3 sposoby na rozszerzony pomiar skuteczności kampanii

Specjalnie dla Interaktywnie.com pisze Łukasz Korol z Code & Pepper.

Badanie skuteczności kampanii mających na celu pozyskanie użytkowników do produktu cyfrowego (np. aplikacji mobilnej) nie musi opierać się na standardowej konwersji. Współczesne narzędzia analityczne badające zachowania użytkowników w aplikacjach pozwalają na pogłębioną analizę zachowań użytkowników pozyskanych z poszczególnych kampanii. Analityka zdarzeń, wewnętrzne lejki konwersji i analiza kohortowa to narzędzia, które pozwolą ci zbadać skuteczność twoich kampanii z uwzględnieniem wszystkich niuansów produktu, który promujesz.

Kiedy kampania mająca na celu pozyskanie użytkowników będzie skuteczna?

Celem każdego produktu cyfrowego (np. aplikacji mobilnej) jest dostarczanie pewnej ściśle określonej wartości dla użytkowników tego produktu. Twórcy produktów stoją zawsze przed dwoma wyzwaniami, czy też dwoma generalnymi hipotezami dotyczącymi ich aplikacji.

Po pierwsze muszą dowiedzieć, czy założone wartości rzeczywiście są nimi dla zdefiniowanej grupy docelowej (w tym obszarze optymalizacja produktu dokonywać się może poprzez korektę dostarczanej wartości lub korektę założeń dot. grupy docelowej).

Po drugie muszą sprawdzić, czy sposób w jaki użytkownik ma korzystać z aplikacji nie wpływa negatywnie na oczekiwane zachowanie użytkowników. Jest to pytanie o to, czy User Experience jest odpowiedni. Ten obszar jest o tyle istotny, iż mamy do czynienia z ogromną konkurencją na rynku produktów cyfrowych. W tym kontekście brak odpowiedniego User Experience będzie stawiało naszą aplikację na straconej pozycji.

Aby przekonać się, czy obie hipotezy są w naszym przypadku prawdziwie, musimy sprawdzić zachowanie użytkowników pozyskanych w ramach poszczególnych kampanii. Kampanię taką należy uznać za skuteczną, jeżeli zachowanie użytkowników będzie świadczyło o tym, że bez przeszkód konsumują oni wartości dostarczane przez produkt (mówiąc prościej - użytkownicy pozyskani z kampanii zachowują się w sposób, w jaki od nich tego oczekujemy).  

Zaczynamy pomiar zachowania użytkowników

Aby wykorzystywać wiedzę o zachowaniu użytkowników w ocenie skuteczności naszych kampanii, musimy zadbać o to, aby odpowiednie wskaźniki opisujące te zachowanie były mierzone automatycznie oraz aby ich analiza możliwa była w rozbiciu na poszczególne kampanie. 

Z pomocą przychodzi nam szereg narzędzi analitycznych (np. Mixpanel, Facebook Analytics for Apps) stworzonych dokładnie do tego celu. Narzędzia te pozwalają zautomatyzować pomiary zachowania użytkowników z zachowaniem odpowiedniego kontekstu kampanii lub innego źródła pozyskania użytkowników. W praktyce można mówić o trzech podstawowych sposobach analizy danych o zachowaniu użytkowników.

Sposób 1. Analityka zdarzeń

Wszystkie narzędzia służące do pomiaru zachowań użytkowników opierają się na śledzeniu wystąpienia poszczególnych zdarzeń w aplikacji. Śledzonym zdarzeniem będzie najczęściej określona interakcja użytkownika z aplikacją: dotknięcie określonego przycisku czy przejście do określonego ekranu. 

Jako przykład wyobraźmy sobie mobilną aplikację lojalnościową dostarczającą twoim klientom funkcję wirtualnej karty lojalnościowej oraz funkcję personalizowanych promocji dostarczanych na podstawie historii dokonywanych zakupów.

Śledzenie zdarzeń powinno odbywać się dla wszystkich istotnych działań użytkownika. W tym przypadku mogłoby to być następujące działania: utworzenie konta, zarejestrowanie “plastikowej” karty lojalnościowej, wysłanie aplikacji o kartę wirtualną, użycie karty, wyświetlenie listy ofert, wyświetlenie szczegółów wybranej oferty, wyświetlenie szczegółów oferty za pośrednictwem powiadomienia (tzw. push notification). Dla każdego z tych działań powinniśmy zarejestrować odpowiednie zdarzenie mówiące o tym, iż dane działanie zostało wykonane. 

