что такое aha момент
Первая сессия определяет почти всё, или как помочь пользователю полюбить вашу игру
В данной статье рассмотрю важность первой сессии пользователя, её влияние на последующие значения KPI проекта и способы оптимизации на реальных примерах из индустрии.
О важности первой сессии
Как выглядит обычный график retention? Обратимся, неожиданно даже для себя, к исследованию, датированному 1885 годом и посвящённому забыванию усвоенного материала. Дело в том, что обычный график retention имеет точно такой же вид, несмотря на 130 прошедших лет и на то, что речь идёт про другую сферу жизнедеятельности.
Как видно из графика, чем больше проходит времени, тем более вероятно, что пользователь останется на более долгий срок. Соответственно, чем меньше проходит времени от начала жизни пользователя, тем более вероятно, что пользователь покинет проект. Я веду к той мысли, что основная часть пользователей, покинувших проект, делает это в первые дни после первого посещения. Более того, в первый день. И ещё более того — в первую сессию. Именно поэтому первая сессия очень важна.
Если вы хотите оптимизировать, скажем, 28-дневный retention — начните с первой сессии пользователя. Её оптимизация увеличит 1-day retention, что, в свою очередь, увеличит 28-дневный retention и все последующие.
Согласно данным swrve, более 19% пользователей покидают игру сразу после первой сессии. Если же за первой сессией последовала вторая, то скорее всего последует и третья, и все остальные. Именно в свою первую сессию пользователь знакомится с продуктом, формирует о нём мнение. И ваша задача, чтобы первое мнение не стало последним. Расскажите пользователю о своем приложении, покажите преимущества этого приложения перед другими.
Изучите первую сессию наиболее активных пользователей
Подумайте, какие действия стоит выполнить пользователю, чтобы глубже понять ваш продукт и его преимущества. Это отлично иллюстрирует пример, описанный в блоге twoodo. Twoodo — это сервис для командной работы, и, чтобы улучшить свои показатели, они проделали следующие действия:
Данная, казалось бы, простая последовательность действий, привела к тому, что количество активных пользователей увеличилось на 75%, количество приглашенных друзей увеличилось на 112%, а количество сообщений и задач выросло на 139%. Стоит ли говорить, что и retention при этом также увеличился.
Например, сервис который я использую, позволяет выделить пользовательские сегменты по дате регистрации, по их активности, по выполнению какого-либо события, по регулярности входов:
Используя эти сегменты, можно анализировать выполнение различных событий во время первой сессии отдельно для наиболее и наименее активных пользователей.
Найдите свой aha-момент
Итерации лишними не бывают
Нет предела совершенству и retention — это такой показатель, который можно (и нужно) оптимизировать всегда. Не бойтесь сделать лишнюю итерацию и лишний A/B тест.
Это отлично демонстрирует пример Zeptolab. Перед тем, как игра King of Thieves вышла в её текущем виде, было предложено 120 идей, разработано порядка 50 прототипов. Лишь пять прототипов дошло до soft launch. И спустя два года, вышла одна-единственная игра. Поначалу однодневный retention составлял 26%, а семидневный — 9%. При этом 60% пользователей даже не доходило до мультиплеерной части игры. Очередные итерации, новые прототипы, добавление нового туториала, системы лиг, большой кнопки “Find a match”, и показатели существенно выросли: 1-day retention стал составлять невиданные 56%, а 7-days retention вырос до 32%. А LTV пользователя с момента первого soft launch вырос в 26 раз.
Оптимизируйте tutorial маленькими шагами
Вообще, формат туториала для первой сессии подходит удачно: обучаясь, пользователь одновременно понимает и интерфейс продукта, и его особенности. На этом этапе каждое минимальное действие пользователя важно для его будущей активности, поэтому мы рекомендуем логировать каждый, пусть даже небольшой, шаг пользователя в туториале.
Отчёт Tutorial steps в используемом мной сервисе позволяет увидеть те места, в которых пользователи испытывают наибольшие трудности:
Пример из личной практики
Один игровой проект решил улучшить свои показатели retention, как за 1 день, так и за 28 дней. Начинать было решено именно с оптимизации однодневного retention, а именно — с туториала. В туториале, который длится в среднем 15 минут, было выделено более ста (!) шагов, начиная от загрузки каждой текстуры и заканчивая убитой базой противника. Наибольший отток (churn rate) был зафиксирован в тех шагах, когда приложение обращалось к интернет-соединению. Поэтому было принято решение сделать туториал оффлайновым и замерить результаты.
