Текст книги "Игра в цифры. Как аналитика позволяет видеоиграм жить лучше"

– Пожалуй, в первую очередь это качество продукта, его удобство и полезность для пользователя. Если продукт решает задачи клиента, то это положительно будет влиять на отток.

– Если же потребности остаются неудовлетворенными, есть вероятность, что пользователь пойдет искать другой продукт для решения своих вопросов.

– Влиять на отток может цена, особенно если она довольно высокая по сравнению с конкурентами. Но в тоже время, если пользователь уже оценил продукт и привык им регулярно пользоваться, то цена может и не стать решающим фактором.

– Приток нецелевой аудитории может повысить Churn Rate, поскольку в этом случае в приложение попадут пользователи, ожидания которых вряд ли совпадут с тем, что они получат, скачав приложение.

– Запуск приложения на переполненном рынке, где и так уже много подобных продуктов, завоевавших свою аудиторию, может вести к оттоку. Ведь у потенциальных пользователей уже сформировалось видение подходящего для них продукта, а вокруг много альтернатив.

– Если это игра, то высокая или, наоборот, слишком низкая сложность прохождения приведет к тому, что пользователи или не получат радость от преодоления уровней, или заскучают, пройдя несколько этапов.

– Появление на рынке нового поставщика таких же услуг может привести к уменьшению аудитории, особенно если у него привлекательнее цена.

– Большое количество рекламы во время работы с продуктом или периодически возникающие ошибки также могут стать причиной оттока.

Методы борьбы с оттоком вытекают из описанных выше возможных причин. И не лишним будет понять, что именно приводит пользователей к оттоку и в какой момент это происходит; выполняет ли пользователь целевые действия продукта, все ли для него проходит гладко?

Кроме того, это обратная метрика для Retention: чтобы пользователи не покидали проект, нужно подумать, как сделать так, чтобы они возвращались. Это можно сделать несколькими путями.

– Создать правильное впечатление во время первой сессии в приложении: зачастую именно от нее зависит, вернется пользователь или нет, именно она определяет Retention (а соответственно, и Churn) последующих дней. Поэтому первую сессию нужно использовать, чтобы максимально хорошо показать пользователю возможности и преимущества приложения, заинтересовать продуктом.

– Изучать отзывы пользователей о приложении, чтобы понять, чем они недовольны и чего не хватает.

– Напоминать пользователям о продукте, сообщать о новых функциях, бонусах, персональных предложениях посредством push– и email-уведомлений.

– Если это игра, варьировать сложность, чтобы поддерживать интерес игроков.

– Быть лучше конкурентов, изучать потребности клиентов, их изменение, развивать и совершенствовать продукт.

Churn Rate – очень важная метрика для любого продукта, ведь она определяет размер аудитории, указывает на востребованность и понятность приложения для пользователей и непосредственно влияет на доход. Также Churn Rate показывает слабые места в продукте, такие, как проблемный функционал или слишком сложный/простой игровой уровень (где есть проблема, оттуда люди уходят). Поэтому усилия, потраченные на работу с оттоком, обязательно дадут результат в виде роста финансовых показателей.

Net Promoter Score (NPS)

Когда разработчик создает свой продукт, он старается сделать его полезным, удобным и востребованным для пользователей. А когда пользователь становится лоялен к продукту, это увеличивает вероятность совершения им платежа, а также того, что он оставит хороший отзыв и порекомендует приложение друзьям.

И один из показателей, которым эту лояльность можно оценить, является индекс потребительской лояльности – Net Promoter Score, или, сокращенно, NPS.

Метрика эта не совсем тривиальная, и для ее расчета нужно предварительно провести опрос среди пользователей приложения.

Состоит он всего лишь из одного вопроса, формулировка которого всегда одинакова и не зависит ни от сферы, ни от типа продукта или услуги. Звучит он так:

How likely is it that you would recommend our company/product/service to a friend or colleague? Или «Какова вероятность того, что вы порекомендуете нашу компанию/товар/бренд своим друзьям/коллегам?»

