Buku panduan lengkap Anda tentang metrik penggunaan pengguna. Pelajari cara menghitung dan menerjemahkan metrik kunci seperti DAU/MAU, retensi, dan churn untuk mendorong pertumbuhan produk nyata.
Buku panduan lengkap Anda tentang metrik penggunaan pengguna. Pelajari cara menghitung dan menerjemahkan metrik kunci seperti DAU/MAU, retensi, dan churn untuk mendorong pertumbuhan produk nyata. Anda memiliki dashboard yang mengatakan bahwa peluncuran berhasil. Pendaftaran masuk, login meningkat, dan tim merasa lega. Lalu dua minggu berlalu. Tiket dukungan menurun, tapi bukan karena produk berjalan lancar. Orang-orang hanya tidak datang kembali. Beberapa pengguna berpengaruh sedikit aktif. Mayoritas akun baru diam. Anda mengirimkan akses, bukan penggunaan.
Itu adalah kesenjangan Indikator adopsi pengguna dimaksudkan untuk ditutup. Mereka membantu Anda menjawab pertanyaan yang lebih sulit daripada "Apakah orang-orang hadir?" Mereka menjawab "Apakah orang-orang mencapai nilai, kembali, dan membuat produk menjadi bagian dari rutinitas mereka?" Perubahan itu penting karena penggunaan dasar dan login seringkali merupakan indikator vanitas. Mereka memberitahu Anda bahwa seseorang menyentuh pegangan pintu. Mereka tidak memberitahu Anda apakah mereka sepenuhnya pindah.
Bagi 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 rekan kerja, atau kembali kemudian. Aplikasi seluler mungkin melihat unduhan, tetapi sangat sedikit pengguna yang menyelesaikan proses onboarding atau menyelesaikan aksi pertama yang membuat produk berguna. Jika Anda telah menatap jenis kesesuaian itu, Anda sudah bertanya hal yang benar.
Pandangan yang lebih baik adalah menganggap adopsi sebagai perjalanan dari akses ke kebiasaan. Artinya menonton saat pengguna pertama kali memahami produk, pertama kali mendapatkan hasil, dan kemudian mengulangi perilaku. Tim yang bekerja pada onboarding, aktivasi, dan peningkatan pengalaman pengguna aplikasi biasanya menemukan hal yang sama. Kesuksesan pengguna pertama lebih penting daripada login pengguna pertama.
Daftar Isi
- Pendahuluan Melampaui Pendaftaran ke Adopsi yang Benar
- 8 Indikator Adopsi Pengguna yang Paling Esensial Dijelaskan
- Bagaimana Mengukur dan Mengikuti Efektifnya Penggunaan
- Menginterpretasikan Metrik Anda dan Mengatur Benchmark
- Di Luar Dasar Penggunaan vs Penggunaan Akun
- Membangun Dashboard Penerimaan Anda dan Mengambil Tindakan
- Masa Depan Metrik Penerimaan dengan AI dan Otomatisasi
Pengenalan Jauh dari Pendaftaran ke Penerimaan yang Benar
Banyak tim masih mengukur kesuksesan dengan cara toko mungkin menghitung lalu lintas kaki. Pengunjung lebih banyak harus berarti hal-hal berjalan baik. Tapi produk tidak menang karena orang tiba sekali. Mereka menang karena pengguna menyelesaikan aksi yang bermakna dan mengulanginya.
Itu mengapa metrik penerimaan ada. Mereka menggantikan fokus yang dangkal pada akuisisi mentah dengan pandangan perilaku nilai produk. Pertanyaan yang berguna bukanlah “Berapa banyak yang membuat akun?” Melainkan “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 penerimaan.
Bayangkan aplikasi manajemen proyek. Masuk ke aplikasi sekali seperti berjalan ke lobby gym. Ini tidak berarti seseorang berolahraga. Membuat proyek pertama, menugaskan tugas, dan kembali keesokan harinya untuk memperbarui progress. Itu adalah perilaku yang menunjukkan penerimaan mulai.
