#144 รักษาผู้ใช้และเพิ่ม engagement ของแอป

https://www.youtube.com/watch?v=pOyQ35D-Pwg · App Masters · อัปโหลด 2018-04-23 · ยาว 14:38 · ชื่อเดิม: Mobile App Engagement and Retention · ซับ auto-caption YouTube (ไม่ได้ฟังเสียงซ้ำ ไม่ได้ดูภาพ) · AI สรุป

⚡ สรุปสั้น

ผู้พูดจาก Pyze ชี้ว่าตลาดที่เข้าถึงได้จริงเล็กกว่าที่คิด เพราะถ้า retention ต่ำ ผู้ใช้จะหายไปเรื่อยๆ ต่อให้ลงเงินซื้อผู้ใช้ต่อไป

เขาเสนอ checklist วงจรการเติบโตของผู้ใช้: onboarding, engagement, loyalty, การดึงกลับ โดยวัดพฤติกรรมผู้ใช้ (user actions) ไม่ใช่แค่ฟีเจอร์

ปลายทางคือใช้ machine learning ทำนายว่าใครกำลังจะเลิกใช้ แล้วยิงแคมเปญอัตโนมัติและปรับประสบการณ์เป็นรายบุคคล

📌 ประเด็นสำคัญ (อ้างนาที)

• คนส่วนใหญ่ในงานสัมมนาพูดแต่เรื่อง acquisition แต่ผู้พูดเน้นว่าต้องดู retention และ engagement [03:19]
• ยกตัวอย่างตลาดที่เข้าถึงได้ราว 100 ล้านผู้ใช้ และ conversion rate ทั่วไป 10% ซึ่งต้องให้ผู้ใช้ชวนคนอื่นต่อให้ได้ประมาณ 5 คน [03:19]
• ถ้า retention 90% จะโตจนเต็มตลาดที่ราว 100 ล้าน ส่วนถ้า 80% จะไปหยุดที่ราว 43 ล้านผู้ใช้ [04:54]
• ผู้พูดถามว่ามีกี่เปอร์เซ็นต์ที่ดาวน์โหลดแล้วใช้จริง แล้วบอกว่าราว 30% ซึ่งหมายถึงต้องแก้ที่ retention [05:26]
• เมื่อหยุดลงเงิน acquisition ฐานผู้ใช้จะค่อยๆ หดลง ผู้พูดบอกว่าประมาณ 36 เดือนหลังหยุด [05:56]
• เกมแคชชวลมักทำเกม/เวอร์ชันใหม่ไปเรื่อยๆ เพราะ retention ต่ำ ยกเว้นเกมคาสิโนที่ retention สูงอยู่แล้ว [06:29]
• วงจรการเติบโตมี 4 ส่วนหลัก: acquisition, onboarding/activation, engagement (ใช้งานต่อเนื่อง personalization), loyalty/referral/re-engagement [07:01]
• เริ่มจากวัด user actions ไม่ใช่ features ใช้ข้อมูลพฤติกรรมเดิมมาสร้างฟีเจอร์ใหม่ที่ตรงกับผู้ใช้ปัจจุบัน [08:33]
• อย่าติดตั้ง events มากเกินไปโดยไม่ดู attributes ของแต่ละ event ให้ละเอียด เพื่อใช้ขับเคลื่อนทิศทางโปรดักต์แบบ real-time [09:33]
• ผูกพฤติกรรมกับ ID ผู้ใช้ข้ามเว็บ/โมบาย/อุปกรณ์ และรวมข้อมูล CRM เพื่อทำ personalization รายบุคคล [10:34]
• ใช้ machine learning ทำนายว่าผู้ใช้คนไหนจะเลิกใช้ แล้วยิงแคมเปญอัตโนมัติ เช่น คูปอง เพื่อดึงกลับ [11:40]

เอาไปใช้ยังไง

ลองเช็กว่าแอปเราวัดพฤติกรรมรายหน้าจอ/รายการกระทำพร้อม attributes และผูกกับ user ID หรือยัง แล้วเริ่มแบ่งกลุ่มผู้ใช้ที่เสี่ยงเลิกใช้เพื่อส่ง push/ข้อเสนอดึงกลับ ก่อนจะเพิ่มงบซื้อผู้ใช้

🗒️ ข้อควรระวัง

ผู้พูดเป็น Head of Business Development ของ Pyze จึงโปรโมตแพลตฟอร์ม analytics/ML ของบริษัทตัวเอง ซับอังกฤษคุณภาพต่ำมาก ตัวเลขหลายจุด (เช่น 5 คน, 10%, 90%/80%, 43 ล้าน, 30%, 36 เดือน) อาจเพี้ยนและบางช่วงจับใจความไม่ได้ ข้อมูลเป็นปี 2018 จึงควรตรวจอายุของเครื่องมือและแนวทางก่อนนำไปใช้ ส่วนหลักการ retention ยังใช้ได้

• ตัวเลข/ชื่อ ตามซับ auto อาจเพี้ยน — ยังไม่ได้ฟังทวน