ตัวชี้วัดทางการเงินที่เป็นประโยชน์อื่น ๆ การป้องกันมากกว่าการรักษาอาการ

ต้องขอบคุณแอปพลิเคชันมือถือที่ทำให้ผู้ใช้ไม่ต้องค้นหาผลิตภัณฑ์หรือบริการบนเดสก์ท็อป ทำให้สามารถ "อยู่กับผู้ใช้" ได้อย่างแท้จริงตลอด 24 ชั่วโมงใกล้กับเขามากที่สุดใน หัวใจสำคัญของอุปกรณ์ของเขา แต่เมื่อนักพัฒนามีแอปพลิเคชันบนมือถือ กระบวนการทางธุรกิจได้รับการตั้งค่าแล้ว และแม้แต่แผนการโปรโมตสื่อก็พร้อม คำถามเชิงตรรกะก็เกิดขึ้น: “จะติดตามประสิทธิภาพได้อย่างไร” และที่สำคัญไม่น้อยไปกว่า: “ควรใช้เมตริกใด” ในโพสต์นี้เราจะตอบคำถามที่สอง

วิธีที่ดีที่สุดในการกำหนดค่าระบบติดตามให้ทำงานกับแอปพลิเคชันบนมือถือคืออะไร ลูกค้าที่ติดต่อ Netpeak เพื่อโปรโมตแอปของตน (ภายใน ) มักจะถามเกี่ยวกับเรื่องนี้ วิธีที่ง่ายที่สุดคือทำงานกับคนพื้นเมืองของทุกคน Google Analytics- ข้อโต้แย้งที่สำคัญมากห้าข้อสำหรับการทำงานกับ Google Analytics:

1. ฟรี.
2. ช่วยให้คุณใช้รีมาร์เก็ตติ้งเพื่อรักษาผู้ชมของคุณ
3. ใช้งานได้อย่างง่ายดายโดยใช้ Google Tag Manager
4. อินเทอร์เฟซที่เข้าถึงได้และใช้งานง่าย
5. ช่วยให้คุณสามารถกำหนดค่าการวิเคราะห์ข้ามอุปกรณ์ได้

เรามามุ่งเน้นไปที่ตัวชี้วัดที่แสดงพฤติกรรมของผู้ชม การโต้ตอบของผู้ใช้กับแอปพลิเคชัน และแน่นอนว่ารวมถึงผลกำไรจากแอปพลิเคชัน

แสดงพฤติกรรมของผู้ชม

หน่วยเมตริก MAU/DAU

MAU/DAU (ผู้ใช้ที่ใช้งานรายเดือน / ผู้ใช้ที่ใช้งานรายวัน) จะแสดงใน GA ในรายงาน "ผู้ใช้ที่ใช้งานอยู่" เมตริกแสดงความถี่ของการโต้ตอบของผู้ใช้กับแอปพลิเคชัน มันยังอยู่ในช่วงเบต้า แต่ก็ใช้งานได้แล้ว คุณสามารถเปรียบเทียบกิจกรรมต่อวัน (DAU), สัปดาห์, 14 วัน และเดือน (MAU)

แผนที่พฤติกรรม

รายงานจะแสดงวิธีที่ผู้ใช้โต้ตอบกับเนื้อหาของคุณ ช่วยให้คุณเห็นว่าเขาออกจากแอปพลิเคชันบนหน้าจอใดหรือส่วนใดที่ได้รับความนิยมมากที่สุดในแอปพลิเคชันของคุณ

เมตริก "ข้อขัดข้องและข้อผิดพลาด"

“ข้อขัดข้องและข้อผิดพลาด” - รายงานข้อบกพร่องในแอปพลิเคชัน แสดงข้อผิดพลาดทางเทคนิคที่พบบ่อยที่สุด โดยจัดกลุ่มตามเวอร์ชันในแอปพลิเคชัน เมตริกนี้รวมอยู่ในส่วนนี้เนื่องจากการตรวจพบความล้มเหลวเมื่อพฤติกรรมบางอย่างของผู้ใช้เกิดขึ้น ใน Google Analytics รายงานจะอยู่ในส่วนพฤติกรรมผู้ชมด้วย

ระยะเวลาเซสชันเฉลี่ยและความลึกในการดู

นี่คือรายงานจากส่วน "ผู้ชม" ที่ช่วยให้คุณประเมินการมีส่วนร่วมของผู้ใช้ในผลิตภัณฑ์ของคุณได้

"ผู้ใช้ที่มีส่วนร่วม" คืออะไร? มีคำตอบที่แตกต่างกัน Chamath Palihapitiya จาก Facebook พิจารณาเกณฑ์หลักในการเพิ่มเพื่อน 7 คนภายใน 10 วันหลังจากการลงทะเบียน Nabeel Hyatt จาก Zynga พูดถึงตัวบ่งชี้การรักษาลูกค้า D1 - จำนวนผู้ใช้ที่กลับมาในวันถัดไป นักวิเคราะห์จาก Flurry ได้สร้างเมทริกซ์การมีส่วนร่วมทั้งหมด ซึ่งคำนึงถึงความถี่ในการใช้งานต่อสัปดาห์และเปอร์เซ็นต์ของผู้ใช้ที่ยังคงใช้แอปพลิเคชันต่อไปหลังจากผ่านไป 90 วัน

แสดงการโต้ตอบของผู้ใช้กับแอปพลิเคชัน

ตัวชี้วัด “จำนวนการติดตั้ง”

จำนวนการติดตั้งจากแหล่งที่มาของการเข้าชมที่เสียค่าใช้จ่าย เช่น Google Ads อาจดูแปลก แต่พารามิเตอร์ "ผู้ใช้ใหม่" คือจำนวนการติดตั้งจากแหล่งที่มา ด้วยการเปิดตัวตัวสร้าง URL ทำให้สามารถทำงานร่วมกับแหล่งที่มาของการเข้าชมอื่นๆ ได้ การเข้าชมส่วนใหญ่มาจากแคมเปญดิสเพลย์ซึ่งต่างจากบริบทปกติ ดังนั้นคุณต้องทำงานอย่างหนักเพื่อกำจัดไซต์คุณภาพต่ำออกไป การติดตั้งหลายร้อยรายการจากไซต์การจราจรอาจกลายเป็น "วิญญาณที่ตายแล้ว":

อัตราการเปลี่ยนใจ (อัตราส่วนของผู้ใช้ที่ออกไปต่อผู้ชมที่ใช้งานรายเดือน) และอัตราผลตอบแทน (อัตราส่วนของผู้ใช้ที่กลับมาต่อผู้ชมรายเดือน) ใน GA จะแสดงโดยรายงาน "ใหม่และที่กลับมา" รายงานนี้แสดงเปอร์เซ็นต์ของผู้ใช้ใหม่ในแอปพลิเคชันและเปอร์เซ็นต์ของผู้ที่ใช้แอปพลิเคชันซ้ำๆ ข้อมูลนี้ช่วยให้คุณประเมินความสำคัญของเครื่องมือที่ใช้งาน เช่น รีมาร์เก็ตติ้งและการแจ้งเตือนแบบพุช

ตัวชี้วัด “เวลาที่จะซื้อ”

เวลาในการซื้อเป็นตัวชี้วัดที่สำคัญเมื่อทำงานร่วมกับผู้ชมของคุณ แสดงเปอร์เซ็นต์ของผู้ใช้ที่ทำการซื้อทันที รวมถึงระยะเวลาที่ผู้อื่นใช้เวลานาน รายงานช่วยให้คุณเข้าใจวิธีตั้งค่างานรีมาร์เก็ตติ้งของผู้เข้าชมแอปอย่างเหมาะสม

ตัวชี้วัด "จำนวนธุรกรรม"

นี่เป็นรายงานมาตรฐานจากส่วนอีคอมเมิร์ซของ Google Analytics คุณต้องติดตั้ง SDK แยกต่างหาก แต่ทุกอย่างเรียบง่ายและชัดเจน สามารถกำหนดค่าสำหรับการซื้อในแอปได้

ตัวชี้วัด “จำนวนการลงทะเบียน”

ตัวชี้วัดที่สำคัญอีกประการหนึ่งโดยเฉพาะอย่างยิ่งหากชำระเงินลงทะเบียนในแอปพลิเคชันแล้ว กำหนดค่าได้โดยการใส่โค้ดและตั้งค่ากิจกรรม

เมตริกมูลค่ารวม

รายงานนี้ยังอยู่ในรุ่นเบต้า ตัวชี้วัดนี้ช่วยให้คุณติดตามว่ามูลค่า (รายได้) และการมีส่วนร่วมของลูกค้า (การดูแอป เป้าหมายที่บรรลุ เซสชัน และระยะเวลาเซสชัน) เปลี่ยนแปลงไปอย่างไรในช่วง 90 วันนับจากการเข้าชมครั้งแรก

ARPU เมตริก

ARPU (รายได้เฉลี่ยต่อผู้ใช้) - รายได้เฉลี่ยจากผู้ใช้แต่ละราย ตัวชี้วัดที่มีประโยชน์ แต่ไม่มีรายงานที่เกี่ยวข้องใน Google Analytics และยังไม่พบรายงานดังกล่าวในระบบอื่น อย่างไรก็ตาม เป็นที่น่าสังเกตว่าแอปพลิเคชันส่วนใหญ่ไม่มีการซื้อในตัวหรือไม่จำเป็นต้องสมัครสมาชิกแบบชำระเงิน หากคุณยังต้องคำนวณ ARPU คุณจะต้องคำนวณด้วยตนเองโดยใช้สูตร:

ARPU = PR/N โดยที่: PR - รายได้ที่เกิดขึ้นประจำ (รายได้ต่อเดือนจากการสมัครสมาชิกแบบชำระเงิน) N คือจำนวนสมาชิกที่ชำระเงิน

จะเลือกชุดเมตริกที่เหมาะสมได้อย่างไร

สมมติว่างานของคุณกับแอปพลิเคชันเริ่มแรกมุ่งเน้นไปที่จำนวนการติดตั้ง และ KPI หลักของคุณตรงกับในกรณีของเรา ในกรณีนี้ เราขอแนะนำให้เน้นไปที่เมตริกต่อไปนี้:

• จำนวนการติดตั้งและการแปลงในแอปพลิเคชัน
• ผู้ใช้ที่ใช้งานอยู่
• ระยะเวลาเซสชันเฉลี่ย
• ความลึกในการรับชม

อย่างไรก็ตาม แต่ละโครงการควรได้รับการติดต่อเป็นรายบุคคลเนื่องจากปัจจัยนำเข้าที่แตกต่างกัน แบ่งปันเรื่องราวของคุณในความคิดเห็นเราจะพยายามช่วย

เคล็ดลับ: ใช้แอปมือถือ Google Analytics เพื่อติดตามสิ่งที่เกิดขึ้นกับผลิตภัณฑ์ของคุณ แอปพลิเคชันนี้พร้อมใช้งานสำหรับ Android และ iOS

ยังไม่จำเป็นต้องบอกว่า Google Analytics เป็นระบบติดตามแอปพลิเคชันที่สะดวกที่สุดเมื่อเปรียบเทียบกับ AppsFlyer หรือ Adjust ยอดนิยม แต่ช่วยให้คุณประเมินบทบาทของช่องทางและการลงทุนในนั้น ทัศนคติของผู้ใช้ต่อผลิตภัณฑ์และวิพากษ์วิจารณ์ ข้อบกพร่อง การเติบโตของผู้ใช้งาน และโอกาสของโครงการ และที่สำคัญที่สุดคือความสามารถในการทำกำไรของแอปพลิเคชัน

สิ่งพิมพ์นี้เผยแพร่โดยเป็นส่วนหนึ่งของชุดเนื้อหาเกี่ยวกับการวัดเกมจากเว็บไซต์และ devtodev บทความจะถูกแบ่งตามฤดูกาล โดยแต่ละบทความจะเน้นไปที่หัวข้อเฉพาะ ซีซันที่สองเรียกว่า "ผู้ใช้" ในนั้นเราพูดถึงตัวชี้วัดทางธุรกิจที่สะท้อนถึงประสิทธิภาพของแอปพลิเคชันในแง่ของการทำงานกับผู้ชม

เวร่า คาร์โปวา

ผู้ชมของโครงการเต็มไปด้วยผู้ใช้ใหม่ทุกวัน บางคนหมดความสนใจอย่างรวดเร็ว บางคนจำแอปพลิเคชั่นได้ และบางคนก็ใช้งานเป็นประจำ และบางทีตัวแทนของกลุ่มทั้งหมดเหล่านี้อาจลงชื่อเข้าใช้แอปพลิเคชันทุกวัน วันนี้เราจะพูดถึงพวกเขา - ผู้ใช้ที่ใช้งานอยู่.

