การรักษาไว้เป็นกลไกขับเคลื่อนการเติบโตของคุณ ตอนที่ 2: ขับเคลื่อนการมีส่วนร่วมและความเหนียวแน่น
เผยแพร่แล้ว: 2023-04-11นี่เป็นส่วนที่สองของซีรีส์สามส่วนเกี่ยวกับการรักษาลูกค้าในฐานะกลไกการเติบโตของคุณส่วนที่หนึ่งครอบคลุมวิธีทำความเข้าใจการเปิดใช้งานผู้ใช้ใหม่ และส่วนที่สามครอบคลุมวิธีดึงดูดผู้ใช้ที่ไม่ได้ใช้งานให้กลับมามีส่วนร่วมอีกครั้ง
เพื่อปรับปรุงการรักษาผู้ใช้ คุณต้องเข้าใจว่าเหตุใดผู้คนจึงใช้ผลิตภัณฑ์ของคุณตั้งแต่แรก การวิเคราะห์การมีส่วนร่วมของผู้ใช้ช่วยให้คุณเรียนรู้ว่าคุณลักษณะใดที่ทำให้ผู้ใช้กลับมาอีก ด้วยข้อมูลเชิงลึกเหล่านี้ คุณจะทำการตัดสินใจในการพัฒนาและปรับปรุงผลิตภัณฑ์ได้อย่างชาญฉลาดยิ่งขึ้น
การจัดลำดับความสำคัญของฟีเจอร์ที่ผู้ใช้ชื่นชอบมากที่สุด คุณจะสร้างผลิตภัณฑ์ที่ดึงดูดมากขึ้นเพื่อรักษาลูกค้าใหม่และลูกค้าเดิมเมื่อเวลาผ่านไป มาดูวิธีการใช้ Amplitude เพื่อกระตุ้นการมีส่วนร่วมของผู้ใช้
ประเด็นที่สำคัญ
- ค้นหาว่าผู้ใช้ของคุณมีส่วนร่วมกับฟีเจอร์ใดมากที่สุด เพื่อเรียนรู้ว่าผู้ใช้ได้รับคุณค่าจากผลิตภัณฑ์ของคุณอย่างไร
- จัดกลุ่มผู้ใช้เป็นกลุ่มตามพฤติกรรม โดยพิจารณาจากความถี่ที่พวกเขานำคุณลักษณะเฉพาะมาใช้ และผลกระทบที่ส่งผลต่อการมีส่วนร่วมและการรักษาผู้ใช้
- การวิเคราะห์การรักษาช่วยให้คุณสามารถระบุผู้ใช้ระดับสูงและคุณสมบัติที่พวกเขาใช้มากที่สุด ดังนั้นคุณจึงสามารถค้นพบว่าผลิตภัณฑ์ของคุณดึงดูดผู้ใช้ที่มีส่วนร่วมมากที่สุดได้อย่างไร
ค้นพบสิ่งที่ผู้ใช้ชื่นชอบด้วยเมทริกซ์การมีส่วนร่วมของฟีเจอร์
เพื่อพัฒนาความเข้าใจที่ดีขึ้นเกี่ยวกับรูปแบบระดับสูงของการมีส่วนร่วมกับคุณลักษณะในผลิตภัณฑ์ของคุณ ก่อนอื่นคุณต้องประเมินจำนวนผู้ใช้ที่มีส่วนร่วมกับคุณลักษณะของผลิตภัณฑ์และความถี่
ย้อนกลับไปที่ตัวอย่างก่อนหน้าซึ่งฉันเป็นผู้จัดการผลิตภัณฑ์ของ AmpliTunes ซึ่งเป็นบริการสตรีมเพลงออนไลน์ ด้วยเมทริกซ์การมีส่วนร่วมของ Amplitude เราสามารถดูจำนวนผู้ใช้ที่มีส่วนร่วมกับคุณลักษณะแต่ละอย่างในผลิตภัณฑ์ของเราและบ่อยเพียงใด

ด้านบนขวาแสดงคุณลักษณะที่ได้รับความนิยมมากที่สุดของเรา ซึ่งเป็นกิจกรรมที่มีความถี่สูงโดยผู้ใช้จำนวนมาก ใน AmpliTunes คุณลักษณะเหล่านี้ประกอบด้วย:
- ค้นหาเพลงหรือวิดีโอ
- เลือกเพลงหรือวิดีโอ
- เพลงหรือวิดีโอโปรด
- ดาวน์โหลดเพลงหรือวิดีโอ