Далее нужно предоставить пользователю возможность выбрать балл, соответствующий этой вероятности, по шкале от 0 до 10.

Вот пример того, как делает опрос Booking.com:

Пример опроса NPS на Booking.com

На этом исследование NPS заканчивается, остается только обработать результат. Для этого пользователей нужно сгруппировать в зависимости от поставленной оценки:

– те, кто поставил балл от 0 до 6, – это критики (detractors), неудовлетворенные пользователи, которые, скорее всего, оставят негативный отзыв о продукте и не расскажут своим друзьям ничего хорошего;

– те, кто поставил 7–8 баллов, – нейтральные, равнодушные пользователи (passives), которые в любой момент могут перестать пользоваться продуктом и уйти к конкурентам;

– те, кто поставил 9 или 10 баллов, – промоутеры (promoters), лояльные клиенты, фанаты продукта, которые обычно оставляют положительные отзывы и распространяют только хорошую информацию.

Принцип разделения пользователей на группы

Далее, чтобы рассчитать NPS, подставляем полученные значения в формулу:

NPS = %promotes – %detractors

Сам расчет Net Promoter Score довольно простой. Допустим, пользователи ответили следующим образом:

Кол-во пользователей и баллы, которые они поставили в опросе NPS

Суммируем детракторов и промоутеров, находим разницу между ними: 42 % – 35 % = 7 % – это и есть индекс потребительской лояльности.

Значение NPS может быть не только положительным, но и отрицательным, когда в проекте превалируют критики. Конечно, это не очень хорошая ситуация, потому что в этом случае есть риск потерять аудиторию из-за большого количества негативных отзывов со стороны критиков. В то время как положительный NPS говорит о том, что у проекта много лояльных сторонников, что повышает шансы на рост аудитории за счет виральности.

Иногда опрос NPS сопровождается дополнительным вопросом, который позволяет лучше узнать, что именно пользователям нравится или не нравится в продукте:

What’s the most important reason for your score? Или «Какова основная причина, по которой вы поставили такую оценку?»

Ответ на него пользователь дает уже в свободной форме.

Чем хорош индекс NPS?

– Простота расчетов. Чтобы объяснить, как он считается, мне даже не пришлось прибегать к формулам, все рассказывается словами. И на деле подсчет итогов занимает меньше минуты.

– Универсальность. Будь ты хоть авиакомпания, хоть сервис по доставке пончиков, ты сможешь посчитать NPS. Правила расчета едины и просты, сбор информации делается быстро и легко, пользователю нужно нажать лишь одну кнопку.

– Распространенность. NPS считают если не все, то многие. Соответственно, многие делятся результатами, и в интернете можно найти ориентировочные значения NPS для разных индустрий.

Казалось бы, простой и дешевый способ измерения пользовательской лояльности, почему бы не пользоваться им повсеместно? Вот теперь пришла пора поговорить и о минусах Net Promoter Score как метода.

NPS – это мысленный эксперимент, а не действие.

Это первый и главный минус данного метода. Не все критики на самом деле критикуют и не все промоутеры рассказывают о проекте друзьям. Вы просто просите пользователя провести абстрактное действие в своей голове, не более. У всех разные отношения с друзьями, разное социальное поведение, и далеко не всегда истинная лояльность к бренду совпадает с желанием поделиться информацией о нем. Виральность – лишь одна из оптик, с помощью которой можно взглянуть на более широкий показатель лояльности.

NPS выбрасывает из расчетов часть пользователей.

Если предположить, что вероятность поставить каждую из оценок распределена равномерно, то, не принимая в расчет тех, кто поставил оценки 7 и 8, вы не смотрите на 18 % ответивших пользователей. Не самая маленькая погрешность для количественного метода!

NPS зависит от культурного аспекта.

Все мы с вами по-разному воспринимаем действительность, и шкала от 0 до 10 не является однозначно трактуемой в разных культурах. Например, в США оценки пользователей более полярны, там гораздо меньше доля нейтрального отношения: им либо нравится продукт, и тогда оценки ставятся максимальные, либо нет, и тогда оценки ставятся негативные. В российской же культуре есть некое стремление к «нормальному» (как дела? нормально!), и поставить оценку 0–1 или 9–10 означает действительно признать свою яркую эмоцию, на что способны далеко не все; здесь гораздо больше оценок 5 и 6, означающих в России среднее «нормальное» отношение к продукту, но считающихся негативными по методологии NPS.