ผู้ใช้ที่ใช้งานอยู่– เหล่านี้คือผู้ที่มีเซสชันอย่างน้อยหนึ่งครั้งในช่วงเวลาที่ศึกษา ช่วงเวลาเหล่านี้อาจแตกต่างกัน แต่ส่วนใหญ่มักจะศึกษากลุ่มเป้าหมายรายวัน รายสัปดาห์ และรายเดือนของโครงการ และตัวบ่งชี้เหล่านี้ได้ตั้งชื่อ:

• ดีเอยู– จำนวนผู้ใช้ที่ไม่ซ้ำต่อวัน (ผู้ใช้ที่ใช้งานรายวัน)
• วอจำนวนผู้ใช้ที่ไม่ซ้ำต่อสัปดาห์ (ผู้ใช้ที่ใช้งานรายสัปดาห์)
• เมา– จำนวนผู้ใช้ที่ไม่ซ้ำต่อเดือน (ผู้ใช้ที่ใช้งานรายเดือน)

ในเวลาเดียวกัน คุณสามารถทำการคำนวณที่คล้ายกันสำหรับช่วงเวลาอื่นๆ ได้หากตรงกับข้อกำหนดของบริษัทมากกว่า ตัวอย่างเช่น เมื่อสรุปผลลัพธ์ของปีที่ส่งออก คุณสามารถคำนวณผู้ชมประจำปีของโครงการและเปรียบเทียบกับปีก่อนหน้าเพื่อประเมินไดนามิก

เป็นที่น่าสังเกตว่า WAU สำหรับสัปดาห์ที่กำหนดไม่ใช่ผลรวมของ DAU สำหรับ 7 วันเนื่องจากเรากำลังพูดถึงผู้ใช้ที่ไม่ซ้ำใคร ตัวอย่างเช่น หนึ่งในนั้นอาจเข้าสู่ระบบแอปพลิเคชันในวันจันทร์และอังคาร และจะจบลงทั้งใน DAU วันจันทร์และ DAU วันอังคาร แต่ภายในหนึ่งสัปดาห์ (ตั้งแต่วันจันทร์ถึงวันอาทิตย์) จะนับเพียงครั้งเดียว
ในทำนองเดียวกัน MAU ไม่ใช่ผลรวมของ 4 WAU และ 30 DAU จากมุมมองการคำนวณ ตัวบ่งชี้เหล่านี้ไม่ได้เชื่อมโยงถึงกันและคำนวณแยกกัน

เพื่อให้เข้าใจตัวบ่งชี้เหล่านี้ได้ดีขึ้น เรามาคำนวณโดยใช้ตัวอย่างกัน

สมมติว่าเรามีข้อมูลเกี่ยวกับการเข้าชมแอปพลิเคชันโดยผู้ใช้หลายรายในช่วง 2 สัปดาห์ ในกรณีนี้ ไม่ว่าผู้ใช้จะเข้าสู่โปรเจ็กต์กี่ครั้งต่อวันก็ตาม เนื่องจากเขาจะยังคงเป็นผู้เยี่ยมชมที่ไม่ซ้ำรายหนึ่ง

วันที่ผู้ใช้เข้าถึงแอปพลิเคชันจะถูกทำเครื่องหมายด้วยสีน้ำเงิน

ก่อนอื่น มาคำนวณ DAU สำหรับวันที่ 1, 2, 5 และ 10 กันก่อน ในการดำเนินการนี้ คุณจำเป็นต้องทราบจำนวนผู้ใช้ที่ไม่ซ้ำกันที่เข้าถึงแอปพลิเคชันในปัจจุบัน:

• วันที่ 1 DAU = 2 (ผู้ใช้ 1 และ 4);
• วันที่ 2 DAU = 3 (ผู้ใช้ 2,4,5);
• วันที่ 3 DAU = 3 (ผู้ใช้ 2,3,4);
• วันที่ 10 DAU = 0 (ปัจจุบันไม่มีใครลงชื่อเข้าใช้แอป)

• ในสัปดาห์แรก (ตั้งแต่วันที่ 1 ถึงวันที่ 7) เท่ากับ 5 - ผู้ใช้ทั้งหมดเข้าสู่โครงการ
• ในสัปดาห์ที่สอง (ตั้งแต่วันที่ 8 ถึงวันที่ 14) ตัวบ่งชี้นี้มีอยู่แล้ว 3 - ผู้ใช้คนแรกและคนที่สองไม่ได้ทำเซสชัน

คุณยังสามารถเลือกสัปดาห์ที่ต้องการได้ เช่น ตั้งแต่วันที่ 3 ถึงวันที่ 9 จากนั้น WAU จะเท่ากับ 4

ในตัวอย่างของเรา มีผู้เข้าร่วมเพียง 5 คน แต่ในโครงการจริงจะมีผู้ใช้นับพันนับแสนล้านคนที่เยี่ยมชมผลิตภัณฑ์ทุกวัน และวิธีที่พวกเขาเข้าถึงแอปพลิเคชันพูดถึงความเสถียร คุณภาพ และขนาด

นอกจาก ผู้ใช้ที่ใช้งานอยู่เป็นตัวบ่งชี้ที่เหมาะสมในการติดตามแบบเรียลไทม์เพราะหากมีสิ่งใดขัดข้องในแอปพลิเคชันหรือบนเซิร์ฟเวอร์ และผู้ใช้ไม่สามารถใช้ผลิตภัณฑ์ได้ ตัวชี้วัดนี้จะได้รับผลกระทบทันที สำหรับการควบคุมดังกล่าว คุณสามารถจัดกลุ่มผู้ใช้ได้ไม่ใช่ตามวัน แต่ตามชั่วโมงหรือช่วงเวลา 10 นาที

อย่างไรก็ตาม ผู้ใช้ที่ใช้งานอยู่ในแอปพลิเคชันในปัจจุบันจะเป็นตัวชี้วัดแยกต่างหากที่มีชื่อเป็นของตัวเอง บ่อยที่สุดสิ่งนี้ ผู้ใช้ออนไลน์แต่คุณยังสามารถค้นหาคำย่อเช่น CCU (ผู้ใช้พร้อมกัน)– ผู้ใช้ที่อยู่ในแอปพลิเคชันในช่วงเวลาหนึ่ง และ PCCU (ผู้ใช้พร้อมกันสูงสุด)– จำนวนผู้ใช้สูงสุดพร้อมกันในแอปพลิเคชัน

CCU โดยเฉลี่ยสะท้อนถึงขนาดของโปรเจ็กต์ได้ดี และ PCCU มีความสำคัญมากในการวางแผนโหลดบนเซิร์ฟเวอร์

พลวัตของผู้ใช้ที่ใช้งานอยู่สามารถเปลี่ยนแปลงได้ไม่เพียงแต่ภายในวันเท่านั้น แต่ยังสามารถค่อยๆ เพิ่มขึ้นหรือลดลงทีละเดือน และการควบคุมมันค่อนข้างสำคัญ การแบ่งส่วนช่วยลดความซับซ้อนในการวิเคราะห์การเปลี่ยนแปลงจำนวนผู้ใช้ที่ใช้งานอยู่ ด้วยเหตุนี้คุณจึงสามารถเข้าใจได้อย่างรวดเร็วว่าผู้ใช้กลุ่มใดที่รับผิดชอบต่อการเปลี่ยนแปลงตัวบ่งชี้

ต่อไปนี้คือตัวเลือกบางส่วนสำหรับการแบ่งกลุ่มผู้ชมที่ใช้งานอยู่ของคุณ

สำหรับการชำระเงิน:

• จ่าย/ไม่จ่าย
• ชำระเพียง 1 ครั้ง / ชำระซ้ำ

ตามวันที่นับจากการติดตั้ง:

• 1 วัน / 2-7 วัน / 8-14 วัน / 15-30 วัน / 30- 60 วัน / 60+ วัน

ตามความถี่ของการเยี่ยมชม:

• ทุกวัน / 4-6 ครั้งต่อสัปดาห์ / 1-2 ครั้งต่อสัปดาห์ / เดือนละครั้งหรือน้อยกว่านั้น

คุณยังสามารถแบ่งตามประเทศ ตามอุปกรณ์ ระบบปฏิบัติการ ตามเหตุการณ์ที่กำหนดเอง (นั่นคือ แบ่งผู้ชมออกเป็นผู้ใช้ที่ดำเนินการและไม่ได้ดำเนินการนี้หรือการกระทำนั้น)

ตัวเลือกการแบ่งกลุ่มหลังสามารถใช้ได้หากแอปพลิเคชันมีเหตุการณ์สำคัญบางอย่างที่สำคัญต่อความสมบูรณ์ของประสบการณ์การเล่นเกมหรือการสร้างความประทับใจแรกพบที่ถูกต้องของผลิตภัณฑ์ (เช่น การเสร็จสิ้นการฝึกสอน ระดับ N ในเกม หรือการเข้าสู่ เก็บ).

เมื่อคุณระบุกลุ่มที่กำลังประสบกับจำนวนผู้ใช้ที่ใช้งานอยู่ลดลง การค้นหาสาเหตุที่เป็นไปได้ของปัญหาก็จะง่ายขึ้น

นี่คือสิ่งที่อาจเกิดขึ้น:

ประการแรก จำนวนผู้ใช้งานในรัสเซียเริ่มลดลง ในขณะเดียวกัน จำนวนผู้เยี่ยมชมจากญี่ปุ่นก็เพิ่มขึ้น และชดเชยการลดลงในประเทศอื่น หากเราดูเฉพาะแผนภูมิ DAU โดยรวม เราไม่น่าจะสังเกตเห็นการเปลี่ยนแปลงใดๆ ในไดนามิก และต่อมาเมื่อจำนวนผู้ใช้งานในรัสเซียลดลงมากขึ้น เราจะเห็นสิ่งนี้ในกราฟทั่วไปหรือไม่ ขณะเดียวกันก็ผ่านไปนานพอสมควรแล้วซึ่งสามารถใช้เพื่อค้นหาและกำจัดสาเหตุของการล้มได้

ความผิดปกติทางสถิติอีกประการหนึ่งยืนยันถึงความสำคัญของการแบ่งส่วน: ความขัดแย้งของซิมป์สัน- การสำแดงของมันจะเห็นได้ดีที่สุดด้วยตัวอย่าง

สมมติว่ามี 4 ประเทศจากตัวอย่างก่อนหน้านี้และสมมติว่า Conversion ที่จะซื้อในประเทศเหล่านั้นเป็นดังนี้:

และนี่คือสิ่งที่เกิดขึ้น:

• Conversion ในรัสเซีย (4.85%) สูงกว่า Conversion ในญี่ปุ่น (4.44%)
• การแปลงในสหราชอาณาจักร (7.08%) สูงกว่าการแปลงของจีน (6.98%)
• การแปลงโดยรวมของประเทศในยุโรป (5.8%) น้อยกว่าการแปลงของประเทศในเอเชีย (6.5%)

นี่เป็นการแสดงให้เห็นอีกครั้งว่าการแบ่งส่วนสามารถให้ผลลัพธ์ที่แตกต่างอย่างสิ้นเชิงจากสถิติโดยรวมของตัวบ่งชี้

อย่างไรก็ตาม บางครั้งเมื่อดูแผนภูมิ DAU คุณไม่สามารถระบุแนวโน้มได้อย่างชัดเจนเสมอไป แต่การจัดกลุ่มตามสัปดาห์หรือเดือน (การแปลงแผนภูมิเป็น WAU และ MAU) จะทำให้ชัดเจนยิ่งขึ้น

ตัววัดผู้ใช้ที่ใช้งานอยู่นั้นมีความสำคัญอย่างแน่นอนสำหรับโครงการ แต่นอกเหนือจากนี้ ยังเกี่ยวข้องกับตัวชี้วัดทางการเงินและพฤติกรรมอื่นๆ ด้วย

ก่อนอื่นเลย, ผู้ใช้ที่ใช้งานอยู่จะได้รับผลกระทบจากจำนวนผู้ใช้ใหม่– ยิ่งมีจำนวนมาก และยิ่งพวกเขามาที่โปรเจ็กต์ได้เร็วและสม่ำเสมอมากขึ้น ผู้ชมก็จะเติบโตเร็วขึ้นเท่านั้น

ตัวบ่งชี้ที่สำคัญไม่น้อยประการที่สองคือ การเก็บรักษา(การรักษาผู้ใช้) ซึ่งบอกว่าผู้ใช้กลับมาที่โปรเจ็กต์อย่างไร หากคุณนำผู้ใช้ใหม่มาที่โปรเจ็กต์โดยที่จะไม่กลับมาใช้อีก พวกเขาจะไม่เพิ่มจำนวนผู้ชม และความดึงดูดดังกล่าวจะไม่มีผลกระทบใดๆ สิ่งสำคัญคือต้องทำให้ผู้ใช้สนใจผลิตภัณฑ์จนอยากกลับมาอีก และยิ่งมีมากเท่าไร ผู้ชมที่กระตือรือร้นก็จะมีมากขึ้นเท่านั้น

ตัวอย่างเล็กๆ น้อยๆ:

คุณสามารถมีอัตราการคงผู้ใช้ไว้ในแอปได้ดี แต่เมื่อมีผู้ใช้ใหม่จำนวนไม่มาก ผู้ชมจะเติบโตได้ช้ามาก และในทางกลับกัน หากมีผู้ใช้ใหม่หลั่งไหลเข้ามาอย่างดีและมีการรักษาผู้ใช้ต่ำ ส่วนใหญ่จะออกจากโปรเจ็กต์ ซึ่งจะไม่เพิ่มจำนวนผู้ชมด้วย

และยิ่งผู้ชมโครงการมีขนาดใหญ่เท่าใด ผู้มีโอกาสเป็นผู้จ่ายเงินก็จะมีมากขึ้นเท่านั้น ท้ายที่สุดแล้ว ผู้ใช้จะชำระเงินตามลำดับนี้:

ผู้ใช้ใหม่ → ผู้ใช้ที่ใช้งานอยู่ → ผู้ใช้ที่ชำระเงิน

อย่างไรก็ตาม สิ่งสำคัญคือผู้ใช้ยังคงใช้งานผลิตภัณฑ์อยู่หลังจากชำระเงินครั้งแรก เนื่องจากจะเป็นการเพิ่มโอกาสที่เขาจะทำการซื้อซ้ำ
ดังนั้น ผู้ใช้ที่ใช้งานอยู่จะส่งผลโดยตรงต่อรายได้ตามสัดส่วน:

รายได้ = ผู้ใช้ที่ใช้งานอยู่ * ส่วนแบ่งการจ่าย * ARPPU

จำนวนผู้ใช้งานเป็นหนึ่งในตัวชี้วัดที่สำคัญที่สุดของผลิตภัณฑ์ ซึ่งบ่งบอกถึงความสำเร็จทางอ้อม ผสมผสานทั้งคุณภาพของการดึงดูดผู้ใช้ใหม่และตัวชี้วัดการรักษาลูกค้า ซึ่งส่งผลโดยตรงต่อรายได้ ดังนั้น เมื่อวิเคราะห์ผู้ใช้ที่ใช้งานอยู่ คุณควรคำนึงถึงความเร็วของการเติบโตของผู้ชมด้วย เนื่องจากการวัดนี้เป็นหนึ่งในสัญญาณเชิงบวกที่สุดของการพัฒนาผลิตภัณฑ์ที่ใช้งานอยู่

คำนวณโดยใช้สูตร: รายได้จากแอปพลิเคชัน / จำนวนผู้ใช้ที่ชำระเงิน

คำนวณโดยใช้สูตร: รายได้จากแอปพลิเคชัน / จำนวนผู้ใช้ทั้งหมดที่เยี่ยมชมแอปพลิเคชันในช่วงระยะเวลาที่ได้รับรายได้

การวิเคราะห์ปัสสาวะสำหรับ UIA แนวคิดของ microalbuminuria อันตรายและสัญญาณหลัก

Microalbuminuria เป็นโรคร้ายแรงที่ก่อให้เกิดภัยคุกคามร้ายแรงต่อมนุษย์ในระยะหลังของการลุกลาม ความผิดปกติดังกล่าวสามารถระบุได้โดยการตรวจปัสสาวะเพื่อหาอัลบูมินในห้องปฏิบัติการเท่านั้น สารนี้มีอยู่ในเลือดมนุษย์ ดังนั้นการปรากฏตัวของมันในของเหลวทางชีวภาพจึงไม่เป็นลางดี

Microalbuminuria คืออะไร เป็นอันตรายต่อสุขภาพคนไข้ได้อย่างไร และจะเก็บปัสสาวะเพื่อตรวจการมีอัลบูมินได้อย่างไร เอาล่ะตามลำดับ

UIA คืออะไร?