Tiga jenis pertanyaan biasanya yang paling penting:
- Penemuan Nilai: Apakah pengguna telah menyelesaikan aksi yang bermakna pertama?
- Ulangi perilaku: Apakah mereka kembali setelah kesuksesan pertama?
- Kesesuaian alur kerja: Apakah penggunaan menyebar jauh dari rasa ingin tahu ke kebiasaan?
Bagian sisa dari panduan ini dibangun sekitar pertanyaan-pertanyaan tersebut. Beberapa metrik menginformasikan apakah proses onboarding berhasil. Yang lainnya menginformasikan apakah produk menjadi kebiasaan. Metrik yang lebih maju membantu tim B2B menjawab sesuatu yang lebih sulit. Apakah satu orang mengadopsi produk, atau seluruh akun pelanggan mengadopsinya?
Penjelasan 8 Metrik Pengadopsian Pengguna yang Paling Esensial
Cara sederhana untuk berpikir tentang pengadopsian
Cara paling mudah untuk berpikir tentang pengadopsian adalah dengan membandingkannya dengan keanggotaan gym. Mendaftar bukanlah pengadopsian. Muncul untuk pertama kali ke tempat latihan adalah yang lebih dekat. Datang kembali setiap minggu adalah yang membuktikan bahwa gym menjadi bagian dari kehidupan seseorang.
Logika yang sama berlaku untuk perangkat lunak. Menurut Penjelasan Ringkas dari ClickLearn tentang Metrik Pengadopsian PenggunaPengadopsian biasanya diartikan sebagai persentase dari populasi target yang mencapai batas penggunaan yang signifikan, bukan sebagai pendaftaran atau login mentah. Framing yang sama termasuk rumus-rumus seperti pengadopsian = (pengguna aktif baru / total pengguna) × 100 dan pengadopsian fitur = (pengguna menggunakan fitur / pengguna aktif total) × 100.
Pengukuran Pengadopsian Pengguna Utama Secara Ringkas
| Pengukuran | Rumus | Apa yang Dikatakannya |
|---|---|---|
| Aktivasi | Berbeda-beda tergantung pada tonggak produk | Apakah pengguna mencapai momen nilai nyata pertama |
| DAU/MAU | Pengguna aktif harian / pengguna aktif bulanan | Berapa sering pengguna kembali dalam satu bulan |
| Pertahanan | Bervariasi menurut jendela kembali | Apakah pengguna terus kembali setelah memulai |
| Pengeluaran | Bervariasi menurut definisi kehilangan | Berapa banyak pengguna yang berhenti menggunakan produk |
| Kekuatan ikat | Sering diukur dengan DAU/MAU | Apakah penggunaan menjadi rutin |
| Pengadopsian fitur | (Pengguna menggunakan fitur / pengguna aktif total) × 100 | Apakah kemampuan tertentu berpengaruh dalam praktiknya |
| Waktu untuk Nilai | Waktu dari pendaftaran ke momen pertama nilai | Berapa cepat pengguna mendapatkan hasil yang bermakna |
| Tingkat Penerimaan | (Pengguna aktif baru / pengguna total) × 100 | Berapa banyak pengguna yang berpindah dari akses ke pengguna aktif |
Untuk tim yang mencoba menghubungkan penerimaan dengan loyalitas, membantu untuk membandingkan metrik ini dengan pola retensi pengguna aplikasi. Penerimaan mendapatkan pengguna ke nilai. Retensi menunjukkan apakah mereka tetap di sana.
Apa yang setiap metrik sebenarnya mengatakan kepadamu
Aktivasi mengetahui apakah pengguna telah melewati garis awal. Dalam aplikasi catatan, itu mungkin berarti membuat catatan pertama. Di Slack, itu mungkin berarti mengirim pesan. Formula yang tepat tergantung pada produk Anda, tetapi prinsipnya stabil. Pilih aksi pertama yang membuktikan produk Anda telah berfungsi.
