Совет 8. Комбинируйте методы
Если бы этот раздел был тестом, то правильным ответом было бы «все вышеперечисленное».
Комбинаций можно придумать очень много, и я не хочу вас ограничивать. Лишь опишу ту комбинацию, которую применяю и ею доволен.
– Прогнозируете отдельно аудиторию и ARPU:
– используете методы временных рядов,
– корректируете прогноз по аудитории, исходя из данных о вливаниях трафика,
– корректируете прогноз по ARPU, исходя из планируемых изменений в продукте (на основании экспертной оценки).
– Перемножая прогнозы по аудитории и ARPU, вы получаете прогноз по доходу.
– Его также можно скорректировать на основании экспертной оценки планируемых изменений (с учетом того, что все изменения анализируются в деталях), а также на основании кастомной модели перетока от месяца к месяцу.
Совет 9. Контрольная группа
Еще один метод для ответа на этот вопрос – это выделение контрольной группы. Вообще говоря, называется и поддается описанию он несколько проще, чем изложенная выше матчасть. Однако корректность его применения во многом зависит от того, насколько точно у вас настроена аналитика и можете ли вы четко выделить эту группу.
Выбор контрольной группы
Суть этого метода в том, чтобы проанализировать поведение пользователей, которые не воспользовались акцией. В f2p-играх это будет большинство пользователей (хотя бы потому, что доля платящих среди игроков обычно невелика). Тем не менее эта контрольная группа генерировала и генерирует какой-то денежный поток, даже несмотря на то что они не приняли участие в одной разовой акции. Можно ориентироваться именно на эту группу и рассчитать, сколько денег вы получили бы по итогам акции, если бы вся ваша аудитория была этой контрольной группой.
Какой из методов применять – выбор за вами. Если вы любите математику, применяйте математические методы. Если с математикой не дружны, то что вы делаете в аналитике вообще (зачеркнуто) применяйте контрольную группу. А по возможности делайте и то, и другое. Результаты совпадают – замечательно. Результаты не совпадают – разбирайтесь почему.
Со временем ваши прогнозы станут точнее и детальнее.
Глава 8
Поведение игрока
Человек есть не что иное, как ряд его поступков.
Георг Вильгельм Фридрих Гегель
Метрики метриками, но далеко не всегда аналитик может за метриками видеть реальные проблемы, которые испытывает игрок (бегемотик). Может быть, бегемотик запутался и не знает, куда идти? Метрики же нам говорят: с ним все окей, он играет. А может быть, бегемотику слишком сложно и он не может пройти уровень? Метрики в это время радостно сообщают об удлиненной игровой сессии.
Анализ проекта по метрикам и анализ поведения игрока – это разные способы увидеть игру, разные вопросы, на которые мы отвечаем, разные решения, которые мы примем в итоге.
Данную главу я посвящаю разбору пользовательского поведения, мы поговорим о паре методов, которые позволяют лучше понять игрока и его проблемы.
Воронки (Funnels)
Когда на сайт или в приложение приходит новый пользователь, хочется, чтобы он совершил целевое действие – платеж, регистрацию, оформление заказа или любое другое, ценное для разработчика действие.
Но, во-первых, далеко не все из тех, кто попадает в продукт, совершают это действие. Во-вторых, перед его совершением пользователи проходят несколько промежуточных шагов, взаимодействуя с интерфейсом, нажимая на различные кнопки, переключая разделы меню, переходя по ссылкам и страницам, заполняя различные формы.
Для того чтобы исследовать поведение пользователей в продукте, понять, как они его видят, найти «слабые» места, выяснить, на каких шагах по пути к цели они «отваливаются», и оптимизировать процессы внутри приложения, используется такой инструмент, как воронка конверсий (Conversion Funnel).
Воронка состоит из последовательности пользовательских действий и показывает, сколько уникальных пользователей совершили каждое из них: сколько человек сделали первый шаг, сколько затем перешли на второй, и т. д.
Таким образом, воронка показывает, какая конверсия между шагами (отношение пользователей на шаге N к пользователям на шаге N-1), позволяет выявить узкие места, где эта конверсия падает сильнее, чем на других шагах, – то есть в каком месте происходит самый большой отток пользователей.
Стоит еще раз отметить особенность воронки: хотя в основе ее лежат действия, совершаемые в продукте, строится она по количеству уникальных пользователей, эти действия совершивших.
Этот инструмент не зря называется воронкой, ведь количество пользователей на каждом шаге постепенно убывает. Сделать так, чтобы абсолютно все пользователи прошли все шаги воронки, вряд ли получится.
Вот пример одной из возможных последовательностей действий в воронке: пользователь открыл страницу приложения в магазине мобильных приложений → скачал приложение → совершил первый платеж → совершил второй платеж.
Воронка пользовательских действий
Получив результат воронки, можно выявить слабые места: места с наименьшей конверсией. В данном примере это совершение первого платежа после загрузки приложения. Конверсия на этом шаге наиболее низкая – всего 4 %. Затем, выявив это место и поэкспериментировав с ним, можно снова построить воронку и посмотреть, как изменения повлияли на конверсию.
При анализе результатов воронки нелишним будет дополнительно посчитать общую конверсию из первого шага в последний, поскольку в результате экспериментов конверсия может вырасти на одном шаге, но при этом упасть на последующих. Это может случиться, например, из-за привлечения нецелевого трафика.
Сравнение конверсий двух воронок
Поэтому при оптимизации шагов воронки стоит отслеживать конверсии всех шагов, а не только того, над которым ведется работа.
Также при анализе воронок можно применять к ним различные сегменты и сравнивать, например, как пользователи из разных стран или из разных каналов проходят один и тот же путь.
