ダッシュボードはリリースが成功したと言っている。サインアップが増え、ログインが増え、チームは安心した。
すると2週間後、サポートチケットの数が減りますが、製品が正常に動作しているわけではありません。ただ、ユーザーは戻ってこないのです。パワーユーザーは活発ですが、新規アカウントの多くは静かにしていました。アクセスを提供しただけなので、採用は実現していません。
その差 ユーザー採用指標 ユーザー採用指標は、ユーザーが価値を得、戻ってくるか、製品を日課の一部にするかどうかを判断するのに役立ちます。これは、単に「ユーザーが来るかどうか」というより難しい質問に答えることです。ユーザーが製品を使用するかどうかを判断することは、ユーザーが製品を使用するかどうかを判断することと同じです。
製品チームにとって、これは通常、リリースが紙上では良く見えますが、実際には弱いときに現れます。コラボレーションツールは、多くのアカウントの作成が可能ですが、ユーザーが最初のプロジェクトを作成したり、チームメンバーを招待したり、後で戻ったりするのはごくわずかです。モバイルアプリはダウンロードが増えますが、ユーザーがオンボーディングを完了したり、製品が有用になる最初のアクションを完了したりするのはごくわずかです。もし、自分がそのような不一致に直面している場合は、すでに正しい質問をしていることになる。
より良いアプローチは、採用をアクセスから習慣までの旅として捉えることです。そのためには、ユーザーが製品を理解し始めた瞬間、初めて結果を得た瞬間、そして繰り返し行動を取った瞬間を観察する必要があります。オンボーディング、活性化、そしてアプリユーザー体験の改善に取り組むチームは、通常同じことを発見します。ユーザーの初めての成功は、ユーザーの初めてのログインよりも重要です。 目次 サインアップを超えて真の採用
8つの不可欠なユーザー採用指標の解説
- 採用について簡単に考える方法
- 採用指標の概要
- Table of Contents
- メトリクスを解釈し、基準を設定する
- 基本的なものを超えてユーザーレベルとアカウントレベルでの採用
- 採用ダッシュボードを作成し、行動を起こす
- AIと自動化の時代に採用メトリクスの未来
導入
サインアップの先に真の採用
多くのチームは、店が歩く人数を数えるように成功を測定しています。多くの訪問者がいることは、すべてがうまくいっていることを意味します。しかし、製品は、人々が一度訪問したことによって勝つことはありません。製品は、ユーザーが意味のある行動を完了し、繰り返すことを意味します。
そのため、採用メトリクスが存在します。浅い焦点から、生産性の高いアクイジションに代わって、製品の価値に関する行動的な視点を提供します。有益な質問は、「アカウントを作成した人数は？」ではなく、「製品が有用なものになったときに戻った人数は？」です。 実用的なルール:
メトリクスがユーザーの価値に接続していない場合、採用を改善するのに役立つ可能性は低いです。
三つの質問の種類が最も重要だ。
- 通常、3つの質問が最も重要です: 価値の発見:
- ユーザーが最初の意味のある行動を完了したか? 繰り返し行動:
- ワークフローに合うか: 使い始めから定期的に使われるようになったか?
このガイドの残りの部分は、上記の質問に基づいて構築されています。 一部のメトリクスは、オンボーディングがうまくいっているかどうかを教えてくれます。 他のメトリクスは、製品が習慣化されたかどうかを教えてくれます。 最も高度なメトリクスは、B2B チームが、1 人の顧客が製品を採用したか、顧客全体が採用したかを判断するのに役立ちます。
8 つの不可欠なユーザー採用メトリクスを解説
採用の簡単な方法
採用の最も簡単なアナロジーは、ジムの会員権です。 会員登録は採用ではありません。 初めてのトレーニングに参加することは採用に近いですが、毎週参加することは、ジムが誰かの生活の一部になったことを証明します。
同様の論理は、ソフトウェアにも当てはまります。 ClickLearn のユーザー採用メトリクスの概要によると採用は、通常、目標世帯のうち、意味のある使用マイルストーンに達した割合として定義されます。 それとは別に、フォーマラとして次のものがあります。 採用率 = (新規アクティブユーザー / 総ユーザー) × 100 そして 機能採用率 = (機能を使用するユーザー / 総アクティブユーザー) × 100.
