あなたのダッシュボードは、リリースが成功したと言っている。新規登録が入った、ログインが増えた、チームは安心した。
すると2週間が過ぎる。サポートチケットは減ったが、製品がうまく動いているからではない。ただ、ユーザーが戻ってこないのである。少数のパワーユーザーだけが活発に活動している。新規登録された大半のユーザーは静かにしている。アクセスを提供しただけだ。採用を促進したわけではない。
その差 ユーザー採用指標 ユーザー採用指標は、その差を埋めるために存在する。ユーザーが価値を得たか、戻ってきたか、製品を日常のルーティンに組み込んだかという質問に答える。そうしたシフトは重要である。単純に新規登録やログインだけでは、ユーザーが製品にどれだけの価値を得ているかを知ることができない。
製品チームにとって、これは実際に現実になるのは、リリースが紙上では良好に見えているが実際は弱いときである。コラボレーションツールであっても、ユーザーが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、後で戻ってきたりするのは、ユーザーが製品を活用するための最初のアクションを完了したユーザーが少数である。モバイルアプリであっても、ダウンロードは見られるが、ユーザーがオンボーディングを完了したり、製品が有用である最初のアクションを完了したユーザーは少数である。そうしたような不一致に長い間見ていたら、すでに正しい質問をしていることになる。
アクセスから習慣までの旅を考える方が良い。つまり、ユーザーが製品を理解し始める瞬間、最初の結果を得る瞬間、そしてその行動を繰り返す瞬間を観察することだ。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 通常、同じことを発見します。初めての成功は初めてのログインよりも重要です。
コンテンツリスト
- Introduction Beyond Signups to True Adoption
- ユーザー採用メトリクスの8つの基本要素を解説
- ユーザー採用率を効果的に測定して追跡する方法
- メトリクスを解釈し、基準を設定する
- 基本を超えたユーザー向けの採用レベルとアカウント向けの採用レベル
- 採用ダッシュボードを作成し、行動を起こす
- AIとオートメーションを用いた採用メトリクスの未来
導入
サインアップから真の採用まで
多くのチームは、店が歩き込みの数を数えるように成功を測定している。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する。ただし、製品は、人々が一度訪問したことによって勝つことはない。製品は、ユーザーが意味のある行動を完了し、繰り返すことを通じて勝つ。
そのため、採用指標が存在する。粗いアクイジションの焦点を、製品の価値に関する行動的な視点に置き換えたのである。 有用な質問は、「アカウントを作成した人数は？」ではなく、「製品が有用なほど戻ってきた人数は？」である。
実用的なルール:
指標がユーザーの価値に接続していない場合、それが採用を改善するのに役立つ可能性は低い。
- プロジェクト管理アプリを考えてみよう。ログインするのは、ジムのロビーに入ったことと同じだ。ただし、それは誰も運動していないことを意味する。最初のプロジェクトを作成し、タスクを割り当て、次の日戻って進捗を更新する。そういった行動は、採用が始まっていることを示している。 通常、3 つの質問が最も重要になる:
- 価値発見: 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: 使用が好奇心から定期的なものに広がったか?
このガイドの残りの部分は、次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、製品が習慣形成に成功したかどうかを教えてくれます。 さらに高度なメトリクスは、B2B チームがより難しい質問に答えるのに役立ちます。 1 人の顧客が製品を採用したか、顧客全体が採用したか?
