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

Глава 5
Смотри, они играют!

Напряжение определяет ощущение важности и ценности игры, и по мере того как оно возрастает, игрок уже более не сознает, что играет.

Йохан Хейзинга

Сотни и тысячи бегемотиков, ведомых таким же количеством игроков, устремились в бой – крокодилам не жить! Для каждого из них впереди целая жизнь в игре: кто-то не доиграет первый бой и уйдет разочарованный, кто-то останется в игре надолго и заплатит миллион монеток. Как бы то ни было, сейчас все они играют. И если взглянуть на ситуацию глазами разработчика, то в голове предстает огромное поле брани, на котором орды бегемотиков сражаются с несчастными крокодилами за монетки. Если попытаться описать это поле цифрами (сколько бегемотиков всего, как долго сегодня они будут играть, вернутся ли они), то мы и придем к метрикам игровой активности.

Этим метрикам и посвящена данная глава.

Активные игроки: DAU, WAU, MAU

Ежедневно аудитория проекта пополняется новыми пользователями. Кто-то из них быстро теряет интерес, кто-то иногда вспоминает о приложении, а кто-то пользуется им регулярно. И наверняка каждый день в приложение заходят представители всех этих сегментов. В данном разделе мы и поговорим о них – активных пользователях (Active Users).

Активные пользователи – это те, у кого была хотя бы одна сессия за исследуемый период. Эти периоды могут быть разные, но чаще всего исследуют дневную, недельную, а также месячную аудитории проекта. И эти показатели имеют устоявшиеся названия:

– DAU – число уникальных пользователей в день (Daily Active Users);

– WAU – число уникальных пользователей в неделю (Weekly Active Users);

– MAU – число уникальных пользователей в месяц (Monthly Active Users).

При этом можно делать аналогичные расчеты и за любые другие периоды, если они лучше отвечают требованиям компании. Например, подводя итоги уходящего года, можно посчитать годовую аудиторию проекта и сравнить с предыдущими годами, чтобы оценить динамику.

Стоит обратить внимание, что WAU за определенную неделю – это не сумма DAU за 7 дней, так как речь идет об уникальных пользователях. Например, один из них может зайти в приложение в понедельник и вторник, и он попадет и в DAU понедельника, и в DAU вторника. Но в рамках недели (с понедельника по воскресенье) он будет посчитан только один раз.

Аналогично и MAU не является суммой четырех WAU и тридцати DAU. С точки зрения расчета, эти показатели не связаны между собой и рассчитываются отдельно.

Чтобы получше разобраться с этими показателями, посчитаем их на примере.

Допустим, у нас есть данные о посещениях приложения различными пользователями за две недели. При этом не имеет значения, сколько раз в день заходил в проект пользователь, так как он все равно будет одним уникальным посетителем.

Таблица с визитами пользователей по дням. Синим отмечены дни, когда пользователи заходили в приложение

Итак, сначала рассчитаем DAU для 1-го, 2-го, 5-го и 10-го дня. Для этого нужно знать, сколько уникальных пользователей заходили в приложение в эти дни:

– DAU 1-го дня = 2 (пользователи 1 и 4);

– DAU 2-го дня = 3 (пользователи 2, 4, 5);

– DAU 3-го дня = 3 (пользователи 2, 3, 4);

– DAU 10-го дня = 0 (никто не заходил в приложение в эти дни).

Далее посчитаем WAU:

– в первую неделю (с 1-го по 7-й дни) он равен 5 – все пользователи заходили в проект;

– во вторую неделю (с 8-го по 14-й день) этот показатель уже равен 3 – первый и второй пользователи не делали сессий.

Можно выбрать и произвольную неделю, например, с 3-го по 9-й день, и тогда WAU будет равен 4.

Аналогично можно посчитать активных пользователей и за месяц, и за полгода, и за другие временные промежутки.

