تسلط بر تبدیل Freemium به معنای جدی بودن درباره تجزیه و تحلیل محصول است

تسلط بر تبدیل فریمیوم با استفاده از تجزیه و تحلیل محصول

چه در حال صحبت با Rollercoaster Tycoon باشید یا Dropbox ، پیشنهادات فرمیوم همچنان ادامه دارد یک روش معمول برای جذب کاربران جدید به سمت محصولات نرم افزاری مصرف کننده و سازمانی به طور یکسان. پس از نصب به سیستم عامل رایگان ، برخی از کاربران در نهایت به برنامه های پولی تبدیل می شوند ، در حالی که بسیاری دیگر در محتوای آزاد با محتوای هر یک از ویژگی های دسترسی به آنها باقی می مانند. پژوهش در مورد مباحث تبدیل freemium و حفظ مشتری بسیار زیاد است ، و شرکت ها به طور مستمر با چالش هایی روبرو هستند که حتی بهبودهای تدریجی در تبدیل freemium را ایجاد کنند. آنهایی که می توانند تحمل کنند و پاداش های قابل توجهی بگیرند. استفاده بهتر از تجزیه و تحلیل محصولات به آنها کمک می کند تا به آنجا بروند.

کاربرد ویژگی داستان را می گوید

حجم داده های دریافتی از کاربران نرم افزار حیرت انگیز است. هر ویژگی استفاده شده در هر جلسه به ما چیزی می گوید ، و مجموع این آموخته ها با استفاده از تجزیه و تحلیل محصول متصل به ، به تیم های محصول کمک می کند تا سفر هر مشتری را درک کنند. انبار داده ابر. در واقع ، حجم داده ها هرگز واقعاً مسئله نبوده اند. دسترسی تیم های محصول به داده ها و امکان دادن آنها به پرسش و جمع آوری بینش های عملی - این داستان دیگری است. 

در حالی که بازاریابان از سیستم عامل های تحلیلی کمپین مستقر استفاده می کنند و BI سنتی برای مشاهده معیارهای تاریخی معدود در دسترس است ، تیم های تولیدی اغلب نمی توانند داده ها را برای پرسیدن (و پاسخ دادن) به س questionsالات سفر مشتری که می خواهند دنبال کنند ، استخراج کنند. از چه ویژگی هایی بیشتر استفاده می شود؟ چه زمانی استفاده از ویژگی ها قبل از جدا شدن کاهش می یابد؟ واکنش کاربران در برابر تغییر در انتخاب ویژگی ها در طبقات رایگان و غیررایگان چیست؟ با تجزیه و تحلیل محصول ، تیم ها می توانند س betterالات بهتری بپرسند ، فرضیه های بهتری ایجاد کنند ، نتایج را آزمایش کنند و به سرعت تغییرات محصول و نقشه راه را اجرا کنند.

این باعث می شود که درک پیشرفته تری از پایگاه کاربر داشته باشید ، به تیم های محصول اجازه می دهد تا بر اساس استفاده از ویژگی ها ، مدت زمانی که کاربران از این نرم افزار استفاده می کنند یا تعداد دفعات استفاده از آن ، محبوبیت ویژگی ها و موارد دیگر ، بخشهایی را بررسی کنند. به عنوان مثال ، ممکن است متوجه شوید که استفاده از یک ویژگی خاص در طبقه بندی رایگان بین کاربران در بیش فهرست قرار دارد. بنابراین ویژگی را به یک ردیف پولی منتقل کنید و تأثیر آن را هم بر روی ارتقا ردیف پولی و هم بر نرخ راندگی رایگان اندازه بگیرید. یک ابزار سنتی BI برای تحلیل سریع چنین تغییری کوتاه است

موردی از بلوزهای ردیف آزاد

هدف لایه رایگان رانندگی آزمایشاتی است که منجر به ارتقا event نهایی می شود. کاربرانی که به یک برنامه پولی ارتقا نمی یابند ، همچنان یک مرکز هزینه هستند یا به سادگی از کار خود جدا می شوند. درآمد اشتراکی ایجاد نمی کند. تجزیه و تحلیل محصولات می تواند تأثیر مثبتی بر هر دو نتیجه داشته باشد. به عنوان مثال ، برای کاربرانی که از کار جدا می شوند ، تیم های تولیدی می توانند نحوه استفاده از محصولات (تا سطح ویژگی) را به طور متفاوت بین کاربرانی که به سرعت از کار خود جدا می شوند در مقایسه با کسانی که در یک دوره خاص فعالیت می کنند ، ارزیابی کنند.

