Спецпроект: Мобильная разработка
на главную спецпроекта
Как мобильная аналитика улучшает экономику приложения: опыт российских стартапов

Три кейса о том, зачем внедрять аналитику с первых дней существования приложения и каких результатов можно достичь с её помощью.

Кейс Payment Systems — приложения для оплаты штрафов


Анатолий Марин, основатель проекта

Что общего у мобильного приложения и загородного дома

Приложение — это ещё один интерфейс взаимодействия с клиентом. Смартфоны есть у всех: они стимулируют повторное использование продукта на ходу, с меньшим вниманием и большей потребностью получить результат здесь и сейчас.

Мобильное приложение нужно делать только тогда, когда вы понимаете, какие задачи оно поможет решить, как изменит взаимодействие с пользователем.

Если есть потребность протестировать новые гипотезы или новый бизнес, стоит сначала обойтись более дешёвыми способами — создать приложение через low-code или zero-code, попробовать взаимодействие через мессенджеры. Если после теста есть понимание, что приложение вам необходимо, только тогда можно переходить к его разработке.

Подобный тест убережёт вас от типичной ошибки: люди сначала тратят деньги, силы и время на разработку, а потом понимают, что он никому не нужен.

Подготовка к созданию мобильного приложения чем-то похожа на строительство большого загородного дома. Сначала нужно понять, что вы действительно готовы жить в доме на постоянной основе и поддерживать его функционирование. Найти участок в том месте, откуда будет удобно добираться до города. Взвесить все за и против — и только потом приступать к строительству и дизайну интерьера.

Иначе вы вложите огромные средства, а затем поймёте, что вам далеко и неудобно добираться до работы, содержание дома обходится очень дорого, а приезжать вы сможете только пару раз в месяц.

Зачем нашему приложению аналитика

Наше приложение позволяет проверять и оплачивать штрафы онлайн. Сейчас у него более 20 млн установок и 4 млн активных пользователей в месяц. Пять лет назад мы увидели, что в основном люди оплачивают штрафы через компьютер. Это было неудобно — бо́льшую часть времени автовладельцы проводят в пробках, где им было бы удобно оплачивать штрафы.

Существующие решения были несовершенны: пользователю нужно было сначала зайти в приложение, при нажатии кнопки оно начинало анализировать штрафы и только спустя время присылало SMS об их наличии или отсутствии. Мы видели, как решить эту проблему и не сомневались, что мобильная версия нашего продукта будет пользоваться спросом. В итоге через месяц после запуска мы достигли показателя 1000 установок в день.

Изначально мы использовали встроенную в приложение продуктовую аналитику и серверную часть, где вручную доставали и анализировали события через SQL-запросы. Сейчас для аналитики мы используем Amplitude, где анализируем LTV — сколько тратят клиенты за всё время пользования нашим приложением.

Также смотрим, через какие когорты и каналы пользователи проходят. Так мы понимаем, во сколько нам обходится привлечение клиентов и сколько каждый из них сможет принести нам денег.

Благодаря аналитике ясно, какое количество пришедших пользователей превратились в платящих. Если мы теряем клиента, который готов оплачивать штрафы через наше приложение — это стоит нам больших денег. Поэтому мы очень много экспериментировали с продуктом, чтобы удерживать пользователей. Например, изменения платёжной формы помогли нам поднять выручку на 150 тысяч рублей в месяц. Также мы изменили онбординг клиентов в более образовательную сторону: стали вовлекать пользователей через рассказ о том, какими полезными функциями они смогут пользоваться. Это увеличило конверсию в оплату и позволяет растить LTV.

Я считаю, что аналитическими инструментами сейчас должен владеть каждый руководитель. Также желательно иметь в команде человека, который отвечает за Data Science. Любой бизнес — это в первую очередь цифры, которые дают картину за пределами того, что ты видишь своими глазами.