NPS не учитывает структуру аудитории.

Во free-to-play-играх, например, 90–95 % дохода приносят старые игроки, давно зарегистрировавшиеся и совершившие не один платеж. Таковых игроков обычно не более 5 % от общей аудитории, и если говорить про NPS, то они едва ли смогут заметно повлиять на значения индекса. Хотя истинная лояльность, выраженная в деньгах, у этих пользователей куда больше. Придавая меньшее значение core-аудитории, вы рискуете принять решение, которое понравится молодым не платящим игрокам и не будет принято теми, кто приносит вам деньги.

Кейс

Одна из компаний, которая обратилась к нам за аналитическими консультациями, выпустила апдейт, довольно серьезно изменивший экономику игры. Чтобы оценить, как пользователи отнеслись к обновлению, мы воспользовались NPS. И выяснили, что NPS вырос. А доход упал!

Стали разбираться и поняли, что данное обновление отлично сработало на не платящую аудиторию, но не понравилось платящим игрокам. Платящих игроков сильно меньше, и их доля в NPS оказалась незаметной.

Если посчитать NPS в том случае отдельно по платящим и не платящим, то можно увидеть, насколько по-разному разные сегменты пользователей отреагировали на изменение.

Как вариант, чтобы избежать таких кейсов, нужно делать NPS средневзвешенным, где в качестве веса указывать суммарные платежи по каждому пользователю. Пусть не универсально, зато более справедливо.

NPS зависит от того, проходил ли клиент опрос ранее.

Когда пользователь сталкивается с вопросом: «Оцените вероятность того, что вы расскажете о продукте друзьям, от 0 до 10» во второй или третий раз и он помнит свой предыдущий ответ, то на его новый ответ могут повлиять два фактора.

1. «Опять они спрашивают, я же в прошлый раз отвечал». И оценка таким образом может снизиться просто из-за повторения вопроса.

2. «А что изменилось с последнего раза?» Пользователь, оценивая лояльность, будет ориентироваться не на весь свой Lifetime, а только на тот его промежуток, что прошел между двумя вопросами, и это не совсем лояльность, а скорее реакция на недавние изменения.

NPS требует периодического пересчета.

Допустим, вы рассчитали свой NPS и он оказался равным, скажем, 60 %. С тех пор немало воды утекло, выпущено множество новых релизов и вы справедливо хотите узнать, как с тех пор изменилась пользовательская лояльность.

Здесь стоит быть максимально аккуратными: в предыдущем пункте мы говорили о том, что повторяемость не играет на руку точности, а значит, желательно выбирать новую аудиторию (и желательно случайным образом) для опроса и выбирать из числа тех, кто еще не проходил его ранее.

Это не всегда просто сделать, сохранив репрезентативность выборки. С одной стороны, вам нужно больше пользователей, чтобы выборка была репрезентативна, с другой – увеличивается вероятность того, что пользователи пройдут опрос повторно. И далеко не всегда у вас под рукой достаточно технических средств, чтобы справиться с этой задачей.

NPS – инерционный показатель. Учитывая, насколько разные слои аудитории попадают в опросы, вы не можете сказать о том, насколько часто эти люди в среднем пользуются продуктом. Точнее так: если смотреть в среднем, то пользуются скорее всего реже, чем вы думаете. А значит, в отношении людей к продукту наблюдается инерционность: не все успевают следить за вашими обновлениями и принимают решение от 0 до 10 на основании ранее выработанного отношения к продукту.

NPS не отвечает на вопрос «почему».

Опять же, NPS – это простой мысленный эксперимент, измеряющий текущее поверхностное отношение к продукту. И, вооружившись одним лишь NPS, вы не сможете ответить на вопрос, почему тот или иной пользователь поставил негативную или положительную оценку.