MAU หรือ microalbuminuria คือการปรากฏตัวของอัลบูมินในของเหลวชีวภาพ บ่งชี้ถึงการปรากฏตัวของโรคต่างๆ (ส่วนใหญ่มักเป็นไต) และสามารถเกิดขึ้นได้ในระดับความรุนแรง 5 องศา

1. ในระยะแรก ไมโครอัลบูมินแทบจะตรวจไม่พบในปัสสาวะ ไม่มีอาการโดยสิ้นเชิงเนื่องจากโรคนี้เพิ่งเริ่มพัฒนา
2. ระยะเริ่มต้นของการพัฒนา ผู้ป่วยยังคงประสบกับการเปลี่ยนแปลงทางพยาธิวิทยาที่เป็นอันตราย แต่ระดับอัลบูมินในของเหลวทางชีวภาพไม่เกินค่ามาตรฐาน
3. ระยะที่สามคือก่อนไต ในระยะนี้สามารถตรวจพบโรคได้แล้วโดยการตรวจปัสสาวะเพื่อหา UIA หากจำเป็นให้กำหนดขั้นตอนการวินิจฉัยอื่น ๆ เพื่อประเมินการทำงานของกลูเมอรูลีกรองไต
4. ระยะโรคไต ผู้ป่วยทนทุกข์ทรมานจากความดันโลหิตสูงและอาการบวมของแขนขาและใบหน้า การวิเคราะห์ทางคลินิกแสดงให้เห็นอย่างชัดเจนถึงสัญญาณของโปรตีนในปัสสาวะ, เม็ดเลือดแดง, การปรากฏตัวของครีเอตินีนและยูเรีย
5. การพัฒนาภาวะไตวาย ผู้ป่วยทนทุกข์ทรมานจากการโจมตีของความดันโลหิตสูงบ่อยครั้งอาการบวมของเขาไม่หายไปการวิเคราะห์ปัสสาวะประกอบด้วยโปรตีนเซลล์เม็ดเลือดอนุภาคของยูเรียและครีเอตินีน ไม่มีน้ำตาล

ผู้ป่วยโรคเบาหวานต้องผ่านภาวะ microalbuminuria ทุกขั้นตอนเหล่านี้ หากคุณไม่ตอบสนองต่ออาการที่เป็นอันตรายในเวลาที่เหมาะสมนอกเหนือจากโรคไตจากเบาหวานแล้วผู้ป่วยยังเสี่ยงที่จะตกอยู่ในอาการโคม่าจากเบาหวานและสิ่งนี้ก่อให้เกิดภัยคุกคามโดยตรงต่อชีวิตของเขาแล้ว

ประสิทธิภาพที่เหมาะสมที่สุดและการเบี่ยงเบนที่ร้ายแรง

อัลบูมินในปัสสาวะสามารถตรวจพบได้ในผู้ป่วยหลายประเภท ได้แก่

• ผู้ป่วยโรคเบาหวาน;
• คนที่ทุกข์ทรมานจากโรคไต
• ผู้ป่วยโรคหัวใจหลอดเลือด
• แกน

ระดับไมโครอัลบูมินในปัสสาวะของมนุษย์ขึ้นอยู่กับหลายปัจจัย หากมีอย่างน้อยหนึ่งอย่างเกิดขึ้นระดับของสารอาจเพิ่มขึ้นอย่างรวดเร็ว ปัจจัยเหล่านี้คือ:

• ออกกำลังกายมากเกินไป
• การละเมิดอาหารที่มีโปรตีน
• ขาดของเหลวในร่างกาย, การขาดน้ำ;
• ไข้;
• กระบวนการอักเสบที่เกิดขึ้นในอวัยวะของระบบทางเดินปัสสาวะ
• สูบบุหรี่;
• กระบวนการ Hypertrophic ในกล้ามเนื้อหัวใจ
• ไตอักเสบ
• ระดับครีเอตินีนเพิ่มขึ้นอย่างรวดเร็ว

บรรทัดฐานรายวันของ MAU ในปัสสาวะของบุคคลใด ๆ โดยไม่คำนึงถึงอายุของเขาไม่ควรเกิน 30 มก. หากเกินตัวชี้วัดเหล่านี้ แม้ว่าจะเล็กน้อยก็ตาม ก็ควรเป็นพื้นฐานสำหรับการตรวจผู้ป่วยอย่างละเอียดยิ่งขึ้น ดังนั้นบ่อยครั้งการเบี่ยงเบนดังกล่าวบ่งบอกถึงพัฒนาการของโรคไตซึ่งอาจพัฒนาไปสู่ปัญหาที่ร้ายแรงยิ่งขึ้นได้

หากค่าปกติของอัลบูมินในปัสสาวะเกิน 10 เท่าและปริมาณรายวันในปัจจุบันคือ 300 มก. นี่บ่งชี้ถึงความเสียหายของไตทางพยาธิวิทยาและเป็นอันตรายถึงชีวิต

การวิเคราะห์ปัสสาวะสำหรับ UIA แสดงอะไรและจำเป็นเมื่อใด

ก่อนอื่น คุณต้องพิจารณาว่าการตรวจ UIA นี้เป็นการตรวจปัสสาวะแบบใด การศึกษาทางคลินิกดังกล่าวจะดำเนินการเฉพาะในกรณีที่มีข้อบ่งชี้บางประการซึ่งเราจะพิจารณาในภายหลังเล็กน้อย เมื่อใช้การทดสอบดังกล่าว ช่างเทคนิคในห้องปฏิบัติการจะคำนวณปริมาณอัลบูมิน และยังตรวจจับ (หรือตรวจไม่พบ) สารที่ไม่พบในคนที่มีสุขภาพแข็งแรง เช่น โปรตีน น้ำตาล เซลล์เม็ดเลือดแดง ฯลฯ

การวิเคราะห์ UIA ช่วยระบุการมีอยู่ของ:

• โรคเบาหวาน;
• ซาร์คอยโดซิส;
• ความผิดปกติร้ายแรงของระบบหัวใจและหลอดเลือด
• ความดันโลหิตสูง;
• แพ้ฟรุกโตส

อย่างไรก็ตาม สาเหตุที่พบบ่อยที่สุดที่ทำให้ไมโครอัลบูมินในปัสสาวะเพิ่มขึ้นคือโรคเบาหวาน จำเป็นต้องมีการวิเคราะห์เพื่อตรวจหาสารนี้ในปัสสาวะหากผู้ป่วย:

• บ่นว่ามีอาการปวดบริเวณหน้าอกบ่อยครั้งหรือต่อเนื่อง
• รู้สึกไม่สบายอย่างรุนแรงที่หน้าอกด้านซ้ายหรือแม้แต่ลำตัวทั้งหมด
• ทนทุกข์ทรมานจากการโจมตีของความดันโลหิตสูงบ่อยครั้ง
• รู้สึกถึงความอ่อนแอทั่วไป ความง่วง ความเหนื่อยล้า

ในระยะต่อมา ผู้ป่วยอาจแสดงอาการของโรคหลอดเลือดสมองได้ชัดเจน ผลที่ตามมาของโรคอาจเป็นอันตรายได้ ดังนั้นหากคุณมีอาการวิงเวียนศีรษะ เป็นลมหมดสติ คลื่นไส้ และอาการอื่น ๆ บ่อยครั้ง คุณควรปรึกษาแพทย์อย่างแน่นอน

การเก็บปัสสาวะเพื่อการวิเคราะห์ที่ถูกต้องคือวิธีใด?

การตรวจปัสสาวะเพื่อหาไมโครอัลบูมินนูเรียสามารถกำหนดได้โดยแพทย์ด้านต่อมไร้ท่อ แพทย์อายุรแพทย์ ผู้เชี่ยวชาญด้านระบบทางเดินปัสสาวะ หรือแพทย์โรคหัวใจ ในเด็ก แพทย์ประจำครอบครัวหรือกุมารแพทย์อาจส่งคุณเข้ารับการทดสอบดังกล่าว หากตรวจพบว่ามีอัลบูมินในปัสสาวะในผู้ป่วยจะต้องตรวจดูเพิ่มเติมก่อนดำเนินการใด ๆ ขั้นตอนการวินิจฉัยเพิ่มเติมจะช่วยระบุสาเหตุของการเจ็บป่วยและจากนั้นจึงเริ่มกำจัดมันเท่านั้น

จะตรวจปัสสาวะเพื่อหา microalbuminuria ได้อย่างไร? นี่เป็นสิ่งสำคัญที่ต้องรู้เพื่อให้ได้ผลลัพธ์ที่แท้จริงจากการศึกษาทางคลินิกเกี่ยวกับของเหลวทางชีวภาพ การเก็บปัสสาวะขึ้นอยู่กับวัตถุประสงค์ในการดำเนินการ

ดังนั้นจึงเก็บปัสสาวะสำหรับ MAU 24 ชั่วโมงก่อนการทดสอบเพื่อตรวจสอบว่ามีเกลืออยู่หรือไม่ เพื่อป้องกันไม่ให้สารหรืออนุภาคต่างๆ เข้าไปในตัวอย่าง ให้ซื้อภาชนะพลาสติกชนิดพิเศษสำหรับเก็บปัสสาวะ ต่อไปให้ทำดังต่อไปนี้:

• เทปัสสาวะที่รวบรวมไว้ลงในภาชนะ
• ให้ภาชนะเพื่อตรวจสอบ
• รอผล และหากจำเป็น ให้เก็บของเหลวทางชีวภาพอีกครั้ง

จะรวบรวมการตรวจปัสสาวะสำหรับ UIA ได้อย่างไรหากคุณสงสัยว่าเป็นโรคเบาหวาน? มีความจำเป็นต้องเก็บปัสสาวะทุกวันหลังจากนั้นควรวางไว้ในที่เย็น ในวันถัดไปเทของเหลว 100 มล. ลงในภาชนะพลาสติกผสมกับปัสสาวะสด ปิดฝาภาชนะโดยตรวจสอบให้แน่ใจว่าปิดภาชนะอย่างแน่นหนา

เมื่อส่งภาชนะบรรจุของเหลวชีวภาพไปวิเคราะห์ ต้องแน่ใจว่าได้ระบุข้อมูลที่จำเป็น: อายุ น้ำหนัก วันที่เก็บปัสสาวะ หากจำเป็น คุณสามารถระบุผู้เชี่ยวชาญที่จะตีความผลลัพธ์รวมทั้งวันเกิดของคุณได้

สำหรับอัตราส่วนของอัลบูมินต่อครีเอตินีนในปัสสาวะควรเป็นเท่าใดบรรทัดฐานรายวันควรเป็นดังนี้:

การเกินมาตรฐานเหล่านี้บ่งชี้ถึงความผิดปกติร้ายแรงในร่างกาย หากความผิดปกติดังกล่าวเกิดขึ้นต่อเนื่องเป็นเวลา 3 เดือนขึ้นไป มักบ่งบอกถึงโรคไตเรื้อรัง

เหนือสิ่งอื่นใดข้างต้น ควรสังเกตว่าพยาธิสภาพร้ายแรงสามารถป้องกันได้โดยการตรวจปัสสาวะทางคลินิกเชิงป้องกันเป็นประจำเท่านั้น ภายใต้สถานการณ์อื่น ๆ อาจไม่สามารถแก้ไขได้

MAU DAU ARPU หรือตัวชี้วัดการเข้าชมที่คุณต้องรู้

แอปพลิเคชันโทรศัพท์มือถือนำเงินมาสู่นักพัฒนาที่สามารถปรับให้เข้ากับความต้องการของผู้ชม (ลูกค้า) ได้อย่างรวดเร็ว การสร้างแอปพลิเคชันที่มีประโยชน์นั้นไม่เพียงพอ คุณต้องติดตามกิจกรรมของผู้ใช้ ตอบสนองการปฏิเสธและความต้องการที่เพิ่มขึ้นอย่างทันท่วงที และใช้นโยบายการกำหนดราคาที่เหมาะสม การวัดประสิทธิภาพของแอปบนอุปกรณ์เคลื่อนที่ ซึ่งเราจะกล่าวถึงในรายละเอียดด้านล่างนี้ ตอบสนองวัตถุประสงค์นี้

