Takket være mobilapplikationen elimineres problemerne med at involvere brugeren i at søge efter et produkt eller en tjeneste på skrivebordet, det bliver muligt bogstaveligt talt at "leve med brugeren" 24 timer i døgnet, så tæt på ham som muligt, i hjertet af hans gadget. Men når udvikleren har en mobilapplikation i hånden, en forretningsproces er blevet sat op, og endda en mediepromoveringsplan er klar, opstår et logisk spørgsmål: "Hvordan sporer man effektivitet?" og ikke mindre vigtigt: "Hvilke metrics skal man bruge?" I dette indlæg vil vi besvare det andet spørgsmål.
Hvad er den bedste måde at konfigurere et sporingssystem til at fungere med en mobilapplikation? Kunder, der kontakter Netpeak for at promovere deres app (inden for ), spørger ofte om dette. Nå, den nemmeste måde er at arbejde med alles indfødte Google Analytics. Fem meget vigtige argumenter for at arbejde med Google Analytics:
- Gratis.
- Giver dig mulighed for at bruge remarketing til at fastholde dit publikum.
- Nemt implementeret ved hjælp af Google Tag Manager.
- Tilgængelig og intuitiv grænseflade.
- Giver dig mulighed for at konfigurere analyse på tværs af enheder.
Lad os fokusere på målinger, der viser publikumsadfærd, brugerinteraktion med applikationen og selvfølgelig profitere af applikationen.
Vis publikums adfærd
MAU/DAU metrisk
MAU/DAU (månedlige aktive brugere / daglige aktive brugere) vises i GA i rapporten "Aktive brugere". Metrikken viser hyppigheden af brugerinteraktion med applikationen. Det er stadig i beta, men det virker allerede. Du kan sammenligne aktivitet pr. dag (DAU), uge, 14 dage og måned (MAU). 
Adfærdskort
Rapporten viser, hvordan en bruger interagerer med dit indhold. Giver dig mulighed for at se, på hvilken skærm han forlader applikationen, eller hvilken sektion der er den mest populære i din applikation. 
Metrisk "Nedbrud og fejl"
"Nedbrud og fejl" - rapporter om fejl i applikationen. Viser de mest almindelige tekniske fejl, grupperet efter version i applikationen. Denne metrik er inkluderet i dette afsnit på grund af det faktum, at fejl opdages, når der opstår en bestemt brugeradfærd. I Google Analytics er rapporten også placeret i sektionen Målgruppeadfærd.
Gennemsnitlig sessionsvarighed og visningsdybde
Disse er rapporter fra afsnittet "Målgrupper", som giver dig mulighed for at evaluere brugerinvolvering i dit produkt.
Hvad er en "engageret bruger"? Der er forskellige svar. Chamath Palihapitiya fra Facebook anser hovedkriteriet for at tilføje 7 venner inden for 10 dage efter registrering. Nabeel Hyatt fra Zynga fortæller om D1-retentionsindikatoren - hvor mange brugere der vendte tilbage næste dag. Analytikere fra Flurry byggede en hel engagementsmatrix, som tog højde for afhængigheden af brugsfrekvensen pr. uge og procentdelen af brugere, der fortsætter med at bruge applikationen efter 90 dage.
Vis brugerinteraktion med applikationen
Metrisk "Antal installationer"
Antal installationer fra betalte trafikkilder, f.eks. Google Ads. Dette kan virke mærkeligt, men parameteren "Nye brugere" er antallet af installationer fra kilden. Med udgivelsen af URL Builder blev det muligt at arbejde med andre trafikkilder. I modsætning til den sædvanlige kontekst kommer størstedelen af trafikken fra displaykampagner. Derfor skal du arbejde hårdt for at luge fra websteder af lav kvalitet. Hundredvis af installationer fra et trafiksted kan meget vel vise sig at være "døde sjæle": 
Churn Rate (forholdet mellem afgåede brugere og den månedlige aktive målgruppe) og Return Rate (forholdet mellem tilbagevendende brugere og den månedlige målgruppe) i GA præsenteres af rapporten "Ny og tilbagevendende". Denne rapport viser procentdelen af nye brugere i applikationen og procentdelen af dem, der har brugt den gentagne gange. Disse data hjælper dig med at vurdere vigtigheden af at køre værktøjer som remarketing og push-meddelelser. 
Metrisk "Tid til at købe"
Tid til at købe er en vigtig metrik, når du arbejder med et publikum. Viser, hvor stor en procentdel af brugerne, der foretager et køb med det samme, samt hvor lang tid det tager for andre. Rapporten hjælper dig med at forstå, hvordan du korrekt konfigurerer arbejdet med remarketing af appbesøgende. 
Metric "Antal transaktioner"
Dette er en standardrapport fra sektionen E-handel i Google Analytics. Du skal implementere SDK separat, men alt er enkelt og overskueligt. Kan konfigureres til alle køb i appen.
Metric "Antal registreringer"
En anden vigtig metrik, især hvis registrering i applikationen er betalt. Kan konfigureres ved at indsætte kode og opsætte en begivenhed.
Samlet værdi-metrik
Denne rapport er stadig i beta. Denne metric giver dig mulighed for at spore, hvordan en kundes værdi (omsætning) og engagement (appvisninger, opnåede mål, sessioner og sessionsvarighed) har ændret sig over en 90-dages periode fra deres første besøg.
ARPU-metrik
ARPU (gennemsnitlig omsætning pr. bruger) - gennemsnitlig omsætning fra hver bruger. En nyttig metrik, men der er ingen tilsvarende rapport i Google Analytics, og sådanne rapporter er endnu ikke set i andre systemer. Det er dog værd at bemærke, at de fleste applikationer ikke har indbyggede køb eller ikke kræver et betalt abonnement. Hvis du stadig skal beregne ARPU, skal du gøre det manuelt ved at bruge formlen:
ARPU = PR/N, hvor: PR - tilbagevendende omsætning (månedlig indtægt fra betalte abonnementer); N er antallet af betalte abonnenter.
Hvordan vælger man det rigtige sæt metrics?
Lad os sige, at dit arbejde med applikationen i første omgang er fokuseret på antallet af installationer, og dine vigtigste KPI'er falder sammen med dem i vores tilfælde. I dette tilfælde anbefaler vi at fokusere på følgende metrics:
- antal installationer og konverteringer i applikationen;
- aktive brugere;
- gennemsnitlig sessionsvarighed;
- synsdybde.
Hvert projekt bør dog behandles individuelt på grund af forskellen i input. Del dine historier i kommentarerne, vi vil prøve at hjælpe.
Tip: Brug Google Analytics-mobilappen til at holde dig på forkant med, hvad der sker med dit produkt. Applikationen er tilgængelig til Android og iOS.
Der er endnu ingen grund til at sige, at Google Analytics er det mest bekvemme programsporingssystem sammenlignet med det populære AppsFlyer eller Adjust, men det giver dig mulighed for at evaluere kanalens rolle og investering i den, brugerens holdning til produktet og kritiske fejl, væksten af aktive brugere og perspektiverne for projektet og vigtigst af alt, applikationens rentabilitet. 
Publikationen udgives som en del af en række materialer om spilmetrik fra webstedet og devtodev. Artikler er opdelt efter sæson, som hver især er afsat til et bestemt emne. Anden sæson hedder "Brugere". I den taler vi om de forretningsmålinger, der afspejler applikationens effektivitet i forhold til at arbejde med publikum.
Vera Karpova
Projektets publikum fyldes op med nye brugere hver dag. Nogle af dem mister hurtigt interessen, nogle husker nogle gange applikationen, og nogle bruger den jævnligt. Og sandsynligvis hver dag logger repræsentanter for alle disse segmenter ind i applikationen. I dag vil vi tale om dem - Aktive brugere.
Aktive brugere– disse er dem, der havde mindst én session i løbet af den undersøgte periode. Disse intervaller kan være forskellige, men oftest studerer de projektets daglige, ugentlige og også månedlige målgrupper. Og disse indikatorer har etablerede navne:
- DAU– antal unikke brugere pr. dag (dagligt aktive brugere);
- WAU antal unikke brugere pr. uge (ugentlig aktive brugere);
- MAU– antal unikke brugere pr. måned (månedlige aktive brugere).
Samtidig kan du lave lignende beregninger for eventuelle andre perioder, hvis de bedre opfylder virksomhedens krav. Hvis du for eksempel opsummerer resultaterne fra det seneste år, kan du beregne projektets årlige publikum og sammenligne det med tidligere år for at vurdere dynamikken.
Det er værd at bemærke WAU for en given uge er ikke summen af DAU i 7 dage, da vi taler om unikke brugere. En af dem kan for eksempel logge ind på ansøgningen mandag og tirsdag, og den ender i både mandags-DAU og tirsdags-DAU. Men inden for en uge (fra mandag til søndag) tælles det kun én gang.
Ligeledes er MAU ikke summen af 4 WAU og 30 DAU. Ud fra et beregningssynspunkt er disse indikatorer ikke forbundne og beregnes separat.
For bedre at forstå disse indikatorer, lad os beregne dem ved hjælp af et eksempel.
Lad os sige, at vi har data om applikationsbesøg fra forskellige brugere over 2 uger. I dette tilfælde er det ligegyldigt, hvor mange gange om dagen brugeren kom ind i projektet, da han stadig vil være en unik besøgende.
De dage, hvor brugerne fik adgang til applikationen, er markeret med blåt.
Så lad os først beregne DAU for den 1., 2., 5. og 10. dag. For at gøre dette skal du vide, hvor mange unikke brugere der har adgang til applikationen i disse dage:
- Dag 1 DAU = 2 (bruger 1 og 4);
- Dag 2 DAU = 3 (brugere 2,4,5);
- Dag 3 DAU = 3 (brugere 2,3,4);
- Dag 10 DAU = 0 (ingen er logget ind i appen i disse dage).
