Flujo de usuarios

En publicaciones anteriores, analizamos cómo las diferentes características del producto pueden afectar la retención y monetización de usuarios. Esta información podría ayudarnos a priorizar las características del producto y centrarnos en las más impactantes.

Pero como suele suceder, el contexto de uso podría cambiar mucho nuestra comprensión. Es por eso que es bastante razonable aprender el contexto de uso:

• qué sucedió antes de que se usara una función de producto en particular (se tratará en esta publicación)
• qué sucedió después de que se usó una característica particular del producto

Las características del producto se ordenan decrecientemente [# usuarios]. Para cada característica del producto, calculamos el coeficiente MCC : cómo esta característica del producto en particular afecta la retención del usuario en el producto.

Algunos ejemplos de la tabla anterior:

• feature41 es muy popular ([n.º de usuarios] = 11 598) y tiene un impacto casi natural en la retención de usuarios ([MCC = -0,0093]).
• feature24 se usa a menudo ([n.º de usuarios] = 5121) y tiene un impacto positivo muy fuerte en la retención de usuarios ([MCC = 0,0954]).
• feature18 es muy popular ([#users] = 10,571) pero tiene un impacto negativo bastante fuerte en la retención de usuarios ([MCC = -0.1532]).
• feature43 se usa con menos frecuencia ([n.º de usuarios] = 2541), pero tiene un impacto muy positivo en la retención de usuarios ([MCC = 0,1593]).

• característica41

• feature41 en el paso actual = -0.0093
• feature41 en el paso anterior = -0.0251

Pero el aprendizaje más importante es este:

Los coeficientes MCC para características de productos independientes son diferentes de MCC para características de productos en el contexto de uso.

Si tomamos coeficientes MCC independientes de la tabla anterior , obtendremos estas cifras:

• característica4 = -0.1319 (negativo, fuerte)
• feature42 = 0.0352 (positivo, ligero)
• característica2 = -0.0996 (negativo, fuerte)

• característica4 = 0.0079 ( positivo , ligero )
• feature42 = 0.0938 (positivo, fuerte )
• característica2 = 0.0495 ( positivo , medio )

• característica24 / característica18

Me gustaría señalar a los lectores que el impacto de la característica 18 en la retención es negativo , ya que casi los 4 casos de uso anteriores principales son negativos .

La experiencia de usuario pasada positiva (estado de ánimo positivo) suele ir seguida de una experiencia de usuario positiva y, a la inversa, la experiencia de usuario pasada negativa suele ir seguida de una experiencia de usuario negativa.

• característica43

El nivel de experiencia del usuario es el valor acumulativo de las experiencias pasadas del usuario.

RESUMEN:

Los diagramas de flujo de usuarios que presenté anteriormente deben demostrar dos aspectos importantes del desarrollo de productos:

• la experiencia del usuario no es solo una bolsa de características del producto, es un flujo.
• la experiencia del usuario dentro de su producto es acumulativa .