Dashboard Anda mengatakan peluncuran berhasil. Pendaftaran masuk, login meningkat, dan tim merasa lega.
Lalu dua minggu berlalu. Tiket dukungan menurun, tetapi bukan karena produk berjalan lancar. Orang-orang hanya tidak datang kembali. Beberapa pengguna berpengaruh aktif. Akun baru sebagian besar diam. Anda mengirimkan akses, bukan penggunaan.
Itu adalah kesenjangan metrik penggunaan pengguna dimaksudkan untuk menutup. Mereka membantu Anda menjawab pertanyaan yang lebih sulit daripada “Apakah orang-orang datang?” Mereka menjawab “Apakah orang-orang mencapai nilai, kembali, dan membuat produk menjadi bagian dari rutinitas mereka?” Perubahan itu penting karena signups dan logins mentah seringkali merupakan metrik vanitas. Mereka memberitahu Anda bahwa seseorang menyentuh pegangan pintu. Mereka tidak memberitahu Anda apakah mereka sepenuhnya pindah.
Untuk tim produk, hal ini biasanya menjadi nyata ketika peluncuran terlihat baik di kertas tetapi lemah dalam praktek. Alat kolaborasi mungkin mendapatkan banyak pembuatan akun, tetapi hanya sebagian kecil pengguna yang membuat proyek pertama, mengundang tim, atau kembali nanti. Aplikasi seluler mungkin melihat unduhan, tetapi sangat sedikit pengguna yang menyelesaikan onboarding atau menyelesaikan aksi pertama yang membuat produk berguna. Jika Anda telah menatap jenis kesesuaian itu, Anda sudah bertanya pertanyaan yang tepat.
Rangkaian yang lebih baik adalah menganggap adopsi sebagai perjalanan dari akses ke kebiasaan. Artinya, kita harus memantau momen-momen di mana pengguna pertama kali memahami produk, pertama kali mendapatkan hasil, dan kemudian mengulangi perilaku. Tim yang bekerja pada pengalaman pengguna aplikasi, pengaktifan, dan perbaikan pengalaman pengguna biasanya menemukan hal yang sama. Keberhasilan pengguna pertama lebih penting daripada login pengguna pertama. Tabel Isi Pendahuluan Melampaui Pendaftaran ke Adopsi yang Nyata
8 Indikator Adopsi Pengguna yang Paling Penting
- Cara Sederhana untuk Berpikir tentang Adopsi
- Indikator Adopsi Pengguna Utama pada Pandangan Pertama
- Mulai dengan instrumen acara
- Menginterpretasikan Metrik Anda dan Mengatur Benchmarks
- Di Luar Dasar Pengguna vs Akun-Level Pengadopsian
- Membangun Dashboard Pengadopsian Anda dan Mengambil Tindakan
- The Future of Adoption Metrics with AI and Automation
Pendahuluan: Lebih dari Pendaftaran untuk Pengadopsian yang Nyata
Banyak tim masih mengukur kesuksesan dengan cara toko menghitung lalu lintas kaki. Semakin banyak pengunjung berarti hal-hal berjalan dengan baik. Tapi produk tidak menang karena orang tiba sekali. Mereka menang karena pengguna menyelesaikan aksi yang bermakna dan mengulanginya.
Itulah mengapa pengukuran pengadopsian ada. Mereka menggantikan fokus yang dangkal pada akuisisi mentah dengan pandangan perilaku nilai produk. Pertanyaan yang berguna bukanlah “Berapa banyak yang membuat akun?” Tapi “Berapa banyak yang mencapai titik di mana produk menjadi cukup berguna untuk kembali?”
Aturan praktis: Jika suatu metrik tidak terhubung dengan nilai pengguna, maka mungkin tidak akan membantu Anda meningkatkan pengadopsian.
Pikirkan sebuah aplikasi manajemen proyek. Masuk sekali seperti berjalan ke lobby gym. Tidak berarti seseorang berolahraga. Membuat proyek pertama, menugaskan tugas, dan kembali keesokan harinya untuk memperbarui progress. Itu adalah perilaku yang menunjukkan pengadopsian mulai.