Так что же теперь, не пользоваться устоявшимся механизмом NPS?

– Во-первых, не опросами едиными жива пользовательская лояльность. В NPS пользователь проводит мысленный эксперимент, а истинную лояльность пользователи демонстрируют, голосуя своей активностью (возвращаясь в продукт) или рублем (совершая покупки продукта). Поэтому стоит также рассматривать и метрики удержания (Retention), и монетизации (ARPU, ARPPU, LTV). Вместе с NPS эти метрики способны куда больше рассказать о продукте.

– Во-вторых, если все же говорить об опросах, то у NPS есть альтернативы в виде других методологий опросов. В частности, американский индекс ACSI или европейский индекс EPSI. Всех минусов NPS они не лишены, однако там не один вопрос, а несколько, и они подразумевают чуть более подробные ответы.

– В-третьих, тот же NPS, если проводить его по всей технологии, может дать больше информации о продукте, если применить к нему сегментацию. Отдельно считая NPS по платящим и не платящим, по странам, возрасту в продукте и другим видам сегментации, вы гораздо больше поймете о том, как на самом деле распределена лояльность пользователей и как она работает. Более того, я бы сказал, что к NPS нужно применять сегментацию обязательно, а без нее агрегированная оценка – это сферический конь в вакууме.

– В-четвертых, единственный бенчмарк, на который стоит ориентироваться, – это предыдущие значения NPS по вашему продукту. Другие ориентиры, полученные из открытых источников, могут служить вам лишь косвенно. Если вы знаете, что у других компаний, пусть даже конкурентов, NPS больше или меньше вашего, то это знание ничего вам не даст: вы не знаете, верно ли они его считают, вы не знаете, как NPS распределен по разным сегментам пользователей. Главное, чтобы NPS вашего продукта увеличивался со временем. А еще лучше, чтобы метрики удержания и монетизации также росли. Лишь тогда вы сможете более-менее однозначно сказать, что лояльность пользователей растет.

Виральность – важнейшая характеристика любого проекта. Если рассмотреть проект как модель, преобразующую входящий поток пользователей в выходящий поток денег, то виральность позволит получить деньги от пользователя без затрат на его приобретение. К тому же хорошая виральность позволяет проекту в считаные месяцы завоевать рынок: один активный пользователь приглашает несколько друзей, каждый из них – еще несколько и т. д.

Хорошая виральность позволяет проекту развиваться наподобие эпидемии. Даже само слово «виральность» происходит от слова «вирус». Если вы играли в Plague Inc., где можно визуально отследить распространение болезни по миру, вы нас понимаете.

Показатель для измерения виральности тоже заимствован из эпидемиологии. Называется он K-фактор, ему и посвящен данный раздел. K-фактор показывает, сколько пользователей приводит в проект один активный его пользователь (в эпидемиологии: сколько в среднем человек заражает один больной. В 2020 году хочется грустно пошутить, что K расшифровывается как «коронавирус».

Как же рассчитывать K-фактор?

Наиболее распространена следующая формула:

K-фактор = i*c,

где i – среднее количество приглашений, отправленных одним пользователем, c – средняя конверсия из полученного приглашения в регистрацию.

Допустим, каждый пользователь отправляет в среднем одно приглашение (i = 1), и каждый третий, кто получил приглашение, успешно регистрируется в продукте (c = 1/3). В этом случае K-фактор = 1 * 1/3 = 33,3 %. В идеальном мире это значит, что если продукт имеет 100 активных пользователей, то в следующем периоде их станет 133, затем 178, и т. д. В такой модели уже через 33 временных периода количество пользователей перевалит за миллион. Однако на практике не все так хорошо. Впрочем, об этом позже.

Однако описанная формула имеет существенные ограничения.

1. Не во всех продуктах можно отследить отправку и дальнейшую судьбу приглашений. По сути, это можно сделать лишь в том случае, если каждый пользователь отсылает приглашения с уникальной меткой, и для каждого пользователя, пришедшего по приглашению, мы можем отследить, кто его пригласил. В реальном мире же (скажем, в мобильных приложениях) отправка приглашений происходит через социальные сети, и если количество отправленных приглашений еще можно посчитать, то количество реципиентов счету уже не поддается.