В нашем примере участвовало всего 5 человек, а в реальном проекте это будут тысячи, сотни тысяч, миллионы пользователей, которые ежедневно посещают продукт. И то, как они заходят в приложение, говорит о его стабильности, качестве и масштабе.

Кроме того, Active Users – это тот показатель, который имеет смысл отслеживать в реальном времени, потому что если что-то сломается в приложении или на сервере и пользователи не смогут воспользоваться продуктом, это сразу же скажется на данной метрике. Для такого контроля группировать пользователей можно уже не по дням, а по часам или даже 10-минутным интервалам.

Кстати, активные пользователи, которые в текущий момент находятся в приложении, – это отдельная метрика, которая имеет свое название. Чаще всего это Users Online, но можно встретить и такие аббревиатуры, как CCU (Concurrent Users) – пользователи, находящиеся в приложении в определенный момент, и PCCU (Peak Concurrent Users) – максимальное количество пользователей, одновременно находящихся в приложении.

Средний CCU хорошо отражает масштаб проекта, а PCCU очень важен при планировании нагрузки на сервера.

Динамика активных пользователей может меняться не только в рамках дня, она может постепенно расти или падать месяц к месяцу. И ее довольно важно контролировать.

Упростить анализ изменений количества активных пользователей помогает сегментация. Благодаря ей можно быстрее понять, за счет какого сегмента пользователей происходит изменение показателя.

Вот несколько вариантов сегментации активной аудитории.

– По платежам:

– платящий/неплатящий;

– совершивший только 1 платеж / совершивший повторные платежи.

– По сроку с момента установки:

– 1 день / 2–7 дней / 8–14 дней / 15–30 дней / 30–60 дней / 60+ дней.

– По регулярности заходов:

– каждый день / 4–6 раз в неделю / 1–2 раза в неделю / раз в месяц и реже.

А также можно делить аудиторию по странам, по девайсам, операционным системам, по кастомному событию (то есть на пользователей, выполнивших и не выполнивших то или иное действия).

Последний вариант сегментации можно использовать, если в приложении есть какое-либо ключевое событие, важное для полноты игрового опыта или создания правильного первого впечатления о продукте (например, прохождение обучения, N уровней в игре или заход в магазин).

Когда вы определите сегмент, в котором происходит уменьшение активных пользователей, будет проще искать возможную причину проблемы.

Может случиться следующая ситуация:

Динамика изменения активной аудитории по странам

Сначала начинает уменьшаться количество активных пользователей в России, в то же время увеличивается количество посетителей из Японии, и они компенсируют это падение. Если мы смотрим только на общий график DAU, то вряд ли заметим какие-либо изменения. И только потом, когда количество активных пользователей России упадет еще сильнее, мы увидим это на общем графике. А между тем пройдет уже достаточно много времени, которое можно было бы использовать для поиска и устранения причины падения.

Еще одна статистическая аномалия, которая подтверждает важность сегментации, – это парадокс Симпсона. Его проявление лучше всего рассмотреть на примере.

Возьмем четыре страны из предыдущего примера и предположим, что конверсия в покупку в них такая:

Конверсии четырех стран из новых пользователей в платящих

Далее посчитаем общую конверсию европейских и азиатских стран:

Конверсии европейских и азиатских стран из предыдущей таблицы из новых пользователей в платящих

И вот что получается:

– конверсия в России (4,85 %) больше, чем конверсия в Японии (4,44 %);

– конверсия в Великобритании (7,08 %) больше, чем конверсия в Китае (6,98 %);

– общая конверсия европейских стран (5,79 %) меньше, чем конверсия азиатских (6,45 %).

Это еще раз говорит о том, что сегментация может дать совсем не такие результаты, как общая статистика показателя.

Кстати, иногда, глядя на график DAU, вы не всегда можете явно определить тенденцию, но группировка по неделям или по месяцам (преобразование графика в WAU и MAU) делает ее более явной.

