Optimasi Corong Aktivasi: Onboarding dan Waktu Menuju Nilai

Sebagian besar produk B2B SaaS dan PLG kehilangan 60 hingga 80 persen pengguna baru antara proses signup dan aktivasi, dan hampir tidak ada yang telah memetakan di mana hal itu terjadi. PM menyalahkan tim marketing karena "lead berkualitas rendah." Marketing menyalahkan produk karena onboarding yang rusak. Corong dibiarkan dalam dashboard Mixpanel yang tidak pernah dibuka siapa pun, dan rapat pertumbuhan mingguan berubah menjadi perdebatan tentang materi iklan sementara setengah dari pengguna berbayar tidak pernah login dua kali.

Jika Anda adalah growth marketer, ini adalah masalah Anda. Terlepas dari apakah organisasi mengakuinya atau tidak, aktivasi berada di titik pertemuan antara akuisisi dan produk, dan titik pertemuan itu adalah tanggung jawab Anda. Tim akuisisi menginginkan lebih banyak volume. Tim produk menginginkan kode yang lebih bersih. Penurunan antara signup dan nilai adalah area yang tidak dimiliki siapa pun, dan biasanya merupakan lever terbesar di perusahaan.

Panduan ini adalah cara Anda mengambil alihnya.

Temukan momen aha Anda dalam data kohort, bukan di kepala pendiri

Setiap tim yang pernah saya kerjakan memiliki "momen nilai inti" yang pernah dinamai oleh seseorang, biasanya pendiri, dalam sebuah presentasi tahun 2018. Hampir selalu salah, atau setidaknya arahnya malas. Momen aha adalah tindakan di mana pengguna yang melakukannya di minggu pertama bertahan pada tingkat 2 hingga 3 kali lipat dibandingkan pengguna yang tidak. Anda menemukannya dengan melihat kurva retensi, bukan dengan melihat ke dalam diri sendiri.

Contoh-contoh klasik terkenal karena didefinisikan oleh data, bukan oleh intuisi. Slack tidak memilih "kirim 2.000 pesan sebagai tim" karena terdengar bagus dalam rapat dewan. Mereka melakukan analisis kohort tim berdasarkan volume pesan di minggu-minggu pertama dan menyadari retensi meningkat tajam di atas angka tersebut. Dropbox menemukan bahwa "1 file dalam 1 folder di setidaknya 1 perangkat" memprediksi retensi lebih baik daripada jumlah file atau penyimpanan yang digunakan. Figma mengamati bahwa file pertama yang dibagikan adalah tindakan yang mengubah satu pengguna menjadi tim pengguna.

Polanya selalu sama. Kelompokkan pengguna berdasarkan minggu signup. Segmentasikan setiap kohort berdasarkan apakah mereka melakukan tindakan kandidat dalam 7 hari pertama. Buat grafik kurva retensi pada hari ke-7, ke-14, dan ke-30 untuk setiap segmen. Tindakan yang kurva retensinya paling lebar adalah kandidat momen aha Anda.

Pola SQL yang berfungsi, dalam bahasa sederhana:

1. Tarik semua pengguna signup dari 12 minggu terakhir.
2. Untuk setiap pengguna, tandai apakah mereka melakukan tindakan kandidat dalam 7 hari setelah signup.
3. Hitung retensi hari ke-7, ke-14, dan ke-30 untuk kedua segmen.
4. Ulangi untuk 5 hingga 10 tindakan kandidat: mengundang rekan tim, membuat catatan, menghubungkan integrasi, mengirim pesan, menjalankan laporan, dan sebagainya.
5. Tindakan dengan selisih retensi terbesar dan tingkat adopsi yang wajar (Anda menginginkan setidaknya 30 persen pengguna mencapainya, karena jika tidak, kenaikan tersebut hanya bersifat teoretis) adalah momen aha Anda.

Jangan memilih berdasarkan kenaikan semata. Tindakan yang meningkatkan retensi 4 kali lipat tetapi hanya 5 persen pengguna yang pernah mencapainya bukan momen aha, melainkan perilaku pengguna tingkat lanjut. Anda membutuhkan kenaikan sekaligus jalur yang dapat dilalui sebagian besar pengguna.