Tiga jenis pertanyaan biasanya paling penting:
- Pengungkapan nilai: Mengapa pengguna menyelesaikan aksi yang bermakna pertama?
- Perilaku ulang: Mengapa mereka kembali setelah kesuksesan pertama?
- Alur kerja sesuai: Apakah penggunaan telah menyebar dari rasa ingin tahu ke kebiasaan?
Bagian lain dari panduan ini dibangun di sekitar pertanyaan-pertanyaan tersebut. Beberapa metrik memberitahu Anda apakah proses onboarding berhasil. Yang lainnya memberitahu Anda apakah produk menjadi membentuk kebiasaan. Metrik yang lebih maju membantu tim B2B menjawab sesuatu yang bahkan lebih sulit. Apakah satu orang saja yang menerima produk, atau seluruh akun pelanggan yang menerima produk?
Penjelasan 8 Metrik Pengadopsian Pengguna yang Paling Esensial
Cara sederhana untuk berpikir tentang pengadopsian
Analogi yang paling mudah adalah keanggotaan gym. Mendaftar bukanlah pengadopsian. Datang ke workout pertama lebih dekat. Datang kembali setiap minggu adalah yang membuktikan gym menjadi bagian dari kehidupan seseorang.
Logika yang sama berlaku pada perangkat lunak. Menurut Ringkasan ClickLearn tentang metrik pengadopsian pengguna, pengadopsian biasanya diartikan sebagai persentase dari populasi target yang mencapai titik tolak penggunaan yang bermakna, bukan sebagai pendaftaran atau login mentah. Framing yang sama termasuk rumus-rumus seperti pengadopsian = (pengguna aktif baru / total pengguna) × 100 dan pengadopsian fitur = (pengguna yang menggunakan fitur / pengguna aktif total) × 100.
Pandangan Ringkas Metrik Adopsi Pengguna Utama
| Metrik | Fomula | Apa yang Dikatakannya |
|---|---|---|
| Aktivasi | Berbeda-beda berdasarkan tonggak produk | Apakah pengguna telah mencapai momen nilai nyata pertama |
| DAU/MAU | Pengguna aktif harian / pengguna aktif bulanan | Berapa kali pengguna kembali dalam sebulan |
| Pemeliharaan | Berbeda-beda berdasarkan jendela kembali | Apakah pengguna terus kembali setelah memulai |
| Penggantian Pengguna | Bervariasi menurut definisi kerugian | Berapa banyak pengguna yang berhenti menggunakan produk |
| Keterikatannya | Sering diukur dengan DAU/MAU | Apakah penggunaan menjadi rutinitas |
| Pengadopsian Fitur | (Pengguna menggunakan fitur / total pengguna aktif) × 100 | Apakah kemampuan tertentu berpengaruh dalam praktek |
| Waktu untuk Mendapatkan Nilai | Waktu dari pendaftaran ke momen pertama nilai | How fast pengguna mendapatkan hasil yang bermakna |
| Angka Pengadopsian | (Pengguna aktif baru / total pengguna) × 100 | Banyaknya pengguna yang berpindah dari akses ke pengguna aktif |
Untuk tim yang mencoba menghubungkan pengadopsian dengan loyalitas, membantu untuk membandingkan metrik ini dengan pola retensi pengguna aplikasi . Pengadopsian mendapatkan pengguna ke nilai. Retensi menunjukkan apakah mereka tetap di sanaApa yang setiap metrik sebenarnya mengatakan
Aktivasi
mengukur apakah pengguna melewati garis awal. Dalam aplikasi catatan, itu mungkin berarti membuat catatan pertama. Dalam Slack, itu mungkin berarti mengirim pesan. Formula yang tepat tergantung pada produk Anda, tetapi prinsipnya stabil. Pilih aksi pertama yang membuktikan produk berfungsi DAU/MAU
menggambarkan pengguna aktif harian dengan pengguna aktif bulanan. Ini adalah sinyal frekuensi. Jika banyak pengguna bulanan juga aktif harian, produk kemungkinan besar menjadi bagian dari rutinitas Adopsi mendapatkan pengguna ke nilai. Retensi menunjukkan apakah mereka tetap di sana
Retention Mengapa pengguna kembali setelah periode awal, karena beberapa produk menciptakan kesan yang baik tetapi gagal menjadi berguna kemudian.