ตัวชี้วัดแอปพลิเคชันมือถือขั้นพื้นฐาน

การติดตั้งแอปพลิเคชันมือถือทำได้โดยการดาวน์โหลดโปรแกรมลงในโทรศัพท์ของคุณ หากลูกค้าพอใจกับแอปพลิเคชัน เขาก็จะกลายเป็นผู้ใช้ที่ใช้งานอยู่ ในขั้นตอนนี้ ลูกค้าจะต้องมีความสนใจมากจนต้องการมีแอปพลิเคชันเวอร์ชันขยายและรับเนื้อหาเพิ่มเติม ลูกค้าที่พึงพอใจและสนใจจะยินดีจ่ายเพิ่มสำหรับบริการที่ได้รับการปรับปรุง นี่คือจุดที่แอปพลิเคชันเริ่มนำเงินมาสู่ผู้สร้าง

เป็นเรื่องง่ายที่จะเห็นความสัมพันธ์โดยตรงระหว่างความคาดหวังของผู้ใช้ที่พึงพอใจและผลกำไรโดยตรงจากแอปพลิเคชัน แต่จะติดตามระดับ “ความพึงพอใจ” ของลูกค้าได้อย่างไร? ซึ่งสามารถทำได้โดยใช้เมตริกที่ช่วยให้เข้าใจว่าผู้ใช้ชอบอะไรและประเมินอย่างไร เช่น ขึ้นราคาสำหรับเนื้อหาเพิ่มเติม การแนะนำคุณลักษณะที่ต้องชำระเงินใหม่ เป็นต้น

เมตริกใช้ในแอปพลิเคชันบนมือถือ เช่นเดียวกับเกมและสตาร์ทอัพ นักพัฒนาซอฟต์แวร์สามารถเชื่อมต่อเมตริกหลายประเภทเพื่อรับการประเมินความต้องการของผู้ใช้ได้ครบถ้วนที่สุด ขอแนะนำให้เริ่ม "รับ" ตัวบ่งชี้ทันทีหลังจากที่ลูกค้าดาวน์โหลดแอปพลิเคชันเป็นครั้งแรก

สิ่งสำคัญคือต้องติดตามตัวชี้วัดต่อไปนี้:

1. แหล่งการติดตั้งแอปพลิเคชัน จำเป็นในการประเมินประสิทธิภาพของช่องทางการตลาดที่คุณใช้
2. การวัดผลการรักษาผู้ใช้และการมีส่วนร่วม แสดงจำนวนไคลเอนต์ที่เปิดใช้งานแอปพลิเคชันของคุณหลังจากดาวน์โหลด ตัวอย่างเช่น PCU จะแสดงจำนวนผู้ใช้สูงสุดที่ลงชื่อเข้าใช้แอปพลิเคชันในคราวเดียว ACU คือการวัดจำนวนเฉลี่ยของผู้ใช้พร้อมกันในแอปพลิเคชันในช่วงเวลาที่กำหนด
3. จำนวนผู้ใช้ที่ไม่ซ้ำ จำนวนลูกค้าที่ใช้งานแอปพลิเคชันเป็นประจำ
4. เซสชันเป็นตัวชี้วัด ตัวบ่งชี้ระยะเวลาที่ผู้ใช้อยู่ในแอปพลิเคชัน
5. การทดสอบ A/B โดยจะแจ้งให้ทราบว่าปุ่มใดที่ผู้ใช้กดและในลำดับใด
6. ตัวชี้วัดทางการเงิน คำนวณประสิทธิภาพของแอปพลิเคชันและความสามารถในการทำกำไร ตัวชี้วัดทางการเงินหลักคือ ARPPU (รายได้ต่อผู้ใช้ที่ชำระเงิน) และ ARPU (รายได้เฉลี่ยต่อผู้ใช้)

กิจกรรมผู้ใช้และตัวชี้วัดการมีส่วนร่วม

เป็นสิ่งสำคัญสำหรับนักพัฒนาแอปพลิเคชันบนมือถือทั้งหมดที่จะต้องเข้าใจกิจกรรมและการมีส่วนร่วมของผู้ใช้ของตน เพื่อจุดประสงค์นี้ จะมีการคำนวณหน่วยเมตริก เช่น DAU, WAU, MAU, PCU, ACU

นี่คือกิจกรรมประเภทใดและหมายความว่าอย่างไร?

ตัวชี้วัดกิจกรรมทำให้ชัดเจนว่ามีลูกค้าจำนวนเท่าใดที่ดาวน์โหลดและใช้งานแอปพลิเคชันอยู่ การทราบตัวบ่งชี้เหล่านี้ทำให้คุณสามารถประเมินผู้ชมผู้ใช้ของคุณและวิเคราะห์คำขอของพวกเขาได้ เป็นผลให้คุณได้รับ "เคล็ดลับ" เกี่ยวกับกลยุทธ์ทางการตลาดที่คุณต้องใช้ นี่เป็นก้าวแรกในการเพิ่มการมีส่วนร่วมของผู้ใช้และรายได้ของคุณ

DAU (ผู้ใช้งานรายวัน) คืออะไร? เหล่านี้เป็นผู้ใช้งานรายวัน ตัวชี้วัดจะแสดงจำนวนผู้ใช้ที่เข้าสู่ระบบแอปพลิเคชันต่อวัน ดังนั้น WAU (ผู้ใช้ที่ใช้งานรายสัปดาห์) จึงเป็นผู้ใช้ที่ใช้งานรายสัปดาห์ และ MAU (ผู้ใช้งานรายเดือน) คือผู้ใช้ที่ไม่ซ้ำใครที่เข้าชมแอปพลิเคชันอย่างน้อยเดือนละครั้ง ความเป็นเอกลักษณ์ของผู้ใช้ถูกกำหนดโดย ID หรือการเข้าสู่ระบบ

ยอดการเข้าชมและระดับการมีส่วนร่วม

หากต้องการได้รับอัตราการมีส่วนร่วมของผู้ใช้ในหนึ่งสัปดาห์ คุณต้องหารตัวบ่งชี้ "รายวัน" ด้วย "รายสัปดาห์" (DAU/WAU) หากคุณต้องการทราบค่าสัมประสิทธิ์ "ความเหนียวแน่น" ของผู้ใช้บริการต่อเดือน เราจะเปรียบเทียบผลลัพธ์ "รายวัน" และ "รายเดือน" (DAU/MAU)

ต้องการทำความเข้าใจว่าเมื่อใดที่ลูกค้าใช้งานผลิตภัณฑ์ของคุณมากที่สุด ใช้เมตริกเพื่อกำหนดจำนวนผู้ใช้ในช่วงเวลาที่กำหนด ติดตามตัวบ่งชี้การเข้าชมโดยเฉลี่ยและสูงสุด - และสรุปผล

ดังนั้น PCU (Peak Concurrent User หรือ "ผู้ใช้ออนไลน์สูงสุด") คือจำนวนผู้ใช้สูงสุดที่อยู่ในแอปพลิเคชันพร้อมกัน ตัวบ่งชี้จะวัดต่อชั่วโมง เดือน หรือปี

ขณะเดียวกันค่าเฉลี่ยคือ ACU (Average Concurrent User หรือ “จำนวนผู้ใช้ออนไลน์โดยเฉลี่ย”) ที่นี่เรากำลังพูดถึงจำนวนผู้ใช้ที่อยู่ในแอปพลิเคชันในเวลาเดียวกันในช่วงเวลาที่กำหนด ตัวชี้วัดเหล่านี้มีไว้เพื่ออะไร? เช่น เพื่อกำหนดเวลาที่เหมาะสมในการเปิดตัวแคมเปญโฆษณา

เราขอแนะนำให้เก็บสถิติและบันทึกตัวบ่งชี้โครงการของคุณ จากนั้นคุณจะเข้าใจเสมอว่าลูกค้าชอบแอปพลิเคชันของคุณหรือไม่ พวกเขามีส่วนร่วมและกระตือรือร้นหรือไม่ พวกเขาพอใจกับราคาของคุณหรือไม่ และเมื่อใดที่คุณจำเป็นต้องเปลี่ยนกลยุทธ์การตลาดของคุณ

การคำนวณตัวชี้วัดกิจกรรมและการมีส่วนร่วมทำให้สามารถคำนวณตัวชี้วัดทางการเงิน ARPU และ ARPPU เพิ่มเติมได้ ส่วนหลังแสดงผลกำไรที่ได้รับทั้งจากผู้ใช้ทั้งหมดและแยกจากลูกค้าที่ซื้อเวอร์ชันและเนื้อหาแบบชำระเงิน

ปัจจุบันระบบการวิเคราะห์ต่างๆ พร้อมใช้งานบนอินเทอร์เน็ต ซึ่งหลายระบบสามารถใช้งานได้ฟรี ตัวอย่างเช่น บริการยอดนิยมสำหรับแอปพลิเคชันบนมือถือ ได้แก่ Google Analytics, Flurry และ App Annie (อย่างไรก็ตาม App Annie จะเรียกเก็บเงินสำหรับเมตริกเพิ่มเติมบางส่วน)

ตัวชี้วัดทางการเงิน

จากมุมมองการคาดการณ์ผลกำไร นี่คือกลุ่มเมตริกที่สำคัญที่สุด

ตัวชี้วัดทางการเงินที่สำคัญ

• รวม – รายได้รวมในช่วงเวลาที่กำหนด
• รายได้ – รายได้สุทธิลบส่วนแบ่งของร้านค้าที่แอปพลิเคชันของคุณตั้งอยู่
• ส่วนแบ่งการชำระเงิน – อัตราส่วนของจำนวนลูกค้าที่ซื้อเวอร์ชันที่ต้องชำระเงินต่อจำนวนผู้ใช้ที่ไม่ซ้ำทั้งหมด หากตัวบ่งชี้ลดลง แสดงว่าลูกค้าเบื่อหน่ายกับเนื้อหาที่ต้องชำระเงิน ถึงเวลา "ฟื้นคืนชีพ" (เช่น เรียกใช้โปรโมชันใหม่)
• ธุรกรรมโดยผู้ใช้หรือ TBU – จำนวนการชำระเงินต่อผู้ใช้ คำนวณโดยการหารจำนวนการชำระเงินทั้งหมดในช่วงระยะเวลาหนึ่งด้วยจำนวนผู้ชำระเงิน

วิธีการคำนวณกำไร

การรู้สูตรง่ายๆ เพียงสองสูตรจะช่วยให้คุณสามารถสรุปได้ว่าใบสมัครของคุณมีประสิทธิภาพเพียงใด

สูตรแรกจะคำนวณกำไรเฉลี่ยต่อลูกค้าในช่วงเวลาหนึ่งๆ ตัวบ่งชี้ ARPU (รายได้เฉลี่ยต่อผู้ใช้) นี้กำหนดโดยอัตราส่วนของรายได้รวมจากผู้ใช้ต่อการเข้าชมเฉลี่ยต่อวัน/สัปดาห์/เดือน

ดัชนี ARPU ช่วยให้เข้าใจว่าโครงการโดยรวมของคุณมีประสิทธิภาพเพียงใด ท้ายที่สุดแล้ว เรากำลังพูดถึงรายได้จากผู้ชมทั้งหมดของแอปพลิเคชัน ดัชนีจะขึ้นอยู่กับนโยบายการกำหนดราคาของคุณ เหนือสิ่งอื่นใด อย่างไรก็ตาม ตัวบ่งชี้อีกตัวหนึ่งช่วยให้เข้าใจการยอมรับราคาของคุณสำหรับลูกค้าได้ดีขึ้น ซึ่งก็คือดัชนี ARPPU (รายได้เฉลี่ยต่อผู้ใช้ที่ชำระเงิน) นี่เป็นปัจจัยกำหนดกำไรเฉลี่ยต่อผู้ใช้ในช่วงเวลาหนึ่งด้วย มีเพียงเรากำลังพูดถึงเฉพาะลูกค้าที่จ่ายเงินเท่านั้น นั่นคือผู้ที่ซื้อเนื้อหาหรือบริการเพิ่มเติมจากคุณ

ในการกำหนดดัชนี ARPPU รายได้รวมมีความสัมพันธ์กับจำนวนผู้ใช้ที่ชำระเงินหรือ PU (จำนวนลูกค้าที่ชำระค่าเนื้อหาเพิ่มเติมในช่วงเวลาที่กำหนด)

ด้วยตัวบ่งชี้ ARPPU ทำให้ง่ายต่อการกำหนดความสามารถในการทำกำไรของเนื้อหาที่ต้องชำระเงิน คุณยังสามารถสังเกตปฏิกิริยาของผู้ใช้ต่อการอัปเดตแอปพลิเคชัน เสนอบริการใหม่ ๆ หรือขึ้นราคาได้อีกด้วย

ความแตกต่างระหว่าง ARPU และ ARPPU

นักพัฒนาซอฟต์แวร์จำนวนมากประสบปัญหาในการประเมินหน่วยเมตริกในระยะเริ่มแรก โดยเฉพาะอย่างยิ่งดัชนี ARPU และ ARPPU มักจะสับสน

แม้ว่า ARPU จะแสดงกำไรสุทธิต่อผู้ใช้ในท้ายที่สุด (เช่น ต่อวัน) แต่ ARPPU จะพิจารณาเฉพาะกำไรที่คุณได้รับจากการจ่ายเงินให้กับลูกค้าเท่านั้น หากสักวันหนึ่งไม่มีลูกค้าซื้อเนื้อหาเพิ่มเติม ARPPU สำหรับวันนั้นจะเป็นศูนย์