Jika pendiri Anda bersikeras bahwa momen aha adalah sesuatu yang tidak didukung data, Anda memiliki dua tugas: kirimkan analisis itu bagaimanapun juga, dan lakukan percakapan tersebut. Aktivasi adalah masalah retensi, bukan masalah pendapat.

Corong 5 langkah, dengan kisaran penurunan yang realistis

Setelah Anda mendefinisikan momen aha, instruksikan jalur menuju momen tersebut sebagai 5 langkah. Setiap produk B2B PLG dapat dimodelkan dengan cara ini:

1. Signup. Email diverifikasi, akun ada.
2. Setup. Workspace dibuat, konfigurasi pertama selesai, opsional mengundang rekan tim.
3. Tindakan pertama. Mereka membuat sesuatu: catatan, proyek, dokumen, atau deal.
4. Nilai pertama (momen aha). Sesuatu yang berguna terjadi. Dashboard terisi. Email terkirim. Rekan tim membalas.
5. Kebiasaan. Kembali 3 kali atau lebih di minggu pertama, atau mencapai momen aha 3 kali ke atas.

Kisaran penurunan yang realistis untuk produk B2B PLG tipikal terlihat seperti ini:

• Signup ke Setup: penurunan 30 hingga 40 persen
• Setup ke Tindakan pertama: penurunan 25 hingga 35 persen
• Tindakan pertama ke Nilai pertama: penurunan 20 hingga 30 persen
• Nilai pertama ke Kebiasaan: penurunan 15 hingga 25 persen

Efek kumulatif sangat brutal. Jika setiap langkah menghasilkan 75 persen yang berhasil melanjutkan, Anda berakhir dengan 32 persen aktivasi. Untuk mencapai 50 persen aktivasi dari awal hingga akhir, setiap langkah harus mencapai 85 persen atau lebih baik. Sebagian besar produk memiliki satu langkah yang bocor dua kali lebih buruk dari yang lain. Itulah langkah yang harus diperbaiki terlebih dahulu.

Berikut contoh nyata dari CRM PLG yang pernah saya kerjakan:

Total dari awal hingga akhir: 22 persen. Langkah setup dan nilai pertama mengalami kebocoran. Setup dapat diperbaiki dengan set field yang wajib diisi lebih sedikit dan workspace contoh. Nilai pertama dapat diperbaiki dengan membuat deal terlebih dahulu di tahap 1 sehingga sesi pertama dapat menunjukkan perpindahan tahap tanpa 30 menit entri data.

Instrumentasi: events, properti, dan dashboard yang tidak berbohong

Aktifkan satu event per langkah, diberi nama secara konsisten, dengan set properti yang sama:

• signup_completed
• setup_completed
• first_action_completed
• first_value_reached
• habit_formed

Lampirkan properti berikut pada setiap event: signup_source (berbayar, organik, rujukan, mitra), plan (gratis, trial, berbayar), team_size (dilaporkan sendiri atau disimpulkan), role (admin, anggota, penonton), industry, cohort_week. Properti lebih penting daripada event itu sendiri. Tanpa properti, Anda hanya tahu bahwa 36 persen pengguna mencapai setup, tetapi tidak tahu bahwa 14 persen pengguna dari sumber berbayar mencapai setup dibanding 52 persen dari sumber rujukan, yang merupakan cerita sesungguhnya.

Tata letak dashboard yang membuat penurunan mudah dibaca: minggu kohort di baris, 5 langkah corong sebagai kolom, persentase kelanjutan di sel, pemformatan kondisional untuk menyorot sel di bawah 70 persen. Satu tampilan per sumber. Satu tampilan per paket. Pertama kali Anda meletakkan ini di hadapan PM yang selama ini berbicara abstrak tentang "keterlibatan," mereka akan terdiam.

Beri nama diagnosisnya sehingga tim dapat membicarakannya tanpa harus memulai dari awal setiap kali:

• Ghost signup. Email terverifikasi, tidak pernah login lagi. Hampir selalu merupakan masalah marketing atau ekspektasi. Halaman landing menjanjikan sesuatu yang tidak ditawarkan produk di awal. Perbaiki di sisi akuisisi, bukan di sisi produk.
• Stagnasi kondisi kosong. Login, tidak pernah membuat sesuatu. Produk menampilkan dashboard kosong dan mereka pergi. Ini adalah pembunuh aktivasi terbesar dalam B2B PLG. Lebih lanjut tentang ini berikutnya.
• Pelanggan yang berhenti saat setup. Memulai setup, lalu menemukan field yang wajib diisi yang tidak bisa atau tidak mau mereka isi. Tinjau field wajib Anda dengan ketat.
• Nilai tidak pernah tercapai. Menggunakan produk tetapi momen ajaib tidak pernah terjadi. Biasanya berarti jalur dari tindakan pertama ke nilai pertama terlalu panjang, terlalu tersembunyi, atau membutuhkan data yang belum mereka miliki.