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、目立つ使用マイルストーンに達したターゲット人口の割合として定義されることが多いです。 ただし、未加工のサインアップやログインではありません。 同じフレームワークには、次の式が含まれます。 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全体の概要
| 指標 | 式 | 何を示すか |
|---|---|---|
| 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得た時点に達したか |
| DAU/MAU | 1日あたりの有効ユーザー数/1か月あたりの有効ユーザー数 | ユーザーが1か月に何回訪問するか |
| リテンション | 返信ウィンドウによって異なる | ユーザーが始めてから何回も訪問するか |
| 離れ率 | 定義によって異なる | 製品を使用しなくなったユーザーの数 |
| 粘着度 | DAU/MAUでよく測定される | 使用が定期的な習慣になるかどうか |
| 機能採用 | (機能を使用しているユーザー / 総有効ユーザー数) × 100 | 特定の機能が実際に重要かどうか |
| 価値時間 | サインアップから最初の価値の瞬間までの時間 | ユーザーが意味のある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した数 |
アプリのユーザーロイヤルティパターンとこれらのメトリックを比較するチームにとって、役に立つ .採用はユーザーを価値に導きます。ロイヤルティは、ユーザーがそこに残っているかどうかを示します。各メトリックが何を実際に伝えているのか
アクティブ化
Activation DAU/MAU
DAU/MAU ロイヤルティ
Retention 初期期間の後、ユーザーが再び利用するかどうかを確認する質問は、ある製品は初期の印象が良好ですが、後で有用ではない製品を作成することです。
チャーン はその反対の鏡です。ユーザーが関与をやめている人を示します。チャーンは有用ですが、主な方向指示器としてではなく、警告灯として機能することが最善です。チャーンが上昇する時点で、原因は通常はアクティベーションまたは価値提供の開始時期より前に始まっています。
チャーンを追跡することは有用ですが、チャーンを説明するメトリクスに製品エネルギーを費やす方が多くすることが推奨されます。
スティックネス はDAU/MAUと一緒にしばしば議論されることがあります。多くのチームでは、用語をほぼ同義語として使用しています。実用的な考え方は簡単です。スティックな製品は、ユーザーがリマインダーが必要なく、よく訪問される製品です。
機能採用 は製品全体から一つの機能に焦点を絞ります。ワークフロー作成ツール、ファイル共有ツール、承認フローをリリースした場合、このメトリクスは、有効なユーザーがそれを使用しているかどうかを示します。前のソースから得られた式は明確です。 (機能を使用するユーザー / 総有効ユーザー数) × 100.
価値到達時間 はユーザーが最初の有意な結果に到達するのにかかる時間を測定します。このメトリクスは、オンボーディングのフリクションを明らかにします。ユーザーが製品が有用であると感じる前に、必要なセットアップステップが多すぎると、採用が早期に止まることがあります。
採用率 ビッグピクチャーを纏め上げる。ユーザーが有意義に活発になるのではなく、単に登録されるのではなく、どれだけのユーザーが活発になるかを尋ねるから、それは単に登録数だけでは強いビジネス指標ではない。
良いルールは、指標をペアすることではなく、単独で読むのではなく:
- 活性化 + 時間価値 オンボーディングが有用な最初の勝利に繋がるかを示す。
- DAU/MAU + リテンション 使用が浅いものか、習慣的なものかを示す。
- 機能採用 + チャーン ユーザーがコア機能に引き付けられているか、機能が無視されているかを特定する。
ユーザー採用率を効果的に測定して追跡する方法
イベントインストルメンテーションから始める。
採用測定は、ダッシュボードを開く前に始まる。採用測定は、どのユーザー行動が追跡されるかを決定するときから始まる。
Amplitude、Mixpanel、Heap、PostHog、Google Analyticsを使用するチームであっても、決定は同じである。ユーザー行動を追跡する価値があるものを、インターフェイスクリックではなく、定義する。有用なイベントは「プロジェクトを作成した」、「招待を送信した」、「テンプレートを適用した」、「レポートをエクスポートした」などである。単に「ページを表示した」だけでは十分ではない。
A simple event setup is usually as follows:
- エントリイベント: Sign-up, first login, onboarding started
- 値イベント: ファーストプロジェクト作成、ファイルアップロード、ワークフロー完了
- context:Page/area: Capgo Builder / native cloud build product page. Role: Short UI label or navigation item. Message key `native_build_builder_credit_first` (Native Build Builder Credit First). Habit events:
Return session, repeat task completion, recurring collaboration action Teams also use controlled rollouts to test whether a change improves these milestones. Feature flag systems can help isolate the impact of onboarding copy, default settings, or UI changes. If your team is experimenting with staged releases, this guide to implementing feature flags
時系列を確認するためにコホートを使用してください。
Cohort analysis is one of the clearest ways to avoid fooling yourself. Instead of lumping all users together, you group them by when they started or by what experience they received.
