Attrition & Retention Analytics เพื่อเพิ่มผู้ซื้อซ้ำ
เผยแพร่แล้ว: 2022-08-27การรักษาลูกค้าเป็นตัวชี้วัดที่สำคัญสำหรับบริษัทใดๆ อัตราการรักษาลูกค้าที่สูงหมายความว่าลูกค้าจำนวนมากขึ้นพบคุณค่าในผลิตภัณฑ์ของคุณและจะอยู่กับคุณในระยะยาว
ในทางกลับกัน อัตราการรักษาที่ต่ำอาจเป็นสัญญาณว่าผู้ใช้หมดความสนใจในผลิตภัณฑ์ของคุณอย่างรวดเร็วและอาจจะเลิกใช้ในไม่ช้า
เพื่อกระตุ้นให้ลูกค้าอยู่ต่อ สิ่งสำคัญคือต้องเข้าใจการวิเคราะห์การขัดสีและการรักษาลูกค้า เนื่องจากจะช่วยให้คุณทราบว่าสิ่งใดที่มีอิทธิพลต่อความภักดีของลูกค้า โชคดีที่การเพิ่มประสิทธิภาพเมตริกการเก็บข้อมูลของคุณทำได้ง่ายกว่าที่เคย โดยให้เครื่องมือและกระบวนการที่เหมาะสมแก่คุณ
ประเด็นที่สำคัญ
- เลื่อนผ่านกราฟการรักษามาตรฐานและดึงดูดผู้ใช้ในแต่ละขั้นตอนของวงจรชีวิต
- ใช้ KPI เช่น การเก็บรักษา N-Day การเก็บรักษาที่ไม่มีขอบเขต และการเก็บรักษาแบบคร่อมเพื่อให้ได้ภาพที่แม่นยำยิ่งขึ้นของความภักดีของลูกค้า
- กำหนดเหตุการณ์สำคัญและระดับการใช้ผลิตภัณฑ์ของคุณเพื่อตั้งค่าการวิเคราะห์การขัดสีและการเก็บรักษาของคุณ
- เปรียบเทียบการรักษาของคุณกับข้อมูลกลุ่มประชากรตามรุ่นเพื่อให้ได้ผลลัพธ์ที่เกี่ยวข้องมากที่สุด
- ใช้เฟรมเวิร์กที่ทดลองและทดสอบแล้วเพื่อสร้างและจัดลำดับความสำคัญของเป้าหมายการทดสอบของคุณ
ช่องว่างระหว่างการขัดสี (ปั่นป่วน) และการเก็บรักษา
Attrition หรือ churn วัดจำนวนลูกค้าที่หยุดใช้การสมัครสมาชิกผลิตภัณฑ์หรือบริการภายในระยะเวลาที่กำหนด มีหลายปัจจัยที่อาจทำให้เกิดการขัดสี รวมถึงการบริการลูกค้าที่ไม่ดี ราคาสูง และการเปลี่ยนแปลงในความต้องการหรือสถานการณ์ของลูกค้าของคุณ
การเก็บรักษาเป็นสิ่งที่ตรงกันข้ามกับการขัดสี เป็นกระบวนการในการรักษาความพึงพอใจของลูกค้าที่มีอยู่และป้องกันไม่ให้พวกเขาออกไป การรักษาผู้ใช้นั้นมีค่าใช้จ่ายน้อยกว่าการซื้อใหม่ ดังนั้นการลดช่องว่างระหว่างสองสิ่งนี้จึงเป็นสิ่งจำเป็น
คุณน่าจะคุ้นเคยกับการเห็นเส้นโค้งการรักษาผู้ใช้ทั่วไป ซึ่งแสดงจำนวนวันบนแกน X (โดยปกติคือเปอร์เซ็นต์) และสัดส่วนของผู้ใช้ที่ใช้งานอยู่บนแกน Y
ปัญหาเกี่ยวกับเส้นโค้งการคงผู้ใช้ไว้นี้คือการรวมผู้ใช้หลายประเภทที่แตกต่างกันเข้าเป็นเส้นโค้งเดียว ในความเป็นจริง ผู้ใช้ทุกคนไม่ได้ถูกสร้างขึ้นมาเท่าเทียมกัน
ผู้ใช้ที่ใช้งานอยู่ต้องผ่านการรักษาสามขั้นตอนที่แตกต่างกัน:
- ผู้ใช้ใหม่: ผู้ใช้ที่ยังใหม่ต่อผลิตภัณฑ์ของคุณ
- ผู้ใช้ปัจจุบัน: ผู้ใช้ที่มีส่วนร่วมกับผลิตภัณฑ์ของคุณเป็นระยะเวลาหนึ่งๆ