Setiap diagnosis memiliki perbaikan yang berbeda. Memperlakukannya sebagai satu hal ("aktivasi kami buruk") adalah cara tim menghabiskan 6 bulan untuk mempoles UI yang tidak menggerakkan metrik.

Masalah kondisi kosong

UI saat pertama kali dijalankan yang menampilkan data nol adalah pembunuh aktivasi tunggal terbesar dalam B2B PLG. Dashboard kosong terasa seperti pekerjaan rumah. Anda mendaftar untuk melihat nilai, dan sekarang produk meminta Anda melakukan 40 menit pekerjaan sebelum menunjukkan apa pun. Anda menutup tab. Anda tidak kembali.

Tiga pola yang berhasil, dalam urutan investasi yang meningkat:

Data sampel yang sudah terisi. Workspace dikirimkan dengan proyek, deal, dokumen, atau dataset sintetis yang sudah ada di dalamnya. Pengguna mendarat di dashboard yang sudah terisi dan dapat menjelajahinya. Grafik terrender. Filter berfungsi. Produk terlihat aktif. Versi terbaik dari ini memungkinkan pengguna menghapus data sampel dengan satu klik ketika mereka siap, tetapi tidak memaksakan pilihan di awal.

Mode jelajah sebelum mode bangun. Tur hanya-baca dari workspace demo yang sudah terisi, kemudian tombol "buat milik Anda sendiri". Notion melakukan versi ini. Linear juga melakukan versi ini. Pengguna dapat merasakan produk sebelum harus mengisinya.

Tur produk interaktif yang menghasilkan artefak nyata. Bukan tur overlay UI "klik di sini, sekarang klik di sini" yang selalu dilewati semua orang. Tur ini adalah alur terpandu selama 90 detik yang berakhir dengan pengguna memiliki sesuatu yang nyata: deal pertama mereka, dokumen pertama mereka, atau otomasi pertama mereka. Tur tersebut adalah tindakan pertama, bukan tutorial tentang tindakan pertama.

Perbaikan yang salah adalah lebih banyak overlay onboarding. Korsel tooltip adalah setara aktivasi dari "sudah coba matikan dan nyalakan lagi?" Mereka membuat tim merasa produktif. Mereka tidak menggerakkan metrik.

Pola perbaikan value stall

Ketika pengguna mencapai setup atau tindakan pertama tetapi tidak pernah mencapai nilai pertama, Anda menghadapi value stall. Pola perbaikan, diurutkan berdasarkan leverage:

• Template. Mulai dari contoh yang sudah berfungsi, bukan kanvas kosong. Template harus berupa artefak nyata di workspace mereka yang dapat dimodifikasi, bukan "starter pack" yang harus diimpor. Template meningkatkan tingkat nilai pertama lebih dari intervensi tunggal lainnya yang pernah saya lihat.
• Sampel. Data sintetis yang dapat diedit, dijalankan, dan diuji coba oleh pengguna. Berbeda dari template karena sampel adalah data demonstrasi di dalam struktur kosong, sementara template adalah strukturnya sendiri.
• Tombol lewati. Biarkan pengguna tingkat lanjut melewati onboarding tanpa penalti. Seorang teman growth PM pernah mengukur bahwa 18 persen dari pengguna trial melewati seluruh alur onboarding ketika diberi opsi, dan segmen tersebut memiliki aktivasi yang lebih tinggi daripada segmen yang menyelesaikan onboarding. Pengguna cepat ingin dibiarkan sendiri. Pastikan jalur lewati tidak kehilangan data atribusi mereka.
• Daftar periksa dengan kemajuan yang terlihat. Daftar periksa aktivasi 5 item, tetap ada di nav samping, dengan status penyelesaian. Kuncinya adalah membuat item cukup kecil sehingga item pertama selesai pada saat mereka selesai membaca daftarnya. Momentum adalah mekanisme sesungguhnya, bukan daftar periksa itu sendiri.
• Dorongan dengan keterlibatan manusia. Email yang dipimpin pendiri pada tanda 24 jam jika pengguna belum mencapai langkah 3. Bukan email marketing. Pesan teks biasa yang singkat: "Saya melihat Anda mendaftar, ini yang dilakukan 90 persen tim pertama kali." Tingkat buka di atas 50 persen. Tingkat balas di atas 5 persen. Anda akan belajar lebih banyak dari balasan tersebut daripada dari rekaman sesi apa pun.

