Продуктовые инсайты за пару кликов: поведенческая сегментация в AppMetrica

А теперь разберём примеры вопросов, на которые поможет ответить поведенческая сегментация в AppMetrica.

Кейс #1 — Отдача от рекламы

Три месяца назад вы провели промо-акцию на покупку инвентаря/подписок/других плюшек в приложении. И теперь хотите оценить, насколько активны пользователи, которые воспользовались спецпредложением.

Возьмём отчёт по событиям и отфильтруем выборку:

1) загрузим отчёт за последние 2 недели (мы ведь хотим оценить текущую активность);
2) в новой вкладке «Условия» добавим событие «покупки по промо» за интересующий период;
3) если вы проводили акцию на отдельную локаль, отчёт можно дополнительно отфильтровать.

На выходе мы получим данные по нужной выборке, причём в динамике:

Из таблицы видно, в какие события чаще конвертируется трафик, полученный от промо. Таким образом вы сможете оценить, насколько эти пользователи были вовлечены и чем именно интересовались.

Кейс #2 — Причины отмирания аудитории

Вы хотите выделить пользователей, которые перестали конвертироваться — оплачивать подписку на сервис, что-то покупать или генерировать контент.

Сначала построим отчёт по активным пользователям, а затем сформируем сегмент:

1) укажем период, за который хотим просмотреть аудиторию (например, за последний месяц);
2) в меню «Условия» отфильтруем аудиторию по ключевым событиям:

• установки (чтобы посмотреть на пользователей с момента их знакомства с приложением);
• наличие покупок с момента установки и в последующие 3 месяца (чтобы выделить изначально активных, платящих пользователей);
• и самое важное: теперь мы должны указать отсутствие покупок за последнее время (например, за тот же месяц в отчёте) — для этого событие нужно исключить из выборки.

Вот как будет выглядеть наш запрос:

А вот и сам отчёт:

Таким образом, вы получите сегмент аудитории, который перестал приносить доход — и сможете оценить масштабы бедствия. Такой сегмент можно сохранить, чтобы исследовать его в самых разных срезах: например, посмотреть на длительность сессий или регулярность конверсий (через когортный отчёт). Кроме того, можно выгрузить сырые данные через Logs API для ещё более детального изучения пользователей.

Кейс #3 — «Залипаемость»

Какие пользователи чаще возвращаются в приложение и проводят в нём больше времени?

Интересный кейс — оценка возвращаемости разных сегментов аудитории в зависимости от паттернов их взаимодействия с приложением.

Чтобы отсегментировать пользователей по поведению, необходимо определить список действий*, которые характеризуют их предпочтения и степень активности. Используя различные комбинации событий, мы получим поведенческие когорты и сможем изучить возвращаемость и «залипаемость» целевых групп.

*Совет:
Чтобы использовать поведенческую сегментацию на 100%, заранее разметьте все ключевые события:

1. Определите набор действий пользователя (т.е. событий), которые характеризуют его вовлеченность и лояльность. Это может быть авторизация, прохождение обучения, покупка, переход на новый уровень, приглашение друга, добавление контента, что угодно.
2. Промаркируйте эти события при настройке SDK, чтобы система аналитики могла собирать данные и возвращать их в отчётах.

Для анализа воспользуемся когортным отчётом. Исследовать аудиторию можно за определённый период или за всё время жизни пользователя — зависит от задачи.

В фильтре Условия укажем цепочку событий, которые говорят о вовлечённости:

– запуск,
– покупка,
– использование премиум-аккаунта,
– генерация контента,
– другой параметр, по которому можно отличить активных пользователей,
– локаль пользователя (можно построить когорты с учётом географии).

В результате, получим наглядную таблицу с данными по возвращаемости выбранного сегмента:

Обратите внимание: в верхней строке виден процент конверсий всей когорты за период, а в строках ниже — данные в привязке к периоду установки — день/неделя/месяц (в зависимости от размера когорты).

Создав несколько сегментов с разными сценариями, вы сможете выделять различия в предпочтениях аудитории и искать причины снижения интереса.

Кейс #4 — А/Б тест

Какой сценарий онбординга даёт наилучшую конверсию?

В завершение проведём А/В тест приложения. Например, мы хотим протестировать разные версии туториала и понять, какой из них лучше вовлекает пользователей в приложение или обучает новым возможностям.

Для сбора статистики промаркируем прохождение туториала отдельным событием и добавим параметры: пройден он или нет и какая версия была показана пользователю (дополнительно можно отслеживать переход к следующему шагу туториала).

В итоге получим удобный фильтр для сегментации:

Теперь самое интересное — просмотр результатов эксперимента.

Для начала проверим, какую из версий туториала проходят охотнее. В знакомом отчёте по событиям отфильтруем пользователей, долиставших «обучалку» до конца, и в списке событий получим распределение версий:

А теперь посмотрим, какой из сценариев повысил возвращаемость или улучшил конверсию — для этого снова воспользуемся когортным анализом. В случае с туториалом для продвижения отдельной функции (например, голосового управления) можно отследить конверсию именно в это событие:

Вместо заключения

Поведенческую сегментацию можно использовать самыми разными способами — она работает в любом отчёте, от аудитории до крешей. Возможности ограничены только набором промаркированных событий: чем больше ключевых действий вы разметите, тем качественнее сможете «заглянуть за экран» и лучше понять, как ваше приложение используют реальные люди. Экспериментируйте, проверяйте самые смелые гипотезы и развивайте приложения, ориентируясь на точные знания о ваших пользователях.

P.S.
Если вы ещё не используете AppMetrica, но хотите её подключить, вот два простых шага:

1. Зарегистрируйте приложение в AppMetrica.
2. Интегрируйте в него SDK (Android, iOS, Windows, Unity, Xamarin).

Наша служба поддержки на связи, а необходимая документация всегда у вас под рукой.