В этом видео мы поговорим про метрики характеризующие поведение пользователей на сервисе и научимся оценивать, насколько активно пользователи вовлечены в работу с сервисом. Мы рассмотрим три вида: количественные метрики, сессионные метрики и временные. Начнем с количественных. Казалось бы, наиболее естественным выглядят метрики вида daily active users, weekly active users и monthly active users, то есть количество активных пользователей на сервисе, но тут возникает интересный вопрос, как же отделить активных пользователей от не активных? На самом деле, рассчитать эту метрику очень просто, если мы знаем критерии активности. Если мы понимаем, как отделить активных пользователей от н активных, то нам просто достаточно рассмотреть всех пользователей за заданный промежуток времени, день, неделю или месяц, и посчитать их общее количество. Соответственно, самая интересная часть это задать критерии активности. Исходя из чего это можно делать? Все зависит от того, какую задачу приложение решает и какие цели вы себе ставите. Можно задавать критерии активности исходя из того, какие действия пользователь совершил на сайте, то есть достиг ли он определенных целей, которые мы перед ним ставили. Скажем, продолжительность времени проведенного в вашем приложении, либо можно исходить из того, сколько раз пользователь на сайтзашел, какие действия он там сделал. Все зависит от конкретной предметной области. Ну, и, казалось бы, это хорошие метрики, которые позволяют оценить активность наших пользователей, но не все так просто. Данный показатель не позволяет нам отличить ситуацию, когда каждый день к нам приходят новые пользователи, что-то активно делают и больше не возвращаются от ситуации, когда у нас есть стабильное ядро пользователей, которые регулярно приходят и регулярно сервисом пользуются. Возникает вопрос, как же научиться отличать одну ситуацию от другой? Но часто для решения этой задачи используют показатель под названием sticky factor. Он считается как отношение daily active users к monthly active users. Предположим, у нас есть сервис, которым стабильно пользуются 10 тысяч человек и в течение месяца они все приходят. Если каждый из этих 10 тысяч человек приходит каждый день, то sticky factor будет равен единице. Естественно, мы будем видеть, что у нас есть ядро активных пользователей, все они каждый день на сервисе. Другая ситуация, когда у нас есть 10 тысяч активных пользователей, но каждый из них приходит всего лишь несколько раз в месяц. Тогда это отношение будет сильно меньше единицы и мы поймем, что не все пользователи приходят к нам регулярно. Соответственно, это отношение позволяет нам охарактеризовать в некоторой степени стабильность нашей аудитории. Другое решение, позволяющее нам взглянуть на стабильность аудитории это рассматривать только лояльных пользователей. Соответственно, в данном случае нам придется сначала отфильтровать лояльных пользователей, а потом подмножестве пользователей посчитать метрики daily active users, weekly active users или monthly active users аналогичным образом, как мы это делали без такой фильтрации. Соответственно, этот показатель позволит нам более адресно посчитать активных пользователей и, соответственно, мы не будем учитывать тех пользователей, которые, скажем, пришли один раз, что-то активно делали и ушли. Мы будем рассматривать только лояльных к сервису пользователей. Здесь возникает вопрос: каким образом задать критерий лояльности, то есть в данном случае нам уже нужно задать два критерия, критерий лояльности и критерии активности. Точно также нужно делать исходя из вашей предметной области и задач, которые сервис решает. С одной стороны мы можем задавать критерии лояльности аналогичным образом, как мы это делали с критерием активности, например, рассматривать тех пользователей, которые больше месяца, скажем, пользуются нашим сервисом, либо можем придумать что-нибудь более специфичное предметной области, скажем, рассматривать только тех пользователей, которые используют платные услуги. Теперь, давайте, рассмотрим сессионные показатели для того, чтобы понять, что это такое сначала хочется разобраться в том, что же такое сессия. По сессии мы будем понимать последовательность действий, которые пользователь совершает на сервисе в рамках одного визита. Если мы рассмотрим, например, с поисковой системой, то сессия это последовательность действий, которые совершает пользователь в рамках решения своей поисковой задачи, то есть в процессе поиска ответ на свой вопрос. Это те запросы, которые он задает, те страницы, которые он просматривает, куда он переходит, как он переформулирует запрос и так далее. С другой стороны, если мы рассматриваем онлайн-магазин, то сессия пользователя это то, как он рассматривает каталог, на какие страницы товаров он переходит, оформляет ли он заказ, совершает ли он покупку. Соответственно, это последовательность действий пользователя