Какие выводы можно сделать?

Так что же теперь, не пользоваться устоявшимся механизмом NPS?

– Во-первых, не опросами едиными жива пользовательская лояльность. В NPS пользователь проводит мысленный эксперимент, а истинную лояльность пользователи демонстрируют, голосуя своей активностью (возвращаясь в продукт) или рублем (совершая покупки продукта). Поэтому стоит также рассматривать и метрики удержания (Retention), и монетизации (ARPU, ARPPU, LTV). Вместе с NPS эти метрики способны куда больше рассказать о продукте.

– Во-вторых, если все же говорить об опросах, то у NPS есть альтернативы в виде других методологий опросов. В частности, американский индекс ACSI или европейский индекс EPSI. Всех минусов NPS они не лишены, однако там не один вопрос, а несколько, и они подразумевают чуть более подробные ответы.

– В-третьих, тот же NPS, если проводить его по всей технологии, может дать больше информации о продукте, если применить к нему сегментацию. Отдельно считая NPS по платящим и не платящим, по странам, возрасту в продукте и другим видам сегментации, вы гораздо больше поймете о том, как на самом деле распределена лояльность пользователей и как она работает. Более того, я бы сказал, что к NPS нужно применять сегментацию обязательно, а без нее агрегированная оценка – это сферический конь в вакууме.

– В-четвертых, единственный бенчмарк, на который стоит ориентироваться, – это предыдущие значения NPS по вашему продукту. Другие ориентиры, полученные из открытых источников, могут служить вам лишь косвенно. Если вы знаете, что у других компаний, пусть даже конкурентов, NPS больше или меньше вашего, то это знание ничего вам не даст: вы не знаете, верно ли они его считают, вы не знаете, как NPS распределен по разным сегментам пользователей. Главное, чтобы NPS вашего продукта увеличивался со временем. А еще лучше, чтобы метрики удержания и монетизации также росли. Лишь тогда вы сможете более-менее однозначно сказать, что лояльность пользователей растет.

K-фактор и виральность

Виральность – важнейшая характеристика любого проекта. Если рассмотреть проект как модель, преобразующую входящий поток пользователей в выходящий поток денег, то виральность позволит получить деньги от пользователя без затрат на его приобретение. К тому же хорошая виральность позволяет проекту в считаные месяцы завоевать рынок: один активный пользователь приглашает несколько друзей, каждый из них – еще несколько и т. д.

Хорошая виральность позволяет проекту развиваться наподобие эпидемии. Даже само слово «виральность» происходит от слова «вирус». Если вы играли в Plague Inc., где можно визуально отследить распространение болезни по миру, вы нас понимаете.

Показатель для измерения виральности тоже заимствован из эпидемиологии. Называется он K-фактор, ему и посвящен данный раздел. K-фактор показывает, сколько пользователей приводит в проект один активный его пользователь (в эпидемиологии: сколько в среднем человек заражает один больной. В 2020 году хочется грустно пошутить, что K расшифровывается как "коронавирус".

Как же рассчитывать K-фактор?

Наиболее распространена следующая формула:

K-фактор = i*c,

где i – среднее количество приглашений, отправленных одним пользователем, c – средняя конверсия из полученного приглашения в регистрацию.

Допустим, каждый пользователь отправляет в среднем одно приглашение (i = 1), и каждый третий, кто получил приглашение, успешно регистрируется в продукте (c = 1/3). В этом случае K-фактор = 1 * 1/3 = 33,3 %. В идеальном мире это значит, что если продукт имеет 100 активных пользователей, то в следующем периоде их станет 133, затем 178, и т. д. В такой модели уже через 33 временных периода количество пользователей перевалит за миллион. Однако на практике не все так хорошо. Впрочем, об этом позже.

Однако описанная формула имеет существенные ограничения.

1. Не во всех продуктах можно отследить отправку и дальнейшую судьбу приглашений. По сути, это можно сделать лишь в том случае, если каждый пользователь отсылает приглашения с уникальной меткой, и для каждого пользователя, пришедшего по приглашению, мы можем отследить, кто его пригласил. В реальном мире же (скажем, в мобильных приложениях) отправка приглашений происходит через социальные сети, и если количество отправленных приглашений еще можно посчитать, то количество реципиентов счету уже не поддается.

