У мобильных приложений есть метрики, которые поднимают настроение, но не отражают реальных результатов. Им можно радоваться, но нельзя понять, на верном ли вы пути, куда вы движетесь и зачем. К примеру, из-за карантина резко выросла популярность Zoom. В моменте к компании пришел неожиданный успех. Получится ли у нее удержать такое количество аудитории в дальнейшем — неизвестно, но метрики мобильного приложения кричат о позитиве.
Мы называем такие метрики мобильного приложения «метрики самолюбования». Они зависят от трендов, которые приходят и уходят. Если смотреть только на них, без анализа того, как каждая метрика реально влияет на бизнес, можно пойти не туда и получить совсем не то, ради чего вы делали приложение.
Приятные, но бесполезные метрики мобильного приложения
Количество скачиваний — наиболее распространенная метрика самолюбования для мобильных приложений. Она не привязывается к другим показателям. Из нее не получится понять внутреннюю динамику и сделать выводы об эффективности и результатах приложения. Пример: у вас есть приложение для тайм-менеджмента и управления ритуалами, и у него больше установок, чем у вашего прямого конкурента.
С одной стороны, ваш продукт может быть и вправду лучше, поэтому пользователи чаще выбирают вас. С другой, конкурента может быть меньший прирост новой аудитории, но лояльные пользователи не уходят, а пользуются продуктом долгие месяцы и годы, платят за подписку и покупают внутренние плюшки.
Охват аудитории (reach) — еще одна приятная, но мало полезная с точки зрения практик метрика мобильного приложения. Особенно популярна у маркетологов, которые показывают эффективность своей работы данными охвата. Вот только имеет смысл ограничить влияние охвата на стратегические бизнес-решения. Просто потому, что показатель приближенный и чем выше охват, тем менее релевантной получается аудитория.
Более того, reach иногда путают с Impressions — числом показов в ленте магазина приложений, тогда как охват — это количество уникальных пользователей за определенный период.
Средняя выручка в расчете на одного пользователя (ARPU) тоже относится к метрикам самолюбования. Изначально это эффективная метрика, но все портит подход к подсчёту. Деление общей выручки на число активных юзеров за определенный период не отражает полную картину. Практика показывает, что 50% всей выручки приносят 0,15% пользователей, а менее 40% юзеров пользуются продуктом больше 1 месяца. Правильнее использовать ARPU с привязкой к когортам. Тогда группировка пользователей по разным критериям поможет получить сведения по каждой группе. И это будет в разы ценнее.
Как использовать метрики правильно
Метрики самолюбования, несмотря на все их несовершенства, все же нужны. Их несложно понять, поэтому именно на них ориентируются инвесторы и владельцы приложения. Чтобы использовать их по-максимуму:
- Сравнивайте себя с конкурентами. Берите одни и те же метрики за одинаковый период, анализируйте их стратегии и результаты.
- Учитывайте тренды. Оценка эффективности мобильного приложения невозможна без учёта контекста. Сравните количество скачиваний с объемом трафика на странице продукта в маркете — это отразит эффективность описания и скриншотов. То же самое работает и другими показателями. Пример: двухминутная пользовательская сессия в приложении для коротких заметок — это хорошо. А если сессия пользователя длится 2 минуты в видеохостинге, то стоит задуматься.
- Сравнивайте количество скачиваний с числом удалений приложения.
- Нет — абсолютным величинам, да — соотношениям. К примеру, число скачиваний само по себе мало что даст. Но с его помощью можно посчитать CPI (сколько стоит одна установка приложения), затем CAC (цена привлечения пользователя, что состоит из CPI и конверсии нового пользователя в постоянного клиента.
- При сборе данных ориентируйтесь лишь на практическую пользу. Остальное отбрасывайте.
Базовые коммерческие метрики приложения
Базовые метрики мобильного приложения могут зависеть от типа продукта, но есть те, которые нужны всем. С их помощью отслеживают реальное положение дел, и они важны как для небольших проектов, так и для топов.
Пожизненная ценность клиента (LTV)
Lifetime value (пожизненная ценность клиента) показывает, сколько прибыли принесет разработчикам пользователь за все время взаимодействия с приложением. Метрика также учитывает, сколько было потрачено на рекламу и привлечение юзеров, конверсию и монетизацию приложения. LTV указывает на промахи и успехи продукта, демонстрирует, сколько бизнес тратит на привлечение и потерю клиента и даёт возможность делать прогнозы. Что помогает оценить шансы приложения на успех.
Жизненная ценность клиента обязана превышать стоимость привлечения клиента. Если клиент приносит столько же, сколько тратится на его привлечение — бизнес-модель неверна. Также LTV должен превышать CPA (цена одного целевого действия). Самостоятельно LTV рассчитывается по формуле LTV = ARPU + 1/Churn, где Churn является коэффициентом оттока.
Коэффициент удержания (Retention Rate)
В среднем в обоих сторах сейчас по 5 миллионов приложений. Разработчики непрерывно конкурируют за внимание пользователя, ведь по статистике, каждый пятый человек заходит в приложение лишь раз после скачивания. И забывает о программе. С помощью коэффициента удержания можно понять, как часто люди пользуются приложением после установки. От привычки использовать и возвращаться к приложению во многом зависит успех продукта. Что поможет увеличить коэффициент удержания:
- Создавайте такие приложения, использовать которые люди будут хотеть ежедневно;
- Сделайте знакомство с продуктом как можно проще;
- Используйте персонализированный подход к людям, добавляйте элементы геймификации;
- Побольше экспериментируйте и настройте пуши (не навязываясь и учитывая интересы и время активности клиентов).
Альтернативные методики оценки
Тепловые карты
Тепловые карты помогают узнать, как человек пользуется приложением: его взаимодействие с интерфейсом, жесты, клики. Можно выяснить, где концентрируется интерес и повысить конверсию с помощью призыва к действию в нужном месте.
ИИ-аналитика
Искусственный интеллект уже способен проводить тестирование приложения, делать исследование аудиторий и настройку персонализации, производить настройку и оптимизацию маркетинга. Инструменты машинного обучения также помогают прогнозировать в условиях недостатка данных. Часто они выполняют простые функции — сравнивают основные метрики двух продуктов за какое-то время. При этом освобождая разработчиков и аналитиков от рутины.
Поведенческая аналитика
Поведенческая аналитика помогает совершенствовать клиентский опыт — основу успеха приложения. Эта методика отвечает на вопрос «почему?». Почему клиент не закончил покупку, почему нужная аудитория не совершает целевые действия, почему пользователи не активны — поведенческий анализ сможет дать ответы на такого типа вопросы. Данные собираются и объединяются из разных мест, используя Product Intelligence-сервисы. Их использование даст неочевидные инсайты о ваших пользователях, что поможет улучшать приложение сразу всей командой.