У меня 4 млн активных пользователей. Без инструментов аналитики я никогда не смогу понять, как они думают. Аналитику мы используем даже в текстах, чтобы понять, как они конвертируют в целевое действие. Также мы сейчас занимаемся SEO и пытаемся выяснить, какие факторы влияют на рейтинг нашей страницы в выдаче, оптимизируем воронку привлечения пользователя через платные и бесплатные каналы, а также пытаемся улучшить продукт так, чтобы конверсия в покупку постоянно росла, а отток клиентов уменьшался.

В плане аналитики мне очень нравится книга How to Measure Anything: она расширяет сознание и помогает задуматься о том, как измерить то, что нам кажется неизмеримым и повысить качество принимаемых решений.

Какими качествами должен обладать аналитик

Сначала я стараюсь сам понять, зачем именно мне нужен новый человек в команде и создаю «миссию роли». Например, она может звучать так: «поднять LTV со 100 до 120 $, создав с помощью аналитики более ясное представление, где мы зарабатываем и теряем деньги» или «увеличить выручку на 30% за счёт поиска нереализованных возможностей для роста».

Эта миссия даёт понимание того, кто мне действительно нужен. Я смотрю на предыдущий опыт человека и пытаюсь выяснить, удавалось ли ему решать сложные задачи с помощью цифр, каким количеством приложений он мог управлять одновременно. Если человек на ты с цифрами, он постоянно на интервью будет говорить на их языке: «мы сделали такое-то количество тестов, и они принесли нам +100%». Важно, чтобы человек понимал, что все его действия в итоге влияют на цифры и бизнес-показатели.

Кейс easy ten — приложения для изучения иностранных языков


Кирилл Потехин, сооснователь стартапа

Easy ten — мобильное приложение, которое помогает людям изучать иностранные языки с помощью карточек. Поэтому для меня приложение — и есть бизнес.

На старте у нас не было никакой аналитики, поэтому наша попытка запустить самую первую версию приложения в Китае оказалась неудачной: мы вообще не знали, чего хочет рынок. Тогда мы поняли важность первичной аналитики и стали анализировать качество списков слов, предлагаемых клиентам для изучения. У пользователей была возможность пролистывать карточки вправо и влево, чтобы добавлять новые слова в личный словарь.

У нас было порядка 20 разных тематик, по которым человек мог изучать язык. В каждой из них мы предлагали слова для изучения исходя из аналитических данных. Например, если из всех пользователей, которые подписались на тематику «Путешествия», большинство откинуло 2 слова из 10, мы эти слова заменяли на новые. Это помогло увеличить Retention, улучшить в 4–6 раз конверсию в активацию подписки, а также позволило нашей компании финансово выйти в плюс.

Благодаря аналитике у нас появилась фича Brain boost: для каждого слова было несколько тестов на понимание того, как оно пишется, произносится и встраивается в контекст. И опять же благодаря аналитике мы смогли увидеть, что на одном из вопросов клиенты не справлялись и покидали тест — оказалось, что он просто не помещался в один экран.

Есть ли разница между продуктовой и мобильной аналитикой

Я бы не сказал, что продуктовая и мобильная аналитика очень отличаются друг от друга. Хороший продуктовый менеджер строит гипотезы на основе данных продукта, рынка и конкурентов. Один из удачных способов получить обратную связь о продукте — провести интервью с пользователями.

Однако чаще всего на такие встречи приходят люди, которые очень лояльны к продукту. А вот в работе с теми, кто в продукте мало заинтересован, помогает мобильная аналитика: она показывает, на каких этапах воронки происходит отток клиентов. На основе этих данных можно понять, что именно необходимо изменить в цепочке взаимодействия с пользователем.

Например, в мобильных приложениях с подписной моделью всегда есть экраны, которые приводят человека к покупке. Здесь продуктовая аналитика очень важна, поскольку она позволяет понимать, какие события и в какой момент нужно отправлять, как правильно строить воронки, и как оценивать статистические данные.

Совместно с моим бывшим коллегой Виталием Давыдовым мы основали компанию Adapty, которая занимается аналитикой приложений с подписками. Технически и продуктово это очень сложно, поэтому мы и решили, что эта тема достойна отдельной компании.

