10 нетривиальных метрик монетизации

Практически все, кто в своей работе использует метрики продукта, измеряют ими в том числе и монетизацию.

Начиная от простого суммарного дохода, обычно применяют такие метрики как:

1. доход на пользователя (ARPU = Доход за период / Аудитория за период);
2. доход на платящего пользователя (ARPPU = Доход за период / Число плательщиков за период);
3. долю платящих пользователей (Paying Share = Число плательщиков за период / Аудитория за период).

И как правило этих метрик вполне достаточно для большинства выводов: это те 20% показателей, которые дают вам 80% знаний о монетизации продукта. Однако всем ли достаточно этих 80%?

Мы хотим рассказать о некоторых метриках, которые применяются далеко не всегда, однако которые работают и могут дать о продукте знания, недоступные с помощью базовых метрик.

Для начала давайте определимся с терминологией.

У вас есть общая аудитория: за дневную аудиторию проекта отвечает метрика DAU, за месячную — метрика MAU.

Есть платящая аудитория: Paying Share за, допустим, день, обычно рассчитывается как число плательщиков данного дня (то есть тех, кто конкретно в этот день сделал платеж), делённое на DAU.

Мы в devtodev считаем, что стоит дополнительно выделить две категории пользователей:

• “спящие” плательщики, то есть те, кто в конкретный день не платил, но вообще-то платит
• новые плательщики, то есть те, кто в конкретный день совершил именно свой первый платеж в проект.

Мы имеем четыре вложенных множества пользователей: общая аудитория -> плательщики вообще (включая как “спящих”, так и тех, кто платил в определенный период) -> плательщики конкретного периода -> новые плательщики конкретного периода.

То есть вместо одной обычной привычной метрики Paying Share можно рассчитать и дополнительные показатели.

Доля плательщиков от DAU

Под плательщиками мы понимаем тех, кто платил вообще когда-либо. Соответственно, значения этой метрики будут выше, чем Paying Share, которую обычно усредняют до 1% от аудитории.

Эта метрика говорит нам о честном соотношении платящих и неплатящих пользователей в активной аудитории. Для разных проектов она может достигать 20%, 30%, даже 50%. И эту метрику нужно максимизировать, уменьшая долю неплатящих в общей структуре.

Доля плативших сегодня от плативших вообще

Если рассчитать число всех тех, кто платил в проект когда-либо (на практике лучше брать скользящий период, например, за последние три месяца), то каждый день можно оценивать соотношение между “спящими” и теми, кто сегодня заплатил.

Эта метрика будет довольно волатильна в дни акций и специальных ивентов, однако стоит иметь и её в виду, когда вы анализируете свою монетизацию: почему не заплатили в этот день спящие пользователи? Какую акцию сделать так, чтобы “разбудить” их?

Доля новых платящих

В числителе — количество тех, кто в этот день сделал свой первый платеж, в знаменателе — общее количество тех, кто платил в этот день. Принимая эту метрику во внимание, вы будете более детально изучать конверсию в первый платеж.

Соответственно, (1 — доля новых платящих) — это доля повторных платящих, тоже весьма полезная метрика.

Соотношение дневного и месячного ARPPU

ARPPU показывает, сколько денег платил за период платящий пользователь. Если же поделить месячный ARPPU на среднедневной APRRU, то мы увидим, сколько в среднем платежей делает платящий за месяц. Опять же, к вопросу о важности повторных платежей: у хороших проектов эта метрика обычно бывает выше 2 и может достигать 3 или даже 4 платежей за месяц.

Структура дохода f2p-игры, например, зависит от повторных платежей и практически определяется ими. Так что эта метрика может быть полезна при настройке экономики и повторной монетизации.

Перейдем к другим метрикам.

Удержание платящих пользователей

О важности метрик удержания и метрик монетизации сказано уже много. Однако далеко не все измеряют отдельно удержание платящих и неплатящих пользователей.

Можно нарисовать два простых графика: Retention платящих и Retention неплатящих.