• ARPU = รายได้ / ผู้ใช้ (รายได้สุทธิหารด้วยจำนวนผู้ใช้ทั้งหมด)

ผู้ใช้ทั้งหมดจะถูกนำมาพิจารณา ตัวบ่งชี้นี้ทำให้ชัดเจนว่าผู้ใช้รายหนึ่งมีรายได้โดยเฉลี่ยเท่าใด

• ARPPU = รายได้ / ผู้ใช้ที่ชำระเงิน (รายได้สุทธิหารด้วยจำนวนผู้ใช้ที่ชำระเงิน)

พิจารณาเฉพาะผู้ใช้ที่ชำระเงินเท่านั้น ARPPU แสดงให้เห็นว่าผู้ใช้ตอบสนองต่อราคาของคุณอย่างไร และจำนวนเงินที่พวกเขายินดีจ่ายสำหรับเนื้อหาที่ต้องชำระเงิน

เนื่องจากมีผู้ใช้ที่ชำระเงินน้อยกว่าจำนวนทั้งหมดมาก ARPPU จึงมากกว่า APRU เสมอ

หากคุณขึ้นราคา คุณอาจมีผู้ใช้ที่ชำระเงินน้อยลง Paying Share – ส่วนแบ่งของลูกค้าที่ชำระเงิน ในกรณีนี้ อัตรากำไรจากลูกค้าทั้งหมดจะเพิ่มขึ้นเนื่องจากจำนวนลูกค้าที่ชำระเงินจะลดลงหลังจากขึ้นราคาสำหรับเนื้อหาเพิ่มเติม เพื่อดึงดูดลูกค้าที่ชำระเงินมากขึ้น คุณต้องสร้างกลยุทธ์การกำหนดราคาที่ยืดหยุ่นและ "ละเอียดอ่อน"

ตัวอย่างการคำนวณ ARPU และ ARPPU

สมมติว่าคุณมีผู้ใช้ 2,000 รายและ 50 รายซื้อเนื้อหาแบบชำระเงิน รายได้ต่อเดือนคือ $ 5,000

ผลลัพธ์ของคุณต่อเดือน:

• ARPU = 5,000 เหรียญสหรัฐฯ/2000 = 2.5 เหรียญสหรัฐฯ (นั่นคือ ผู้ใช้ "ปกติ" หนึ่งรายจ่ายเงินให้คุณ 2.5 เหรียญสหรัฐฯ ต่อเดือน)
• ARPPU = $5,000/50 = $100 (นั่นคือ ผู้ใช้ที่ชำระเงินหนึ่งรายจะทำให้คุณมีกำไร $100 ต่อเดือน)
• ส่วนแบ่งการจ่ายเงิน = 50 / 2000 = 2.5% (ดังนั้น ส่วนแบ่งของผู้ใช้ที่จ่ายเงินคือ 2.5%)
• มาตรวจสอบกัน: $2.5 = $100 ×2.5%

ตัวชี้วัดทางการเงินที่เป็นประโยชน์อื่น ๆ

นอกจากผลกำไรแล้ว คุณยังสามารถคำนวณค่าใช้จ่ายได้อีกด้วย ตัวอย่างเช่น พิจารณาว่าคุณต้องเสียค่าใช้จ่ายเท่าไรในการดึงดูดลูกค้า เพื่อจุดประสงค์นี้ จึงมีดัชนี CPI (ต้นทุนต่อการติดตั้ง) ซึ่งเป็นต้นทุนในการติดตั้งแอปพลิเคชัน ด้วยเหตุนี้ คุณจึงสามารถทราบได้ว่ามีการใช้เงินไปเท่าใดเพื่อดึงดูดลูกค้าใหม่ เมตริกนี้คำนวณโดยอัตราส่วนต้นทุนการโฆษณาต่อจำนวนการติดตั้งแอป

คุณยังสามารถระบุได้ว่าโครงการของคุณมีประสิทธิภาพเพียงใดตลอด "ชีวิต" ของโครงการ ในการดำเนินการนี้ คุณจะต้องคำนึงถึงดัชนี LTV (มูลค่าตลอดอายุการใช้งาน) ซึ่งเป็นตัวบ่งชี้ความสามารถในการทำกำไรสำหรับระยะเวลาเฉลี่ยในการใช้งานแอปพลิเคชันโดยลูกค้ารายหนึ่ง

ในการคำนวณดัชนี LTV คุณต้องคูณรายได้ต่อผู้ใช้ (ARPU) ด้วยระยะเวลาการใช้งานเฉลี่ยหรืออายุการใช้งาน

โครงการของคุณมีกำไรหรือไม่? หาก LTV น้อยกว่า CPI แสดงว่าไม่มีผลกำไร

ในการปรับปรุงตัวบ่งชี้ LTV คุณต้องเพิ่มความน่าดึงดูดใจของแอปพลิเคชัน ลดต้นทุนในการดึงดูดลูกค้าใหม่ และเพิ่มต้นทุนของเนื้อหาที่ต้องชำระเงิน

ข้อดีและข้อเสียของการใช้เมตริก

ตัวอย่างเช่น เป็นการยากที่จะเข้าใจว่าตัวบ่งชี้ DAU ในวันใดวันหนึ่งเป็นผลมาจากแคมเปญประชาสัมพันธ์ที่ประสบความสำเร็จ ซึ่งเป็นผลมาจากการใช้กลยุทธ์ทางการตลาดเพื่อดึงดูดลูกค้าใหม่ หรือเนื่องจากการกลับมาของลูกค้าเก่า

การวิเคราะห์แอปพลิเคชันบนมือถือช่วยสร้างรูปแบบการโต้ตอบกับลูกค้าที่ยืดหยุ่นและมีประสิทธิภาพ การรักษาสถิติและการรู้จักกลุ่มเป้าหมายจะช่วยให้โครงการของคุณประสบความสำเร็จ

ข้อบ่งชี้ กฎการเก็บตัวอย่าง และการตีความผลการตรวจปัสสาวะสำหรับไมโครอัลบูมินูเรีย

การตรวจปัสสาวะเพื่อตรวจหาไมโครอัลบูมินูเรีย (MAU) ถูกนำมาใช้กันอย่างแพร่หลายในการวินิจฉัยความเสียหายของเนื้อเยื่อไตในระยะเริ่มแรก

สิ่งสำคัญคือการกำหนดเชิงปริมาณของระดับอัลบูมินในปัสสาวะซึ่งเป็นสัดส่วนโดยตรงกับระดับความเสียหายต่อไตไต (องค์ประกอบโครงสร้างหลักของไต)

Microalbuminuria คือการขับถ่ายโปรตีนอัลบูมินในปัสสาวะในปริมาณที่เกินค่าทางสรีรวิทยา

ตารางที่ 1 - คำจำกัดความของ microalbuminuria ที่มา – RMJ. พ.ศ. 2553 ฉบับที่ 22. ส.1327

อัลบูมินทางสรีรวิทยาและพยาธิวิทยา

คนที่มีสุขภาพดีจะขับโมเลกุลโปรตีนออกมาเล็กน้อยในปัสสาวะ (มากถึง 150 มก./ดล.) ในขณะที่ปริมาณอัลบูมินในปัสสาวะจะน้อยกว่า 30 มก./ดล.

ปริมาณโปรตีนที่ถูกขับออกทางปัสสาวะอาจแตกต่างกันอย่างมากในช่วงเวลาต่างๆ ของวัน ดังนั้นในเวลากลางคืนการขับถ่ายของอัลบูมินในปัสสาวะจะน้อยลงประมาณ 30-40% ซึ่งสัมพันธ์กับความดันหลอดเลือดในระดับต่ำและตำแหน่งของร่างกายในแนวนอน สิ่งนี้ส่งผลให้การไหลเวียนของเลือดในไตลดลงและอัตราการกรองปัสสาวะในโกลเมอรูลัส

เมื่ออยู่ในท่าตั้งตรง ระดับการขับอัลบูมินในปัสสาวะจะเพิ่มขึ้น และหลังจากออกกำลังกายอาจอยู่ในช่วงมิลลิกรัม/ลิตรในช่วงสั้นๆ

ปริมาณอัลบูมินที่ถูกขับออกทางปัสสาวะอาจได้รับอิทธิพลจากปัจจัยต่อไปนี้:

1. 1 อาหารที่มีโปรตีนสูง
2. 2 ทำงานหนัก
3. 3 การติดเชื้อทางเดินปัสสาวะ
4. 4 การไหลเวียนโลหิตล้มเหลว
5. 5 รับประทาน NSAIDs (ยาแก้อักเสบที่ไม่ใช่สเตียรอยด์);
6. 6 การติดเชื้อแบคทีเรียรุนแรง, ภาวะติดเชื้อ;
7. 7 การตั้งครรภ์

ในทางกลับกันการรับประทานยาลดความดันโลหิตจากกลุ่ม ACE inhibitors จะลดการหลั่งอัลบูมิน

อัตราการขับอัลบูมินในปัสสาวะอาจขึ้นอยู่กับอายุและเชื้อชาติด้วย การขับถ่ายอัลบูมินผิดปกติในกรณีที่ไม่มีหลักฐานว่ามีพยาธิสภาพร่วมกันของอวัยวะภายในเกิดขึ้นในผู้สูงอายุและชาวแอฟริกันและมักรวมกับน้ำหนักส่วนเกิน

การวิเคราะห์ปัสสาวะสำหรับ UIA - ข้อบ่งชี้สำหรับการใช้งาน

Microalbuminuria (ตัวย่อ MAU) เป็นสัญญาณแรกสุดและน่าเชื่อถือที่สุดของความเสียหายของเนื้อเยื่อไต

เนื่องจากเป็นไปไม่ได้ที่จะระบุโดยใช้วิธีการประจำ การตรวจปัสสาวะเพื่อหาไมโครอัลบูมินูเรียจึงรวมอยู่ในมาตรฐานสำหรับการตรวจผู้ป่วยที่มีความเสี่ยง โดยเฉพาะอย่างยิ่งในผู้ป่วยที่เป็นโรคเบาหวานและความดันโลหิตสูงในหลอดเลือดแดง

รายชื่อผู้ป่วยที่จะตรวจคัดกรองไมโครอัลบูมินนูเรีย:

1. 1 ผู้ป่วยโรคเบาหวานทุกประเภทและมีประวัติโรคมามากกว่า 5 ปี (ทุกๆ 6 เดือน)
2. 2 ผู้ป่วยความดันโลหิตสูง (ทุกๆ 12 เดือน)
3. 3 ผู้ป่วยหลังการปลูกถ่ายไตเพื่อติดตามการพัฒนาปฏิกิริยาการปฏิเสธ
4. 4 ผู้ป่วยโรคไตอักเสบเรื้อรัง

สาเหตุของความเสียหายต่อ glomerulus ของไต

สาเหตุหลักของความเสียหายต่อ glomeruli ของไตและ microalbuminuria คือ:

1. 1 ระดับน้ำตาลในเลือดสูง MAU เป็นสัญญาณแรกของโรคไตจากเบาหวาน กลไกหลักในการเกิด microalbuminuria ในโรคเบาหวานคือการกรองมากเกินไปใน glomerulus ของไตและความเสียหายต่อหลอดเลือดไตอันเป็นผลมาจากภาวะน้ำตาลในเลือดสูง หากปล่อยทิ้งไว้โดยไม่ได้รับการรักษา โรคไตจากเบาหวานจะลุกลามอย่างรวดเร็ว ส่งผลให้ไตวายและจำเป็นต้องฟอกไต นั่นคือเหตุผลที่ผู้ป่วยโรคเบาหวานทุกคนควรได้รับการตรวจปัสสาวะเพื่อหา UIA อย่างน้อยทุกๆ หกเดือน เพื่อตรวจหาโรคไตในระยะเริ่มต้นและการรักษาอย่างทันท่วงที
2. 2 ความดันซิสโตลิกในระดับสูง ความดันโลหิตสูงเป็นโรคทางระบบที่ส่งผลกระทบต่ออวัยวะและระบบจำนวนมาก รวมถึงไตด้วย ในกรณีนี้ MAU เป็นสัญญาณของการพัฒนาภาวะแทรกซ้อนของไต - โรคไตความดันโลหิตสูงซึ่งขึ้นอยู่กับความดันในการกรองที่เพิ่มขึ้น, การเกิดพังผืดของ tubulointerstitial และการซึมผ่านของผนังหลอดเลือดที่เพิ่มขึ้นกับโปรตีน MAU เป็นปัจจัยเสี่ยงแบบพอเพียงสำหรับการพัฒนาภาวะแทรกซ้อนของความดันโลหิตสูง
3. 3 น้ำหนักเกิน โรคอ้วน โรคเมตาบอลิซึม ตั้งแต่ปี 1999 เป็นต้นมา WHO ได้กำหนดให้ microalbuminuria เป็นหนึ่งในองค์ประกอบของกลุ่มอาการเมแทบอลิก
4. 4 ไขมันในเลือดสูงและไตรกลีเซอไรด์ในเลือดสูงซึ่งนำไปสู่การพัฒนาของหลอดเลือดทั่วไป MAU ในกรณีนี้สะท้อนถึงปรากฏการณ์ของความผิดปกติของเยื่อบุผนังหลอดเลือด และเกี่ยวข้องโดยตรงกับความเสี่ยงโรคหัวใจและหลอดเลือดที่เพิ่มขึ้น
5. 5 การอักเสบเรื้อรังของเนื้อเยื่อไต การปรากฏตัวของ MAU (และโปรตีนในปัสสาวะโดยทั่วไป) เป็นสัญญาณที่ไม่พึงประสงค์จากการพยากรณ์โรคของการลุกลามของไตอักเสบ
6. 6 การสูบบุหรี่. ในผู้สูบบุหรี่การขับถ่ายของอัลบูมินในปัสสาวะจะสูงขึ้นประมาณ 20-30% (Nelson, 1991, Mogestein, 1995) ซึ่งสัมพันธ์กับความเสียหายของนิโคตินต่อเอ็นโดทีเลียมของหลอดเลือด