Gabungkan polanya. Template ditambah daftar periksa ditambah dorongan 24 jam akan menggerakkan aktivasi lebih banyak daripada salah satu dari mereka saja.

Cara menguji perubahan onboarding (secara berurutan, bukan paralel)

Pengujian aktivasi bukan pengujian halaman landing. Populasinya kecil. Sinyalnya banyak gangguan. Pengujian saling berinteraksi satu sama lain dengan cara yang mengontaminasi hasil. Jalankan satu varian sekaligus.

Aturan yang saya ikuti:

1. Satu varian sekaligus. Dua pengujian onboarding paralel akan bertabrakan. Pengguna yang masuk ke varian template dari pengujian A dan varian daftar periksa dari pengujian B telah diperlakukan oleh keduanya, dan analisis Anda tidak dapat memisahkannya tanpa ukuran sampel yang lebih besar dari yang Anda miliki.
2. Tahan selama minimal 2 kohort mingguan penuh. Efek aktivasi muncul pada hari ke-7, kadang hari ke-14. Pengujian 3 hari memberi Anda kenaikan sesi pertama yang tidak berlanjut.
3. Lihat retensi hari ke-7, bukan penyelesaian langkah. Penyelesaian langkah adalah angka kesia-siaan. Daftar periksa baru yang meningkatkan penyelesaian langkah 3 dari 50 menjadi 70 persen tetapi tidak menggerakkan retensi hari ke-7 adalah kemenangan UI tetapi bukan kemenangan pertumbuhan.
4. Daftarkan hipotesis dan minimum detectable effect terlebih dahulu. Sebelum Anda mengirimkan varian, tuliskan berapa kenaikan yang Anda harapkan dan berapa ukuran sampel yang Anda butuhkan untuk mendeteksinya dengan daya 80 persen. Jika perhitungannya mengatakan Anda membutuhkan 4.000 pengguna per kelompok dan Anda hanya memiliki 600 signup per minggu, pengujian akan memakan waktu 13 minggu. Putuskan itu di awal, atau pilih pertarungan yang berbeda.
5. Hentikan pengujian buruk dengan cepat, tetapi jangan dengan mengintip. Jika sinyal arah pada minggu 1 sangat negatif, hentikan. Jangan terus mengintip hasil netral berharap mereka akan menjadi positif. Begitulah cara Anda mendapatkan positif palsu dan mengirimkan varian yang lebih buruk.

Bagian tersulit adalah menolak tim yang ingin menjalankan 5 pengujian onboarding dalam kuartal ini. Anda dapat menjalankan 2, mungkin 3, dengan keyakinan. Lebih dari itu dan Anda menghasilkan gerakan, bukan sinyal.

Matematika waktu menuju nilai

Median waktu menuju nilai (signup ke momen aha) adalah metrik tunggal yang paling prediktif untuk aktivasi. Lacak. Perdebatkan. Pangkas.

Ambang batas kasar yang saya lihat bertahan:

• Di bawah 10 menit: sangat baik. Sebagian besar pengguna akan mencapainya dalam satu sesi.
• Di bawah 1 jam: dapat diterima. Beberapa pengguna kembali di hari ke-2 untuk menyelesaikannya.
• Di atas 24 jam: sebagian besar pengguna tidak pernah kembali. Sesi telah berakhir dan produk belum mendapat kunjungan kedua.

Matematika memangkas waktu menuju nilai sangat menguntungkan. Contoh nyata dari produk analitik B2B:

• Sebelum: Median waktu menuju nilai 45 menit (memerlukan setup integrasi dan menunggu data). Retensi hari ke-7: 22 persen.
• Sesudah: Median waktu menuju nilai 8 menit (dataset sampel saat signup, integrasi nyata opsional). Retensi hari ke-7: 38 persen.