それがあなたが次のような質問に答えるのに役立つ:
- 新しい導入プロセスを視認したユーザーは、有効化を完了するのに成功したか?
- リデザイン後のアカウントは、再帰的に戻ることができた?
- 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異なる?
コホートなしでは、採用のイメージが曖昧になる。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る。上昇するトップライン指標は、弱いリリースを健康なものと見なす。
オペレーターの視点: 導入、価格、パッケージング、またはコアワークフローの変更の度に、行動を開始日で比較する。
パスをマップする
ファンルーンは、ユーザーが止まる場所を示す。ユーザー採用の問題はほとんどが不思議ではない。特定のステップで発生する。
ほとんどの製品の採用ファンルーンは、次のようになっている。
- 到着: サイトまたはアプリのインストール
- アカウント作成: 会員登録
- 初回利用: 初期の主なアクションを完了します。
- 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 繰り返し利用:
再びやってみる
メトリクスを解釈し基準を設定する
メトリクスを解釈し、基準を設定する
A metric alone can be misleading. The correct interpretation starts with the product's purpose.
A daily planning app and a monthly reporting tool will have different usage patterns. A collaboration product with team workflows will look different from a solo utility app. So when teams ask whether a number is 'good,' the useful answer is often 'good for what behavior?'
However, one benchmark has become especially important. Stonly's discussion of user adoption metrics, the DAU/MAU比率 ユーザー採用率は、広告の効果を測定するために広く使用される指標であり、 A graphic titled Interpreting User Adoption Metrics displaying percentages and targets for key business performance indicators. DAU/MAU比率 は広く使われている粘着度の指標であり、50%のDAU/MAU比率は、平均ユーザーが1か月の30日間で15日間アプリを開いていることを意味します。 したがって、チームはこれを習慣形成の代わりに一時的な使用のプロキシとして使用します。 DAU/MAU比率
使用率を慎重に扱う
使用率は、広範囲にわたる浅い使用と、より深い関与を区別するため、強力です。製品は多くのユーザーを持つことができますが、ほとんどのユーザーがほとんど戻らない場合、製品は弱い可能性があります。
しかし、使用率だけでは判断はできません。使用率と保持率、行動の質と組み合わせるとより有用になります。DAU/MAUが上昇しながら、有意義なアクションが平らなままの場合、ユーザーはアプリを開いているだけかもしれません。使用率が低いが、製品が自然に時々使用される場合、指標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、パフォーマンス解釈には製品のコンテキスト、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。改善をしているチームは 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、指標はユーザーが達成するものと一緒に読まなければなりません。
内部ベンチマークは、決定を下すのに最も適しています。
内部ベンチマークは、内部ベンチマークが決定を下すのに最も適しています。
製品の変更前後のコホートを比較してください。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してください。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してください。そうすることで、作業が行動を変えたかどうかを判断できます。
実用的ベンチマークシステムは、以下の要素を含めることがよくあります:
- ベースライン: 変更前の現在の行動
- 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どれ?
- 決定ルール: 実験が失敗した場合に取るべき行動は?
