Иногда, обычно накануне Нового года или в какой-нибудь из понедельников, мы принимаем решение начать ходить в спортзал, покупаем абонементы и начинаем усердно тренироваться.

Кому-то хватает одного занятия, чтобы после недели мышечной боли забыть об этой затее, кто-то честно ходит один месяц, чтобы отработать купленный абонемент, а кто-то втягивается и проводит вечера в спортзале на протяжении нескольких лет.

С приложениями ситуация абсолютно идентичная – далеко не все пользователи используют его годами, большинство перестает пользоваться, как только пропадает интерес или потребность.

И это является показателем востребованности и заинтересованности пользователей, а также гарантией их финансовой активности.

Существует метрика, которая характеризует этот процесс и показывает, сколько в среднем времени пользователь активен в проекте, – Lifetime, или LT.

Причем под активностью здесь подразумеваются не ежедневные его посещения, а время, которое прошло между первым и последним запуском приложения.

Обычно Lifetime рассчитывается для когорт, и чем больше времени с момента установки проходит, тем меньше пользователей из этой когорты продолжают использовать продукт.

Наибольший отток происходит, как правило, в первые дни. Выглядит это следующим образом и представляет собой график метрики Retention:

График Retention по дням с момента установки

Как рассчитывать Lifetime

Для расчета Lifetime есть несколько вариантов. Пожалуй, самый точный – взять когорту пользователей, подождать, пока все они перестанут заходить в проект, и посчитать, сколько в среднем пользователи проводят в проекте.

Например, в когорте 100 пользователей. Нам известно, сколько дней они провели в проекте перед тем, как уйти:

Количество пользователей и количество дней, проведенных ими в проекте

В этом случае их Lifetime составит 15,6 дня.

Но на практике такой метод неприменим, так как ждать придется довольно долго и далеко не всегда можно сделать вывод по одной когорте.

Поэтому Lifetime обычно принято не считать, а именно оценивать, взяв в расчет какую-либо стороннюю информацию, в частности Retention.Один из способов это сделать – считать «отвалившимися» тех пользователей, которые не заходили в приложение 7, 14, 30 и более дней. Иными словами, определить критерий «невозврата» пользователей.

Другой, чуть более сложный способ – посчитать интеграл от функции Retention, так как Lifetime является площадью под кривой Retention, либо просто сложить все показатели Retention.

Для этого нужно знать значения Retention за несколько дней. Желательно, чтобы число дней было как можно больше, поскольку от этого будет зависеть точность рассчитанного Lifetime.

Например, у нас есть значения Retention за первые 28 дней. Сложив их, мы получим значение Lifetime, которое равно 4,9.

График и значения Retention по дням с момента установки

Стоит учитывать, что Lifetime – это средняя величина: она не говорит о том, что большинство пользователей покидают проект через это количество дней. В этом заключается польза этой метрики – она показывает общую ситуацию по продукту в одной цифре.

Допустим, в ходе экспериментов получилось увеличить Retention первых дней, но одновременно с этим метрика начала падать начиная с 5-го дня.

Сравнение Retention до и после изменений

Получив такой результат, довольно тяжело оценить эффективность изменений: какой из Retention’ов сильнее влияет на проект, достаточно ли роста Retention вначале, чтобы компенсировать более продолжительное падение после 5-го дня. В то время как Lifetime поможет сделать этот вывод, поскольку этот показатель учитывает все значения Retention. И, посчитав его для данного примера, можно заметить, что изменение положительно повлияло на проект.

Также при работе с Lifetime стоит уделить внимание сегментации. Причем сегментировать можно в двух направлениях: использовать стандартные сегменты типа страны и девайса или делить пользователей по времени, которое они проводят в приложении, по самому Lifetime.

Иными словами, можно отдельно анализировать и оценивать поведение пользователей, Lifetime которых меньше недели или от недели до двух, от двух до месяца и т. д.

Вероятно, поведение таких сегментов будет отличаться и, исследовав его для каждой группы, можно обнаружить проблемные места в приложении и понять причину оттока.

Как использовать Lifetime

Lifetime показывает, через какое время пользователь покинет проект. Зная, когда это случится, можно попытаться изменить его поведение: предложить скидку, отправить push-уведомление, изменить что-то в приложении, чтобы продлить пребывание пользователя в проекте.

