Анализ сессий пользователей — важный инструмент построения активации

Анализ сессий пользователей — это мощный инструмент, который часто используют при построении активации в продукте. Он позволяет посмотреть на продукт через призму конкретного пользователя и увидеть, как именно он двигался от момента начала использования до осознания ценности и формирования привычки.

В этом материале обсудим, как использовать этот подход для дизайна активации, а также разберем несколько реальных кейсов применения на практике.

Метод анализа сессий пользователей

Алгоритм анализа сессии:

• Найти сессию пользователя, которую вы хотите изучить;
  
• Выгрузить из системы аналитики все события этого пользователя в хронологической последовательности. При необходимости можно разбить события на сессии, а также обогатить дополнительными доступными данными;
  
• Просмотреть (буквально — своими глазами), как он взаимодействует с продуктом на протяжении всего периода его использования.

Взгляд на опыт конкретного пользователя в продукте через такую призму дает совершенно другую перспективу и иное понимание, чем работа с агрегированными данными. Вы видите, с какими сложностями он сталкивается, в какой момент заканчивается его первая сессия, понял ли он к этому моменту суть вашего продукта, через какое время он возвращается обратно, зачем он возвращается, а также многое другое.

Метод анализа сессий можно использовать для разных целей. В этом материале мы сфокусируемся на том, как использовать метод анализа сессий, чтобы построить активацию.

Использование метода анализа сессий при работе над активацией в продукте

В работе над активацией метод анализа сессий применяется к изучению поведения двух групп пользователей:

• Тех, кто добился успеха в продукте;
• Тех, кто решил сервис не использовать.

Обычно вас будут интересовать их первые дни или недели (в зависимости от Time to value) в продукте.

Анализ сессий успешных пользователей позволяет понять, как эти пользователи проходят путь от знакомства с продуктом до осознания его ценности и формирования привычки. Подобный анализ вскрывает классические пути, которые позволяют эффективно доносить ценность и активировать пользователей.

Анализ сессий неуспешных пользователей показывает типичные траектории, которые приводят в тупик. Такой анализ помогает понять, какие механизмы активации не работают, где нужно сделать изменения.

В большинстве случаев разбор путей 30–50 пользователей из каждой категории помогает команде выделить ключевые пути новых пользователей в продукте. Понять, какие из них работают, а какие — нет.

Такое исследование дает фундамент для последующей работы по соединению ключевых узлов активации пользователей, состоящих из “aha moment” и необходимых условий его достижения для каждого из юзкейсов.

Это также может быть полезно, чтобы лучше понять и уточнить критерий того, что именно позволяет пользователям осознать ценность (то есть достичь “aha moment”), а также какие условия для этого должны быть выполнены.

Чтобы глубже разобраться в том, как создаются, развиваются и масштабируются продукты, пройдите обучение в GoPractice.

→ Программа «Профессия: продакт-менеджер» поможет вам перейти в продакт-менеджмент из смежной роли или индустрии.

→ В «Симуляторе управления продуктом на основе данных» вы научитесь принимать решения с помощью данных и исследований при создании продукта.

→ В «Симуляторе управления ростом продукта» найдете пути управляемого роста и масштабирования продукта.

→ В «Симуляторе SQL для продуктовой аналитики» поймете, как применять SQL для решения продуктовых и маркетинговых задач.

→ В мини-симуляторе «Генеративный AI для продакт-менеджеров» вы научитесь применять генеративный AI для создания продуктов, решив практический бизнес-кейс.

→ В «Симуляторе управления ML/AI-проектами» научитесь применять технологии машинного обучения с пользой для бизнеса.

→ Не знаете с чего начать? Пройдите бесплатный тест для оценки навыков управления продуктом. Вы определите свои сильные стороны и слепые зоны, получите план профессионального развития.

→ Еще больше ценных материалов и инсайтов — в телеграм-канале GoPractice.

Использование метода анализа сессий для построения активации в мобильной игре

Плохие показатели первой версии игры King of Thieves

Запуск первой версии мобильной версии King of Thieves оказался неудачным. Люди не играли в нее и уходили практически сразу. Показатели метрик были плохими. Day 1 Retention составил лишь 26%, Day 7 Retention — лишь 9%. Это слабые показатели для продукта из этой категории.