ユーザー採用メトリクス一目見ろ
| メトリック | 式 | 何を示しているか |
|---|---|---|
| アクティベーション | 製品マイルストーンによって異なる | ユーザーが最初の実際の価値を実現したかどうか |
| DAU/MAU | 1日あたりのアクティブユーザー数/1か月あたりのアクティブユーザー数 | ユーザーが1か月に何回戻るか |
| リテンション | 戻り時間帯によって異なる | ユーザーが再び利用するかどうか |
| 脱落率 | 脱落率の定義によって異なります | ユーザーが製品を使用しなくなった数 |
| 製品に留まる度合い | DAU/MAUでよく測定されます | ユーザーが製品を定期的に使用するかどうか |
| 機能採用率 | (機能を使用するユーザー数 / 総有効ユーザー数) × 100 | 特定の機能が実際に重要かどうか |
| 価値到達時間 | サインアップから最初の価値の瞬間までの時間 | 結果を得るまでの時間 |
| 採用率 | (新規アクティブユーザー / 総ユーザー) × 100 | ユーザーがアクセスからアクティブ使用に移行する数 |
採用と忠誠心を関連付けるチームにとって、比較することで、以下のメトリクスを利用することが役立ちます。 アプリユーザーレテンションパターン.採用はユーザーを価値に導きます。保持は、ユーザーがそこに残っているかどうかを示します。
各メトリクスが何を実際に伝えているのか
アクティブ化 アクティブ化は、ユーザーがスターティングラインを越えたかどうかを測定します。ノートアプリでは、最初のノートを作成することかもしれません。Slackでは、メッセージを送ることかもしれません。具体的なフォーマットは製品によって異なりますが、原則は安定しています。最初のアクションを選択してください。製品が機能したことを証明するものです。
DAU/MAU 毎日アクティブユーザーと毎月アクティブユーザーを比較します。頻度の信号です。多くの月間ユーザーが毎日アクティブである場合、製品はルーチンの一部になっている可能性があります。
{ text":"保留率"
} {
text":"初期の期間を過ぎてユーザーが戻ってくるかどうかを尋ねる質問です。なぜなら、ある製品は初期の印象が良好ですが、後で有用ではない場合がありますから。"
} {
text":"脱落率" } {.
text":"脱落率はその逆です。ユーザーが関与をやめている人を示します。脱落率は有用ですが、主な方向指標ではありません。脱落率が上昇する時点で、原因はすでにアクティベーションや価値提供の段階で始まっていることが多いです。" {'text':'脱落率を追跡することは重要ですが、原因を理解するための指標にエネルギーを費やす方が良いです。'}
採用率 大きなイメージを纏める。ユーザーが有意義に活発になるのではなく、単に登録しただけのユーザーがいくついるかを尋ねるからです。そのため、登録のみでなく、ビジネス指標としては強いものです。
良いルールは、単独で読むのではなく、メトリクスをペアすることです。
- 有効化 + 時間の価値 オンボーディングが有用な最初の勝ちをもたらすかどうかを示します。
- DAU/MAU + 収支 使用が浅いものか、習慣的なものかを示します。
- 機能の採用 + チャーン ユーザーがコア機能に引き付けられているか、無視されているかを判断するのに役立ちます。
採用の測定と追跡の効果的な方法
イベントのインストルメンテーションから始めましょう。
採用の測定は、ダッシュボードを開く前に始まります。ユーザーの行動がどれだけ値打ちがあるかを判断するときからです。
あなたのチームがAmplitude、Mixpanel、Heap、PostHog、またはGoogle Analyticsを使用している場合、すべての場合で同じ決定が必要です。 価値を基準に製品イベントを定義し、単独では何も意味しないインターフェイスクリックを基準にしないようにしてください。 "プロジェクトが作成された"、"招待が送られた"、"テンプレートが適用された"、"レポートがエクスポートされた"は、有用なイベントです。 "ページが表示された"は、よく十分ではありません。
シンプルなイベント設定には、通常以下のものが含まれます。
- エントリイベント: サインアップ、初回ログイン、オンボーディングが開始された
- バリューアイベント: 最初のプロジェクトが作成された、最初のファイルがアップロードされた、最初のワークフローが完了された
- コンテキスト: Capgo Builder / ネイティブクラウドビルド製品ページ。役割: 短いUIラベルまたはナビゲーションアイテム。メッセージキー `native_build_builder_credit_first` (ネイティブビルドビルダークレジットファースト)。 ハビットイベント:
リターンセッション、タスクの繰り返し完了、繰り返しコラボレーションアクション チームは、コントロールロールアウトを使用して、変更がこれらのマイルストーンを改善するかどうかをテストします。 フィーチャーフラグシステムは、オンボーディングコピー、デフォルト設定、またはUIの変更の影響を分離するのに役立ちます。 あなたのチームがステージドリリースを実験している場合、このガイドを実装するためのフィーチャーフラグの実装ガイドは、実用的な補完です。 コホートを使用して、時間の経過とともに変化を確認します
実装するためのフィーチャーフラグの実装ガイド
コホート分析は、自分を欺くことの最も明確な方法です。ユーザーをすべてのグループにまとめるのではなく、開始時期や受けたエクスペリエンスによってグループ化します。
これらの質問に答えるのに役立ちます:
- 新しいオンボーディングを視聴したユーザーは、完了率が高いアクティベーションを実施したでしょうか?