Churn adalah gambaran yang sebaliknya. Ini menunjukkan siapa yang berhenti berpartisipasi. Churn berguna, tetapi bekerja terbaik sebagai lampu peringatan, bukan sebagai roda pengemudi utama. Saat churn meningkat, penyebab biasanya sudah dimulai lebih awal dalam aktivasi atau pengiriman nilai.
Lacak churn, tetapi habiskan lebih banyak energi produk pada metrik yang menjelaskannya.
Stickiness sering dibahas bersama DAU/MAU. Di banyak tim, orang menggunakan istilah-istilah tersebut hampir secara bergantian. Konsep praktisnya sederhana. Produk yang menempel sering dikunjungi cukup sering sehingga pengguna tidak perlu diingatkan.
Pengadopsian fitur mengurangi fokus dari produk keseluruhan ke satu kemampuan. Jika Anda meluncurkan pembuat alur kerja, alat berbagi file, atau alur persetujuan, metrik ini menunjukkan apakah pengguna aktif menggunakan fitur tersebut. Rumus dari sumber sebelumnya jelas: (pengguna yang menggunakan fitur / pengguna aktif total) × 100.
Waktu untuk nilai menilai berapa lama waktu yang dibutuhkan pengguna untuk mencapai hasil yang bermakna pertama kali. Metrik ini sering menunjukkan gesekan pada tahap onboarding. Jika pengguna membutuhkan langkah-langkah setup yang terlalu banyak sebelum produk terasa bermanfaat, peningkatan adopsi terhambat awal.
Adopsi tingkat menggambarkan gambaran besar. Ia bertanya berapa banyak pengguna yang menjadi aktif secara bermakna daripada hanya terdaftar. Itulah mengapa itu adalah indikator bisnis yang lebih kuat daripada hanya pendaftaran.
Aturan kerja yang baik adalah untuk memadukan metrik daripada membacanya sendirian:
- Aktivasi + waktu untuk nilai menunjukkan apakah proses onboarding mengarah ke kemenangan pertama yang berguna.
- DAU/MAU + retensi menunjukkan apakah penggunaan adalah dangkal atau kebiasaan.
- Adopsi fitur + pengguguran membantu Anda menemukan apakah kemampuan inti menarik pengguna atau gagal berarti.
Cara Mengukur dan Mengikuti Adopsi Efektif
Mulai dengan instrumen acara
Pengukuran adopsi dimulai jauh sebelum Anda membuka dashboard. Ini dimulai ketika Anda memutuskan apa saja perilaku pengguna yang layak diikuti.
If tim Anda menggunakan Amplitude, Mixpanel, Heap, PostHog, atau Google Analytics, keputusan utama adalah sama di semua platform. Tentukan event produk seputar nilai, bukan klik antarmuka yang tidak berarti sendiri. “Project Dibuat,” “Undangan Dikirim,” “Template Diterapkan,” dan “Laporan Diekspor” adalah event yang berguna. “Halaman Dilihat” sering tidak cukup.
A setup event sederhana biasanya mencakup:
- Event masuk: Pendaftaran, login pertama, dimulainya onboarding
- Event nilai: Project pertama dibuat, file pertama diunggah, workflow pertama diselesaikan
- Event kebiasaan: Kembali ke sesi, tugas ulang selesai, aksi kolaborasi berulang
Tim juga menggunakan peluncuran terkendali untuk menguji apakah perubahan meningkatkan capaian ini. Sistem flag fitur dapat membantu memisahkan dampak dari salinan copy onboarding, pengaturan default, atau perubahan UI. Jika tim Anda sedang menguji rilis berjenjang, panduan ini untuk mengimplementasikan flag fitur adalah komplement yang praktis.
Pakai kelompok untuk melihat perubahan seiring waktu
Analisis kelompok adalah salah satu cara yang paling jelas untuk menghindari kebohongan diri. Sebaliknya dari menggabungkan semua pengguna bersama, Anda kelompokkan mereka berdasarkan kapan mereka memulai atau berdasarkan pengalaman yang mereka terima.
