11 Января 2023 15:03 11 Янв 2023 15:03 |

Поделиться

Как инновационные методы когортного анализа могут повысить прибыльность приложений

Если KPI среднего времени между установкой приложения и подпиской у вас составляет 5 дней, то самое время поработать над улучшением этого показателя, ведь это точка приложения усилий, где «экономический выхлоп» может оказаться максимальным. И тут на сцену выходит когортный анализ. Чтобы повлиять на целевой показатель, нам надо лучше понять тех, кто подписывается только через 10 дней, а также тех, кто втянулся быстро и через 2 дня уже превратился в постоянного пользователя. Когортный анализ позволяет сделать именно это.

Что такое когортный анализ в мобайле?

В маркетинге когортным анализом называется подтип анализа поведения пользователей, при котором до, собственно, анализа пользователей приложения делят на группы (когорты) по каким-то в признакам. Критерии отнесения того или иного человека к когорте могут быть самыми разными. Например, в качестве таковых могут выступать особенности поведения, возраст. Обычно личные особенности пользователей делают их действия в приложении похожими.

Если в роли критерия деления на группы выступают действия после скачивания, то лучше привязывать деление на когорты к определенным временным промежуткам, поскольку поведение одних и тех же людей в разное время может отличаться. Методическое разделение ваших пользователей на когорты до анализа реакции аудитории на ваши продукты позволяет маркетологам и продакт-менеджерам лучше понять и визуализировать происходящее.

Разблюдовка по категориям пользователей дает пищу для интересных гипотез и выводов о работе мобильного приложения. Что еще важнее, после когортного анализа можно разработать и внедрить адресные меры, чтобы увеличить показатели вовлеченности конкретной категории тех, кто пользуется приложением. Потенциал общих мер «для всех» наверняка был вами уже использован.

Когортный анализ: преимущества

Одна какая-либо метрика может не дать информации, достаточной, чтобы сказать, почему пользователи делают то или другое. Пример: число скачиваний растет, а коэффициент конверсий падает. Без деления на когорты будет сложно определить причины и выработать более эффективную маркетинговую стратегию.

Предлагаем пять преимуществ когорт для маркетолога, которые помогут повысить прибыльность мобильного приложения, да и любого другого ИТ-решения:

• определение наиболее прибыльных каналов маркетинга: когорты, отсортированные по критерию выбранного способа покупок/скачиваний/установок показывают ситуацию с конверсиями и прибылью по всем каналам и воронкам. Такой когортный анализ способен показать: какой канал имеет наиболее высокий показатель возврата инвестиций (ROI), какая категория пользователей совершает или не совершает приобретения. В результате команды маркетологов могут принимать решения, основанные на фактов и более результативно направлять бюджеты;
• увеличение количества конверсий в мобильном приложении: специалисты по продвижению могут подтолкнуть пользователей к определенным действиям, так как анализ паттернов поведения когорт откроет, какие действия в приложении с большей вероятностью приводят к конверсиям;
• глубокое понимание LTV — жизненного цикла «юзера»: если снова и снова проводить когортный анализ, появляется возможность сравнить результаты за разное время. Так удается составить более ясное и детализированное представление о пути, которые пользователь проходит. Представление, сформированное на основе когорт, будет на порядок более четким, чем аналогичный замер для всей аудитории в целом. Большая глубина анализа с легкостью конвертируется в реальную прибыль. Например, можно предусмотреть отправку pop-up уведомлений в соответствии с индивидуальным временем пользователя. Это увеличит процент открытий и MAU (число активных пользователей в месяц);
• определение причин ухода ваших пользователей: если разделить пользователей на когорты и затем проанализировать их поведение, то можно зафиксировать причины того, что некоторые из них перестают пользоваться сервисом. Можно привести конкретный практический пример. Предположим, спецификой нашего продукта является то, что люди склонны подписываться ради одной полезной им функции. Через подписку они из новых пользователей становятся постоянными, которые вносят плату за пользование сервисом. Выдвинем гипотезу: пользователи уходят, так как сходу не могут понять, что приложение может делать. Можно проследить пользователей по когортам. Подтверждение гипотезы может подтолкнуть маркетологов предусмотреть дополнительные руководства для пользователя, чтобы более эффективно познакомить его с возможностями. К примеру, можно высылать в самом приложении in-app сообщения и отправлять после скачивания e-mail c инструкцией;
• рост прибыли на протяжении всего жизненного цикла ваших пользователей: используйте когорты, чтобы отфильтровать в анализе тех пользователей, которые дольше используют программу и приобретают в приложении дополнительные услуги. Есть шанс, что именно здесь мы найдем составляющие функционала или особенности программы, которые могли бы продлить LTV (жизненный цикл пользователей) для всех подписчиков.