- ผู้ใช้ที่ ฟื้นคืนชีพ: ผู้ใช้ที่เคยใช้ผลิตภัณฑ์ของคุณก่อนหน้านี้และไม่ได้ใช้งานมาระยะหนึ่งก่อนที่จะกลับมาใช้งานต่อ
ผู้ใช้ที่อยู่เฉยๆบางคนหลุดจากเรดาร์และไม่ใช้ผลิตภัณฑ์ของคุณอีกต่อไป ณ จุดนี้ลูกค้าเหล่านี้ถือว่าปั่นป่วน
คุณต้องโต้ตอบกับผู้ใช้ใหม่และผู้ใช้ปัจจุบันแตกต่างกัน สร้างแผนเพื่อนำผู้ใช้ที่อยู่เฉยๆ กลับมา และกระตุ้นให้ผู้ใช้แต่ละกลุ่มมีความกระตือรือร้นและมีส่วนร่วมกับผลิตภัณฑ์ของคุณมากขึ้น
เรียนรู้เพิ่มเติมเกี่ยวกับ Retention Lifecycle Framework ซึ่งเป็นส่วนหนึ่งของ Mastering Retention Playbook ฟรีของเรา ซึ่งจะอธิบายวิธีที่คุณสามารถมีส่วนร่วมกับผู้ใช้ของคุณในแต่ละขั้นตอนของการรักษาเพื่อให้ได้อัตราชั้นนำของอุตสาหกรรม
การเก็บรักษาและการขัดสี: KPI ที่สำคัญที่คุณควรติดตาม
เมตริกที่ส่งผลต่อการรักษาผู้ใช้มากที่สุดคือเหตุการณ์สำคัญและช่วงการใช้งานผลิตภัณฑ์ของคุณ อย่างไรก็ตาม เราจะกล่าวถึงรายละเอียดเหล่านี้ในรายละเอียดเพิ่มเติมในหัวข้อถัดไป สำหรับตอนนี้ มาทำความเข้าใจเกี่ยวกับอัตราการเลิกใช้งานและอัตราการรักษากันก่อน
อัตราการปั่น
อัตราการเลิกของลูกค้าคือเปอร์เซ็นต์ของลูกค้าที่หยุดทำธุรกิจกับคุณในช่วงระยะเวลาหนึ่ง เป็นอัตราผกผันของอัตราการรักษาลูกค้า
อัตราการเลิกใช้งานมีความสำคัญเนื่องจากช่วยให้คุณเข้าใจว่าคุณสามารถรักษาลูกค้าไว้ได้อย่างมีประสิทธิภาพเพียงใด หากอัตราการเลิกใช้งานของคุณสูง คุณต้องหาสาเหตุว่าทำไมลูกค้าถึงลาออก
สูตรคำนวณอัตราการเลิกใช้งานของลูกค้าคือ [Y/X] × 100 โดยที่ Y คือจำนวนลูกค้าที่สูญเสียไปในช่วงเวลานั้น และ X คือจำนวนลูกค้าเมื่อเริ่มต้นรอบระยะเวลา ตัวอย่างเช่น หากคุณเริ่มต้นเดือนมกราคมโดยมีลูกค้า 400 ราย และภายในสิ้นเดือน คุณสูญเสียลูกค้า 60 ราย อัตราการเลิกใช้งานของลูกค้าจะอยู่ที่ 15% นี่คืออัตราการปั่นตัวอย่างนี้เป็นสูตร:
60/400 × 100 = 15%
อัตราการเลิกบุหรี่มักใช้สลับกันได้กับอัตราการขัดสี ซึ่งจัดประเภทเพิ่มเติมเป็นการขัดสีโดยสมัครใจและไม่สมัครใจ
การขัดสีโดยสมัครใจคือการขัดสีที่อยู่ภายใต้การควบคุมของลูกค้า ตัวอย่างเช่น หากลูกค้ายกเลิกการสมัครรับข้อมูลหรือบริการเนื่องจากกำลังจะย้ายไปยังผลิตภัณฑ์ของคู่แข่ง จะถือเป็นการเลิกจ้างโดยสมัครใจ
การขัดสีโดยไม่สมัครใจเป็นการขัดสีที่อยู่นอกเหนือการควบคุมของลูกค้า หากบัตรเครดิตของลูกค้าหมดอายุ และพวกเขาไม่อัปเดตข้อมูลการเรียกเก็บเงิน ซึ่งยกเลิกการสมัครรับข้อมูล นั่นจะเป็นการออกจากบัญชีโดยไม่สมัครใจ
คุณอาจสงสัยว่า: อัตราการปั่นที่ยอมรับได้คืออะไร?