Аha-момент, который помогает не терять посетителей сайта после их первого визита
Давид Арну, основатель командного таск-менеджера Twoodo, написал в корпоративном блоге колонку о том, как не потерять посетителя после его первого визита.
В рубрике Growth Hacks — перевод заметки.
Про aha-момент — момент, когда посетитель сайта внезапно осознаёт ценность продукта и принимает решение стать его пользователем — написано много лекций и статей. Мой кумир Джеймс Карриер из Ooga Labs (поработавший за 10 лет в 10 компаниях с 10 миллионами пользователей в каждой) рекомендует вкладывать не менее 50% ресурсов в сопровождение посетителей на сайте (а точнее, в то, что он называет первым пользовательским опытом).
Вам никогда не удастся завладеть вниманием пользователей больше, чем во время их первого визита на ваш сайт.
Сопровождайте их в этом путешествии, шаг за шагом, пока они не достигнут того, что называется «aha-моментом» или озарением. Здесь описывается несколько моментов, когда пользователь вдруг понимает ценность вашего предложения и может объяснить эту ценность другим.
Проблема в том, что наступление aha-момента трудно предугадать. Убедитесь, что вы можете доверять своим предположениям и что ваша интуиция вас не подводит. В этой статье я попытался рассказать, как мы решали эту проблему в Twoodo. Как нам удалось обнаружить наши моменты истины, несмотря на небольшое число посетителей и недостаточное количество надёжных данных.
Трудности с данными
Много лет я веду бесконечные споры о том, как определять aha-моменты. Я всегда считал, что компаниям с большим количеством посетителей это удаётся легче, чем тем, кто только недавно начал свою деятельность.
Если у вашей успешной компании миллионы посетителей в день и десятки тысяч зарегистрированных пользователей, вам хватит данных, чтобы обнаружить aha-момент. Я бы порекомендовал нанять специалиста, дать ему доступ ко всем вашим паролям и попросить его провести подробный корреляционный анализ, чтобы определить, какие действия пользователя на сайте с наибольшей вероятностью повлияют на его активность.
К сожалению, такую роскошь может себе позволить не каждая компания. Допустим, у вас нет профессионального аналитика, и вы не располагаете достаточным набором данных для его гениальных расчётов. Как тогда определить aha-моменты?
Тогда мы вычислим их вручную
Чтобы обнаружить aha-момент, не нужны сто тысяч пользователей. Однако вам потребуется хотя бы пара клиентов, которым вы по-настоящему нравитесь. Если на данный момент вы знаете 30 человек, которые действительно любят ваш продукт, используют его достаточно часто и преданы вам, я готов поспорить, что вы сможете найти ваш aha-момент.
Вот как это делается.
1. Идентифицируйте активных пользователей
В Twoodo мы использовали Mixpanel. Этот аналитический инструмент, регистрирующий действия пользователей, даст вам бесценную информацию о том, что они делают на вашем сайте (есть ещё альтернативная программа Kissmetrics). А главное: вы видите, что делают люди сразу же после того, как они заходят на ваш сайт.
Используя простые фильтры в аналитической таблице Mixpanel, мы смогли идентифицировать несколько «активных пользователей». Так я называю тех посетителей, которые зарегистрировались на нашем сайте и за четыре недели разместили не меньше 200 сообщений на Twoodo. Наш опыт показывает, что это явные признаки активного пользователя, который понял ценность нашего продукта и стал его приверженцем.
При этом я был настолько щепетилен, что не включил в список тех пользователей, которых пригласили друзья или коллеги, поскольку их восприятие нашей ценности могло быть необъективным.
Мне не хотелось бы показывать итоговую таблицу, так как она содержит реальные email-адреса. Скажу только, что в итоге получилось 42 профиля.
Итак, я решил узнать, какие действия совершали «активные пользователи» во время своего первого посещения сайта.
2. Выясните, что делал пользователь во время первого посещения вашего сайта
Поначалу мы просто выгрузили все регистрационные данные и шаг за шагом изучили первые визиты этих пользователей. Вот как это выглядело… смешно, правда?
