Produkty SaaS žijí a umírají podle udržení zákazníků. Získávání stojí peníze. Udržení vytváří opakované příjmy. Zákazník udržený dvanáct měsíců má dvanáctkrát větší hodnotu než nový zákazník získaný jednou. Udržení ale vyžaduje používání. Uživatelé musí váš produkt používat. Pokud ne, odejdou. Analytika chování odhalí překážky používání. Proč uživatelé nedokončí zaškolení? Proč odejdou po prvním týdnu? Proč přestanou používat klíčové funkce? Proč odejdou? Nahrávky relací ukážou, s čím uživatelé v produktu bojují. Heatmapy ukážou, které funkce se používají. Které se ignorují. Skóre zapojení určí, kterým uživatelům hrozí odchod. Mikrokonverze odhalí cestu k přijetí funkcí. Kohortní analýza ukáže, jestli nové funkce zlepšují udržení. Analytika chování v SaaS je o pochopení uživatelského zážitku. Nacházejí uživatelé hodnotu? Přijímají funkce? Stávají se věrnými? Uživatel, který přijme více funkcí, odejde méně pravděpodobně. Uživatel, který dokončí zaškolení, se zapojí spíš. Uživatel, který produkt používá denně, nejspíš obnoví. Analytika chování tento postup odhalí. Pak vylepšíte každý krok. Lepší zaškolení zvýší používání. Lepší objevování funkcí zvýší zapojení. Lepší funkce pro udržení zvýší věrnost. Analytika chování pro SaaS žene ukazatele, na kterých záleží. Používání. Zapojení. Udržení.
Tento článek vysvětluje, jak analytiku chování použít přímo na optimalizaci SaaS.
Analyzujte chování při zaškolení
Zaškolení je zásadní. Uživatelé se učí produkt. Objevují hodnotu. Nebo se ztratí. Analytika chování odhalí, co z toho.
Nahrávky relací ze zaškolení ukážou, kde uživatelé bojují. Přeskakují kroky? Váhají? Jsou zmatení? Jednotlivé nahrávky odhalí problémy.
Mikrokonverze během zaškolení předpovídají úspěch. Dokončili návod? Vytvořili obsah? Pozvali členy týmu? Mikrokonverze ukazují postup.
Kohortní analýza ukáže, jestli změny zaškolení zlepšují udržení. Noví uživatelé s lepším zaškolením by měli mít lepší udržení. Kohortní data to dokážou.
Najděte potíže s přijetím funkcí
Některé funkce lidé přijímají široce. Jiné ne. Analytika chování odhalí proč.
Heatmapy ukážou, které funkce získávají kliknutí. Které se ignorují. Možná pokročilé funkce nezískají žádná kliknutí. Možná uživatelé nevědí, že existují. Možná se špatně hledají.
Nahrávky relací ukážou, jak uživatelé s funkcemi pracují. Chápou, co funkce dělá? Vědí, jak ji použít? Používají ji úspěšně? Nahrávky odhalí tření.
Skóre zapojení určí, kteří uživatelé funkce přijímají a kteří ne. Mají ti, kdo je přijímají, jiné vlastnosti? Přicházejí z jiných zdrojů? Vzorce odhalí, co přijetí řídí.
Sledujte signály odchodu v chování
Uživatelé ukazují signály odchodu dřív, než zruší. Analytika chování tyto signály odhalí.
Klesající používání funkcí je signál odchodu. Uživatel, který byl první týden aktivní, ale čtvrtý týden neaktivní, odchází.
Klesající četnost přihlášení je signál odchodu. Uživatel, který se přihlašoval denně, ale nyní se přihlašuje týdně, ztrácí zájem.
Klesající délka relace je signál odchodu. Uživatel, který strávil hodinu na relaci, nyní tráví pět minut.
Tyto signály najděte. S těmito uživateli zasáhněte. Kampaně pro znovuzapojení je mohou zachránit.
Vylepšete objevování funkcí
Uživatelé nemohou používat funkce, o kterých nevědí. Analytika chování odhalí, které funkce zůstávají neobjevené.
Heatmapy ukážou, které funkce získávají kliknutí. Ignorované funkce mohou být neobjevené. Možná potřebují lepší umístění. Možná lepší popisky.
