Размещено на http://www.allbest.ru/

ПЕРМСКИЙ ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО АВТОНОМНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ ВЫСШЕГО ОБРАЗОВАНИЯ

«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ

«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»

Вечерне-заочный факультет экономики и управления

Выпускная квалификационная работа - БАКАЛАВРСКАЯ РАБОТА

по направлению подготовки 38.03.02 Менеджмент

РАЗРАБОТКА МЕРОПРИЯТИЙ ПО УСОВЕРШЕНСТВОВАНИЮ ПРОДУКТА С ЦЕЛЬЮ УДЕРЖАНИЯ КЛИЕНТОВ

Кузнецов Руслан Андреевич

г. Пермь, 2020 год



Аннотация

Развитие информационных технологий упростило сбор, анализ и использование данных в области управления клиентской лояльности и оттока клиентов. Компании получили возможность анализировать информацию, учитывая индивидуальные данные клиента, и реализовывать персональные маркетинговые коммуникации. Поэтому управление оттоком клиентов (Retention) стало ключевым аспектом современных методик удержания клиентов и одним из конкурентных преимуществ на рынке.

В этой работе были проанализированы данные об оттоке клиентов из приложения компании Xsolla продукта Partner Network и с помощью анализа современных методик удержания клиентов были запланированы улучшения в продукте. Далее были разработаны ранее запланированные улучшения продукта с целью поднять возвращаемость клиентов в интернет-приложение.



Оглавление

продукт клиентский лояльность интернет

• Введение
• 1. Теоретические аспекты клиентской лояльности и современные подходы к её измерению в интернет-сервисе
• 1.1 Понятие и содержание клиентской лояльности
• 1.2 Современные методы моделирования и прогнозирования оттока клиентов
• 1.3 Методы и подходы к измерению retention интернет-сервиса
• 2. Анализ состояния и деятельности продукта partner network в соответствии с методами измерений retention
• 2.1 Краткая характеристика и показатели состояния продукта Partner Network
• 2.2 Анализ retention и good practice известных интернет-сервисов
• 3. Планирование и разработка рекомендаций по повышению retention продукта partner network
• 3.1 Планирование улучшений в продукте
• 3.2 Разработка улучшений в продукте
• Заключение
• Список использованной литературы


Введение

Возможность сохранения клиентов в условиях конкурентного рынка, во-многом, определяется стратегией и грамотным позиционированием продукта на данном рынке. На получении новых клиентов исторически концентрировалась традиционная теория маркетинга. Эта стратегия «наступательного» или агрессивного маркетинга включала, в дополнение к привлечению совершенно новых клиентов, действия по переманиванию неудовлетворенных клиентов фирм-конкурентов, особенно во время ожесточенной конкуренции. Современный маркетинговый подход имеет двуединую направленность и сосредоточен как на привлечении, так и на удержании клиентов. В нем подчеркивается, что в дополнение к «наступательным» компании нуждаются в «оборонительных» стратегиях, которые сокращают текучесть потребителей [Кухаренко, 2012, с. 1]. Важно, также, четко доносить ценность продукта для конечных потребителей в противном случае они уйдут и больше не захотят возвращаться. Наметившаяся тенденция снижения покупательной способности большей части населения отражается на уровне спроса на многие товары и услуги, вызывает усиление конкуренции, что приводит к необходимости переосмысления текущих маркетинговых стратегий, что в свою очередь определяет актуальность выбранной темы.

Данная тема малоизучена, как в отечественной так и мировой науке, так как область IT активно начала развиваться совсем недавно, однако вопрос хорошо изучен в области прямого контакта с людьми по средствам точек продаж, клиентского обслуживания инструментов повышения лояльности, однако вопрос удержания клиентов в web-сервисах еще только находится на стадии изучения.

Для сбора материалов и данных при подготовке выпускной квалификационной работы использовались контакты сотрудников компании Xsolla.

Объектом исследования является продукт Partner Network компании Xsolla. Предметом исследования является совершенствование продукта в области удержания клиентов.

Цель работы -- рассмотрение теоретических аспектов лояльности, анализ оттока клиентов продукта Partner Network компании Xsolla, а так же разработка рекомендация по удержанию клиентов.

Были выделены следующие задачи:

а) Рассмотреть теоретические аспекты лояльности и основные показатели по удержанию клиентов в web-сервисе.

б) Описать продукт Partner Network компании Xsolla.

в) Рассмотреть практики по удержанию клиентов различных web-сервисов.

г) Исследовать текущий показатель retention в рамках продукта Partner Network.

д) Разработать мероприятия, направленные на удержание инфлюенсеров.

В первой главе мы рассмотрели теоретические аспекты клиентской лояльности, а именно привели в пример современные методы моделирования и прогнозирования оттока клиентов, разобрали методы и подходы к измерению retention интернет-сервисов. Во второй главе дали характеристику продукту Partner Network компании Xsolla и разобрали так называемые «good practices» известных интернет-сервисов и мобильных приложений, проанализировали их показатель возвращаемости клиентов (retention). В третьей главе данной работы запланировали улучшения в продукте, направленные на увеличение показателя возвращаемости клиентов (retention), затронули процесс разработки запланированных улучшений и посмотрели на полученные результаты.



1. Теоретические аспекты клиентской лояльности и современные подходы к её измерению в интернет-сервисе

1.1 Понятие и содержание клиентской лояльности

Существует множество определений, каждое из которых имеет право на существование:

1. Лояльность - это образно положительное отношение потребителей в отношении всего, что касается деятельности организации, продуктов и услуг, производимых, продаваемых или оказываемых организацией, персоналу компании, имиджу организации, торговым маркам, логотипу и т.д;

2. Лояльность - приверженность марке;

3. Лояльность - это доверие плюс положительные эмоции.

4. Лояльность -- это кредит доверия (допустимость ошибки). Этот кредит позволяет в случае временного ухудшения свойств не потерять конкретного потребителя.

