アプリのプロモーション: ユーザー維持率の分析はどのように行うのでしょうか?この2点を明確にしてください。

保持分析を行う前に明確にしておく必要があることが 2 つあります。

まず、製品のキーイベントを特定する必要があります。いわゆるキーイベントとは、ユーザーが製品の中核的な価値を感じる瞬間のことです。ユーザーがキーイベントを繰り返し続けることでのみ、製品がユーザーにとって継続的に価値を生み出し、好循環を形成していることを証明できます。

次に、ユーザーが製品を使用する平均期間はどのくらいでしょうか。この期間は、保持を観察するときに選択される保持期間を直接決定します。

製品内の主要なイベントを識別するにはどうすればよいでしょうか?

プロダクト キー イベントを決定する際には、考慮すべき 2 つの側面があります。

1 つ目は、製品内で、ユーザーが毎日製品を使用する際に何をしてほしいかということです。

2つ目は、自社の事業について、例えば、どのような指標で事業の発展を直接測ることができるのか、あるいは、どのような指標で持続的な成長を期待するのか、などです。

▌製品のライフサイクルをどのように決定しますか?

上記の 2 つの考え方を通じて、基本的に製品内の主要なイベントが何であるかを判断できます。この時点で、製品内の平均的なユーザー使用サイクルが明確になれば、基本的なリテンション分析を完了できます。

たとえば、過去 60 日間に、100 人のユーザーが製品で 2 つの重要なイベントをトリガーした可能性があります。これらの 100 人を選択して、最初のキー イベントと 2 番目のキー イベント間の時間間隔を計算しました。統計後、3% の人が 1 日以内に 2 回トリガーし、20% の人が 7 日以内に 2 回トリガーし、30 日目には 81% のユーザーが 2 回以上トリガーしたことがわかりました。この時点で、基本的に 30 日は製品に対するユーザーの実際のフィードバックの平均使用サイクルであると判断でき、リテンション分析で観察されるリテンションのサイクル状態として使用できます。

月間保持期間は30日間です。この時点で表示される月間リテンションは、比較的意味のある分析結果である可能性があります。

▌リテンション分析を計算する方法は？

上記の手順により、分析対象となる主要なイベントを明確にすることができ、分析の保持期間も明確にすることができます。この時点で、ツールを使用するか、データ クエリを記述することによって、データ保持の表または画像を取得できます。

上の図を例にとると、9月12日から9月18日まで、この7日間のユーザーの7日間の滞在率は、9月12日に1,752人のユーザーがいて、3日目に再訪したユーザーは14人だけだったことがわかります。このとき、9月12日に対応する3日目の滞在率は14/1,752、つまり0.8%です。同様に、12 日、13 日、14 日、15 日、16 日など、すべての日付の 3 日目のリテンションを計算し、製品のすべてのユーザーの 3 日目のリテンションを取得できます。実際の保持率は 0.76% になる可能性があります。

▌保持曲線をどのように解釈するか?

上記の手順により、この分析用の製品の保持曲線を描くことができます。この曲線は、1 日目から 7 日目にかけて減少する曲線です。通常、製品マネージャーは、一定期間が経過してもリテンション カーブが下降傾向のままではなく、できるだけ平坦なままであることを望みます。リテンション カーブが比較的平坦である場合、製品が市場空間内で製品に一致するユーザー グループを見つけたことを証明し、それによって市場における製品の価値を証明するためです。

一方、企業が業務活動を行ったり、製品の改訂やアップグレードを行ったりする場合、全体のリテンション曲線が上昇傾向になることを期待します。上昇は、全体的なリテンション率が徐々に増加していることを意味し、それはその後の製品全体のユーザーリテンションベースと量に相当し、以前と比較して改善されています。

▌リテンションを向上させるための出発点を見つけるには？

保持曲線がわかれば、それを解釈する方法もわかります。保持曲線が平坦でなかったり、全体的な保持率が特に理想的ではないことがわかった場合は、その理由を分析する必要があります。一般的に、5 つの観点から保持分析と比較を行うことができます。

最初に行うことは、さまざまなユーザー グループの保持率を比較することです。

2 番目に行うことは、製品内のさまざまな機能の保持を比較することです。

3 つ目は、異なる行動を持つユーザーの維持率を比較することです。

4番目に、保持状況をさまざまな側面から比較する必要があります。

5 番目に、異なる頻度で主要なイベントを繰り返すユーザーの維持率を比較します。

出典: アナリシス