УДК 004

Стратегия увеличения процента удержания пользователей с помощью их сегментирования на примере приложения «Интерсвязь: Умный город»

Белова Юлия Андреевна – магистрант Челябинского государственного университета.

Научный руководитель Петриченко Юлия Владимировна – кандидат экономических наук, доцент кафедры Информационных технологий и экономической информатики Челябинского государственного университета.

Аннотация: В работе проанализирована статистика использования функций мобильного приложения «Интерсвязь: Умный город». Данное приложение помогает пользователям переводить в режим онлайн такие бытовые проблемы, как оплата ЖКХ, запись ко врачу, взаимодействие с администрацией города. Стоит отметить, что проблемы сложного взаимодействия с подобными нишами до сих пор является острой для горожан, а тем самым она требует достаточного количества времени на решение.

Тем не менее, пользовательская лояльность не всегда зависит от решения проблем. Для решения ключевой проблемы – удержания пользователей в приложении был предложен метод сегментирования клиентов и разделения их на три группы. В соответствии с этим разделением компания сможет точечно предлагать интересный для них контент, тем самым, не беспокоя пользователя ненужной ему информации. Результатом работы будет разработка формулы для сегментирования пользователей и расчет эффективности ее применения.

Ключевые слова: статистика, лояльность пользователей, мобильное приложение, удержание пользователей, сегментирование, LTV.

Введение

Одной из самых острых проблем для каждого мобильного приложения, является проблема удержания пользователей в приложении. И для каждого приложения необходимо подбирать свой способ удержания клиентов. Но прежде всего, необходимо выяснить, какие функции приложения вызывают у пользователей наибольший интерес. В таблице 1 показана статистика использования тех или иных функций приложения «Интерсвязь: Умный город» в течении месяца.

Таблица 1. Статистика использования функций в приложении.

Таким образом, можно судить, что среди физических и юридических лиц самыми популярными будут функции (не считая главного экрана):

1. Мой двор;
2. Система город;
3. Оплата;
4. ТВ;
5. Улицы онлайн.

Это тот набор функций, который приносит компании наибольшую прибыль за счет лояльности своих пользователей. Также по таблице видно и те функции, которые не отсортированы ни у одного из пользователей. Однако корреляция между таблицами в этом случае спорная, т.к. функция «Мой двор» находится на первом месте по заходам пользователей.

Исходя из этого, встает вопрос: как узнать, лоялен тот или иной пользователь к приложению или же нет? Для этого можно прибегнуть к методу сегментации пользователей. Анализ поведения различных групп может значительно упростить задачу по выявлению потребностей пользователей, улучшить работу приложения и «бить» предложениями по целевой группе. Сегментация пользователей – также отличный метод для понимания, что ценится в приложении больше всего. Возможно, в приложении есть функции, которые в большинстве своем не используются и не приносят практической ценности пользователям. В таком случае есть смысл отказаться от неэффективного функционала, и тем самым перераспределить бюджет на более эффективные механики [1].

Для исследования на большом количестве пользователей наилучшим выбором будет сегментация по поведению. Для того, чтобы понимать, как работать с удержанием пользователя определим основную метрику – retention rate. Эта метрика показывает долю пользователей, которые вернулись в продукт спустя n-ое количество времени.

Рассматриваемая метрика напрямую связана с бизнесом и деньгами, которые бизнес зарабатывает и понятно интерпретируемая. Недостаток этой метрики в том, что она «медленная». Для того, чтобы понять, как какое-то продуктовое улучшение повлияло на итоговую метрику, нужно подождать месяц. Но в текущей быстро развивающейся индустрии мобильных приложений это может быть достаточно большой срок. Еще один недостаток этой метрики заключается в том, что она не позволяет понять, что нужно сделать, чтобы ее улучшить. Эти два недостатка приводят к выводу, что нужно завести какую-либо прокси-метрику.

Одним из способов стоит рассмотреть систему оценки каждого сервиса по важности (Таблица 2). По собранной ранее статистике самыми важными сервисами являются транзакционные (оплата услуг ЖКХ и Интернета) и сервисы по просмотру видео-контента. Ниже в таблице приведена оценка сервисов и показана оценка пользователей по лояльности к приложению.

Таблица 2. Количество баллов за взаимодействия с функциями приложения.

Пользователи, получившие от 4 до 7 баллов, являются теми, кого стоит удерживать в приложении, а пользователи с баллами от 0 до 3 являются теми, с кем нужно работать, чтобы они перешли в следующую когорту (средний) и далее стали полностью лояльными.