5. Лояльность - положительное отношение к торговой марке, которое убеждает потребителя не только не отказываться от потребления продукта при единичных случаях брака, но и осуществлять целенаправленный поиск продукта при отсутствии его в магазине [Юсупов, А. Р. 2010].

Систематизация данных определений и совокупность формулировок рассматриваемого термина однозначно указывает на ряд вводных понятий, а именно таких как кредит доверия, положительное отношение к бренду, имидж компании, допустимость ошибки.

Лояльность - это приверженность к компании на протяжении как краткосрочного, так и долгосрочного периода сотрудничества, сложившегося в аспекте положительной оценки клиентом совокупности действий, направленных на удовлетворение его потребностей [Юсупов, А. Р. 2010].

Безусловно, выбор системы измерения, мониторинга уровня удовлетворенности клиентов, лояльности, крайне важен, т.к. является фундаментом на пути улучшения качества обслуживания клиентов компаний, однако, измерение как процесс, едва ли приблизит к конечно цели стратегий, выбранных Лучшими, чемпионами в уровне обслуживания клиентов. Очевидно, что процесс качества работы должен иметь приоритет в целях компаний с долгосрочной перспективой развития.

Управление уровнем удовлетворенности клиентов - это сложная и многоступенчатая задача для любой компании. Разработка стратегий достижения желаемого результата должна включать некоторые, уже апробированные константы, такие, как приверженность руководства идее качественного обслуживания и готовность работы в этом направлении со своими сотрудниками, достаточное финансирование реализации стратегии сервиса, постоянное обучение сотрудников - одно из основных условий стратегии качественного сервиса и участие всех сотрудников в достижении задачи.

Потребность в качестве выполняемых работ, обслуживания, должна в большей степени воспитываться, нежели преподаваться, и эта потребность в успешной организации должна проявляться у каждого сотрудника компании в современном бизнесе [Юсупов А.Р. 2010].

Исторически одной из предпосылок создания программ лояльности за рубежом, как и в России, являлось усиление ценовой конкуренции на рынке авиаперевозок, появление перевозчиков, которые предлагали авиабилеты по низким ценам за счет того, что на борту был минимальный сервис. Повышение конкуренции, ценовое давление, рост однообразия предложений заставили авиаперевозчиков найти новые методы привлечения и удержания клиентов. Многие авиаперевозчики занялись разработкой бонусных систем поощрения пассажиров, которые летают очень часто.

Первые системы лояльности, появившиеся у нас в стране, решали задачи, которые можно назвать учетными. В таких системах относительно каждого покупателя накапливалась информация о чеках и скидках, предоставленных бонусах, купонах и сертификатах. Для многих компаний такой относительно простой подход сохраняет актуальность и в настоящее время [Кузнецова Е.Л. 286 с.].

Рыночная власть покупателей на сегодняшний день значительно превышает власть производителя на рынке. Потребители имеют огромное количество вариантов удовлетворения собственных потребностей, используют товары и услуги разных производителей, что значительно обостряет конкурентную борьбу в отраслях. Конкурентные преимущества в эпоху быстрого информационного потока требуют больших вложений и долговременных исследований, что многократно увеличивает издержки, следовательно, уменьшают прибыль, и производители вынуждены находить другие способы удержания клиентов.

В силу вышеобозначенных условий одним из способов борьбы производителя за клиента становится необходимость осуществления комплекса мероприятий, направленных на увеличение лояльности потребителя к бренду (компании). Именно высокий показатель лояльности отличает постоянного покупателя от клиента, впервые посетившего магазин или же посещающего его не часто. Отсюда можно сделать вывод о том, что управлять лояльностью клиентов, воздействовать на приверженность покупателя к определенному бренду (компании) становится одной из первоочередных задач компании.

Лояльность представляет собой качественную характеристику приверженности клиента компании-производителю или продавцу, его склонности потреблять товары определенного производителя, даже при отсутствии преимуществ или наличие недостатков относительно товаров-конкурентов и товаров-субститутов. Таким образом управление лояльностью является одной из самых сложных задач отдела маркетинга в силу сложности подсчета и интерпретации её показателей. Одним из самых известных показателей лояльности является индекс лояльности клиентов (Net Promoter Score - NPS), представляющий собой долю клиентов, которые готовые рекомендовать бренд, товар, магазин другим потребителям, так же показатель говорит о готовности клиента совершить повторную покупку.

Измерение показателя имеет специфичный характер, для этого покупателя спрашивают, готов ли он рекомендовать товар/магазин/бренд другим потребителям, и предлагают шкалу от 0 до 10, где 0 - не будет рекомендовать, а 10 - обязательно рекомендует. Таким образом, все потребители делятся на следующие 3 группы, в зависимости от их ответов:

· Критики - от 0 до 6 баллов, у этих потребителей абсолютно отсутствует лояльность к бренду/магазину/товару;

· Нейтральные покупатели - 7 и 8 баллов, эти потребители видят какие-либо недостатки у производителя, но при этом обладают некоторой лояльностью к магазину/товару/бренду;

· Сторонники - 9 и 10 баллов, данная группа покупателей являются самыми лояльными по отношению к бренду/магазину/товару.

Индекс лояльности клиентов (NPS) рассчитывается по следующей формуле:

NPS = доля сторонников - доля критиков

Интерпретируется данный показатель для каждой отрасли по-разному. Авторы подробнее остановятся на объяснении данной маркетинговой метрики в сфере розничной торговли в силу непосредственной связи между лояльностью покупателей и торговлей. Интерпретация в данном секторе выглядит следующим образом:

· До 10% - низкий показатель лояльности клиентов, товар/бренд/магазин имеет низкое конкурентное положение на рынке;

· От 10% до 50% - средний показатель, бренд/магазин/товар имеет определенного количество постоянных покупателей и успешно конкурирует на рынке среди конкурентов;

· Свыше 50% - очень высокий показатель лояльности клиентов, бренд/магазин/товар имеет весомое конкурентное преимущество.