на сервисе в рамках одного визита. Какие же метрики мы здесь будем рассчитывать? Во-первых, это метрика, под названием средняя сессия. Очень логично, которая, с одной стороны, характеризует вовлеченность и длительность использования пользователями нашего сервиса. Расчитать ее достаточно просто, достаточно посчитать суммарную длину всех сессий и разделить их на количество таковых. Возникает вопрос, как этот показатель правильно интерпретировать? Хотим ли мы всегда, чтобы средняя сессия, скажем, была большой или была маленькой? Опять же, это зависит от того, с каким сервисом мы работаем. Если, скажем, это какой-то сервис не предполагающий длительного использования, ну, скажем, заказ чего-нибудь, заказ такси или заказ еды, то кажется, что чем быстрее пользователь справляется со своей задачей, тем больше его удовлетворенность, тем более он доволен. С другой стороны, если мы говорим о каком-то медийном сервисе, допустим, сервис с просмотром видеороликов или сервис для прослушивания музыки, или же онлайн-игры, то здесь кажется, что, наоборот, чем дольше пользователь работает с сервисом, чем больше времени он на нем проводит, тем более он удовлетворен работой данного сервиса, соответственно, интерпретация очень сильно зависит от предметной области. Это нужно учитывать. Еще один важный нюанс, который нужно учитывать, это расчет данной метрики в разрезе сегментов. Мы, конечно, же можем посчитать эту метрику для всех наших пользователей, но тогда мы получим некоторое среднее по больницам, мы будем знать в среднем длину сессии, но нам будет сложно делать из этого знания какие-то полезные выводы. Совершенно другая ситуация, если мы рассмотрим разные сегменты аудитории. Например, что мы можем сделать? Мы можем взять сегмент новых пользователей, которые пришли к нам за какой-то момент в прошлом и посмотреть, как эти пользователи продолжили свое взаимодействие с сервисом. Часть из них, конечно, же довольно быстро уйдет, часть в это время еще попользуется сервисом и также перестанет им пользоваться, а часть пользователей наверняка станет лояльными. Что, если мы поделим пользователей на группы тех, кто ушел сразу и тех, кто остался лояльным и потом вернемся к этому моменту в прошлом и посмотрим на среднюю длину их первой сессии? Тогда, конечно же, мы сможем сделать некоторые полезные выводы. Скажем, мы поймем как средняя длина первой сессии влияет на последующее взаимодействие пользователя сервисом и, таким образом, мы плавно переходим к следующему показателю связанному со времени. Это лайфтайм — показатель количества длины между первым и последним визитом пользователя в наш сервис. Это тоже достаточно простой показатель. По историческим данным его можно легко рассчитать. Мы всегда знаем первый визит пользователя и каким-то образом можем понять, когда же визит был последним и вот этот ключевой момент в расчете данной метрики. Как определить что это последний визит? Нам опять же нужно задать некоторые формальные критерии для того, чтобы понимать, что данный визит мы считаем последним. Но опять же в этом месте нужно исходить из особенностей вашего сервиса. С одной стороны в хорошем случае мы можем получить явный сигнал о том, что данный визит был последним, например, пользователь может удалить свой аккаунт или явно отписаться от использования сервиса, или удалить приложение со своего устройства. В этом случае мы с вами явно поймем, что сейчас пользователь перестает пользоваться сервисом, этот визит последний. Но так бывает далеко не всегда, это достаточно редкий случай. Часто пользователь просто перестает заходить на сервис, причем не обязательно до этого он перестает, начинает пользоваться сервисом реже, в какой-то момент просто он перестает это делать и все, больше мы этого пользователя не видим. Конечно, еще какое-то время мы можем считать его активным пользователем, но и в этом случае мы тоже можем с такими пользователями работать. Например, мы можем создать некоторые пороговые значения, например, считать пользователя отказавшимся от сервиса в случае отсутствия более чем в Х дней, или в случае отсутствия целевых действий, например, отсутствия покупок или отсутствия каких-то платных транзакций. Соответственно, в этом месте нам нужно научиться задавать критерии отказа пользователей от сервиса и после того, как мы формализуем данный критерий, мы сможем рассчитывать эту метрику. Итак, мы рассмотрели целый ряд метрик, характеризующих поведение пользователей на сервисе. Во-первых, это метрики связанные с активностью такие, как daily, monthly and weekly active users, а также усовершенствование этой метрики с учетом лояльных пользователей. Также мы рассмотрели сессионную метрику средняя длина сессий и поняли, что эту метрику стоит рассматривать в разрезе сегментов, а также поговорили про метрики лайфтайм. В следующем видео мы продолжим говорить про аудиторные метрики и рассмотрим метрики связанные с монетизацией.