2. А если пользователь не отправил приглашение, а просто рассказал другу о новой игре при встрече? Тогда новый друг, зарегистрировавшись в проекте, не будет нести на себе метку пригласившего его товарища, и значит, в K-факторе он не учтется, хотя виральность имела место. Основная часть приглашений как раз и происходит через сарафанное радио, через word of mouth.

Как тогда считать K-фактор?

На просторах интернета встретилась еще одна формула:

K-фактор = 1 + (органические установки) / (платные установки)

Однако и эта формула не подходит.

Во-первых, откуда тут плюс единичка? Согласно этой формуле, каждый пользователь приглашает минимум одного друга, даже в самых пропащих проектах.

Во-вторых, эта формула имеет лишь платные установки в знаменателе, то есть не учитывает случай, если один органически пришедший пользователь приглашает другого (а чаще всего именно так и происходит).

Как же тогда считать этот показатель?

Более всего нам нравится следующая формула:

К-фактор = (органические установки в период N) / (активные пользователи в период N-1)

Эта формула учитывает все виды приглашений (формуле не важно, было приглашение по уникальной ссылке или во время телефонного разговора). Также формула учитывает приглашения, совершенные любыми пользователями, платными или органическими. И, наконец, в этой формуле нет той самой плюс единички, а это значит, что если проект совсем уж плох и органических установок нет, то K-фактор будет равен нулю. С другой стороны, если проект очень хорош, то K-фактор может взлететь до небес.

Единственный вопрос, который нужно задать к этой формуле: что такое период? Это день, месяц или год?

Обычно периодом считается месяц, однако это лишь потому, что легко посчитать размер месячной аудитории, – это метрика MAU.

Но тут уж как вы сами с собой договоритесь. Не случится ничего страшного, если вы будете отдельно считать дневные, месячные и годовые K-факторы. Наоборот, если вы будете мониторить K-фактор хотя бы раз в месяц, вы сможете оперативно отреагировать, если он начнет уменьшаться (а он скорее всего начнет).

Теперь давайте обратимся к еще одной очень полезной метрике.

Как вообще формируется виральность? Где рождается тот ветер, что приносит новых пользователей?

Итак, представьте, что вы по той или иной причине скачали себе приложение. Что дальше?

1. Вы проходите туториал, вы понимаете ценность продукта. Иначе говоря, происходит ваша активация.

2. Вы знакомитесь с продуктом, изучаете его с какой-то скоростью. Некоторые могут входить в приложение раз в неделю, некоторые – по пять раз в день.

3. Кажется, приложение начинает вам нравиться.

4. Вы решаете пригласить друга в приложение. Вы отправляете приглашение, упоминаете название приложения при встрече. В общем, каким-то образом заражаете друга.

5. Друг вспоминает о вашем совете и тоже скачивает себе приложение.

Суммарное время прохождения этих шагов называется виральным циклом. Началось с того, что вы скачали приложение, а закончилось тем, что его скачал ваш друг.

И разумеется, чем короче виральный цикл, тем активнее развивается ваше приложение.

В предыдущем примере продукт сначала имел 100 пользователей, и уже через 33 периода количество пользователей перевалило за миллион.

Если за период взять месяц, то для достижения миллиона пользователей вам потребуется 2 года и 9 месяцев.

Если же за период взять один день, то миллион достигается через 33 дня! А сколько пользователей с такими темпами будет привлечено за 2 года и 9 месяцев – страшно представить! Хотя почему страшно, просто в мире нет столько людей.

Итого, виральность определяют две метрики: K-фактор и виральный цикл. При этом чем короче виральный цикл, тем выше K-фактор (тем больше людей заражаются за один временной период).

Чему должен быть равен K-фактор?

Как понять, хорош ваш K-фактор или нет?

