Growth: Más allá de las métricas de Daily Active User /Monthly Active User

Por Ekaterina Skorobogatova y David K. Smith

Desde nuestra Aceleradora de Crecimiento ( Growth Accelerator ) una de las primeras acciones que ponemos en marcha es enseñar a las compañías a pensar y a tomar decisiones teniendo suficiente información/data. Cuando comenzamos a trabajar con ellos en sus métricas clave de crecimiento, les demostramos por que la necesidad de mirar más allá de DAU/WAU/MAU.

(DAU: Usuarios activos diarios) (WAU: Usuarios activos semanales) (MAU: Usuarios activos mensuales)

Esta publicación presenta algunos de nuestras reflexiones y consejos sobre cuales son las métricas adecuadas de crecimiento para tu producto. Una vez al mes, por trimestre, por seis meses o incluso una vez por año.

Las métricas de usuarios activos mensuales, semanales y diarias se han convertido en el estándar de facto para medir la retención y el engagement desde que fueron introducidas hace unos diez años por Facebook. Sin embargo, estas métricas realmente no funcionan para empresas con uso esporádico (comercio electrónico, viajes, muchos servicios SaaS) de la misma forma que para el caso de uso de Facebook / Twitter / WhatsApp / Instagram, que se centra en el uso diario.

Hemos creado las siguientes pautas que creemos que pueden ayudar a los product managers a establecer cuales son las métricas relevantes de crecimiento para sus productos:

• Define la acción clave por la que se utiliza tu producto. La acción clave indica por que los usuarios obtienen valor de él. En un e-commerce por ejemplo, la acción clave, es la compra. En el caso de servicios como Twitter, Facebook, u otros, la acción clave es tanto publicar un contenido, o seguir a determinadas personas.
• Definir la frecuencia con la que estimas tiene sentido que se utilice tu producto. Una manera de hacerlo sería el equivalente en el mundo offline. Casey Winters, que trabajó en el crecimiento para Pinterest y Grubhub lo deja claro: “Para Grubhub decidimos la frecuencia comparando con lo que era normal offline llamar a un restaurante por teléfono para encargar comida a domicilio . La gente lo hacía una o dos veces al mes en promedio. Entonces, decidimos que nuestro objetivo de frecuencia debería ser mensual. Para Pinterest, fue muy similar: ¿cuál es la acción offline que reemplaza Pinterest? Lo más cercano hojear por una revista, cuyas suscripciones son mensuales. Por lo tanto, es probable que sea una cosa mensual en este caso”.
• Examina la retención de clientes utilizando el objetivo de frecuencia. En el caso de AirBnB o Booking.com, por ejemplo, la mayoría de sus clientes reservan viajes en promedio de 1,5 a 2 veces al año, por lo que los equipos de crecimiento de esos servicios no solo miran a los usuarios activos mensuales sino también a la retención de seis meses.
• Comprueba tu decisión revisando a tus usuarios más fieles. ¿Con qué frecuencia vuelven? ¿Es su frecuencia de uso significativamente diferente de la mayoría de los usuarios “habituales”? Si ves que el 1% de tus usuarios regresan para ejecutar la acción clave cada dos semanas, mientras que el resto de la audiencia realiza una verificación cada seis meses, entonces podría tener sentido pensar en desarrollar nuevas funcionalidades para poder atender a cada tipo de usuario.

Cuando hayas terminado con este ejercicio y sientas que tienes clara, tu acción clave, la frecuencia y la retención,el siguiente paso debe ser el análisis histórico y la proyección.

Una buena manera de ver la frecuencia a lo largo del tiempo es emplear una rolling window. Las rolling windows nos ayudan a visualizar las tendencias mensuales, semestrales o anuales diariamente. Por lo tanto, no es necesario esperar hasta el final del mes o más para saber cómo están cambiando las métricas.

Las rolling windows también ayudan a eliminar el ruido. Por ejemplo, una ventana de 28 días elimina los efectos del día de la semana mientras se aproxima a un mes. Del mismo modo, una ventana de 365 días elimina los efectos de estacionalidad mensuales. Las comparaciones de, digamos, el engagement en una ventana de marzo a marzo con una ventana de septiembre a septiembre son relevantes y significativas.

Para ver una ventana móvil de 365 días (“L365”) en acción, podemos usar el ejemplo de un mercado de baja frecuencia con una estacionalidad significativa: muchas más personas viajan en verano, por lo que el servicio tiene un mayor volumen de transacciones en los meses de verano. Los vendedores activos son cruciales para impulsar el crecimiento del mercado, por lo que en este caso, estamos marcando los días activos por vendedor en la ventana de un año; la métrica es similar a la relación DAU-YAU (usuarios activos anuales), pero se multiplica por 365 para que sea un poco más fácil de interpretar.

Desde la línea verde L365 en el gráfico podemos observar que el engagement promedio del vendedor, medido por los días activos en un año, tuvo una tendencia al alza desde aproximadamente 8,2 a principios de 2015 hasta aproximadamente 12,1 en abril de 2017. Sin embargo, desde entonces, el engagement se ha estancado. El uso de la ventana L365 nos permite eliminar el ruido estacional y mostrar la tendencia histórica de la actividad anual del vendedor en los últimos tres años. La ventana L28, la línea roja en el gráfico, no muestra cambios perceptibles en el engagement a lo largo del tiempo.

El engagement del vendedor es crucial para la supervivencia del mercado, por lo que debemos entender qué está causando la desaceleración. Para descubrir lo que podría estar causando la meseta, podemos examinar la misma ventana L365 pero dividirla por segmento de vendedor. Este gráfico hace justamente eso:

La línea verde del cuadro anterior se repite aquí como la línea negra “AGREGATE”. La línea relativamente estable del “segmento 5” está constantemente entre 12 y 13 días activa en un año. Sin embargo, los otros segmentos muestran grandes avances seguidos por recientes disminuciones en el engagement. Esos segmentos anteriormente impulsaron el crecimiento de la participación agregada y ahora están causando la meseta.

La inmersión profunda en la división del segmento proporciona información procesable. El equipo de SampleCo ahora sabe que para poder restablecer el crecimiento del engagement del vendedor, deben investigar qué podría estar causando el declive en los segmentos respectivos y comenzar a buscar los grandes cambios, tanto internos como externos, que podrían haber tenido un impacto negativo, especialmente en torno a principios de 2018.

Para obtener el código R de prueba que recorre un conjunto de datos de transacción y realizar cálculos diarios de L365, visita nuestro GitHub: https://github.com/dksmith01/TheVentureCity.

Nos encanta el feedback. Comenta.