Для успешной аналитики нельзя смотреть только на то, когда человек начал подписку. Важно следить за показателем LTV — сколько денег в среднем приносит платный пользователь, как долго он пользуется и платит за приложение. Это значение нужно прогнозировать и на его основе анализировать эффективность закупки трафика и рекламной кампании. За полгода у нас появилось более ста клиентов.

Сейчас мы тестируем три фичи для мобильных аналитиков.

  1. Панель с данными о количестве активных подписок, LTV, ARPU, доле новых и старых подписчиков в выручки, причины отмены подписок — в общем, всё, что позволяет пользователю одномоментно увидеть полезные метрики для понимания экономики приложения.

  2. Функцию для улучшения этих метрик с возможностью удалённого проведения А/Б-тестов экранов покупок и проверки гипотез внутри приложения.

  3. Функцию, которая позволяет анализировать разные когорты пользователей и каждой из них предлагать наиболее подходящие предложения с помощью пуш-уведомлений.

Кейс Simple Fasting — приложение для контроля питания


Михаил Прытков, основатель проекта

Наше приложение Simple Fasting помогает менять пищевые привычки, чтобы быть здоровым, терять вес, контролировать приёмы пищи или добиться других целей. Общая идея приложения основана на периодическом голодании, которое сейчас набирает большую популярность.

Когда мне с партнёром пришла идея создать это приложение, я сам увлекался сферой питания, пробовал различные методики на себе и в итоге сбросил около 12 килограммов.

Некоторые идеи могут казаться изначально очень хорошими, но в результате они оказываются не востребованными у клиентов. Поэтому каждую идею нужно проверять — будет ли она работать на реальном рынке.

Перед запуском проекта мы тоже провели большую исследовательскую работу: при помощи аналитики пытались выяснить, действительно ли людям будет интересно наше приложение, готовы ли они за него платить, пользоваться на постоянной основе, и нужно ли оно им в том формате, который мы задумали.

Как проводить исследование перед запуском мобильного приложения

Аналитика с самого старта и до сих пор занимает ключевую роль в компании. Все действия по созданию и развитию продукта, которые мы предпринимали, были основаны на данных о пользовательском поведении. Цифры помогали нам понимать, правильно ли мы двигаемся.

Существует два варианта исследований перед запуском приложения.

  1. Исследования конверсий в покупку или в клики на лендингах, страничках в AppStore или Google Play, где есть информация о приложении. Так можно понять, насколько ваши промо и месседжи нравятся пользователям, какая кликабельность внутри приложения.

  2. Различные опросы и интервью — чтобы понять аудиторию, её мотивацию, и как она воспринимает определённые темы. В рамках исследования мы узнавали, какие подходы люди используют для организации питания, как отличается поведение, паттерны и представления о питании у молодых и взрослых мужчин и женщин из разных регионов с разными интересами, как они реагируют на то, что мы им предлагаем.

Чтобы найти людей для исследования, мы использовали Facebook — там можно просто купить рекламу на нужные страницы и через них уже предлагать пройти опросы и прийти на интервью. В целом люди обычно активно рассказывают о том, что им интересно.

Поскольку наш продукт подразумевает формат mobile-first, мы изначально брали команду под задачи в мобильной среде. У нас есть разработчики и продукт-менеджер, а я занимаюсь маркетингом. Сооснователь больше берёт на себя роль CEO и владельца продукта.

Как метрики помогают менять продукт

В одном из наших экспериментов мы пытались понять, как привлечь наибольшее количество людей в продукт. Для этого мы использовали онбординг клиентов, позволяющий с помощью определённого количества вопросов понять, как подстроить приложение под пользователя и предложить ему наилучший опыт.

Мы также пытались понять, сколько вопросов надо задать, и какими они должны быть. Протестировали три варианта на 5, 8 и 15 вопросов. Эксперимент и аналитика помогли нам выяснить, что чем больше мы узнаём о пользователе, тем чаще он впоследствии покупает подписку на наш продукт. Так данные помогли улучшить экономику продукта.

