Как анализировать платящих пользователей. Часть 1 — RFM-анализ
Этой статьёй мы открываем целый цикл статей по анализу платящих пользователей.
Итак, платящие пользователи, те ребята, которые приносят деньги в ваш продукт. Очень важно знать все нюансы их поведения: за что они платят, как быстро, в каком объёме. Важно знать, что они при этом чувствуют, получают ли удовлетворение от вложенных инвестиций в ваш продукт. По сути, даже в случае с f2p онлайн-игрой каждый платёж игрока — это его инвестиция: на входе он платит деньги, на выходе получает какой-то ROI, выраженный в виртуальной или реальной (игры с выводом валюты, либо просто чёрный рынок) валюте и в эмоциях, которые он при этом испытывает. Поэтому рассмотрите платящих пользователей как инвесторов, пусть и миноритарных.
Для того чтобы лучше понимать поведение, распределение и потребности платящих пользователей, существуют свои аналитические методы и отчёты. И сегодня мы поговорим про RFM-анализ как один из основных методов для понимания структуры вашей платящей аудитории.
RFM расшифровывается следующим образом:
R — Recency — давность последней покупки.
F — Frequency — частота покупок;
M — Monetary — объём покупок за всё время.
Каждому платящему пользователю вы ставите три оценки, соответствующие этим параметрам. Как правило, в теоретических материалах пользователь оценивается по трёхбалльной системе (условно говоря, хорошо, нормально или плохо), однако на практике нам встречались и пяти-, и даже десятибалльные оценки в RFM-анализе. Рассмотрим на примере трёхбалльной системы для упрощения восприятия:
R = 1 — пользователь последний раз платил достаточно давно;
R = 2 — последний платёж пользователя произошёл относительно недавно;
R = 3 — пользователь заплатил совсем недавно;
F = 1 — пользователь платит очень редко (либо вообще совершил всего один платёж);
F = 2 — пользователь платит со средней регулярностью;
F = 3 — пользователь платит часто;
M = 1 — сумма всех платежей пользователя невелика;
M = 2 — пользователь в сумме заплатил среднее для проекта количество денег;
M = 3 — пользователь заплатил много денег.
Конечно же, возникает вопрос, что такое в данном случае давно / недавно, часто / нечасто и много / немного. Ответить на этот вопрос можно двумя способами:
1) Экспертная оценка. Никто не знает ваш проект лучше вас самих. Поэтому установите сами для себя, что такое давно и недавно, что такое много и немного. Скажем, давно — это месяц и более назад, редко — это раз в месяц или реже, а мало — это не более чем 100 рублей за всю историю платежей.
2) Квантили и квартили. Вспоминаем математическую статистику. Упорядочьте ваших пользователей по одному из параметров (например, по сумме платежей за всё время), возьмите, например, топ-5% всех пользователей и скажите, что вот эти пользователи заплатили много. Поздравляем, вы только что получили пятипроцентную квантиль выборки из ваших пользователей. Либо же можно брать квартили (квартиль = квантиль уровня 25%), и первую квартиль оценивать как много, последнюю — как мало, а то, что между ними — как средний размер платежа. Как бы то ни было, даже при использовании квантилей и квартилей вам не обойтись без субъективной оценки, а потому вновь смотри пункт 1.
В любом случае, немного поработав в Excel (или где-либо ещё), вы поставите в соответствие каждому платящему пользователю три оценки: за давность, за частоту и за объём платежей.
И сейчас начинается самое интересное.
Вы можете посмотреть, как эти оценки распределены по вашим платящим пользователям, каких пользователей больше всего. Это позволит вам сегментировать вашу платящую аудиторию и спланировать маркетинговые действия по повышению выручки.
Простой пример:
- Покупали недавно, но редко (или один платёж) — новые платящие пользователи. Что с ними делать? Благодарить! Ваша задача — стимулировать их именно на повторные покупки. Как показывают исследования, именно повторные покупки, их регулярность и размер, увеличивают шансы приложения заработать миллион долларов.
- Покупали недавно, покупают часто — лояльные пользователи. В дополнительной стимуляции они не нуждаются, однако имеет смысл найти способ и отблагодарить их за лояльность (неожиданный бонус, сюрприз, просто “Спасибо”, — всё это работает).