วิธีการกำหนด

อัลบูมินูเรียทางพยาธิวิทยาไม่สามารถตรวจพบได้โดยวิธีการตรวจปัสสาวะตามปกติ เช่น โดยการตกตะกอนของกรด

เมื่อพิจารณาถึงความแปรปรวนรายวันที่มีนัยสำคัญในการขับถ่ายอัลบูมินในปัสสาวะ การตรวจพบ MAU ในการตรวจปัสสาวะติดต่อกันสองหรือสามครั้งเท่านั้นที่มีนัยสำคัญในการวินิจฉัย

สำหรับการตรวจคัดกรองปัสสาวะสำหรับ UIA อนุญาตให้ใช้แถบทดสอบที่ออกแบบมาเป็นพิเศษ แต่ในกรณีของการทดสอบเชิงบวกโดยใช้การทดสอบแบบรวดเร็วจำเป็นต้องยืนยันอัลบูมินูเรียทางพยาธิวิทยาโดยใช้วิธีการที่ช่วยในการกำหนดความเข้มข้นของอัลบูมิน

การประเมินแบบกึ่งปริมาณดำเนินการโดยใช้แถบพิเศษ - การทดสอบแถบ โดยมีความเข้มข้นของอัลบูมินในปัสสาวะ 6 ระดับ (“ตรวจไม่พบ”, “ร่องรอย” - สูงถึง 150 มก./ลิตร, มากกว่า 300 มก./ลิตร, 1,000 มก. /l, 2000 มก./ล. และมากกว่า 2,000 มก./ลิตร) ความไวของวิธีนี้คือประมาณ 90%

การกำหนดเชิงปริมาณดำเนินการโดยใช้:

1. 1 การหาอัตราส่วนของครีเอตินีนและอัลบูมิน (C/A) ในปัสสาวะ
2. 2 วิธีทางอิมมูโนเทอร์บิดิเมตริกโดยตรง วิธีนี้ช่วยให้คุณประมาณความเข้มข้นของอัลบูมินโดยความขุ่นของสารละลายที่ได้รับหลังจากปฏิกิริยาของโปรตีนกับแอนติบอดีจำเพาะและการตกตะกอนของคอมเพล็กซ์ภูมิคุ้มกัน
3. 3 วิธีอิมมูโนเคมีโดยใช้ระบบ “ฮีโมคิว” (ปฏิกิริยาอิมมูโนเคมีโดยใช้แอนติบอดีต่อต้านมนุษย์) สารเชิงซ้อนของอัลบูมิน-แอนติบอดีทำให้เกิดตะกอน ซึ่งต่อมาจะถูกจับโดยโฟโตมิเตอร์

จะรวบรวมวัสดุเพื่อการวิจัยได้อย่างไร?

การเก็บปัสสาวะเพื่อการวิจัยไม่จำเป็นต้องมีการเตรียมตัวล่วงหน้า

กฎการรวบรวมวัสดุ:

1. 1 การเก็บปัสสาวะเกิดขึ้นตลอดทั้งวัน (ตั้งแต่ 08.00 น. ของวันแรกถึง 08.00 น. ของวันที่สอง) จะต้องเทปัสสาวะส่วนแรกสุดลงในโถส้วม
2. 2 ปัสสาวะทั้งหมดที่ถูกขับออกมาภายใน 24 ชั่วโมงจะถูกรวบรวมไว้ในภาชนะเดียว (ปลอดเชื้อ) ในระหว่างวันควรเก็บภาชนะไว้ในที่เย็นและไม่มีแสงแดด
3. 3 ต้องวัดปริมาณปัสสาวะในแต่ละวันและบันทึกผลไว้ในแบบฟอร์มอ้างอิงการวิจัยที่ออกให้
4. 4 หลังจากนั้นปัสสาวะก็จะถูกผสม (จำเป็นเนื่องจากโปรตีนสามารถเกาะอยู่ที่ด้านล่างของขวด!) และเทลงในภาชนะที่ปลอดเชื้อในปริมาตรประมาณ 100 มล.
5. 5 คอนเทนเนอร์จะถูกส่งไปยังห้องปฏิบัติการโดยเร็วที่สุด
6. 6 ปัสสาวะที่เก็บได้ทั้งหมดต่อวันไม่จำเป็นต้องส่งไปที่ห้องปฏิบัติการ
7. 7 เนื่องจากการปล่อยอัลบูมินขึ้นอยู่กับส่วนสูงและน้ำหนัก จึงต้องบันทึกพารามิเตอร์เหล่านี้ในทิศทางที่ออก หากไม่มีสิ่งเหล่านี้ ปัสสาวะจะไม่ได้รับการยอมรับสำหรับการตรวจ

จะทำอย่างไรถ้าตรวจพบ microalbuminuria?

หากนอกเหนือจาก microalbuminuria แล้วไม่พบพยาธิสภาพอื่น ๆ ของอวัยวะภายในก็แนะนำให้ทำการวินิจฉัยเพิ่มเติมเพื่อไม่รวมโรคเบาหวานและความดันโลหิตสูง

ด้วยเหตุนี้ จำเป็นต้องมีการตรวจวัดความดันโลหิตตลอด 24 ชั่วโมงและการทดสอบความทนทานต่อกลูโคส

ในคนไข้ที่เป็น MAU และได้รับการวินิจฉัยว่าเป็นโรคเบาหวานและ/หรือความดันโลหิตสูงก่อนหน้านี้ จะต้องบรรลุเกณฑ์ห้องปฏิบัติการต่อไปนี้:

1. 1 คอเลสเตอรอล<4,5 ммоль/л;
2. 2 ไตรกลีเซอไรด์ (TG) สูงถึง 1.7 มิลลิโมล/ลิตร;
3. 3 Glycated เฮโมโกลบินสูงถึง 6.5%;
4. 4 ความดันซิสโตลิก<130 мм.рт.ст.

ซึ่งจะช่วยลดอัตราการเสียชีวิตจากโรคแทรกซ้อนของหัวใจและหลอดเลือดได้ 50% ในผู้ป่วยเบาหวานชนิดที่ 1 ตัวชี้วัดจะแตกต่างกันเล็กน้อย ได้แก่:

1. 1 ฮีโมโกลบินไกลเคต< 8,0%;
2. 2 ความดันโลหิต<115/75 мм.рт.ст;
3. 3 คอเลสเตอรอลสูงถึง 5.1 มิลลิโมล/ลิตร;
4. 4 ไตรกลีเซอไรด์สูงถึง 1.6 มิลลิโมล/ลิตร

การป้องกัน UIA

เพื่อป้องกันความเสียหายต่อเนื้อเยื่อไตต้องปฏิบัติตามกฎหลายข้อ:

1. 1 การตรวจสอบระดับน้ำตาลในเลือดขณะอดอาหารอย่างเป็นระบบ - ระดับปกติคือ 3.5 - 6.0 มิลลิโมล/ลิตร
2. 2 การตรวจวัดความดันโลหิตรายวันซึ่งไม่ควรเกิน 130/80 mmHg
3. 3 การตรวจสอบตัวบ่งชี้โปรไฟล์ไขมันรายไตรมาส - ด้วยระดับคอเลสเตอรอลและไตรกลีเซอไรด์ในระดับสูงไม่เพียง แต่การก่อตัวของเนื้อเยื่อหลอดเลือดเท่านั้น แต่ยังสร้างความเสียหายต่อเนื้อเยื่อไตด้วย
4. 4 เลิกสูบบุหรี่และบุหรี่อะนาล็อกนิโคตินโดยสิ้นเชิง นิโคตินเป็นอันตรายต่อหลอดเลือดทุกชนิดในร่างกายมนุษย์ รวมถึงหลอดเลือดในไตด้วย ความเสี่ยงในการเกิดโปรตีนในปัสสาวะในผู้สูบบุหรี่นั้นสูงกว่าผู้ที่ไม่สูบบุหรี่ประมาณ 21 เท่า

เมาคืออะไร?

แต่ส่วนใหญ่แล้วในแมวหมายความว่าพวกเขาต้องการเพศตรงข้าม เอ่อ.. ฉันคิดว่าคุณเดาเองได้))

เนื้อหาจากวิกิพีเดีย – สารานุกรมเสรี

มีแมวสายพันธุ์หนึ่ง (อียิปต์) เรียกว่า "MAU"

แมวเป็นที่ชื่นชอบของชาวอียิปต์มานานแล้ว ในสมัยโบราณพวกเขาเป็นสัญลักษณ์ของเทพเจ้า Ra และ Bast สายพันธุ์ Mau เป็นพันธุ์พื้นเมือง มาจากอียิปต์โบราณ และชื่อของมันมีความหมายว่า "แมว" ในภาษาอียิปต์ ผู้หญิงอียิปต์ปรากฏตัวในยุโรปในช่วงกลางทศวรรษที่ 50 ของศตวรรษที่ 20 และหลังจากนั้นเล็กน้อยในสหรัฐอเมริกา

เมาคืออะไร

สถาบันเภสัชกรรมเทศบาล

การโจมตีทางอากาศครั้งใหญ่

สมาคมมหาวิทยาลัยนานาชาติ

การศึกษาและวิทยาศาสตร์องค์กร

พจนานุกรม: S. Fadeev. พจนานุกรมคำย่อของภาษารัสเซียสมัยใหม่ - เซนต์ปีเตอร์สเบิร์ก: Politekhnika, 1997. - 527 น.

สายการบินนานาชาติยูเครน

โรงเรียนปืนใหญ่มอสโก

การทหาร ประวัติศาสตร์ มอสโก การศึกษา และวิทยาศาสตร์

พจนานุกรม: พจนานุกรมคำย่อและคำย่อของกองทัพและบริการพิเศษ คอมพ์ เอ.เอ. ชเชโลคอฟ. - อ.: AST Publishing House LLC, Geleos Publishing House CJSC, 2546. - 318 หน้า

แผนกต่อต้านการผูกขาดของมอสโก

สถาบันการจัดการแห่งมอสโก

มอสโก การศึกษา และวิทยาศาสตร์

ศูนย์กลางการบินของมอสโก

พจนานุกรม: พจนานุกรมคำย่อและคำย่อของกองทัพและบริการพิเศษ คอมพ์ เอ.เอ. ชเชโลคอฟ. - อ.: AST Publishing House LLC, Geleos Publishing House CJSC, 2546. - 318 หน้า

สถาบันปกครองตนเองของเทศบาล

ตัวอย่างเช่น: MAU NGSP

การตลาดและการจัดการภาวะวิกฤติ

คาร์บอนอะโรมาติกโพลีนิวเคลียร์

คาร์บอนไนโตรเจนดัดแปลง

"บริการการบินมอสโก"

"สนามบินนานาชาติอูฟา"

เอเวีย, อูฟา, องค์กร

พจนานุกรมคำย่อและคำย่อ นักวิชาการ. 2558.

ดูว่า "MAU" ในพจนานุกรมอื่น ๆ คืออะไร:

UIA - มีหลายความหมาย: เนื้อหา 1 นามสกุล 2 คำย่อ 3 อื่น ๆ 4 แหล่งที่มา ... Wikipedia

Mau - Mau, Vladimir Aleksandrovich คำขอ "MAU" ถูกเปลี่ยนเส้นทางที่นี่ ดูความหมายอื่นด้วย Vladimir Aleksandrovich Mau วันเกิด: 29 ธันวาคม ... Wikipedia

เมา - นานาชาติ เหมียว เชตุม "เมา" eIo. เมา, มอร์ ซิกอิช, คิอูเชรีกอร์ ซิแนปต์, เชอเซปคีร์ ซิเกียวกู, ซิกู tsIykIur IeshIul, ซิล'เอ tsIykIur zimazh, ปิรามีซีร์ ซิซิเอา, chyg zhaui chIemykh, unem ehesh สุนัข esho, uaer kiyeu eukIy, tsygyor kIyeu zy... อดีกาบเซม อิเซเฮฟ ทิคกี้อิล

Mau V. - คำขอ "MAU" ถูกเปลี่ยนเส้นทางที่นี่ ดู ความหมายอื่นด้วย Vladimir Aleksandrovich Mau (เกิด 29 ธันวาคม 2502 ในมอสโก) นักเศรษฐศาสตร์เชิงวิชาการชาวรัสเซีย ตั้งแต่ปี 2545 อธิการบดี Academy of National Economy ภายใต้รัฐบาลรัสเซีย สารบัญ 1... ...วิกิพีเดีย

Mau V. A. - คำขอ "MAU" ถูกเปลี่ยนเส้นทางที่นี่ ดู ความหมายอื่นด้วย Vladimir Aleksandrovich Mau (เกิด 29 ธันวาคม 2502 ในมอสโก) นักเศรษฐศาสตร์เชิงวิชาการชาวรัสเซีย ตั้งแต่ปี 2545 อธิการบดี Academy of National Economy ภายใต้รัฐบาลรัสเซีย สารบัญ 1... ...วิกิพีเดีย

æmauædz - z.b.p., min ... พจนานุกรมตัวสะกดของภาษา Ossetian

MAU - โรงงานดูดซับน้ำมันการโจมตีทางอากาศครั้งใหญ่ สมาคมระหว่างประเทศของมหาวิทยาลัยมอสโก Academy of Management มอสโก Aviation Hub มอสโกคณะกรรมการต่อต้านการผูกขาด ... พจนานุกรมตัวย่อภาษารัสเซีย

UIA (ความหมาย) - UIA มีหลายความหมาย: เนื้อหา 1 นามสกุล 2 คำย่อ 3 อื่น ๆ 4 แหล่งที่มา ... Wikipedia

เมา (เขต) - เมาภาษาอังกฤษ Mau Country India Status District ส่วนหนึ่งของรัฐอุตตรประเทศ ... Wikipedia

เมาเมา - (เคนยา) การก่อความไม่สงบ นิรุกติศาสตร์ของคำไม่ได้รับการชี้แจงอย่างน่าเชื่อถือ คำนี้ถูกใช้ครั้งแรกในการพิจารณาคดีของกลุ่มกบฏในเดือนพฤษภาคม พ.ศ. 2493 และพรรคพวกไม่ได้ใช้เอง ในระยะแรก () ขบวนการประท้วงของชาวนา... ... การก่อการร้ายและผู้ก่อการร้าย หนังสืออ้างอิงทางประวัติศาสตร์

การทดสอบปัสสาวะสำหรับ UIA

เมื่อบุคคลมีปัญหาสุขภาพหรือมีคำถามเกี่ยวกับอาการของเขา ก่อนอื่นเขาค้นหาคำตอบบนอินเทอร์เน็ต จากนั้นไปพบแพทย์เพื่อขอคำแนะนำและความช่วยเหลือแม้ว่าจะทำในสิ่งที่ตรงกันข้ามจะถูกต้องกว่าก็ตาม ท้ายที่สุดแพทย์จะไม่เพียงแต่ศึกษาอาการเท่านั้น แต่ยังส่งคุณไปตรวจในห้องปฏิบัติการด้วย หนึ่งในการทดสอบที่ดำเนินการเพื่อตรวจสอบการวินิจฉัยที่ถูกต้องคือการตรวจปัสสาวะเพื่อหา microalbuminuria นี่คือสิ่งที่จะกล่าวถึงในบทความนี้

การศึกษานี้คืออะไรและทำไมจึงดำเนินการ?