- i den første uge (fra 1. til 7. dag) er det lig med 5 - alle brugere gik ind i projektet;
- i den anden uge (fra den 8. til den 14. dag) var denne indikator allerede 3 - den første og anden bruger lavede ikke sessioner.
Du kan også vælge en vilkårlig uge, for eksempel fra den 3. til den 9. dag, og så vil WAU være lig med 4.
I vores eksempel deltog kun 5 personer, men i et rigtigt projekt vil der være tusinder, hundredtusinder, millioner af brugere, der besøger produktet dagligt. Og den måde, de får adgang til applikationen, taler om dens stabilitet, kvalitet og skala.
Udover Aktive brugere er en indikator, der giver mening at spore i realtid, for hvis noget går i stykker i applikationen eller på serveren, og brugerne ikke kan bruge produktet, vil denne metrik blive påvirket med det samme. For sådan kontrol kan du gruppere brugere ikke efter dage, men efter timer eller endda 10-minutters intervaller.
Forresten er aktive brugere, der i øjeblikket er i applikationen, en separat metrik, der har sit eget navn. Oftest dette Brugere online, men du kan også finde forkortelser som f.eks CCU (samtidige brugere)– brugere, der er i applikationen på et bestemt tidspunkt, og PCCU (peak concurrent users)– det maksimale antal brugere samtidigt i applikationen.
Den gennemsnitlige CCU afspejler projektets omfang godt, og PCCU er meget vigtig, når man planlægger belastningen på serverne.
Dynamikken af aktive brugere kan ændre sig ikke kun i løbet af dagen, den kan gradvist stige eller falde måned for måned. Og det er ret vigtigt at kontrollere det. Segmentering hjælper med at forenkle analysen af ændringer i antallet af aktive brugere. Takket være det kan du hurtigt forstå, hvilket segment af brugere der er ansvarlige for ændringen i indikatoren.
Her er nogle muligheder for at segmentere dit aktive publikum.
For betalinger:
- betaler/ikke betaler
- foretaget kun 1 betaling / foretaget gentagne betalinger
Efter dato fra installation:
- 1 dag / 2-7 dage / 8-14 dage / 15-30 dage / 30- 60 dage / 60+ dage
Efter besøgsfrekvens:
- hver dag / 4-6 gange om ugen / 1-2 gange om ugen / en gang om måneden eller mindre
Du kan også opdele efter land, efter enhed, operativsystem, efter tilpasset hændelse (det vil sige opdele publikum i brugere, der udførte og ikke udførte denne eller hin handling).
Sidstnævnte segmenteringsmulighed kan bruges, hvis applikationen har en eller anden nøglebegivenhed, der er vigtig for fuldstændigheden af spiloplevelsen eller for at skabe det rigtige første indtryk af produktet (f.eks. færdiggørelse af en tutorial, N niveauer i et spil eller indtastning butik).
Når du har identificeret det segment, der oplever et fald i aktive brugere, vil det være lettere at lede efter den mulige årsag til problemet.
Her er hvad der kan ske:
For det første begynder antallet af aktive brugere i Rusland at falde, samtidig stiger antallet af besøgende fra Japan, og de kompenserer for faldet i et andet land. Hvis vi kun ser på det overordnede DAU-diagram, vil vi næppe bemærke nogen ændringer i dynamikken. Og først senere, når antallet af aktive brugere i Rusland falder endnu mere, vil vi se dette på den generelle graf. I mellemtiden er der allerede gået en del tid, som kunne bruges til at finde og fjerne årsagen til faldet.
En anden statistisk anomali bekræfter vigtigheden af segmentering: Simpsons paradoks. Dens manifestation ses bedst med et eksempel.
Lad os tage 4 lande fra det foregående eksempel og antage, at konverteringen til køb i dem er som følger:
Og dette er hvad der sker:
- konvertering i Rusland (4,85 %) er højere end konvertering i Japan (4,44 %);
- UK konvertering (7,08%) er højere end Kina konvertering (6,98%);
- de europæiske landes samlede omstilling (5,8 %) er mindre end de asiatiske landes omstilling (6,5 %).
Dette tyder endnu en gang på, at segmentering kan give helt andre resultater end indikatorens samlede statistik.
Forresten, nogle gange, når man ser på et DAU-diagram, kan man ikke altid klart bestemme tendensen, men gruppering efter uger eller måneder (konvertering af diagrammet til WAU og MAU) gør det mere indlysende.
Selve Active users-metrikken er bestemt vigtig for projektet, men udover dette er den også relateret til andre økonomiske og adfærdsmæssige metrics.
Først og fremmest Aktive brugere påvirkes af antallet af nye brugere– jo flere af dem, der er, og jo hurtigere og mere konsekvent de kommer til projektet, jo hurtigere vokser publikum.
Den anden ikke mindre vigtige indikator er Tilbageholdelse(brugerfastholdelse), som fortæller, hvordan brugerne vender tilbage til projektet. Hvis du bringer nye brugere til projektet, som ikke vil vende tilbage til det, vil de ikke fylde publikum op, og en sådan tiltrækning vil ikke have nogen effekt. Det er vigtigt at få brugerne til at interessere sig for produktet, så de vil vende tilbage. Og jo flere der er, jo større bliver det aktive publikum.
Et lille eksempel:
Du kan have gode fastholdelsesrater i din app, men med et lille antal nye brugere vil publikum vokse meget langsomt. Og omvendt, hvis der er en god tilgang af nye brugere og lav fastholdelse, så vil de fleste af dem forlade projektet, hvilket heller ikke vil øge publikum.
Og jo større projektets publikum, jo flere potentielle betalere er der. Det er trods alt i denne rækkefølge, at brugerne bliver betalende:
Nye brugere → Aktive brugere → Betalende brugere
Det er i øvrigt vigtigt, at brugeren forbliver aktiv i produktet efter at have foretaget den første betaling, fordi det vil øge chancerne for, at han vil foretage gentagne køb.
Aktive brugere påvirker således indkomsten direkte proportionalt:
Omsætning = Aktive brugere * Betalende andel * ARPPU
Antallet af aktive brugere er en af de vigtigste indikatorer for et produkt, hvilket indirekte indikerer dets succes, der kombinerer både kvaliteten af at tiltrække nye brugere og fastholdelsesmålinger, der direkte påvirker indkomsten. Derfor bør du, når du analyserer aktive brugere, også være opmærksom på hastigheden af publikumsvækst, fordi denne metrik er et af de mest positive tegn på aktiv produktudvikling.
Beregnes ved hjælp af formlen: Applikationsindtægt / Antal brugere, der har foretaget en betaling.
Beregnet ved hjælp af formlen: Applikationsindtægt / Antal af alle brugere, der besøgte applikationen i løbet af den modtagne indtægtsperiode.
Urintest for UIA. Begrebet mikroalbuminuri, dets fare og vigtigste tegn
Mikroalbuminuri er en alvorlig lidelse, der udgør en dødelig trussel for mennesker i de senere stadier af progression. En sådan lidelse kan kun bestemmes ved laboratorietest af urin for albumin. Dette stof er til stede i menneskeligt blod, så dets udseende i biologisk væske lover ikke godt.
Hvad er mikroalbuminuri, hvordan kan det være farligt for patientens helbred, og hvordan opsamler man urin for at teste for tilstedeværelsen af albumin? Lad os tage det i rækkefølge.
Hvad er UIA?
MAU eller mikroalbuminuri er tilstedeværelsen af albumin i biologisk væske. Det indikerer tilstedeværelsen af forskellige (oftest renale) patologier og kan forekomme i 5 grader af sværhedsgrad.
- I den første fase kan mikroalbumin praktisk talt ikke påvises i urinen. Det er fuldstændig asymptomatisk, da sygdommen lige er begyndt at udvikle sig.
- Indledende udviklingsfase. Patienten oplever fortsat farlige patologiske ændringer, men niveauet af albumin i den biologiske væske overstiger ikke standardværdier.
- Den tredje fase er præ-nefrotisk. På dette stadium kan sygdommen allerede påvises ved at udføre en urintest for UIA. Om nødvendigt ordineres andre diagnostiske procedurer, der tager sigte på at vurdere funktionerne af nyrefiltreringsglomeruli.
- Nephrosis fase. Patienten lider af arteriel hypertension og hævelse af lemmer og ansigt. Klinisk analyse viser tydeligt tegn på proteinuri, erytrocyturi, udseendet af kreatinin og urinstof.
- Udvikling af nyresvigt. Patienten lider af hyppige angreb af arteriel hypertension, hans hævelse forsvinder praktisk talt ikke, urinanalysen indeholder protein, blodceller, partikler af urinstof og kreatinin. Der er ingen sukker.
En patient med diabetes mellitus gennemgår alle disse stadier af mikroalbuminuri. Hvis du ikke reagerer på farlige symptomer rettidigt, risikerer patienten ud over diabetisk nefrose at falde i diabetisk koma, og dette udgør allerede en direkte trussel mod hans liv.
Optimal ydeevne og alvorlige afvigelser
Albumin i urin kan påvises i flere kategorier af patienter, nemlig:
- diabetikere;
- mennesker, der lider af nyrepatologier;
- patienter med aterosklerotisk hjertesygdom;
- kerner.
Niveauet af mikroalbumin i human urin afhænger af mange faktorer. Hvis mindst én af dem forekommer, kan niveauet af stoffet stige kraftigt. Disse faktorer er:
- overdreven fysisk aktivitet;
- misbrug af proteinfødevarer;
- mangel på væske i kroppen, dehydrering;
- feber;
- inflammatoriske processer, der forekommer i organerne i urinsystemet;
- rygning;
- hypertrofiske processer i myokardiet;
- nyrebetændelse;
- en kraftig stigning i kreatininniveauet.
