Un approccio semplice ed efficace per segmentare le funzionalità del prodotto in Core, Power e Casual.
Nel messaggio precedenteTi ho mostrato un modo semplice per misurare la conservazione delle caratteristiche del prodotto.
Dopo aver applicato l’analisi abbiamo ricevuto la tabella con la fidelizzazione per funzionalità come questa (ordinata per decrescente (% media utenti restituiti)):
- Da un lato, abbiamo ricevuto informazioni utili su quali caratteristiche del prodotto influiscono maggiormente sulla fidelizzazione del prodotto.
- D’altra parte, non disponiamo di dati sul numero di utenti che hanno utilizzato queste funzionalità, quindi non possiamo essere sicuri che questi dati siano affidabili.
Aggiungiamo (# utenti) e consideriamo questa tabella ancora una volta.
Ora possiamo facilmente individuare un problema: ad esempio, le prime due funzionalità del prodotto (funzionalità27, funzionalità34) con il numero più alto (% di utenti restituiti) hanno un volume piuttosto modesto in termini di (# utenti).
In realtà, questo problema è più comune in molte analisi che ho visto. Spesso l’analista porta qualcosa di piuttosto interessante qualità misura ma non è supportata da quantità misurare. Di conseguenza, alcune delle nostre decisioni possono essere quantomeno non ottimali e tutt’al più semplicemente sbagliate.
Allora come possiamo risolvere questo problema?
Combiniamo entrambi i parametri (qualitativi e quantitativi) in un unico grafico. Il modo più adatto per farlo è un grafico a dispersione:
- mettiamo sull’asse X la metrica (% utenti), è la ns quantità metrica che misura la popolarità di una caratteristica del prodotto.
- mettiamo sull’asse Y la metrica (% utenti restituiti), è la nostra qualità metrica che misura la valore di una caratteristica del prodotto.
Il grafico risultante potrebbe assomigliare a questo:
Sembra che finora sia piuttosto difficile trarre conclusioni significative dal grafico.
Cosa possiamo fare per migliorare la chiarezza del grafico?
Applichiamo la regola del 50/80 percentile del post precedente.
In realtà, dopo aver applicato 2 soglie per (% utenti) e (% utenti restituiti) otterremo 9 cluster.
Il grafico a dispersione delle caratteristiche del prodotto in cluster potrebbe assomigliare a questo:
Aggiungendo le soglie percentili al grafico ora possiamo distinguere tali cluster di caratteristiche del prodotto:
- Nucleo: (% utenti) > 80 pctl, (% utenti restituiti) > 80 pctl
- Potenza1: (% utenti) > 80 pctl, (% utenti restituiti) in (50, 80) pctl
- Potenza2: (% utenti) in (50, 80) pctl, (% utenti restituiti) > 80 pctl
- Casuale1: (% utenti) in (50, 80) pctl, (% utenti restituiti) in (50, 80) pctl
- Casuale2: (% utenti) in (50, 80) pctl, (% utenti restituiti) < 50 pctl
- Casuale3: (% utenti) < 50 pctl, (% utenti restituiti) in (50, 80) pctl
- Impostare: (% utenti) > 80 pctl, (% utenti restituiti) < 50 pctl
- Nicchia: (% utenti) < 50 pctl, (% returned users) > 80 pz
- Altri: (% utenti) < 50 pctl, (% utenti restituiti) < 50 pctl
Parliamo un po’ di ciascuno dei cluster.
Nucleo le funzionalità sono il vero nucleo del tuo prodotto. Queste funzionalità sono utilizzate da molti utenti e, cosa più importante, gli utenti tornano per continuare a utilizzare queste funzionalità. Di norma, il numero di tali caratteristiche potrebbe essere molto limitato (2-3 caratteristiche).
Energia le funzionalità sono i cavalli di battaglia del tuo prodotto. Queste funzionalità combinate con nucleo le funzionalità forniscono circa l’80% del valore normale creato dal tuo prodotto. Alcune delle caratteristiche di potenza (Potenza1) sono popolari quanto nucleo funzionalità ma apportano meno valore agli utenti. Altre caratteristiche di potenza (Potenza2) apportano tanto valore quanto nucleo caratteristiche ma sono meno popolari. Di norma, in ciascun power cluster potrebbero essere presenti 3-5 funzionalità.
Casuale le funzionalità sono funzionalità che vengono utilizzate di volta in volta. Offrono anche un certo valore agli utenti, ma per la maggior parte supportano funzionalità.
Impostare le funzionalità sono un sottoinsieme unico di funzionalità progettate per configurare un prodotto per il seguente utilizzo conveniente. Molti utenti li utilizzano, ma come al solito avviene una volta, in fase di onboarding.
Nicchia Le funzionalità sono un sottoinsieme molto speciale di funzionalità che potrebbero apportare un enorme valore, ma questo valore è percepito da un numero limitato di utenti.
Ora siamo pronti per confrontare i risultati di questo equilibrato approccio ai risultati del messaggio precedente:
Come possiamo vedere in cima all’elenco ce ne sono alcuni Nicchia caratteristiche.
Di sicuro possiamo provare a migliorare la loro adozione e allontanarli Nicchia A Potenza2 o anche Nucleo grappolo. Per alcuni di loro è possibile, per altri no. Ma il punto principale qui è non presumere semplicemente che qualsiasi funzionalità con elevata ritenzione sia a nucleo caratteristica.
Inoltre, tieni presente che alcune funzionalità possono passare da un cluster all’altro nel tempo. Potrebbero esserci diverse ragioni per questo: sforzi di acquisizione di nuovi utenti, cambiamenti UX nelle funzionalità, maturazione della base utenti, ecc.
Infine, raggruppiamo le funzionalità in cluster e calcoliamo i centroidi dei cluster:
Ci sono diversi spunti importanti qui:
- Nucleo + Potenza i cluster rappresentano solo circa il 20% di tutte le funzionalità del prodotto.
- Altri il cluster rappresenta il 27% di tutte le funzionalità e allo stesso tempo serve solo l’8,7% degli utenti.
- Nicchia vengono utilizzate solo dall’11,3% degli utenti e allo stesso tempo registrano la fidelizzazione più elevata (anche superiore a quella Nucleo grappolo).
Nel prossimo articoloParlerò di un’altra prospettiva sulla definizione di conservazione delle funzionalità.
PS C’è un modo migliore per raggruppare le funzionalità del prodotto basato sul Coefficiente MCC.
Fonte: towardsdatascience.com
