당신의 대시보드에 따르면 런칭은 성공적이었다. 가입자 수는 증가했고, 로그인도 급증했으며, 팀은 안심했다.
그런 다음 두 주가 지나간다. 지원 티켓이 줄어들지만, 제품이 순조롭게 작동하는 것이 아니라는 것은 아니다. 사람들은 그냥 돌아오지 않는다. 몇몇 파워 사용자는 활동적이다. 대부분의 새로운 계정은 조용하다. 당신은 접근을 제공했지만, 수용은 아니었다.
그것이 실제 사용자 수용의 차이점입니다. 사용자 수용 지표 사용자들이 실제로 가치가 있는 것을 얻었는지, 다시 돌아와 제품을 자신의 일상에 포함시켰는지 여부를 알려줍니다.
사용자들이 제품을 사용하는 데 성공했는지 여부를 알려줍니다.
사용자들이 제품을 사용하는 데 성공했는지 여부를 알려줍니다. 사용자들이 제품을 사용하는 데 성공했는지 여부를 알려줍니다. 사용자들이 제품을 사용하는 데 성공했는지 여부를 알려줍니다.
사용자들이 제품을 사용하는 데 성공했는지 여부를 알려줍니다.
- 사용자들이 제품을 사용하는 데 성공했는지 여부를 알려줍니다.
- 사용자들이 제품을 사용하는 데 성공했는지 여부를 알려줍니다.
- 효율적으로 수용을 측정하고 추적하는 방법
- 지표를 해석하고 기준점을 설정하는 방법
- 기본보다 더 나은 사용자 수준 vs 계정 수준 수용
- adoptio dashboard를 만들고 행동을 취하세요
- AI와 자동화와 함께 adoptio 지표의 미래
소개: 가입에서 진정한 adoptio로
많은 팀이 여전히 성공을 측정하는 방식이 매장에서 사람들의 발걸음 수를 세는 것과 같습니다. 더 많은 방문객이 있다는 것은 잘 가고 있다는 것을 의미합니다. 그러나 제품은 단지 사람들이 한 번 방문한 이유로 승리하지 않습니다. 그들은 사용자가 의미 있는 행동을 완료하고 반복하는 이유로 승리합니다.
adoptio 지표가 존재하는 이유는 그 때문입니다. 그것은 단순한 수집에 얽매여 있는 얕은 관점을 행동에 대한 제품 가치의 관점으로 대체했습니다. 유용한 질문은 '계정 생성이 얼마나 많은가?'가 아니라 '제품이 충분히 유용해져서 다시 돌아올 때까지 얼마나 많은 사람들이 도달했는가?'입니다.
실용적인 규칙: 사용자 가치와 연결되지 않는 지표는 adoptio를 개선하는 데 도움이 되지 않을 것입니다.
프로젝트 관리 앱을 생각해 보세요. 로그인 한 번은 체육관 로비에 들어간 것과 같습니다. 그것은 alguien exercised를 의미하지 않습니다. 첫 번째 프로젝트를 만들고, 작업 assign, 그리고 다음 날 진행 상황을 업데이트하기 위해 돌아오는 것이 adoptio가 시작되는 행동을 나타냅니다.
일반적으로 가장 중요한 세 가지 질문은 다음과 같습니다:
- 가치 발견: 사용자가 첫 번째 의미 있는 행동을 완료했는가?
- 반복 행동: 그 첫 번째 성공 후 다시 돌아 왔는가?
- 워크플로우 적합도: 사용이 호기심으로부터 일상화되도록 확산되었는가?
이 안내서의 나머지 부분은 이 질문들에 기반을 두고 있습니다. 온보딩이 성공했는지 여부를 알려주는 일부 지표가 있습니다. 제품이 습관 형성되었는지 여부를 알려주는 다른 지표가 있습니다. 더 고급화된 지표는 B2B 팀이 사용자 한 명이 제품을 채택했는지, 아니면 고객 계정 전체가 채택했는지 여부를 대답하는 것조차 더 어려운 문제에 답할 수 있습니다.