Itu membantu Anda menjawab pertanyaan seperti ini:
- Apakah pengguna yang melihat onboarding baru selesai aktivasi lebih sering?
- Apakah akun yang dibuat setelah merancang ulang kembali secara konsisten?
- Apakah tingkat rencana baru berperilaku berbeda dari pengguna self-serve?
Tanpa kelompok, gambaran peningkatan Anda menjadi kabur. Pengguna kuat yang ada dapat menyembunyikan masalah yang mempengaruhi pengguna baru. Angka garis atas yang meningkat dapat membuat peluncuran yang lemah terlihat sehat.
Lens operator: Bandingkan perilaku berdasarkan tanggal mulai setiap kali Anda mengubah onboarding, harga, pengemasan, atau alur kerja inti.
Peta jalur dengan funnels
Funnels menunjukkan di mana pengguna berhenti bergerak. Mereka berguna karena masalah peningkatan yang paling banyak bukanlah misterius. Mereka terjadi pada langkah tertentu.
Untuk produk yang paling banyak, funnel peningkatan seperti ini:
- Kedatangan: Seseorang mengunjungi situs atau menginstal aplikasi
- Pembuatan Akun: Mereka mendaftar
- Penggunaan Pertama: Mereka menyelesaikan aksi inti awal
- Penyelesaian Aksi Utama: Mereka mencapai titik milistone produk khusus
- Penggunaan Ulang: Mereka kembali dan melakukannya lagi
Tidaklah penting membuat funnel terlihat cantik. Yang penting adalah mengidentifikasi handoff yang gagal secara tepat. Jika banyak pengguna mendaftar tetapi sedikit yang menyelesaikan penggunaan pertama, onboarding Anda mungkin yang menjadi masalah. Jika pengguna mencapai penggunaan pertama tetapi tidak kembali, produk mungkin dapat dipahami tetapi tidak menarik.
Menginterpretasikan Data Anda dan Mengatur Standar Referensi
Context lebih berharga daripada angka-angka yang terisolasi
Satu metrik sendiri dapat menipu Anda. Interpretasi yang baik dimulai dengan pekerjaan produk.
Aplikasi perencanaan harian dan alat pelaporan bulanan akan memiliki ritme penggunaan yang berbeda. Alat kolaborasi dengan alur kerja tim akan terlihat berbeda dari aplikasi utilitas solo. Jadi ketika tim bertanya apakah sebuah angka adalah “baik,” jawaban yang berguna seringkali adalah “baik untuk perilaku apa?”
Namun, satu benchmark telah menjadi sangat penting. Menurut diskusi Stonly tentang metrik adopsi pengguna, Rasio DAU/MAU sangat digunakan sebagai ukuran kekangan, dan sebuah 50% Rasio DAU/MAU berarti pengguna rata-rata membuka produk sekitar 15 dari 30 hari dalam sebulan. Itu adalah mengapa tim menggunakan sebagai substitusi untuk pembentukan kebiasaan bukan penggunaan satu kali.
Pakai kekentalan dengan hati-hati
Kekentalan kuat karena membedakan penggunaan luas tapi dangkal dari penggunaan yang lebih dalam. Produk bisa memiliki banyak pengguna tapi masih lemah jika kebanyakan dari mereka hampir tidak kembali.
Tapi kekentalan bukanlah putusan tunggal. Kekentalan menjadi lebih berguna ketika dipasangkan dengan retensi dan kualitas perilaku. Jika DAU/MAU meningkat sementara aksi yang bermakna tetap stabil, pengguna mungkin membuka aplikasi tanpa melakukan banyak hal. Jika kekentalan rendah tapi produk alami sifatnya, metrik mungkin hanya mencerminkan kasus penggunaan.
Itulah mengapa interpretasi kinerja harus mencakup konteks produk, riwayat rilis, dan kualitas pengalaman. Tim yang memperbaiki optimasi kinerja aplikasi sering melihat bahwa waktu muat yang lebih cepat dan gangguan yang lebih sedikit dapat mendukung penggunaan yang lebih berulang, tapi metrik masih harus dibaca bersama dengan apa yang pengguna capai.