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尋ねる。
User-Level vs Account-Level Adoption
チーム製品が生み出す盲点
多くのB2Bチームにとって、共通の誤りがここにあります。健康な採用数値は、脆弱なアカウントを隠すことができます。
Gainsightの採用測定の議論 B2B環境における採用測定についての議論は、主流のガイドラインの欠陥を指摘しています。多くの説明は、活性化、DAU/MAU、価値の時間、機能の採用に焦点を当てていますが、どの時点でユーザー毎、またはアカウント毎の採用を測定するかを明確に説明していません。
2つの視点は異なる質問に答えるため、区別が重要です。ユーザー毎の採用は、個人がどのように関与しているかを教えてくれます。アカウント毎の採用は、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。
幅と深さを一緒に追跡する
大企業が買収した販売プラットフォームを考えます。 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、製品を愛しています。 アカウントは活発に見えますが、誰もが製品を使用していない場合、ロールアウトはまだ弱いままです。 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ます。
より良いモデルは、両方を追跡することです:
- 拡大の幅: アカウント内で何人かがアクティブであるか
- 深さの度合い: 製品をどれだけ意味を持って使用しているか
- セグメンテーション: ロール、プラン、またはユースケースによってアドプションが異なるかどうか
特に多人数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。 逆もあります。 多くのユーザーがログインするかもしれませんが、浅い使用しかしていません。
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。 1 つの巨大な平均としてではなく。 チームは、プランとチャンネルをセグメントすることでより良い視野を得ることがよくあります。 そして、役割ベースの使用を上に重ねることで。 目的は、1 人の熱心なチャンピオンを真の組織的アドプションと混同しないようにすることです。 拡大の幅、深さの度合い、セグメンテーションを追跡することで、組織のアドプションをより正確に評価できます。アカウントのアドプションを評価する際には、拡大の幅、深さの度合い、セグメンテーションを考慮する必要があります。
ビジネス向けの展開では、広がりと実質的な成果が両方とも示されることが多い。どちらか一方だけでは不安定になる。
採用度の指標を構築し、行動を起こす
有効なダッシュボードは、すべてを示そうとするのではなく、ユーザーが価値を得ているか、繰り返し行っているか、内部アカウント内で使用を拡大しているかについて、短い物語を伝える。
ダッシュボードに表示するもの
ほとんどの製品チームにとって、ダッシュボードは、少数の行動指標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しているか?
- 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っているか、混雑しているか?
- 保持のビュー: ユーザーが最初の勝利後、再び戻ってくるか?
- 機能採用ビュー: 活発なユーザーが主な機能を使用しているか?
- 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、または使用が集中しているか?
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、平均値は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します。タイムトゥバルが遅い場合、ユーザーがコア結果を確認する前に必要なステップを減らします。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、ユーザーの行動に基づい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。
ワークフローの後半では、デモ映像がチームが何が変わり、どのように変わり、理由が一致するようにするのに役立ちます。
実践的な運用リズムは次のようになります:
- 週に1回、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てください。
- 1つの焦点を絞った変更を実装してください。
- 次のコホートと前のコホートを比較してください。
- 行動、ではなく意見に基づいて、採用を維持するか戻すかを判断してください。
採用の作業が管理できるようになるのは、メトリクスをすべて一度に追いかけずに、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。
AIとオートメーションによる採用メトリクスの未来です。
AIは、従来のユーザー採用メトリクスを混乱させています。ユーザーがログインし、行動し、戻るというモデルは、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する、またはタスクを自動的に完了する場合に不安定になります。
しかし Userpilotの記事では、採用の測定方法を変えることについて書いています。 新しいガイドラインはすでに、人間とAIエージェントの問題を指摘しています。実際の問題は簡単です。DAU/MAU、セッションの長さ、最初のキーアクションまでの時間などのメトリクスは、自動化によってではなく、人間が価値を実現するのではなく、自動化によって強く見えます。
チームは、よりきれいなAttributionが必要になります。誰がタスクを開始したか? AIは何をサポートしたか? どれだけが完全に自律だったか? これらの区別は、自動化が通常の製品使用の一部になるにつれて、より重要になります。北極星は同じです。人間と組織が実際に、繰り返し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するのはもうやめましょう。
あなたのチームが Capacitor または Electron アプリをリリースし、採用分析と製品変更の間のループをより密にしたい場合は、 Capgo code