Полученные результаты исследования показателя лояльности клиентов объясняются различными способами и являются важными показателями устойчивого развития компании в целом и маркетингового отдела в частности.

Специфика индекса лояльности клиентов заключается в невозможности разработки единого прямого способа воздействия на данную метрику с целью повышения его показателя, для каждой отдельной ситуации требуется индивидуальный подход. В тоже время преимуществом управления этим показателем является широкая вариативность в избрании способов решения проблемы и широкий спектр принятия управленческих решений.

Уверенность производителя в его знаниях, касающихся потребностей потребителя формирует цель индекса лояльности покупателей. Она заключается в том, чтобы показать менеджерам, что в проводимых мероприятиях существуют проблемы и их необходимо незамедлительно решить. Самым элементарным способов будет спросить клиента, как следует улучшить товар/бренд/магазин или в нашем случае интернет сервис, чтобы он рекомендовал его другим покупателям. Преимуществом является то, что продавец или производитель не будет затрачивать дополнительные средства на исследования по поиску проблемы, а сразу готов приступить к поиску её решения. Однако не стоит забывать, что непредсказуемое поведение покупателей, не готовность идти на контакт, предоставление не корректной информации могут оказать решающее воздействие на успех используемого способа повышения индекса лояльности покупателей.

Другим способом повышения NPS, является постоянный анализ, контроль и улучшение сервиса повышает лояльность клиентов в силу того, что уровень сервиса зачастую определяет успешность бизнес-структуры. Цели и задачи компании, работа над которыми поможет увеличить лояльность клиентов:

· Проведение количественной оценки NPS, используя при этом современные IT-решения;

· Проведение качественного анализа ответов;

· Работа с неудовлетворенностью;

· Повышение доверия «нейтральных» клиентов;

· Продвижение PR-ответов промоутеров.

Политика компании, направленная на всестороннее развитие, обеспечивает бесперебойное функционирование всех отделов своей бизнес-структуры за счет использования различных инструментов, таких как NPS. Однако, важно понимать, что фокус исследования лояльности покупателей за счет данной метрики важен также для принятия эффективных маркетинговых решений с целью усовершенствования как отдела маркетинга, так и бизнес-структуры. Индекс потребительской лояльности помогает маркетологам измерить настроение и мнения покупателей, а затем дать обратную связь всем членам команды [Анисимов А.Ю. 2018].

1.2 Современные методы моделирования и прогнозирования оттока клиентов

Во множестве компаний, где для анализа собирается огромное множество данных, используются техники машинного обучения и интеллектуального анализа данных. Прогнозирование отток клиентов это один из наиболее популярных примеров использования машинного обучения. Большие телекоммуникационные компании, банки, страховые компании и другие занимаются управлением и прогнозированием оттоком клиентов. Одним из важнейших направлений в современном бизнесе в условиях ожесточенной конкуренции является прогнозирование оттока клиентов с целью управления и удержания своей клиентской базы.

Российские и иностранные компании (например, SAP, Microsoft, IBM, Yandex Data Factory и пр.) предоставляют как готовые инструменты для клиентской аналитики, так и разрабатывают индивидуальные решения под отдельных заказчиков. Крупнейшие банки, телеком операторы, ритейлеры имеют в своем арсенале инструменты анализа больших данных и разрабатывают собственные решения по анализу и прогнозу оттока клиентов (например, МТС, Сбербанк, ВТБ24). Как правило, существующие разработки основаны на личностных данных клиента, а также на данных о его активности в компании: услуги и продукты, которыми он пользуется, история транзакционной активности, история обращений, информация о покупках и т.д. Полученные данные представляют собой большие массивы со структурированной и неструктурированной информацией для анализа и выявления скрытых закономерностей, которых широко используется интеллектуальный анализ данных и основанные на нем методы машинного обучения [Грищенко Д.А. 2018].

Различные методы машинного обучения реализованы в программных продуктах российских и зарубежных компаний, таких как IBM (компьютерная программа IBM Modeler), StatSoft (статистический пакет Statistica), WizSoft (аналитическая система WizWhy), BaseGroup (аналитическая система) и др. Автор статьи с методами машинного обучения приводит к примеру таблицу с выявленными преимуществами и недостатками каждый модели или методе анализа. Рассмотрим клиентов, их основные преимущества и недостатки и реализацию в существующих программных продуктах (таблица 1) [Грищенко Д.А. 2018].

Таблица 1

Анализ методов машинного обучения Сост. по кн: Анализ методов моделирования и прогнозирования оттока. Вестник науки и образования 2018. 41.

Модели и методы	Преимущества	Недостатки
Бинарная регрессия	Проста, быстро получаема. Хорошо интерпретируема. Широко применима. Достаточно точна. Обладает инструментами оценки качества моделей.	Имеет трудности из-за нелинейности отношений между оттоком и влияющими на него факторами. Предсказываемый параметр, как правило, число из непрерывного диапазона.
Метод K ближайших соседей	Прост. Хорошо интерпретируем.	Высокая сложность одного прогноза. Проклятие размерности.
Модель выживаемости	Способы работать с цензурированными данными и категориальными переменными. Возможность визуализации	Цензурированность данных уменьшает выборку. Вследствие чего могут дать несостоятельные результаты.
Нейронные сети	Устойчивы к шумам. Решают задачи при неизвестных закономерностях. Переучиваются при изменении среды. Быстродейственны. Отказоустойчивы.	Возможная неясность причин принятого решения. Отсутствие гарантий получения однозначных повторяемых результатов.
Поиск ассоциативных правил	Находят простые и интуитивно понятные правила	Выявление часто встречающихся наборов элементов требует больших вычислительных и временных ресурсов.
Случайный лес	Эффективен при работе с данными с большим числом признаков и классов. Работает с непрерывными и дискретными признаками. Нечувствителен к мнонотонным преобразованиями.	Склонен к переобучению в случае зашумленности данных. Большая размерность моделей.

