому нулевой день обычно не отображают на графике, а начинают отсчет с первого дня, чтобы график выглядел более читабельным.

Рисунок 13.3. Кривая удержания

Обратите внимание, что на представленной на рисунке кривой удержания значение, соответствующее первому дню, составляет около 20 %. Это означает, что около 80 % клиентов не вернулись на следующий день после регистрации. Этот «начальный коэффициент отсева» является одним из ключевых отличительных параметров кривой удержания. Разные категории продуктов имеют различающиеся показатели начального отсева. Показанная кривая относится к мобильному приложению – категории, для которой характерны очень высокие значения показателя начального отсева. Посудите сами: люди постоянно устанавливают новые мобильные приложения. Но часто после первого использования уже не возвращаются к тем приложениям, которые не представляют для них интереса. При этом иконка установленного приложения обычно теряется в море других значков на экране смартфона. При отсутствии какой-либо «напоминалки» об установленном приложении, которым они ранее пользовались, люди через некоторое время просто забывают о нем. Вот почему для мобильных приложений так важны встроенные периодические уведомления, с помощью которых разработчики пытаются не попасть под действие принципа: «с глаз долой – из сердца вон».

Вторым отличительным параметром кривой удержания является скорость, с которой происходит снижение показателя. Некоторые кривые удержания демонстрируют очень крутое пике, в то время как другие являются более пологими. При этом снижение может либо продолжаться вплоть до нулевого значения, либо в конечном итоге сглаживаться в горизонтальную линию. Если кривая стремится к нулю, это означает, что вы с течением времени потеряете всех клиентов из отслеживаемой группы. Если же кривая, достигнув определенного значения, становится плоской, то уровень, на котором произойдет такое выравнивание, будет соответствовать проценту клиентов, которых вам удается удерживать. Такое терминальное значение является третьим характерным параметром кривых удержания. Кривая удержания одного продукта может прекратить снижение на уровне пяти процентов, тогда как в другом случае это произойдет на отметке 20 %.

Три перечисленных выше отличительных параметра кривой удержания – начальный отсев, скорость снижения и терминальное значение – являются непосредственными показателями соответствия продукта рынку. Чем выше степень соответствия, тем ниже процент начального отсева, меньше скорость снижения и выше терминальное значение. Чем ниже степень соответствия продукта рынку, тем выше начальный отсев и скорость снижения, и тем ниже терминальное значение. Последний из этих параметров является наиболее важным, поскольку отвечает на вопрос: «Какой процент клиентов, попробовавших продукт, продолжают им пользоваться в течение долгого времени?» Если бы вы сказали мне, что терминальное значение кривой удержания для продукта А составляет 1 %, а для продукта В – 50 %, я бы мог ответить, какой из этих продуктов в большей степени соответствует рынку (продукт В), не владея никакой дополнительной информацией об этих продуктах.

Соответствие продукта рынку представляется несколько расплывчатым и трудноизмеримым понятием. Поэтому здорово, что кривые удержания вооружают нас точными цифрами, которые могут быть использованы для количественной оценки этого показателя. И хотя именно в этом заключается основная причина, по которой коэффициент удержания является наилучшим показателем соответствия продукта рынку, существует несколько других причин. Следующим преимуществом коэффициента удержания является то, что это «чистый» показатель в том смысле, что не смешивается с какими-либо другими компонентами системы макрометрических показателей (например, с привлечением). Что я имею в виду? Что ж, допустим, в качестве метрики соответствия продукта рынку вы взяли количество активных пользователей, и предположим, что значение этого показателя имеет тенденцию к росту, как мы все надеемся. Это может произойти только в том случае, если вы расширяете клиентскую базу (путем привлечения и конверсии). Тенденция роста числа активных пользователей может быть обусловлена умеренным привлечением новых пользователей при высоком коэффициенте удержания. Однако та же тенденция может быть отражением очень значительного роста числа пользователей при низком коэффициенте удержания. Отслеживая только активных пользователей, вы не смогли бы заметить разницу между этими двумя вариантами.

Вот почему при отслеживании изменения количества пользователей с течением времени важно проводить различие между новыми и возвращающимися пользователями. Именно последние учитываются при расчете коэффициента удержания. Новые – это клиенты, которые используют продукт впервые (на определенном отрезке времени). Возвращающиеся – это клиенты, которые пользуются продуктом в течение определенного периода и которые впервые стали пользователями до начала этого периода. Важно отслеживать количество возвращающихся пользователей в динамике. Очевидно, что вам хотелось бы, чтобы график, отражающий число возвращающихся пользователей, имел тенденцию к росту с максимально возможной скоростью. Однако имейте в виду, что в отличие от коэффициента удержания число возвращающихся пользователей не является чистым показателем удержания. Он зависит от показателей привлечения и конверсии. Количество вернувшихся пользователей представляет собой общее число клиентов, которых вам удалось привлечь и удержать на данный момент времени. В свою очередь, коэффициент удержания, благодаря особенностям его расчета, отвечает на вопрос «Какой процент привлеченных клиентов все еще сохраняют активность на данный момент времени?»

Поскольку кривые удержания позволяют измерить степень соответствия продукта рынку, они предоставляют прекрасную возможность оценить, насколько вы улучшаете это соответствие с течением времени. Вы можете увидеть, как меняется коэффициент удержания, построив несколько кривых удержания: для каждого отрезка времени. Например, вы могли бы строить новую кривую удержания ежемесячно. Таким образом, вы создадите набор графиков, построенных на основе данных о клиентах, которые прошли регистрацию в каждом из отслеживаемых месяцев.

Когортный анализ

Группа пользователей, которые имеют общую характеристику – например, месяц, в котором они зарегистрировались, – называется когортой. Мощным инструментом анализа меняющихся во времени показателей для различных когорт является когортный