Pengoptimuman Corong Pengaktifan: Onboarding dan Masa untuk Nilai

Kebanyakan produk B2B SaaS dan PLG kehilangan 60 hingga 80 peratus pendaftaran antara pendaftaran dan pengaktifan, dan hampir tiada siapa yang telah memetakan di mana kejatuhannya berlaku. Pengurus produk menyalahkan pemasaran kerana "lead berkualiti rendah." Pemasaran menyalahkan produk kerana onboarding yang rosak. Corong itu duduk dalam papan pemuka Mixpanel yang tiada siapa buka, dan mesyuarat pertumbuhan mingguan menjadi perdebatan tentang kreativiti iklan sementara separuh daripada pendaftaran berbayar anda tidak pernah log masuk dua kali.

Jika anda adalah growth marketer, masalah ini adalah tanggungjawab anda. Sama ada organisasi mengakuinya atau tidak, pengaktifan berada di persimpangan antara pemerolehan dan produk, dan persimpangan itu adalah milik anda. Pemerolehan mahukan lebih banyak jumlah. Produk mahukan kod yang lebih bersih. Kejatuhan antara pendaftaran dan nilai adalah kawasan tiada pemilik, dan ia biasanya merupakan tuas terbesar dalam syarikat.

Panduan ini adalah cara untuk mengambil alih kawasan tersebut.

Cari detik aha anda dalam data kohort, bukan dalam kepala pengasas

Setiap pasukan yang pernah saya bekerja dengannya mempunyai "momen nilai teras" yang seseorang, biasanya pengasas, namakan dalam pembentangan 2018. Ia hampir selalu salah, atau sekurang-kurangnya malas dari segi arah. Detik aha adalah tindakan di mana pengguna yang melakukannya dalam minggu 1 kekal pada kadar 2 hingga 3 kali ganda berbanding pengguna yang tidak melakukannya. Anda menemuinya dengan melihat lengkung pengekalan, bukan dengan merenung ke dalam diri.

Contoh-contoh klasik terkenal kerana ia ditakrifkan oleh data, bukan oleh naluri. Slack tidak memilih "hantar 2,000 mesej sebagai pasukan" kerana ia kedengaran baik dalam mesyuarat lembaga. Mereka mengkohort pasukan mengikut jumlah mesej dalam minggu-minggu pertama dan menyedari bahawa pengekalan meningkat tajam di atas tahap itu. Dropbox mendapati bahawa "1 fail dalam 1 folder pada sekurang-kurangnya 1 peranti" meramalkan pengekalan lebih baik daripada bilangan fail atau storan yang digunakan. Figma memerhati fail pertama yang dikongsi sebagai tindakan yang menukar seorang pengguna kepada pasukan pengguna.

Coraknya sama setiap kali. Kohort pengguna mengikut minggu pendaftaran. Segmenkan setiap kohort mengikut sama ada mereka mengambil tindakan calon dalam 7 hari pertama mereka. Plotkan lengkung pengekalan pada hari ke-7, hari ke-14, dan hari ke-30 untuk setiap segmen. Tindakan yang lengkung pengekalannya paling tersebar luas adalah calon detik aha anda.

Corak SQL yang berfungsi, dalam bahasa mudah:

1. Tarik setiap pendaftaran dari 12 minggu terakhir.
2. Untuk setiap pengguna, tandai sama ada mereka melakukan tindakan calon dalam 7 hari selepas pendaftaran.
3. Kira pengekalan hari ke-7, hari ke-14, dan hari ke-30 untuk kedua-dua segmen.
4. Ulangi untuk 5 hingga 10 tindakan calon: menjemput ahli pasukan, mencipta rekod, menghubungkan integrasi, menghantar mesej, menjalankan laporan, dan lain-lain.
5. Tindakan dengan delta pengekalan terbesar dan kadar penggunaan yang munasabah (anda mahukan sekurang-kurangnya 30 peratus pengguna mencapainya, jika tidak, peningkatan itu bersifat teori) adalah detik aha anda.

Jangan pilih berdasarkan peningkatan sahaja. Tindakan yang meningkatkan pengekalan sebanyak 4 kali ganda tetapi hanya 5 peratus pengguna yang pernah mencapainya bukan detik aha, ia adalah tingkah laku pengguna kuasa. Anda memerlukan kedua-dua peningkatan dan laluan yang kebanyakan pengguna boleh ikuti.