Для рассматриваемого мобильного приложения были выбраны следующие параметры:

• Количество просмотренного ТВ в приложении (в минутах);
• Количество просмотренного контента с камер Умного домофона (в минутах);
• Количество баллов за оплату ЖКХ в соответствии с таблицей 2;
• Количество баллов за открытие домофона через приложение.

Также необходимо понимать среднюю стоимость услуг, которую пользователи приложения платят ежемесячно по следующим тарифам:

• Тариф-1 – 550 рублей в месяц;
• Тариф-2 – 700 рублей в месяц;
• Тариф-3 – 900 рублей в месяц;
• Тариф-4 – 1100 рублей в месяц.

Таким образом, средняя стоимость услуг в месяц будет составлять 812,5 рублей.

Тоже самое необходимо проделать для стоимости услуг домофона:

• За услуги домофона без аренды домофонной трубки – 15 рублей в месяц;
• Услуги домофона с арендой домофонной трубки – 59 рублей в месяц.

Таким образом, средняя стоимость услуг домофонии составляет 24,67 рублей.

Было посчитано медианное время просмотра как ТВ, так и контента с камер Умного домофона. Они составили 72,33 минут и 48,72 минут соответственно

Вместе с экспертами компании были выведены следующие константы (1) и (2):

     (1)

     (2)

Таким образом, была выведена формула расчета лояльности пользователей (3)

loyality = α * время просмотр ТВ + β * время просмотра УД + балл за оплату ЖКХ + балл за открытие домофона     (3)

Данная формула была применена ко всем пользователям приложения за месяц. Результат представлен на рисунке 1.

Рисунок 1. Уровень лояльности пользователей.

На рисунке красным сегментом отмечены пользователи с низким уровнем лояльности. Работать с таким сегментом крайне сложно и дорого: пользователь уже негативно настроен к мобильному приложению, лишний контакт с пользователем через точки контакта может спровоцировать еще более негативные эмоции вплоть до удаления приложения и уход из компании.

Желтый сегмент – средний уровень лояльности. Именно с такими пользователями необходимо проводить активную работу. Они не чувствуют острого негатива к мобильному приложению и, скорее всего, готовы пользоваться полезным для них функционалом и готовы к чему-то новому. С такими пользователями необходимо активно работать через точки контакта, однако не переходить грани между необходимым контактом и беспочвенным надоеданием, иначе они могут легко перейти в красный сегмент.

Зеленый сектор – абсолютно лояльные пользователи. Активная работа с такими через точки контакта тоже бессмысленна, так как они уже с удовольствием используют функционал приложения, и лишний контакт с ими приведет только к непродуктивному растрачиванию бюджета.

Для точной оценки необходимо рассчитать количественную эффективность проекта. Для оценки используются такие показатели как LTV. Lifetime value (LTV) – метрика, которая показывает прибыль от клиента за все время его жизни с брендом. На LTV влияет, помимо коммуникации, и сам продукт. С первой и единственной сделки получить серьезную прибыль практически невозможно. В таком случае важно, чтобы продукт и сервис были качественными – чтобы клиент хотел вернуться. Формула для расчета представлена ниже (4).

LTV = LifeTime * ARPPU,     (4)

где LifeTime (LT) – метрика, обозначающая время «жизни» пользователя, т.е. все время, которое он потратил на оплату в приложении,

Average Revenue Per Paying User (ARPPU) – показатель средней доходности с одного покупателя за выбранный период [2].

По данным компании, ARPPU на одного человека будет составлять 60 рублей. Значит, LTV для одного человека будет составлять 120 рублей по данным за ноябрь 2022 года. При расчете LTV для всех пользователей подписки приложения, оно будет составлять 492 600 рублей

Вместе с экспертами компании была проведена оценка, что с внедрением предложенной формулы, процент удержания клиентов повысится до 15%. Таким образом, при сохранении показателя ARPPU на том же уровне, LTV для всех пользователей увеличится и составит 566 400 рублей.

Список литературы

1. Ковалиева Ольга Как сегментировать пользователей для разных вертикалей [Электронный ресурс]. – URL: https://habr.com/ru/company/mobio/blog/344528 (дата обращения: 23.11.22).
2. Склярова Мара Оцениваем эффективность программы лояльности в маркетинге [Электронный ресурс]. – URL: https://vc.ru/marketing/446465-ocenivaem-effektivnost-programmy-loyalnosti-v-marketinge (дата обращения: 14.12.22).