برای جلوگیری از افت سریع ، کاربران باید ارزش فوری محصول را حتی در ردیف رایگان مشاهده کنند. اگر از ویژگی هایی استفاده نمی شود ، ممکن است نشانگر این باشد که منحنی یادگیری ابزارها برای برخی از کاربران بسیار زیاد است و احتمال تبدیل آنها به یک سطح پولی را کاهش می دهد. تجزیه و تحلیل محصول می تواند به تیم ها کمک کند تا استفاده از ویژگی ها را ارزیابی کرده و تجربیات محصول بهتری را ایجاد کنند که احتمالاً منجر به تبدیل می شود.

بدون تجزیه و تحلیل محصول ، برای تیم های تولید محصول دشوار است که درک کنند چرا کاربران از بین می روند. BI سنتی چیزی بیش از اینکه چه تعداد کاربر از آن جدا شده اند به آنها نمی گوید و مطمئناً چگونگی و دلیل اتفاقات پشت صحنه را توضیح نمی دهد.

کاربرانی که در ردیف رایگان باقی می مانند و همچنان از ویژگی های محدود استفاده می کنند چالش متفاوتی دارند. واضح است که کاربران ارزش محصول را دارند. سوال این است که چگونه می توان از میل موجود آنها استفاده کرد و آنها را به یک ردیف پولی منتقل کنید. در این گروه ، تجزیه و تحلیل محصول می تواند به شناسایی بخشهای متفاوتی از کاربران نادر (نه اولویت بالا) تا کاربرانی که محدودیت دسترسی آزاد خود را تحت فشار قرار می دهند (بخش خوبی برای تمرکز در ابتدا) کمک کند. یک تیم محصول ممکن است نحوه واکنش این کاربران در برابر محدودیت های بیشتر در دسترسی آزاد خود را آزمایش کند ، یا تیم ممکن است یک استراتژی ارتباطی متفاوت را برای برجسته کردن مزایای لایه پرداخت شده امتحان کند. با استفاده از هر دو روش ، تجزیه و تحلیل محصول تیم ها را قادر می سازد تا سفر مشتری را دنبال کرده و آنچه را که در مجموعه گسترده ای از کاربران کار می کند ، تکرار کنند.

ارزش گذاری در کل سفر مشتری

با بهتر شدن محصول برای کاربران ، بخشهای ایده آل و شخصیتها آشکارتر می شوند ، و بصیرتی را برای کمپینهایی فراهم می کنند که می توانند مشتریانی شبیه به هم جذب کنند. همانطور که مشتریان به مرور زمان از نرم افزار استفاده می کنند ، تحلیلگران محصول می توانند با جمع آوری دانش از داده های کاربر ، نقشه مشتری را برای جدا کردن از نقشه بردارند. دانستن اینکه مشتری چه چیزی را متلاشی می کند - چه ویژگی هایی از آنها استفاده کرده و استفاده نکرده اند ، اینکه چگونه استفاده با گذشت زمان تغییر کرده است - اطلاعات ارزشمندی است.

با شناسایی شخصیت های در معرض خطر ، آزمایش کنید تا ببینید که چگونه فرصت های مختلف مشارکت در نگه داشتن کاربران در برنامه و آوردن آنها به برنامه های پولی موفق است. به این ترتیب ، تجزیه و تحلیل در قلب موفقیت محصول است ، و باعث بهبود ویژگی هایی می شود که منجر به افزایش مشتری می شوند ، به نگه داشتن مشتریان فعلی برای مدت طولانی تر کمک می کند و نقشه راهی بهتر برای همه کاربران ، حال و آینده ایجاد می کند. با ارتباط تجزیه و تحلیل محصول به انبار داده های ابری ، تیم های تولیدی دارای ابزاری برای استفاده حداکثری از داده ها برای طرح هرگونه سوال ، ایجاد یک فرضیه و آزمایش نحوه پاسخگویی کاربران هستند.

شما چه فکر میکنید؟

این سایت از Akismet برای کاهش هرزنامه استفاده می کند. بدانید که چگونه نظر شما پردازش می شود.