Jika pengasas anda bersikeras bahawa detik aha adalah sesuatu yang tidak disokong oleh data, anda mempunyai dua tugas: hantar analisis itu juga, dan jalankan perbincangan tersebut. Pengaktifan adalah masalah pengekalan, bukan masalah pendapat.

Corong 5 langkah, dengan julat kejatuhan yang realistik

Setelah anda mentakrifkan detik aha, ukur laluan ke sana sebagai 5 langkah. Setiap produk PLG B2B boleh dimodelkan dengan cara ini:

1. Pendaftaran. E-mel disahkan, akaun wujud.
2. Persediaan. Ruang kerja dicipta, konfigurasi pertama selesai, ahli pasukan dijemput secara pilihan.
3. Tindakan pertama. Mereka mencipta sesuatu: rekod, projek, dokumen, urusan.
4. Nilai pertama (detik aha). Sesuatu itu melakukan perkara yang berguna. Papan pemuka dipaparkan. E-mel dihantar. Ahli pasukan membalas.
5. Tabiat. Kembali 3 kali atau lebih dalam minggu 1, atau mencapai detik aha 3 kali atau lebih.

Kejatuhan yang realistik untuk produk PLG B2B biasa kelihatan seperti ini:

• Pendaftaran ke Persediaan: 30 hingga 40 peratus kejatuhan
• Persediaan ke Tindakan pertama: 25 hingga 35 peratus kejatuhan
• Tindakan pertama ke Nilai pertama: 20 hingga 30 peratus kejatuhan
• Nilai pertama ke Tabiat: 15 hingga 25 peratus kejatuhan

Kesan berganda adalah dahsyat. Jika setiap langkah mencapai 75 peratus laluan, anda berakhir dengan 32 peratus pengaktifan. Untuk mencapai 50 peratus pengaktifan dari awal hingga akhir, setiap langkah perlu 85 peratus atau lebih baik. Kebanyakan produk mempunyai satu langkah yang bocor dua kali lebih teruk daripada yang lain. Itulah langkah yang anda perlu perbaiki dahulu.

Berikut adalah contoh berbentuk nyata daripada CRM PLG yang pernah saya kerjakan:

Dari awal hingga akhir: 22 peratus. Langkah persediaan dan nilai pertama sedang mengalami pendarahan. Persediaan boleh diperbaiki dengan set medan yang diperlukan yang lebih kecil dan ruang kerja contoh. Nilai pertama boleh diperbaiki dengan mencipta urusan terlebih dahulu dalam peringkat 1 supaya sesi pertama dapat menunjukkan pergerakan peringkat tanpa 30 minit pemasukan data.

Pengukuran: peristiwa, sifat, dan papan pemuka yang tidak berbohong

Aktifkan satu peristiwa setiap langkah, dinamakan secara konsisten, dengan set sifat yang sama:

• signup_completed
• setup_completed
• first_action_completed
• first_value_reached
• habit_formed

Lampirkan sifat-sifat ini kepada setiap peristiwa: signup_source (berbayar, organik, rujukan, rakan kongsi), plan (percuma, percubaan, berbayar), team_size (dilaporkan sendiri atau disimpulkan), role (pentadbir, ahli, penonton), industry, cohort_week. Sifat-sifat itu lebih penting daripada peristiwa-peristiwa. Tanpanya, anda akan tahu bahawa 36 peratus pengguna mencapai persediaan tetapi anda tidak akan tahu bahawa 14 peratus pengguna berbayar mencapai persediaan berbanding 52 peratus pengguna rujukan, yang merupakan cerita sebenarnya.

Susun atur papan pemuka yang membuat kejatuhan kelihatan jelas: minggu kohort pada baris, 5 langkah corong sebagai lajur, peratusan laluan dalam sel, pemformatan bersyarat untuk menyerlahkan sel di bawah 70 peratus. Satu pandangan setiap sumber. Satu pandangan setiap pelan. Kali pertama anda meletakkan ini di hadapan pengurus produk yang telah bercakap kabur tentang "penglibatan," mereka akan terdiam.