- Покупали часто, но давно — лояльные пользователи на грани ухода. То есть деньги, которые прямо сейчас утекают сквозь ваши пальцы. Ваша задача — напомнить им о себе. Возможно, простого push-уведомления хватит. Возможно, стоит выйти к ним с опросом — что изменилось, почему они уходят?
- Покупали редко и давно — отток пользователей. Они так и не стали лояльны, что-то им помешало тогда, в прошлом. Можно предложить им (и только им) акцию, пусть даже мало выгодную для вас, которая стимулировала бы их к повторной покупке и возвращению в продукт. В противном случае — можно попытаться хотя бы выяснить, что им не понравилось, и скорректировать продукт на основании их обратной связи.
Допустим, имеется следующий кейс.
1) Проект Икс хочет увеличить свой доход.
2) Проведен RFM-анализ, который показал, что:
3) Oтток лояльных платящих пользователей очень высок;
4) Много пользователей совершает всего одну покупку.
5) В продукт вводятся триггеры, которые позволяют распознать момент, когда пребывание пользователя в статусе ‘одна покупка’ затянулось, либо когда пользователь, ранее бывший лояльным, перестаёт платить. В эти моменты пользователям делается ‘предложение, от которого невозможно отказаться’ (специальная акция, большая скидка, информация доносится push-уведомлением или всплывающим окном при входе).
6) Увеличивается процент повторных покупок, увеличивается удержание лояльных пользователей.
7) Profit.
Оба рассмотренных выше примера оперируют лишь двумя измерениями: Recency, Frequency.
Добавление же измерения Monetary в этот отчёт позволит руководствоваться еще и объёмами платежей с каждого клиента.
При этом анализ можно выполнять как по количеству пользователей, так и по денежным суммам, получаемых от них.
Помимо этого, можно отдельно рассмотреть и сочетания Monetary-Recency (сколько платят пользователи и как давно они платили), Monetary-Frequency (сколько и как часто платят пользователи).
Проще всего анализировать платящих пользователей в рамках одного измерения — получить распределение пользователей и их платежей по времени (только что — недавно — давно), по частоте (часто — иногда — редко), по размерам (много — средне — мало).
В частности, во f2p-играх анализ платящих пользователей по размерам их платежей принято описывать с помощью жителей морских глубин:
- Киты (Whales) — пользователи, приносящие большие суммы;
- Дельфины (Dolphins) — пользователи, приносящие средние суммы;
- Рыбёшки (Minnows) — пользователи, приносящие маленькие суммы.
Речь идёт не о суммах с одного платежа, а об общих суммах, накопленных за всю историю платежей пользователя. И распределение на большие, средние и маленькие суммы вновь производится экспертно.
Анализируя количество пользователей в каждом сегменте и количество денег, полученных от каждого сегмента, вы сможете понять, какие действия лучше предпринимать для повышения выручки: понизить цены? повысить цены? сосредоточиться на удержании китов?
У себя в сервисе devtodev мы поделили платящих пользователей по объёмам платежей на пять сегментов, отдельно выделив больших китов (grand whales) и больших дельфинов (grand doplhins). В частности, на рассмотренном примере видно, что основную часть дохода приносят киты и большие дельфины, а потому именно на них стоит сосредоточить основную часть маркетинговых усилий.
Это лишь часть методов, которыми можно анализировать платящих пользователей. Есть ещё много вопросов, ответы на которые помогут вам лучше настроить монетизацию проекта. Вот лишь некоторые из них:
- Как быстро конвертируются ваши пользователи в платящих? В первую, во вторую, в десятую покупку?
- За что платят пользователи? Почему они вообще конвертируются в платящих?
- Сколько денег вы зарабатываете с первых платежей игроков, а сколько — с повторных?
- Сколько денег приносят вам новички, а сколько старички?
Мы обязательно расскажем подробно про каждый из методов анализа в будущих статьях.
А если не хотите ждать — приглашаем вас на бесплатный вебинар, который состоится 26 октября 2015 года в 18 часов по Московскому времени
На вебинаре мы расскажем про все методы анализа платящих пользователей, опишем кейсы, как аналитика платящих пользователей помогает увеличить доход. Приходите!
© Megamozg
