> For the complete documentation index, see [llms.txt](https://ttssseo.gitbook.io/polnyi-gaid-po-rabote-s-metrikoi-retention/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://ttssseo.gitbook.io/polnyi-gaid-po-rabote-s-metrikoi-retention/glava-7.md).

# Глава №7

Удержание вернувшихся пользователей

* Анализ вернувшихся пользователей
* Нахождение персон среди вернувшихся пользователей
* Сравнение поведения вернувшихся пользователей с поведением новых и текущих пользователей
* Практика: Удержание вернувшихся пользователей

## Глава 7. Удержание вернувшихся пользователей

На данном этапе вы уже знаете, как работать с удержанием текущих и новых пользователей. Настало время последнего этапа жизненного цикла удержания — вернувшихся пользователей.

## Содержание:

1\. Почему важно удерживать вернувшихся пользователей\
2\. Анализ потенциального объема вернувшихся пользователей\
3\. Определение триггеров возвращения\
4\. Кейс со сравнением критических событий\
5\. Практика

## Почему важно удерживать вернувшихся пользователей

Вернувшийся пользователь — тот, кто вернулся после периода неактивности или бездействует в течение периода времени. При обсуждении стратегий по работе с удержанием часто забывают про этот сегмент пользователей, и все же в работе с ним есть потенциал для улучшения общего удержания продукта и количества активных юзеров.\
\
Только представьте: все пользователи, которые перестали пользоваться вашим продуктом, потенциально могут стать вернувшимися. Для большинства компаний это огромная группа людей.\
\
Плюс вы уже привлекли этих пользователей. Это значит, что ваши шансы вернуть их в продукт выше чем заставить нового пользователя впервые попробовать продукт. Часто это также требует меньше ресурсов, в том числе финансовых.\
\
Возвращение неактивных пользователей поможет выпрямить кривую удержания и повысить границу активных пользователей.\
\
**Не возвращайте в пустой продукт**\
\
Подумайте — что видят пользователи, когда возвращаются в ваш продукт после периода неактивности? Если пустота на экране и никаких элементов для взаимодействия, они могу просто закрыть приложение и никогда не вернуться.\
\
Ниже показаны два скриншота. На первом видно, что у пользователя нет сообщений и при этом нет элементов для взаимодействия. На втором — приложение для путешествий с пустым списком направлений, но экран подталкивает пользователя к действию запланировать путешествие и даже предлагает уместную скидку.\
\
Думайте о пустом экране как о возможности вовлечь пользователя в продукт. Например, приложение на первом скриншоте можно было бы добавить кнопку отправки сообщения кому-нибудь из друзей.

![Примеры приложений с разными пустыми состояниями](https://static.tildacdn.com/tild3832-3135-4462-a137-313836343963/empty-vs-full-experi.jpg)

Еще один пример из мобильной игры: приложение Words with Friends (популярная игра от Zynga наподобие Scrabble) для игры в слова с друзьями в реальном времени.\
\
У пользователей, которые долго не заходили в приложение, нет активных игр, поэтому, когда они зайдут в приложение снова, у них не будет возможность сразу вовлечься в игру. Команда игры поняла, что из-за этого большинство вернувшихся пользователей не получают ожидаемого опыта и больше не возвращаются в приложение. Тогда они решили посылать уведомления друзьям вернувшегося пользователя, предлагая пригласить его в игру. Таким образом, когда пользователь возвращается, у него уже есть приглашения в игру и он с большей вероятностью начнет снова пользоваться приложением.\
\
Качественный пользовательский опыт для вернувшихся пользователей важен при работе с вернувшимися пользователями. Это может тем самым фактором, который сделает их текущими.

## Анализ потенциального объема вернувшихся пользователей

Давайте посмотрим на *потенциальный* пул вернувшихся пользователей.\
\
Любой, кто использовал ваш продукт в прошлом, но не использует его в текущем периоде анализа, является потенциальным вернувшимся пользователем.\
\
Практический способ оценить величину этой возможности — это рассчитать количество людей, которые использовали ваш продукт за предыдущие 6 месяцев, но не использовали его в текущем периоде. В зависимости от типа продукта, интервала использования и сезонности вашего продукта, вы можете выбрать срок дольше или короче 6 месяцев, но 6 месяцев — хороший срок для начала.

![Настройки сегментации](https://static.tildacdn.com/tild3434-3962-4837-b233-636431656536/behavioral-cohorting.jpg)

В Amplitude вы можете рассчитать эту группу пользователей, определив поведенческие когорты. Если рассматривать период времени между 3 и 9 июля 2016 года, можно создать когорту пользователей, которые были активны в любое время за последние 6 месяцев, но *не* активны на данной неделе:

|                                       | Количество пользователей | % от общего количества активных |
| ------------------------------------- | ------------------------ | ------------------------------- |
| Всего активных пользователей          | 590 084                  |                                 |
| Новые пользователи                    | 76 167                   | 13%                             |
| Текущие пользователи                  | 429 394                  | 73%                             |
| Вернувшиеся пользователи              | 84 523                   | 14%                             |
| Потенциально вернувшиеся пользователи | 1 304 242                | -                               |

Возвращаясь к нашему примеру, данный продукт имеет 1,3 миллиона потенциальных вернувшихся пользователей. Взгляните на это с точки зрения возможности приобретения. У этой компании есть 1,3 миллиона человек, которые загрузили приложение за последние 6 месяцев, но в настоящее время неактивны. Это люди, которых можно попытаться вовлечь с помощью своевременного push-уведомления или электронной почты, с ними намного легче связаться, чем с потенциальными новыми пользователями, на приобретение которых тратятся деньги.