Namakan diagnosis supaya pasukan boleh berbincang tanpa perlu memperoleh semula setiap kali:

• Pendaftaran hantu. E-mel disahkan, tidak pernah log masuk lagi. Hampir selalu masalah pemasaran atau jangkaan. Halaman pendaratan menjanjikan sesuatu yang produk tidak buka dengannya. Perbaiki pada bahagian pemerolehan, bukan bahagian produk.
• Terhenti di keadaan kosong. Log masuk, tidak pernah mencipta apa-apa. Produk menunjukkan kepada mereka papan pemuka kosong dan mereka pergi. Ini adalah pembunuh pengaktifan terbesar dalam PLG B2B. Lebih lanjut tentang ini seterusnya.
• Penyerah semasa persediaan. Memulakan persediaan, menemui medan yang diperlukan yang tidak dapat atau tidak mahu diisi. Audit medan yang diperlukan anda dengan teliti.
• Nilai tidak pernah sampai. Menggunakan produk tetapi momen ajaib tidak pernah tercetus. Biasanya bermaksud laluan dari tindakan pertama ke nilai pertama terlalu panjang, terlalu tersembunyi, atau memerlukan data yang belum mereka ada.

Setiap diagnosis mempunyai penyelesaian yang berbeza. Menganggap semuanya sebagai satu perkara ("pengaktifan kami buruk") adalah bagaimana pasukan menghantar 6 bulan pembaikan UI yang tidak menggerakkan metrik.

Masalah keadaan kosong

UI pelarian pertama yang menunjukkan sifar data adalah pembunuh pengaktifan terbesar dalam PLG B2B. Papan pemuka kosong terasa seperti kerja rumah. Anda mendaftar untuk melihat nilainya, dan sekarang produk meminta anda melakukan 40 minit kerja sebelum menunjukkan apa-apa. Anda menutup tab itu. Anda tidak kembali.

Tiga corak yang berfungsi, mengikut urutan pelaburan yang semakin meningkat:

Data sampel yang telah diisi terlebih dahulu. Ruang kerja dihantar dengan projek, urusan, dokumen, atau set data sintetik yang sudah ada di dalamnya. Pengguna mendarat pada papan pemuka yang telah diisi dan boleh menerokinya. Carta dipaparkan. Penapis berfungsi. Produk kelihatan hidup. Versi terbaik membenarkan pengguna memadam data sampel dengan satu klik apabila mereka sudah bersedia, tetapi tidak memaksa pilihan itu dari awal.

Mod penerokaan sebelum mod pembinaan. Lawatan baca sahaja ke ruang kerja demo yang telah diisi sepenuhnya, kemudian butang "cipta milik anda sendiri." Notion melakukan versi ini. Linear melakukan versi ini. Pengguna dapat merasai produk sebelum mereka perlu memberinya makan.

Lawatan produk interaktif yang menghasilkan artifak sebenar. Bukan lawatan overlay UI "klik di sini, sekarang klik di sini" yang semua orang langkau. Lawatan itu adalah aliran 90 saat berpanduan yang berakhir dengan pengguna memiliki sesuatu yang sebenar: urusan pertama mereka, dokumen pertama mereka, automasi pertama mereka. Lawatan itu adalah tindakan pertama, bukan tutorial tentang tindakan pertama.

Penyelesaian yang salah adalah lebih banyak overlay onboarding. Karusel tooltip adalah setara pengaktifan dengan "cuba hidupkan semula." Ia membuatkan pasukan berasa produktif. Ia tidak menggerakkan metrik.

Corak penyelesaian kemacetan nilai

Apabila pengguna mencapai persediaan atau tindakan pertama tetapi tidak pernah mencapai nilai pertama, anda mempunyai kemacetan nilai. Corak penyelesaian, dibahagikan mengikut tuas:

• Templat. Mulakan dari contoh yang berfungsi, bukan kanvas kosong. Templat mestilah artifak sebenar dalam ruang kerja mereka yang boleh diubah, bukan "pek pemula" yang perlu diimport. Templat meningkatkan kadar nilai pertama lebih daripada sebarang intervensi tunggal lain yang pernah saya lihat.
• Sampel. Data sintetik yang boleh diedit, dijalankan, dan diuji oleh pengguna. Berbeza daripada templat kerana sampel adalah data demonstrasi dalam struktur kosong, manakala templat adalah struktur itu sendiri.
• Butang langkau. Benarkan pengguna kuasa memintas onboarding tanpa penalti. Seorang rakan pengurus pertumbuhan-produk pernah mengukur bahawa 18 peratus pendaftaran percubaan melangkau keseluruhan aliran onboarding apabila diberi pilihan, dan segmen itu mempunyai pengaktifan yang lebih tinggi daripada segmen yang menyelesaikan onboarding. Pengguna pantas mahu dibiarkan. Pastikan laluan langkau tidak kehilangan data atribusi mereka.
• Senarai semak dengan kemajuan yang kelihatan. Senarai semak pengaktifan 5 item, kekal dalam nav sisi, dengan keadaan penyelesaian. Triknya adalah menjadikan item-item itu cukup kecil sehingga yang pertama selesai pada masa mereka selesai membaca senarai. Momentum adalah mekanisme sebenarnya, bukan senarai semak.
• Dorongan dengan manusia dalam gelung. E-mel yang diketuai oleh pengasas pada tanda 24 jam jika pengguna belum mencapai langkah 3. Bukan e-mel pemasaran. Mesej teks biasa yang pendek: "saya perasan anda mendaftar, inilah perkara yang 90 peratus pasukan lakukan dahulu." Kadar buka melebihi 50 peratus. Kadar balas melebihi 5 peratus. Anda akan belajar lebih banyak daripada balasan-balasan itu berbanding daripada mana-mana rakaman sesi.