โดยทั่วไป บริษัท B2B จะมีอัตราการเลิกจ้างเฉลี่ยประมาณ 5% เมื่อเทียบกับ 7.05% ซึ่งเป็นเรื่องปกติสำหรับบริษัท B2C และนั่นเป็นเพียงส่วนเล็ก ๆ ของภูเขาน้ำแข็งในอัตราอุตสาหกรรม
การวิจัยพบว่าอัตราแตกต่างกันอย่างมากในอุตสาหกรรมที่ดูเหมือนคล้ายคลึงกัน ตัวอย่างเช่น ค่าเฉลี่ยอุตสาหกรรม SaaS อยู่ที่ 4.79% ในขณะที่บริการทางธุรกิจโดยทั่วไปจะได้รับอัตราที่สูงกว่ามากที่ 6.25%
แม้แต่บริษัทที่มุ่งลูกค้าไปข้างหน้าในอุตสาหกรรมสื่อและความบันเทิงก็ลดลงเหลือ 4.67% เมื่อเทียบกับอัตราการเลิกจ้างที่เพิ่มขึ้นอย่างมีนัยสำคัญ 9.62% จากธุรกิจสินค้าอุปโภคบริโภค
อัตราการเก็บรักษา
อัตราการรักษาลูกค้าคือเปอร์เซ็นต์ของลูกค้าที่อยู่กับบริษัทของคุณในช่วงเวลาที่กำหนด
ลูกค้าสามารถรักษาไว้ได้หลายวิธี เช่น การใช้ผลิตภัณฑ์หรือบริการของคุณต่อไป หรือโดยการใช้จ่ายเงินกับธุรกิจของคุณมากขึ้น
สูตรอัตราการคงอยู่คือ (XY) ÷ Z × 100 โดยที่ X คือจำนวนลูกค้าเมื่อสิ้นสุดงวด Y คือจำนวนลูกค้าใหม่ที่ได้รับ และ Z คือจำนวนลูกค้าเมื่อต้นงวด .
ดังนั้น หากคุณเริ่มต้นเดือนมกราคมโดยมีลูกค้า 575 ราย และภายในสิ้นเดือน คุณได้รับลูกค้าใหม่ 20 รายภายในสิ้นเดือน คุณมีลูกค้า 550 ราย อัตราการรักษาของคุณจะเป็น:
(550-20) ÷ 575 × 100 = 92.17%
อัตราการรักษาลูกค้าเป็นตัวชี้วัดที่สำคัญ แต่เป็นเพียงจุดเริ่มต้นของ KPI การรักษาลูกค้า
ที่ Amplitude เราวัดการรักษาตามการรักษา N-Day, การเก็บรักษาที่ไม่มีขอบเขต และการรักษาวงเล็บ
การเก็บรักษา N-Day
การเก็บรักษา N-Day จะวัดการรักษาในวันที่กำหนด โดยดูจากจำนวนผู้ใช้ที่ดำเนินการบางอย่างในวันที่ 1 วันที่ 7 และอื่นๆ ในกราฟด้านล่าง 4.96% ของผู้ใช้กลับมาในวันที่ 14
การเก็บรักษา N-Day เหมาะอย่างยิ่งสำหรับเกมบนมือถือหรือแอปโซเชียลมีเดีย ตลอดจนผลิตภัณฑ์ประเภทอื่นๆ ที่ต้องการพฤติกรรมที่สม่ำเสมอและสม่ำเสมอจากผู้ใช้
การเก็บรักษาที่ไร้ขอบเขต
การเก็บรักษาที่ไม่จำกัดจะคำนวณเปอร์เซ็นต์ของผู้ใช้ที่กลับมายังผลิตภัณฑ์หรือบริการในวันที่ระบุหรือวันใดๆ หลังจากนั้น ด้านล่าง ผู้ใช้ประมาณ 20% กลับมาในวันที่ 1 หรือหลังจากนั้น ตัวเลขนี้สะท้อนถึงเปอร์เซ็นต์ของผู้ใช้ที่กลับมาในวันที่ 1 หรือครั้งหลังวันที่ 1
