보존 왕이 맞습니까? 모두가 그것에 대해 이야기하지만 종종 나는 그것을 실행 가능한 전략으로 소화하기가 어렵다는 것을 알게됩니다. 당신이 당신의 제품의 연료 성장을 돕기 위해 보존을 분석 할 때 피려 할 수있는 몇 가지 핵심 사항이 있습니다.

가장 먼저해야 할 일은 당신 앞에서 유지 곡선을 얻는 것입니다. 당신은 믹스 패널을 사용하는 경우 당신은 구글 시트와 보존 곡선을 구축에 생각 봇에서이 문서를 확인할 수 있습니다. 당신은 웨어하우스에 데이터가있는 경우 당신은 잠망경에서이 문서를 수행 할 수 있습니다.

제품에 적합한 기간을 찾고 싶을 것입니다. 제품에 대한 더 나은 측정항목이 다우(일일 활성 사용자)와 마우(월간 활성 사용자)인 경우 원하는 결과를 얻지 못하므로 한 달 기간을 선택하지 마십시오. 보존 곡선은 다음과 같습니다:

초기 관찰

꽤 가치있는 통찰력을 제공하기 위해 여기에서 찾아야 할 몇 가지 사항이 있습니다.

그래프가 평평합니까? 그래프가 평평 해지지 않으면 이미 이탈에 문제가 있다는 것을 이미 알고 있습니다. 사용자가 필요로 하는 한 사용자는 계속 머물러 있지 않습니다. 우리는 몇 분 안에 이것을 진단하는 방법을 살펴볼 것입니다.

그래프가 갑자기 떨어지나요? 이것이 사실 이으면 그때 너는 일어나는 기간을 주의하,일어나고 있는 것이 바르게 저 시점에서 본것을 시작할 수 있는다.

이제 당신의 제품에 무슨 일이 일어나고 있는지 파악하기로 파고 시작하고 우리가 그것을 개선 할 수있는 위치에 대한 몇 가지 아이디어를 얻기 위해 시작하자.

1 단계 보존

1 단계 보존은 그래프의 첫 번째 섹션에 표시됩니다. 이것은 일반적으로 온 보딩 및 잠재적으로 앱과의 몇 가지 초기 상호 작용을 나타냅니다. 당신은 와우 순간에 사용자를 얻거나 더 나은 다음 노스 스타 메트릭을 수행 할 수있는 경우.

그래프의 첫 번째 섹션에서 뚜렷한 드롭 오프를 보는 경우 초기 사용자 경험에서 수행 할 작업이 있음을 알고 있습니다. 이것은 당신이 더 많은 가치를 제공 할 수있는 몇 가지 구멍이나 방법을 찾기 위해 보딩 또는 눅스(새로운 사용자 경험)에 더보고하라는 메시지를 표시 할 수 있습니다. 떨어지는 사용자에 대해 발생하지 않는 이벤트를 분석하고 사용자가 머물고있는 일을 어떤 이벤트와 비교하기 시작합니다.

긍정적으로 당신의 보유 곡선에 영향을 미치는 초기 변화는 장기 보존에 대한 극적인 효과를 가질 수 있습니다. 1 단계 온보딩에서 위치 변화에 영향을 미침으로써 장기 보존이 평평 해지고 개선되기 시작할 것입니다. 이 때문에 더 나은 제품에 사용자를 보딩 하 고 그 와우 순간 빨리 또는 더 효과적으로 보여주는.

2 단계 보유

단계 2 보유는 너의 중간 기간안에 활동을 대표한다. 이 세그먼트에 있는 사용자는 아마 이미”와우”순간이 있고 지금 제품에서 진짜 장기 사용법을 얻기 시작하기 위하여 보고 있다. 이 영역에서 시작할 수 있는 몇 가지 효율성은 사용자를 고급 기능 집합에 온보딩하거나 표준 워크플로에 추가 가치를 제공하는 기능에 도입하는 것입니다.

이것은 너가 제품을 형성하는 거주를 창조한것을 시작하는 곳에 이다. 니르 에얄은 정말 단계 당신을 도울 수있는 자신의 예약 후크에 몇 가지 좋은 아이디어를 가지고 2 보유. 또한 기존 기능 집합을 최적화할 수 있는 방법을 살펴보고 사용자가 제품에서 더 많은 것을 얻을 수 있도록 도와야 합니다.

3 단계 보유

단계 3 보유는 너의 장기 보유 전략 이다. 기본적으로 그래프의이 부분을 최적화하는 목표는 그래프를 더 빨리 평평하게하고 더 오래 평평하게 유지할 수있는 방법입니다.

여기에서 손실 된 사용자를 다시 참여시키고 추가 기능 최적화를 중심으로 최적화를 집중할 수 있습니다. 고객 지원 및 이탈 간의 상관 관계를 살펴보고 여기에서 최적화를 찾으십시오.

코호트

이제 보존 단계의 여러 단계를 이해 했으므로 시간이 지남에 따라 제품에 대한 변경 사항이 긍정적 인 변화에 영향을 미치는지 여부를 실제로 확인하는 방법에 대해 자세히 살펴 보겠습니다. 이를 위해 우리는 시간이 지남에 따라 서로 다른 집단에 대한 보존 곡선을 조사하고이를 비교해야합니다.

우리는 새로운 기능을 출시하거나 시간이 지남에 따라 최적화를 할 때 우리는 곡선이 다음 달에 가입 한 사용자 사이의 변화를 볼 수 시작해야합니다.

세분화

이제 학습집단 보존을 검토하고 있으므로 여러 이벤트/속성에 걸쳐 사용자를 세분화하여 다른 최적화를 찾을 수 있습니다. 당신은 예를 들어 트위터에서 가입하고 특정 기능을 사용하는 사용자가 자신의 페이스 북에 비해 더 나은 단계 3retention 것을 알 수 있습니다.

개선 할 지역의 추세와 신호를 찾기 시작합니다. 당신이 신호를보고 시작하면 더 조사하고 심지어 당신이 그것을 개선 할 수 있는지 확인하기 위해 테스트를 실행합니다.