Den daglige norm for MAU i enhver persons urin, uanset hans alder, bør ikke overstige 30 mg. Hvis disse indikatorer blev overskredet, om end lidt, bør dette være grundlaget for en mere grundig undersøgelse af patienten. Så ofte indikerer sådanne afvigelser udviklingen af nefropati, som kan udvikle sig til et mere alvorligt problem.
Hvis normen for albumin i urinen blev overskredet 10 gange, og den aktuelle daglige dosis er 300 mg, indikerer dette patologisk og meget livstruende nyreskade.
Hvad viser urinanalyse for UIA, og hvornår er det nødvendigt?
Først skal du finde ud af, hvilken slags urintest for UIA dette er. En sådan klinisk undersøgelse udføres kun, hvis der er visse indikationer, som vi vil overveje lidt senere. Ved hjælp af en sådan test beregner laboratorieteknikeren mængden af albumin og detekterer (eller opdager ikke) stoffer, der ikke observeres hos raske mennesker - protein, sukker, røde blodlegemer osv.
UIA-analyse hjælper med at bestemme tilstedeværelsen af:
- diabetes mellitus;
- sarkoidose;
- alvorlige lidelser i det kardiovaskulære system;
- arteriel hypertension;
- allergi over for fruktose.
Den mest almindelige årsag til øget mikroalbumin i urinen er diabetes mellitus. En analyse til påvisning af dette stof i urin er nødvendig, hvis patienten:
- klager over hyppige eller konstante smerter i brystområdet;
- føler alvorligt ubehag i venstre side af brystet, eller endda hele torsoen;
- lider af hyppige anfald af hypertension;
- føler generel svaghed, sløvhed, træthed.
I senere stadier kan patienten udvise tydelige symptomer på et slagtilfælde. Følgerne af sygdommen kan være meget farlige, så hvis du oplever hyppig svimmelhed, synkope, kvalme og andre symptomer, bør du helt sikkert konsultere en læge.
Hvad er den korrekte tilgang til at indsamle urin til analyse?
En urintest for mikroalbuminuri kan ordineres af en endokrinolog, internlæge, urolog eller kardiolog. Hos børn kan en familielæge eller børnelæge henvise en sådan test. Hvis tilstedeværelsen af albumin i urinen påvises hos en patient, skal han undersøges yderligere, før der tages nogen handling. Yderligere diagnostiske procedurer vil hjælpe med at fastslå årsagen til lidelsen og først derefter begynde at eliminere den.
Hvordan tager man en urinprøve for mikroalbuminuri? Dette er vigtigt at vide for at opnå sande resultater fra en klinisk undersøgelse af biologisk væske. Urinopsamling afhænger af formålet, hvortil den udføres.
Så urin til UIA til at bestemme tilstedeværelsen af salte opsamles 24 timer før testen. For at forhindre, at forskellige stoffer eller partikler kommer ind i prøven, skal du købe en speciel plastikbeholder til opsamling af urin. Gør derefter følgende:
- hæld den opsamlede urin i en beholder;
- give beholderen til undersøgelse;
- vent på resultaterne, og opsaml om nødvendigt den biologiske væske igen.
Hvordan indsamler man en urintest for UIA, hvis man har mistanke om udvikling af diabetes? Det er nødvendigt at indsamle daglig urin, hvorefter den skal placeres på et koldt sted. Den næste dag, hæld 100 ml væske i en plastikbeholder, bland den med frisk urin. Dæk beholderen med et låg, og sørg for, at den lukker beholderen tæt.
Når du sender en beholder med biologisk væske til analyse, skal du sørge for at angive de nødvendige data: alder, vægt, dato for urinopsamling. Om nødvendigt kan du angive den specialist, der skal fortolke resultaterne, samt din fødselsdato.
Hvad angår forholdet mellem albumin og kreatinin i urinen, bør den daglige norm være som følger:
Overskridelse af disse standarder indikerer alvorlige funktionsfejl i kroppen. Hvis sådanne anomalier fortsætter i 3 måneder eller mere, indikerer de ofte kronisk nyresygdom.
For at toppe alt ovenstående skal det bemærkes, at alvorlig patologi kun kan forhindres ved regelmæssigt at gennemgå forebyggende kliniske test af urin. Under andre omstændigheder er det muligvis ikke muligt at rette op på situationen.
MAU DAU ARPU, eller trafikmålinger, du har brug for at kende
Mobiltelefonapplikationer giver penge til de udviklere, der hurtigt kan tilpasse sig behovene hos deres publikum (kunder). Det er ikke nok at lave en nyttig applikation, du skal spore dens brugeres aktivitet, reagere rettidigt på fald og stigninger i efterspørgslen og implementere en passende prispolitik. Mobilapps ydeevnemålinger, som vi vil diskutere i detaljer nedenfor, tjener dette formål.
Grundlæggende mobilapplikationsmetrics
Installation af en mobilapplikation sker ved at downloade programmet til din telefon. Hvis klienten er tilfreds med applikationen, bliver han til en aktiv bruger. På dette stadium skal klienten være så interesseret, at han ønsker at have en udvidet version af applikationen og modtage yderligere indhold. En tilfreds og interesseret kunde vil være villig til at betale ekstra for en forbedret service. Det er her, applikationen begynder at bringe penge til dens skaber.
Det er nemt at se en direkte sammenhæng mellem tilfredse brugerforventninger og direkte indtjening fra appen. Men hvordan sporer man graden af kundetilfredshed? Dette kan gøres ved at bruge metrics, der hjælper med at forstå, hvad brugerne kan lide, og hvordan de vurderer det, for eksempel at hæve priserne for yderligere indhold, introducere nye betalingsfunktioner osv.
Metrics bruges i mobilapplikationer samt spil og opstart. Udvikleren kan forbinde flere typer målinger for at få den mest komplette vurdering af brugernes efterspørgsel. Det anbefales at begynde at tage målinger umiddelbart efter, at klienten har downloadet applikationen for første gang.
Det er vigtigt at holde styr på følgende metrics:
- Kilder til applikationsinstallation. Nødvendig for at evaluere effektiviteten af de marketingkanaler, du bruger.
- Metrics for brugerfastholdelse og engagement. Viser, hvor mange klienter der startede din applikation efter at have downloadet den. For eksempel viser PCU det maksimale antal brugere, der er logget på en applikation ad gangen. ACU er et mål for det gennemsnitlige antal samtidige brugere i en applikation over en bestemt periode.
- Antal unikke brugere. Antallet af klienter, der bruger applikationen regelmæssigt.
- Session er en metrik. En indikator for varigheden af en brugers ophold i applikationen.
- A/B test. De informerer om, hvilke knapper brugeren trykkede på og i hvilken rækkefølge.
- Finansielle målinger. Beregn effektiviteten af applikationen og dens rentabilitet. De vigtigste økonomiske målinger er ARPPU (omsætning pr. betalende bruger) og ARPU (gennemsnitlig omsætning pr. bruger).
Indikatorer for brugeraktivitet og engagement
Det er vigtigt for alle mobilapplikationsudviklere at forstå deres brugeres aktivitet og engagement. Til dette formål beregnes målinger som DAU, WAU, MAU, PCU, ACU.
Hvad er denne aktivitet, og hvad betyder den?
Aktivitetsmålinger gør det klart, hvor mange klienter der allerede har downloadet og bruger applikationen. At kende disse indikatorer giver dig mulighed for at evaluere dit brugerpublikum og analysere deres anmodninger. Som et resultat modtager du "tips" om, hvilke markedsføringstaktikker du skal ty til. Dette er det første skridt til at øge brugerengagementet og dermed din indkomst.
Hvad er DAU (Daily Active Users)? Disse er dagligt aktive brugere. Metrikken viser, hvor mange brugere der loggede på applikationen pr. dag. Følgelig er WAU (Weekly Active Users) ugentlige aktive brugere. Og MAU (Monthly Active Users) er unikke brugere, der besøger applikationen mindst en gang om måneden. Brugernes unikke karakter bestemmes af ID eller login.
Toppe af besøg og grad af involvering
For at få brugerengagementraten i en uge, skal du dividere den "daglige" indikator med den "ugentlige" (DAU/WAU). Hvis du har brug for at kende koefficienten for "klæbrighed" af brugere til en tjeneste pr. måned, sammenligner vi de "daglige" og "månedlige" resultater (DAU/MAU).
Vil du forstå, hvornår kunderne er mest aktive i at bruge dit produkt? Brug en metric til at bestemme antallet af brugere i en given periode. Spor indikatorerne for gennemsnits- og topbesøg - og drag konklusioner.
Så PCU (Peak Concurrent User eller "peak online users") er det maksimale antal brugere, der er samtidigt i applikationen. Indikatoren måles per time, måned eller år.
Samtidig er gennemsnittet ACU (Average Concurrent User eller "gennemsnitligt antal onlinebrugere"). Her taler vi om antallet af brugere, der er i applikationen på samme tid i et bestemt tidsrum. Hvad er disse indikatorer til? For eksempel for at bestemme det ideelle tidspunkt at lancere en reklamekampagne.
Vi anbefaler at føre statistik og registrere indikatorerne for dit projekt, så vil du altid forstå, om kunderne kan lide din applikation, om de er engagerede og aktive, om de er tilfredse med dine priser, og hvornår du skal ændre din marketingstrategi.
Beregning af aktivitets- og engagementsmålinger gør det muligt yderligere at beregne de økonomiske målinger ARPU og ARPPU. Sidstnævnte viser fortjenesten modtaget både fra alle brugere og separat fra de kunder, der køber betalte versioner og indhold.
I dag er forskellige analysesystemer tilgængelige på internettet, mange af dem kan bruges gratis. Populære tjenester til mobilapplikationer er f.eks. Google Analytics, Flurry og App Annie (App Annie opkræver dog nogle ekstra metrics).
Finansielle målinger
Fra et overskudsprognoseperspektiv er dette den vigtigste gruppe af målinger.
