На данном этапе вы уже знаете, как работать с удержанием текущих и новых пользователей. Настало время последнего этапа жизненного цикла удержания — вернувшихся пользователей.

Вернувшийся пользователь — тот, кто вернулся после периода неактивности или бездействует в течение периода времени. При обсуждении стратегий по работе с удержанием часто забывают про этот сегмент пользователей, и все же в работе с ним есть потенциал для улучшения общего удержания продукта и количества активных юзеров.

Только представьте: все пользователи, которые перестали пользоваться вашим продуктом, потенциально могут стать вернувшимися. Для большинства компаний это огромная группа людей.

Плюс вы уже привлекли этих пользователей. Это значит, что ваши шансы вернуть их в продукт выше чем заставить нового пользователя впервые попробовать продукт. Часто это также требует меньше ресурсов, в том числе финансовых.

Возвращение неактивных пользователей поможет выпрямить кривую удержания и повысить границу активных пользователей.

Не возвращайте в пустой продукт

Подумайте — что видят пользователи, когда возвращаются в ваш продукт после периода неактивности? Если пустота на экране и никаких элементов для взаимодействия, они могу просто закрыть приложение и никогда не вернуться.

Ниже показаны два скриншота. На первом видно, что у пользователя нет сообщений и при этом нет элементов для взаимодействия. На втором — приложение для путешествий с пустым списком направлений, но экран подталкивает пользователя к действию запланировать путешествие и даже предлагает уместную скидку.

Думайте о пустом экране как о возможности вовлечь пользователя в продукт. Например, приложение на первом скриншоте можно было бы добавить кнопку отправки сообщения кому-нибудь из друзей.

Еще один пример из мобильной игры: приложение Words with Friends (популярная игра от Zynga наподобие Scrabble) для игры в слова с друзьями в реальном времени.

У пользователей, которые долго не заходили в приложение, нет активных игр, поэтому, когда они зайдут в приложение снова, у них не будет возможность сразу вовлечься в игру. Команда игры поняла, что из-за этого большинство вернувшихся пользователей не получают ожидаемого опыта и больше не возвращаются в приложение. Тогда они решили посылать уведомления друзьям вернувшегося пользователя, предлагая пригласить его в игру. Таким образом, когда пользователь возвращается, у него уже есть приглашения в игру и он с большей вероятностью начнет снова пользоваться приложением.

Качественный пользовательский опыт для вернувшихся пользователей важен при работе с вернувшимися пользователями. Это может тем самым фактором, который сделает их текущими.

Давайте посмотрим на потенциальный пул вернувшихся пользователей.

Любой, кто использовал ваш продукт в прошлом, но не использует его в текущем периоде анализа, является потенциальным вернувшимся пользователем.

Практический способ оценить величину этой возможности — это рассчитать количество людей, которые использовали ваш продукт за предыдущие 6 месяцев, но не использовали его в текущем периоде. В зависимости от типа продукта, интервала использования и сезонности вашего продукта, вы можете выбрать срок дольше или короче 6 месяцев, но 6 месяцев — хороший срок для начала.

В Amplitude вы можете рассчитать эту группу пользователей, определив поведенческие когорты. Если рассматривать период времени между 3 и 9 июля 2016 года, можно создать когорту пользователей, которые были активны в любое время за последние 6 месяцев, но не активны на данной неделе:

Возвращаясь к нашему примеру, данный продукт имеет 1,3 миллиона потенциальных вернувшихся пользователей. Взгляните на это с точки зрения возможности приобретения. У этой компании есть 1,3 миллиона человек, которые загрузили приложение за последние 6 месяцев, но в настоящее время неактивны. Это люди, которых можно попытаться вовлечь с помощью своевременного push-уведомления или электронной почты, с ними намного легче связаться, чем с потенциальными новыми пользователями, на приобретение которых тратятся деньги.

Следующим шагом является определение любых измеримых триггеров возвращения.

Это могут быть push-уведомления или электронные письма, которые вы отправляете своим пользователям — например, если у вас уже есть какие-то кампании по повторному привлечению пользователей, нацеленных на пользователей, которые неактивны в течение некоторого времени.

Если в вашем продукте есть социальный компонент, эти уведомления могут быть основаны на действиях друзей пользователей или в сети (например, уведомление, которое вы получаете, когда кто-то упоминает вас в Twitter).

Ваш продукт также может иметь триггеры, которые совпадают с внешними факторами, такими как праздники, спортивные мероприятия или погода. Например, вы замечаете, что больше пользователей размещают заказы в приложении по требованию в течение недели, когда идет сильный снег, потому что в это время люди менее склонны выходить на улицу и делать обычные покупки. Эти факторы сложно подтвердить в ваших данных, но каждый раз, когда вы замечаете всплески или спады в использовании, не стоит забывать о внешних факторах, влияющих на ваших пользователей.

Для вернувшихся пользователей мы хотим определить любые внешние триггеры, которые могут вернуть их в продукт. Определив их, мы сможем измерить, насколько они эффективны при повторном привлечении пользователей, и подумать о способах улучшения этих триггеров.

