Retention är kung rätt? Alla pratar om det men ofta tycker jag att det är svårt att smälta ner det i handlingsbara strategier. Det finns några viktiga saker att se upp för när du analyserar retention för att hjälpa bränsletillväxten av din produkt.

det första du behöver göra är att få en retentionskurva framför dig. Om du använder Mixpanel kan du kolla in den här artikeln från ThoughtBot om att bygga en retentionskurva med Google Sheets. Om du har dina data i ett lager kan du följa den här artikeln från periscope om hur du gör det med SQL.

du kommer att vilja hitta en tidsram som fungerar bra för din produkt. Om en bättre mätning för din produkt är DAU (Daily Active Users) vs. MAU (Monthly Active Users), välj inte en månads tidsram eftersom du inte får de resultat du letar efter. Din kvarhållningskurva ska se ut så här:

inledande observationer

det finns ett par saker att leta efter här för att ge dig några ganska värdefulla insikter.

Planar grafen ut? Om din graf inte plattas ut vet du redan att du har problem med churn. Dina användare stannar inte så länge du behöver dem. Vi kommer att undersöka sätt att diagnostisera detta på några minuter.

faller din graf plötsligt? Om så är fallet kan du notera vid vilken tidsram som händer och börja titta på vad som händer just vid den tiden.

låt oss nu börja gräva ner i att räkna ut vad som händer med din produkt och börja få några förslag på var vi kan förbättra den.

fas 1 Retention

Steg 1 retention representeras i den allra första delen av din graf. Detta betecknar vanligtvis onboarding och eventuellt några initiala interaktioner med appen. Om du kan få användaren till det wow-ögonblicket eller utföra din north star-metriska då ännu bättre.

om du ser en skarp drop off i denna första delen av diagrammet då du vet att du har en del arbete att göra i början av användarupplevelsen. Detta kan uppmana dig att titta längre in i din onboarding eller NUX(New User Experience) för att hitta några hål eller sätt du kan ge mer värde. Börja analysera vilka händelser som inte händer för användare som faller av och jämföra dem med vilka händelser användare gör som stannar.

tidiga förändringar som positivt påverkar dina retentionskurvor kan ha dramatisk effekt mot din långsiktiga retention. Genom att påverka positionsförskjutningar i din fas 1 onboarding börjar du se långsiktig retention platta ut och förbättra. Detta beror på att du är onboarding användare i produkten bättre och visar att wow ögonblick förr eller mer effektivt.

fas 2 Retention

fas 2 retention representerar åtgärder på medellång sikt. Användare i det här segmentet har sannolikt redan haft det” wow ” – ögonblicket och vill nu börja få verklig långsiktig användning av produkten. Några effektivitetsvinster du kan börja göra inom detta område är saker som att ombord på användare i mer avancerade funktionsuppsättningar eller introducera dem till funktioner som ger mervärde till deras standardarbetsflöden.

det är här du börjar skapa en vanebildande produkt. Nir Eyal har några bra ideer i sin bokade hooked som verkligen kan hjälpa dig med Fas 2 retention. Du bör också titta på hur du kan optimera befintliga funktionsuppsättningar och hjälpa användare att få ut mer av din produkt.

fas 3 Retention

fas 3 retention är din långsiktiga retention strategi. I huvudsak är målet att optimera denna del av grafen hur du kan få grafen att platta ut snabbare och stanna platt längre.

här kan du fokusera optimeringar kring åter engagera förlorade användare och ytterligare funktionsoptimering. Börja titta på korrelationer mellan kundsupport och churn och hitta optimeringar här.

kohorter

nu när vi förstår de olika faserna av retention låt oss dyka in i hur man faktiskt berättar om de förändringar som görs på produkten över tid påverkar positiv förändring eller inte. För att göra detta måste vi undersöka retentionskurvor för olika kohorter över tid och jämföra dem.

när vi släpper nya funktioner eller gör optimeringar över tiden bör vi börja se kurvorna förändras mellan användare som registrerade sig under de följande månaderna.

segmentering

nu när du granskar lagring av kohorter kan du börja hitta andra optimeringar genom att segmentera dina användare över olika händelser/attribut. Du kan till exempel märka att användare som registrerar sig från Twitter och använder en viss funktion har bättre fas 3-retention än sina Facebook-motsvarigheter.

börja leta efter trender och signaler om områden att förbättra. Om du börjar se en signal undersöka det vidare och även köra ett test för att se om du kan förbättra den.