Økonomiske nøgletal
- Brutto – bruttoindkomst for en bestemt periode;
- Omsætning – nettoindkomst minus andelen af butikken, hvor din ansøgning er placeret;
- Betalende andel – forholdet mellem antallet af kunder, der køber betalte versioner, og det samlede antal unikke brugere. Hvis indikatoren falder, betyder det, at kunderne er trætte af betalt indhold, det er tid til at "genoplive" det (for eksempel køre en ny kampagne);
- Transaktioner efter bruger eller TBU – antallet af betalinger pr. bruger. Det beregnes ved at dividere det samlede antal betalinger for en bestemt periode med antallet af betalere.
Sådan beregnes profit
At kende blot to simple formler vil give dig mulighed for at drage konklusioner om, hvor effektiv din ansøgning er.
Den første formel beregner den gennemsnitlige fortjeneste pr. kunde for en bestemt periode. Denne ARPU (Average Revenue Per User)-indikator bestemmes af forholdet mellem bruttoindtægter fra brugere og den gennemsnitlige trafik pr. dag/uge/måned.
ARPU-indekset gør det muligt at forstå, hvor effektivt dit projekt generelt er. Vi taler trods alt om indtægter fra hele applikationens publikum. Indekset afhænger blandt andet af din prispolitik. En anden indikator hjælper dog til bedre at forstå acceptablen af dine priser for dine kunder, nemlig ARPPU-indekset (Average Revenue Per Paying User). Dette er også en bestemmende faktor for den gennemsnitlige fortjeneste pr. bruger for en bestemt periode, kun vi taler udelukkende om betalende kunder. Det vil sige dem, der køber yderligere indhold eller tjenester fra dig.
For at bestemme ARPPU-indekset er bruttoindkomsten korreleret med antallet af betalende brugere eller PU (antallet af kunder, der har betalt for yderligere indhold i en bestemt periode).
Takket være ARPPU-indikatoren er det nemt at bestemme rentabiliteten af betalt indhold. Du kan også bemærke brugernes reaktion på at opdatere applikationen, tilbyde nye tjenester eller øge priserne.
Forskellen mellem ARPU og ARPPU
Mange udviklere har vanskeligheder i den indledende fase med at evaluere metrics. Især er ARPU- og ARPPU-indekserne ofte forvekslet.
Mens ARPU i sidste ende viser nettooverskuddet pr. bruger, f.eks. pr. dag, tager ARPPU kun hensyn til det overskud, du har modtaget fra betalende kunder. Hvis ingen kunder på en dag købte yderligere indhold, vil ARPPU for den dag være nul.
- ARPU = Omsætning/brugere (nettoindkomst divideret med antallet af alle brugere)
Der tages hensyn til alle brugere. Denne indikator gør det klart, hvor meget en bruger i gennemsnit indbringer.
- ARPPU = Omsætning/betalende brugere (nettoindkomst divideret med antallet af betalende brugere)
Kun betalende brugere tages i betragtning. ARPPU viser, hvordan brugerne reagerer på dine priser, og hvor meget de er villige til at betale for betalt indhold.
Da der er meget færre betalende brugere end deres samlede antal, vil ARPPU altid være større end APRU.
Hvis du hæver priserne, har du muligvis færre betalende brugere. Betalende andel – andel af betalende kunder. I dette tilfælde vil profitraten fra alle kunder stige på grund af det faktum, at antallet af betalende kunder vil falde efter at have hævet priserne for yderligere indhold. For at tiltrække flere betalende kunder skal du opbygge en fleksibel og "følsom" prisstrategi.
Eksempler på ARPU- og ARPPU-beregninger
Lad os sige, at du har 2000 brugere, og 50 af dem køber betalt indhold. Indkomst om måneden er $5000.
Dine resultater pr. måned:
- ARPU = $5000/2000 = $2,5 (det vil sige, en "almindelig" bruger betaler dig $2,5 pr. måned);
- ARPPU = $5000/50 = $100 (det vil sige, en betalende bruger giver dig $100 i overskud pr. måned);
- Betalende andel = 50 / 2000 = 2,5 % (således er andelen af betalende brugere 2,5 %);
- Lad os tjekke: 2,5 USD = 100 USD × 2,5 %
Andre nyttige økonomiske indikatorer
Udover overskud kan du også beregne dine udgifter. Bestem for eksempel, hvor meget det koster dig at tiltrække kunder. Til dette formål er der et indeks CPI (Cost per Install) - dette er omkostningerne ved at installere applikationen. Takket være det kan du finde ud af, hvor mange penge der blev brugt på at tiltrække nye kunder. Denne metric beregnes ud fra forholdet mellem annonceringsomkostninger og antallet af appinstallationer.
Du kan også bestemme, hvor effektivt dit projekt er i hele sit "liv". For at gøre dette skal du tage højde for LTV (Lifetime Value)-indekset - en indikator for rentabilitet for den gennemsnitlige brugsperiode af applikationen af en klient.
For at beregne LTV-indekset skal du gange omsætning pr. bruger (ARPU) med den gennemsnitlige varighed af brug eller levetid.
Er dit projekt rentabelt? Hvis LTV er mindre end CPI, så er det ikke rentabelt.
For at forbedre LTV-indikatoren skal du øge applikationens attraktivitet, reducere omkostningerne ved at tiltrække nye kunder og øge omkostningerne ved betalt indhold.
Fordele og ulemper ved at bruge metrics
For eksempel vil det være svært at forstå, om DAU-indikatoren på en bestemt dag er resultatet af en succesfuld PR-kampagne, en konsekvens af at anvende en marketingstrategi for at tiltrække nye kunder eller på grund af tilbagevenden af gamle.
Mobilapplikationsanalyse hjælper med at opbygge en fleksibel og effektiv model for interaktion med kunder. Vedligeholdelse af statistik og kendskab til målgruppen vil sikre dit projekts succes.
Indikationer, indsamlingsregler og fortolkning af urinprøveresultater for mikroalbuminuri
Urintest til påvisning af mikroalbuminuri (MAU) bruges i vid udstrækning til diagnosticering af de indledende stadier af nyrevævsskade.
Det, der er vigtigt, er den kvantitative bestemmelse af niveauet af urinalbumin, som er direkte proportional med graden af beskadigelse af den renale glomerulus (det vigtigste strukturelle element i nyren).
Mikroalbuminuri er udskillelse af albuminprotein i urinen i mængder, der overstiger fysiologiske værdier.
Tabel 1 - Definition af mikroalbuminuri. Kilde - RMJ. 2010. Nr. 22. S. 1327
Fysiologisk og patologisk albuminuri
En rask person udskiller en lille mængde proteinmolekyler i urinen (op til 150 mg/dl), mens albuminindholdet i den er mindre end 30 mg/dl.
Mængden af protein, der udskilles i urinen, kan variere meget på forskellige tidspunkter af dagen. Om natten er udskillelsen af albumin i urinen således cirka 30-40 % mindre, hvilket er forbundet med et lavt niveau af vaskulært tryk og en vandret kropsposition. Dette fører til et fald i renal blodgennemstrømning og hastigheden af urinfiltrering i glomerulus.
I oprejst stilling stiger niveauet af albuminudskillelse i urinen, og efter fysisk aktivitet kan det kortvarigt ligge i mg/l området.
Mængden af albumin, der udskilles i urinen, kan påvirkes af følgende faktorer:
- 1 mad med højt proteinindhold;
- 2 Hårdt fysisk arbejde;
- 3 Urinvejsinfektion;
- 4 Kredsløbssvigt;
- 5 Indtagelse af NSAID'er (ikke-steroide antiinflammatoriske lægemidler);
- 6 Alvorlig bakteriel infektion, sepsis;
- 7 Graviditet.
At tage antihypertensive lægemidler fra gruppen af ACE-hæmmere reducerer tværtimod albuminsekretion.
Hastigheden af urinudskillelse af albumin kan også afhænge af alder og race. Unormal udskillelse af albumin i mangel af bevis for samtidig patologi af indre organer forekommer hos ældre og afrikanere og er ofte kombineret med overvægt.
Urinanalyse for UIA - indikationer for brug
Mikroalbuminuri (forkortet MAU) er det tidligste og mest pålidelige tegn på nyrevævsskade.
Da det er umuligt at bestemme det ved hjælp af rutinemetoder, er testning af urin for mikroalbuminuri inkluderet i standarderne for undersøgelse af risikopatienter, primært hos patienter med etableret diabetes mellitus og arteriel hypertension.
Liste over patienter, der skal screenes for mikroalbuminuri:
- 1 Patienter med enhver form for diabetes mellitus og en historie med sygdommen i mere end 5 år (en gang hver 6. måned);
- 2 patienter med hypertension (en gang hver 12. måned);
- 3 Patienter efter nyretransplantation for at overvåge udviklingen af afstødningsreaktioner;
- 4 Patienter med kronisk glomerulonefritis.
Årsager til skade på renal glomerulus
Blandt hovedårsagerne til skade på nyrernes glomeruli og derfor mikroalbuminuri er:
- 1 Højt glykæmisk niveau. MAU er det allerførste tegn på diabetisk nefropati. Den vigtigste mekanisme for forekomsten af mikroalbuminuri ved diabetes mellitus er hyperfiltrering i renal glomerulus og beskadigelse af nyrekarrene som følge af hyperglykæmi. Hvis den ikke behandles, udvikler diabetisk nefropati sig hurtigt, hvilket fører til nyresvigt og behov for hæmodialyse. Det er grunden til, at enhver patient med diabetes mellitus bør gennemgå en urintest for UIA mindst en gang hver sjette måned for tidlig påvisning af nefropati og dens rettidige behandling.
- 2 Højt niveau af systolisk tryk. Hypertension er en systemisk sygdom, der påvirker en lang række organer og systemer, herunder nyrerne. I dette tilfælde er MAU et tegn på udvikling af nyrekomplikationer - hypertensiv nefrosklerose, som er baseret på øget filtrationstryk, tubulointerstitiel fibrose og øget permeabilitet af karvæggen for protein. MAU er en selvforsynende risikofaktor for udvikling af komplikationer til hypertension.