- リデザイン後のアカウントは、再帰的に戻ることができましたか?
- 新しいプランの階層は、自社サービスユーザーとどのように振る舞ったでしょうか?
コホートを考慮せずに、採用の状況は曖昧になります。既存のパワー ユーザーは、新しいユーザーに影響を与える問題を隠すことができます。上昇するトップライン メトリックは、弱いリリースを健康なものと見なすことができます。
オペレーターの視点: 価格、パッケージ、コアワークフローの変更時には、開始日ごとに行動を比較すること。
マップするパス
ファンナルの表示
マーケティング用のファンナルのイラストグラムは、訪問者から繰り返しユーザーまでの5つの重要なステージでユーザー採用を測定するために使用されます。
- 到着: サイトまたはアプリを訪問した人
- アカウント作成: 登録
- 初回使用: 初期の主なアクションを完了する
- 初回コアアクションの完了 重要アクションの完了:
- 製品固有のマイルストーンの達成 繰り返し使用:
再度行う
メトリクスを解釈し、基準を設定する
コンテキストは孤立した数字よりも優先される
単独の指標は誤解を招く可能性がある。良好な解釈は、製品の仕事から始まる。
日々の計画アプリと月次報告ツールは、異なる使用パターンを持つ。チームワークフローを備えたコラボレーション製品と、ソロユーティリティアプリは異なる見た目になる。したがって、チームが「数字は良い」と尋ねると、有用な答えは「どのような行動のために良いのか？」であることが多い。
ただし、一つの基準は特に重要になってきた。Stonlyによるユーザー採用指標の議論によれば ユーザー採用メトリクスの議論DAU/MAU比率 DAU/MAU 比率 50% DAU/MAU比率 50% DAU/MAU 比率 平均ユーザーは月に30日間で約15日製品を開く 15/30日 1 か月以内に習慣化される。
使用率を慎重に扱う
使用率は、広く浅い使用と深い関与を区別する強力なツールです。多くのユーザーを持つ製品でも、ほとんどのユーザーがほとんど戻らない場合、弱い製品になります。
しかし、使用率は単独の判断ではありません。保持率と行動の質と組み合わせると、より有用になります。DAU/MAUが上昇しても、有意義なアクションが平らな場合、ユーザーはアプリを開くだけです。使用率が低いが、製品が自然に時々使用される場合、メトリックは単に使用ケースを反映しているだけかもしれません。
したがって、パフォーマンスの解釈には製品の背景、リリースの歴史、ユーザーの経験の質を含める必要があります。改善を続けるチームは アプリのパフォーマンス最適化 よくあることですが、高速なロード時間と遅延の少ないアプリは、繰り返し使用をサポートすることがよくありますが、メトリックはユーザーが達成したことと合わせて読む必要があります。
内部ベンチマークは、決定を下すのに最も適しています。
外部ベンチマークは、方向性を示すのに役立ちます。
コホートを比較する前に、製品の変更後に、オンボーディングを完了したユーザーとオンボーディングをスキップしたユーザーを比較する。異なるプランのアカウントや異なるセットアップパスのアカウントを比較する。そうすることで、作業が行動を変えたかどうかを知ることができます。
実用的ベンチマークシステムには
- ベースライン: 現在の行動
- 予想される動き: 実験が成功した場合に変化するべきメトリックは何ですか
- 決定ルール: 実験が失敗した場合に取るべき行動
メトリックが動いたときは、ユーザーの行動がどのように変化したかを尋ねる。動かなかったときは、製品の変更が価値の源に触れたかどうかを確認する
ベースラインを超えたユーザー vs アカウント レベル アドプション
なぜチーム製品は盲点を生み出すのか
多くの B2B チームにとって、共通の誤りがここにあります。健康な見え方のアドプション数は、脆弱なアカウントを隠すことができます。
Gainsight のアドプション測定の議論 B2B セットで、主流のガイドラインの一般的な欠点を指摘しています。ほとんどの説明は、活性化、DAU/MAU、価値の時間、機能アドプションに焦点を当てていますが、どの場合にユーザー、またはアカウント、または両方のアドプションを測定するかを明確に説明していません。
この区別は重要です。ユーザー レベル アドプションは、個人がどのように関与しているかを教えてくれます。アカウント レベル アドプションは、顧客組織が製品をワークフローに組み込んでいるかどうかを教えてくれます。
両方の指標を追跡する
大企業が買収した販売プラットフォームを考えてみましょう。1人のオペレーションズリードが毎日ログインし、レポートを作成し、製品を愛している。アカウントは活発に見えますが、もし誰も他の人が使っていない場合、ロールアウトはまだ弱いままです。もしそのチャンピオンが去った場合、アカウントは突然リスクにさらされることになります。