DAU/MAU menggambarkan pengguna aktif harian dengan pengguna aktif bulanan. Ini adalah sinyal frekuensi. Jika banyak pengguna bulanan juga aktif harian, produk Anda kemungkinan besar menjadi bagian dari rutinitas.
Retensi menanyakan apakah pengguna kembali setelah periode awal, karena beberapa produk menciptakan kesan awal 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 pengendali utama. Saat churn meningkat, penyebabnya biasanya sudah dimulai lebih awal dalam aktivasi atau pengiriman nilai.
Lacak churn, tetapi habiskan lebih banyak energi produk pada metrik yang menjelaskannya.
Kekuatan Mengikat sering dibahas bersama DAU/MAU. Dalam banyak tim, orang menggunakan istilah hampir secara bergantian. Konsep praktisnya sederhana. Produk yang kuat mengikat mendapatkan kunjungan yang sering sehingga pengguna tidak perlu diingatkan.
Pengadopsian Fitur Mempersempit fokus dari produk keseluruhan ke satu kemampuan. Jika Anda meluncurkan pembuat alur kerja, alat berbagi file, atau aliran persetujuan, metrik ini menunjukkan apakah pengguna aktif menggunakan fitur tersebut. Formula dari sumber awal jelas: (pengguna yang menggunakan fitur / pengguna aktif total) × 100.
Waktu sampai nilai menunjukkan berapa lama waktu yang dibutuhkan oleh pengguna untuk mencapai hasil yang bermakna pertama. Metrik ini sering menunjukkan gesekan pada tahap onboarding. Jika pengguna membutuhkan banyak langkah setup sebelum produk terasa bermanfaat, peningkatan adopsi terhambat awal.
Angka adopsi menggabungkan gambaran besar. Ia bertanya berapa banyak pengguna yang menjadi aktif secara bermakna daripada hanya terdaftar. Itulah mengapa ia adalah metrik bisnis yang lebih kuat daripada hanya pendaftaran.
Aturan kerja yang baik adalah untuk memadukan metrik daripada membacanya sendirian:
- Aktivasi + waktu sampai nilai menunjukkan apakah onboarding menuju ke kemenangan yang berguna pertama.
- DAU/MAU + retensi menunjukkan apakah penggunaan adalah dangkal atau kebiasaan.
- Penggunaan fitur + pengunduran diri Membantu Anda menemukan apakah kemampuan inti menarik pengguna atau gagal berarti.
Bagaimana Mengukur dan Mengikuti Efektifnya Penggunaan
Mulai dengan instrumen acara
Pengukuran penggunaan dimulai jauh sebelum Anda membuka dashboard. Ini dimulai ketika Anda memutuskan perilaku pengguna yang layak diikuti.
Jika tim Anda menggunakan Amplitude, Mixpanel, Heap, PostHog, atau Google Analytics, keputusan kunci sama di semua platform. Tentukan acara produk seputar nilai, bukan klik antarmuka yang tidak berarti sendiri. “Project Dibuat,” “Undangan Dikirim,” “Template Diterapkan,” dan “Laporan Diekspor” adalah acara yang berguna. “Halaman Dilihat” sering tidak cukup.
Konfigurasi acara sederhana biasanya mencakup:
- Acara masuk: Pendaftaran, login pertama, onboarding dimulai
- Acara nilai: Project dibuat pertama kali, file diunggah pertama kali, alur kerja selesai pertama kali
- Acara kebiasaan: Sesi ulang, tugas ulang, aksi kolaborasi berulang
Tim juga menggunakan peluncuran terkendali untuk menguji apakah perubahan meningkatkan ini capaian. Sistem flag fitur dapat membantu mengisolasi dampak copy onboarding, pengaturan default, atau perubahan UI. Jika tim Anda sedang melakukan peluncuran berstadium, panduan ini untuk mengimplementasikan flag fitur adalah komplement yang sangat berguna.