Пять типов когортного анализа для продвижения мобильных приложений

Количество вариаций когортного анализа для разных кейсов поражает воображение, тем более, что ИТ-продукты бывают самые разные. Можно выделить, по крайне мере, пять главных видов анализа по когортам, когда речь заходит о мобильных приложениях:

• когорты приобретения (acquisition cohorts): группы пользователей формируются на основе использованных ими каналов приобретения ваших продуктов и услуг. Взгляните на динамику оформления подписок и связанную с ней прибыль, полученную от разных когорт. Затем, идем дальше, определяем конверсию и качество пользователей из каждого канала приобретения;
• поведенческие когорты (behavioral cohorts): дробят пользователей на когорты исходя из действий, которые они совершают в приложении в определенные временные рамки. К этому надо подойти творчески: посетители приложений совершают в них сотни и тысячи мелких действий, которые могут стать золотой жилой и источникам колоссальных оптимизаций: инсталляция, подписка, отписка и многое другое;
• когорты по сегментам (Segment-Based Cohorts): подразделяется пользователей по их собственным особенностям, чтобы получить от анализа больше информации. Именно так можно набрести на ключевые моменты, в связи с которыми определенный сегмент аудитории, к примеру, отписывается;
• когороты по демографическим признакам (demographic cohorts): можно попробовать разделить пользователей по когортам на базе их возраста, места пребывания и проанализировать ключевые метрики, важные с точки зрения дальнейшего развития приложения. Маркетологи узнают, где и среди кого у них рынок с самым большим потенциалом и на каких именно пользователях сосредоточиться;
• технографичсекие когорты (technograph cohortes): здесь вы делите посетителей по признаку используемого ими смартфона или другого мобильного устройства и программного обеспечения, через которое они получают доступ к приложениям. Тем самым можно выявить множество чисто технических проблем, которые отваживают некоторых пользователей от скачивания и использования ваших продуктов.

Как провести когортный анализ для повышения прибыли мобильного приложения?

На практике применяют как анализ вручную, так и автоматизированный вариант.

Когортный анализ вручную

Шаг №1. Определите проблемы или предметы интереса, которые вы хотите сделать центральными в анализе и в которые хотите внести ясность. Цель анализа состоит в том, чтобы наилучшим образом обработать информацию о пользователе, чтобы можно было разработать эффективные меры по решению проблем.

Итак, первый шаг, с которого нам нужно начать состоит в том, что мы изучаем свое мобильное приложение и ищем в нем изъяны или возможности для улучшения. Просто смотреть в системе аналитики на объем прибыли и размышлять над причинами того, почему она именно такая — соответственно, нужно определить проблему, чтобы получить ответ от статистики на свои вопросы.

Шаг №2. Отыщите метрики, которые помогут решить интересующий вопрос. Полноценный анализ по когортам требует системы идентификации событий, например, факта отписки, а также сопутствующих сведений о свойствах этих пользователей, скажем, сколько пользователь платит. В вышеописанном примере потери прибыли — человек отписался — плативший пользователь, который ушел, должен стать предметом изучения в ходе анализа.

Шаг №3. На этом этапе происходит распределение пользователей по когортам. Понадобится проанализировать сначала поведение всех пользователей вашего приложения, чтобы определить ключевые отличия между «юзерами». Перечислите отличия в записях, чтобы уже на основе этих записей сформировать когорты.

Шаг №4. Проведите когортный анализ. Используйте инструменты визуализации, чтобы лучше понимать динамику между разными группами пользователями в связи с вашей проблемой. Пример. Определенная когорта не закрывает подписку, но при этом не платит. Для кого может быть характерно такое поведение? Вероятно, часть пользователей испытывает проблемы выбранным вами в приложении способом оплаты.

Шаг №5. Проверяйте гипотезы. Иногда картина, которая рисуется из потока данных в аналитических системах может быть правдоподобной, но обманчивой. Вам всегда нужны гипотезы, которые позволяют верифицировать полученные из анализа данные. Например, что если вручную посмотреть информацию какого-нибудь конкретного, показательного аккаунта и проверить статус подписки?

Автоматизированный когортный анализ

Когортный анализ не обязательно проводить «руками». Сейчас существует немало профессиональных систем аналитики специально для работы с мобильными приложениями. Согласно некоторым независимым рейтингам лучшими признаются следующие: Amplitude, Google Analytics 4, AppsFlyer, AppMetrica, AppAnnie, MightySignal. В этих и им подобных системах когортный анализ — одна из удобных встроенных функций.

Когортный анализ: итого

Во многих компаниях не ставят цель повышения прибыли при работе с когортным анализом. Он применяется узко для работы с удержанием пользователей. Так как витальной целью маркетинговых компаний является прибыль, то анализ по когортам иногда просто забрасывают и не применяют.

Между тем, исследование Price Intelligently хорошо продемонстрировало, что именно с Retention Rate связан колоссальный потенциал повышения прибыльности мобильного приложения.

Прибавьте к этому реалии современного мобильного трафика. Рынок становится тесным и новых пользователей очень тяжело привлекать. Да, конечно, когортный анализ нельзя провести просто заглянув в одну привычную метрику, однако он позволит принимать решения на основе реальных данных и выстраивать маркетинговую стратегию, которая по-настоящему сработает!

Поделиться

Подписаться на новости Короткая ссылка