Количество активных пользователей, сгруппированное по дням, неделям, месяцам

Сама по себе метрика Active Users, безусловно, важна для проекта, но также она связана с другими финансовыми и поведенческими метриками.

В первую очередь на Active Users влияет количество новых пользователей – чем их больше и чем быстрее и стабильнее они приходят в проект, тем быстрее растет аудитория.

New Users → Active Users → Paying Users

Кстати, важно, чтобы пользователь после совершения первого платежа оставался активен в продукте, потому что это увеличит шансы на повторные покупки. Таким образом, Active Users прямо пропорционально влияет на доход:

Revenue = Active Users * Paying Share * ARPPU

Количество активных пользователей – один из важнейших показателей продукта, который косвенно указывает на его успешность, сочетая в себе и качество привлечения новых пользователей, и метрики удержания, непосредственно влияя на доход. Поэтому при анализе активных пользователей стоит обращать внимание еще и на скорость роста аудитории, ведь эта метрика является одним из самых позитивных признаков активного развития продукта.

Средняя продолжительность сессии (Average Session Length)

Каждому разработчику хочется, чтобы пользователь оставался в его приложении как можно дольше. Считается, что это говорит о его заинтересованности и вовлеченности.

Действительно ли хорошо надолго задерживать пользователей в рамках одной сессии? Какими способами можно это оценить?

Давайте разбираться.

Метрика, которая характеризует время пребывания пользователя в приложении, называется средней продолжительностью сессии (Average Session Length) и рассчитывается по формуле:

Практически все аналитические сервисы рассчитывают этот показатель, правда, везде он называется по-разному. Можно встретить такие названия, как Session Duration, Session Length или Visit Duration.

Динамика изменения средней продолжительности сессии

И сам принцип расчета тоже зачастую сильно отличается.

Какие-то сервисы считают сессией время активности приложения, когда оно находится в фокусе (запущено и открыто на экране), другие находят разницу между временем первого и последнего действия. Однако еще одна особенность заключается в том, что сервисы по-разному работают с прерываниями сессий. Сессии могут обрываться автоматически после определенного времени неактивности, в случае закрытия приложения или при потере фокуса.

Например, у нас в devtodev продолжительностью сессии считается время активности приложения – когда оно находится в фокусе. Если фокус теряется больше чем на 10 минут, сессия считается завершенной.

Поэтому при использовании данной метрики стоит изучить документацию, чтобы наверняка понимать, что она значит.

Еще один нюанс заключается в том, что эта метрика рассчитывается как среднее арифметическое, а это значит, что она может быть искажена не совсем корректными данными. Допустим, большая часть пользователей проводит в приложении от 10 до 20 минут, но несколько пользователей зашли в приложение, отвлеклись на что-нибудь, и в результате их сессия продлилась 45 минут. Вот как изменится результат при наличии таких пользователей:

Продолжительность сессий пользователей

Поэтому стоит иметь в виду, что экстремальные значения будут влиять на итоговый результат.

Нелишним будет применить сегментацию к этим данным. Возможно, что пользователи, пришедшие из разных источников или использующие разные девайсы, имеют разную продолжительность сессии. Вероятно, что и поведение, и их платежи в продукте будут отличаться.

Динамика средней продолжительности сессий с сегментацией по источникам трафика

Однозначного ответа на этот вопрос нет. Дело в том, что все приложения – разные, как и их назначение. Исходя из этого, пользователи проводят в них разное количество времени. Например, сессия в словаре вряд ли будет длиться долго – пользователю нужно просто узнать значение слова, а прослушивание музыки через приложение или работа в графическом редакторе может затянуться на несколько часов. Поэтому сравнивать длины сессий различных приложений не имеет смысла, но в рамках одного жанра или одной тематики сравнение может быть уместным.

Часто можно встретить такую зависимость – чем больше сессий, тем они короче, а если сессии у пользователей довольно длинные, то маловероятно, что их будет много. В этом случае скорее частота сессий будет говорить о заинтересованности пользователя и привычке в использовании приложения. Если она действительно есть и пользователь каждую свободную минуту тянется к приложению, то продолжительность сессии уже не играет важной роли.

