Lifetime – та метрика, которая наглядно показывает заинтересованность пользователей в продукте. Как с ней работать, – рассказывает аналитик devtodev Вера Карпова в нашей серии материалов «Показатели эффективности игр».

Публикация выходит в рамках цикла материалов об игровых метриках от App2Top.ru и devtodev. Статьи делятся по сезонам, каждый из которых посвящен конкретной теме. Второй сезон называется «Пользователи». В нем мы рассказываем про те бизнес-метрики, которые отражают эффективность приложения в плане работы с аудиторией.

Вера Карпова

Иногда (обычно накануне Нового года или в какой-нибудь из понедельников) мы принимаем решение начать ходить в спортзал, покупаем абонементы и начинаем усердно тренироваться.

Кому-то хватает одного занятия, чтобы после недели мышечной боли, забыть об этой затее, кто-то честно ходит один месяц, чтобы отработать купленный пропуск, а кто-то втягивается и проводит вечера в спортзале на протяжении нескольких лет.

С приложениями ситуация абсолютно идентичная – далеко не все пользователи используют его годами, большинство перестают пользоваться как только пропадает интерес или потребность.

И это является показателем востребованности и заинтересованности пользователей, а также гарантией их финансовой активности.

Существует метрика, которая характеризует этот процесс и показывает, сколько в среднем времени пользователь активен в проекте – Lifetime (или LT). Причем под активностью здесь подразумевается не ежедневные его посещения, а количество времени, которое прошло между первым и последним запуском приложения.

Обычно Lifetime рассчитывается для когорт и чем больше времени с момента установки проходит, тем меньше пользователей из этой когорты продолжают использовать продукт. Наибольший отток происходит, как правило, в первые дни. Выглядит это следующим образом и представляет собой график метрики Retention:

Для расчета Lifetime есть несколько вариантов. Пожалуй, самый точный, – взять когорту пользователей, подождать пока все они перестанут заходить в проект и посчитать, сколько в среднем пользователи проводят в проекте.

Например, в когорте 100 пользователей. Нам известно, столько дней они провели в проекте, перед тем как уйти:

В этом случае их Lifetime составит 15,6 дней.

Но на практике такой метод не применим, так как ждать придется довольно долго и далеко не всегда можно сделать вывод по одной когорте.

Поэтому Lifetime обычно принято не считать, а именно оценивать, беря в расчет какую-либо стороннюю информацию, в частности Retention.

Один из способов это сделать – считать отвалившимися тех пользователей, которые не заходили в приложение 7, 14, 30 и более дней. Иными словами, определить критерий «невозврата» пользователей. Обычно таким периодом является 1-2 недели бездействия.

Именно этот метод используется в devtodev, а сроком отвала считается 7 дней.

Другой, чуть более сложный способ, – посчитать интеграл от функции Retention (так как Lifetime является площадью под кривой Retention), либо просто сложить все показатели Retention. Для этого нужно знать значения Retention за несколько дней. Желательно, чтобы число дней было как можно больше, поскольку от этого будет зависеть точность посчитанного Lifetime.

Например, у нас есть значения Retention за первые 28 дней. Сложив их, мы получим значение Lifetime, которое равно 5,05.

Стоит учитывать, что Lifetime – это средняя величина, ведь она не говорит о том, что большинство пользователей покидают проект через это количество дней.

В этом заключается польза этой метрики – она показывает общую ситуацию по продукту в одной цифре.

Допустим, в ходе экспериментов получилось увеличить Retention первых дней, но одновременно с этим метрика начала падать, начиная с пятого дня.

Получив такой результат, довольно тяжело оценить эффективность изменений – какой из Retention’ов сильнее влияет на проект, достаточно ли роста Retention в начале, чтобы компенсировать более продолжительное падение после пятого дня.

В то время как Lifetime может помочь сделать этот вывод, поскольку этот показатель учитывает все значения Retention. И посчитав его для данного примера, можно сделать вывод, что изменение положительно повлияло на проект.

Также при работе с Lifetime стоит уделить внимание сегментации. Причем сегментировать можно в двух направлениях:

  • использовать стандартные сегменты, типа страны, девайса;
  • или делить пользователей по времени, которое они проводят в приложении – по самому Lifetime.

Иными словами, можно отдельно анализировать и оценивать поведение пользователей, Lifetime которых меньше недели, или от недели до двух, от двух до месяца и так далее.

Вероятно, поведение таких сегментов будет отличаться и исследовав его для каждой группы, можно обнаружить проблемные места в приложении и понять причину оттока.

Чем еще полезен Lifetime?

Этот показатель говорит о том, через какое время пользователь покинет проект. Зная, когда это случится, можно попытаться изменить его поведение: предложить скидку, отправить пуш-уведомление, изменить что-то в приложении, чтобы продлить пребывание пользователя в проекте.

Кроме того, показатель Lifetime тесно связан с другой метрикой – Lifetime Value, который показывает сколько денег приносит пользователей за время жизни в проекте (Lifetime), поэтому несмотря на то, что на первый взгляд Lifetime измеряется в днях и не имеет финансовой составляющей, на доход тем не менее он влияет, ведь чем больше Lifetime, тем дольше пользователь будут платить. Это особенно важно для подписных продуктов, поскольку там каждый подписанный пользователь будет периодически и стабильно приносить доход компании.

Так что, чем больше срок жизни пользователей, тем дольше и больше они будут платить.

Читайте также материалы про другие метрики:

Теги:

Комментарии

Оставлять комментарии могут только зарегистрированные пользователи.