Через несколько дней такой работы мы решили выгрузить эти данные в Excel, чтобы хоть немного облегчить процесс, но Mixpanel спас нас от этого. Другая проблема ручного подсчёта состояла в том, что мы могли отследить действия только на сервере и не могли видеть их в браузере. Но идея в обоих случаях была одна и та же.
Подбадривайте пользователя на всём протяжении его первого путешествия, шаг за шагом. Это долгое и затратное дело, но если подойти к нему с умом, вы начнёте двигаться в правильном направлении.
Благодаря таким инструментам, как Mixpanel и Kissmetrics, всё стало гораздо проще. Все действия пользователя имели окрашенные коды и выпадающие меню со всеми параметрами. На этом рисунке вы видите, что делал пользователь во время его первого визита. Это скриншот первых минут и часов его пребывания на сайте. Просматривая по очереди каждое действие, вы можете воссоздать его путь.
3. Воссоздайте его путь
Теперь нужно выделить и записать самые важные шаги. Вот что у меня получилось:
А дальше — посмотрим, что делал посетитель, поймавший aha-момент
Затем я проделал то же самое с 42 «активными пользователями». На рисунке приведён фрагмент того, что у меня получилось. В каждой колонке содержится одно действие.
4. Запусти это для тех посетителей, которые не испытали aha-момент
После того, как я посмотрел 42 профиля, я начал понимать, какие именно действия заставляли наших пользователей возвращаться. Мы выделили семь действий, которые совершили почти все наши активные пользователи.
Некоторые из этих действий, такие как настройка темы или приглашение других людей посетить сайт, оказались для нас неожиданными. Затем мы долго спорили по поводу корреляции и причинно-следственных связей.
Это навело нас на мысль провести через эти действия тех 50 пользователей, которых мы считали потерянными.
Я имею в виду пользователей, которые, зарегистрировавшись на сайте, никогда больше не возвращались, а также тех, кто покинул сайт через несколько дней его использования. Идея состояла в том, чтобы сравнить активных пользователей с «потерянными» и понять, в чём заключается разница между ними.
5. Почувствуйте разницу
Итак, что же делали активные пользователи и чего не делали пропавшие без вести посетители сайта?
Мы быстро воссоздали точную картину действий, которые предпринимали активные и игнорировали «потерянные» пользователи.
6. Встройте эти действия в свой сайт
Основываясь на полученной информации, мы создали В-версию сопровождения, которая должна была вести наших новых посетителей шаг за шагом по этому маршруту, устраняя любые препятствия и их собственное сопротивление.
Мы передвинули предложение «пригласить людей в свою компанию» намного выше в нашей воронке вовлечения.
Мы убедились, что все посетители вводят свои имя и фамилию.
Мы стали предлагать посетителям сайта сразу же создавать список задач, шаг за шагом, в игровой форме.
7. Проведите А/В тестирование
Затем мы запустили А/В-тестирование, чтобы проверить, не сделали ли мы серьёзную ошибку. Мы проводили тестирование в течение 3 недель.
Результаты были поразительными. Используя В-версию, мы получили 75% рост активных пользователей. Более того, новые пользователи пригласили на платформу на 112% больше людей, чем раньше. Они также размещали на 139% больше сообщений и задач во время своих первых визитов. Позднее мы обнаружили, что активные пользователи дольше оставались с нами*.
Конечно, мы были очень осторожны, поэтому пропустили эти данные через статистический калькулятор. К счастью, версии А и В имели такую разницу в конверсии, что нам не понадобилось проводить тестирование слишком долго (хватило 2,5 недель), чтобы получить статистически значимые результаты.
«Aha-момент»: Когда посетитель становится активным пользователем
Главный аналитик компании Mode Бенн Стенсил написал в корпоративном блоге материал про «aha-момент» — когда пользователь осознает ценность продукта и принимает решение остаться его постоянным посетителем. На примере Facebook Стенсил рассказал, как определить «aha-момент» для собственного проекта, какие метрики использовать и какие выводы делать. В рубрике Growth Hacks — перевод заметки.
Многие ведущие технологические компании утверждают, что так называемые «aha-моменты» — мгновения, когда пользователь осознает ценность их продукта — являются ключевыми для роста компании. В частности, Чамат Палихапития заявил, что aha-момент Facebook — возможность завести до семи друзей в течение 10 дней — является путеводной звездой для Facebook на пути к одному миллиарду пользователей.
