הקדמה
Mixpanel הוציאו לאחרונה פיצ'ר חדש ומדליק בשם Signal, אשר נועד לזהות Aha-Moments במוצר שלך.
למה הכוונה ב-Aha-Moments? ובכן, מדובר בזיהוי אירועים ייחודיים שמעידים בסבירות גבוהה על שימור או נטישה של משתמשים. או במילים אחרות – זיהוי פעולות של משתמשים, אשר מעידות על ערך גבוה שקיבלו מהמוצר שלך.
מדובר בפיצ'ר חזק מאוד, כי הוא בעצם מאפשר לזהות מה הנקודות הכי חזקות של המוצר – אלה שמהוות את הליבה שלו.
Twitter, לדוגמה, גילו שמי שעושה Follow על 6 אנשים נמצא בסבירות גבוהה מאוד להמשיך ולהשתמש במוצר. כתוצאה מכך – הם הכניסו את התובנה הזו לתהליך ה-Onboarding שלהם, ויצרו עליה דרמטית ב-Retention.
ב-Facebook התופעה היתה דומה – צירוף 7 חברים ב-10 ימים.
כעת, Mixpanel מאפשרת לך לזהות אירועים דומים גם אצלך במוצר.
קדימה! איך אני מוצא Aha-Moments?
לזיהוי האירועים קיימים שני שלבים:
- מבט על – זיהוי האירועים בעלי קורלציה גבוהה לשימור (או כל אירוע מוסבר אחר).
- Drill Down עבור כל אירוע.
עבור כל אירוע (Event) הכלי מחשב באופן אוטומטי קורלציה למדד תוצאתי – שימור לאחר שבועים כברירת מחדל.
כלומר, הכלי מנסה להתאים את הפעולה לתבנית של "משתמש שעשה פעולה X תוך Y ימים – היה בעל סיכוי גבוה לשימור".
אם האירוע הוא בעל קורלציה גבוהה לשימור, אז הכלי יציף את זה. המשמעות היא שהכלי מסייע לזהות את האירוע המרכזי אצלך – זה שביצוע שלו יגרום לשימור גבוה.
זיהוי האירועים המנבאים
המסך הראשי של הפיצ'ר מציג את כלל האירועים במוצר שלך.
עבור כל אירוע, הפיצ'ר מציין מה הקורלציה שמצא מול אירוע התוצאה (שימור). האירועים בעלי הקורלציה הגבוהה הם המעניינים – כי שם יש פוטנציאל ל-Aha Moment.
(להלן צילומי מסך של הפיצ'ר על נתונים לדוגמה, שמות האירועים והמספרים שונו לצורך ההמחשה).
(Interface Source: Mixpanel)
לאחר שהתמקדת באירועים החשודים כבעלי קשר חזק לשימור, תוכל לעשות Drill Down ולהבין בדיוק באיזו נקודה האירוע מתרחש.
זיהוי הנקודה הקריטית בכל אירוע
ה-Drill Down מתבצע באמצעות מפת חום, בהסתמך על קורלציות.
במקרה זה – הקורלציה שבין כמות המשתמשים שביצעה את הפעולה מעל/מתחת מספר הפעמים, ומתוך כל קבוצה כמה עמדו ביעד.
הקורלציה בכל תא בוחנת עד כמה יש קשר ישר בין:
- כמות הפעמים שבוצעה הפעולה (מעל/מתחת ל-X פעמים).
- כמות הפעמים שהיעד הושג.
בדוגמה כאן, נראה כי הערך האופטימלי של הקורלציה מתקבל בהוספת 6 חברים/אנשי קשר לאחר 8 ימים.
וכן, שמעתי אותך אומר: AHA!
מידע נוסף על אופן החישוב של המטריקות בפיצ'ר אפשר לקרוא כאן.
שימוש בממצאים
לאחר שזיהית מספר אירועים בעלי קורצליה גבוהה, תוכל לקחת את המרכזיים שבהם, ולהתחיל להיערך לשיפור המוצר בהתאם.
את זה תעשה באמצעות A/B Testing, כאשר קיימים ברשותך מספר ערוצי מימוש:
- תהליך ה-Onboarding
- תהליכים בתור האפליקציה
-
אימיילים/נוטיפיקציות
וכיו"ב.
לאחר הניסוי, תוכל לתקף את נכונות ההשערות שעלו לך במסגרת ניתוח הקורלציות. אז, תוכל לראות שיפור בביצועי המוצר – בדגש על User-Retention.
אזהרות והסתייגויות לממצאים
למרות שהכלי חזק מאוד ומציף Aha-Moments פוטנציאליים – עדיין יש לו מספר מגבלות. הנה 4 מהן:
-
תקפות הממצאים
האירועים שקיבלת כבעלי קורלציה גבוהה לשימור או לאירוע המטרה הם ממצא יפה. אך חשוב להבין, כי הם מהווים רק בסיס להבנה של מה המשתמשים מחפשים במוצר שלך.