Użyte przez nas narzędzie analityczne dostarczy nam kompleksowych informacji dotyczących wystąpienia tych zdarzeń (najczęściej w formie wykresu prezentującego liczbę poszczególnych zdarzeń w czasie). Co ważne, informacje te będą dostępne dla nas praktycznie w czasie rzeczywistym, bez konieczności angażowania kogokolwiek w proces pozyskiwania i prezentacji tych danych.

Prowadząc szereg kampanii mających na celu pozyskanie użytkowników będziemy mogli porównywać liczbę wystąpienia poszczególnych zdarzeń (lub procent użytkowników, którzy wykonali określone działanie w aplikacji) pomiędzy kampaniami. W takim przypadku optymalizacja kampanii będzie mogła się opierać o faktyczne wykorzystanie aplikacji przez użytkowników.

Wartością dodatkową uzyskaną w tym procesie będzie wiedza na temat ew. schematów zachowań użytkowników dla różnych segmentów grupy docelowej. Zaobserwowane zależności pomiędzy sposobem targetowania kampanii a odpowiednimi zachowaniami użytkowników pozwolą ci w przyszłości podejmować lepsze decyzje dot. konfiguracji kampanii. Powinno Ci to pomóc uzyskiwać bardziej przewidywalne efekty Twoich działań promocyjnych.

Analityka zdarzeń do podstawowe narzędzie, które pozwoli ci rzucić światło na efekty twoich kampanii zasięgowych. To narzędzie, które pozwoli cCi szybko uzyskać odpowiedź na kluczowe pytania dot. tego, czy pozyskani użytkownicy chcą w ogóle korzystać z kluczowych funkcjonalności aplikacji. Dzięki temu możesz szybko uzyskać obiektywne wskazówki dot. tego, czy twój produkt odpowiada na potrzeby poszczególnych segmentów twojej grupy docelowej. Przy okazji otrzymujesz narzędzie, które w prosty sposób pozwoli ci odszukać ten segment, który najlepiej reaguje na wartości dostarczane przez twój produkt. 

Sposób 2. Wewnętrzne lejki konwersji

Pewną naturalną cechą znakomitej większości aplikacji jest to, iż użytkownik wykonuje pożądane przez nas akcje w wielu krokach (realizując pewien zaprojektowany proces lub model interakcji z aplikacją). 

W naszej hipotetycznej aplikacji lojalnościowej będziemy mieli z tym do czynienia prawdopodobnie dla wszystkich mierzonych przez nas kluczowych działań użytkownika. Jeżeli wyobrazimy sobie pewien proces aplikowania użytkownika o wydanie nowej karty lojalnościowej wewnątrz aplikacji, to zauważymy, iż z pewnością będzie przebiegał on w kilku krokach: kliknięcie przycisku CTA prowadzącego do formularza aplikowania o kartę, wypełnienie formularza, weryfikacja numeru telefonu via SMS. W takim przypadku użytkownik musi wykonać trzy operacje w celu zakończenia procesu aplikowania o kartę. 

Na każdym z kroków procesu dochodzić będzie do zmniejszenia się liczby użytkowników kontynuujących ten proces. Oznacza to, że dla każdego z kroków będziemy mieli do czynienia z pewną konwersją. Wartości poszczególnych konwersji w naszym procesie obrazuje się za pomocą tzw. lejków konwersji (ang. conversion funnels).

Współczesne narzędzia analizujące zachowania użytkowników pozwalają na zautomatyzowany pomiar oraz prezentację poszczególnych konwersji w naszym lejku. Definiowanie lejku odbywa się w bardzo prosty sposób. Wystarczy wybrać zdarzenia, które tworzą sekwencję zdarzeń w naszym procesie. Oznacza to, że dla każdego z kroków procesu musimy rejestrować jego wykonanie śledząc w tym momencie odpowiednie zdarzenie (patrz rozdział dot. analityki zdarzeń).