Как мы обсуждали ранее, могло быть две потенциальных причины плохих показателей: либо в продукте не было ценности, либо же команда построила неэффективные механизмы донесения этой ценности до пользователей.

Разные индикаторы указывали, что вторая причина все же была более вероятной. Дело в том, что игра была в разработке уже больше года, и на протяжении всего этого времени вся компания (включая сотрудников из других команд, которые не работали над этой игрой) с удовольствием продолжала в нее играть. Это давало надежду, что ценность в продукте была, а проблема состояла в том, что ее просто не получилось донести до пользователей.

Анализ сессий успешных и неуспешных пользователей

Для выявления причин неудачи первой версии продукта команда выгрузила сессии успешных и неуспешных пользователей. Их анализ достаточно быстро позволил увидеть разницу в опыте пользователей из этих категорий на старте использования игры.

Оказалось, что почти все успешные пользователи быстро добрались до мультиплеерного режима игры, где смогли украсть драгоценный камень у другого игрока. У многих из них потом тоже украли камень. Именно в этот момент они понимали, в чем смысл и фан игры. Именно это был их “aha moment”.

Ядром игры были нападения на подземелья друг друга и конкуренция за богатства. Но при создании онбординга команда предполагала, что пользователей важно сначала обучить механике геймплея на простых уровнях синглплеера. В мультиплеер же по задумке пользователи должны были пойти тогда, когда будут чувствовать себя уже достаточно уверенными.

В реальности же большая часть пользователей после онбординга просто продолжала двигаться вперед в рамках одиночной кампании, проходя уровень за уровнем, и не обращая внимания на мультиплеерный режим. Через какое-то время они либо утыкались в сложный уровень, либо им просто надоедало, и они уходили.

Какие-то пользователи все же шли в мультиплеер, но в большинстве случаев он для них не отличался от одиночной кампании. У большинства оппонентов, на которых они нападали, не было драгоценных камней, которые можно украсть. У тех, у кого они были, подземелья были сложными и поэтому часто украсть камень не удавалось.

После разбора сессий нескольких сотен пользователей (сессии были очень короткими, поэтому времени ушло немного), команда сформулировала гипотезу проблемы.

Последующий более классический анализ данных показал, что:

• Менее 40% новых пользователей попробовали мультиплеерный режим;
• Меньше 10% новых пользователей успешно нападали на другого игрока;
• Меньше 3% пользователей смогли украсть камень у другого игрока.

Да, наверное, команда могла бы найти эту проблему исключительно с помощью расчета метрик — увидеть, что люди не доходят до мультиплеера, и что те, кто доходят, не крадут камень. Но они не знали, что именно надо искать, на чем фокусировать внимание. Ведь могло быть и так, что людям просто не нравилась механика игры.

В процессе разбора сессий, глядя на продукт глазами пользователей, команда быстро смогла найти несоответствие между опытом успешных и неуспешных пользователей. Между фактическим опытом пользователей и тем, как игра задумывалась.

Решения на основе анализа сессий пользователей

Анализ сессий пользователей показал эффективные и тупиковые пути донесения ценности.

На основе этой информации было решено перестроить дизайн первых сессий.

• Теперь в рамках онбординга все новые пользователи шли сразу в мультиплеер и нападали на оппонента;
• У этого оппонента (это не был настоящий человек, но пользователи об этом не знали) обязательно были драгоценные камни, а дизайн его подземелья был достаточно простым, чтобы новый игрок смог его пройти;
• После успешного нападения пользователь получал камень и клал его к себе в хранилище. Его позиция в лидерборде росла, приближая к призовым местам;
• Вскоре после этого обкраденный ранее оппонент нападал на игрока и забирал свой драгоценный камень обратно.

Такой дизайн первой сессии позволял провести людей через основной цикл игры, познакомить с геймплеем, а главное — позволить на себе испытать удовлетворение и азарт от процесса игры, конкуренции с другими игроками.

Тупиковые пути на раннем этапе взаимодействия с продуктом тоже были исправлены:

• Теперь одиночная кампания стала опциональной — пользователей сразу ввели в мультиплеер;
• Для тех, кто после онбординга все же начинал активно играть в одиночную кампанию, была добавлена специальная анимация, привлекающая внимание к мультиплеерному режиму;
• Визуальная важность мультиплеера стала существенно больше;
• Было сделано и много других решений, которые упрощали путь к ценности: снижена сложность подземелий ранних оппонентов, увеличен шанс выиграть камень после успешного нападения и многое другое.