Кроме того, Lifetime тесно связан с другой метрикой – Lifetime Value, которая показывает, сколько денег приносит пользователь за время жизни в проекте (Lifetime). Поэтому, хотя на первый взгляд Lifetime измеряется в днях и не имеет финансовой составляющей, на доход он тем не менее влияет: ведь чем больше Lifetime, тем дольше пользователь будет платить. Это особенно важно для подписных продуктов, поскольку там каждый подписанный пользователь будет регулярно и стабильно приносить доход компании.

Очевидно, что стоит работать над повышением этой метрики, так как чем дольше пользователи живут в проекте, тем больше денег они в него принесут.

Как быстро оценить качество трафика

Часто, особенно у небольших компаний, бывает так: получили бюджет на привлечение, закупили пользователей, увидели приток регистраций, обрадовались и перешли к другим задачам. А эти пользователи вдруг не принесли денег, и, выходит, маркетинговый бюджет потрачен впустую. Причины провала могут крыться как в проблемах с монетизацией продукта, так и в низком качестве трафика. Ведь, по разным оценкам, доля фейкового трафика в общей структуре платных регистраций сегодня колеблется от 20 до 60 %.

Чтобы избежать подобных ситуаций, необходимо анализировать трафик смолоду. И мы расскажем, как это сделать.

Используйте относительные метрики

Такие метрики, как общая стоимость привлечения (Installs Cost), общее количество регистраций (Installs) и доход от пользователей (Revenue), безусловно, важны для понимания масштаба кампании. Однако они ничего не говорят о качестве трафика. Чтобы оценить, насколько хороший трафик вы получили, нужно оперировать относительными метриками в пересчете на привлеченного пользователя:

– ARPU (Average Revenue Per User);

– RPI (Revenue Per Install);

– CPI (Cost Per Install);

– доля платящих пользователей (Paying Share);

– процентное удержание (Retention);

– возврат инвестиций (ROI, ROAS).

Они описывают качество трафика и позволяют сравнивать несколько каналов привлечения.

Используйте когортный анализ

Зафиксируйте для каждого источника трафика даты регистрации или первого визита пользователей, а затем изучайте метрики удержания и монетизационные метрики спустя день, два дня, неделю, две недели, месяц с момента регистрации.

Для примера возьмем источник A. Зафиксируем недельный интервал регистрации пользователей и рассчитаем метрики для каждой когорты:

– Cumulative 1-Day ARPU (сколько один пользователь принес в среднем за день жизни в проекте);

– Cumulative 2-Days ARPU;

– Cumulative 7-Days ARPU;

– …

– Cumulative 28-Days ARPU;

– и т. д.

Аналогично возьмите накопительный доход и поделите его на стоимость привлечения одного пользователя, чтобы получить метрику X-Days ROI. Отслеживайте этот показатель, и вы заметите момент окупаемости трафика – ваш ROI превысит 100 %. При сравнении нескольких источников трафика ROI это важнейший показатель.

Кроме того, мы рекомендуем считать следующие показатели удержания для каждой когорты:

– 1-Day Retention;

– 7-Days Retention;

– 28-Days Retention

– и т. д.

Они нужны, чтобы сопоставлять источники, приведенные к одной точке, ведь неправильно сравнивать эффективность источников, если они проработали разное время.

Установите целевые события

Такие метрики, как Retention, легко подделать. Если клиент ориентируется, скажем, на 1-Day Retention, можно просто зайти в приложение на следующий день или написать соответствующего бота.

Поэтому установите другие события, выполнение которых покажет вам, что пользователь действительно правильно мотивирован.

Такими событиями могут быть прохождение конкретного (не первого) уровня, вход в магазин, нажатие на какой-нибудь не самый очевидный элемент меню и т. п. Рассматривайте эти события для каждого источника трафика вместе с описанными выше метриками, и вполне возможно, что вы обнаружите канал, по которому Retention высок, но целевые действия не выполняются. Если это нередкая ситуация, то от такого канала стоит отказаться.