Uzyskany jako wynik pomiaru lejek konwersji pokaże nam, jak użytkownicy realizują nasz proces. W szczególności interesować nas będzie to, czy któryś z kroków procesu nie charakteryzuje się znaczącym spadkiem odsetka użytkowników. Analiza postaci lejka w kontekście każdej z naszym kampanii pozwoli optymalizować parametry kampanii w celu uzyskania jak najlepszych konwersji w naszym lejku. Dodatkowo możemy się dowiedzieć, czy w przypadku wybranych segmentów naszej grupy docelowej występują określone schematy zachowań użytkowników wpływające znacząco na konwersje w naszym lejku.

W praktyce jedna aplikacja będzie miała zdefiniowanych kilka lejków mierzących konwersje dla kilku najważniejszych procesów lub funkcji. Patrząc na lejki konwersji w kontekście wcześniej omówionej analityki zdarzeń możemy interpretować je jako narzędzie, które pozwala nam dokładniej przyjrzeć się temu, co się dzieje w trakcie realizacji kluczowych działań przez naszych użytkowników. 

Jeżeli postać lejka nie zmienia się istotnie dla różnych parametrów naszej kampanii będzie to oznaczać, iż optymalizacja poszczególnych konwersji jest możliwa poprzez poprawę użyteczności aplikacji. W takim przypadku nie masz - jako marketer - wielkiego pola do popisu. Gdyby jednak było inaczej i różne kampanie dawałyby w wyniku różne postaci lejka konwersji, będziesz mógł istotnie wpłynąć na efekty swoich kampanii w postaci użytkowników lepiej konwertujących w kluczowych dla twojego produktu procesach. 

Sposób 3. Analiza kohortowa

Każdemy twórcy produktu cyfrowego zależy na tym, aby użytkownicy rezygnowali z niego możliwie jak najpóźniej, a najlepiej, gdyby nie rezygnowali z niego w ogóle. W takim przypadku mówi się o potrzebie jak największej retencji użytkowników, gdzie - najprościej rzecz ujmując - jako retencję będziemy  traktować odsetek użytkowników nadal korzystających z naszego produktu po pewnym czasie.

Retencja użytkowników to w przypadku większości produktów kluczowy parametr decydujący o jej sukcesie. Niska retencja będzie oznaczać konieczność ciągłych inwestycji w nowych użytkowników (lub szukania ich nowych źródeł). Tym samym zwrot z inwestycji w pozyskanie użytkowników będzie odpowiednio mniejszy. 

Z punktu widzenia optymalizacji kampanii kluczową informacją będzie wartość retencji dla użytkowników pozyskanych z poszczególnych kampanii. Jeżeli uda nam się tak dobrać parametry kampanii, aby wpłynęły one pozytywnie na retencję użytkowników, możemy istotnie poprawić naszą skuteczność i zwrot z inwestycji w pozyskanie użytkowników. 

Analizę wskaźników świadczących o retencji użytkowników realizuje się najczęściej w formie tzw. analizy kohortowej. Wynik tej analizy jest prezentowany w formie tabeli, w której kolumny odpowiadają kolejnym okresom (np. tygodniom), a wiersze różnym grupom użytkowników (tzw. kohortom). Wartości w tabeli to najczęściej procent użytkowników z danej grupy, którzy w danym okresie wykonali określone działanie w aplikacji. Analiza kohortowa ma sens tylko w przypadku działań, na których powtarzalność w wykonaniu użytkowników liczymy

W przypadku naszej przykładowej aplikacji lojalnościowej analiza kohortowa powinna być przeprowadzona dla działania, jakim jest wyświetlenie szczegółów oferty (patrz rozdział dot. analityki zdarzeń). Uzyskanie danych dot. retencji w kontekście tego działania będzie praktycznie natychmiastowe w narzędziach statystycznych, o których mowa w tym artykule. Wystarczy, że podamy, dla którego zdarzenia chcemy przeprowadzić analizę (patrz rozdział dot. analityki zdarzeń). Jeżeli zdarzenie dot. działania, które chcemy poddać analizie kohortowej, jest już przez nas śledzone na potrzeby ogólnej analityki zdarzeń, to skonfigurowanie odpowiedniej tabeli z analizą kohortową zajmie nam dosłownie chwilę.

