Activación y Retención

Cuesta entre 5 y 25 veces más atraer a un nuevo cliente que retenerlo; incrementar 5% la tasa de retención se traduce en una mejora del beneficio de entre 25% y 95% (Harvard Business Review); la probabilidad de vender a un cliente existente es de 60%-70%, y la de vender a un cliente potencial es de solo 5–20% (Hüify). A pesar de todo esto, en muchas startups se presta desproporcionadamente más atención y más recursos a la adquisición de clientes que a la activación y retención.

Artista: Ted Goff. Fuente: Hüify

En este post, veré algunas métricas de interés para las fases de activación y retención. Por “activación” ó “engagement”, me refiero a una interacción del usuario con el producto/servicio que crea valor para el usuario y/o la startup. Puede ser una búsqueda en Google, una reserva de vuelos en eDreams, una reserva de coche en Cabify o una visita en Facebook. Por “retención”, me refiero a que el cliente se mantenga activo durante un periodo de tiempo determinado.

1. DAU/MAU

Independientemente del tiempo de la sesión, con qué frecuencia están utilizando mi app?

Una forma de visualizar el user engagement es dividiendo el número de usuarios activos diarios (Daily Active Users, o DAU) por los usuarios activos mensuales (Monthly Active Users, o MAU). Este ratio indica la frecuencia de uso de la app. Un ratio del 10% indica que los usuarios utilizan activamente el producto 3 días / mes (30 días x 10% = 3). El DAU/MAU varía dependiendo de la categoría del negocio.

Fuente: Mixpanel.com

Según Sequoia, el ratio DAU/MAU estándar es de 10–20%, y muy pocas compañías se sitúan por encima del 50% a lo largo del tiempo. WhatsApp es una de las excepciones con un ratio que llega al 70%. Otra de las que históricamente se sitúan por encima del 50% es Facebook, que fue una de las primeras empresas en reportar y popularizar la métrica de DAU/MAU. Anteriormente definí “actividad” como un evento que resulte en la creación de valor para el usuario y/o el negocio. En el caso de Facebook, un usuario es considerado como “activo” cuando visita Facebook. Facebook es un negocio de publicidad, y como tal, la simple visualización de contenido en Facebook se traduce en valor (ingreso publicitario). En los modelos de negocio basados en publicidad si que resulta relevante que los usuarios regresen con frecuencia y el mayor tiempo posible.

No todos los negocios pueden aspirar a tener un alto DAU/MAU ya que la frecuencia de uso varía mucho dependiendo de la naturaleza del negocio. Cada producto tiene su propia cadencia. Hay negocios que valen miles de millones de dólares que no necesariamente tienen un DAU/MAU elevado. Por ejemplo, en el sector de viajes, Booking (valor: $88 mil millones) o Airbnb (valor estimado: $38 mil millones) tienen un producto que la gente en promedio compra un par de veces al año, pero cada transacción genera mucho valor. Lo mismo para empresas de eCommerce que venden productos con un valor o margen alto. Por cierto que en el ejemplo de viajes, definiría a un usuario “activo” como un usuario que reserva un vuelo u hotel, porque esa es la actividad generadora de valor para Booking ó Airbnb (a diferencia de un usuario activo de Facebook).

No solo hay que ver el engagement sino también la retención. Y los periodos a tomar en cuenta también varian dependiendo del sector y el producto. En el sector de viajes, la retención a tomar en cuenta es si un cliente regresa anualmente a reservar un viaje. El periodo de retención en un eCommcerce de venta de colchones es aún más largo. En el sector de medios de comunicación con modelo publicitario (twitter, Facebook, Instagram), el modelo de retención puede ser diario. En aplicaciones de dating (citas), la frecuencia de uso es intensa, pero la retención es baja porque presumiblemente una vez que se encuentra a una pareja, baja la necesidad de seguir el servicio:

Fuente: Andrew Chen

Por lo tanto , hay dos elementos importantes a tomar en cuenta: por un lado, la cadencia natural de frecuencia y retención que tiene el producto/servicio, y por otro, el nivel de monetización que tiene cada actividad. Los negocios publicitarios requieren de un alto DAU/MAU porque el retorno sobre la inversión en captación de usuarios se logra poco a poco y a largo plazo. En estos negocios quieres ver una frecuencia de uso alta y una retención alta. Para estos negocios hay que vigilar mucho el DAU/MAU. Pero para muchos otros negocios, el DAU/MAU no es necesariamente la métrica a seguir más de cerca.

2. Power User Curve

Los power users son la mina de oro de tu startup. Son los generadores de valor. Los power sellers de Ebay, los power reviewers de Tripadvisor, los power eaters de Deliveroo, los influencers de Instagram, los viajeros frecuentes de negocios de Uber.

Qué % de tus usuarios estuvieron activos todos los días de esta semana? Qué % ha comprado más de 5 veces este mes? Que es lo que les motiva? De dónde vienen? Qué puedes hacer para atraer a más? O una pregunta más elemental…tienes power users?