Каждый из рассмотренных методов имеет свои ограничения и особенности также, как и преимущества использования. Стоит отметить, что нейронная сеть имеет ряд достоинств, такие как самообучение и устойчивость к зашумленным данным, но результаты не всегда могут быть эффективными для прогнозирования оттока клиентов. Что касается случайных лесов решений, они эффективны в задачах классификации и кластеризации, что важно при моделировании оттока клиентов, однако модели имеют большую размерность данных. Наиболее широкие возможности для решения задачи моделирования оттока клиентов имеют модели выживаемости и бинарная регрессия, позволяющие определить факторы, влияющие на отток клиентов, и рассчитать риск наступления отказа клиентов от услуг [Грищенко Д.А. 2018].

Совершенствование решений в данной области возможно за счет изменения глубины анализа, использования новых методов аналитики, а также развития комбинированных методов прогнозирования оттока клиентов. Наиболее часто применяемая модель выживаемости - регрессия Кокса (модель пропорциональных рисков), в общем случае прогнозирующая риск наступления события для рассматриваемого объекта и оценивающая влияние на этот риск независимых переменных, в случае с прогнозированием оттока клиентов, изучает изменение риска отказа клиента от услуги в зависимости от длительности пользования услугой и других характеристик клиента - объясняющих переменных. Бинарная регрессия используется для определения факторов, вляющих на отток клиентов и вычисления вероятности отказал от услуг. Совместное применение данных методов позволит на основе исторических данных о клиентах определить кто, по какой причине, и с какой вероятностью склонен к оттоку в установленный временной промежуток. [Грищенко Д.А. 2018].

Использование данной информации позволит эффективно распределять ресурсы компании на удержание клиентов, оптимизировать издержки по работе с клиентской базой и тем самым увеличить выручку.

1.3 Методы и подходы к измерению retention интернет-сервиса

После того, как новый сервис или приложение прошло все стадии разработки и выпущено для массового пользователя главная его задача не столько привлечь новых пользователей, сколько удержать их в сервисе или приложении. Невозможным остается лишь факт возврата утерянного юзера. Поэтому на начальном этапе необходимо выпускать приложение максимально удобным в пользовании, без критических ошибок, которые бы помешали пользователям использовать приложение, что особо актуально для мобильных игр. Факт удержания пользователей не говорит об их готовности совершать платежи, а лишь максимизирует retention. Что, в свою очередь, увеличивает количество LTV пользователей.

LTV - это одна из важнейших финансовых метрик, которая позволяет оптимизировать затраты на привлечение новых пользователей, рассчитывать прибыль, оценивать эффективность каналов привлечения и др. Проще говоря, это показатель количества денег, которые принес юзер за всю его “жизнь” в проекте.

К слову, установки, сделанные из результатов поиска, отличаются самым высоким качеством пользователей (LTV) и самой низкой ценой (CPI)

Показатель LTV со временем может снизится из-за ряда причин, среди которых:

1. Lifetime - время “жизни” пользователя в проекте;

2. ARPU - показатель моннетизационной эффективности продукта или процент платежеспособности пользователей (Paying Users в отношении к Total Users);

3. Retention - показатель удержания пользователей;

4. Paying share - число платящих пользователей за определенный период;

5. ARPPU - показатель готовности и дальше вносить плату, итак, лояльного платящего пользователя.

Тенденция оттока (churn) пользователей из приложения автоматически снижает прирост дохода. Что нужно делать, чтобы удержать пользователя в приложении и как увеличить показатель retention рассмотрим более подробно.

Главная метрика, без которой анализ результатов вашей retention-кампании невозможен -- это Customer RetentionRate (СRR) - показатель, определяющий количество лояльных потребителей. Отслеживание CRR - важная задача для любого бизнеса, основанного на повторных продажах с высокой частотой транзакций или абонентском обслуживании [www.inbrief.ru].

Retention - это один из основных показателей в аналитике сервиса или приложения. На его основе вычисляется процент активных пользователей после первого запуска продукта. Метрика рассчитывается за 1, 7, 14, 30, 60, 90 дней и т.д. Показатели на каждом из отведенных промежутков времени важны, однако особо ценны показатели 1-day retention. Если после первого визита пользователь не вернулся, значит его что-то не устроило и скорее всего это интерфейс или его графический контент, то есть, пользователь на понял ценность приложения для себя и более не заходил. При правильной оптимизации 1-day retention покажет прирост. Если же и спустя месяц пользователь остается верен вашему продукту, значит оно его действительно заинтересовало, и он понял ценность, которую доносит для него приложение. Удержание пользователей имеет более значимый эффект, чем прирост их количества.

Существует множество методов расчета данного показателя, каждый из которых отличается пониманием того, какие пользователи считаются оставшимися (Paying Users или Total Users) и на какое количество их делить.

Расчет может производиться на основе:

· Full retention

· Classic retention или N-day Retention

· Rolling retention

· Return retention

· Bracket-dependent return retention

В качестве примера возьмем за основу классический retention vs rolling retention (скользящий показатель).

Показатель 1 дня рассчитывается как количество пользователей, вернувшихся на следующий день после первого запуска продукта, деленное на общее количество пользователей, запустивших приложение в определенный день.

Рис. 1 Classic retention

Итоговое число говорит о реакции пользователя на интерфейс приложения. За 1 день пользователь успевает оценить только удобство использования, дружелюбность интерфейсного туториала и нашёл ли он ценность, которую искал для себя.

Показатель 7, 30 и т.д. дней рассчитывается таким же способом.

Retention соответствующего дня по истечению времени, то есть с момента первого открытия приложения, становится меньше. Однако далее скорость его падения снижается, так как в приложении остаются только активные пользователи.

Стабильность retention приложения в течение времени является показателем полезности продукта на рынке, а это и есть цель деятельности любого приложения или web-сервиса.