Gunakan kelompok untuk melihat perubahan secara waktu
Analisis kelompok adalah salah satu cara yang paling jelas untuk menghindari memuakkan diri sendiri. Sebaliknya dari menggabungkan semua pengguna bersama, Anda mengelompokkannya berdasarkan kapan mereka dimulai 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 lemah terlihat sehat.
Kaca operator: Bandingkan perilaku berdasarkan tanggal mulai setiap kali Anda mengubah onboarding, harga, pengemasan, atau alur kerja inti.
Map jalur dengan kerucut-kerucut
Kerucut menunjukkan di mana pengguna berhenti bergerak. Mereka berguna karena sebagian besar masalah adopsi tidak misterius. Mereka terjadi di langkah tertentu.
Untuk sebagian besar produk, kerucut adopsi terlihat seperti ini:
- Kedatangan: Seseorang mengunjungi situs atau menginstal aplikasi
- Pembuatan akun: Mereka mendaftar
- Pertama kali digunakan: Mereka menyelesaikan aksi inti awal
- Penggunaan kunci selesai: Mereka mencapai milistone produk khusus
- Ulangi penggunaan: Mereka kembali dan melakukannya lagi
Tidaklah penting membuat funnel terlihat cantik. Yang penting adalah mengidentifikasi tukar menukar yang gagal tepat. Jika banyak pengguna mendaftar tapi sedikit yang menyelesaikan penggunaan pertama, masalahnya ada pada proses onboarding. Jika pengguna mencapai penggunaan pertama tapi tidak kembali, produk mungkin dapat dipahami tapi tidak menarik.
Menafsirkan Metrik Anda dan Mengatur Standar
Konteks mengalahkan angka-angka terisolasi
Angka metrik sendiri dapat menipu Anda. Penafsiran yang baik dimulai dengan pekerjaan produk.
Aplikasi perencanaan harian dan alat pelaporan bulanan akan memiliki ritme penggunaan yang berbeda. Produk kolaborasi dengan alur kerja tim akan terlihat berbeda dari aplikasi utilitas solo. Jadi ketika tim bertanya apakah sebuah angka
baik , jawaban yang berguna seringkali adalah baik untuk perilaku apa? DAU/MAU ratio Namun, satu standar telah menjadi sangat penting. Menurut diskusi Stonly tentang metrik adopsi pengguna, perbandingan DAU/MAU telah digunakan secara luas sebagai ukuran kekangan, dan Rasio 50% DAU/MAU berarti pengguna rata-rata membuka produk sekitar 15 dari 30 hari dalam sebulan. Itulah mengapa tim menggunakan metrik ini sebagai substitusi untuk pembentukan kebiasaan daripada penggunaan satu kali.
Pakai kekayaan dengan hati-hati
Kekayaan sangat berkuasa karena dapat membedakan penggunaan luas tapi dangkal dari penggunaan yang lebih dalam. Meskipun produk memiliki banyak pengguna, namun masih bisa dianggap lemah jika sebagian besar pengguna tidak kembali.
Tapi kekayaan bukanlah putusan tunggal. Kekayaan menjadi lebih berguna ketika dipasangkan dengan retensi dan kualitas perilaku. Jika DAU/MAU meningkat sementara aksi yang bermakna tetap stagnan, pengguna mungkin membuka aplikasi tanpa melakukan banyak hal. Jika kekayaan rendah tapi produk alami sifatnya tidak sering digunakan, maka metrik ini mungkin hanya mencerminkan kasus penggunaan.
Itulah mengapa interpretasi kinerja harus melibatkan konteks produk, riwayat rilis, dan kualitas pengalaman. Tim yang meningkatkan optimasi kinerja aplikasi sering melihat bahwa waktu muat yang lebih cepat dan penundaan yang lebih sedikit dapat mendukung penggunaan yang lebih sering, tapi metrik ini masih harus dibaca bersamaan dengan apa yang pengguna capai.