Почти каждый человек в нашей команде хотя бы раз в день открывает какую-нибудь аналитику. В мобильном продукте поведение людей очень непостоянно: люди приходят и уходят, и пользователи сегодня могут сильно отличаться от тех, что придут завтра. Всегда нужно держать руку на пульсе и понимать, что происходит, как ведут себя метрики в различных ситуациях и принимать решения.

Все метрики можно разделить на экономические и продуктовые. Первые позволяют считать деньги, а вторые помогают собрать всю информацию о том, как пользователь себя ведёт внутри продукта.

Например, мы собираем данные о том, как клиент проходил каждый шаг опроса, и затем смотрим конверсию между шагами. Благодаря данным мы понимаем, что для определённых сегментов можем построить вопросы как-то иначе, чтобы улучшить экономику или дать клиенту лучшее понимание того, какой продукт он в итоге получит.

На мой взгляд, одна из самых важных метрик — retention. Она важна как с продуктовой, так и с экономической точки зрения: чем чаще пользователь открывает приложение, тем больше он будет покупать или продлевать подписку.

Мы постоянно пытаемся усовершенствовать наше приложение и дать клиенту больше пользы от продукта. На основе данных о том, что пользователи едят на завтрак, обед и ужин, как часто пьют воду, какие перерывы делают между едой, мы стараемся предоставлять персональные рекомендации и строить прогнозы.

Стоит ли выбирать мобильную аналитику как отдельное направление обучения

Людей, разбирающихся в мобильной аналитике обычно очень тяжело найти, поэтому они такие высокооплачиваемые. Если аналитики помогают принять правильное решение на основе данных, то это крайне ценные люди, которые вносят огромный вклад в мобильный продукт и его результаты.

Я считаю, что мобильная аналитика — одно из крайне перспективных направлений. Обязательно стоит воспользоваться возможностью её изучить, поскольку разница между веб-аналитикой и той, что заточена под мобильные приложения, достаточно большая: в инструментарии, поведении пользователей и механиках.

Резюмируем


Игорь Полянский, head of global product analytics в Gett и эксперт курса «Аналитик мобильных приложений»

Мобильное приложение — это ещё один способ взаимодействия бизнеса с клиентом. Поэтому прежде чем создавать и запускать приложение, важно чётко понимать, какие задачи пользователя это приложение решает, и насколько удобным оно будет.

Чтобы это понять, ещё на этапе идеи мобильного приложения следует использовать возможности аналитики: экспериментировать, проверять гипотезы и проводить исследования. Потому что основная проблема, с которой можно столкнуться при создании мобильного приложения — это его невостребованность у конечного потребителя.

Аналитика мобильного приложения работает на то, чтобы на основе данных сделать приложение более удобным и внедрять такие решения, которые станут конкурентным преимуществом мобильного продукта. Это возможно, потому что в мобильной аналитике хорошо видно, как происходит взаимодействие с приложением, какие ошибки, закономерности или аномалии влияют на поведение пользователя и эффективность продукта.

Использовать возможности мобильной аналитики следует на всех этапах жизни мобильного приложения, чтобы вовремя вносить корректировки и изменения, прогнозировать и принимать решения, которые будут напрямую влиять на бизнес-показатели. В мобильном продукте важно экспериментировать, так как это итерационный процесс постоянного и постепенного совершенствования, когда придумываются и тестируются гипотезы, по результатам тестирования которых становится понятно, улучшилось мобильное приложение или нет.

Аналитик мобильного приложения — это человек, который не только выполняет поставленную задачу, но и умеет находить и решать конкретную проблему продукта. Таким специалистом он становится на определённой стадии профессионального развития.

Но также верно, что менее опытный специалист, выполняя простые задачи, не теряет своей полезности для работы мобильного приложения. Поэтому при подборе команды важно чётко формулировать ожидания по поводу компетенций специалиста и конкретный пул задач, которые он должен решать. И дальше подбирать кандидата в соответствии с этими установками.

Источник фото на тизере: William Bayreuther on Unsplash