Число Rolling retention каждого дня рассчитывается, как процент пользователей, которые являются активными и по сей день, от всех пользователей, открывших первый раз приложение в конкретный день. В данном понимании активный пользователь считается таковым, если он выполнил вход в приложение хотя бы 1 раз в 7 дней. Именно поэтому показатель Rolling retention последних 7 дней всегда будет равен 100%.



Рис. 2 Rolling Retention

За скользящим удержанием необходимо особо тщательно следить для того, чтобы понять в какие дни наблюдается пики и разобрать их причины. Это может быть связано с выпуском нового обновления, сезонностью, например, выходные или праздничные дни, когда пользователь может уделить больше времени для изучения вашего продукта. Также это может быть результат работы той или иной рекламной кампании.

Резюмируя вышеприведенную теорию, стоит выделить, что же лучше использовать и в каких ситуациях?

N-day Retention или просто Retention показывает долю пользователей, которые вернулись в указанный день. Rolling Retention показывает долю пользователей, которые вернулись в указанный день или в любой день после него. Если N-day Retention 2-го дня приложения равен 50%, это значит, что 50% новых пользователей этого приложения возвращаются в него на 2-й день. Если Rolling Retention 2-го дня приложения равен 50%, это значит, что 50% новых пользователей приложения вернутся в него во 2-й день или позже. Rolling Retention имеет один минус, из-за которого рекомендуем его использовать лишь в случаях, когда без него невозможно обойтись. Проблема этой метрики в том, что она может постоянно меняться. Если какой-то пользователь вдруг первый раз вернется в приложение спустя 90 дней, он увеличит Rolling Retention всех предыдущих дней. При обычном Retention вы знаете точное значение Retention 1-го дня для пользователей, которые пришли в определенный день, уже спустя 24 часа. В случае же Rolling Retention значение для 1-го дня может измениться и 90, и 250 дней спустя. Для подавляющего большинства задач N-day Retention работает лучше, чем Rolling Retention. Поэтому использовать имеет смысл именно его. Бывают редкие случаи, когда Rolling Retention удобнее. Обычно его применяют для продуктов, которые подразумевают достаточно редкое использование. Например, если вы хотите проанализировать долгосрочную возвращаемость в приложение для покупки авиабилетов, то с этим может помочь Rolling Retention. Он позволит ответить, например, на вопрос: "А какая часть пользователей вернулась в наше приложение после 30 дня?". Но и здесь можно обойтись без Rolling Retention, а следить за обычным Retention по месяцам. Далее в работе, говоря про Retention, мы всегда будем иметь в виду только N-day Retention.

Для достижения успеха, привлечения и удержания пользователей необходимо выяснить сильные и слабые стороны web-сервиса.

В 2019 году практически каждый интернет-сервис или мобильное приложение собирает аналитику по своему продукту в обязательном порядке, ведь владея аналитическими метриками продукта, можно точно выявлять где слабые места и их постоянно улучшать, а значит увеличивать прибыль.

Зная Retention продукта, можно ли спрогнозировать аудиторию web-сервиса или приложения? Чтобы получить прогноз месячной аудитории продукта в определенный месяц, надо посчитать, сколько пользователей вернется в приложение в этот месяц из тех, кто поставил приложение в каждый из прошлых месяцев существования продукта, и добавить новых пользователей, которые пришли в этот месяц. Это проще сделать с помощью таблицы ниже. Таблица показывает, как новые пользователи каждого месяца будут возвращаться в приложение. Например, берем пользователей, которые пришли в январе, и считаем, сколько из них вернется в приложение в последующие месяцы (строка напротив «Пользователи, пришедшие в янв»). Для этого число этих пользователей надо умножить на месячный Retention. Аналогичную операцию нужно проделать для всех, кто пришел в остальные месяцы. Теперь, чтобы получить месячную аудиторию, достаточно сложить значения в столбцах под каждым месяцем. В январе в приложении были только пользователи, пришедшие в январе, - приложение только запустили. В феврале это будут те, кто пришел в феврале и те, кто вернулся на первый месяц из январских пользователей и т.д.

Рис. 3 Monthly Retention

Если цветом обозначить пользователей, пришедших в приложение в конкретный месяц, то график месячной аудитории будет выглядеть, как на рисунке 4 ниже. Например, красный цвет отражает пользователей, пришедших в феврале. В феврале их пришло 2000 - все они попали в месячную аудиторию. На следующий месяц из них вернулось 40%, поэтому в месячную аудиторию марта они добавили лишь 800 пользователей.

А к октябрю из пользователей, пришедших в феврале, осталось лишь 200 человек. Таким образом, месячная аудитория продукта в конкретный месяц - это смесь пользователей, которые провели в нем разное количество времени.



Рис. 4 Месячная аудитория приложения в разбивке по месяцу прихода пользователя

Для подсчета прогноза дневной и недельной аудитории метод прогнозирования совершенно аналогичен, только для расчета потребуется дневной / недельный Retention и прогноз числа пользователей, которые будут приходить в приложение в каждый из будущих дней / недель.

В данной главе мы рассмотрели основные показатели измерения клиентской лояльности, такие как классический индекс клиентской лояльности (NPS), показатель retention, рассмотрели различные подходы к его измерению, в дальнейшем, в данной работе мы будем опираться именно на этот показатель, так как наиболее подходящий и говорящий показатель. Так же затронули тему современных моделей измерения оттока клиентов с помощью так называемое машинного обучения, к сожалению, применение машинного обучения в нашем случае недоступно в виду долгого развертывания и очень затратного по ресурсам метода, однако стоит иметь в виду, возможно, в дальнейшем имеет смысл настроить необходимые алгоритмы и собирать аналитику не только одного продукта, но и всех в компании.