Однако стоит оценивать продолжительность сессий с точки зрения здравого смысла – если большая их часть имеют продолжительность, например, до 10 секунд, и за это время в приложении невозможно ничего сделать, то стоит подумать, что заставляет пользователей так быстро покидать приложение.

Вряд ли можно говорить о прямой тесной связи продолжительности сессий с доходом. Однако какие-то выводы этот показатель все же позволяет делать.

Например, если после релиза увеличилась продолжительность сессий, это может говорить о том, что релиз был удачный, и пользователей получилось заставить подольше оставаться в продукте. И если это так и заинтересованность пользователей увеличилась, то значит, что и финансовые метрики, скорее всего, должны возрасти, а вместе с ними и Retention.

Динамика изменения средней продолжительности сессии и Retention 1-го дня

Или наоборот, продолжительность сессии увеличилась, потому что новый интерфейс стал менее понятен пользователям. Тогда это может сказаться на тех же метриках, только уже в обратную сторону.

Выходит, что сама по себе средняя продолжительность сессий мало что может сказать о продукте, если анализировать ее в отрыве от жанра, его особенностей, а также других финансовых и поведенческих метрик, которые более однозначно помогут оценить поведение пользователей и их вовлеченность. Тем не менее изменение этой метрики может быть хорошим сигналом для анализа последних изменений и их влияния на продукт и его метрики.

Игровое время (Total Daily Play Time)

Практически всегда разработчик заинтересован в том, чтобы пользователь как можно чаще, дольше и больше пользовался его продуктом. Ведь чем больше времени он в нем проведет, тем больше вероятность того, что он заплатит или хотя бы станет заинтересован и лоялен к продукту.

Метрика, которая как раз отражает то, сколько проводит время в продукте юзер, – это Total Daily Play Time. Рассчитывается она следующим образом:

Суммарную продолжительность всех сессий в день нужно разделить на количество активных пользователей в этот день (DAU). В итоге мы узнаем, сколько в среднем времени в день проводит пользователь в приложении.

Эта метрика похожа на среднюю продолжительность сессии, или Average Session Length. Отличаются они знаменателем: у Average Session Length – это количество сессий, а для Total Daily Play Time – количество уникальных пользователей за день.

Сравним эти две метрики на примере. Допустим, у нас есть информация о пяти пользователях и продолжительности их сессий (в минутах).

Рассчитаем обе метрики по этим данным:

Продолжительность сессий пользователей

– суммарная продолжительность всех сессий – 1:38:50;

– количество сессий – 15;

– количество пользователей – 5;

– средняя продолжительность сессии (Average Session Length) – 06:35;

– среднее время в игре (Total Daily Play Time) – 19:46.

Несмотря на то что итоговые показатели этих метрик довольно сильно отличаются, сами значения зависят от одинаковых факторов, вроде жанра игры или платформы, которые влияют на характер ее использования.

Например, в приложении для чтения книг проводимое в нем время и средняя длина сессии наверняка будут больше, чем в калькуляторе, который обычно используется для единоразового расчета.

Помимо расчета времени, проведенного в продукте, можно накладывать на него различные совершаемые пользователем действия, чтобы узнать:

– сколько времени игроку требуется, чтобы пройти N уровней;

– сколько времени он потратил на прохождение того или иного уровня;

– через сколько минут/часов, проведенных в продукте, пользователь совершил покупку;

– сколько часов или минут проходит между первой и второй покупками;

– сколько часов провел пользователь в приложении перед тем, как уйти;

– сколько часов ему понадобилось, чтобы решить головоломку;

– и любые другие вопросы, которые позволят лучше понять поведение пользователя в игре.