การตรวจปัสสาวะสำหรับเมาคือการกำหนดปริมาณอัลบูมินในนั้น ทำไมพวกเขาถึงทำเช่นนี้? ประเด็นก็คืออัลบูมินเป็นหนึ่งในโปรตีนที่เป็นส่วนหนึ่งของเลือด และ “ไมโครอัลบูมินูเรีย” คือการสูญเสียหรือความเข้มข้นต่ำ เมื่อไตทำงานได้ดีและไม่มีความผิดปกติ อัลบูมินจะคงตัวและปริมาณของอัลบูมินในปัสสาวะต่ำมาก เมื่อผลการศึกษาแสดงให้เห็นว่ามีการสูญเสียอัลบูมินในเลือดและมีอยู่ในปริมาณที่เพิ่มขึ้นในปัสสาวะ นี่เป็นสัญญาณของความผิดปกติของไต ซึ่งอาจเป็นจุดเริ่มต้นของระยะแรกของโรคหลอดเลือดแดงหรือความผิดปกติของเยื่อบุผนังหลอดเลือด

แม้แต่ความเข้มข้นของอัลบูมินในปัสสาวะที่มากเกินไปเล็กน้อยจากบรรทัดฐานก็บ่งบอกถึงจุดเริ่มต้นของการเปลี่ยนแปลงในหลอดเลือดซึ่งต้องมีการวินิจฉัยเชิงลึกและการรักษาทันที

เหตุใดไมโครอัลบูมินาเรีย (MAU) จึงเกิดขึ้น?

การมีโปรตีนในปัสสาวะเกินระดับปกติอาจเกิดขึ้นได้จากหลายสาเหตุ มีปัจจัยที่มีอิทธิพลต่อการปล่อยสารออกฤทธิ์ครั้งเดียว ดังนั้นเมื่อมีการวินิจฉัยโรค Mau จะได้รับปัสสาวะหลายครั้งในช่วงสามเดือน ส่วนเกินถือเป็นปริมาณอัลบูมินตั้งแต่ 30 ถึง 300 มก. ต่อวัน การปล่อยดังกล่าวสามารถเกิดขึ้นได้จาก:

• การรับประทานอาหารที่มีโปรตีนสูง
• แรงงานหนัก
• โหลดกีฬาที่แข็งแกร่ง
• อุณหภูมิร่างกายเพิ่มขึ้น

ตัวชี้วัดยังขึ้นอยู่กับเพศ เชื้อชาติ และภูมิภาคที่อยู่อาศัยของผู้ป่วยด้วย

เชื่อกันว่า MAU มักเกิดในผู้ที่มีปัญหาน้ำหนักเกิน ภาวะดื้อต่ออินซูลิน ผู้ที่สูบบุหรี่จัด และมีปัญหากระเป๋าหน้าท้องด้านซ้ายโตเกินหรือทำงานผิดปกติ การวินิจฉัยโรคนี้มักเกิดในผู้ชายและผู้สูงอายุ

เพื่อให้ได้ผลลัพธ์ที่เชื่อถือได้ ไม่อนุญาตให้ทำการทดสอบ Mau ในระหว่างที่มีโรคติดเชื้อใดๆ รวมถึง ARVI ที่อุณหภูมิร่างกายสูงขึ้น มีไข้ หลังออกแรงมาก อยู่ในสภาวะเหนื่อยล้า หรือหลังรับประทานอาหาร

หากผลการทดสอบพบว่ามีโปรตีนในปัสสาวะเพิ่มขึ้นแสดงว่าอาจบ่งบอกถึงโรคหรือการเปลี่ยนแปลงในร่างกายดังต่อไปนี้:

• โรคเบาหวาน;
• ความดันโลหิตสูง;
• ไตอักเสบ;
• ความผิดปกติของระบบหัวใจและหลอดเลือด
• การตั้งครรภ์;
• อุณหภูมิ;
• ซาร์คอยโดซิส

ส่วนใหญ่แล้ว microalbuminaria เกิดขึ้นอันเป็นผลมาจากโรคเบาหวาน

นอกจากนี้การเพิ่มขึ้นของอัลบูมินในปัสสาวะอาจบ่งบอกถึงการพัฒนาของโรคหัวใจและหลอดเลือดซึ่งเกิดจากเบาหวานชนิดที่ 1 และชนิดที่ 2

อาการของไมโครอัลบูมินนูเรีย

พยาธิวิทยานี้มีขั้นตอนการพัฒนาของตัวเอง ในระยะเริ่มแรกผู้ป่วยไม่รู้สึกถึงการเปลี่ยนแปลงในร่างกายและอาการของโรค แต่องค์ประกอบทางเดินปัสสาวะของเขาเปลี่ยนไปแล้วการทดสอบแสดงให้เห็นว่าปริมาณโปรตีนเพิ่มขึ้นซึ่งในระยะเริ่มแรกจะถูกเก็บไว้ภายใน 30 มก. ต่อ วัน. เมื่อมีความก้าวหน้ามากขึ้น บุคคลนั้นจะพัฒนาระยะก่อนไต ปริมาณอัลบูมินในปัสสาวะเพิ่มขึ้นเป็น 300 มก. ความดันโลหิตเพิ่มขึ้นและการกรองไตเพิ่มขึ้น

ขั้นต่อไปคือโรคไต นอกจากความดันโลหิตสูงแล้วยังมีอาการบวมร่วมด้วย นอกจากโปรตีนที่มีความเข้มข้นสูงแล้ว องค์ประกอบของปัสสาวะยังมีเซลล์เม็ดเลือดแดงอีกด้วยและสังเกตการเพิ่มขึ้นของระดับครีเอตินีนและยูเรีย

ขั้นตอนสุดท้ายคือภาวะไตวาย อาการของมัน:

• ความดันโลหิตเพิ่มขึ้นบ่อยครั้ง
• บวมอย่างต่อเนื่อง
• เซลล์เม็ดเลือดแดงจำนวนมากในปัสสาวะ
• อัตราการกรองต่ำ
• โปรตีนครีเอตินีนและยูเรียจำนวนมากในปัสสาวะ
• ขาดกลูโคสในปัสสาวะ
• อินซูลินไม่ถูกขับออกทางไต

สัญญาณทั้งหมดเหล่านี้อาจบ่งบอกถึงพัฒนาการของพยาธิสภาพของหัวใจ ในเวลานี้อาการปวดอาจปรากฏด้านหลังกระดูกสันอกซึ่งลามไปทางด้านซ้ายของร่างกาย ทั้งหมดนี้มาพร้อมกับการเพิ่มขึ้นของคอเลสเตอรอล

กฎเกณฑ์การเก็บปัสสาวะสำหรับโรคไมโครอัลบูมินูเรีย (MAU)

เพื่อให้ข้อมูลผลการทดสอบในห้องปฏิบัติการมีความน่าเชื่อถือ จำเป็นต้องปฏิบัติตามกฎพื้นฐานในการรวบรวมปัสสาวะเพื่อการวิเคราะห์ UIA ดังนั้นก่อนอื่นคุณต้องเตรียมตัวก่อน หนึ่งวันก่อนการทดสอบผักและผลไม้ที่เปลี่ยนสีของปัสสาวะจะถูกแยกออกจากอาหารโดยสิ้นเชิง ได้แก่ แครอทสตรอเบอร์รี่มัลเบอร์รี่ลูกเกดและอื่น ๆ ประการที่สองก่อนที่จะเก็บปัสสาวะจำเป็นต้องล้างอวัยวะเพศภายนอกให้ดีด้วยสบู่ต้านเชื้อแบคทีเรีย ประการที่สาม รวบรวมวัสดุสำหรับการวิเคราะห์ในตอนเช้าทันทีหลังจากตื่นนอน ไม่ควรให้การทดสอบนี้กับฝ่ายหญิงครึ่งหนึ่งในระหว่างมีประจำเดือนไม่ว่าในกรณีใด

คุณต้องดูแลโถปัสสาวะด้วย ตัวเลือกที่เหมาะสมที่สุดคือภาชนะพลาสติกชนิดพิเศษซึ่งขายในร้านขายยา แต่ถ้าคุณไม่มี คุณสามารถใช้ภาชนะพลาสติกหรือแก้วที่มีฝาปิด ล้างให้สะอาด เช็ดให้แห้ง และชุบแอลกอฮอล์ก่อนใช้งาน วัสดุประมาณหนึ่งร้อยมิลลิลิตรก็เพียงพอที่จะทำการวิเคราะห์เมา หลังจากรวบรวมแล้ว วัสดุจะต้องถูกส่งไปยังห้องปฏิบัติการภายในหนึ่งหรือสองชั่วโมง

อัลเซกซ์

ชีวิตของเราคืออะไร? เกม!

DAU - ผู้ใช้ที่ใช้งานรายวัน - จำนวนผู้ใช้ที่ไม่ซ้ำที่ลงชื่อเข้าใช้แอปพลิเคชันในระหว่างวัน

WAU - ผู้ใช้ที่ใช้งานรายสัปดาห์ - จำนวนผู้ใช้ที่ไม่ซ้ำที่เข้าสู่ระบบแอปพลิเคชันในระหว่างสัปดาห์

MAU - ผู้ใช้ที่ใช้งานรายเดือน - จำนวนผู้ใช้ที่ไม่ซ้ำที่ลงชื่อเข้าใช้แอปพลิเคชันในระหว่างเดือน

PCU - Peak Concurrent User - จำนวนผู้ใช้สูงสุดพร้อมกันในแอปพลิเคชัน วัดในช่วงเวลาที่กำหนด (ชั่วโมง/วัน/สัปดาห์/เดือน/ปี)

ACU - ผู้ใช้ที่ใช้งานพร้อมกันโดยเฉลี่ย - จำนวนผู้ใช้โดยเฉลี่ยพร้อมกันในแอปพลิเคชัน วัดในช่วงเวลาที่กำหนด (ชั่วโมง/วัน/สัปดาห์/เดือน/ปี)

ARPPU - รายได้เฉลี่ยต่อผู้ใช้ที่ชำระเงิน (บัญชีเฉลี่ยต่อผู้ใช้ที่ชำระเงิน) - รายได้เฉลี่ยต่อผู้ใช้ที่ชำระเงิน คำนวณโดยใช้สูตร: รายได้จากแอปพลิเคชัน / จำนวนผู้ใช้ที่ชำระเงิน

ARPU - รายได้เฉลี่ยต่อผู้ใช้ (บัญชีเฉลี่ยต่อผู้ใช้) - รายได้เฉลี่ยต่อผู้ใช้ คำนวณโดยใช้สูตร: รายได้จากแอปพลิเคชัน / จำนวนผู้ใช้ทั้งหมดที่เยี่ยมชมแอปพลิเคชันในช่วงระยะเวลาที่ได้รับรายได้

กฎมีดังนี้: จะต้องคำนวณตัวบ่งชี้ใด ๆ ของโครงการเว็บ เข้าสู่ระบบสถิติและวิเคราะห์

DAU (ผู้ใช้ที่ใช้งานรายวัน) - ผู้ชมรายวัน - จำนวนผู้ใช้ที่ไม่ซ้ำที่เยี่ยมชมโครงการต่อวัน

WAU (ผู้ใช้ที่ใช้งานประจำสัปดาห์) - ผู้ชมรายสัปดาห์

MAU (ผู้ใช้งานรายเดือน) - ผู้ชมรายเดือน

ARPU (รายได้เฉลี่ยต่อผู้ใช้) - บัญชีเฉลี่ย - จำนวนผู้ใช้ที่จ่ายโดยเฉลี่ย (รายได้สำหรับเวลา T หารด้วยจำนวนผู้ใช้ในเวลาเดียวกัน)

ARPPU (รายได้เฉลี่ยต่อผู้ใช้ที่ชำระเงิน) - ใบเรียกเก็บเงินเฉลี่ยของผู้ใช้ที่ชำระเงิน (รายได้สำหรับเวลา T หารด้วยจำนวนผู้ใช้ที่ชำระเงินในเวลาเดียวกัน)