Вот несколько способов определить триггеры:

• Если у вас есть веб-сайт или веб-приложение, посмотрите на параметры сессии UTM и данные референта для поиска общих источников, таких как email-кампания или реклама.

• Если вы выполняете кластерный анализ, чтобы определить поведенческие персоны, как мы сделали в предыдущем разделе с функцией Personas, вы можете искать события, которые могли спровоцировать возвращение, в каждом кластере.

• Анализ путей вернувшихся пользователей с помощью Pathfinder от Amplitude или аналогичной визуализации пути также может пролить свет на то, почему пользователи возвращаются.

Как только вы определите потенциальные триггеры, сравните последующие метрики, такие как критическая скорость конверсии воронки и долгосрочное удержание пользователей, которые получают эти триггеры. Это позволит вам понять, оказывают ли они желаемый эффект.

Пример: Влияние e-mail рассылки со скидкой

В приложении для доставки выделили персону «искупительной скидки». Эти скидки отправляются по электронной почте множеству пользователей, которые неактивны (не выполнили заказ) в течение некоторого времени.

В компании создали поведенческую когорту вернувшихся пользователей, получивших специальное предложение, и обнаружили, что 22% всех вернувшихся пользователей получили скидку.

Когда сравнили критические коэффициенты конверсии воронки для вернувшихся пользователей, получивших специальное предложение, и тех, кто его не получил, мы обнаружили огромную разницу: 94,5% вернувшихся пользователя, получивших специальное предложение, выполнили заказ, по сравнению с 26,5% остальными вернувшимися пользователями.

По сути, почти каждый пользователь, который вернулся в приложение после получения скидки, завершил заказ. Команда также изучила коэффициент конверсии от получения скидки до запуска приложения и обнаружила, что 58% пользователей, получивших предложение со скидкой, запускают приложение в течение 7 дней.

Теперь, когда компания узнала, что специальное предложение эффективно побуждает людей вернуться и разместить заказ, она захотела посмотреть на долгосрочные последствия. Возвращаются ли пользователи со специальным предложением только один раз или продолжают размещать заказы с течением времени?

Вывод: очевидно, что программа скидок оказывает значительное долгосрочное влияние на увеличение покупок. Компания решила попробовать распространить эту программу на большее количество неактивных пользователей, чтобы способствовать их возвращению.

Не перестарайтесь с push-уведомлениями

У вас может возникнуть соблазн разбудить бездействующих пользователей уведомлениями или электронными письмами, но есть вероятность, что они не будут эффективными и будут только раздражать ваших пользователей, заставляя их отказаться от подписки или, что еще хуже, прекратить использовать ваш продукт навсегда.

Помните, что внешние триггеры, такие как push-уведомления, должны быть синхронизированы с внутренними триггерами пользователя и существующим поведением. Уведомления работают лучше всего, когда они перенаправляют существующие эмоции или поведение на ваш продукт. А еще лучше, когда вы можете персонализировать их на основе того, что вы знаете о пользователе — будь то настройки, которые они установили, или предыдущие действия, которые они предприняли.

Напомним, критическое событие вашего приложения — это действие пользователя, которое показывает, что пользователь действительно использует ваш продукт и извлекает из него ценность (например, завершение игры, размещение заказа, воспроизведение песни).

Анализируя вернувшихся пользователей, убедитесь, что вы понимаете, кто из них выполняет критическое событие, а кто просто возвращается к продукту.

Сравнение критических событий и их свойств поможет вам выяснить, есть ли у вернувшихся пользователей определенные модели поведения и выполняют ли они эти события с другой частотой, в отличие от текущих пользователей. Это может помочь вам определить:

• Стоит ли концентрировать свои усилия на возвращении бездействующих пользователей с точки зрения удержания или монетизации.

• Существует ли нечто уникальное в поведении вернувшихся пользователей, что вы можете использовать, чтобы улучшить их опыт при возвращении.

Пример

Рассмотрим приложения для записи на тренировки. Его критическое событие: записаться на тренировку. На графике можно увидеть процент дневных активных пользователей, которые выполнили критическое событие, среди новых, текущих и вернувшихся пользователей. У вернувшихся пользователей самый низкое значение.

На графике видно, что этот показатель выполнения критического события в разных группах примерно соотноситься с дневной активностью — и все же вернувшиеся пользователи меньше записываются на тренировки.

Другой способ посмотреть на вовлеченность — измерить частоту выполнений критического события каждым пользователем.

Сравнение важных свойств события

Число записей на тренировки — это важная метрика для компании, однако конечная цель — это прибыль. Чтобы посмотреть распределение средней цены тренировки в Amplitude, используем свойство “Средняя цена покупки” у события “Записаться на тренировку”. График средней стоимости тренировки показывает, что вернувшиеся пользователи в среднем тратят больше чем новые.

Вывод: Несмотря на то, что новые пользователи чаще записываются на тренировки, вернувшиеся тратят больше. У данной компании большой пул неактивных пользователей и ей следует сфокусироваться на возвращении пользователей.