Nahrávky relací ukážou, jestli uživatelé funkce hledají. Hledají něco, co nemohou najít? Ptají se podpory na funkce, které existují? Nahrávky odhalí problémy s objevováním.
Použijte kohortní analýzu k měření dopadu funkcí
Nové funkce by měly zlepšit udržení. Kohortní analýza to potvrdí nebo vyvrátí.
Uživatelé před vydáním nové funkce tvoří jednu kohortu. Uživatelé po vydání další. Porovnejte udržení mezi kohortami. Zlepšila funkce udržení? Pokud ano, funkce stála za vývoj. Pokud ne, zjistěte proč.
Analýza dopadu funkcí pomáhá určit priority dalšího vývoje. Stavějte funkce, které zlepšují udržení. Přeskočte ty, které ne.
Často kladené otázky
Jak zjistím, které kroky zaškolení způsobují nejvíc odpadu?
Pro kroky zaškolení použijte analýzu trychtýře. Krok jedna. Krok dvě. Krok tři. Měřte dokončení v každém kroku. Zjistěte, který krok má nejvyšší odpad. To je váš problémový krok. Nahrávky relací uživatelů, kteří v tomto kroku odpadnou, odhalí proč. Možná je krok matoucí. Možná trvá příliš dlouho. Možná žádá příliš mnoho. Opravte zjištěný problém a znovu otestujte. S Tvůrcem webů od WEMASY to můžete nastavit přímo na svém webu.
Může analytika chování předpovědět, kteří noví uživatelé odejdou, než odejdou?
Částečně. Uživatelé, kteří zaškolení přeskočí, mají vysoké riziko odchodu. Uživatelé, kteří nepřijmou žádnou funkci, mají vysoké riziko odchodu. Uživatelé s klesajícím zapojením mají vysoké riziko odchodu. Včasné nalezení těchto signálů vám umožní zasáhnout. Předpověď ale není dokonalá. Někteří uživatelé, kteří ukazují signály rizika, přesto zůstanou. Určování rizika slouží k určení priorit zásahu, ne k dokonalé předpovědi.
Mám pro uživatele zkušební verze a platící uživatele sledovat různé chování?
Ano. Uživatelé zkušební verze a platící uživatelé mají různé motivace. Uživatelé zkušební verze si produkt vyhodnocují. Platící uživatelé jsou rozhodnutí. Chování ve zkušební verzi analyzujte zvlášť od chování platících. Uživatelé zkušební verze mohou potřebovat jiné zaškolení. Platící uživatelé mohou potřebovat jiné funkce pro udržení. Samostatná analýza umožní optimalizaci pro konkrétní segment.
Jak pomocí analytiky chování zdůvodnit investici do nové funkce?
Nejdřív analyzujte poptávku. Nahrávky relací ukážou, jestli uživatelé o funkci žádají. Tickety podpory ukážou, jestli ji požadují. Pokud poptávka existuje, vytvořte ji. Po uvedení použijte kohortní analýzu k měření dopadu. Noví uživatelé s funkcí by měli ukázat lepší udržení než uživatelé bez ní. Lepší udržení investici ospravedlní. Pokud se udržení nezlepší, funkce nestála za vývoj.
Které mikrokonverze jsou pro udržení v SaaS nejdůležitější?
Soustřeďte se na mikrokonverze, které předpovídají udržení. Dokončení zaškolení předpovídá udržení. Přijetí klíčových funkcí předpovídá udržení. Pozvání členů týmu předpovídá udržení. Vytváření obsahu předpovídá udržení. Sledujte je. Méně relevantní mikrokonverze, například návštěva ceníku, mají u stávajících uživatelů menší význam.
Jak změřím, jestli vylepšení z analytiky chování opravdu zvyšují udržení?
Spočítejte měsíční míru odchodů před zavedením vylepšení podle chování a po něm. Sledujte ji měsíc po měsíci. Pokud odchody klesají, vylepšení zabrala. Spočítejte dopad. Pokud snížíte odchody z pěti procent na čtyři, je to obrovské. Vynásobte to počtem uživatelů. Spočítejte dopad na tržby. Silná návratnost ospravedlňuje další investice do analytiky chování.