«Нарезайте» данные (Slice & Dice)

Не исключено, что боты работают из-под одного IP, или же они регистрируются в один час, или же приходят с одного сайта. Если вы будете анализировать данные во всех этих разрезах, а лучше в сочетаниях, то шансы заметить странные отклонения окажутся выше.

Дело не только в ботах – если вы видите, что трафик из конкретной страны или с конкретного сайта не окупается, вы вправе попросить партнера отключить такой субисточник.

Разработайте процедуру оценки трафика

Анализ трафика – не разовая задача. Его нужно выполнять постоянно, оценивая поступающий трафик и оптимизируя алгоритмы анализа.

Установите ежедневную и еженедельную процедуры оценки трафика. Пусть ваш специалист по анализу трафика (их называют либо маркетологами, либо маркетинговыми аналитиками, либо UAM – User Acquisition Managers) начинает день не только с кофе, но и с анализа качества трафика за последние N дней.

Если вы собрали набор метрик для анализа, установили целевые события и нарезали трафик по нескольким параметрам, этого уже достаточно, чтобы занять трафик-менеджера на полчаса утром. Можно навесить на каждую метрику систему мониторинга (воспользовавшись механизмами статистики: доверительными интервалами, правилом трех сигм) – так вы увеличите шанс найти аномальные отклонения в трафике.

Работайте с проверенными партнерами

Но не бойтесь экспериментировать.

Вообще, привлечение трафика – это задача, которую можно сравнить с формированием инвестиционного портфеля. И там, и там есть высокодоходные источники и, так скажем, консервативные инструменты. Начните формирование своего портфеля трафика с проверенных партнеров (Google, Facebook или тех, с кем у вас уже сложились отношения). Наступит момент, когда кто-то предложит вам низкий CPI. Если у вас уже есть стабильный и предсказуемый источник трафика, можете рискнуть – вдруг новый партнер действительно окажется лучше. Риск вы минимизируете за счет диверсификации источников.

Если регулярно оценивать качество трафика, отключать плохо работающие субисточники, оставлять стабильные и проверенные каналы, порционно добавлять новых экспериментальных партнеров, вы шаг за шагом научитесь определять, сколько пользователей к вам придет в следующем месяце и сколько придется за это заплатить.

Установите лимиты

Тем не менее будет полезно установить лимиты по каждому партнеру. Во-первых, вы получите верхнюю планку своего бюджета на привлечение. Во-вторых, избежите ситуации, когда непроверенный партнер вдруг выставит неожиданно большой счет.

Конечно, эти лимиты могут отличаться для разных партнеров. Устанавливайте их пропорционально вашей степени доверия к источнику трафика.

Вычитайте китов из анализа

Киты – это пользователи, которые приносят очень большие суммы денег. И не исключено, что всю кассу одному источнику трафика создает единственный пользователь, а остальные конвертируются очень плохо. Лучше убедитесь, что это не так.

А теперь давайте рассмотрим кейс.

Есть три партнера: A, B, C. Каждому партнеру мы заплатили по $100 за привлечение.

– трафик партнера A принес $15

– трафик партнера B – $20

– трафик партнера C – $25

Какой из партнеров лучше?

1. Хотелось бы сказать, что C. Но правильный ответ здесь: «Я не знаю». Прежде чем принимать решение, нужно уточнить несколько моментов.

2. Сколько пользователей пришло из каждого источника? Ориентируясь на абсолютные метрики, мы не сможем сравнить качество каналов. Нам нужны относительные метрики, а для этого нужно знать количество пользователей.

3. Каковы CPI по каждому источнику? Не зная стоимости привлечения, мы не сможем рассчитать ROI, а именно ROI – ключевой показатель при сравнении источников.

4. Сколько времени прошло с момента регистрации пользователей по каждому источнику? Может, кампания с партнером C началась месяц назад, а с другими прошла лишь неделя?

5. Даже если по всем партнерам прошло одинаковое количество дней с начала кампании, достаточно ли этого периода, чтобы говорить о различиях? Допустим, прошло всего 2–3 дня, и партнеры A и B еще смогут догнать и перегнать партнера C.

6. Есть ли киты в анализируемом трафике? Вдруг это один человек заплатил $25, а все остальные N‐1 человек не принесли ни копейки. Какова вообще структура дохода в разрезе того, как много платят пользователи?