การวิเคราะห์ประเภทนี้สามารถแม่นยำกว่าการรักษา N-Day สำหรับธุรกิจที่ไม่มีผู้ใช้ที่กลับมาเป็นประจำ
การเก็บรักษาวงเล็บ
การเก็บรักษาวงเล็บเป็นวิธีที่เหมาะสมยิ่งขึ้นในการวิเคราะห์การรักษาลูกค้า มันเกี่ยวข้องกับการดูพฤติกรรมของผู้ใช้ในช่วงเวลาที่กำหนดเองแทนที่จะเป็นกรอบเวลาคงที่
ตัวอย่างเช่น คุณสามารถตั้งค่าวงเล็บแรกเป็นวันที่ 0 และวงเล็บที่สองเป็นวันที่ 1-3 แอมพลิจูดจะวัดเปอร์เซ็นต์ของผู้ใช้ที่กลับมาในแต่ละช่วงเวลา ดังที่แสดงในภาพด้านล่าง
วิธีวิเคราะห์เมตริกการรักษาผู้ใช้และการออกจากงาน
การส่งข้อมูลเหตุการณ์ที่เหมาะสมที่สุดไปยังแพลตฟอร์มการวิเคราะห์ของคุณเป็นขั้นตอนที่สำคัญที่สุดในการทำความเข้าใจว่าลูกค้ามีส่วนร่วมกับผลิตภัณฑ์ของคุณอย่างไร ด้านล่างนี้คือขั้นตอนที่เราแนะนำเพื่อให้แน่ใจว่าเครื่องมือของคุณได้รับการตั้งค่าเพื่อความสำเร็จ
ขั้นตอนที่ #1: ตรวจสอบเครื่องมือวิเคราะห์ของคุณ
ขั้นตอนแรกในการวิเคราะห์การคงอยู่หรือการขัดสีใดๆ คือการสร้างคุณมีเครื่องมือที่เหมาะสม ซึ่งหมายถึงการติดตามเหตุการณ์ที่สำคัญที่สุดสำหรับธุรกิจของคุณและดูแลให้มั่นใจว่าเหตุการณ์เหล่านั้นถูกจับได้อย่างแม่นยำ
สมมติว่าคุณต้องการบันทึกความถี่ที่ผู้ใช้กลับมาที่แอปของคุณหลังจากลงชื่อสมัครใช้ ในการดำเนินการนี้ คุณต้องติดตามทั้งกิจกรรม "สมัครใช้งาน" และ "การเปิดตัวแอป" หากคุณไม่ได้ติดตามเหตุการณ์ใดเหตุการณ์หนึ่งเหล่านี้ คุณจะไม่สามารถวัดการรักษาได้อย่างถูกต้อง
ในการเริ่มต้น ให้ดูที่การติดตามกิจกรรมของคุณ และตรวจสอบให้แน่ใจว่าคุณได้บันทึกเหตุการณ์สำคัญทั้งหมดที่คุณต้องการสำหรับการวิเคราะห์ของคุณ คุณสามารถรวบรวมข้อมูลนี้ผ่านแพลตฟอร์มการวิเคราะห์ เช่น Amplitude, Heap หรือ Mixpanel
สุดท้าย ตรวจสอบข้อมูลของคุณโดยตรวจสอบเส้นทางการเริ่มต้นใช้งานและเส้นทางที่สำคัญ และทำการทดสอบข้อผิดพลาดอย่างเข้มงวด
ขั้นตอนที่ #2: จัดระเบียบอนุกรมวิธานเหตุการณ์ของคุณ
เมื่อคุณได้ตรวจสอบแล้วว่าคุณกำลังติดตามเหตุการณ์ที่ถูกต้องทั้งหมด ขั้นตอนต่อไปคือการตั้งค่าการจัดหมวดหมู่ของคุณ อนุกรมวิธานเป็นวิธีจัดประเภทเหตุการณ์ที่วิเคราะห์ได้ง่าย
ตัวอย่างเช่น คุณอาจต้องการสร้างอนุกรมวิธานที่มีเหตุการณ์สองประเภท: "เหตุการณ์ของผู้ใช้" และ "เหตุการณ์ผลิตภัณฑ์"
