هدف اصلی هر کسی که قصد بازاریابی برای اپلیکیشن را دارد جذب کاربر جدید و نگهداشت آنها در طول زمان است.
همانگونه که همهی ما میدانیم، حفظ مشارکت کاربران، معیار خوبی برای درک میزان موفقیت یک اپلیکیشن محسوب میشود و از لحاظ درآمدی نیز به بازگشت سرمایهی بیشتری منجر خواهد شد.
با این حال، ریزش کاربر بخشی جداییناپذیر از این معادله است. همیشه درصدی از کاربران، اپلیکیشن را ترک میکنند که تعداد کمی هم نیست. در حقیقت، تخمین کارشناسان یک ترکر بینالمللی این است که تقریباً ۸۰ درصد کاربران اپلیکیشنها، یک روز پس از نصب اپلیکیشن آن را کنار میگذارند. به این ترتیب در روز هفتم، تنها ۱۲ درصد از کاربران هنوز زوی اپلیکیشن فعالیت دارند.
اما آیا این به معنای از دست دادن باقی کاربران برای همیشه است؟ هیچ امیدی به باز شدن اپ توسط کاربرانی که آن را کنار گذاشتهاند نیست؟
متخصصین اعتقاد دارند بسیاری از کاربران ریزش کرده احتمالاً ظرف مدتی بین یکی دو ماه تا حتی یک سال از آخرین سشن (Session)، دوباره به اپلیکیشن بازمیگردند.
در این مطلب کمی به جزئیات این موضوع خواهیم پرداخت و آن را از منظر دستهبندی موضوعی اپلیکیشن بررسی خواهیم کرد تا ببینیم کاربران ریزش کردهی بخشهای مختلف با چه شرایطی به اپلیکیشنهای مربوطه بازمیگردند.
آیا کاربران پس از یک غیبت طولانی، دوباره به اپلیکیشن بازمیگردند؟
پژوهشگران برای یافتن پاسخ این سوال، دادههای دورهای یکساله را در ۸ دستهبندی موضوعی مختلف تحلیل کردهاند. نتایج این بررسیها متوسط نرخ کاربران غیر فعالی که پس از یکی دو ماه عدم ثبت سشن، دوباره به اپ بازمیگردند را نشان میدهد.
نتایج بررسیهای انجام شده دلگرم کننده بوده است: تعداد کاربرانی که پس از یک بازهی دو ماهه عدم فعالیت، مجدداً به اپلیکیشن بازمیگردند برابر با ۱۷ درصد تمام نصبهای جدید در همان دوره بوده است. تخمینها نشان میدهد پس از ۳ ماه، حدود ۱۱ درصد از کاربران غیر فعال باز خواهند گشت. این مقدار پس از شش ماه، ۴ درصد را نشان میدهد.
مقایسه نرخ بازگشت کاربر، بر اساس دستهبندی اپلیکیشن
از آنجایی که نرخ ریزش کاربر بین اپلیکیشنهای حوزههای مختلف متفاوت است، طبیعی است نرخ بازگشت کاربر نیز در این دستهبندیها متفاوت باشد. به منظور درک بهتر، دستهبندی موضوعی اپلیکیشنها بر اساس بالاتر یا پایینتر بودن نرخ بازگشت نسبت به نرخ متوسط، به دو بخش تقسیم شدهاند.
کدام دستهبندیها بیشترین نرخ بازگشت کاربر را دارند؟
نرخ بازگشت کاربر در میان اپلیکیشنهای حوزهی تجارت الکترونیک به طور ویژه بالاست. پس از گذشت سه ماه از تاریخ آخرین سشن، نرخ بازگشت کاربران این دسته روی رقمی در حدود ۱۸ درصد قرار میگیرد. این موضوع چندان دور از ذهن نیست چرا که اپلیکیشنهای تجارت الکترونیک، مثل اپلیکیشنهای اجتماعی برای گشت و گذار یا تعامل مستمر و روزمره ساخته نشدهاند. کاربر این اپلیکشنها در اغلب مواقع زمانی آنها را باز میکند که به محصول یا خدماتی نیاز دارد. این نیاز نیز احتمالاً هر چند ماه یک بار رخ میدهد، نه هر چند هفته یک بار؛ مگر آنکه در حجم بالا خرید داشته باشد که موضوعی متفاوت است.
از طرف دیگر لازم به توضیح است که بسیاری از مصرفکنندگان این دسته را رانندگان روزانه تشکیل میدهند و به همین دلیل است که نرخ نگهداشت اپلیکیشنهای تجارت الکترونیک در وهلهی اول تا این حد بالاست.
اپلیکیشنهای کاربردی نیز داستان مشابهی دارند. این اپلیکیشنها معمولاً برای تحقق یک هدف واحد طراحی شدهاند. مثلاً یک اپلیکیشن اسکنر را در نظر بگیرید که کاربر تنها برای یک هدف مشخص آن را باز میکند و این معمولاً اتفاقی نیست که به صورت هفتگی یا حتی ماهانه مدام رخ دهد. اما کاربردی بودن این اپلیکیشنها آنقدر هست که کاربر آن را به امید استفادههای بعدی روی موبایل خود نگه دارد.