Indikator terbaik seringkali adalah internal
Benchmark eksternal berguna untuk orientasi. Benchmark internal lebih baik untuk pengambilan keputusan.
Bandingkan kelompok sebelum dan setelah perubahan produk. Bandingkan pengguna yang menyelesaikan onboarding dengan pengguna yang melewatinya. Bandingkan akun dengan rencana atau jalur pengaturan yang berbeda. Perbandingan-perbandingan itu memberitahu Anda apakah kerja Anda mengubah perilaku.
Sistem benchmark yang praktis seringkali mencakup:
- Referensi: Perilaku Anda saat ini sebelum perubahan
- Diprediksi: Gerakan Apakah metrik yang harus berubah jika eksperimen berhasil
- Aturan keputusan: Apa aksi lanjutan yang akan Anda lakukan jika tidak
Ketika metrik bergerak, tanyakan apa perilaku pengguna yang berubah. Ketika mereka tidak bergerak, tanyakan apakah perubahan produk menyentuh sumber nilai yang sebenarnya.
Dibandingkan Dasar-Dasar: Penggunaan Tingkat Pengguna vs Tingkat Akun
Mengapa produk tim menciptakan blind spot
Di sini terletak kelemahan umum bagi banyak tim B2B. Angka penggunaan yang sehat dapat menutupi akun yang rapuh.
Pembahasan Gainsight tentang pengukuran penggunaan dalam konteks B2B Mengingatkan gap umum dalam panduan mainstream. Sebagian besar penjelasan fokus pada aktivasi, DAU/MAU, waktu untuk nilai, dan penggunaan fitur, tetapi mereka tidak secara jelas memberitahu Anda kapan harus mengukur penggunaan per pengguna, per akun, atau kedua-duanya.
Pembeda ini penting karena dua pandangan menjawab pertanyaan yang berbeda. Penggunaan tingkat pengguna memberitahu Anda apakah individu yang aktif. Penggunaan tingkat akun memberitahu Anda apakah organisasi pelanggan telah mengintegrasikan produk ke dalam alur kerja mereka.
Melacak kedalaman dan luasnya bersamaan
Pikirkan tentang platform penjualan yang dibeli oleh sebuah perusahaan besar. Salah satu pemimpin operasional masuk setiap hari, membuat laporan, dan menyukai produk. Akun terlihat aktif. Tapi jika tidak ada orang lain yang menggunakan, peluncuran masih lemah. Jika pemimpin itu pergi, akun tiba-tiba berisiko.
Model yang lebih baik adalah melacak kedua:
- Luasnya adopsi: Banyak orang di dalam akun yang aktif
- Kedalaman adopsi: Bagaimana orang-orang itu menggunakan produk secara signifikan
- Pemisahan: Apakah adopsi berbeda-beda oleh peran, paket, atau kasus penggunaan
Ini sangat penting dalam produk multi-pengguna. Akun dapat menampilkan penggunaan fitur sementara masih gagal menyebar ke tim. Sebaliknya juga dapat terjadi. Banyak pengguna mungkin masuk, tapi hanya dalam kedalaman yang dangkal.
Satu cara praktis untuk menampilkan ini adalah dengan memeriksa akun dalam segmen-segmen daripada sebagai satu rata-rata besar. Tim sering mendapatkan visibilitas yang lebih baik dengan mengsegmentasikan pengguna berdasarkan paket dan saluranlalu menambahkan penggunaan berdasarkan peran.
Sebuah peluncuran B2B yang kuat biasanya menunjukkan kedua penyebaran dan substansi. Salah satu tanpa yang lain tidak stabil.
Membangun Dashboard Penerimaan dan Mengambil Tindakan
Sebuah dashboard yang berguna tidak mencoba menampilkan segalanya. Ia menceritakan sebuah cerita singkat tentang apakah pengguna mencapai nilai, mengulanginya, dan menyebarluaskan penggunaan di dalam akun.
Apa yang harus ada di dashboard
Untuk kebanyakan tim produk, dashboard harus berfokus pada sebuah set kecil tanda perilaku:
- Tren aktivasi: Apakah pengguna baru mencapai mila pahit pertama?