## Определение триггеров возвращения

Следующим шагом является определение любых измеримых триггеров возвращения.\
\
Это могут быть push-уведомления или электронные письма, которые вы отправляете своим пользователям — например, если у вас уже есть какие-то кампании по повторному привлечению пользователей, нацеленных на пользователей, которые неактивны в течение некоторого времени.\
\
Если в вашем продукте есть социальный компонент, эти уведомления могут быть основаны на действиях друзей пользователей или в сети (например, уведомление, которое вы получаете, когда кто-то упоминает вас в Twitter).\
\
Ваш продукт также может иметь триггеры, которые совпадают с внешними факторами, такими как праздники, спортивные мероприятия или погода. Например, вы замечаете, что больше пользователей размещают заказы в приложении по требованию в течение недели, когда идет сильный снег, потому что в это время люди менее склонны выходить на улицу и делать обычные покупки. Эти факторы сложно подтвердить в ваших данных, но каждый раз, когда вы замечаете всплески или спады в использовании, не стоит забывать о внешних факторах, влияющих на ваших пользователей.\
\
Для вернувшихся пользователей мы хотим определить любые внешние триггеры, которые могут вернуть их в продукт. Определив их, мы сможем измерить, насколько они эффективны при повторном привлечении пользователей, и подумать о способах улучшения этих триггеров.\
\
Вот несколько способов определить триггеры:\
\
• Если у вас есть веб-сайт или веб-приложение, посмотрите на параметры сессии UTM и данные референта для поиска общих источников, таких как email-кампания или реклама.\
\
• Если вы выполняете кластерный анализ, чтобы определить поведенческие персоны, как мы сделали в предыдущем разделе с функцией Personas, вы можете искать события, которые могли спровоцировать возвращение, в каждом кластере.\
\
• Анализ путей вернувшихся пользователей с помощью Pathfinder от Amplitude или аналогичной визуализации пути также может пролить свет на то, почему пользователи возвращаются.\
\
Как только вы определите потенциальные триггеры, сравните последующие метрики, такие как критическая скорость конверсии воронки и долгосрочное удержание пользователей, которые получают эти триггеры. Это позволит вам понять, оказывают ли они желаемый эффект.\
\
**Пример: Влияние e-mail рассылки со скидкой**\
\
В приложении для доставки выделили персону «искупительной скидки». Эти скидки отправляются по электронной почте множеству пользователей, которые неактивны (не выполнили заказ) в течение некоторого времени.\
\
В компании создали поведенческую когорту вернувшихся пользователей, получивших специальное предложение, и обнаружили, что 22% всех вернувшихся пользователей получили скидку.

![Данные по воронке пользователей со скидкой и без скидки](https://static.tildacdn.com/tild3635-6139-4961-a436-666639326631/critical-funnel-app-.jpg)

Когда сравнили критические коэффициенты конверсии воронки для вернувшихся пользователей, получивших специальное предложение, и тех, кто его не получил, мы обнаружили огромную разницу: 94,5% вернувшихся пользователя, получивших специальное предложение, выполнили заказ, по сравнению с 26,5% остальными вернувшимися пользователями.\
\
По сути, почти каждый пользователь, который вернулся в приложение после получения скидки, завершил заказ. Команда также изучила коэффициент конверсии от получения скидки до запуска приложения и обнаружила, что 58% пользователей, получивших предложение со скидкой, запускают приложение в течение 7 дней.

![Удержание пользователей со скидкой и без скидки](https://static.tildacdn.com/tild3863-3138-4830-a537-306335373638/critical-event-month.jpg)

Теперь, когда компания узнала, что специальное предложение эффективно побуждает людей вернуться и разместить заказ, она захотела посмотреть на долгосрочные последствия. Возвращаются ли пользователи со специальным предложением только один раз или продолжают размещать заказы с течением времени?\
\
**Вывод**: очевидно, что программа скидок оказывает значительное долгосрочное влияние на увеличение покупок. Компания решила попробовать распространить эту программу на большее количество неактивных пользователей, чтобы способствовать их возвращению.\
\
**Не перестарайтесь с push-уведомлениями**\
\
У вас может возникнуть соблазн разбудить бездействующих пользователей уведомлениями или электронными письмами, но есть вероятность, что они не будут эффективными и будут только раздражать ваших пользователей, заставляя их отказаться от подписки или, что еще хуже, прекратить использовать ваш продукт навсегда.\
\
Помните, что внешние триггеры, такие как push-уведомления, должны быть синхронизированы с внутренними триггерами пользователя и существующим поведением. Уведомления работают лучше всего, когда они перенаправляют существующие эмоции или поведение на ваш продукт. А еще лучше, когда вы можете персонализировать их на основе того, что вы знаете о пользователе — будь то настройки, которые они установили, или предыдущие действия, которые они предприняли.