На этих графиках можно заметить, как по-разному ведут себя разные категории пользователей в течение своего Lifetime, а также выделить в явном виде долю тех, кто в проекте довольно давно, но до сих пор не платит. Этих ребят можно и нужно монетизировать, лояльность у них уже есть.

Примечание по методике расчета.

Будет оптимально, если у вас есть возможность пересчитать Retention постфактум: далеко не все конвертируются в платящих за первый день, и если пользователь сконвертировался в платящего не на первый день, показатели Retention первого дня стоит пересчитать.

О важности RFM-анализа мы уже писали. Однако, регулярно его применяя на практике, мы поняли, что его можно и уточнить.

Для начала напомним, о чём речь. Платящим пользователям мы расставляем оценки по трем критериям:

1. Recency — давность последнего платежа. Хорошая оценка — если платеж сделан совсем недавно; плохая — если платеж сделан давно.
2. Frequency — регулярность платежей. Хорошая оценка — если пользователь платит регулярно; плохая — если платежи идут нерегулярно либо если был пока лишь один платеж.
3. Monetary — размер платежей. Хорошая оценка — если суммарно пользователь заплатил много денег; плохая — если мало.

Итого, по значениям этих оценок можно сформировать сегменты пользователей. Например в сегмент “155” попадут те, кто платит много и часто, но кто давно не платил.

Теперь о практике. Если мы делаем оценку по 5-балльной шкале, то получаем 5*5*5 = 125 сегментов, хотя фактически можем работать лишь с 5-6 из них.

И RFM-анализ становится куда более гибким инструментом, если мы, во-первых, проделываем его регулярно (скажем, раз в неделю), а во-вторых, обращаем внимание не на соотношение сегментов друг с другом, а на миграцию пользователей из сегмента в сегмент. И вот здесь можно выделить четыре исключительно полезные метрики.

Сегмент R-

Пользователи, получившие по итогам пересчета более низкую оценку по Recency, нежели была ранее. Иначе говоря, те, кто давно не платил. Они уже платящие и знают, как это делается. Эти пользователи могут быть утекающими от вас деньгами и ваша задача — вернуть их платежное поведение.

Сегмент F-

Пользователи, получившие более низкую оценку по Frequency, нежели была ранее. Это более скрытый сигнал, нежели R-: с помощью сегмента  F- вы сможете выделить тех, кто стал платить реже. Вероятно, пока делать ничего с ними не надо, по крайней мере пока они платят, однако изучить, почему они стали платить реже, всё-таки стоит.

Сегмент R+

Соответственно, сегмент R+ — это количество (либо доля) пользователей, улучшивших по итогам пересчета RFM своё платежное поведение в части давности платежей. Иначе говоря, это те, кто наконец заплатили снова. Будет не лишним изучить причины их возвращения в платежное поведение, чтобы использовать те же рычаги в будущем.

Сегмент F+

Сегмент F+ — количество (либо доля) тех, кто улучшил свое платежное поведение в части частоты платежей. Проще говоря, те, кто после пересчета RFM стал платить чаще. Чем вызвано увеличение частоты платежей? Такой анализ очень уместно сочетать с логированием всех апдейтов и изменений.

На что тратится первый платеж?

И еще одна метрика, точнее, способ анализа. Мы уже много сказали про анализ тех, кто сделал свой именно первый платеж. Но практика показывает, что далеко не все рассчитывают, на что именно тратится первый платеж. Речь про первую покупку за виртуальную валюту после совершения первого реального платежа. Ответить на этот вопрос будет нетрудно, а зная ответ, можно будет делать в будущем игрокам специальные предложения именно на этот товар, увеличивая их конверсию в первый платеж (и, вообще говоря, последующие).

Как мы и говорили, нет нужды рассчитывать каждую из этих метрик каждый день. Однако при регулярном пересчете вы поймете, как эти метрики ведут себя, как они меняются во времени и как реагируют на ваши изменения в продукте. А это понимание, в свою очередь, ведет к более объективным, взвешенным и финансово обоснованным решениям по развитию продукта.