2. Анализ состояния и деятельности продукта Partner Network в соответствии с методами измерений retention

2.1 Краткая характеристика и показатели состояния продукта Partner Network

Xsolla это ведущий разработчик комплекса решений для создания, монетизации и глобального распространения видеоигр. Компания на момент написания ВКР имеет 8 продуктов, один из которых будем разбирать далее.

Исходя из данных на официальном сайте компании Partner Network это инструмент, который позволяет разработчикам игр привлекать аудиторию в свои игры за счет контента, который производят инфлюенсеры. Продукт делиться на две части это Partner Network на стороне Publisher Account, им пользуются игровые разработчики чтоб создавать программы по продвижению своих игр на рынке, выставляют условия программы, например, количество прибыли, которым готовы делиться с инфлюенсером от продажи по его трекинговой ссылке. Другая часть продукта это Influencer Account, им пользуются инфлюенсеры, чтоб найти программу, которая им интересна, и они готовы сделать контент по ней.

Клиенты продукта Partner Network делятся на две категории:

1. Инфлюенсер -- лицо или группа лиц, имеющие высокий авторитет в социальных сетях и сильное влияние на интернет-аудиторию за счет публикации релевантного развлекательного контента. Их мнение зачастую является одним из определяющих факторов при принятии решения о покупке товара того или иного бренда.

В игровой индустрии основную долю инфлюенсеров составляют видеоблогеры, которые снимают обзоры игр, игровой процесс (летсплей) или организуют онлайн-стриминг. [Xsolla.ru]

2. Аффилированная сеть -- посредник между разработчиком и аффилиатом, который занимается агрегацией аффилированных программ разработчика игры и рекламных площадок и обеспечивает разработчику доступ к обширной базе аффилиатов для продвижения игры, корректный трекинг, а также расчет и организацию выплат. Аффилиат -- физическое или юридическое лицо, которое занимается продвижением аффилированной программы разработчика игры через размещение рекламы на собственном ресурсе, закупку трафика или арбитраж и берет с разработчика комиссию с каждой покупки реферала. [Xsolla.ru]

Управленческая (бизнес) проблема: Большинство инфлюенсеров не задерживаются в продукте и больше никогда не возвращаются.

Исследовательская проблема: разобраться в причинах ухода инфлюенсеров из Influencer Account.

Задачи исследования:

1. Определение retention Influencer Account

2. Разбор кейсов retention web-сервисов других компаний

Гипотезы:

1. Инфлюенсеры не находят интересные для себя программы

2. Инфлюенсеры не понимают свою выгоду или им интересны другие условия сотрудничества

3. Инфлюенсеры не понимают, как работать с продуктом, не понятен интерфейс

Определим для себя методы исследования:

1. Выявление основных показателей продукта с помощью встроенных метрик внутри продукта.

2. Исследование аналогичных кейсов web-сервисов путем просмотра статей, а также официальных открытых данных о них.

Первым этапом определим какую потребность инфлюенсеров покрывает продукт, а именно зарабатывание денег с помощью создания контента для продвижения игр в социальных аккаунтах Twitch, Youtube, Mixer, Twitter. Работает это следующим образом инфлюенсер регистрируется через свой аккаунт в социальных сетях в Influencer account, ему предоставляется список активных программ, которые ему доступны, инфлюенсер берет программу ему становится доступна его персональная трекинговая ссылка для атрибуции покупок его аудитории, проще говоря отслеживается что именно зритель этого инфлюенсера купил игру с помощью его контента, реклама сработала и инфлюенсер в зависимости от условий программы получает свой процент с продаж он может быть в диапазоне от 5% до 50%. Из всего выше сказанного можно составить гипотезу ценности: продукт Partner Network помогает инфлюенсерам зарабатывать деньги, предлагая инфлюенсерам игры (программы) для производства контента для продвижения и вознаграждение по модели revenue share за каждую совершенную покупку.

Вторым этапом разберем гипотезу того, что инфлюенсерам непонятен интерфейс и не разобравшись с продуктом они уходят. Для этого команда продукта предоставила доступ к сервису Webvisor, это сервис, который записывает каждую сессию пользователей в приложении в формате записи экрана. Так же в процессе исследования удалось привлечь менеджера по работе с инфлюесерами. В вебвизоре выборка выбиралась случайным образом с временем сессий от 1 минуты до 10 минут. Было отсмотрено 30 сессий, на основе которых можно сделать вывод, что действительно есть проблема недопонимания инфлюенсерами как начать работать и зарабатывать деньги. Эту гипотезу так же подтвердил менеджер, так как много запросов от инфлюенсеров поступает именно с недопониманием, как работает интерфейс и монетизация контента, который они произведут.

Третий этап показатели самого продукта. В целях соблюдения коммерческой тайны данные будут обезличены и обобщены.

Первый показатель Influencers MAU (Monthly Active Users) (Рис. 5). Показатель означает количество уникальных пользователей, которые зашли в приложение в течение месяца.



Рис. 5 Influencers MAU

В графике взят период в год, как можно увидеть, сервисом ежемесячно пользуются, у него есть своя аудитория инфлюенсеров.

Далее сравним за тот же период количество новых и старых пользователей (Рис. 6).

Рис. 6 Influencers Unique Sign up vs Sign in (новые и старые пользователи)

Видно, что количество новых пользователей превышает старых, это объясняется низким retention (Рис. 7)



Рис. 7 Retention

90% всех инфлюенсеров, которые первый раз попробовали продукт не заходят в него больше, лишь 11% заходят повторно и далее на постоянной основе заходят 1-3%. По динамике retention видно, что пользователи не задерживаются в продукте, возможные причины:

1. Отсутствие потребности, которую удовлетворяет продукт

2. Отсутствие потребности именно у тех инфлюенсров, которые привлекают в продукт

3. Отсутствие достаточной добавочной ценности относительно того, что инфлюенсеры сейчас используют для удовлетворения потребности. Инфлюенсеры не видят ценности в продутке - возможно, не могут достаточно заработать денег.

4. Неправильный способ донесения ценности продукта.