ดังที่เราเห็นข้างต้น ผู้ใช้ที่ใช้งานรายเดือนกว่า 97% มีส่วนร่วมกับฟีเจอร์ “เพลงหรือวิดีโอโปรด” เป็นเรื่องน่าสนใจที่จะเข้าใจว่าความถี่ที่พวกเขาชื่นชอบเพลงนั้นมีผลกระทบต่ออัตราการรักษาผู้ใช้โดยรวมหรือไม่ จากข้อมูลเชิงลึกนี้ เราอาจพิจารณาวิธีอื่นๆ เพิ่มเติมเพื่อให้พวกเขามีส่วนร่วม ตัวอย่างเช่น โดยการสร้างเพลย์ลิสต์แบบกำหนดเองหลังจากที่ผู้ใช้เลือกเพลงโปรด
ทำความเข้าใจผลกระทบของความถี่ด้วยการนับย้อนหลัง
ตอนนี้เราได้กำหนดคุณสมบัติยอดนิยมของเราแล้ว เรามาเจาะลึกความถี่ในการใช้งานของคุณสมบัติเหล่านี้กัน ซึ่งอาจเปิดเผยอัตราการรักษาผู้ใช้ที่แตกต่างกันระหว่างผู้ใช้ที่มีส่วนร่วมกับคุณลักษณะหนึ่งๆ เพียงครั้งเดียว และผู้ใช้ที่มีส่วนร่วมกับคุณลักษณะเดียวกันนั้นหลายครั้ง
การวัดพฤติกรรมของผู้ใช้ในความถี่ต่างๆ ของการกระทำแต่ละอย่างช่วยให้คุณเข้าใจในระดับที่ลึกขึ้นเมื่อคุณตรวจสอบสาเหตุที่ผู้ใช้ของคุณรักษา ทำ Conversion หรือมีส่วนร่วม หรือทำไมพวกเขาถึงไม่ทำเช่นนั้น

สำหรับ AmpliTunes เราต้องการทราบว่าผู้ใช้ชื่นชอบเพลงหรือวิดีโอบ่อยเพียงใดหลังจากที่เราเริ่มแสดงคุณลักษณะนี้อย่างโดดเด่นมากขึ้น จำนวนในอดีตในแอมพลิจูดแสดงให้เราเห็นว่าผู้ใช้นำคุณลักษณะเฉพาะมาใช้บ่อยเพียงใดในช่วง 30 วันที่ผ่านมา

นอกจากนี้ เรายังสามารถจัดกลุ่มผู้ใช้เป็นกลุ่มตามพฤติกรรมตามจำนวนครั้งที่พวกเขานำคุณลักษณะมาใช้ การบันทึกกลุ่มพฤติกรรมตามรุ่นเหล่านี้ใน Amplitude เราสามารถใช้ข้อมูลนี้เพื่อพิจารณาว่าการนำฟีเจอร์มาใช้ส่งผลต่อผลลัพธ์อื่นๆ เช่น การรักษาผู้ใช้หรือไม่
ใช้การวิเคราะห์การรักษาผู้ใช้เพื่อระบุผู้ใช้ระดับสูง
เพื่อสร้างกลยุทธ์การมีส่วนร่วมที่ดีขึ้น คุณต้องรู้ว่าเหตุใดผู้ใช้จึงกลับมาที่ผลิตภัณฑ์ของคุณตั้งแต่แรก ด้วยการระบุผู้ใช้ขั้นสูงและคุณลักษณะใดที่พวกเขาใช้มากที่สุด คุณจะได้เรียนรู้ว่าอะไรที่ทำให้ผลิตภัณฑ์ของคุณดึงดูดใจผู้ใช้ที่มีส่วนร่วมมากที่สุด
การวิเคราะห์การรักษาผู้ใช้ของ Amplitude แสดงให้เราเห็นว่าผู้ใช้กลับมาที่ผลิตภัณฑ์บ่อยเพียงใดหลังจากดำเนินการบางอย่าง เช่น ชอบเพลงโปรด เราสามารถใช้กลุ่มประชากรตามพฤติกรรมที่เราสร้างขึ้นพร้อมกับการนับย้อนหลังเพื่อระบุผู้ใช้ที่มีส่วนร่วมมากที่สุด