Lapisi corak-corak itu. Templat ditambah senarai semak ditambah dorongan 24 jam akan menggerakkan pengaktifan lebih daripada mana-mana satu sahaja.

Cara menguji perubahan onboarding (secara berurutan, bukan selari)

Ujian pengaktifan bukan ujian halaman pendaratan. Populasinya kecil. Isyaratnya bising. Ujian-ujian berinteraksi antara satu sama lain dengan cara yang mencemarkan pembacaan. Jalankan satu varian pada satu masa.

Peraturan yang saya ikuti:

1. Satu varian pada satu masa. Dua ujian onboarding selari akan bertembung. Pengguna yang mendarat dalam varian templat ujian A dan varian senarai semak ujian B telah dirawat oleh kedua-duanya, dan analisis anda tidak dapat memisahkannya tanpa lebih banyak saiz sampel daripada yang anda ada.
2. Tahan sekurang-kurangnya 2 kohort mingguan penuh. Kesan pengaktifan muncul pada hari ke-7, kadangkala hari ke-14. Ujian 3 hari memberikan anda peningkatan sesi pertama yang tidak diterjemahkan.
3. Lihat pengekalan hari ke-7, bukan penyelesaian langkah. Penyelesaian langkah adalah nombor yang sia-sia. Senarai semak baru yang meningkatkan penyelesaian langkah-3 dari 50 hingga 70 peratus tetapi tidak menggerakkan pengekalan hari ke-7 adalah kemenangan UI dan ketiadaan pertumbuhan.
4. Daftar terlebih dahulu hipotesis dan kesan minimum yang boleh dikesan. Sebelum anda menghantar varian, tuliskan apa yang anda jangkakan peningkatannya dan saiz sampel yang anda perlukan untuk mengesannya dengan kuasa 80 peratus. Jika matematik mengatakan anda memerlukan 4,000 pengguna setiap lengan dan anda mempunyai 600 pendaftaran seminggu, ujian akan mengambil masa 13 minggu. Tentukan itu dari awal, atau pilih pertempuran yang berbeza.
5. Bunuh ujian buruk dengan cepat, tetapi bukan dengan mengintip. Jika isyarat arah pada minggu 1 sangat negatif, bunuhnya. Jangan terus mengintip hasil neutral dengan harapan ia akan bertukar positif. Itulah cara anda mendapat positif palsu dan menghantar varian yang lebih buruk.

Bahagian paling sukar adalah mengatakan tidak kepada pasukan yang mahu menjalankan 5 ujian onboarding suku ini. Anda boleh menjalankan 2, mungkin 3, dengan keyakinan. Lebih daripada itu dan anda menghasilkan pergerakan, bukan isyarat.

Matematik masa untuk nilai

Median masa untuk nilai (pendaftaran ke detik aha) adalah metrik tunggal yang paling meramalkan pengaktifan. Jejaki ia. Berdebat tentangnya. Kurangkan ia.

Ambang kasar yang saya lihat bertahan:

• Di bawah 10 minit: bagus. Kebanyakan pengguna akan sampai dalam satu sesi.
• Di bawah 1 jam: boleh digunakan. Sesetengah pengguna kembali hari ke-2 untuk menyelesaikan.
• Melebihi 24 jam: kebanyakan pengguna tidak pernah kembali. Sesi telah berakhir dan produk tidak mendapat lawatan kedua.

Matematik mengurangkan masa untuk nilai adalah sangat menguntungkan. Contoh sebenar dari produk analitik B2B:

• Sebelum: Median masa untuk nilai 45 minit (persediaan integrasi diperlukan dan menunggu data). Pengekalan hari ke-7: 22 peratus.
• Selepas: Median masa untuk nilai 8 minit (set data sampel semasa pendaftaran, integrasi sebenar adalah pilihan). Pengekalan hari ke-7: 38 peratus.