2. А если пользователь не отправил приглашение, а просто рассказал другу о новой игре при встрече? Тогда новый друг, зарегистрировавшись в проекте, не будет нести на себе метку пригласившего его товарища, и значит, в K-факторе он не учтется, хотя виральность имела место. Основная часть приглашений как раз и происходит через сарафанное радио, через word of mouth.

Как тогда считать K-фактор?

На просторах интернета встретилась еще одна формула:

K-фактор = 1 + (органические установки) / (платные установки)

Однако и эта формула не подходит.

Во-первых, откуда тут плюс единичка? Согласно этой формуле, каждый пользователь приглашает минимум одного друга, даже в самых пропащих проектах.

Во-вторых, эта формула имеет лишь платные установки в знаменателе, то есть не учитывает случай, если один органически пришедший пользователь приглашает другого (а чаще всего именно так и происходит).

Как же тогда считать этот показатель?

Более всего нам нравится следующая формула:

К-фактор = (органические установки в период N) / (активные пользователи в период N-1)

Эта формула учитывает все виды приглашений (формуле не важно, было приглашение по уникальной ссылке или во время телефонного разговора). Также формула учитывает приглашения, совершенные любыми пользователями, платными или органическими. И, наконец, в этой формуле нет той самой плюс единички, а это значит, что если проект совсем уж плох и органических установок нет, то K-фактор будет равен нулю. С другой стороны, если проект очень хорош, то K-фактор может взлететь до небес.

Единственный вопрос, который нужно задать к этой формуле: что такое период? Это день, месяц или год?

Обычно периодом считается месяц, однако это лишь потому, что легко посчитать размер месячной аудитории, – это метрика MAU.

Но тут уж как вы сами с собой договоритесь. Не случится ничего страшного, если вы будете отдельно считать дневные, месячные и годовые K-факторы. Наоборот, если вы будете мониторить K-фактор хотя бы раз в месяц, вы сможете оперативно отреагировать, если он начнет уменьшаться (а он скорее всего начнет).

Теперь давайте обратимся к еще одной очень полезной метрике.

Как вообще формируется виральность? Где рождается тот ветер, что приносит новых пользователей?

Итак, представьте, что вы по той или иной причине скачали себе приложение. Что дальше?

1. Вы проходите туториал, вы понимаете ценность продукта. Иначе говоря, происходит ваша активация.

2. Вы знакомитесь с продуктом, изучаете его с какой-то скоростью. Некоторые могут входить в приложение раз в неделю, некоторые – по пять раз в день.

3. Кажется, приложение начинает вам нравиться.

4. Вы решаете пригласить друга в приложение. Вы отправляете приглашение, упоминаете название приложения при встрече. В общем, каким-то образом заражаете друга.

5. Друг вспоминает о вашем совете и тоже скачивает себе приложение.

Суммарное время прохождения этих шагов называется виральным циклом. Началось с того, что вы скачали приложение, а закончилось тем, что его скачал ваш друг.

И разумеется, чем короче виральный цикл, тем активнее развивается ваше приложение.

В предыдущем примере продукт сначала имел 100 пользователей, и уже через 33 периода количество пользователей перевалило за миллион.

Если за период взять месяц, то для достижения миллиона пользователей вам потребуется 2 года и 9 месяцев.

Если же за период взять один день, то миллион достигается через 33 дня! А сколько пользователей с такими темпами будет привлечено за 2 года и 9 месяцев – страшно представить! Хотя почему страшно, просто в мире нет столько людей.

Итого, виральность определяют две метрики: K-фактор и виральный цикл. При этом чем короче виральный цикл, тем выше K-фактор (тем больше людей заражаются за один временной период).

Чему должен быть равен K-фактор?

Как понять, хорош ваш K-фактор или нет?