Способы решения:

1. Запланировать в разработку мероприятия, позволяющие увеличить retention, которые подробнее мы рассмотрим в третьем пункте данной главы.

2. Чтобы проверить наличие добавочной ценности необходимо провести интервью для тех, кто попробовал ключевую ценность - заработал хоть какие-то деньги, но отказался от использования продукта.

3. Чтобы проверить правильность донесения ценности провести интервью случайных пользователей, которые регистрировались.

Основной вывод, что для роста аудитории Influencer Account необходимо проработать в первую очередь над удержанием пользователей, а не на привлечение новых.

Менеджер по работе с инфлюенсерами помог провести исследование. Выборка была взята из лояльных инфлюенсеров с средними по размеру каналами (300-500 тысяч подписчиков), которые знакомы с менеджером и готовы помочь. Исследование проводился путем общения в чате, ставился следующим образом: было предложено попробовать продукт Partner Network, то есть полностью пройти путь нового пользователя и рассказать свое мнение о нем. Из трех откликнувшихся человек и действительно, которые попробовали, отмечали, что идея площадки, где начинающие инфлюенсеры могут легко найти рекламодателей и попробовать что-то заработать, однако, инфлюенсерам с каналами побольше это может быть неинтересно, так как они привыкли работать не за процент с продаж, а за фиксированную ставку. Основная мотивация инфлюенсеров это рост их аудитории на канале, а игра, которую предлагается рекламировать не факт, что будет интересна аудитории и чтоб компенсировать этот разрыв интереснее, когда за контент заплатили заранее. На данный момент такая модель уже работает, инфлюенсеры с средними по величине каналами получают деньги за рекламные интеграции, даже если по их ссылкам пройдут небольшое количество людей свои деньги инфлюенсер уже получил. Так же еще раз подтвердилась гипотеза, что интерфейс никак не знакомит пользователя с ценностью, которую он пытается донести, это хорошее замечание, на основе которого будем строить рекомендации в третьей главе данной работы.



2.2 Анализ retention и good practice известных интернет-сервисов

Для понимания того, что является хорошим retention web-сервиса далее мы рассмотрим good practice известных web-сервисов и в сравнении сможем понять в каком состоянии находится продукт Partner Network.

Так как многие сервисы не раскрывают точные показатели retention из-за коммерческой тайны, для более качественного анализа нам понадобиться абстрактная модель из 4х приложений с абсолютно разным показателем retention (рис. 8).

Рис. 8 Абстрактная модель Monthly Retention

1. Первый кейс, который мы рассмотрим это компания Spotify.

Это интернет-сервис потокового аудио, позволяющий легально и бесплатно прослушивать более 50 миллионов музыкальных композиций, аудиокниг и подкастов, не скачивая их на устройство. Доступен в виде веб-сайта, приложений для всех операционных систем, смартфонов, смарт-устройств и медиа-систем автомобилей. На сервис приходится более 36% мирового аудиостриминга, он доступен в Америкe, в большинстве стран Европы, некоторых странах Азии и Африки, в Австралии и Новой Зеландии [ru.wikipedia.org].

Ниже представлен график (рис. 9) пользователей Spotify на основе их же официальных данных [www.statista.com/statistics].

Рис. 9 Spotify's monthly active users

Стабильный рост месячной аудитории приложения на таком масштабе (десятки миллионов пользователей) означает, что продукт успешно конвертирует новых пользователей в постоянных. Поэтому подходят варианты 3 и 4 из абстрактной модели retention (рис.4). Мы можем достаточно точно оценить долгосрочный месячный Retention Spotify. Известно, что: С июня 2016 по июнь 2017 года, то есть за год, MAU выросло на 40 миллионов пользователей. По данным Sensor Tower, в месяц за выбранный период Spotify имел 12 миллионов скачиваний в Google Play и Apple AppStore. Можем предположить, что число новых пользователей примерно равно этому значению (в реальности оно меньше, так как часть скачиваний приходится на старых пользователей, которые поменяли телефон). Позиции Spotify в топе бесплатных приложений за год почти не менялись, поэтому предполагаем, что в другие месяцы число скачиваний было сопоставимым. То есть за год приложение скачали примерно 140 миллионов раз.

Теперь, чтобы оценить долгосрочный месячный Retention, поделим дополнительную месячную аудиторию за год на число скачиваний за этот год. Это приблизительная оценка того, какую часть новых пользователей за год Spotify превратил в месячную аудиторию. Примерная оценка долгосрочного месячного Retention будет 40 / 144 = 27%. Таким образом, правильный ответ находится где-то между третьим и четвертым вариантом (ближе к третьему). Можно прийти к такому ответу и с помощью более общих рассуждений: 1. Spotify конкурирует с другими, очень сильными продуктами на своем рынке. 2. Кроме этого, Spotify конкурирует с огромным числом иных способов слушать музыку. 3. Бесплатная версия Spotify весьма ограничена и заточена под конвертацию бесплатного пользователя в платящего, что точно не влияет позитивно на Retention продукта.

2. Второй кейс мобильное приложение YouTube.

YouTube -- видеохостинговый сайт, предоставляющий пользователям услуги хранения, доставки и показа видео. Пользователи могут загружать, просматривать, оценивать, комментировать, добавлять в избранное и делиться теми или иными видеозаписями [ru.wikipedia.org].

Ниже приведены данные из материалов для прессы на сайте YouTube: «YouTube has over a billion users -- almost one-third of all people on the Internet -- and everyday people watch hundreds of millions of hours on YouTube and generate billions of views. YouTube overall, and even YouTube on mobile alone, reaches more 18-34 and 18-49-year-olds than any cable network in the U.S. More than half of YouTube views come from mobile devices. » [youtube.com/press]

Этих данных вполне достаточно, чтобы сказать, что кривая Retention сервиса YouTube похожа на кривую четвертого приложения (рис. 6). Логика очень простая. Треть пользователей в интернете смотрят YouTube. Половина просмотров идет с мобильных устройств, поэтому логично предположить, что существенная часть пользователей YouTube смотрит его на мобильном устройстве. Невозможно вырастить мобильное приложение такого масштаба, не имея плато Retention на очень высоком уровне.