- 3 Overvægt, fedme, metabolisk syndrom. Siden 1999 har WHO defineret mikroalbuminuri som en af komponenterne i metabolisk syndrom.
- 4 Hyperkolesterolæmi og hypertriglyceridæmi, som fører til udvikling af generaliseret aterosklerose. MAU i dette tilfælde afspejler fænomenerne endothelial dysfunktion og er direkte relateret til øget kardiovaskulær risiko.
- 5 Kronisk betændelse i nyrevævet. Udseendet af MAU (og proteinuri generelt) er et prognostisk ugunstigt tegn på progression af glomerulonefritis.
- 6 Rygning. Hos rygere er udskillelsen af albumin i urinen ca. 20-30 % højere (Nelson, 1991, Mogestein, 1995), hvilket er forbundet med nikotinskade på det vaskulære endotel.
Bestemmelsesmetode
Patologisk albuminuri påvises ikke ved rutinemæssige metoder til urinundersøgelse, for eksempel ved sur udfældning.
I betragtning af den betydelige daglige variabilitet i urinalalbuminudskillelse er kun påvisningen af MAU i to eller tre på hinanden følgende urinprøver diagnostisk signifikant.
Til en urinscreeningstest for UIA er det tilladt at bruge specialdesignede teststrimler, men i tilfælde af en positiv test ved brug af hurtige tests er det nødvendigt at bekræfte patologisk albuminuri ved hjælp af metoder, der gør det muligt at bestemme albuminkoncentrationen.
Semi-kvantitativ vurdering udføres ved hjælp af specielle strimler - strimmeltest, hvor der er 6 grader af albuminkoncentration i urinen ("ikke opdaget", "spor" - op til 150 mg/l, mere end 300 mg/l, 1000 mg /l, 2000 mg/l, og mere end 2 tusinde mg/l). Følsomheden af denne metode er omkring 90%.
Kvantitativ bestemmelse udføres ved hjælp af:
- 1 Bestemmelse af forholdet mellem kreatinin og albumin (C/A) i urin;
- 2 Direkte immunoturbidimetrisk metode. Metoden giver dig mulighed for at estimere albuminkoncentrationen ved turbiditeten af opløsningen opnået efter interaktionen af proteinet med specifikke antistoffer og udfældningen af immunkomplekser.
- 3 Immunkemisk metode ved hjælp af "HemoCue"-systemet (immunokemiske reaktioner ved hjælp af anti-humane antistoffer). Albumin-antistofkomplekser fører til dannelsen af et bundfald, som efterfølgende opfanges af et fotometer.
Hvordan indsamler man materiale til forskning?
Indsamling af urin til forskning kræver ikke forudgående forberedelse.
Regler for indsamling af materiale:
- 1 Urinopsamling sker over en hel dag (fra kl. 08.00 den første dag til kl. 08.00 den anden dag), den allerførste portion urin skal hældes i toilettet.
- 2 Al urin udskilt i løbet af 24 timer opsamles i en enkelt beholder (steril). I løbet af dagen skal beholderen opbevares på et køligt sted i fravær af sollys.
- 3 Den daglige urinmængde skal måles, og resultatet skal noteres på det udstedte forskningshenvisningsskema.
- 4 Herefter blandes urinen (det er nødvendigt, da proteinet kan sætte sig i bunden af krukken!) og hældes i en steril beholder i et volumen på ca. 100 ml.
- 5 Beholderen leveres til laboratoriet hurtigst muligt.
- 6 Al urin opsamlet pr. dag skal ikke sendes til laboratoriet.
- 7 Da frigivelsen af albumin afhænger af højde og vægt, SKAL disse parametre registreres i den udstedte retning. Uden dem vil urin ikke blive accepteret til undersøgelse.
Hvad skal man gøre, hvis mikroalbuminuri opdages?
Hvis der, bortset fra mikroalbuminuri, ingen anden patologi af indre organer er blevet identificeret, er det tilrådeligt at udføre yderligere diagnostik for at udelukke diabetes mellitus og hypertension.
Til dette kræves 24-timers blodtryksovervågning og en glukosetolerancetest.
Hos patienter med MAU og tidligere diagnosticeret diabetes mellitus og/eller hypertension skal følgende laboratoriekriterier opfyldes:
- 1 Kolesterol<4,5 ммоль/л;
- 2 triglycerider (TG) op til 1,7 mmol/l;
- 3 Glyceret hæmoglobin op til 6,5%;
- 4 Systolisk tryk<130 мм.рт.ст.
Dette hjælper med at reducere dødeligheden fra kardiovaskulære komplikationer med 50 %. Hos patienter med type 1-diabetes er indikatorerne lidt anderledes og er:
- 1 Glyceret hæmoglobin< 8,0%;
- 2 Blodtryk<115/75 мм.рт.ст;
- 3 Kolesterol op til 5,1 mmol/l;
- 4 Triglycerider op til 1,6 mmol/l.
Forebyggelse af UIA
For at forhindre skade på nyrevæv skal flere regler følges:
- 1 Systematisk monitorering af fastende glukose - normale niveauer er 3,5 - 6,0 mmol/l.
- 2 Daglig blodtryksovervågning, som ikke bør overstige 130/80 mmHg.
- 3 Kvartalsvis overvågning af lipidprofilindikatorer - med høje niveauer af kolesterol og triglycerider forekommer ikke kun dannelsen af aterosklerotiske plaques, men også beskadigelse af nyrevæv;
- 4 Hold helt op med at ryge og nikotin analoge cigaretter. Nikotin er farligt for alle blodkar i den menneskelige krop, inklusive nyrekarrene. Risikoen for at udvikle proteinuri hos rygere er cirka 21 gange højere end hos ikke-rygere.
Hvad er Mau?
Men oftest betyder det hos katte, at de har brug for det modsatte køn. Tja.. jeg tror du kan gætte det selv))
Materiale fra Wikipedia - den frie encyklopædi
DER ER EN RACE AF KATTE (EGYPTISK) KALDET "MAU"
Katte har været en favorit blandt egypterne i lang tid. I oldtiden symboliserede de guderne Ra og Bast. Mau-racen er indfødt, den kom til os fra det gamle Egypten, og dens navn betyder "kat" på egyptisk. Egyptiske kvinder dukkede op i Europa i midten af 50'erne af det 20. århundrede og lidt senere - i USA.
Hvad er mau
kommunal apoteksinstitution
massivt luftangreb
International Sammenslutning af Universiteter
uddannelse og videnskab, organisation
Ordbog: S. Fadeev. Ordbog over forkortelser af det moderne russiske sprog. - Skt. Petersborg: Politekhnika, 1997. - 527 s.
Ukraine International Airlines
Moskvas artilleriskole
militær, historie, Moskva, uddannelse og videnskab
Ordbog: Ordbog over forkortelser og forkortelser for hæren og specialtjenester. Comp. A. A. Shchelokov. - M.: AST Publishing House LLC, Geleos Publishing House CJSC, 2003. - 318 s.
Moskvas antimonopolafdeling
Moskvas ledelsesakademi
Moskva, uddannelse og videnskab
Moskvas luftfartshub
Ordbog: Ordbog over forkortelser og forkortelser for hæren og specialtjenester. Comp. A. A. Shchelokov. - M.: AST Publishing House LLC, Geleos Publishing House CJSC, 2003. - 318 s.
kommunal selvstyrende institution
for eksempel: MAU NGSP
markedsføring og krisehåndtering
polynukleære aromatiske carbonatomer
modificeret nitrogenholdigt kulstof
"Moscow Aviation Services"
"Ufa International Airport"
avia, Ufa, organisation
Ordbog over forkortelser og forkortelser. Akademiker. 2015.
Se, hvad "MAU" er i andre ordbøger:
UIA - har flere betydninger: Indhold 1 Efternavn 2 Forkortelser 3 Andet 4 Kilder ... Wikipedia
Mau - Mau, Vladimir Aleksandrovich Forespørgslen "MAU" omdirigeres hertil; se også andre betydninger. Vladimir Aleksandrovich Mau Fødselsdato: 29. december ... Wikipedia
Mau - intl. miav Chetyum "mau" eIo. Mau, maur sikIush, kIusherykor zynapts, cheu tsepkyyr zigyogu, zygu tsIykIur IeshIul, zil'e tsIykIur zimazh, pyramyzhyr zizhiau, chyg zhaui chIemykh, unem esho, kIyi hunde yeu ekuzy... Adygabzem izehef thickyIal
Mau V. - Anmodningen "MAU" omdirigeres hertil. Se også andre betydninger. Vladimir Aleksandrovich Mau (født 29. december 1959 i Moskva) russisk akademisk økonom. Siden 2002, rektor for Academy of National Economy under den russiske regering. Indhold 1... ...Wikipedia
Mau V. A. - Anmodningen "MAU" omdirigeres hertil. Se også andre betydninger. Vladimir Aleksandrovich Mau (født 29. december 1959 i Moskva) russisk akademisk økonom. Siden 2002, rektor for Academy of National Economy under den russiske regering. Indhold 1... ...Wikipedia
æmauædz - z.b.p., min ... Staveordbog over det ossetiske sprog
MAU - olieabsorptionsanlæg massivt luftangreb International Association of Universities Moscow Academy of Management Moscow Aviation Hub Moskva Antimonopoly Directorate ... Ordbog over russiske sprogforkortelser
UIA (betydninger) - UIA har flere betydninger: Indhold 1 Efternavn 2 Forkortelser 3 Andet 4 Kilder ... Wikipedia
Mau (distrikt) - Mau engelsk. Mau Land Indien Status distrikt En del af staten Uttar Pradesh ... Wikipedia
Mau Mau - (Kenya). Oprør. Ordets etymologi er ikke blevet pålideligt afklaret. Udtrykket blev første gang brugt ved retssagen mod en gruppe oprørere i maj 1950 og blev ikke brugt af partisanerne selv. I første fase () bondeprotestbevægelsen... ... Terrorisme og terrorister. Historisk opslagsbog
Urintest for UIA
Når en person har helbredsproblemer eller spørgsmål vedrørende sin tilstand, er det første, han gør, at søge efter svar på internettet, og først derefter går han til en læge for at få råd og hjælp, selvom det er mere korrekt at gøre det modsatte. Når alt kommer til alt, vil lægen ikke kun studere symptomerne, men også henvise dig til laboratorieundersøgelser. En af de test, der udføres for at bestemme den korrekte diagnose, er undersøgelse af urin for mikroalbuminuri. Dette er, hvad der vil blive diskuteret i denne artikel.
