Un enfoque simple y poderoso para segmentar las características de su producto en Core, Power y Casual.
En el Publicación anteriorLe mostré una forma sencilla de medir la retención de características del producto.
Después de aplicar el análisis, recibimos la tabla con retención por característica como esta (ordenada de manera decreciente). [Average % returned users]):
- Por un lado, recibimos información útil sobre qué características del producto impactan más en la retención del producto.
- Por otro lado, no tenemos cifras disponibles sobre cuántos usuarios utilizaron estas funciones, por lo que no podemos estar seguros de que estas cifras sean confiables.
agreguemos [# users] y considere esta tabla una vez más.
Ahora podemos detectar fácilmente un problema: por ejemplo, las dos primeras características del producto (característica27, característica34) con el mayor [% returned users] tienen un volumen bastante modesto en términos de [# users].
De hecho, este problema es más común en muchos análisis que he visto. A menudo el analista aporta una información bastante interesante. calidad medida pero no está respaldada por cantidad medida. Como resultado, algunas de nuestras decisiones pueden ser al menos subóptimas y, como mucho, simplemente equivocadas.
Entonces, ¿cómo podemos solucionar este problema?
Combinemos ambas métricas (cualitativas y cuantitativas) en un solo gráfico. La forma más adecuada de hacerlo es un diagrama de dispersión:
- pongamos en el eje X la métrica [% users]es nuestro cantidad métrica que mide la popularidad de una característica del producto.
- pongamos en el eje Y la métrica [% returned users]es nuestro calidad métrica que mide la valor de una característica del producto.
El gráfico resultante podría verse así:
Parece que hasta ahora es bastante difícil sacar conclusiones significativas del gráfico.
¿Qué podemos hacer para mejorar la claridad del gráfico?
Apliquemos la regla del percentil 50/80 del post anterior.
En realidad, después de aplicar 2 umbrales para [% users] y [% returned users] obtendremos 9 grupos.
El diagrama de dispersión de características de productos agrupados podría verse así:
Al agregar umbrales percentiles al gráfico, ahora podemos distinguir estos grupos de características del producto:
- Centro: [% users] > 80 piezas, [% returned users] > 80 piezas
- Poder1: [% users] > 80 piezas, [% returned users] en [50, 80] pctl
- poder2: [% users] en [50, 80] pctl, [% returned users] > 80 piezas
- Informal1: [% users] en [50, 80] pctl, [% returned users] en [50, 80] pctl
- Casual2: [% users] en [50, 80] pctl, [% returned users] < 50 piezas
- Informal3: [% users] < 50 piezas, [% returned users] en [50, 80] pctl
- Configuración: [% users] > 80 piezas, [% returned users] < 50 piezas
- Nicho: [% users] < 50 piezas, [% returned users] > 80 piezas
- Otros: [% users] < 50 piezas, [% returned users] < 50 piezas
Analicemos un poco cada uno de los grupos.
Centro Las características son el verdadero núcleo de su producto. Muchos usuarios utilizan estas funciones y, lo que es más importante, los usuarios regresan para seguir usándolas. Como regla general, podría haber una cantidad muy pequeña de dichas características (2 o 3 características).
Fuerza Las características son caballos de batalla de su producto. Estas características combinadas con centro Las características ofrecen aproximadamente el 80% del valor normal que crea su producto. Algunas de las características de potencia (Poder1) son tan populares como centro características pero aportan menos valor a los usuarios. Otras características de energía (poder2) aportan tanto valor como centro características pero son menos populares. Como regla general, podría haber de 3 a 5 funciones en cada grupo de energía.
Casual Las funciones son funciones que se utilizan de vez en cuando. También aportan cierto valor a los usuarios, pero en su mayor parte son funciones de soporte.
Configuración Las características son un subconjunto único de características que están diseñadas para configurar un producto para el siguiente uso conveniente. Muchos usuarios los utilizan, pero, como es habitual, ocurre una vez, en la fase de incorporación.
Nicho Las características son un subconjunto muy especial de características que podrían aportar una enorme cantidad de valor, pero este valor es percibido por un número limitado de usuarios.
Ahora estamos listos para comparar los resultados de este equilibrado aproximación a los resultados de la Publicación anterior:
Como podemos ver en la parte superior de la lista hay algunos Nicho características.
Seguramente podemos intentar mejorar su adopción y sacarlos de Nicho a poder2 o incluso Centro grupo. Para algunos es posible, para otros no. Pero el punto principal aquí es no asumir simplemente que cualquier característica con alta retención es una centro característica.
Además, tenga en cuenta que algunas funciones pueden pasar de un grupo a otro con el tiempo. Podría haber diferentes razones para esto: esfuerzos de adquisición de nuevos usuarios, cambios en las funciones de UX, maduración de la base de usuarios, etc.
Finalmente, agrupemos entidades en grupos y calculemos los centroides de los grupos:
Hay varias ideas importantes aquí:
- Núcleo + Potencia Los clusters representan sólo ~20% de todas las características del producto.
- Otros El clúster representa el 27% de todas las funciones y, al mismo tiempo, solo atiende al 8,7% de los usuarios.
- Nicho Las funciones son utilizadas por solo el 11,3% de los usuarios y, al mismo tiempo, tienen la mayor retención (incluso mayor que para el Centro grupo).
En el próxima publicaciónHablaré sobre otra perspectiva sobre la definición de retención de características.
PD: Hay un mejor manera de agrupar las características del producto basado en el coeficiente MCC.