3. Мобильный карты Google Maps.

Набор приложений, построенных на основе бесплатного картографического сервиса и технологии, предоставляемых компанией Google. Компания Google одна из немногих, у которых довольно открытая аналитика по их продуктам. Мобильные карты - одна из самых популярных категорий продуктов для смартфона, а Google Maps - явный мировой лидер в этой категории. Исходя из статистики использования (рис. 10) можно сделать вывод, что несмотря на снижающуюся активность пользователей retention приложения все еще находится на высоком уровне. Активная аудитория Google Maps более одного миллиарда в месяц. Как мы уже выяснили на примере с YouTube, единственная возможность достичь такого числа пользователей - иметь плато Retention на очень высоком уровне. Исходя из нашей абстрактной модели retention (рис. 8) retention google maps близок к 3 или 4 (ближе к 4).

Рис. 10 Google Maps Usage Statistics

4. Мобильное приложение Uber

Uber - компания стоимостью более 50 миллиардов долларов. Единственная возможность выстроить компанию такого масштаба - создать ее вокруг продукта, способного превратить нового пользователя в регулярного. Другое свидетельство наличия плато Retention у сервиса - темпы роста числа водителей в компании, в частности, темпы их устойчивого роста в отдельных городах. Количество активных водителей в случае Uber напрямую коррелирует с числом пользователей сервиса. Число пользователей сервиса не способно расти экспоненциально на протяжении нескольких лет, если новые пользователи не становятся регулярными.

Рис. 11 Active U.S. Driver-Partners Over Time, by city

При этом поездка на такси не является очень частым кейсом, и Uber испытывает сильную конкуренцию со стороны других продуктов и альтернативных способов удовлетворения потребности, поэтому его кривая Retention больше похожа на кривую третьего приложения абстрактного примера (рис. 8), нежели четвертого.

5. Мобильный мессенджер Whatsapp

Whatsapp - самый популярный мессенджер в мире с активной аудиторией более миллиарда пользователей в месяц. Достичь таких показателей возможно, только если график Retention у продукта похож на график четвертого приложения. Другой способ ответить на вопрос, каков Retention мессенджера Whatsapp, - поискать цифры в интернете. По данным Statista в среднем мобильные мессенджеры конвертируют примерно 60% новых пользователей в постоянных. [www.statista.com]

Рис. 12 Mobile messenger app retention rates 2016-2018

6. Facebook

Facebook - самый популярный продукт в мире, куда каждый месяц заходят почти два миллиарда человек. При этом Facebook заблокирован в Китае, где живет существенная часть мировой мобильной аудитории. Несложная арифметика (разделить число активных пользователей Facebook на число пользователей мобильного интернета в мире) даст нам хорошую оценку того, на каком уровне находится плато Retention у Facebook Конечно же, кривая Retention главной социальной сети в мире похожа на четвертое приложение нашей абстрактной модели (рис.8).

Ключевая идея этой подглавы в следующем:

Важнее не абсолютные значения Retention, а чтобы Retention стабилизировался на определенном уровне и дальше не падал. Это значит, что продукт успешно превращает часть новых пользователей в регулярную аудиторию.

Рис. 13 Retention Curve

Только так вы можете предсказуемо и устойчиво растить продукт. Если Retention рано или поздно достигает нуля, вы через какое-то время упретесь в потолок активной аудитории продукта, так как на определенном масштабе будет невозможно компенсировать уход «старых» пользователей за счет новых. Если мы работаем над приложением, из которого каждый месяц уходят 30% пользователей. Пока приложение маленькое, этот уход легко компенсируется привлечением новых людей. Например, при месячной аудитории в 10000 человек, уходить будут около 3000. Значит, чтобы продолжить расти, нужно привлечь более 3000 «новичков». Вполне реальная задача. Но когда месячная аудитория достигнет 10 миллионов, ежемесячно придется находить более 3 000 000 новых людей, чтобы продолжать расти. А это практически нереально. Именно поэтому плато в Retention - фундамент роста. Если есть плато, значит, на определенном этапе пользователи перестают уходить из продукта и становятся его постоянной аудиторией. Product/market Fit Product/market fit - это очень важное понятие. Наличие product/market fit означает, что вы создали продукт, который удовлетворяет потребность определенного рынка. Можно придумать разные критерии product/market fit, но основной - наличие у продукта плато в Retention.

Плато в Retention означает, что есть пользователи, которые нашли продукт для себя полезным и стали пользоваться им регулярно. То есть существует сегмент аудитории / рынка, у которого есть определенная потребность, и ваш продукт удовлетворяет ее. Все ли продукты могут иметь плато в Retention Нет, не все. В некоторых продуктах добиться плато в Retention почти невозможно. Например, игры не выходят на плато в Retention. Развлекательные продукты вообще имеют короткий срок жизни из-за быстрой динамики рынка и переменчивости вкусов аудитории. Сервисам для знакомств в силу природы продукта также сложно добиться долгосрочного плато в Retention. Если они хорошо выполняют свою работу (находят пару пользователю), в этот момент они теряют сразу двух человек. Если плохо, и пользователь не удовлетворен, он уходит к конкуренту (прямому или косвенному). Для продуктов, которые не могут иметь плато, Retention все равно остается ключевой метрикой. В таких продуктах целью будет не достижение плато, а максимизация Retention (повышение площади под кривой Retention), так как это означает увеличение срока взаимодействия пользователя с продуктом. Можно ли построить успешный бизнес на основе продукта без плато в Retention Да, конечно. Отсутствие плато в Retention говорит лишь о том, что привлеченные пользователи через определенное время уйдут из продукта.

...