ที่ AmpliTunes เราเปรียบเทียบผู้ใช้ที่ชื่นชอบเพลงมากกว่า 3 ครั้งกับผู้ใช้ทั้งหมด ผลลัพธ์? ผู้ใช้ระดับสูงที่ชื่นชอบเพลงมากกว่าสามเท่าจะมีการรักษาผู้ใช้สูงกว่าผู้ที่ไม่ชอบ
จากข้อมูลนี้ เราได้เรียนรู้ว่าเพลงโปรดอาจนำไปสู่การรักษาผู้ใช้ที่สูงขึ้น เพื่อทดสอบสมมติฐานของเรา เราสามารถเตือนผู้ใช้ให้เปิดเพลงโปรดและดูว่าสิ่งนี้ช่วยปรับปรุงการรักษาผู้ใช้ทั้งหมดหรือไม่
ค้นพบตัวอย่างการมีส่วนร่วมของผู้ใช้ในโลกแห่งความเป็นจริง
ต่อไปนี้คือบริษัทบางแห่งที่ปรับปรุงการรักษาผู้ใช้หลังจากวิเคราะห์การมีส่วนร่วมของผู้ใช้:
ตู้โชว์ IDX
ทีมผลิตภัณฑ์ที่ Showcase IDX ซึ่งเป็นปลั๊กอิน IDX WordPress ชั้นนำสำหรับธุรกิจอสังหาริมทรัพย์ ค้นพบว่าจำนวนผู้ใช้ที่ประหยัดการค้นหาลดลงหลังจากการออกแบบ UI ใหม่ ใน Amplitude พวกเขาได้เรียนรู้ว่าไม่ใช่ทุกคนที่คลิก "บันทึกการค้นหา" ก่อนหน้านี้ต้องการใช้คุณลักษณะนั้น ในขณะเดียวกัน ผู้ใช้ที่ต้องการบันทึกการค้นหาไม่พบปุ่มนี้อีกต่อไป
หลังจากออกแบบ UI ใหม่ตามข้อมูลเชิงลึกจาก Amplitude แล้ว Showcase IDX พบว่าการรักษาผู้ใช้ดีขึ้น 20 ถึง 25% นอกจากนี้ Conversion ยังเพิ่มขึ้นกว่าเท่าตัวเนื่องจากผู้ใช้ที่ต้องการคลิก "บันทึกการค้นหา" ดำเนินการนั้นจนเสร็จ
เครื่องส่งรับวิทยุ
เมื่อทีมงานของแอปเสียงโซเชียลวอล์คกี้ทอล์คกี้เปิดตัวกระบวนการเริ่มต้นใหม่ พวกเขาผลักดันให้ผู้ใช้ใหม่ติดต่อกับเพื่อนๆ บน “ความถี่” ส่วนตัว แต่การวิเคราะห์การรักษาใน Amplitude แสดงให้เห็นว่าอัตราการรักษาสูงสุดหลังจาก 30 วันอยู่ในกลุ่มผู้ใช้ที่มีส่วนร่วมกับความถี่สาธารณะ ไม่ใช่ส่วนตัว
หลังจากเปลี่ยนโฟกัสการเริ่มใช้งานเป็นความถี่สาธารณะ วอล์คกี้ทอล์คกี้พบว่าอัตราการเก็บรักษา 30 วันเพิ่มขึ้นจากเพียง 8% เป็นมากกว่า 20% หากไม่มีข้อมูลเชิงลึกเหล่านี้จาก Amplitude ทีมผลิตภัณฑ์น่าจะสร้างสมมติฐานที่ไม่ถูกต้องต่อไปว่าผู้ใช้ต้องการใช้ผลิตภัณฑ์ของตนอย่างไร
เพิ่มการรักษาผลิตภัณฑ์ทั้งหมดของคุณ
เพื่อปรับปรุงการรักษาผู้ใช้ใหม่และผู้ใช้ที่มีอยู่ คุณจะต้องทำงานเพื่อทำความเข้าใจการเปิดใช้งานผู้ใช้ใหม่ (ตอนที่หนึ่ง) และดึงดูดผู้ใช้ที่ไม่มีการเคลื่อนไหวอีกครั้ง (ตอนที่สาม) เพื่อป้องกันการเลิกใช้งาน เรียนรู้เพิ่มเติมใน Mastering Retention Playbook ของเรา