Hvad er denne undersøgelse, og hvorfor udføres den?
En urintest for Mau er en bestemmelse af mængden af albumin i den. Hvorfor gør de dette? Sagen er, at albumin er et af de proteiner, der er en del af blodet. Og "mikroalbuminuri" er dets tab eller lave koncentration. Når nyrerne fungerer godt, og der ikke er nogen abnormiteter, er albumin stabilt, og dets mængde i urinen er meget lav. Når resultaterne af undersøgelsen viser, at der har været et tab af albumin i blodet, og det er indeholdt i en øget dosis i urinen, så er dette et tegn på nyresvigt, muligvis begyndelsen på det første stadium af åreforkalkning eller endotel dysfunktion .
Selv et lille overskud af normen i koncentrationen af albumin i urinen indikerer begyndelsen af ændringer i blodkarrene, hvilket kræver en mere dybdegående diagnose og øjeblikkelig behandling.
Hvorfor opstår mikroalbuminaria (MAU)?
Overskridelse af det normale niveau af protein i urinen kan forekomme af flere årsager. Der er faktorer, der påvirker en engangsfrigivelse, så når en diagnose stilles, gives der urin til Mau flere gange over tre måneder. Overskud anses for at være en mængde albumin fra 30 til 300 mg pr. dag. En sådan frigivelse kan forekomme som følge af:
- spise fødevarer med højt proteinindhold;
- tungt fysisk arbejde;
- stærke sportsbelastninger;
- stigning i kropstemperaturen.
Indikatorerne afhænger også af patientens køn, race og bopælsregion.
Det menes, at MAU oftest forekommer hos personer, der lider af overvægtsproblemer, insulinresistens, som ryger meget og har problemer med venstre ventrikel hypertrofi eller dysfunktion. Denne diagnose diagnosticeres for det meste hos mænd og ældre mennesker.
For at opnå et pålideligt resultat kan en Mau-test ikke tages under nogen infektionssygdom, inklusive ARVI, ved forhøjet kropstemperatur, feber, efter fysisk anstrengelse, i træt tilstand eller efter at have spist.
Hvis resultaterne viste en stigning i protein i urinen, kan dette indikere følgende sygdomme eller ændringer i kroppen:
- diabetes mellitus;
- arteriel hypertension;
- glomerulonephritis;
- dysfunktion af det kardiovaskulære system;
- graviditet;
- hypotermi;
- sarkoidose
Oftest opstår mikroalbuminaria som følge af diabetes mellitus.
Også en stigning i albumin i urinen kan indikere udviklingen af hjerte-kar-sygdomme, som er fremkaldt af type I og type II diabetes.
Symptomer på mikroalbuminuri
Denne patologi har sine egne udviklingsstadier. I det indledende stadium mærker patienten ikke ændringer i kroppen og symptomer på sygdommen, men hans urinsammensætning er allerede under forandring, test viser allerede en stigning i mængden af proteiner, som i det indledende stadium holdes inden for 30 mg pr. dag. Med yderligere progression udvikler personen det prænefrotiske stadium. Mængden af albumin i urinen stiger til 300 mg, en stigning i blodtrykket observeres, og nyrefiltrationen øges.
Den næste fase er nefrotisk. Ud over forhøjet blodtryk er det også ledsaget af hævelse. Ud over en høj koncentration af protein indeholder urinsammensætningen også røde blodlegemer, og der observeres en stigning i niveauet af kreatinin og urinstof.
Den sidste fase er nyresvigt. Dens symptomer:
- hyppig stigning i blodtrykket;
- konstant hævelse;
- et stort antal røde blodlegemer i urinen;
- lav filtreringshastighed;
- en stor mængde protein, kreatinin og urinstof i urinen;
- mangel på glukose i urinen.
- Insulin udskilles ikke af nyrerne.
Alle disse tegn kan indikere udviklingen af hjertepatologi. På dette tidspunkt kan der opstå smerter bag brystbenet, som stråler ud til venstre side af kroppen. Alt dette er ledsaget af en stigning i kolesterol.
Regler for opsamling af urin til mikroalbuminuri (MAU)
For at laboratorietestdata skal være pålidelige, er det nødvendigt at overholde de grundlæggende regler for opsamling af urin til UIA-analyse. Så først og fremmest skal du forberede dig. En dag før testene er grøntsager og frugter, der ændrer urinens farve, fuldstændig udelukket fra mad - disse er gulerødder, jordbær, morbær, ribs og andre. For det andet, før du samler urin, er det nødvendigt at vaske de ydre kønsorganer godt med antibakteriel sæbe. For det tredje indsamles materiale til analyse om morgenen umiddelbart efter opvågning. Under ingen omstændigheder bør denne test gives til den kvindelige halvdel under menstruation.
Du skal også passe på uringlassene. Den ideelle mulighed er en speciel plastikbeholder, som sælges på et apotek. Men hvis du ikke har en, kan du tage en hvilken som helst plastik- eller glasbeholder med låg, vaske den godt, tør den og behandle den med alkohol før brug. Omkring hundrede milliliter materiale er nok til at udføre en analyse på Mau. Efter afhentning skal materialet sendes til laboratoriet inden for en eller to timer.
alcex
Hvad er vores liv? Spil!
DAU - Daily Active Users - antallet af unikke brugere, der loggede på applikationen i løbet af dagen.
WAU - Weekly Active Users - antallet af unikke brugere, der loggede på applikationen i løbet af ugen.
MAU - Monthly Active Users - antallet af unikke brugere, der loggede på applikationen i løbet af måneden.
PCU - Peak Concurrent User - det maksimale antal brugere samtidigt i applikationen. Målt over en bestemt tidsperiode (time/dag/uge/måned/år)
ACU - Average Concurrent User - det gennemsnitlige antal brugere samtidigt i applikationen. Målt over en bestemt tidsperiode (time/dag/uge/måned/år)
ARPPU - Gennemsnitlig indtægt pr. betalende bruger (gennemsnitlig konto pr. betalende bruger) - gennemsnitlig indkomst pr. betalende bruger. Beregnes ved hjælp af formlen: Applikationsindtægt / Antal brugere, der har foretaget en betaling.
ARPU - Gennemsnitlig omsætning pr. bruger (gennemsnitlig konto pr. bruger) - gennemsnitlig indkomst pr. bruger. Beregnet ved hjælp af formlen: Applikationsindtægt / Antal af alle brugere, der besøgte applikationen i løbet af den modtagne indtægtsperiode.
Reglen er som følger: Eventuelle indikatorer for et webprojekt skal beregnes, indtastes i statistiksystemet og analyseres.
Nogle kombinationer af grundlæggende indikatorer kan give indirekte karakteristika:
Indikatorer for spilydelse: Aktive brugere (DAU/WAU/MAU)
Udgivet af: Alexander Semenov
Publikationen udgives som en del af en række materialer om spilmetrik fra App2Top.ru og devtodev. Artikler er opdelt efter sæson, som hver især er afsat til et bestemt emne. Anden sæson hedder "Brugere". I den taler vi om de forretningsmålinger, der afspejler applikationens effektivitet i forhold til at arbejde med publikum.
Projektets publikum fyldes op med nye brugere hver dag. Nogle af dem mister hurtigt interessen, nogle husker nogle gange applikationen, og nogle bruger den jævnligt. Og sandsynligvis hver dag logger repræsentanter for alle disse segmenter ind i applikationen. I dag vil vi tale om dem - aktive brugere.
Aktive brugere er dem, der havde mindst én session i løbet af undersøgelsesperioden. Disse intervaller kan være forskellige, men oftest studerer de projektets daglige, ugentlige og også månedlige målgrupper. Og disse indikatorer har etablerede navne:
- DAU – antal unikke brugere pr. dag (dagligt aktive brugere);
- WAU – antal unikke brugere pr. uge (ugentlig aktive brugere);
- MAU – antal unikke brugere pr. måned (månedlige aktive brugere).
Samtidig kan du lave lignende beregninger for eventuelle andre perioder, hvis de bedre opfylder virksomhedens krav. Hvis du for eksempel opsummerer resultaterne fra det seneste år, kan du beregne projektets årlige publikum og sammenligne det med tidligere år for at vurdere dynamikken.
Det er værd at bemærke, at WAU for en bestemt uge ikke er summen af DAU i 7 dage, da vi taler om unikke brugere. En af dem kan for eksempel logge ind på ansøgningen mandag og tirsdag, og den ender i både mandags-DAU og tirsdags-DAU. Men inden for en uge (fra mandag til søndag) tælles det kun én gang.
Ligeledes er MAU ikke summen af 4 WAU og 30 DAU. Ud fra et beregningssynspunkt er disse indikatorer ikke forbundne og beregnes separat.
For bedre at forstå disse indikatorer, lad os beregne dem ved hjælp af et eksempel.
Lad os sige, at vi har data om applikationsbesøg fra forskellige brugere over 2 uger. I dette tilfælde er det ligegyldigt, hvor mange gange om dagen brugeren kom ind i projektet, da han stadig vil være en unik besøgende.
De dage, hvor brugerne fik adgang til applikationen, er markeret med blåt.