Twitter, Dropbox и Zynga уже подчеркивали важность простых метрических данных, а компания Slack, которая в настоящее время является олицетворением быстрого роста, недавно поделилась своими данными.
Как и многие другие стартапы, мы задались целью отыскать собственный «момент озарения». И мы выяснили, что эти aha-моменты в меньшей степени связаны с продвинутой аналитикой, и в большей — с простой математикой и убедительным посланием. Вот наш рецепт.
«7 друзей за 10 дней» — простота, не наука
Известно, что в своей книге «Гении и аутсайдеры» Малькольм Гладуэлл заявил, что для того, чтобы стать экспертом в каком-то деле, требуется всего лишь 10 тысяч часов практики. Это заявление предполагало, что к успеху существует простая, измеримая дорога.
Критики обвиняли его в том, что эта идея вводит людей в заблуждение. Они утверждали, что Гладуэлл преуменьшил важность врожденных способностей или интеллекта. То, на что у одаренного человека уйдет 2 тысячи часов, у менее одаренного может занять 20 тысяч.
Так что заявленные Гладуэллом 10 тысяч часов не являются каким-то магическим порогом; это просто запоминающееся среднее арифметическое, которое было вычислено путем сравнения способностей различных людей (а в случае Гладуэлла количество людей вообще было небольшим).
Подобно идее Гладуэлла о 10 тысячах часов, aha-моменты также смешивают различные опыты в одно усредненное число. В результате, их не стоит рассматривать как научную точку зрения; они скорее являются округленными числами взятыми из самой середины области возможных значений.
Таким образом, один пользователь Facebook может привязаться к соцсети после того как найдет четырех друзей за 20 дней, а другой втянется после того, как найдет 10 друзей за два часа. Но смысл в том, что это как раз не ошибка.
Решение Facebook определить их aha-момент так просто, предполагает, что они не пытались оптимизировать его, не хотели сделать его предельно точным. Другие «моменты озарения» — 30 читателей, одна загрузка файла, 2 тысячи сообщений — созданы по той же модели: они делают акцент на простоте, а не научном подходе. Почему? Потому что aha-моменты нужны не для точности, но для того, чтобы определить базовые принципы и достойный слоган для целой компании.
По словам Палихапития, в Facebook «больше ни о чем не говорили», они сконцентрировались исключительно на семи друзьях за 10 дней. Этот фокус может стать очень ценным, но только если будет привязан к показателям, которые представляют ценность для потребителя.
Все дело в удержании
На самом деле «aha-момент» — неправильное название. Это не момент. Это набор действий, который помогает отделить тех покупателей, которые ценят ваш продукт, от тех, которые не ценят. Покупатели, которые считают ваш продукт ценным — возвращаются.
Если вы поймете, какие действия отделяют оставшихся пользователей от потерянных, вы поймете что именно является потребительской ценностью, и вычислите таким образом свой «момент озарения».
Расположенные ниже диаграммы Венна показывают, что именно мы ищем — а ищем мы то действие, которое совершается большинством оставшихся пользователей, и не совершенное теми, кто ушел.
Например, давайте рассмотрим приложение, которое позволяет пользователям, среди прочего, отправлять сообщения. Пользователи, которые отправляют, скажем, восемь сообщений, обычно остаются, но большинство оставшихся пользователей не отправило восемь сообщений.
Те пользователи, которые отправляют одно сообщение имеют противоположную проблему: почти каждый оставшийся пользователь отправил одно сообщение, но тоже самое сделали и многие из тех, кто ушел.
В aha-момент большая часть одного круга должна пересекаться с большей частью другого.
Найдите то, что стимулирует пользователя остаться с вашим продуктом
Начните, хотя бы, с выборки тех действий, которые на ваш взгляд могут быть важными. Это может быть количество сообщений, отправляемых пользователем, то, скольких людей пользователи читают, количество раз, когда пользователь логинится в вашем приложении или что-то другое, что может дать вам понять, что пользователям нравится ваш продукт.
Проверьте, как показатель удержания пользователей меняется в зависимости от изменений использования той или иной тестируемой функции. График ниже (он создан на основе выборочных данных) показывает зависимость уровня удержания пользователей от количества сообщений, отправленных этими людьми в первую неделю использования приложения.
Согласно этим данным 28,8% пользователей, которые отправляют одно или более сообщений остаются, те пользователи, которые отправили два сообщения, остаются в 42,4% случаев. Пользователи, которые отправили не менее десяти сообщений, остаются в очень большом количестве случаев — 91,7%.