8 가지 필수 사용자 채택 지표에 대한 설명
사용자 채택에 대한 간단한 방법
가장 쉬운 유사점은 체육관 회원권입니다. 회원 가입은 채택이 아닙니다. 첫 번째 운동에 나타나는 것은 더 가깝습니다. 매주 돌아오는 것은 체육관이 누군가의 삶에 포함된 것을 증명합니다.
소프트웨어에도 동일한 논리가 적용됩니다. ClickLearn의 사용자 채택 지표 개요에 따르면adoptio는 일반적으로 목표 인구의 의미 있는 사용 마일스톤에 도달하는 사용자 비율로 정의되며, raw signups 또는 logins가 아닌 것입니다. 같은 프레임에는 adoptio율 = (새로운 활성 사용자 / 총 사용자) × 100 와 feature adoptio율 = (사용자 사용하는 기능 / 총 활성 사용자) × 100.
Core User Adoptio Metrics at a Glance
| Metric | Formula | What It Tells You |
|---|---|---|
| Activation | Varies by product milestone | 사용자가 첫 번째 실제 가치의 순간에 도달했는지 여부 |
| DAU/MAU | Daily active users / monthly active users | 1달 간격으로 얼마나 자주 사용자가 돌아오는가 |
| 유지율 | 반환 기간에 따라 다름 | 사용자가 처음 시작한 후 얼마나 오랫동안 돌아오는가 |
| 탈퇴율 | 탈퇴 정의에 따라 다름 | 사용자가 얼마나 자주 서비스를 떠나는가 |
| 고정성 | DAU/MAU를 통해 자주 측정됨 | 사용자가 서비스를 사용하는 것이 일상화되는가 |
| 기능 사용률 | (사용자 수 / 총 활성 사용자 수) × 100 | 특정 기능이 실제로 중요합니까? |
| 가치 시간 | 가입 후 첫 번째 가치 순간까지의 시간 | 사용자가 의미 있는 결과를 얻는 속도 |
| 수용률 | (새로운 활성 사용자 수 / 총 사용자 수) × 100 | 사용자가 접근에서 활성 사용으로 이동하는 비율 |
팀이 수용률을忠誠도와 연결하려고 할 때, 이 지표를 사용자 앱 유지율 패턴과 비교하는 것이 도움이 됩니다. 수용이 사용자를 가치로 이끌고, 유지율이 그들이 그곳에 머무르는지 보여줍니다.각 지표가 실제로 무엇을 말하는지
__CAPGO_KEEP_0__
활성화 __CAPGO_KEEP_0__
일일/월일 사용자 유지율
탈퇴율 고정성
추가 기능 사용률 __CAPGO_KEEP_0__
__CAPGO_KEEP_0__
__CAPGO_KEEP_0__ __CAPGO_KEEP_0__
__CAPGO_KEEP_0__ 특정 기능을 사용하는 사용자 수를 전체 활성 사용자 수로 나눈 후 100%로 표시합니다. 만약 워크플로 빌더, 파일 공유 도구 또는 승인 흐름을 출시한다면 이 지표는 활성 사용자가 해당 기능을 사용하는지 여부를 보여줍니다. 이전 소스에서 사용한 공식은 다음과 같습니다. (특정 기능을 사용하는 사용자 수 / 전체 활성 사용자 수) × 100.
가치 시간 사용자가 처음으로 의미 있는 결과를 달성하기까지 걸리는 시간을 측정합니다. 이 지표는 온보딩의 마찰을 드러내는 경우가 많습니다. 사용자가 제품이 유용해 보이기까지 너무 많은 설정 단계가 필요하다면, 제품의 채택이 초기에 멈추게 됩니다.
채택률 채택률은 사용자가 의미 있는 활동을 시작하는지 여부를 묻는 것입니다. 단순히 등록만 한 사용자만을 고려하는 것보다 더 강력한 비즈니스 지표입니다.