กิจกรรมของผู้ใช้จะรวมถึงกิจกรรมต่างๆ เช่น การลงทะเบียน การเข้าสู่ระบบ และการอัปเดตโปรไฟล์ กิจกรรมของผลิตภัณฑ์จะประกอบด้วยเหตุการณ์ต่างๆ เช่น การดูผลิตภัณฑ์ การเพิ่มลงในการ์ด และการซื้อผลิตภัณฑ์ การจัดกิจกรรมของคุณเป็นแบบอนุกรมวิธานจะช่วยให้วิเคราะห์ได้ง่ายขึ้นในภายหลัง
ขั้นตอนที่ #3: กำหนดเหตุการณ์สำคัญของคุณ
เหตุการณ์สำคัญคือการดำเนินการที่ลูกค้าของคุณดำเนินการภายในผลิตภัณฑ์ของคุณซึ่งสนับสนุนคุณค่าของบริษัทคุณอย่างมาก
หากคุณกำลังพยายามเพิ่มการรักษาลูกค้า หนึ่งในเหตุการณ์สำคัญของคุณอาจเป็นการซื้อ ซึ่งคุณระบุว่าเป็น "การซื้อ" เนื่องจากผู้ใช้ที่ซื้อมีแนวโน้มที่จะกลับมาใช้ผลิตภัณฑ์ของคุณอีกครั้ง
แต่ถ้าคุณพยายามลดการขัดสี หนึ่งในเหตุการณ์สำคัญของคุณอาจกำลังเข้าสู่ระบบผลิตภัณฑ์ที่คุณติดป้ายว่า "เข้าสู่ระบบ" เนื่องจากผู้ใช้ที่เข้าสู่ระบบมักจะติดอยู่และใช้ผลิตภัณฑ์ของคุณ
ขั้นตอนที่ #4: กำหนดช่วงเวลาการใช้ผลิตภัณฑ์ของคุณ
ขั้นตอนสุดท้ายคือการกำหนดช่วงเวลาการใช้ผลิตภัณฑ์ของคุณ ซึ่งเป็นกรอบเวลาที่คุณต้องการใช้สำหรับการวิเคราะห์การเก็บรักษาของคุณ
ตัวอย่างเช่น ผลิตภัณฑ์บางอย่าง เช่น แอพส่งข้อความ ถูกสร้างขึ้นเพื่อใช้ทุกวันและช่วงเวลาการใช้งานจะเป็นหนึ่งวัน การขัดสีจะถูกกำหนดเป็นผู้ใช้ที่ไม่ได้ใช้ผลิตภัณฑ์เป็นเวลาหนึ่งวัน
บริการอื่นๆ เช่น ร้านค้าอีคอมเมิร์ซ อาจมีช่วงการใช้งานหนึ่งสัปดาห์หรือหนึ่งเดือน — และการขัดสีจะถูกกำหนดเป็นผู้ใช้ที่ไม่ได้ใช้แพลตฟอร์มในช่วงเวลานั้น
การใช้การวิเคราะห์การขัดสีและการรักษาข้อมูลเพื่อปรับปรุงอัตราการเลิกใช้งานของคุณ
ตอนนี้ คุณมีกรอบงานสำหรับการวิเคราะห์การขัดสีและการวิเคราะห์การเก็บข้อมูลแล้ว ก็ถึงเวลานำไปใช้ การดำเนินการขึ้นอยู่กับการเปรียบเทียบ การตั้งเป้าหมาย และการจัดลำดับความสำคัญของการทดสอบของคุณ
เกณฑ์มาตรฐานการรักษาของคุณ
การวิเคราะห์ตามการได้มาและการวิเคราะห์ตามเหตุการณ์เป็นสองวิธีที่ใช้กันมากที่สุดสำหรับการเปรียบเทียบความผูกพันกับลูกค้า
การวิเคราะห์ตามการได้มามีการจัดกลุ่มผู้ใช้ตามลักษณะหรือพฤติกรรมทั่วไป จากนั้นจึงติดตามเมตริกการมีส่วนร่วมเมื่อเวลาผ่านไป ตัวอย่างเช่น กลุ่มประชากรตามรุ่นอาจถูกกำหนดให้เป็นผู้ใช้ทั้งหมดที่ลงทะเบียนสำหรับเว็บไซต์ในเดือนที่กำหนด