Så lad os først beregne DAU for den 1., 2., 5. og 10. dag. For at gøre dette skal du vide, hvor mange unikke brugere der har adgang til applikationen i disse dage:
- Dag 1 DAU = 2 (bruger 1 og 4);
- Dag 2 DAU = 3 (brugere 2,4,5);
- Dag 3 DAU = 3 (brugere 2,3,4);
- Dag 10 DAU = 0 (ingen er logget ind i appen i disse dage).
- i den første uge (fra 1. til 7. dag) er det lig med 5 - alle brugere gik ind i projektet;
- i den anden uge (fra den 8. til den 14. dag) var denne indikator allerede 3 - den første og anden bruger lavede ikke sessioner.
Du kan også vælge en vilkårlig uge, for eksempel fra den 3. til den 9. dag, og så vil WAU være lig med 4.
I vores eksempel deltog kun 5 personer, men i et rigtigt projekt vil der være tusinder, hundredtusinder, millioner af brugere, der besøger produktet dagligt. Og den måde, de får adgang til applikationen, taler om dens stabilitet, kvalitet og skala.
Derudover er Aktive brugere en metrik, der giver mening at spore i realtid, for hvis noget går i stykker i applikationen eller på serveren, og brugerne ikke kan bruge produktet, vil dette umiddelbart påvirke denne metrik. For sådan kontrol kan du gruppere brugere ikke efter dage, men efter timer eller endda 10-minutters intervaller.
Forresten er aktive brugere, der i øjeblikket er i applikationen, en separat metrik, der har sit eget navn. Oftest er dette Users online, men du kan også finde forkortelser som CCU (samtidige brugere) - brugere, der er i applikationen på et bestemt tidspunkt, og PCCU (peak concurrent users) - det maksimale antal brugere samtidigt i applikationen.
Den gennemsnitlige CCU afspejler projektets omfang godt, og PCCU er meget vigtig, når man planlægger belastningen på serverne.
Dynamikken af aktive brugere kan ændre sig ikke kun i løbet af dagen, den kan gradvist stige eller falde måned for måned. Og det er ret vigtigt at kontrollere det. Segmentering hjælper med at forenkle analysen af ændringer i antallet af aktive brugere. Takket være det kan du hurtigt forstå, hvilket segment af brugere der er ansvarlige for ændringen i indikatoren.
Her er nogle muligheder for at segmentere dit aktive publikum.
- betaler/ikke betaler
- foretaget kun 1 betaling / foretaget gentagne betalinger
Efter dato fra installation:
- 1 dag / 2-7 dage / 8-14 dage / dage / dage / 60+ dage
Efter besøgsfrekvens:
- hver dag / 4-6 gange om ugen / 1-2 gange om ugen / en gang om måneden eller mindre
Du kan også opdele efter land, efter enhed, operativsystem, efter tilpasset hændelse (det vil sige opdele publikum i brugere, der udførte og ikke udførte denne eller hin handling).
Sidstnævnte segmenteringsmulighed kan bruges, hvis applikationen har en eller anden nøglebegivenhed, der er vigtig for fuldstændigheden af spiloplevelsen eller for at skabe det rigtige første indtryk af produktet (f.eks. færdiggørelse af en tutorial, N niveauer i et spil eller indtastning butik).
Når du har identificeret det segment, der oplever et fald i aktive brugere, vil det være lettere at lede efter den mulige årsag til problemet.
Her er hvad der kan ske:
For det første begynder antallet af aktive brugere i Rusland at falde, samtidig stiger antallet af besøgende fra Japan, og de kompenserer for faldet i et andet land. Hvis vi kun ser på det overordnede DAU-diagram, vil vi næppe bemærke nogen ændringer i dynamikken. Og først senere, når antallet af aktive brugere i Rusland falder endnu mere, vil vi se dette på den generelle graf. I mellemtiden er der allerede gået en del tid, som kunne bruges til at finde og fjerne årsagen til faldet.
En anden statistisk anomali bekræfter vigtigheden af segmentering: Simpsons paradoks. Dens manifestation ses bedst med et eksempel.
Lad os tage 4 lande fra det foregående eksempel og antage, at konverteringen til køb i dem er som følger:
Og dette er hvad der sker:
- konvertering i Rusland (4,85 %) er højere end konvertering i Japan (4,44 %);
- UK konvertering (7,08%) er højere end Kina konvertering (6,98%);
- de europæiske landes samlede omstilling (5,8 %) er mindre end de asiatiske landes omstilling (6,5 %).
Dette tyder endnu en gang på, at segmentering kan give helt andre resultater end indikatorens samlede statistik.
Forresten, nogle gange, når man ser på et DAU-diagram, kan man ikke altid klart bestemme tendensen, men gruppering efter uger eller måneder (konvertering af diagrammet til WAU og MAU) gør det mere indlysende.
Selve Active users-metrikken er bestemt vigtig for projektet, men udover dette er den også relateret til andre økonomiske og adfærdsmæssige metrics.
Først og fremmest påvirkes Aktive brugere af antallet af nye brugere – jo flere der er, og jo hurtigere og mere stabilt de kommer til projektet, jo hurtigere vokser publikum.
Den anden ikke mindre vigtige indikator er Retention, som angiver, hvordan brugerne vender tilbage til projektet. Hvis du bringer nye brugere til projektet, som ikke vil vende tilbage til det, vil de ikke fylde publikum op, og en sådan tiltrækning vil ikke have nogen effekt. Det er vigtigt at få brugerne til at interessere sig for produktet, så de vil vende tilbage. Og jo flere der er, jo større bliver det aktive publikum.
Du kan have gode fastholdelsesrater i din app, men med et lille antal nye brugere vil publikum vokse meget langsomt. Og omvendt, hvis der er en god tilgang af nye brugere og lav fastholdelse, så vil de fleste af dem forlade projektet, hvilket heller ikke vil øge publikum.
Og jo større projektets publikum, jo flere potentielle betalere er der. Det er trods alt i denne rækkefølge, at brugerne bliver betalende:
Nye brugere → Aktive brugere → Betalende brugere
Det er i øvrigt vigtigt, at brugeren forbliver aktiv i produktet efter at have foretaget den første betaling, fordi det vil øge chancerne for, at han vil foretage gentagne køb.
Aktive brugere påvirker således indkomsten direkte proportionalt:
Omsætning = Aktive brugere * Betalende andel * ARPPU
Antallet af aktive brugere er en af de vigtigste indikatorer for et produkt, hvilket indirekte indikerer dets succes, der kombinerer både kvaliteten af at tiltrække nye brugere og fastholdelsesmålinger, der direkte påvirker indkomsten. Derfor bør du, når du analyserer aktive brugere, også være opmærksom på hastigheden af publikumsvækst, fordi denne metrik er et af de mest positive tegn på aktiv produktudvikling.
Et dokument, hvori han samlede alle de målinger, han stolede på, da han designede tjenesten.
Da vi begyndte at arbejde på Mygola-appen, indså vi, at det sværeste var at forstå, hvilke egenskaber der er kritiske i verden af mobile applikationer, og derfor hvilke mål der skal opstilles for applikationer i vores kategori. Her er resultaterne af vores forskning.
Daglige aktive brugere og månedlige aktive brugere (DAU/MAU)
For spil er et DAU/MAU-niveau på 20-30% af det samlede antal brugere allerede meget godt. For sociale applikationer såsom instant messengers kan en DAU/MAU på omkring 50% betragtes som vellykket.
Generelt kæmper de fleste applikationer for at holde deres DAU/MAU-niveauer på 20 % eller mere. For et afslappet spil er en faktisk klæbrighed på 20% allerede et godt mål.
Kilde: Flurry
Kilde: Flurry
En nedgangsperiode er et tidspunkt, hvor væksten i en apps månedlige brugerbruger (MAU) falder med 50 % i forhold til antallet af månedlige brugere i tjenestens spidsbelastningsperiode.
Mere end halvdelen (56 %) af apps, der var i stand til at fastholde mere end halvdelen af deres brugere i de første fire måneder efter toppen, beholder stadig mere end halvdelen af deres brugere ti måneder efter toppen.
Push-meddelelser
Kilde: eMarketer
Brugeranskaffelseskanaler
Kilde: AppFlood
Hvad er stigningen i downloads, når din app bliver Editor's Choice i App Store?
Forvent en 30-dobling fra normale downloadniveauer.
Hvis en ansøgning for eksempel ligger på en tiendeplads i ranglisten, genererer den 30 % mere efterspørgsel, end hvis ansøgningen ikke var i top 20.
Hvis en applikation rangerer først i ranglisten, øger den øgede synlighed af applikationen salget med 90 %.
Kilde: Fool
Hvordan placering af en app i sektionen populære apps påvirker downloadniveauer
Jeg vil vove at gætte på, at konverteringsraten er omkring 1-2 procent for hver 3-5 procent af bannerklik. En motiveret applikationsinstallation kan dog miste CTR på omkring 7-8 % eller svinge mellem 1-2 %.
Vi er blandt de 200 bedste apps i USA og ser, at omkring 75 % af vores brugere tillader præcis positionsvisning.
Hvad er den typiske konverteringsrate for køb i appen i gratis iOS-apps?
For eksempel kan gratis-to-play-spil konvertere mellem 2 procent og 10 procent eller endnu mere af køb i appen, afhængigt af visse faktorer.
Hvor gode er brugerne, der kommer fra Facebook?
Vores data viser, at promovering af mobilappinstallationer på Facebook er meget mere effektivt end kortsigtet brugervækst fra app-butikkernes placeringer, og generelt forbliver Facebook-brugere på tjenesten såvel som organisk erhvervede brugere.
I løbet af den 60-dages undersøgelse besøgte 81 % af de nye brugere erhvervet gennem Facebook appen mere end én gang – sammenlignet med 78 % blandt brugere erhvervet organisk.