좋은 작업 규칙은 지표를 단독으로 읽지 않고 pair하는 것입니다:
- 활성화 + 가치 시간 온보딩이 유용한 첫 번째 승리를 가져오는지 여부를 보여줍니다.
- DAU/MAU + 유지율 사용이 얕은지 또는 습관적인지 여부를 보여줍니다.
- 특정 기능의 채택률 + 탈퇴율 사용자들이 핵심 기능에 끌려가거나 중요하지 않다고 여겨지는지 쉽게 식별하는 데 도움이 됩니다.
효과적인 수용률 측정과 추적 방법
이벤트 인스트루먼트를 시작하세요
수용률 측정은 대시보드를 열기 전에 시작됩니다. 그것은 사용자 행동을 추적할 가치가 있는지 결정할 때 시작됩니다.
팀이 Amplitude, Mixpanel, Heap, PostHog, 또는 Google Analytics를 사용한다면, 모든 경우에서 동일한 결정이 필요합니다. 제품 이벤트를 가치에 따라 정의하세요. 단독으로 의미가 없는 인터페이스 클릭이 아닌.
“프로젝트 생성”, “초대 메시지 전송”, “템플릿 적용”, “보고서 내보내기”와 같은 유용한 이벤트입니다. “페이지 뷰”만으로는 충분하지 않습니다.
- 단순한 이벤트 설정은 일반적으로 다음과 같습니다. 입력 이벤트:
- 회원 가입, 첫 로그인, 온보딩 시작 가치 이벤트:
- 첫 번째 프로젝트 생성, 첫 번째 파일 업로드, 첫 번째 워크플로 완료 습관 이벤트:
__CAPGO_KEEP_0__도 팀은 제어된 롤아웃을 사용하여 이러한 마일스톤이 개선되는지 테스트합니다. 기능 플래그 시스템은 온보딩 복사본, 기본 설정 또는 UI 변경의 영향을 분리하는 데 도움이 될 수 있습니다. 팀이 스테이지드 릴리스와 실험 중이라면, 이 기능 플래그 구현에 대한 __CAPGO_GUIDE__는 실제적인 보완입니다. __CAPGO_KEEP_1__을 통해 시간에 따른 변화를 확인하세요.
__CAPGO_COHORT__ 분석은 가장 명확한 방법 중 하나입니다. 사용자를 모두 한 그룹으로 모으지 않고, 그들은 언제 시작했는지 또는 어떤 경험을 받았는지에 따라 그룹화합니다.
__CAPGO_KEEP_2__를 통해 다음 질문에 답할 수 있습니다.
__CAPGO_NEW_USER__가 새로운 온보딩을 완료하여 활성화가 더 자주 발생하는지
- __CAPGO_REDESIGN__된 계정은 리디자인 이후에 생성된 계정보다 더 일관적으로 돌아가는지
- __CAPGO_PLAN_TIER__가 자체 서비스 사용자와 다르게 행동하는지
- __CAPGO_COHORT__를 사용하지 않으면, 수용도 그림이 흐려집니다. 기존의 강력한 사용자가 새로운 사용자에게 영향을 미치는 문제를 숨길 수 있습니다. 상승하는 총 라인 메트릭은 약한 출시를 건강하게 보이게 할 수 있습니다.
__CAPGO_OPERATOR__의 시야:
__CAPGO_COMPARE__를 사용하여 온보딩, 가격, 패키징 또는 핵심 워크플로우가 변경될 때마다 시작 날짜에 따라 행동을 비교하세요. __CAPGO_KEEP_0__ : 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 is a practical complement. Use cohorts to see change over time 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. That helps you answer questions like these: Did users who saw the new onboarding finish activation more often? Did accounts created after the redesign return more consistently? Did a new plan tier behave differently from self-serve users? Without cohorts, your adoption picture gets blurry. Existing power users can hide problems affecting new users. A rising top-line metric can make a weak launch look healthy. Operator’s lens: Compare behavior by start date whenever you change onboarding, pricing, packaging, or core workflows.