การเฝ้าติดตามว่าผู้ใช้เหล่านี้มีความกระตือรือร้นเพียงใดในช่วงหลายเดือนหรือหลายปีทำให้สามารถเปรียบเทียบอัตราการออกจากงานและอัตราการคงอยู่ได้
การวิเคราะห์ตามเหตุการณ์มุ่งเน้นไปที่เหตุการณ์หรือการกระทำเฉพาะที่ผู้ใช้ทำภายในผลิตภัณฑ์หรือบริการ ตัวอย่างเช่น เหตุการณ์อาจถูกกำหนดให้เป็นการเพิ่มสินค้าลงในตะกร้าสินค้า ดำเนินการซื้อให้เสร็จสิ้น หรืออ่านบล็อกโพสต์เฉพาะ
ด้วยการติดตามความถี่และความเร็วที่ผู้ใช้ทำกิจกรรมบางอย่างเสร็จสิ้น ทำให้สามารถวัดการมีส่วนร่วมและประเมินว่าผลิตภัณฑ์ส่วนใดถูกใช้บ่อยที่สุด แต่ละวิธีมีข้อดีและข้อเสีย
การวิเคราะห์ตามการได้มานั้นยอดเยี่ยมสำหรับการวัดแนวโน้มในระยะยาว แต่การแยกผลกระทบของแต่ละเหตุการณ์อาจเป็นเรื่องยาก การวิเคราะห์ตามเหตุการณ์จะให้ข้อมูลเชิงลึกที่ละเอียดยิ่งขึ้น แต่ไม่ได้ให้ภาพที่ชัดเจนเสมอไปว่าผู้ใช้โต้ตอบกับผลิตภัณฑ์อย่างไรเมื่อเวลาผ่านไป วิธีที่ดีที่สุดคือใช้ทั้งสองวิธีควบคู่กันไป เนื่องจากเป็นการเสริมซึ่งกันและกันอย่างดี
กำหนดเป้าหมายการรักษาของคุณ
เราแนะนำให้ใช้ระบบการกำหนดเป้าหมายที่เรียกว่า OKRs (วัตถุประสงค์และผลลัพธ์หลัก) OKRs ถูกคิดค้นโดย Andrew Grove ผู้ร่วมก่อตั้งของ Intel และเผยแพร่โดย Google ซึ่งเป็นกรอบการทำงานที่ชัดเจนสำหรับการตั้งและบรรลุเป้าหมาย
ขั้นตอนแรกคือการระบุเป้าหมายการรักษาโดยรวมของคุณ ถัดไป คุณต้องกำหนดกรอบเวลา (30 ถึง 90 วัน) และระบุผลลัพธ์หลักสามประการที่คุณต้องการบรรลุ ผลลัพธ์แต่ละรายการเหล่านี้ควรเป็นสิ่งที่วัดผลได้ ตัวอย่างเช่น คุณอาจต้องการปรับปรุงการรักษาผู้ใช้ 20%, 2x หรือ 10x เมื่อคุณได้ผลลัพธ์แล้ว ให้ระดมความคิดเกี่ยวกับวัตถุประสงค์ที่นำไปใช้ได้จริงที่คุณจะใช้เพื่อบรรลุเป้าหมายเหล่านั้น
บางครั้งการเขียนกรอบ OKR เป็นประโยคช่วยก็ช่วยให้ชัดเจนและนำไปปฏิบัติได้ ตัวอย่างเช่น "ในอีก 30 วันข้างหน้า เราต้องการเพิ่มการรักษากลุ่มประชากรตามรุ่นของเราอีก 20%"
จัดลำดับความสำคัญการทดลองของคุณ
เมื่อคุณมีเป้าหมายการรักษาแล้ว ก็ถึงเวลาเริ่มทำการทดสอบเพื่อให้บรรลุเป้าหมายเหล่านั้น แต่ด้วยการทดลองที่เป็นไปได้มากมาย คุณจะรู้ได้อย่างไรว่าควรให้ความสำคัญกับการทดลองใด