ייתכן, כי הממצאים מוטים מסיבות אלו או אחרות, או שאינם ניתנים לשליטה (Non-Actionable). לכן, יש לקחת אותם עדייןן בעירבון מוגבל.
קריטי להפעיל הרבה מאוד שיקול דעת ולנתח לעומק מהם הגורמים האפשריים לממצא – בדגש על התהליכים העוברים עלל המשתמשים.
הממצא יהיה תקף רק לאחר ביצוע A/B Testing מוצלח, אשר יכלול השערה המבוססת על הממצא.
-
פעולות ברמת ה-Property
ה-Best Practice של שמירת פעולות ב-Mixpanel הוא לחלק את הפעולה לרמות, ולשמור את פירוט הרמות כתכונה – Property. לדוגמה: נניח שיש לנו במסך מסוים 3 כפתורי הנעה לפעולה. במקום לשמור 3 Events שונים (Button Clicked 1,2,3), נשמור אירוע אחד – Button Clicked. ההבדלה בין בין הפעולות תתבצע ע"י Property בשם "Button ID", שיקבל את הערכים [1,2,3].
ב-Signal הכלי יודע לקחת אוטומטית רק את רמת ה-Event, ואינו בודק את רמת ה-Properties.
לכן, אם יש משמעות שונה לפעולות הנבדלות ביניהן ברמת ה-Property, ייתכן שהפיצ'ר יפספס מקרים חשובים.
במקרים כאלה נדרש להשלים את הניתוח באופן ידני (ע"י יצירת Custom Events הכוללים את רמת ה-Property).
-
היעדר סגמנטציה
לא כל המשתמשים זהים. קיימים מספר סוגים של משתמשים בכל מוצר – והם מתנהגים באופן שונה אחד מהשני.
לדוגמה, באפליקציית Web ייתכן שיהיו לנו גם לקוחות פרטיים, גם פרילנסרים וגם חברות.
בפלטפורמת מסחר יהיו שני צדדים לשוק (בעלי דירות מול משכירים ב-Airbnb).
עבור כל אחד מהסגמנטים קיים תהליך שונה לחלוטין הגורם להם להישאר במוצר או לנטוש. לכן, נדרש לבצע עבורם חישוב נפרד של שימור.
הכלי לא נותן לכך מענה אוטומטי, ולכן הנתונים המוצגים הם של כלל הסגמנטים – מה שעשוי ליצור הטיה בתוצאות.
-
הכלי מתייחס לאירוע שימור יחיד במקום לתהליך של כמה שלבים
עבור שימוש משתמשים (User-Retention) קיימים מספר שלבים עיקריים: התנסות (ימים ראשונים), הסתגלות (שבוע-שבועיים) והרגל (לאחר שבועיים-חודש).
בכל אחד מהשלבים האלה הצרכים של המשתמשים הם אחרים, ולכן גם ההתנהגות שלהם.
הכלי לא מתייחס לשלבים האלה, ונדרש לתת לכך מענה משלים. מענה כזה יתבצע בעזרת זיהוי מקדים של נקודות המעבר ביןן שלבי ההתנסות, ההסתגלות והשגרה.
סיכום
הפיצ'ר החדש של Mixpanel הוא לא פחות ממבריק. הוא מאפשר ניתוח עומק של עולם ה-Retention דרך זיהוי Aha-Moments, ונותן מענה לחוסר בשוק שהיה עד היום.
הוא מאפשר לך להתחיל להבין היכן נמצאות ה-Sweet Spots – או מה המשתמשים שלך תופסים כבעל ערך במוצר שלך.
המאמר שפך אור על הפיצ'ר החדש, והסביר כיצד לעשות בו שימוש נכון.
למרות היכולות החזקות של הכלי, חשוב להדגיש, כי עדיין מדובר בכלי אנליטי היודע לבצע פעולות טכניות. בתור כזה, הוא רגיש לעיתים להטיות מסוימות וחשוב להתמודד איתן על מנת שהמסקנות תהיינה נכונות ומדויקות.
לכן, אין תחליף אמיתי להבנה מתודולוגית עמוקה של הפעולות שהכלי מאפשר, ושל המגבלות שלו. רק כך, תוכל לוודא שהממצאים שקיבלת אמיתיים, ללמוד מתוכם מה המשתמשים שלך רוצים – ולשפר את המוצר שלך באופן משמעותי.
יש לך עדיין שאלות לגבי איך "לג'נרט" Aha-Moments במוצר שלך?
תוכל להגיב, או לשאול על זה ממש כאן למטה.