Как использовать воронки

С помощью воронки можно исследовать совершенно разные процессы в продукте: от совершения покупки до прохождения туториала. И то, и то – последовательности шагов, которые проходят далеко не все пользователи.

Воронка из установки приложения в совершение платежа

Также с помощью воронок можно оценивать эффективность email-рассылок, сравнивать источники трафика, оценивать прохождение пользователями этапов или уровней игры и любых других процессов в приложении, влияющих на монетизацию и вовлеченность пользователей. Воронка – отличный инструмент, чтобы оптимизировать путь пользователей к цели, повысить их заинтересованность в продукте, предотвратить отток и тем самым повысить финансовые показатели проекта.

Профили пользователей

Все мы с вами читали книжки про Шерлока Холмса и помним его индуктивный метод. На всякий случай напомню: индукция – переход от частного к общему. Противоположностью является дедукция – от общего к частному.

До недавнего времени большинство аналитических систем предполагали работу по дедуктивному методу: анализируя всех пользователей сразу, делается вывод о поведении каждого конкретного пользователя. Это не неправильно, однако для более точных выводов стоит применять индуктивный метод тоже (недаром Шерлок Холмс предпочитал именно его).

И сегодня мы рады представить новый функционал аналитических систем, который как раз способствует индуктивному методу. Это профили пользователей.

Если вы хотите глубже понимать свой проект, вы встраиваете в него аналитику и начинаете видеть метрики (DAU, ARPU, LTV и т. д.) и отчеты. Значит ли это, что вы понимаете проект, над которым работаете? Не совсем. Да, вы можете делать выводы о поведении большинства, однако взглянуть на проект глазами конкретного пользователя у вас не получится.

Чтобы увидеть продукт глазами пользователя, желательно видеть, как конкретный пользователь использует ваш продукт, что он делает, с какими проблемами сталкивается, понимает ли он суть вашего продукта. Если вы будете видеть каждого пользователя и знать, какие действия он совершает внутри продукта, вы сможете лучше понять его.

И, проанализировав таким образом N пользователей, вы уже сможете понять вашего пользователя и сгенерировать достаточно гипотез об улучшении продукта – не меньше, нежели по итогам анализа метрик по всем пользователям сразу. Практика показывает, что N при этом не обязательно должно быть большим: при детальном изучении уже на третьем пользователе вы формируете какие-то гипотезы, на пятом – формулируете проблемы, а на десятом в вашей голове созревают технические задания на изменение продукта.

Профили пользователей в системе Amplitude

Те из вас, кто смотрел фильм «Игра на понижение», помнят, как персонаж Кристиана Бейла изучает огромную таблицу с ипотечными кредитами и находит в ней признаки грядущего финансового кризиса. Банки (привыкшие анализировать всех разом, а не пользователей по отдельности) ему не верят и оказываются в проигрыше. Чем не яркий пример такого рода анализа?

Из чего состоит профиль пользователя?

Во-первых, это информация, собираемая аналитической системой по умолчанию:

– дата установки;

– язык;

– страна;

– часовой пояс;

– девайс;

– версия ОС;

– источник трафика;

– версия приложения;

– и т. д.

Имея эту информацию, вы уже сможете фильтровать пользователей по тем или иным параметрам, создавать сегменты и в дальнейшем отслеживать их поведение. Допустим, выбрать всех пользователей с iPad, всех из Франции, всех пришедших с Facebook, всех использующих предыдущую версию приложения – и т. д. Фильтры можно комбинировать, чтобы ориентироваться на точечно выбранную аудиторию: англоговорящие пользователи из Западной Европы, пользующиеся новой версией приложения и зарегистрированные в сервисе не более двух месяцев назад.

Профиль пользователя в системе devtodev

Во-вторых, в профилях хранится информация о платежах пользователя: когда он заплатил, сколько и за что. Вы будто попадаете на его место и начинаете лучше понимать его мотивы: почему он купил именно этот IAP, почему между платежами прошло столько-то времени, и т. д.

Информация о платежах в профиле пользователя в devtodev

Без профилей пользователей вы могли видеть монетизационные метрики, статистику покупок – и это, безусловно, очень полезная информация. Однако более глубинное понимание достигается именно за счет попадания на место игрока.

