برای نادیده گرفتن محتوا دکمه "Enter" را فشار دهید

بازگشت کاربر؛ عددی که بدون تعریف گمراه‌کننده می‌شود

باز کردن اپ و دریافت دوباره ارزش محصول یکسان نیستند. برای سنجش بازگشت، رویداد و پنجره زمانی را روشن کنیم.

کاربر برگشته است؛ یعنی دوباره اپ را باز کرده؟ یک کار اصلی انجام داده؟ یا صرفاً روی یک اعلان زده؟ بدون جواب دادن به این سؤال، نرخ بازگشت می‌تواند ظاهراً خوب باشد و در عین حال چیز زیادی درباره ارزشی که محصول ایجاد می‌کند نگوید.

بازگشت به کدام ارزش؟

برای یک ابزار یادگیری، ادامه دادن درس می‌تواند رویداد معناداری باشد. برای یک فروشگاه، خرید مجدد ممکن است مهم‌تر باشد. برای سرویس رفت‌وآمد، تکمیل یک ride می‌تواند به دریافت ارزش نزدیک‌تر از باز کردن اپ باشد. هیچ رویدادی برای همه محصول‌ها بهترین نیست. بهتر است ارتباطش با مسئله کاربر روشن باشد و محدودیتش را هم بدانیم؛ ممکن است کاربر ارزش گرفته باشد بدون اینکه دقیقاً رویداد انتخابی ما ثبت شود.

از چه کسانی شروع می‌کنیم؟

یک گروه از کاربرانی را در نظر بگیریم که در هفته مشخص، اولین کار اصلی خود را انجام داده‌اند. اگر ۱۰۰ نفر باشند و ۲۸ نفر در هفته بعد همان کار را تکرار کنند، بازگشت هفتگی این گروه ۲۸ درصد است. این مثال فرضی است. اگر گروه را به‌جای اولین کار، از اولین ثبت‌نام بسازیم، معنای عدد عوض می‌شود. مبدأ گروه‌بندی باید کنار گزارش نوشته شود.

روز دقیق یا بازه زمانی؟

بازگشت در روز هفتم با بازگشت در هر زمانی از روز هفتم به بعد تفاوت دارد. بازگشت در هفته دوم هم تعریف دیگری است. این روش‌ها را نباید بدون توضیح با هم مقایسه کنیم. برای محصولی که استفاده‌اش ماهانه است، معیار روزانه ممکن است چندان متناسب نباشد. فاصله مورد انتظار بین دو استفاده را باید از مسئله و رفتار واقعی کاربر بفهمیم.

گروه‌های تازه هنوز فرصت کامل نداشته‌اند

اگر امروز پایان ماه است، همه کسانی که همین ماه وارد شده‌اند فرصت بازگشت ۳۰روزه ندارند. مقایسه این گروه با کاربران قدیمی می‌تواند خطا بسازد. بهتر است فقط گروه‌هایی را برای یک پنجره مشخص مقایسه کنیم که آن پنجره برایشان کامل شده است. تغییر ترکیب کاربران، فصل و کانال جذب هم می‌تواند بر عدد اثر بگذارد.

بعد از اندازه‌گیری، دلیل را پیدا کنیم

نرخ پایین به‌تنهایی نمی‌گوید مشکل از کیفیت است، قیمت است یا کم بودن نیاز به استفاده. بررسی رفتار و گفت‌وگو با کاربران به ساختن فرضیه کمک می‌کند. یک مداخله مشخص طراحی کنیم و اثرش را بر رویداد معنادار بسنجیم. قرار است بفهمیم کاربر دوباره ارزش گرفته است؛ صرفاً زیاد شدن حضور او در صفحه محصول کافی نیست.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *