Сообщения

Сообщения за Январь, 2017

Retention curve - вчерашний день аналитика

Изображение
Я давно хотел написать этот пост про retention curve (кривую удержания).

Дело в том, что современная клиентская аналитика развивается очень быстро. SaaS компаний с инструментами аналитики достаточно много. Но не каждая смогла сделать значимый вклад в новые подходы к аналитике.

Тем не менее, для себя я могу выделить следующие компании, которые сильно повлияли на мое видение аналитики и на мой подход к онлайн-маркетингу через аналитику. Итак,
в 2012 году я равнялся на Kissmetrics.com;в 2013 это была уже RJMetrics.com;в 2014 году это была Custora.com;в 2015 году это была Optimove.com И вот в 2016 году я познакомился с think-tank компанией Amplitude.com.

Мое глубокое убеждение в том, что компания предоставляющая аналитический продукт не удержит свои позиции, если будет просто создавать еще один продукт (даже если он будет немного быстрее и удобнее). Аналитическая компания должна искать новые способы выжать больше инсайтов из данных, отобразить суть происходящего коротко и предельно ясно.

Т…

ARPU - метрика без измерения

Изображение
Впервые я познакомился с метрикой ARPU (Average Revenue Per User) еще в телекоме. Суть ее очень проста - рассчитать среднюю доходность клиента.

На языке DAX ее можно было бы рассчитать вот так:
ARPU (classic):=
SUM( tbl_orders[payment_amout] ) / DISTINCTCOUNT ( tbl_orders[user_id] ) Однако в некоторых индустриях (в частности в free-to-play играх) ARPU часто несет несколько иной смысл. ARPU понимают как - среднюю доходность игрока. Игрок может платить, а может и не платить и просто бесплатно играть.

Здесь расчет уже использует не только таблицу транзакций, но и таблицу пользователей.
ARPU :=
SUM( tbl_orders[payment_amout] ) / COUNT (tbl_users[user_id] ) Соответственно необходимо ввести еще одну метрику ARPpU (Average Revenue Per Paid User) - средняя доходность на платящего игрока:
ARPpU :=
SUM( tbl_orders[payment_amout] ) / DISTINCTCOUNT ( tbl_orders[user_id] )
ARP(p)U метрика очень волатильная, а потому часто возникает вопрос - как быстро определить причину скачка ARPU?

Давайте рассуждат…

DAU / MAU отличный способ мерять не то, что вам нужно

Изображение
Впервые я столкнулся с метриками DAU / MAU когда про них упомянули в контексте игр на facebook в далеком 2009 году. И хотя, я уверен, серьезные игроки давно уже не полагаются на эти метрики роста, тем не менее для многих маркетологов они оказались весьма привлекательными.

Сегодня мы поговорим почему эти метрики так привлекательны и опасны одновременно.

Начнем с их определения.
DAU (Daily Active Users) это сколько (уникальных) клиентов воспользовались вашим сервисом (обычно - залогинились) в конкретный день.MAU (Monthly Active Users) это сколько (уникальных) клиентов воспользовались вашим сервисом за последний месяц (или последние 30 дней). DAU / MAU это какой % наших (уникальных) клиентов повторно воспользовались вашим сервисом за период. Это так называемый "stickiness".Какие есть плюсы их использования?

Первое: считать такие метрики очень просто. На языке DAX расчеты могли бы выглядеть вот так.
[DAU] :=
DISTINCTCOUNT ( tbl_users[user_id] ) [MAU] :=
CALCULATE ( [DAU],
DATESINPERI…