بازیها نیز نرخ بازگشت کاربر بالایی دارند. معمولاً نرخ بازگشت کاربر در سایر دستهبندیها هماهنگ با نرخ متوسط کمکم افت میکند. اما در مورد بازیها، نرخ بازگشت کاربرانِ غیر فعال تقریباً همیشه دو برابر میزان متوسط است. بازیها نوعی جاذبهی ویژه دارند: با گذشت شش ماه، تقریباً ۸ درصد کاربران غیر فعال به اپلیکیشن بازمیگردند. حتی با گذشت یک سال نیز، به طور متوسط ۲.۳ درصد از آنها به اپ باز میگردند. ممکن است این رقم بسیار ناچیز دیده شود اما با تجمیع آن، تجزیه و تحلیل نرخ بازگشت کاربر به شدت تحت تاثیر قرار خواهد گرفت.
کدام دستهبندیها کمترین نرخ بازگشت کاربر را دارند؟
حالا اجازه دهید نگاهی به بخش پایینی نمودار بیاندازیم. نرخ بازگشت کاربر در این دستهبندیها پایینتر از نرخ متوسط قرار میگیرد، اما کماکان چیزی از ارزش آگاهی از زمان بازگشت کاربر به آنها کم نمیکند. بدون دانستن این موضوع، تصویر کاملی از چرخهی حیات کاربران خود نخواهید داشت و آنقدرها که باید در هدفگیری مجدد اثربخش ظاهر نخواهید شد.
دستهبندی سفر را در نظر بگیرید: این دسته هنوز نرخ بازگشت بالایی دارد و تقریباً ۸ درصد از کاربران غیر فعال آن پس از یک وقفهی سه ماهه بازمیگردند. این موضوع با در نظر گرفتن این نکته که آژانسهای مسافرتی آنلاین، ایرلاینها و اپلیکیشنهای رزرو هتل، محبوبترین انواع اپلیکیشنهای این دستهبندی به شمار میروند چندان دور از ذهن نخواهد بود.
این نوع اپلیکیشنها، بیشتر از هر چیز دیگری، کاملاً کاربردی هستند و معمولاً برای رسیدگی به نیازهای فصلی و بهخصوصی طراحی شدهاند، نه گشت و گذار معمولی؛ از جمله رزرو پرواز یا اتاق هتل. با این حال، آگاهی از زمان احتمالی باز کردن یک سشن جدید توسط کاربر یا زمان تخمینی نصب مجدد اپلیکیشن، در هدفگیری مجدد تفاوت بسیار زیادی ایجاد میکند: کاربرانی که معمولاً پس از سه ماه ریزش میکنند را میتوان با فعالیتهای هدفمند یا پیشنهادهای جذاب دوباره هدف قرار داد.
از طرف دیگر، نرخ بازگشت کاربران اپلیکیشنهای اجتماعی به شکل مشخصی پایین است. کافی است نگاه کنید خط مربوط به این دستهبندی چقدر به محور افقی نمودار نزدیک است؛ از همان ابتدا. حتی پس از ۲ ماه، تنها ۱.۳ درصد از کاربران ریزش کردهی این دسته ممکن است به استفاده از اپلیکیشن بازگردند.
این امر منطقی است: شبکههای اجتماعی یکی از ستونهای ارتباطات نوین به شمار میروند، اما اوضاع آنها صفر و صدی است. کاربران شبکههای اجتماعی یا از همان ابتدا مشارکت دارند، یا بلافاصله و ناگهانی علاقهشان را از دست میدهند. اما همین پتانسیلی که در جذب کاربران وفادار دارند به آن معناست که بازاریابان اپلیکیشنهای سوشال باید بدانند کاربرانشان معمولاً کجا ریزش میکنند یا از کجا بازمیگردند. به این ترتیب میتوانند بیشترین احتمال جلب مشارکت آنان را داشته باشند.
چرا باید در بازههای نامحدود به آمار گذشته نگاه کرد؟
پژوهشگران به همان دلایلی که بالاتر ذکر شد به این نتیجه رسیدهاند که برای نگاه کردن به آمار گذشته، نباید نگاهمان را محدود کنیم.
دلیل این امر آن است که سشنهای کاربرانی که قبلاً اپلیکیشنی را دانلود کردهاند و حالا مثلاً بعد از سه ماه به آن بازمیگردند، به عنوان نصب جدید در نظر گرفته خواهد شد. در ثانی، ممکن است نتیجهی یک طرح بازاریابی به شمار روند که برایش هزینه پرداخت شده.
اگر سابقهی دادههای کاربران شما به اندازهی کافی به عقب برنگردد، آمار و ارقام نصب اپلیکیشن شما ممکن است ۱۰ تا ۱۱ درصد جابجا شود. به عبارت دیگر، جدای از هزینههای مالی، عدم محاسبهی سابقهی بلندمدت کاربران میتواند دقت دادههای کمپینهای تبلیغات نصبی و هدفگیری مجدد شما را نیز مخدوش کند.
منبع: Adjust