В-третьих, профиль пользователя включает в себя статистику событий (Custom Events), которые пользователь выполнял в проекте. Вы начинаете видеть их последовательность, будто смотрите видео о том, как конкретный человек пользуется вашим продуктом. С помощью такого анализа можно ответить на следующие вопросы.

– Какое событие обычно следует после события A?

– Какое событие предшествует событию B?

– Все ли пользователи выполняют событие C после события D? Или же уходят на событие E?

– Какие события предшествуют уходу пользователя из проекта?

– И т. д.

История событий, совершенных пользователем, в системе devtodev

Профили пользователей в системе MixPanel

Можно, к примеру, выбрать всех пользователей, входивших в магазин приложения (совершавших событие «Вход в магазин»), и посмотреть, какие события этому предшествовали и каким было поведение пользователя после входа в магазин. Таким образом, вы начнете лучше понимать конверсию пользователя и в интерес к покупке, и в начало покупки, и в итоге – в успешный платеж.

Наконец, профиль пользователя включает в себя User Properties, которые определяете вы сами. Это может быть что угодно: уровень в игре, код группы при проведении A/B-теста, классификация по платежной активности (Minnow/Dolphin/Whale) и т. д.

На все проекты стандартных методов не напасешься, и наиболее правильная тактика аналитической системы – сформировать универсальный набор полезных параметров для отслеживания и оставить клиенту возможность самостоятельно выбрать для анализа любой другой параметр его пользователя.

В чем практическая польза наличия профилей пользователей в системе аналитики?

– Как я уже говорил, возможность анализа «наоборот», или индуктивного анализа, если хотите. Вы смотрите поведение конкретных пользователей и начинаете лучше понимать, что они чувствуют, используя ваш продукт. В общем-то все, что писалось выше, как раз про эту функцию и говорит.

– Помимо этого, некоторые системы позволяют отправлять выбранным пользователям push-уведомления. Вы видите, что пользователь застрял на уровне, и отправляете ему уведомление с подсказкой, как этот уровень пройти. Затем вы замечаете, что он не один такой, и много пользователей застревают на одном и том же уровне, а потом уходят, и их нет уже в среднем семь дней. Вы пишете постановку на упрощение уровня (вы ведь хотите, чтобы ваши пользователи не уходили?), а пока всем застрявшим вы можете отправить push-уведомление с подсказкой. А тем, кто не входил в игру семь дней и больше, вы можете послать небольшой бонус в виртуальной валюте – это тоже можно сделать с помощью push-уведомлений, воспользовавшись передаваемыми параметрами.

Отправка push-уведомлений пользователям системы devtodev

– С помощью профилей пользователей очень легко тестировать интеграцию аналитической системы. Вообще, интеграция аналитики – процесс нетрудный, но достаточно кропотливый: надо сформировать набор событий, четко понимать, что их будет достаточно для последующих выводов. И когда интеграция закончена, не помешало бы ее протестировать. И здесь профили пользователей и работа аналитики в реальном времени будут хорошим подспорьем: вы самостоятельно открываете приложение, совершаете цепочку событий, затем находите в аналитике свой профиль и просто смотрите, правильно ли передались события с параметрами. Если же аналитику правильно не протестировать, то итерация на исправление может занять от недели до месяца.

– Доверие. Допустим, аналитическая система что-то вам посчитала (допустим, ARPU = $0,2), и вы не знаете, как это значение было получено и можно ли ему доверять. Как представитель аналитической системы скажу, что доверять можно, однако я сам прекрасно понимаю людей, которые испытывают некое недоверие к системе, считая ее черным ящиком. Часто людям, работающим с данными, хочется самим выгрузить данные и перепроверить все руками. Наличие профилей пользователей увеличивает доверие к системе аналитики: вы видите не голые цифры, а данные по каждому пользователю отдельно. Ну а возможность выгрузки данных как раз дает возможность особенно недоверчивым выгрузить данные и посчитать все самим. Поэтому наличие профилей пользователей взаимовыгодно и для клиента, и для самой аналитической системы.

Таким образом, наличие профилей пользователей существенно упрощает жизнь и клиенту аналитической системы, и самой системе. У клиента появляется больше возможностей, и главная из них – это возможность индуктивного анализа (анализа «наоборот»), а система получает еще больше доверия клиента.