Itu adalah peningkatan 1.7 kali ganda dalam pengekalan hari ke-7 daripada satu intervensi tunggal. Pasukan pemerolehan perlu menggandakan jumlah pendaftaran berkelayakan untuk menghasilkan kesan hiliran yang sama, mungkin pada kos 10 kali ganda. Inilah sebab kerja pengaktifan adalah kerja pertumbuhan dengan tuas tertinggi dalam kebanyakan syarikat: anda tidak membeli pengguna, anda mengekalkan mereka yang sudah muncul.

Cara detik aha memetakan kepada pengekalan

Sebab semua ini penting: pengguna yang mencapai detik aha dalam minggu 1 kekal pada 60 hingga 70 peratus pada hari ke-30. Pengguna yang tidak kekal pada 15 hingga 20 peratus. Itu adalah delta pengekalan 3 hingga 4 kali ganda yang berganda untuk keseluruhan tempoh hayat pelanggan.

Anggaran mudah tentang kesan LTV:

• 1,000 pendaftaran bulanan
• 22 peratus pengaktifan hari ini menjadi 220 pengguna diaktifkan menjadi kira-kira 150 dikekalkan pada hari ke-30
• Tingkatkan pengaktifan kepada 40 peratus menjadi 400 pengguna diaktifkan menjadi kira-kira 270 dikekalkan pada hari ke-30
• 80 peratus lebih pengguna yang dikekalkan dari perbelanjaan pemerolehan yang sama

Bajet iklan yang sama. SEO yang sama. Pipeline rakan kongsi yang sama. Hampir dua kali ganda pangkalan pengguna yang dikekalkan. Itulah kes untuk membiayai kerja pengaktifan, dan itulah kes untuk memilikinya sebagai growth marketer berbanding membiarkannya reput di persimpangan.

Senarai semak diagnostik yang boleh anda jalankan minggu ini

Blok 4 jam. Buka gudang data dan alat analitik anda. Ikuti senarai ini:

1. Tarik lengkung pengekalan kohort. 12 minggu terakhir pendaftaran, pengekalan pada hari ke-7, 14, 30. Plotkan.
2. Senaraikan 5 hingga 10 tindakan aha calon. Apa yang produk harap pengguna lakukan? Senaraikan rata, tanpa pemeringkatan.
3. Kira delta pengekalan setiap tindakan. Lakukan berbanding tidak lakukan, dalam minggu 1, diplotkan terhadap pengekalan hari ke-30. Cari tindakan dengan spread terlebar dan sekurang-kurangnya 30 peratus penggunaan.
4. Ukur 5 langkah corong jika belum aktif. Tambah beg sifat (sumber, pelan, team_size, role, cohort_week).
5. Bina papan pemuka laluan kohort lawan langkah. Satu baris setiap minggu kohort, satu lajur setiap langkah.
6. Cari langkah terburuk. Yang mengalami pendarahan 2 kali lebih teruk daripada yang lain. Namakan diagnosisnya (hantu, keadaan kosong, penyerah persediaan, nilai tidak pernah sampai).
7. Hantar satu penyelesaian. Templat, sampel, butang langkau, atau dorongan 24 jam. Padankan penyelesaian dengan diagnosis.
8. Tahan selama 2 minggu kohort. Baca pada pengekalan hari ke-7, bukan penyelesaian langkah.

Itulah kerjanya. Tidak glamor. Bukan reka bentuk semula. Bukan migrasi platform. Satu nombor, satu langkah pendarahan, satu penyelesaian, dua minggu. Ulangi sehingga pengaktifan dari awal hingga akhir anda melebihi 40 peratus. Kemudian pergi cari langkah pendarahan seterusnya.

Growth marketer yang paling saya hormati mempunyai pendapat tentang corong pengaktifan mereka dalam tempoh 30 hari selepas menyertai sesebuah syarikat. Bukan perasaan, tetapi nombor, diagnosis, dan senarai tiga penyelesaian yang disusun mengikut peningkatan yang dijangkakan. Jadilah orang itu.

Ketahui Lebih Lanjut

• Penerangan Tugas: Pengurus Pemasaran Pertumbuhan
• Reka Bentuk Eksperimen Pertumbuhan: Hipotesis hingga MDE hingga Pembacaan
• Metrik Pertumbuhan: Detik Aha, Pengaktifan, Pengekalan
• Gelung Pengekalan, Gelung Viral, Pengaktifan Semula