Indikator terbaik Anda seringkali adalah internal
Berdasarkan benchmark eksternal dapat membantu orientasi. Berdasarkan benchmark internal lebih baik untuk pengambilan keputusan.
Bandingkan kelompok sebelum dan setelah perubahan produk. Bandingkan pengguna yang menyelesaikan onboard dengan pengguna yang melompatinya. Bandingkan akun pada rekening yang berbeda atau dengan jalur pengaturan yang berbeda. Perbandingan-perbandingan tersebut dapat menunjukkan apakah pekerjaan Anda telah mengubah perilaku.
Sistem benchmark yang praktis sering kali mencakup:
- Referensi: Perilaku saat ini sebelum perubahan
- Gerakan yang diharapkan: Kriteria apa yang harus berubah jika eksperimen berhasil
- Aturan keputusan: Aksi apa yang akan diambil jika tidak berhasil
Ketika metrik bergerak, tanyakan apa perilaku pengguna yang berubah. Ketika mereka tidak bergerak, tanyakan apakah perubahan produk menyentuh sumber nilai yang nyata.
Di atas Dasar Penggunaan vs Penggunaan Akun
Mengapa produk tim menciptakan blind spot
Di sini terdapat kelemahan umum bagi banyak tim B2B. Angka pengadopsian yang terlihat sehat dapat menutupi akun yang rapuh.
Diskusi Gainsight tentang pengukuran pengadopsian di lingkungan B2B menunjukkan kelemahan umum dalam panduan mainstream. Sebagian besar penjelasan fokus pada aktivasi, DAU/MAU, waktu untuk nilai, dan pengadopsian fitur, tetapi mereka tidak secara jelas memberitahu Anda kapan harus mengukur pengadopsian per pengguna, per akun, atau kedua-duanya.
Perbedaan ini penting karena dua pandangan menjawab pertanyaan yang berbeda. Pengadopsian per pengguna memberitahu Anda apakah individu yang aktif. Pengadopsian per akun memberitahu Anda apakah organisasi pelanggan telah mengintegrasikan produk ke dalam alur kerja mereka.
Jalankan kedua-duanya
Pikirkan tentang platform penjualan yang dibeli oleh sebuah perusahaan besar. Seorang operasional utama masuk setiap hari, membuat laporan, dan menyukai produk. Akun terlihat aktif. Tapi jika tidak ada orang lain yang menggunakan produk, peluncuran masih lemah. Jika champion tersebut meninggalkan, akun tiba-tiba berisiko.
Model yang lebih baik adalah mengikuti kedua-duanya:
- Luas pengadopsian: Banyak orang di dalam akun yang aktif
- Kedalaman pengadopsian: Bagaimana orang-orang tersebut menggunakan produk secara signifikan
- Penggolongan: Apakah penyebaran adopsi berbeda berdasarkan peran, rencana, atau kasus penggunaan
Ini sangat penting dalam produk multi-tunggal. Sebuah akun dapat menampilkan penggunaan fitur sementara masih gagal menyebar ke tim. Hal yang sebaliknya juga dapat terjadi. Banyak pengguna mungkin masuk, tetapi hanya dalam kedalaman yang dangkal.
Cara praktis untuk menampilkan hal ini adalah dengan memeriksa akun dalam segmen-segmen daripada sebagai satu raksasa rata-rata. Tim sering mendapatkan visibilitas yang lebih baik dengan mengsegmentasi pengguna berdasarkan rencana dan saluran, kemudian menambahkan penggunaan berdasarkan peran di atas. Poinnya adalah untuk menghindari mengacaukan satu pahlawan yang bersemangat dengan adopsi organisasi yang sebenarnya.
Rollout B2B yang kuat biasanya menunjukkan baik penyebaran dan substansi. Satu tanpa yang lainnya tidak stabil.
Membangun Dashboard Adopsi Anda dan Mengambil Tindakan
Dashboard yang berguna tidak mencoba menampilkan segalanya. Ia menceritakan cerita singkat tentang apakah pengguna mencapai nilai, mengulanginya, dan menyebar penggunaan di dalam akun.
