«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.

#самизнаетекакиекнопки

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.