ไม่มีประโยชน์ในการสร้างวงล้อขึ้นใหม่ ดังนั้นเราจึงแนะนำให้ใช้เฟรมเวิร์ก ICE ที่ Brian Balfour และ Sean Ellis ได้รับความนิยม ICE ช่วยให้คุณจัดลำดับความสำคัญของการทดลองตามผลกระทบ ความมั่นใจ และความง่ายในการใช้งาน:
- ผลกระทบ: การทดลองนี้จะมีผลกระทบมากเพียงใดต่ออัตราการคงอยู่ของเรา
- ความมั่นใจ: เรามั่นใจเพียงใดว่าการทดสอบนี้จะช่วยเพิ่มอัตราการคงอยู่ของเรา
- ความง่าย: การทดลองนี้ทำได้ง่ายเพียงใด
หากต้องการจัดลำดับความสำคัญของการทดสอบ ให้เริ่มต้นด้วยการระดมความคิดเกี่ยวกับรายการการทดสอบที่เป็นไปได้ จากนั้นให้คะแนนการทดสอบแต่ละรายการในระดับ 1 ถึง 10 สำหรับแต่ละองค์ประกอบ ยิ่งคะแนนสูง ยิ่งสำคัญมากในการดำเนินการทดสอบ
ไอเดีย Backlog | ผลกระทบ | ความมั่นใจ | ผ่อนปรน |
สร้างระบบเตือนความจำอีเมลหมดอายุของบัตรเครดิตอัตโนมัติ | 8 | 6 | 4 |
เพิ่มขั้นตอนการออนบอร์ดเพื่อกระตุ้นให้ผู้ใช้สร้างงานแรก | 9 | 8 | 7 |
เปิดใช้งานการเข้าสู่ระบบโซเชียล | 6 | 5 | 5 |
จัดลำดับความสำคัญการทดสอบของคุณตามลำดับความสำคัญ (I × C × E)
หลังจากที่คุณทำการทดสอบแล้ว ให้กำหนดเวลาเช็คอินรายสัปดาห์หรือสองสัปดาห์กับทีมของคุณ ตรวจสอบอัตราการออกจากงานและอัตราการคงอยู่ของคุณในระหว่างการเช็คอินเหล่านี้ และหารือเกี่ยวกับการเปลี่ยนแปลงใดๆ ที่คุณได้ทำกับการทดสอบของคุณ
เก็บบันทึกความคืบหน้าของคุณเพื่อดูว่ากลยุทธ์การเก็บรักษาของคุณทำงานได้ดีเพียงใด หากคุณไม่ก้าวหน้าตามต้องการ อย่ากลัวที่จะหมุนและลองสิ่งใหม่ๆ ทำซ้ำและทดลองไปเรื่อยๆ จนกว่าคุณจะพบกลยุทธ์การเก็บรักษาที่ได้ผล
หากคุณกำลังมองหาข้อมูลเพิ่มเติมเกี่ยวกับวิธีการติดตามและวิเคราะห์อัตราการขัดสีและอัตราการคงอยู่ของผลิตภัณฑ์ของคุณ เราสามารถช่วยได้ คู่มือการคงไว้ซึ่งการ เรียนรู้ เป็นแนวทางทีละขั้นตอนที่นำคุณผ่านกระบวนการตั้งเป้าหมายการรักษา การจัดลำดับความสำคัญของการทดลอง และการติดตามความคืบหน้าของคุณเมื่อเวลาผ่านไป
อ้างอิง
- อัตราการปั่นของคุณอยู่ในช่วงปกติหรือไม่ Recurly Research
- สุดยอดคู่มือ OKR Perdoo
- 10 ตัวชี้วัดการรักษาลูกค้าและวิธีการวัดพวกเขา Oren Smith สำหรับ HubSpot
- 70 สถิติการรักษาลูกค้าที่มีประสิทธิภาพที่คุณต้องรู้ในปี 2564 Elizaveta Pavlovskaya สำหรับ Semrush
- การขัดสีของลูกค้าคืออะไร BigCommerce