Dominar a conversión de Freemium significa facerse serio sobre a analítica de produtos

Dominar a conversión de Freemium empregando Product Analytics

Se estás falando Rollercoaster Tycoon ou Dropbox, ofertas freemium seguir sendo un xeito común de atraer novos usuarios tanto a produtos de software de consumo como de empresa. Unha vez incorporados á plataforma gratuíta, algúns usuarios acabarán converténdose en plans de pago, mentres que moitos máis permanecerán no nivel gratuíto, contido con calquera das funcións ás que poidan acceder. busca sobre os temas da conversión de freemium e a retención de clientes é abundante, e as empresas están continuamente desafiadas a facer incluso melloras incrementais na conversión de freemium. Aqueles que poden soportar para obter recompensas significativas. Un mellor uso das análises de produtos axudaralles a chegar.

O uso de funcións di o conto

O volume de datos que chegan os usuarios de software é impresionante. Todas as funcións empregadas durante cada sesión dinnos algo e a suma desas aprendizaxes axuda aos equipos de produtos a comprender a viaxe de cada cliente, aproveitando as análises de produtos conectadas a o almacén de datos na nube. En realidade, o volume de datos nunca foi o problema. Dar aos equipos de produtos acceso aos datos e facerlles preguntas e obter información útil. Esa é outra historia. 

Mentres os comerciantes utilizan plataformas de análise de campañas establecidas e a BI tradicional está dispoñible para ver un puñado de métricas históricas, os equipos de produtos a miúdo non poden extraer facilmente os datos para facer (e responder) as preguntas sobre a viaxe do cliente que queren buscar. Que características se usan máis? Cando tende a diminuír o uso das funcións antes da desvinculación? Como reaccionan os usuarios ante os cambios na selección de funcións nos niveis gratuítos ou pagos? Coa análise de produtos, os equipos poden facer mellores preguntas, elaborar mellores hipóteses, probar os resultados e implementar rapidamente os produtos e as follas de ruta.

Isto permite unha comprensión moito máis sofisticada da base de usuarios, permitindo aos equipos de produtos mirar segmentos segundo o uso das funcións, o tempo que os usuarios tiveron o software ou a frecuencia coa que o usan, a popularidade das características e moito máis. Por exemplo, pode que o uso dunha característica particular estea sobreindexando entre os usuarios do nivel gratuíto. Mova a función a un nivel de pago e mide o efecto en ambas as actualizacións ao nivel de pago e a taxa de cambio gratuíta. Unha ferramenta tradicional de BI só quedaría curta para unha rápida análise deste cambio

Un caso do blues de nivel libre

O obxectivo do nivel gratuíto é impulsar probas que leven a unha eventual actualización. Os usuarios que non actualizan a un plan de pago seguen sendo un centro de custos ou simplemente desvincúlanse. Ningunha das dúas xera ingresos por subscrición. A análise de produtos pode ter un impacto positivo nestes dous resultados. Por exemplo, para os usuarios que se desvinculan, os equipos de produtos poden avaliar como se utilizaron os produtos (ata o nivel de funcións) de xeito diferente entre os usuarios que se desvincularon rapidamente e os que realizaron algunha actividade durante un período de tempo.

Para evitar o abandono rápido, os usuarios deben ver o valor inmediato do produto, incluso no nivel gratuíto. Se non se utilizan funcións, pode ser unha indicación de que a curva de aprendizaxe das ferramentas é demasiado alta para algúns usuarios, diminuíndo as posibilidades de que se convertan nun nivel de pago. A análise de produtos pode axudar aos equipos a avaliar o uso das funcións e crear mellores experiencias de produtos que son máis propensas a levar á conversión.

Sen análises de produtos, sería difícil (por non dicir imposible) que os equipos de produtos entendesen por que os usuarios abandonan. A BI tradicional non lles diría moito máis que cantos usuarios se desvincularon e seguramente non explicaría o como e o por que do que está pasando entre bastidores.

Os usuarios que permanecen no nivel gratuíto e seguen empregando funcións limitadas presentan un reto diferente. Está claro que os usuarios experimentan o valor do produto. A cuestión é como aproveitar a súa afinidade existente e móveas a un nivel de pago. Dentro deste grupo, a análise de produtos pode axudar a identificar segmentos distintos, que van desde usuarios pouco frecuentes (non é unha alta prioridade) ata usuarios que están a empurrar os límites do seu acceso gratuíto (un bo segmento no que centrarse primeiro). Un equipo de produtos pode probar como reaccionan estes usuarios ante novos límites no seu acceso gratuíto ou o equipo pode probar unha estratexia de comunicación diferente para resaltar os beneficios do nivel de pago. Con calquera dos dous enfoques, a análise do produto permite aos equipos seguir a viaxe do cliente e replicar o que funciona nun conxunto máis amplo de usuarios.

Aportando valor ao longo de toda a viaxe do cliente

A medida que o produto se mellora para os usuarios, os segmentos e os persoais ideais fanse máis evidentes, proporcionando información para campañas que poden atraer clientes similares. A medida que os clientes utilizan software co paso do tempo, os analistas de produtos poden seguir obtendo coñecemento dos datos do usuario, trazando o percorrido do cliente ata a desvinculación. Comprender o que precipita a alteración dos clientes (que funcións fixeron e non empregaron, como cambiou o uso co paso do tempo) é unha información valiosa.

A medida que se identifican as persoas en risco, proba para ver como teñen éxito as diferentes oportunidades de participación para manter aos usuarios a bordo e incluílos en plans de pago. Deste xeito, a análise está no corazón do éxito do produto, provocando melloras nas funcións que levan a máis clientes, axudando a manter os clientes existentes durante máis tempo e construíndo unha mellor folla de ruta de produtos para todos os usuarios, actuais e futuros. Coa análise de produtos ligada ao almacén de datos na nube, os equipos de produtos posúen as ferramentas para aproveitar ao máximo os datos para facer calquera pregunta, formular unha hipótese e comprobar como responden os usuarios.

¿Que pensas?

Este sitio usa Akismet para reducir o spam. Aprende a procesar os teus datos de comentarios.