경로를 파이프라인과 함께 매핑하세요
파이프라인은 사용자가 움직이지 않는 곳을 보여줍니다. 그들은 유용합니다. 대부분의 수용 문제는 신비롭지 않습니다. 그들은 특정 단계에서 발생합니다.
대부분의 제품의 수용 파이프라인은 다음과 같은 형태를 띕니다.
- 도착: 어떤 사람들은 사이트를 방문하거나 앱을 설치합니다.
- 계정 생성: 그들은 회원가입을 합니다.
- 첫 번째 사용: 그들은 초기 코어 액션을 완료합니다.
- 중요한 액션 완료: 그들은 제품별 특정 마일스톤에 도달합니다.
- 반복 사용: 그들은 다시 돌아와 같은 일을 반복한다
미로를 예쁘게 만들려는 것이 아니다. 미로를 예쁘게 만들려는 것이 아니라, 정확한 전달을 실패하는 지점을 식별하는 것이다. 많은 사용자가 회원가입을 하지만 첫 번째 사용을 완료하는 사용자가 적다면, 온보딩이 문제일 가능성이 높다. 사용자가 첫 번째 사용에 도달하지만 다시 돌아오지 않는다면, 제품은 이해가 가능하지만 매력적이지 않을 수 있다.
메트릭스 해석 및 기준 설정
문맥이 단독 숫자보다 더 중요하다
단독 숫자는 당신을 속일 수 있다. 좋은 해석은 제품의 목적에서 시작한다.
일일 계획 앱과 월간 보고 도구는 사용 패턴이 다를 수 있다. 팀 워크플로우가 있는 협업 제품과 단독 유틸리티 앱은 서로 다른 모습을 보일 수 있다. 그래서 팀이 어떤 숫자가 '좋은'인지 물어볼 때, 유용한 대답은 종종 '좋은'이라는 것은 '어떤 행동'에 대한 것인지 묻는 것이다.
그렇다고 해도, 하나의 기준이 특히 중요해졌다. Stonly의 사용자 채택 메트릭스 토론에 따르면, DAU/MAU 비율 은 널리 사용되는 매력 측정 지표로, 50% DAU/MAU 비율 50% DAU/MAU 비율이란 평균 사용자가 제품을 약 15일 중 30일을 기준으로 한 달에 사용한다는 것을 의미한다. 따라서 팀들은 습관 형성을 위한 일회성 사용 대신에 습관 형성을 위한 지표로 사용한다.
주의해야 할 점
스틱니스(stickiness)는 사용자 수와 사용 빈도에 따라서도 달라질 수 있다. 하지만 스틱니스(stickiness)는 사용자 수와 사용 빈도만으로는 제품의 강약을 판단할 수 없다.
스틱니스(stickiness)는 사용자 수와 사용 빈도만으로는 제품의 강약을 판단할 수 없다.
하지만 스틱니스(stickiness)는 사용자 행동의 질과 함께 사용할 때 더 유용해진다. DAU/MAU 비율이 높아지면서 의미 있는 행동이 평준화되면 사용자는 앱을 열어도 거의 아무것도 하지 않는다. 스틱니스(stickiness)는 사용자 수와 사용 빈도만으로는 제품의 강약을 판단할 수 없다. 하지만 스틱니스(stickiness)는 사용자 행동의 질과 함께 사용할 때 더 유용해진다. DAU/MAU 비율이 높아지면서 의미 있는 행동이 평준화되면 사용자는 앱을 열어도 거의 아무것도 하지 않는다.
이러한 이유로 성능 해석은 제품의 맥락, 릴리즈 히스토리, 사용자 경험의 질을 포함해야 한다. 성능을 개선하는 팀들은 종종 빠른 로드 타임과 지연 시간이 반복 사용을 지원한다는 것을 발견한다. 하지만 지표는 사용자가 무엇을 accomplish하는지와 함께 읽어야 한다. 내부 기준이 가장 좋은 기준이다.
