Що таке активація користувачів, як порахувати activation rate і як знайти свій aha-момент на власних даних, не потрапивши в пастку зміщення відбору.
Автор: Sergey BruhОпубліковано 8 хв читання
Безкоштовний курс для продактів і маркетологів: короткі уроки, реальні продуктові дані та вправи з миттєвим фідбеком.
Почати безкоштовний курсАктивація користувачів — це момент, коли новий користувач уперше отримує основну цінність продукту (його часто називають aha-моментом), а activation rate — частка нових користувачів, які дійшли до нього в межах заданого часу після реєстрації. Activation rate = нові користувачі, що виконали критерій активації в межах часової межі ÷ усі нові користувачі, які могли його виконати × 100 %. Формула проста, уся робота — у критерії. Добрий критерій — це конкретна дія плюс дедлайн («у групі з'явився другий учасник до шостого дня»), обрана тому, що ті, хто до неї дійшов, продовжують повертатися. Нижче — як знайти таку дію у своїх даних, як зважити кандидатів і чому знайдена різниця ще не є доказом.
Активація стоїть між реєстрацією й утриманням. Реєстрація каже, що людині було цікаво. Утримання — що вона знайшла тривалу цінність. Активація — перший момент цієї цінності, після якого людина набагато ймовірніше лишиться. Продуктові команди часто називають його aha-моментом.
Робочий критерій активації має три частини:
«Отримав цінність» чи «залучився» — не критерій. «Створив три нотатки у два різні дні за перший тиждень» — критерій. Для командного інструмента це може бути «запросив двох колег і завершив одне спільне завдання за 7 днів», для магазину — «зробив друге замовлення протягом 30 днів».
Важливі дві деталі:
Halves — вигаданий застосунок, у якому сусіди по квартирі, пари й друзі в поїздках ділять спільні витрати. Продуктова лідерка хоче одну ціль для команди онбордингу: момент, коли Halves «заходить». Ось як його шукати.
Крок 1: оберіть результат. Нам потрібні люди, які лишаються й пізніше. Тут — відкрили застосунок хоча б раз у дні 21–27 (четвертий тиждень). Беремо 2 000 липневих реєстрацій, які всі вже дожили до четвертого тижня. З них 600 були активні на четвертому тижні: базовий рівень 30,0 %.
Крок 2: складіть список дій-кандидатів у дні 0–6, виходячи з того, у чому, на вашу думку, основна цінність:
Крок 3: поділіть людей на тих, хто зробив дію, і тих, хто ні, та порівняйте утримання на четвертому тижні.
Як рахується кожен стовпчик, на прикладі B: до нього дійшли 900 людей, 468 з них були активні на четвертому тижні, тобто . Решта 1 100 мали разом 132 активних, . Різниця — 40,0 відсоткового пункту. А з 600 активних на четвертому тижні до B дійшли 468: усіх утриманих.
Таблиця показує компроміс, у який упирається кожен аналіз активації:
A — протилежний випадок: це роблять більшість, але навіть серед них лишається менше половини. Це крок на шляху, а не той самий момент.
B тут — збалансований вибір: різниця 40 пунктів, до нього доходять 45 % людей, і він покриває 78 % усіх, хто лишився. Він ще й відповідає суті продукту: щоб ділити рахунки, потрібна друга людина. Тож пропонований критерій — «другий учасник у групі до шостого дня», а activation rate у липні — .
D теж корисний, але як пізніша віха «активного користувача», а не як ціль активації.
Хочеться зробити висновок: «Підштовхнімо всіх до другого учасника, і утримання на четвертому тижні підскочить з 12 % до 52 %». Не підскочить, принаймні не настільки.
Ніхто не призначав цим людям дійти до B. Вони дійшли самі, а ті, хто сам обирає дію, можуть відрізнятися так, що лишилися б і без неї. Це зміщення відбору (selection bias). У Halves його легко побачити. З 2 000 людей 600 прийшли за запрошенням друга, тож усі вони досягли B у момент реєстрації. Вони прийшли, бо хтось уже ділить із ними рахунки, і 55 % з них були активні на четвертому тижні незалежно від будь-якого онбордингу.
Тепер подивімося лише на 1 400 тих, хто зареєструвався сам:
Різниця зменшується з 40 до 34 пунктів, а activation rate серед тих, на кого онбординг справді може вплинути, — , а не 45 %. Різниця все ще велика, тож B лишається сильним кандидатом. Але частина її — це те, ким ці люди є, а не те, що вони зробили. Показуйте активацію окремо для запрошених і для тих, хто прийшов сам, а ціль команді ставте за другим числом.
Та сама логіка стоїть за кожним слайдом «хто робить X, той краще утримується». Докладніше про це — у статті кореляція і причинність.
Такий аналіз дає кандидата і причину в нього вірити. Щоб дізнатися, чи підштовхування до нього спричиняє краще утримання, змініть онбординг і перевірте це тестом. Наприклад, після першої витрати покажіть підказку запросити сусіда, з яким ви її ділите. Випадково розподіліть, хто бачить підказку, і порівнюйте всіх призначених у кожен варіант, а не лише тих, хто когось запросив. Якщо порівнювати лише тих, хто діяв, зміщення відбору повернеться.
Чекайте меншого ефекту, ніж різниця в 34 пункти. Підказка підштовхне частину людей, але не перетворить самотнього користувача на людину, чий друг уже хоче ділити з нею рахунки.
Усе залежить від критерію: м'який, як-от «додав першу витрату», дає високу частку, суворий — низьку. Відстежуйте власну активацію в часі за незмінним визначенням, а критерій оцінюйте за тим, наскільки добре він передбачає утримання.
Активація стається один раз і рано: це перший раз, коли людина отримує основну цінність. Утримання — чи вона продовжує повертатися потім. Добрий критерій активації передбачає утримання.
Складіть список дій-кандидатів з перших днів, поділіть людей за тим, чи зробили вони кожну, і порівняйте подальше утримання. Оберіть дію, що добре розділяє і до якої доходить помітна частка людей, а потім перевірте тестом, чи працює підштовхування до неї.
Показуйте їх окремо. Запрошені часто приходять уже «активованими» і добре утримуються незалежно від усього, тож змішування роздуває і саму частку, і видимий ефект критерію.
У безкоштовному уроці Активація: момент, коли все складається ви перевірите кандидатів на активацію на даних Halves і напишете критерій для команди онбордингу, з тестами й письмовим завданням, яке перевіряє ШІ. Кейс про воронку онбордингу і урок Хто робить X, той краще утримується заглиблюються далі. Усі вони входять до безкоштовного курсу Продуктова аналітика: від даних до рішень.