Apa yang termasuk di dashboard
Untuk tim produk mayoritas, dashboard harus berfokus pada satu set kecil signal perilaku:
- Tren aktivasi: Apakah pengguna baru mencapai titik milik yang berarti pertama kali?
- Trend nilai waktu: Apakah jalur ke kesuksesan pertama semakin singkat atau semakin berantakan?
- Tampilan retensi: Apakah pengguna kembali setelah mencapai kemenangan pertama?
- Tampilan adopsi fitur: Apakah kemampuan kunci digunakan oleh pengguna aktif?
- Potongan adopsi akun: Apakah tim mengadopsi secara luas, atau penggunaan terkonsentrasi?
Dashboard juga memerlukan segmentasi. Pengguna baru versus pengguna yang sudah ada. Pengguna self-serve versus pengguna perusahaan. Pengguna individu versus akun. Tanpa potongan-potongan itu, rata-rata menghaluskan cerita.
Ubah metrik menjadi keputusan produk
Setiap metrik harus memicu respons tertentu. Jika aktivasi lemah, ketatkan proses onboarding dan hapus gesekan setup. Jika waktu nilai lambat, kurangi jumlah langkah yang diperlukan sebelum pengguna melihat hasil inti. Jika adopsi fitur rendah, masalah mungkin adalah penemuan, relevansi, atau kesesuaian alur kerja.
Di sini, kecepatan rilis sangat penting karena tim produk belajar melalui loop balik umpan balik yang cepat. Alat seperti Amplitude dan Mixpanel membantu Anda membaca perilaku. Alat pengiriman membantu Anda menguji perubahan terhadap perilaku tersebut. Pada tim mobile dan multi-platform, Capgo adalah salah satu pilihan untuk mengirimkan pembaruan JavaScript, CSS, konfigurasi, teks, dan aset tanpa harus menunggu ulasan toko aplikasi, yang dapat memperpendek siklus antara mengamati masalah adopsi dan menguji perbaikan.
Di kemudian tahap workflow, video demo dapat membantu tim menyepakati apa yang berubah dan mengapa.
Ritme operasional yang praktis seperti ini:
- Tinjau dashboard mingguan.
- Identifikasi satu bottleneck adopsi.
- Kirimkan satu perubahan yang 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 menciptakan loop yang teratur antara pengukuran dan aksi produk.
Masa Depan dari Metrik Adopsi dengan AI dan Automasi
Artifisial Intelektual mulai memperumitkan makna dari adopsi. Metrik adopsi pengguna tradisional mengasumsikan bahwa manusia masuk, melakukan aksi, dan kembali. Model tersebut menjadi tidak stabil ketika agen AI menggarap konten, mengaktifkan alur kerja, atau menyelesaikan tugas secara otomatis.
Sebagai Catatan Userpilot tentang perubahan pengukuran adopsi menyebutkan, panduan yang lebih baru sudah menyinggung masalah “Manusia vs. Agen AI.” Masalah praktisnya sederhana. Metrik seperti DAU/MAU, durasi sesi, dan waktu untuk aksi kunci pertama dapat terlihat lebih kuat meskipun aktivitas tersebut dipicu oleh otomatisasi daripada orang yang menyadari nilai.
Tim akan membutuhkan atribusi yang lebih jelas. Siapa yang memulai tugas? Apa yang dibantu oleh AI? Apa yang sepenuhnya otonom? Perbedaan-perbedaan tersebut 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. Hanya jangan asumsikan setiap aksi datang dari manusia lagi.
Jika tim Anda mengirimkan Capacitor atau aplikasi Electron dan ingin memiliki loop yang lebih dekat antara analisis adopsi dan perubahan produk, Capgo is worth a look. It lets teams deliver code and content updates quickly, target specific release channels, and monitor rollout behavior so product, engineering, and support can respond faster when adoption stalls.