__CAPGO_KEEP_0__
__CAPGO_KEEP_1__
__CAPGO_KEEP_2__
- __CAPGO_KEEP_3__ __CAPGO_KEEP_4__
- __CAPGO_KEEP_5__ __CAPGO_KEEP_6__
- __CAPGO_KEEP_7__ __CAPGO_KEEP_8__
__CAPGO_KEEP_9__
__CAPGO_KEEP_10__
__CAPGO_KEEP_11__
이러한 상황은 많은 B2B 팀에게 일반적이다. 보이는 채택 수치가 건강해보이지만, 실제로는 약한 계정일 수 있다.
B2B 환경에서 채택 측정에 대한 Gainsight의 토론 mainstream 지침에서 일반적으로 강조되는 활성화, DAU/MAU, 가치 시간, 기능 채택과 같은 개념에 대한 설명은 계정당, 사용자당, 또는 둘 다 채택 측정 시점을 명확하게 알려주지 않는다.
이 distinction은 중요하다. 사용자당 채택은 개인이 참여하는지 여부를 알려주고, 계정당 채택은 고객 조직이 제품을 워크플로우에 통합했는지 여부를 알려준다.
계정당 채택과 사용자당 채택을 함께 추적하라
판매 플랫폼을 큰 회사에 구입한 경우를 생각해 보라. 한 운영 책임자가 매일 로그인하여 보고서를 만들고 제품을 좋아한다. 계정은 활발하게 보인다. 그러나 nobody else가 제품을 사용하지 않으면, 롤아웃은 여전히 약하다. 그 챔피언이 떠나면, 계정은 suddenly 위험해진다.
보다 나은 모델은 둘 다 추적하는 것이다.
- 계정 내의 사용자 수 계정 내의 사용자들이 제품을 얼마나 의미 있게 사용하는지
- 계정 내의 사용자들을 분류하라. 계정당 채택:
- 계정 내의 사용자 수 어떤 경우에든 역할, 플랜, 또는 사용 사례에 따라 채택이 다를지 여부
이것은 특히 다중 사용자 제품에서 특히 중요합니다. 계정은 기능 사용을 보여줄 수 있지만 여전히 팀에 전파되지 않을 수 있습니다. 반대의 경우도 발생할 수 있습니다. 많은 사용자는 로그인하지만 얕은 사용만 합니다.
이것을 표면화하는 실제적인 방법은 계정들을 세그먼트로 검토하는 것이 아니라 하나의 거대한 평균으로 검토하는 것입니다. 팀은 일반적으로 플랜과 채널에 따라 사용자를 구분하고, 그 위에 역할 기반 사용을 층화하는 것이 더 좋은 시야를 얻습니다. 중요한 것은 하나의 열성적인 챔피언을 혼동하지 않도록 하기 위해서입니다. 강력한 B2B 론칭은 보급과 내용이 모두 보이는 경우입니다. 둘 중 하나만 있는 경우는 instable합니다.채택 대시보드 만들기 및 행동하기
유용한 대시보드는 사용자가 가치에 도달하고 반복하고, 계정 내부에 사용을 확산시키는지에 대한 짧은 이야기를 말해줍니다.
__CAPGO_KEEP_0__ 앱의 스크린샷입니다.
대시보드에 무엇이 속해야 하는지
활성화 추세:
__CAPGO_KEEP_0__
- https://__CAPGO_KEEP_0__.app 새로운 사용자가 첫 번째 의미 있는 마일STONE에 도달하는가?
- 가치 시간 추세: 첫 번째 성공의 길이 짧아지거나 더 복잡해지는가?
- 유지율 보기: 첫 번째 승리 후 사용자가 돌아오는가?
- 기능 채택 보기: 활성 사용자가 주요 기능을 사용하는가?