Вот так может выглядеть день пользователя в продукте:

Действия пользователя в продукте за один день

Если бы мы считали метрики традиционным способом, то это были бы:

– 3 сессии;

– 1 покупка;

– 3 level up;

и все это в один день.

Подсчет только игрового времени позволяет более точно описать поведение пользователя:

– 10,5 часов в день в игре;

– прохождение 1-го уровня через 4,5 часа в игре;

– прохождение 2-го уровня через 8 часов в игре;

– прохождение 3-го уровня через 9 часов в игре;

– покупка спустя 7 часов в игре.

Зная, сколько пользователь проводит времени в продукте ежедневно и что он успевает за это время сделать, можно иначе планировать маркетинговые активности – привязывать их не ко дню, а ко времени, проведенному в игре. Если игрок больше времени проводит в игре, это ли не показатель его лояльности и интереса к ней?

А проследив за пользователем в течение продолжительного периода до момента, когда он перестанет появляться в приложении, можно будет сказать, что он «прожил» в продукте, например, не 50 дней, а 180 часов.

Как и другие поведенческие метрики, связанные с сессиями, Total Daily Play Time не влияет на доход напрямую и зависит в первую очередь от жанра и особенностей приложения. Тем не менее следить за ним все же стоит, ведь если по какой-то причине пользователи станут проводить в приложении меньше времени, это может сказаться и на других, более важных продуктовых метриках.

Стоит оговориться, что я, как правило, рассуждаю о доходе от встроенных покупок и мало обращаю внимания на рекламную монетизацию. А ведь именно с ней Total Daily Play Time связан наиболее сильно: чем дольше игрок играет, тем больше рекламы он может посмотреть за время игры, тем больше денег получит разработчик за показы рекламы. Не хочу умалять значения рекламной монетизации, тем более что это новый тренд и ее доля на рынке растет довольно быстро, но я пока не считаю себя специалистом настолько высокого уровня, чтобы писать о ней книги.

Липкость (Sticky Factor)

Каждый день в приложение заходят новые пользователи. Кто-то из них больше никогда не воспользуется продуктом, а кто-то будет заходить каждый день. И во многом от того, как они себя ведут в продукте и насколько им заинтересованы, зависит доход приложения: ведь чем лояльнее пользователи, тем более они склонны к совершению платежей.

Заинтересованность, лояльность и степень вовлеченности пользователей характеризуют несколько метрик, одна из которых – Sticky Factor (также Stickiness Factor, на русский обычно переводится как «липкость»). Это показатель, который позволяет оценить регулярность посещений и стабильность пользовательской базы.

Обычно он рассчитывается как отношение количества уникальных пользователей в день к числу уникальных пользователей в месяц:

Но бывает, что используют соотношение DAU к WAU.

График Sticky Factor

Допустим, каждый день в приложение заходят 1000 уникальных пользователей, то есть DAU проекта равен 1000. Если каждый день это разные пользователи, то MAU в этом случае составит 30 000 и Sticky Factor будет равен 1000 / 30 000 = 3 %. Это минимальное значение, которое может принимать данная метрика, и говорит оно о том, что пользователи не задерживаются в приложении. Вероятно, его удержание очень низкое и в нем отсутствует пользовательская база, которая необходима для генерации дохода приложения.

Обратная ситуация: пользователи ежедневно используют продукт, и при DAU, равном 1000, MAU такого проекта тоже будет 1000, а Sticky Factor – 100 %. Конечно, в реальности такой утопии не бывает, и этот показатель обычно сильно зависит от жанра и назначения продукта. Например, для мобильных условно-бесплатных игр считается хорошим Sticky Factor около 20 %, а для социальных сетей и мессенджеров он обычно около 50 %.

Этот показатель имеет смысл отслеживать в разные промежутки времени для одного продукта, чтобы оценить, как сказались на метрике определенные изменения, сопоставлять для различных сегментов пользователей, сравнивать его значение во время A/B-тестов, чтобы лучше понимать, какие элементы влияют на заинтересованность пользователей.