Аha-момент: Как 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:

Зарегистрировался с ПК (не с мобильного устройства).
Добавил своё имя и фамилию.
Загрузил своё изображение.
Закончил осматривать сайт.
Создал компанию и её логотип.
Разместил 17 сообщений.
9 из них включали задания.
Просмотрел календарь.
Просмотрел задачи.
Добавил задачи в свой календарь.
Настроил свою тему.
В следующие три дня после регистрации заходил на сайт ещё 6 раз.

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.

Пригласили, по крайней мере, по два человека во время своего первого визита (даже раньше, чем протестировали продукт — этого мы не могли предвидеть).
Ввели свои имена и фамилии.
Загрузили изображение в свой профиль.
Почти все загрузили логотип компании.
В первый визит создали не меньше 5 задач.
Постоянно возвращались в приложение на протяжении хотя бы 7 дней.
Просматривали задачи или календарь.

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.