Itu adalah kenaikan 1,7 kali lipat dalam retensi hari ke-7 dari satu intervensi. Tim akuisisi perlu menggandakan volume signup yang berkualitas untuk menghasilkan dampak hilir yang sama, dengan biaya yang mungkin 10 kali lebih besar. Inilah mengapa pekerjaan aktivasi adalah pekerjaan pertumbuhan dengan leverage tertinggi di sebagian besar perusahaan: Anda tidak membeli pengguna, Anda mempertahankan mereka yang sudah datang.

Bagaimana momen aha memetakan retensi

Alasan semua ini penting: pengguna yang mencapai momen aha di minggu pertama bertahan pada 60 hingga 70 persen di hari ke-30. Pengguna yang tidak bertahan pada 15 hingga 20 persen. Itu adalah selisih retensi 3 hingga 4 kali lipat yang terus berlipat ganda sepanjang masa pelanggan.

Perkiraan kasar dampak LTV:

• 1.000 signup bulanan
• 22 persen aktivasi saat ini: 220 pengguna teraktivasi, sekitar 150 bertahan di hari ke-30
• Tingkatkan aktivasi ke 40 persen: 400 pengguna teraktivasi, sekitar 270 bertahan di hari ke-30
• 80 persen lebih banyak pengguna yang bertahan dari anggaran akuisisi yang sama

Anggaran iklan yang sama. SEO yang sama. Pipeline mitra yang sama. Hampir dua kali basis pengguna yang dipertahankan. Itulah argumen untuk mendanai pekerjaan aktivasi, dan itulah argumen untuk memilikinya sebagai growth marketer alih-alih membiarkannya membusuk di titik pertemuan tersebut.

Daftar periksa diagnostik yang dapat Anda jalankan minggu ini

Blokir 4 jam. Buka warehouse dan alat analitik Anda. Jalankan daftar ini:

1. Tarik kurva retensi kohort. 12 minggu terakhir signup, retensi di hari ke-7, 14, 30. Buat grafiknya.
2. Daftarkan 5 hingga 10 tindakan aha kandidat. Apa yang diharapkan produk dilakukan pengguna? Daftarkan semuanya datar, tanpa urutan.
3. Hitung selisih retensi per tindakan. Melakukan vs tidak melakukan, di minggu pertama, diplot terhadap retensi hari ke-30. Temukan tindakan dengan selisih terlebar dan setidaknya 30 persen adopsi.
4. Instruksikan 5 langkah corong jika belum aktif. Tambahkan properti (sumber, paket, ukuran tim, peran, minggu kohort).
5. Bangun dashboard kohort x langkah kelanjutan. Satu baris per minggu kohort, satu kolom per langkah.
6. Temukan langkah terburuk. Yang bocor 2 kali lebih buruk dari yang lain. Beri nama diagnosisnya (ghost, kondisi kosong, pelanggan berhenti saat setup, nilai tidak pernah tercapai).
7. Kirimkan satu perbaikan. Template, sampel, tombol lewati, atau dorongan 24 jam. Sesuaikan perbaikan dengan diagnosis.
8. Tahan selama 2 minggu kohort. Baca pada retensi hari ke-7, bukan penyelesaian langkah.

Itulah pekerjaannya. Tidak glamor. Bukan desain ulang. Bukan platform baru. Satu angka, satu langkah yang bocor, satu perbaikan, dua minggu. Ulangi hingga aktivasi dari awal hingga akhir Anda melebihi 40 persen. Kemudian temukan langkah bocor berikutnya.

Growth marketer yang paling saya hormati memiliki pendapat tentang corong aktivasi mereka dalam 30 hari setelah bergabung dengan perusahaan. Bukan sekadar intuisi, melainkan sebuah angka, sebuah diagnosis, dan antrian tiga perbaikan yang diurutkan berdasarkan kenaikan yang diharapkan. Jadilah orang itu.

Pelajari Lebih Lanjut

• Deskripsi Pekerjaan: Growth Marketing Manager
• Desain Eksperimen Pertumbuhan: Hipotesis hingga MDE hingga Readout
• Metrik Pertumbuhan: Momen Aha, Aktivasi, Retensi
• Loop Retensi, Loop Viral, Reaktivasi