Главное, чтобы виральность вашего продукта покрывала органический отток пользователей. Иначе говоря,

– если K-фактор > Churn (отток), то приходит пользователей больше, чем уходит, и ваш продукт ожидает экспоненциальный рост;

– если K-фактор = Churn, то виральность лишь компенсирует отток, и количество пользователей будет стабильным;

– если K-фактор < Churn, то отток пользователей не компенсируется виральностью, и аудитория проекта постепенно будет снижаться.

Рахул Вохра, CEO Rapportive, приводит следующие ориентиры значений K-фактора:

– 15–25 % – хорошо;

– 40 % – великолепно;

– 70 % – просто выдающийся продукт.

А Эрик Сейферт, ранее работавший в Wooga, а ныне VP of User Acquisition and Engagement в компании Rovio, озвучил K-фактор игры Jelly Splash: 92 %.

Это действительно выдающееся значение. По сути, это означает, что при планировании дохода, полученного от пользователей, Wooga может смело умножать Lifetime Value одного пользователя на (1+0,92), то есть за счет виральности доход вырастает почти в два раза.

Также, говоря о K-факторе, нельзя не сказать о его изменчивости. К сожалению, практика показывает, что со временем K-фактор (как, впрочем, и другие относительные показатели продукта) имеет тенденцию к снижению. Виральность продукта достигает максимума на начальных этапах своего жизненного цикла. Очень немногие продукты имеют устойчивый K-фактор более 1 в течение продолжительного периода. Так что если ваш K-фактор вдруг начал снижаться, то пусть вас успокоит тот факт, что у других он тоже едва ли растет.

Однако на виральность продукта можно и нужно влиять. Советов, как увеличить виральность, в интернете бесчисленное множество, и все сводится к нескольким базовым принципам:

– лучший способ увеличить K-фактор – это сократить виральный цикл;

– нужно использовать существующие социальные связи своих пользователей, это позволит упростить процесс распространения информации о вашем продукте (интегрируйте социальные сети и другие сервисы);

– у пользователя должен быть стимул приглашать друзей (совместная деятельность в Dropbox, общение через мессенджеры, реферальные программы в онлайн-играх, когда пользователь получает бонусы за приведенных друзей);

– за счет одной лишь виральности продукту не выжить – нужно, чтобы продукт действительно нравился пользователям.

Еще одна рекомендация заключается в наличии у вас устойчиво работающих невиральных (платных) каналов привлечения пользователей. Все же виральность – довольно-таки чувствительная штука, и K-фактор меняется со временем. Поэтому устойчиво работающие платные каналы привлечения здесь играют роль дров в костре – чем больше дров, тем выше пламя.

Если хотите, то можете даже расшифровывать букву K в слове K-фактор как «костер», чтобы лучше запомнить эту метафору.

Резюмируем основные идеи.

1. Виральность – это хорошо! Это способ бесплатно привлечь потенциально большую массу пользователей.

2. Для измерения виральности используются K-фактор (среднее число друзей, приглашенное одним активным пользователем) и виральный цикл (среднее время от регистрации пользователя до регистрации приглашенного им друга). K-фактор должен быть высоким, а виральный цикл – коротким.

3. K-фактор должен покрывать отток пользователей, в этом случае вас ждет экспоненциальный рост.

4. K-фактор меняется со временем, причем, как правило, в меньшую сторону. Не пугайтесь!

5. Вы можете повлиять на виральность вашего продукта: сделайте ваш продукт клевым, а процесс приглашения друзей – простым, логичным и нужным для пользователя.

Желаем вам максимального K-фактора и минимального вирального цикла. И не перепутайте!;)

В заключение главы приходится резюмировать: нет такой метрики, как лояльность. А жаль.

Вот и приходится изворачиваться, выдумывать метрики NPS, Churn, Retention. И выясняется, что не так уж они и плохи. Тот же Retention вообще зарекомендовал себя как важнейшую метрику лояльности пользователей, и без его анализа сейчас не обходится ни одна f2p-игра.

Главное, что дает нам лояльность пользователей, – это то, что они по-прежнему остаются с нами и продолжают играть и платить. И сейчас самое время порассуждать о метриках активности игроков.