## Кейс со сравнением критических событий

Напомним, критическое событие вашего приложения — это действие пользователя, которое показывает, что пользователь действительно использует ваш продукт и извлекает из него ценность (например, завершение игры, размещение заказа, воспроизведение песни).\
\
Анализируя вернувшихся пользователей, убедитесь, что вы понимаете, кто из них выполняет критическое событие, а кто просто возвращается к продукту.\
\
Сравнение критических событий и их свойств поможет вам выяснить, есть ли у вернувшихся пользователей определенные модели поведения и выполняют ли они эти события с другой частотой, в отличие от текущих пользователей. Это может помочь вам определить:

* Стоит ли концентрировать свои усилия на возвращении бездействующих пользователей с точки зрения удержания или монетизации.
* Существует ли нечто уникальное в поведении вернувшихся пользователей, что вы можете использовать, чтобы улучшить их опыт при возвращении.

\
**Пример**\
\
Рассмотрим приложения для записи на тренировки. Его критическое событие: записаться на тренировку. На графике можно увидеть процент дневных активных пользователей, которые выполнили критическое событие, среди новых, текущих и вернувшихся пользователей. У вернувшихся пользователей самый низкое значение.

![Разбивка пользователей, которые записались на тренировку, по дням](https://static.tildacdn.com/tild3762-6166-4331-a137-383962333339/percentage-daily-act.jpg)

На графике видно, что этот показатель выполнения критического события в разных группах примерно соотноситься с дневной активностью — и все же вернувшиеся пользователи меньше записываются на тренировки.\
\
Другой способ посмотреть на вовлеченность — измерить частоту выполнений критического события каждым пользователем.

 

![Сравнение среднего количества запланированных тренировок по группам](https://static.tildacdn.com/tild3331-6664-4835-b033-313461333166/average-number-of-ap.jpg)

**Сравнение важных свойств события**\
\
Число записей на тренировки — это важная метрика для компании, однако конечная цель — это прибыль. Чтобы посмотреть распределение средней цены тренировки в Amplitude, используем свойство “Средняя цена покупки” у события “Записаться на тренировку”. График средней стоимости тренировки показывает, что вернувшиеся пользователи в среднем тратят больше чем новые.

![Среднее количество пользователей, запланировавших тренировку](https://static.tildacdn.com/tild3038-3763-4166-a230-333862383137/average-cart-total.jpg)

**Вывод**: Несмотря на то, что новые пользователи чаще записываются на тренировки, вернувшиеся тратят больше. У данной компании большой пул неактивных пользователей и ей следует сфокусироваться на возвращении пользователей.Практика

**Шаг 1. Оцените влияние вернувшихся пользователей на продукт**

[Скачать шаблон в PDF](https://drive.google.com/uc?export=download\&id=1zGE-QM6XGl6at01FhJOo90a2Hi3uoroA)

{% file src="/files/1eIAO4FQbJUHCWSvXj4W" %}

**Шаг 2. Определите персоны вернувшихся пользователей**

[Скачать шаблон в PDF](https://drive.google.com/uc?export=download\&id=1cd83Pk-s1JVjcKKt2iCXdD3iuxSm9yrw)

{% file src="/files/08PzDxW5a49eVpNeQ8kK" %}

**Шаг 3. Определите триггеры вернувшихся пользователей**

Помните, чтобы бывают внешние и внутренние триггеры. Повторим способы их определить:

* Смотрите на такие параметры сессии, как UTM-метки, данные по атрибуции, чтобы найти похожие источники, например, рассылки или рекламную кампанию;
* Изучите поведение персон вернувшихся пользователей, чтобы найти потенциальные триггеры;
* Анализируйте пути вернувшихся пользователей с помощью функции Pathfinder, чтобы найти паттерны.

**Шаг 4. Гипотезы и следующие шаги**

Задайте себе эти вопросы при генерации гипотез и идей для экспериментов:

* Какой процент от вашей активной аудитории когда-то был неактивным? И каким может быть потенциальный рост вашей активной базы при работе с удержанием вернувшихся пользователей?
* Есть ли способы увеличить вероятность того, что вернувшиеся пользователи будут вовлечены в продукт и станут текущими?
* Есть ли способы заставить больше пользователей вернуться в ваше приложение и поднять удержание и другие метрики?
* Какие есть триггеры, с которым можно поэкспериментировать при работе с вернувшимися пользователями?

**Шаг №5: Метрики для отслеживания улучшений**

Мы рекомендуем отслеживать следующие метрики для оценки прогресса:

* Доля активных пользователей, которые когда-то были вернувшимися
* Удержание вернувшихся пользователей в перспективе. Это поможет избегать активностей, которые точечно повышают графики активности
* Успешность возвращающих кампаний (рассылок или уведомлений). Помимо привычных конверсий в открытие и клик, следите за глубинным метриками, например, удержанием и конверсии по основной воронке
* Липкость критических событий
* Конверсия критической воронки