Еще несколько метрик
Хочу рассказать о некоторых метриках, которые применяются далеко не всегда. Однако они работают и могут дать о продукте знания, недоступные с помощью базовых метрик.
Для начала давайте определимся с терминологией.
У вас есть общая аудитория: за дневную аудиторию проекта отвечает метрика DAU, за месячную – метрика MAU.
Есть платящая аудитория: Paying Share, допустим, за день обычно рассчитывается как число плательщиков данного дня (то есть тех, кто конкретно в этот день сделал платеж), деленное на DAU.
Стоит дополнительно выделить две категории пользователей:
– «спящие» плательщики – то есть те, кто в конкретный день не платил, но вообще-то платит;
– новые плательщики – то есть те, кто в конкретный день совершил свой первый платеж в проекте.
Мы имеем четыре вложенных множества пользователей: общая аудитория → плательщики вообще (включая как «спящих», так и тех, кто платил в определенный период) → плательщики конкретного периода → новые плательщики конкретного периода.
То есть вместо одной привычной метрики Paying Share можно рассчитать и дополнительные показатели.
Доля плательщиков от DAU
Под плательщиками мы понимаем тех, кто платил вообще когда-либо. Эта метрика говорит нам о честном соотношении платящих и не платящих пользователей в активной аудитории. Для разных проектов она может достигать 20, 30 и даже 50 %. И эту метрику нужно максимизировать, уменьшая долю не платящих в общей структуре.
Доля плативших сегодня от плативших вообще
Если рассчитать число всех тех, кто платил в проекте когда-либо (на практике лучше брать скользящий период, например, за последние три месяца), то каждый день можно оценивать соотношение между «спящими» и теми, кто сегодня заплатил.
Эта метрика будет довольно изменчива в дни акций и специальных ивентов, однако стоит иметь ее в виду, когда вы анализируете свою монетизацию: почему не заплатили в этот день спящие пользователи? Какую акцию сделать так, чтобы их «разбудить»?
Доля новых платящих
В числитель мы ставим количество тех, кто в этот день сделал свой первый платеж, в знаменатель – общее количество тех, кто платил в этот день. Принимая во внимание эту метрику, вы будете более детально изучать конверсию в первый платеж.
Соотношение дневного и месячного ARPPU
ARPPU показывает, сколько денег платил за период платящий пользователь. Если же поделить месячный ARPPU на среднедневной ARPPU, то мы увидим, сколько в среднем платежей делает платящий за месяц. Опять же, к вопросу о важности повторных платежей: у хороших проектов эта метрика обычно бывает выше двух, и может достигать трех или даже четырех платежей за месяц.
Структура дохода f2p-игры, например, зависит от повторных платежей и фактически ими определяется. Так что эта метрика может быть полезна при настройке экономики и повторной монетизации.
Удержание платящих пользователей
О важности метрик удержания и метрик монетизации сказано уже довольно много. Однако далеко не все измеряют отдельно удержание платящих и не платящих пользователей.
Можно нарисовать два простых графика: Retention платящих и Retention не платящих.
На этих графиках можно заметить, как по-разному ведут себя разные категории пользователей в течение своего Lifetime, а также выделить в явном виде долю тех, кто в проекте довольно давно, но до сих пор не платит. Этих ребят можно и нужно монетизировать, лояльность у них уже есть.
Примечание по методике расчета:
Оптимально, если у вас есть возможность пересчитать Retention постфактум. Далеко не все конвертируются в платящих за первый день, и если пользователь сконвертировался в платящего позже, показатели Retention первого дня стоит пересчитать.
О важности RFM-анализа мы уже писали. И RFM-анализ становится куда более гибким инструментом, если мы, во-первых, проделываем его регулярно (скажем, раз в неделю), а во-вторых, обращаем внимание не на соотношение сегментов друг с другом, а на миграцию пользователей из сегмента в сегмент. И вот здесь можно выделить четыре исключительно полезные метрики.
Сегмент R-
Пользователи, получившие по итогам пересчета более низкую оценку по Recency, нежели ранее. Иначе говоря – те, кто давно не платил. Они уже платящие и знают, как это делается. Эти пользователи могут быть утекающими от вас деньгами, и ваша задача – вернуть их платежное поведение.
Сегмент F-
Пользователи, получившие более низкую оценку по Frequency, нежели была ранее. Это более скрытый сигнал, нежели R-: с помощью сегмента F- вы сможете выделить тех, кто стал платить реже. Вероятно, пока с ними ничего делать не надо (по крайней мере пока они платят), однако изучить, почему они стали платить реже, все-таки стоит.
Сегмент R+
Соответственно, сегмент R+ – это количество (либо доля) пользователей, улучшивших по итогам пересчета RFM свое платежное поведение по части давности платежей. Иначе говоря, это те, кто наконец заплатил снова. Будет нелишним изучить причины их возвращения в платежное поведение, чтобы использовать те же рычаги в будущем.
Сегмент F+
Сегмент F+ – количество (либо доля) тех, кто улучшил свое платежное поведение по части частоты платежей. Проще говоря, те, кто после пересчета RFM стал платить чаще. Чем вызвано увеличение частоты платежей? Такой анализ очень уместно сочетать с логированием всех апдейтов и изменений.
На что тратится первый платеж?
И еще одна метрика, а точнее, способ анализа. Мы уже много сказали про анализ тех, кто сделал свой первый платеж. Но практика показывает, что далеко не все рассчитывают, на что именно он тратится. Речь про первую покупку за виртуальную валюту после совершения первого реального платежа. Ответить на этот вопрос будет нетрудно, а зная ответ, можно делать игрокам специальные предложения именно на этот товар, увеличивая их конверсию в первый платеж (и, вообще говоря, в последующие).
Как мы и говорили, нет нужды каждый день рассчитывать каждую из этих метрик. Однако при регулярном пересчете вы поймете, как они себя ведут, как меняются во времени и как реагируют на ваши изменения в продукте. А это понимание, в свою очередь, ведет к более объективным, взвешенным и финансово обоснованным решениям по развитию продукта.