Главное, чтобы виральность вашего продукта покрывала органический отток пользователей. Иначе говоря,

– если K-фактор > Churn (отток), то приходит пользователей больше, чем уходит, и ваш продукт ожидает экспоненциальный рост;

– если K-фактор = Churn, то виральность лишь компенсирует отток, и количество пользователей будет стабильным;

– если K-фактор < Churn, то отток пользователей не компенсируется виральностью, и аудитория проекта постепенно будет снижаться.

Рахул Вохра, CEO Rapportive, приводит следующие ориентиры значений K-фактора:

– 15–25 % – хорошо;

– 40 % – великолепно;

– 70 % – просто выдающийся продукт.

А Эрик Сейферт, ранее работавший в Wooga, а ныне VP of User Acquisition and Engagement в компании Rovio, озвучил K-фактор игры Jelly Splash: 92 %.

Это действительно выдающееся значение. По сути, это означает, что при планировании дохода, полученного от пользователей, Wooga может смело умножать Lifetime Value одного пользователя на (1+0,92), то есть за счет виральности доход вырастает почти в два раза.

Также, говоря о K-факторе, нельзя не сказать о его изменчивости. К сожалению, практика показывает, что со временем K-фактор (как, впрочем, и другие относительные показатели продукта) имеет тенденцию к снижению. Виральность продукта достигает максимума на начальных этапах своего жизненного цикла. Очень немногие продукты имеют устойчивый K-фактор более 1 в течение продолжительного периода. Так что если ваш K-фактор вдруг начал снижаться, то пусть вас успокоит тот факт, что у других он тоже едва ли растет.

Однако на виральность продукта можно и нужно влиять. Советов, как увеличить виральность, в интернете бесчисленное множество, и все сводится к нескольким базовым принципам:

– лучший способ увеличить K-фактор – это сократить виральный цикл;

– нужно использовать существующие социальные связи своих пользователей, это позволит упростить процесс распространения информации о вашем продукте (интегрируйте социальные сети и другие сервисы);

– у пользователя должен быть стимул приглашать друзей (совместная деятельность в Dropbox, общение через мессенджеры, реферальные программы в онлайн-играх, когда пользователь получает бонусы за приведенных друзей);

– за счет одной лишь виральности продукту не выжить – нужно, чтобы продукт действительно нравился пользователям.

Еще одна рекомендация заключается в наличии у вас устойчиво работающих невиральных (платных) каналов привлечения пользователей. Все же виральность – довольно-таки чувствительная штука, и K-фактор меняется со временем. Поэтому устойчиво работающие платные каналы привлечения здесь играют роль дров в костре – чем больше дров, тем выше пламя.

Если хотите, то можете даже расшифровывать букву K в слове K-фактор как «костер», чтобы лучше запомнить эту метафору.

Резюмируем основные идеи.

1. Виральность – это хорошо! Это способ бесплатно привлечь потенциально большую массу пользователей.

2. Для измерения виральности используются K-фактор (среднее число друзей, приглашенное одним активным пользователем) и виральный цикл (среднее время от регистрации пользователя до регистрации приглашенного им друга). K-фактор должен быть высоким, а виральный цикл – коротким.

3. K-фактор должен покрывать отток пользователей, в этом случае вас ждет экспоненциальный рост.

4. K-фактор меняется со временем, причем, как правило, в меньшую сторону. Не пугайтесь!

5. Вы можете повлиять на виральность вашего продукта: сделайте ваш продукт клевым, а процесс приглашения друзей – простым, логичным и нужным для пользователя.

Желаем вам максимального K-фактора и минимального вирального цикла. И не перепутайте!;)

В заключение главы приходится резюмировать: нет такой метрики, как лояльность. А жаль.

Вот и приходится изворачиваться, выдумывать метрики NPS, Churn, Retention. И выясняется, что не так уж они и плохи. Тот же Retention вообще зарекомендовал себя как важнейшую метрику лояльности пользователей, и без его анализа сейчас не обходится ни одна f2p-игра.

Главное, что дает нам лояльность пользователей, – это то, что они по-прежнему остаются с нами и продолжают играть и платить. И сейчас самое время порассуждать о метриках активности игроков.