- 계정 채택 슬라이스: 팀이 광범위하게 채택하거나 사용이 집중되는가?
대시보드도 세그멘테이션을 필요로 한다. 새로운 사용자 versus 기존 사용자. 자체 서비스 versus 기업. 개인 사용자 versus 계정. 그런 절단 없이는 평균이 이야기의 이야기를 평탄하게 만든다.
메트릭스를 제품 결정으로 바꾸다.
각 메트릭스는 특정 반응을 유발해야 한다. 활성화가 약하면 온보딩을 강화하고 설정의 마찰을 제거해야 한다. 가치 시간이 느리면 사용자가 핵심 결과를 볼 수 있는 필수 단계를 줄여야 한다. 기능 채택이 낮다면 문제는 발견, 관련성, 워크플로우 적합성일 수 있다.
속도는 여기에서 중요합니다. 제품 팀은 빠른 피드백 루프를 통해 학습합니다. Amplitude와 Mixpanel과 같은 도구를 사용하여 행동을 읽을 수 있습니다. 배포 도구는 변경 사항을 행동에 테스트하는 데 도움이 됩니다. 모바일 및 크로스 플랫폼 팀에서 Capgo JavaScript, CSS, config, 복사본, 및 자산 업데이트와 같은 것을 배포할 때 앱 스토어 검토를 기다리지 않고, 이는 관찰한 수용 문제와 테스트한修정 사이의 사이클을 단축할 수 있습니다.
워크플로우의 나중에, 데모 영상을 통해 팀이 변경 사항과 왜 변경했는지에 대해 일치할 수 있습니다.
실용적인 운영 리듬은 다음과 같습니다.
- 주간에 대시보드를 검토합니다.
- 수용 문제의 한 개를 식별합니다.
- 집중된 변경 사항을 배포합니다.
- 이전 코호트와 이전 코호트를 비교합니다.
- 행동에 따라, 의견에 따라 아니고, 변경 사항을 유지하거나 되돌립니다.
그것이 수용 작업이 관리가 되는 방법입니다. 모든 지표를 한 번에 추적하지 않고, 측정과 제품 액션 사이의 안정적인 루프를 만드는 것입니다.
AI 및 자동화와 함께 수용 지표의 미래
__CAPGO_KEEP_0__
AI가 수용의 의미를 복잡하게 만드는 중이다. 전통적인 사용자 수용 지표는 인간이 로그인, 행동, 그리고 돌아오는 것을 가정한다. 그 모델은 AI agent가 콘텐츠를 작성, 워크플로우를 트리거, 또는 자동으로 작업을 완료할 때 흔들린다. AI agent가 아닌 사람의 가치를 실현할 때 활동이 발생하는지 여부를 가정하는 지표인 DAU/MAU, 세션 시간, 첫 번째 키 액션까지의 시간은 자동화가 아닌 사람의 활동으로 인해 강해 보일 수 있다. 팀은 더 깨끗한 Attribution이 필요하다. 어떤 작업을 시작했는지? AI가 어떤 것을 도와주었는지? 완전히 자율적인지? 이러한 구별은 자동화가 제품 사용의 일반적인 부분이 될 때 더 중요해질 것이다.
북극성은 여전히 같다. 사람들과 조직들이 실제, 반복적인 가치를 얻는지 여부를 측정하라. 하지만 모든 행동이 인간으로부터 왔다고 가정하지 마라.
Capacitor 또는 Electron 앱을 배포하는 팀이 수용 분석과 제품 변경 사이의 더 긴 루프를 원한다면 Capgo 는 한번 살펴보아라. 팀이 code 및 콘텐츠 업데이트를 빠르게 배포할 수 있고, 특정 릴리스 채널을 대상으로하고, 롤아웃 동작을 모니터링하여 제품, 엔지니어링, 및 지원 팀이 수용이 둔화될 때 더 빠르게 반응할 수 있다.