W przypadku analizy kohortowej przeprowadzanej w kontekście badania skuteczności kampanii kohorty będą zazwyczaj odpowiadały grupom użytkowników pozyskanym z tych kampanii. Uzyskamy wtedy informację o tym, czy i ew. w jakim stopniu retencja różni się dla poszczególnych kampanii. Możliwe jest także przeprowadzenie analizy kohortowej na zbiorze użytkowników zawężonych do tych pozyskanych z wybranej kampanii, gdzie kohorty będą wyznaczone w oparciu o inne parametry użytkowników (np. mogą być to grupy użytkowników o określonej charakterystyce demograficznej). Pozwoli to nam uzyskać bardziej szczegółowe informacje o rozkładzie retencji w poszczególnych segmentach użytkowników. Ewentualne różnice pomiędzy kampaniami będą bardzo cenną wskazówką i podstawą do precyzyjnej optymalizacji.

Jak to zrobić w trzech prostych krokach?

1. Zidentyfikuj kluczowe działania użytkowników w twojej aplikacji. Następnie śledź ich wykonanie za pomocą zdarzeń w wybranym narzędziu analitycznym. Porównaj procent użytkowników wykonujących wybrane działania dla poszczególnych kampanii.
2. Zidentyfikuj kluczowe działania użytkowników w twojej aplikacji, które realizować trzeba w kilku krokach (szczególnie dotyczy to działań, których wykonanie w aplikacji jest jednorazowe - np. rejestracja). Śledź zdarzenia odpowiadające ukończeniu każdego z kroków analizowanego działania. Skonfiguruj lejki konwersji na podstawie śledzonych zdarzeń. Porównaj wartości konwersji w poszczególnych krokach w poszczególnych kampaniach.
3. Zidentyfikuj działania użytkowników, które powinny mieć charakter cykliczny. Śledź zdarzenia świadczące o wykonaniu tych działań. Przeprowadź analizę kohortową i porównaj retencję użytkowników pozyskanych z poszczególnych kampanii. 

Praktyczne aspekty wdrożenia analityki zachowania użytkowników

Metody analizy zachowania użytkowników zaprezentowane powyżej wymagają tego, abyś jako osoba odpowiedzialna za prowadzenie kampanii dobrze wiedział, jak działa produkt, który promujesz. W praktyce oznacza to, że w przygotowanie kampanii zaangażowane muszą być osoby, które w twojej organizacji (lub po stronie twojego klienta) odpowiadają za rozwój produktu i są najlepszym możliwym źródłem wiedzy o wymaganiach, które temu produktowi się stawia.

W większości przypadków zintegrowanie odpowiednich narzędzi analitycznych będzie wymagało drobnej ingerencji w sam produkt. Zatem musisz być gotowy na to, że twoje oczekiwania w zakresie wdrożenia takiego, a nie innego śledzenia, wymagać będą pewnej pracy po stronie zespołu odpowiedzialnego za stworzenie aplikacji (czyt. programistów). Zazwyczaj prace wdrożeniowe w takich sytuacjach są pomijalnie małe (w stosunku do całego nakładu prac włożonego w stworzenie produktu). Musisz być jednak gotowy na to, iż programiści będą oczekiwać od Ciebie niepozostawiających wątpliwości wytycznych dot. tego, jakie dokładnie działania użytkowników mają być śledzone.

Łukasz Korol, CTO, założyciel i współwłaściciel agencji digital product development Code & Pepper, odpowiedzialny za realizację projektów mobilnych i webowych w Wielkiej Brytanii, USA, Szwajcarii, Holandii i Polsce, współpracujący z międzynarodowymi agencjami takimi jak Mediablaze (UK), La Moulade (UK), Flipside Group (UK), Digital Chefs (Netherlands) oraz z klientami bezpośrednimi m.in. Christian Louboutin (USA) i LocalBini (Szwajcaria).

Jego projekty otrzymały międzynarodowe nagrody takie jak Awwwards, One Page Love Award, CSS Design Award or CSS Winner. Historia Łukasza oraz całej agencji Code & Pepper została opisana w najnowszej książce Filipa Springera – „Miasto Archipelag”. 

Pobierz ebook "Social media marketing dla firm i agencje się w nim specjalizujące"