Andrew Chen, socio de Andreessen Horowitz considera que la mejor forma de evaluar el nivel de engagement es mediante la Power User Curve (PUC). La PUC es un histograma del engagement de los usuarios en el transcurso de un periodo de tiempo determinado. Por ejemplo, 30 días. Muestra el % de los usuarios que estuvieron activos desde sólo 1 día hasta los 30 días del mes. La curva puede analizar diferentes variables de actividad: aperturas, logins, compras, transacciones, ofertas, nuevo contenido, etc…

La Power User Curve puede tener distintas formas:

Fuente: A16Z, Andrew Chen

Una Power User Curve con forma de sonrisa es generalmente positiva porque refleja que existe un segmento relevante de usuarios muy activos:

Fuente: A16Z, Andrew Chen

Chen apunta que la PUC tiene varias ventajas sobre el DAU/MAU:

→ Muestra si tienes a un segmento hardcore de usuarios que usan tu vuelven cada día.
→ Refleja la variabilidad que existe entre tus usuarios. En cambio, el MAU/DAU reduce la actividad de tus usuarios a un dato único.
→ Se pueden visualizar curvas de power users para todo tipo de actividades: accesos, logins, transacciones, interacciones, etc…
→ Usando análisis de cohortes se pueden evaluar resultados de nuevas iniciativas a lo largo del tiempo, en diferentes geografías, etc…

El ejemplo de abajo muestra un análisis de cohortes con un desplazamiento de usuarios a la derecha de la curva, acentuando la sonrisa. Una startup que retenga y haga crecer el segmento de power users está siendo capaz de ir mejorando su producto y añadiendo más valor a sus usuarios con nuevas funcionalidades, campañas de marketing, y/o efectos de escala y de red.

Fuente: A16Z, Andrew Chen

El análisis de cohortes permite identificar y aislar con precisión el impacto de sus distintas distintas iniciativas (campañas, funcionalidades, geografías, escala, densidad). Por ejemplo, apps con efectos de red (Airbnb, Cabify, Eltenedor…) pueden usar PUCs para entender mejor la relación que tiene la densidad de penetración del producto (restaurantes, conductores, mensajeros, propiedades…) en un mercado vs la utilización del servicio, y así calcular los efectos de red y optimizar su estrategia de crecimiento.

(Ejemplo hipotético, datos ficticios)

In network effects businesses we always ask: show us the cohorts! — Jeffrey Jordan, General Partner, Andreessen Horowitz

No todas las PUCs tienen que sonreír. Depende de la tipología del producto y del modelo de negocio. Por los mismos motivos mencionados anteriormente, la PUC de una agencia de viajes online difícilmente tendrá forma de sonrisa. En estos casos de engagement bajo, se tiene que poner un énfasis en lograr una alta monetización de los usuarios cuando estén activos o en crear fuentes de ingreso asociados a los efectos de red y big data (caso de LinkedIn).

Como vemos, el análisis de PUC arroja información muy útil de la actividad de los usuarios con el producto y cómo hay que adaptar el modelo de negocios a la dinámica de uso. La información que se puede sacar de la PUC y el análisis de cohortes también permite identificar las funcionalidades de más utilidad para los usuarios, desarrollar estrategias de reactivación para los segmentos más pasivos, y redoblar esfuerzos en las actividades más valoradas por los segmentos más activos.

3. Curvas de retención

Las curvas de retención D1, D7 y D30 muestran el % de usuarios que han tenido alguna actividad 1, 7 y 30 días después de haber descargado la aplicación.

La curva de retención generalmente tiene una caída brusca en los primeros días y eventualmente se estabiliza en un nivel superior a 0%. Si baja hasta 0%, mala señal porque tienes que dedicarte a continuamente rellenar el funnel desde 0. El producto/servicio ofrecido no está aportando valor a los visitantes más allá de la novedad de los primeros días. El objetivo es que mediante mejoras al producto y al engagement con los usuarios, la curva se desplace hacia arriba. En el ejemplo de abajo, vemos que los cambios efectuados en febrero tuvieron un impacto positivo, pero en marzo la curva de retención se mantuvo plana con respecto a febrero.

Andrew Chen analiza en su blog la actividad de las apps en Google Play, con datos de 125 millones de móviles. En 2015, las más de 1.5 millones de apps en Google Play perdían en promedio un 77% de sus usuarios en los primeros 3 días, un 90% en los primeros 30 días y un 95% en los primeros 90 días. Incluso las top 10 apps perdían la mitad de sus usuarios al cabo de 90 días.

Elaborado con datos del post de Andrew Chen

Hoy en día, la competencia por la atención del usuario es feroz. Cuando salieron las primeras apps en 2008, éstas competían por nuestra atención contra el diario gratuito 20 minutos en el metro ó contra la revista Odontólogos de Hoy en la sala de espera del médico. Hoy en cambio existen 2 millones de aplicaciones en la App Store y 3.8 millones en Google Play, y por mucho valor que aporte tu app, estás compitiendo por la atención de consumidores adictos a Netflix, Instagram, Facebook, Snap y compañía.

Teniendo en cuenta que puedes perder al 80% de los usuarios el primer día, la experiencia que tiene el usuario con el producto en los primeros instantes y primeros días resulta crítica para la retención. Todo lo que sea mejorar la retención en los primeros días tiene un efecto muy positivo en la retención a largo plazo, desplazando la curva de retención hacia arriba.

“I see that most of the leverage in improving these retention curves happen in how the product is described, the onboarding flow, and what triggers you set up to drive ongoing retention. This work is generally focused on the first days of usage” — Andrew Chen


Bibliografía

-a16z Podcast: The Basics of Growth — Engagement & Retention
-Harvard Business Review: The Value of Keeping the Right Customers
-Andrew Chen: New data shows losing 80% of mobile users is normal, and why the best apps do better
– Huify: Acquisition vs Retention Customer Lifetime Value
– Anrew Chen: What Factors Influence DAU/MAU? Nature vs Nurture
– Andreessen Horowitz: The Power User Curve: The Best Way to Understand Your Most Engaged Users

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s