В результате изменений доля людей, которые испытали “aha moment”, выросла с 3% до 90%.

Day 1 Retention вырос с 26% до 41%. Day 7 Retention — с 9% до 20%.

Ценность игры не изменилась — команда лишь научилась эффективнее доносить ее до новых пользователей.

Ограничения метода анализа сессий

У метода анализа сессий есть ряд ограничений, которые важно держать в уме при его использовании.

• Во-первых, вы не всегда знаете юзкейс пользователя, что затрудняет анализ его действий и оценку оптимальности его пути в продукте;
• Во-вторых, в ряде продуктов много важных событий может происходить за пределами самого продукта, и, как следствие, они никак не будут отражены в аналитике и данных.

Давайте подробнее разберем, как эти ограничения могут влиять на принимаемые решения на примере Workplace from Meta — сервиса для общения внутри компаний.

Пример влияния ограничений на применение метода анализа сессий

Workplace from Meta — сложный продукт, который имеет большое количество разных юзкейсов. Ценность продукта для пользователей может сильно различаться от компании к компании:

• Где-то Workplace решает задачу более эффективного информирования команды о важных новостях и фасилитации дискуссии вокруг этих тем, получения фидбека;
• Где-то Workplace — это среда для коллаборации и совместной работы над проектами и задачами;
• Где-то — пространство для общения на социальные нерабочие темы.

В каждом из этих юзкейсов оптимальный путь к осознанию ценности отличается. Если вы поведете пользователей с юзкейсом коллаборации по пути, который работает для тех, кто хочет выстроить социальные связи между командой, то результат будет далек от оптимального.

Для анализа сессий важно понимать, с какой проблемой пришел конкретный пользователь, и насколько его путь в продукте оказался хорошо заточен под этот юзкейс.

Другая сложность применения метода анализа сессий для Workplace в том, что существенная часть процессов по принятию решения об использовании сервиса происходит за его пределами.

Это могут быть обсуждения в почте или на личной встрече. Блокером для использования может оказаться конкретный сотрудник или команда. Проблема может оказаться на уровне команды безопасности. А может быть детальное сравнение с конкурентами оказалось не в пользу Workplace.

Все это никак не отражено в данных и поэтому не может быть изучено через метод анализа сессий. Анализ исключительно имеющихся данных об использовании и факторах успеха или неуспеха пользователя не даст полной картины причинно-следственных связей.

Но это не делает метод анализа сессий бесполезным — просто в ряде случаев его применение потребует использования дополнительных инструментов.

Как компенсировать ограниченность метода анализа сессий

Для решения перечисленных выше проблем вместе с методом анализа сессий часто имеет смысл использовать качественные методы исследований. Они позволяют не только увидеть, что пользователь делает в продукте, но и понять более широкий контекст: что он думает, с чем сравнивает, какую задачу решает, какие дополнительные действия за пределами продукта предпринимает.

Это могут быть глубинные интервью, которые проливают свет и дают контекст действиям, которые вы видите в системе аналитики. Это могут быть коридорные исследования или же юзабилити-тесты, где люди комментируют то, что они делают и как они это понимают. Иногда это могут быть опросы.

Качественные исследования в комбинации с методом анализа сессий позволяют увидеть полную картину происходящего и выделить ключевые факторы, которые сформировали представление пользователя о продукте. Такого фундамента обычно достаточно для того, чтобы сформировать в голове достаточно репрезентативную модель, отражающую как добавочная ценность продукта доносится до пользователя.

Метод анализа сессий для построения активации в продукте

Анализ сессий пользователей — это мощный инструмент, который часто используют при построении активации в продукте.

Изучение первых сессий успешных и неуспешных пользователей позволяет идентифицировать эффективные и тупиковые способы донесения ценности продукта.

У метода анализа сессий есть ограничения, которые важно держать в уме при его использовании.

• Во-первых, при анализе сессий далеко не всегда можно идентифицировать юзкейс пользователя, а это — ключевой фактор для формирования эффективной активации;
• Во-вторых, в системе аналитики есть далеко не вся информация, определяющая эффективность активации пользователей. Многое может происходить за пределами продукта, но иметь существенное влияние на результат.

Для преодоления этих ограничений необходимо дополнять метод анализа сессий качественными исследованиями.