- Tren waktu nilai: Apakah jalur ke kesuksesan pertama menjadi lebih singkat atau semrawut?
- Pemandangan retensi: Apakah pengguna kembali setelah kemenangan pertama?
- Tampilan penerimaan fitur: Apakah kemampuan utama digunakan oleh pengguna aktif?
- Tingkat penerimaan akun: Apakah tim menerima secara luas, atau penggunaan terkonsentrasi?
Papan pengawas juga memerlukan segmentasi. Pengguna baru versus pengguna yang sudah ada. Pengguna sendiri versus akun. Tanpa potongan-potongan itu, rata-rata menghaluskan cerita.
Mengubah metrik menjadi keputusan produk
Setiap metrik harus memicu respons tertentu. Jika aktivasi lemah, ketatkan proses masuk dan hapus gesekan setup. Jika waktu untuk nilai lambat, kurangi jumlah langkah yang diperlukan sebelum pengguna melihat hasil inti. Jika penerimaan fitur rendah, masalah mungkin adalah penemuan, relevansi, atau pasangan kerja.
Kecepatan rilis penting di sini karena tim produk belajar melalui loop balik cepat. Alat seperti Amplitude dan Mixpanel membantu Anda membaca perilaku. Alat pengiriman membantu Anda menguji perubahan terhadap perilaku tersebut. Di tim mobile dan multi-platform, Capgo adalah salah satu pilihan untuk mengirimkan JavaScript, CSS, konfigurasi, teks, dan update aset tanpa menunggu ulasan toko aplikasi, yang dapat memperpendek siklus antara mengamati masalah penerimaan dan menguji solusi.
Di kemudian tahap workflow, video demo dapat membantu tim menyepakati apa yang berubah dan mengapa.
A practical operating rhythm seperti ini:
- Review dashboard mingguan.
- Identifikasi satu bottleneck adopsi.
- Ship satu perubahan fokus.
- Bandingkan kohort berikutnya dengan yang sebelumnya.
- Tetapkan atau kembalikan berdasarkan perilaku, bukan pendapat.
Itulah cara kerja adopsi menjadi terkelola. Bukan dengan mengejar setiap metrik sekaligus, tetapi dengan membuat loop yang teratur antara pengukuran dan tindakan produk.
Masa Depan dari Metrik Adopsi dengan AI dan Automasi
AI mulai memperumit makna dari adopsi. Metrik adopsi pengguna tradisional mengasumsikan bahwa manusia masuk, melakukan aksi, dan kembali. Model tersebut menjadi tidak stabil ketika agent AI membuat konten, mengaktifkan alur kerja, atau menyelesaikan tugas otomatis.
Karena Catatan Userpilot tentang mengubah pengukuran adopsi menyebutkan, panduan yang lebih baru sudah mengangkat isu tentang “Manusia vs. Agent AI.” Masalah praktisnya sederhana. Metrik seperti DAU/MAU, durasi sesi, dan waktu untuk aksi kunci pertama dapat terlihat lebih kuat meskipun aktivitasnya dipicu oleh otomatisasi bukan karena orang yang menyadari nilai.
Tim akan membutuhkan atribusi yang lebih bersih. Siapa yang memulai tugas? Apa yang dibantu oleh AI? Apa yang sepenuhnya otonom? Perbedaan-perbedaan ini akan lebih penting ketika otomatisasi menjadi bagian dari penggunaan produk yang normal. Bintang utara tetap sama. Ukur apakah orang dan organisasi mendapatkan nilai yang nyata dan berulang. Tapi jangan asumsikan setiap aksi datang dari manusia lagi.
Jika tim Anda mengirimkan aplikasi Capacitor atau Electron dan ingin memiliki siklus yang lebih dekat antara analisis adopsi dan perubahan produk, Capgo adalah patut dipertimbangkan. Ini memungkinkan tim untuk mengirimkan pembaruan code dan konten dengan cepat, menargetkan saluran rilis yang spesifik, dan memantau perilaku peluncuran sehingga produk, teknik, dan dukungan dapat bereaksi lebih cepat ketika adopsi terhambat.