Очень заманчиво сделать вывод, что продукт должен стимулировать пользователей отправлять не менее восьми сообщений. Но если вернуться к диаграмме Венна, то приведенные выше данные показывают только то, сколько людей находящихся в оранжевом круге («предпринявшие действие») также находятся и в бирюзовом круге («оставшиеся»). В этих данных может быть много пользователей, которые остались, но при этом не отправили восемь сообщений.
Следующий график, который показывает количество пользователей отправивших сообщения, как раз раскрывает суть проблемы: довольно мало людей отправило восемь сообщений.
Что важно, проблема, показанная здесь, не заключается в небольшом количестве пользователей, участвовавших в примере. Если продукт широко используется, то в самых маленьких графах все равно будут сотни тысяч пользователей, а это уже гораздо больше, чем требуется для достижения «статистического уровня значимости».
Большей проблемой является то, что большинство оставшихся людей не отправляло восемь сообщений. Третий график, расположенный ниже, показывает сколько людей ушло. Здесь четко видно — тех, кто остался и при этом не отправил восемь сообщений (красный столбец) гораздо больше, чем тех, кто остался и отправил восемь сообщений (фиолетовый столбец).
Ну и наконец, последний график показывает стилизованную версию диаграмм Венна. Чем больше фиолетовый столбец, тем больше наложение между действием и сохранением пользователя. Какой можно сделать вывод? Постарайтесь заполучить пользователей, которые отправят два сообщения.
Разрывайте установленные связи
Необходимо заметить, что в интернете соотношение не подразумевает причинную связь. И да, приведенный выше анализ выявляет соотношения. Но если у вас есть соотношения, то это уже хорошее начало.
Как только вы понимаете, что сильнее всего соотносится с сохранением пользователей, вы можете стимулировать пользователей к тому, чтобы они предприняли нужное вам действие. Если связь случайная, то больше людей останется и ваше соотношение сохранится. Если не случайная, люди будут совершать действие, но вы не получите больший процент оставшихся.
В результате, первоначальное соотношение может разрушиться, но оно уступит дорогу другой характеристике, которая будет соотнесена с удержанием пользователей сильнее, чем прежняя. Тогда забудьте старые данные и повторяйте до тех пор, пока соотношение не будет закреплено.
Чтобы понять как это работает, представьте себе, что аналитик в Facebook выяснил, что отправка двух сообщений очень сильно связана с удержанием пользователей. Возможно, что оправка двух сообщений показывает им лучшие свойства чата в Facebook, а это в свою очередь привязывает их к продукту. Но возможно также, что людям нравится Facebook по каким-то другим причинам, и они отправляют сообщения потому, что уже и так пользуются Facebook.
Если Facebook хотел бы протестировать идею, что отправка сообщений стимулирует сохранение пользователей, то они могли бы поместить на свою домашнюю страницу большую кнопку с надписью «Общайтесь со своими друзьями». Скорее всего это бы увеличило количество отправляемых сообщений, и если отправка сообщений в самом деле влияла на удержание, то уровень оставшихся пользователей тоже бы возрос.
Но если бы отправка сообщений только соотносилась бы с сохранением пользователей, то такие действия мало бы повлияли на количество оставшихся пользователей, и соотношение бы начало разрушаться. Тогда Facebook мог бы вычеркнуть эту идею из списка, и начать тестировать другие свойства.
Как только вы находите соотношение, которое не нарушается, запоминайте его. Aha-моменты заключаются не в точности, но в том, что вы можете убедиться, что ваш продукт и ваша команда никогда не упустите из вида базовые ценности.
Пользуйтесь опросниками
Те четыре графика появились в результате анализа, который мы проводили внутри Mode. Мы решили сделать их результаты общедоступными, чтобы вы могли ознакомиться с проделанной нами работой и применить ее к своему продукту.
Этот вспомогательный документ содержит детальные комментарии о том, как адаптировать наш анализ под ваши данные. Отчет построен на общей структуре данных, которая должна подойти большинству компаний. Требуются только табличные данные о пользователях, о тестируемых действиях и база данных SQL. Если у вас есть все данные, то вам надо просто распределить их в своем опроснике; остальное должно сработать без каких-либо дополнительных модификаций.