より良いモデルは両方を追跡することです。
- 拡大率の幅: アカウント内で活発にいる人数
- 使用の深さの度合い: 製品をどれだけ意味を持って使っているか
- セグメンテーション: 採用が役割、プラン、または用途によって異なるかどうか
特に多人数アカウントの製品では重要です。アカウントは機能の使用を示すかもしれませんが、チーム全体に広がっていない可能性があります。逆もまた同様です。多くのユーザーがログインしているかもしれませんが、浅いだけです。
実際の方法は、セグメントごとにアカウントをレビューすることです。チームはプランとチャンネルでユーザーをセグメント化することで、より良い視野を得ることがよくあります。 拡大率の幅と深さの両方を追跡することで、製品の採用状況をより正確に把握できます。、そしてロールベースの使用を重ねること。目標は、１人の熱心なアドボケーターを組織的な採用と混同しないようにすること。
強力なB2Bロールアウトは、拡散と実質を両方示すことが多い。１つだけのものは不安定である。
採用ダッシュボードの作成と行動の実行
有効なダッシュボードは、ユーザーが価値を達成し、繰り返し、そしてアカウント内で使用を拡散させるかどうかを短く伝えるものである。
ダッシュボードに何が含まれるか
ほとんどの製品チームにとって、ダッシュボードは、少数の行動的信号に焦点を当てるべきである。
- 活性化の傾向: 新規ユーザーが最初の意味のあるマイルストーンに到達するかどうか?
- 価値到達までの時間の傾向: 最初の成功までのパスが短くなるか、混雑するかどうか?
- 保持のビュー: ユーザーが最初の勝利後、再び利用するかどうか?
- 機能採用ビュー: 活発なユーザーがキーキャパシティを使用しているかどうか?
- アカウント採用スライス: チームが幅広く採用しているか、使用率が集中しているか?
ダッシュボードにはセグメンテーションが必要です。新規ユーザーと既存ユーザー。自社サービスと企業向け。個人ユーザーとアカウント。そうでない場合、平均値が物語を平らにします。
メトリクスを製品決定に変換する
各メトリクスは特定の反応を引き起こすべきです。アクティベーションが弱い場合、オンボーディングを強化し、セットアップのフリクションを削減する必要があります。タイムトゥバリューが遅い場合、ユーザーがコア結果を確認する前に必要なステップ数を減らす必要があります。機能採用率が低い場合、問題は発見、関連性、ワークフローフィットかもしれません。
リリーススピードはここで重要です。製品チームは迅速なフィードバックループを通じて学習します。AmplitudeやMixpanelなどのツールは、ユーザーの行動を読み取るのに役立ちます。配信ツールは、ユーザーの行動と比較して変更をテストするのに役立ちます。モバイルとクロスプラットフォームのチームでは Capgo は、JavaScript、CSS、設定、コピー、資産の更新をアプリストアのレビューを待たずに配信するオプションです。これにより、採用問題を観察し、修正をテストするサイクルが短縮されます。
ワークフローの中盤では、デモ映像はチームが何が変わり、なぜ変わりましたかという点で一致するのに役立ちます。
実践的な運営リズムは次のようになります。
- 週次ダッシュボードを確認してください。
- 1 つの採用のボトルネックを特定します。
- 1 つの焦点の変更を実装します。
- 次のコホートと前のコホートを比較します。
- 行動ではなく意見に基づいて、採用を維持するか戻します。
採用の作業が管理できるようになるのは、測定と製品のアクションの間で安定したループを作ることです。 1 つの指標を追いかけるのではなく。
AI と自動化の未来の採用指標
AI エージェントがコンテンツを書き出し、ワークフローをトリガー、タスクを自動的に完了するなど、従来のユーザー採用指標では考慮されていない新しいシナリオが生まれてきています。
As Userpilotのユーザー採用測定の変更に関する記事 人間と AI エージェントの間の問題を指摘しています。
チームは、タスクの起源を明確にする必要があります。AIはどのようなタスクに助けましたか?完全に自律的な部分は何でしたか? これらの区別は、自動化が製品の正常な使用に組み込まれるにつれてより重要になります。北極星は同じままです。 人と組織が実際に繰り返し得られる価値を得ているかどうかを測定するのです。ただし、すべてのアクションが人間によって行われたと仮定しないでください。
チームが Capacitor または Electron アプリをリリースし、採用分析と製品の変更の間の連携を強くしたい場合は、 Capgo code をリリースし、コンテンツの更新を迅速に提供し、特定のリリースチャンネルにターゲットを絞り、ロールアウトの動作を監視して、製品、エンジニアリング、サポートが採用が停滞したときに迅速に対応できるようにします。