Revision af krav
Efter at have undersøgt global brug af iOS-apps (på iPad og iPhone), fandt vi ud af, at den gennemsnitlige bruger vender tilbage til en app på mindre end seks timer efter første brug.
Men hvis en bruger ikke downloader appen igen inden for 24 timer efter første brug, er der 40 % chance for, at deres første session bliver deres sidste.
Kundeafgang er som en brandsirene. Du forstår, at noget er gået galt, men denne viden hjælper dig ikke med at slukke flammen.
For at "diagnosticere" og løse dit fastholdelsesproblem, skal du gøre noget mere seriøst end blot at se på vinder- og tabsmønstrene. Det er nødvendigt at afgøre, hvem der rejser, hvornår de gør det og hvorfor. Først da kan du styre din tid klogt og foretage de justeringer, der vil have størst indflydelse på væksten i din virksomhed.
Læs videre for at finde ud af, hvordan du finder kilden til branden og slukker den, inden din virksomhed brænder ned til grunden.
Er dine oplysninger korrekte?
Ingen vil benægte, at leadgenerering spiller en afgørende rolle for succesen for en virksomhed i en tidlig fase. Men lad ikke gode målinger overskygge dit churn-problem.
Lad os huske formlen:
Churn = mistede brugere / samlet antal brugere
Lad os se på et eksempel fra Profitwell, der viser betydningen af formlen i den virkelige verden.
Lodret: eksisterende kunder, churn af eksisterende kunder, nye kunder, churn af nye kunder, samlet antal kunder, churn rate. Vandret: august, september
Problemet med churn-formlen er, at nøjagtig samme driftsform (tilføjelse af 5.000 brugere pr. måned) ikke fører til det samme resultat - churn-raten i september er lavere end i august. Hurtig vækst reducerer kunstigt afgang, fordi nye kunder, der tilføjes månedligt, simpelthen ikke har haft tid til at opsige deres abonnementer endnu.
En ændring på selv en hundrededel af en brøkdel i churn kan resultere i et fald på 25% i overskud, så du vil bestemt ikke have unøjagtigheder i sådanne beregninger.
Metrik #1. Beregn churn baseret på gennemsnit
En god churn rate skæv af en stigning vil ikke give dig et objektivt billede af, hvad der går rigtigt, og hvad der ikke er. Derfor er der en let modificeret formel for hurtigt voksende startups:
Ser det skræmmende ud? Det er ikke så svært at finde ud af:
Churn = antal mistede brugere
∑ = summen af daglige nye brugere (i=1) i datasættet (n)
n = antal dage i en bestemt periode
Hvis brugere blev tilføjet til din kundebase gradvist, vil gennemsnittet stige og have en større indflydelse på din månedlige churn rate. Hvis kunder blev tilføjet til databasen i slutningen af perioden, vil dette ikke forvrænge churn-raten eller få den til at se lavere ud, end den faktisk er.
Takket være denne formel kan effekten af en betydelig leadgenerering afbalanceres ved at beregne et gennemsnit af dataene. Vækststigninger vil ikke skævvride dine tal eller narre dig til at tro, at du præsterede bedre den ene måned og dårligere den næste.
Udjævner udstrømningen?
Det er svært at finde en mere farlig indikator end kundeafgang, men der er en. Dette er brugernes omskiftelighed. Hvis du ikke kan udjævne din fastholdelseskurve, har dit produkt ikke en overbevisende appel.
Lad os sige, at 100 brugere, der tilmeldte sig din tjeneste den 1. januar, har en fastholdelsesrate på 40 % ved udgangen af måneden. Dette tal er dog konstant faldende, og ved udgangen af den anden måned er der intet tilbage af det oprindelige tal. Hvis du har kohorter eller brugere grupperet efter abonnementsdatoer, som næsten fuldstændigt opbruges og aldrig udjævnes, har du alvorlig problemer.
Så hvad betyder det for din vækst?
Ugentlige aktive brugere (WAU) efter månedlig kohorte (fiktive data). Lodret: samlet antal WAU. Vandret: månedlige kohorter
Først din højde vil ikke falde. Men ser du på grafen ovenfor, kan du se, at over tid vil antallet af brugere, der forlader, stige, og det vil i sidste ende bremse din vækst. Hvis du fortsætter grafen længere til højre, vil kurven helt sikkert falde. Brugere vil forlade din hjemmeside/app i en stadigt stigende hastighed, og du vil anskaffe nye med samme hastighed.
Metrisk nr. 2. Kundefastholdelsesrate pr. kohorte
Opdel brugere baseret på startdatoen for brug af dine tjenester, og udfør kohorteanalyse. Du skal udflade retentionskurven. Find det tidspunkt (det er lige meget om det er den anden dag eller den tredje uge), hvor brugerne holdt op med at lække.
Tag et kig på 2 kohorteanalyser:
I den første begynder udstrømningen gradvist i hver kohorte, indtil der ikke er nogen tilbage. Men i den anden flader retentionskurven ud på dag 12, og hver ny kohorte bygger videre på det, der er tilbage af den forrige. Hvis din analyse ligner den første, så fokuser på tydeligere at kommunikere værdien af tilbuddet til dine kunder i de tidlige stadier af fastholdelse. Først da vil din vækstgraf se sådan ud:
Når du har fladet din fastholdelseskurve ud, kan du investere i at fremskynde processen. Prøv at få brugere til det "Aha!"-øjeblik omkring dag 3, i stedet for dag 12, hvor den samme fastholdelsesrate vil være lig med flere brugere.
Hvilken værdi har dine brugere?
Selvom du flader kurven ud, vil brugere før eller siden begynde at forlade dig. Målet er at beslutte, hvor hurtigt det er for tidligt, og hvad der kan gøres for at beholde dem længere.
Der er en legende om, at så længe din livstidsværdi af en kunde (LTV) er højere end dine kundeanskaffelsesomkostninger (CAC), er din position stabil. Med andre ord, så længe du bruger mindre på markedsføring end den samlede omsætning, du genererer fra opkøbte kunder, har du det fint.
LTV > CAC = ☺
Er alt rigtigt? Ingen.
Denne formel er gyldig under to meget upræcise antagelser:
1. Churn rater er konstante, og
2. Alle brugere vil til sidst forlade.
Som det blev vist i det foregående kapitel, udstrømning er ikke konstant, og det ønsker du ikke at være. Du arbejder på løbende at forbedre denne metric. For den anden antagelse håber du at få kunder, der aldrig du vil ikke blive forladt.
Metrisk nr. 3. Samlet kohorteoverskud
I stedet for denne formel har Open View Partners, som arbejder med softwarestartups i udvidelsesfasen, kommet med en forbedret formel til at forstå brugerværdi. De anbefaler at se på noget, der hedder Cumulative Cohort Revenue (CCR) og sammenligne det med CAC. CCR er den samlede omsætning, der genereres af den andel af kunder, du har erhvervet over en given periode (normalt 12 eller 24 måneder).
Årlig CCR = CCR for den tilsvarende kohorte i den 12. måned / samlede salgs- og marketingudgifter i den første måned for den givne kohorte
Den nye formel inkluderer en periode. Det sikrer, at du sammenligner gyldig det samlede overskud fra én individuel kohorte med det beløb, du bruger på at erhverve den. Der er ikke plads til falske antagelser, og du får en sand forståelse af, hvor du og dit CAC break-even.
Sammenligning af CCR og CAC på tværs af kohorter vil vise dig, hvor du forbedrer dig over tid, og hvor hurtigt du er i stand til at genvinde dine kundeanskaffelsesomkostninger.
Fastholdelsesrater er vigtige, men de fortæller ikke hele historien. Faktum er, at processen med at forlade en bruger kan tage et minut, en time eller endda en uge efter, at de har taget deres første beslutning om dit produkt. Måske vil han opsige sit abonnement, men bliver ved med at glemme det. Eller han beslutter sig for at give produktet en chance til, men tingene fungerer ikke.
Lad os sige, at din fastholdelsesgraf har denne bekymrende hældning:
Du bemærker et kraftigt fald i fastholdelsen, men du aner ikke, hvad der foregår. Kurven ser ud til at blive stejlere på den 14. dag... Men skyldtes dette en frygtelig fejl, eller huskede brugerne simpelthen, at de ønskede at annullere deres abonnement?
Metrisk nr. 4. DAU/WAU/MAU
I stedet for kun at se på fastholdelse, bør du se på brugeradfærdsanalyse. Det er hende, der vil forklare dig, hvem der er aktiv, og hvem der lige tog sig tid til at afmelde.
For at gøre dette skal du se på dine aktivitetsniveauer. Afhængigt af arten af dit produkt skal du være meget opmærksom på en af følgende metrics:
Daglige aktive brugere (DAU)
Månedlige aktive brugere (MAU)
Hvis din primære værdi kommer fra daglig brug (du promoverer en beskedapp eller workflow-arrangør), så er dit fokus på dagligt aktive brugere. Hvis værdien afhænger af mindre hyppige check-in, spor WAU eller endda MAU.
Det sker ikke, at alle brugere vågnede en morgen og besluttede at forlade din ansøgning. Forud for udstrømningen sker normalt et fald i aktiviteten. Indstil aktivitetsbenchmarks for dine brugere, og hvis du ikke kommer tæt på dem, skal du begynde processen med at genindgå, før det er for sent.
Forebyggelse frem for at behandle symptomer
At anvende enhver og alle fastholdelsesstrategier på din base kan være ret fristende, uanset om du har et churn-problem eller ej. Men dette vil få dig til at blive revet fra hinanden og opnå lidt som et resultat. De 4 målinger, der er diskuteret ovenfor, giver en idé om, hvordan man sætter churn-mål og hurtigt tager de nødvendige foranstaltninger.
Når disse metrics begynder at vise fantastiske resultater, kan du smøge ærmerne op og fokusere på at udvinde endnu mere værdi fra dine brugere.