การผสมผสานตัวบ่งชี้พื้นฐานบางอย่างสามารถให้คุณลักษณะทางอ้อมได้:

DAU/WAU คือค่าสัมประสิทธิ์รายสัปดาห์ของ "ความเหนียวแน่น" ของผู้ใช้ต่อบริการ

DAU/MAU คือค่าสัมประสิทธิ์รายเดือนของ "ความเหนียวแน่น" ของผู้ใช้ต่อบริการ

กลุ่มกิจกรรมของผู้ใช้ (เช่น ตามจำนวนการเข้าชมต่อสัปดาห์)

ภูมิภาค (ประเทศ เมือง ฯลฯ)

ตัวบ่งชี้ประสิทธิภาพของเกม: ผู้ใช้ที่ใช้งานอยู่ (DAU/WAU/MAU)

จัดพิมพ์โดย: Alexander Semenov

สิ่งพิมพ์นี้เผยแพร่โดยเป็นส่วนหนึ่งของชุดเนื้อหาเกี่ยวกับการวัดเกมจาก App2Top.ru และ devtodev บทความจะถูกแบ่งตามฤดูกาล โดยแต่ละบทความจะเน้นไปที่หัวข้อเฉพาะ ซีซันที่สองเรียกว่า "ผู้ใช้" ในนั้นเราพูดถึงตัวชี้วัดทางธุรกิจที่สะท้อนถึงประสิทธิภาพของแอปพลิเคชันในแง่ของการทำงานกับผู้ชม

ผู้ชมของโครงการเต็มไปด้วยผู้ใช้ใหม่ทุกวัน บางคนหมดความสนใจอย่างรวดเร็ว บางคนจำแอปพลิเคชั่นได้ และบางคนก็ใช้งานเป็นประจำ และบางทีตัวแทนของกลุ่มทั้งหมดเหล่านี้อาจลงชื่อเข้าใช้แอปพลิเคชันทุกวัน วันนี้เราจะมาพูดถึงพวกเขา – ผู้ใช้ที่ใช้งานอยู่

ผู้ใช้ที่ใช้งานอยู่คือผู้ที่มีอย่างน้อยหนึ่งเซสชันในระหว่างระยะเวลาการศึกษา ช่วงเวลาเหล่านี้อาจแตกต่างกัน แต่ส่วนใหญ่มักจะศึกษากลุ่มเป้าหมายรายวัน รายสัปดาห์ และรายเดือนของโครงการ และตัวบ่งชี้เหล่านี้ได้ตั้งชื่อ:

• DAU – จำนวนผู้ใช้ที่ไม่ซ้ำต่อวัน (ผู้ใช้ที่ใช้งานรายวัน)
• WAU – จำนวนผู้ใช้ที่ไม่ซ้ำต่อสัปดาห์ (ผู้ใช้ที่ใช้งานรายสัปดาห์)
• MAU – จำนวนผู้ใช้ที่ไม่ซ้ำต่อเดือน (ผู้ใช้ที่ใช้งานรายเดือน)

ในเวลาเดียวกัน คุณสามารถทำการคำนวณที่คล้ายกันสำหรับช่วงเวลาอื่นๆ ได้หากตรงกับข้อกำหนดของบริษัทมากกว่า ตัวอย่างเช่น เมื่อสรุปผลลัพธ์ของปีที่ส่งออก คุณสามารถคำนวณผู้ชมประจำปีของโครงการและเปรียบเทียบกับปีก่อนหน้าเพื่อประเมินไดนามิก

เป็นที่น่าสังเกตว่า WAU สำหรับสัปดาห์ใดสัปดาห์หนึ่งไม่ใช่ผลรวมของ DAU เป็นเวลา 7 วัน เนื่องจากเรากำลังพูดถึงผู้ใช้ที่ไม่ซ้ำ ตัวอย่างเช่น หนึ่งในนั้นอาจเข้าสู่ระบบแอปพลิเคชันในวันจันทร์และอังคาร และจะจบลงทั้งใน DAU วันจันทร์และ DAU วันอังคาร แต่ภายในหนึ่งสัปดาห์ (ตั้งแต่วันจันทร์ถึงวันอาทิตย์) จะนับเพียงครั้งเดียว

ในทำนองเดียวกัน MAU ไม่ใช่ผลรวมของ 4 WAU และ 30 DAU จากมุมมองการคำนวณ ตัวบ่งชี้เหล่านี้ไม่ได้เชื่อมโยงถึงกันและคำนวณแยกกัน

เพื่อให้เข้าใจตัวบ่งชี้เหล่านี้ได้ดีขึ้น เรามาคำนวณโดยใช้ตัวอย่างกัน

สมมติว่าเรามีข้อมูลเกี่ยวกับการเข้าชมแอปพลิเคชันโดยผู้ใช้หลายรายในช่วง 2 สัปดาห์ ในกรณีนี้ ไม่ว่าผู้ใช้จะเข้าสู่โปรเจ็กต์กี่ครั้งต่อวันก็ตาม เนื่องจากเขาจะยังคงเป็นผู้เยี่ยมชมที่ไม่ซ้ำรายหนึ่ง

วันที่ผู้ใช้เข้าถึงแอปพลิเคชันจะถูกทำเครื่องหมายด้วยสีน้ำเงิน

ก่อนอื่น มาคำนวณ DAU สำหรับวันที่ 1, 2, 5 และ 10 กันก่อน ในการดำเนินการนี้ คุณจำเป็นต้องทราบจำนวนผู้ใช้ที่ไม่ซ้ำกันที่เข้าถึงแอปพลิเคชันในปัจจุบัน:

• วันที่ 1 DAU = 2 (ผู้ใช้ 1 และ 4);
• วันที่ 2 DAU = 3 (ผู้ใช้ 2,4,5);
• วันที่ 3 DAU = 3 (ผู้ใช้ 2,3,4);
• วันที่ 10 DAU = 0 (ปัจจุบันไม่มีใครลงชื่อเข้าใช้แอป)

• ในสัปดาห์แรก (ตั้งแต่วันที่ 1 ถึงวันที่ 7) เท่ากับ 5 - ผู้ใช้ทั้งหมดเข้าสู่โครงการ
• ในสัปดาห์ที่สอง (ตั้งแต่วันที่ 8 ถึงวันที่ 14) ตัวบ่งชี้นี้มีอยู่แล้ว 3 - ผู้ใช้คนแรกและคนที่สองไม่ได้ทำเซสชัน

คุณยังสามารถเลือกสัปดาห์ที่ต้องการได้ เช่น ตั้งแต่วันที่ 3 ถึงวันที่ 9 จากนั้น WAU จะเท่ากับ 4

ในตัวอย่างของเรา มีผู้เข้าร่วมเพียง 5 คน แต่ในโครงการจริงจะมีผู้ใช้นับพันนับแสนล้านคนที่เยี่ยมชมผลิตภัณฑ์ทุกวัน และวิธีที่พวกเขาเข้าถึงแอปพลิเคชันพูดถึงความเสถียร คุณภาพ และขนาด

นอกจากนี้ ผู้ใช้ที่ใช้งานอยู่ยังเป็นตัววัดที่เหมาะสมในการติดตามแบบเรียลไทม์ เพราะหากมีสิ่งใดขัดข้องในแอปพลิเคชันหรือบนเซิร์ฟเวอร์ และผู้ใช้ไม่สามารถใช้ผลิตภัณฑ์ได้ ตัววัดนี้จะได้รับผลกระทบทันที สำหรับการควบคุมดังกล่าว คุณสามารถจัดกลุ่มผู้ใช้ได้ไม่ใช่ตามวัน แต่ตามชั่วโมงหรือช่วงเวลา 10 นาที

อย่างไรก็ตาม ผู้ใช้ที่ใช้งานอยู่ในแอปพลิเคชันในปัจจุบันจะเป็นตัวชี้วัดแยกต่างหากที่มีชื่อเป็นของตัวเอง ส่วนใหญ่มักจะเป็นผู้ใช้ออนไลน์ แต่คุณยังสามารถค้นหาคำย่อได้ เช่น CCU (ผู้ใช้พร้อมกัน) - ผู้ใช้ที่อยู่ในแอปพลิเคชันในช่วงเวลาหนึ่ง และ PCCU (ผู้ใช้พร้อมกันสูงสุด) - จำนวนผู้ใช้สูงสุดพร้อมกันในแอปพลิเคชัน

CCU โดยเฉลี่ยสะท้อนถึงขนาดของโปรเจ็กต์ได้ดี และ PCCU มีความสำคัญมากในการวางแผนโหลดบนเซิร์ฟเวอร์

พลวัตของผู้ใช้ที่ใช้งานอยู่สามารถเปลี่ยนแปลงได้ไม่เพียงแต่ภายในวันเท่านั้น แต่ยังสามารถค่อยๆ เพิ่มขึ้นหรือลดลงทีละเดือน และการควบคุมมันค่อนข้างสำคัญ การแบ่งส่วนช่วยลดความซับซ้อนในการวิเคราะห์การเปลี่ยนแปลงจำนวนผู้ใช้ที่ใช้งานอยู่ ด้วยเหตุนี้คุณจึงสามารถเข้าใจได้อย่างรวดเร็วว่าผู้ใช้กลุ่มใดที่รับผิดชอบต่อการเปลี่ยนแปลงตัวบ่งชี้

ต่อไปนี้คือตัวเลือกบางส่วนสำหรับการแบ่งกลุ่มผู้ชมที่ใช้งานอยู่ของคุณ

• จ่าย/ไม่จ่าย
• ชำระเพียง 1 ครั้ง / ชำระซ้ำ

ตามวันที่นับจากการติดตั้ง:

• 1 วัน / 2-7 วัน / 8-14 วัน /วัน /วัน / 60+ วัน

ตามความถี่ของการเยี่ยมชม:

• ทุกวัน / 4-6 ครั้งต่อสัปดาห์ / 1-2 ครั้งต่อสัปดาห์ / เดือนละครั้งหรือน้อยกว่านั้น

คุณยังสามารถแบ่งตามประเทศ ตามอุปกรณ์ ระบบปฏิบัติการ ตามเหตุการณ์ที่กำหนดเอง (นั่นคือ แบ่งผู้ชมออกเป็นผู้ใช้ที่ดำเนินการและไม่ได้ดำเนินการนี้หรือการกระทำนั้น)

ตัวเลือกการแบ่งกลุ่มหลังสามารถใช้ได้หากแอปพลิเคชันมีเหตุการณ์สำคัญบางอย่างที่สำคัญต่อความสมบูรณ์ของประสบการณ์การเล่นเกมหรือการสร้างความประทับใจแรกพบที่ถูกต้องของผลิตภัณฑ์ (เช่น การเสร็จสิ้นการฝึกสอน ระดับ N ในเกม หรือการเข้าสู่ เก็บ).

เมื่อคุณระบุกลุ่มที่กำลังประสบกับจำนวนผู้ใช้ที่ใช้งานอยู่ลดลง การค้นหาสาเหตุที่เป็นไปได้ของปัญหาก็จะง่ายขึ้น

นี่คือสิ่งที่อาจเกิดขึ้น:

ประการแรก จำนวนผู้ใช้งานในรัสเซียเริ่มลดลง ในขณะเดียวกัน จำนวนผู้เยี่ยมชมจากญี่ปุ่นก็เพิ่มขึ้น และชดเชยการลดลงในประเทศอื่น หากเราดูเฉพาะแผนภูมิ DAU โดยรวม เราไม่น่าจะสังเกตเห็นการเปลี่ยนแปลงใดๆ ในไดนามิก และต่อมาเมื่อจำนวนผู้ใช้งานในรัสเซียลดลงมากขึ้น เราจะเห็นสิ่งนี้ในกราฟทั่วไปหรือไม่ ขณะเดียวกันก็ผ่านไปนานพอสมควรแล้วซึ่งสามารถใช้เพื่อค้นหาและกำจัดสาเหตุของการล้มได้

ความผิดปกติทางสถิติอีกประการหนึ่งยืนยันถึงความสำคัญของการแบ่งส่วน: Simpson's Paradox การสำแดงของมันจะเห็นได้ดีที่สุดด้วยตัวอย่าง

สมมติว่ามี 4 ประเทศจากตัวอย่างก่อนหน้านี้และสมมติว่า Conversion ที่จะซื้อในประเทศเหล่านั้นเป็นดังนี้:

และนี่คือสิ่งที่เกิดขึ้น:

• Conversion ในรัสเซีย (4.85%) สูงกว่า Conversion ในญี่ปุ่น (4.44%)
• การแปลงในสหราชอาณาจักร (7.08%) สูงกว่าการแปลงของจีน (6.98%)
• การแปลงโดยรวมของประเทศในยุโรป (5.8%) น้อยกว่าการแปลงของประเทศในเอเชีย (6.5%)

นี่เป็นการแสดงให้เห็นอีกครั้งว่าการแบ่งส่วนสามารถให้ผลลัพธ์ที่แตกต่างอย่างสิ้นเชิงจากสถิติโดยรวมของตัวบ่งชี้

อย่างไรก็ตาม บางครั้งเมื่อดูแผนภูมิ DAU คุณไม่สามารถระบุแนวโน้มได้อย่างชัดเจนเสมอไป แต่การจัดกลุ่มตามสัปดาห์หรือเดือน (การแปลงแผนภูมิเป็น WAU และ MAU) จะทำให้ชัดเจนยิ่งขึ้น

ตัววัดผู้ใช้ที่ใช้งานอยู่นั้นมีความสำคัญอย่างแน่นอนสำหรับโครงการ แต่นอกเหนือจากนี้ ยังเกี่ยวข้องกับตัวชี้วัดทางการเงินและพฤติกรรมอื่นๆ ด้วย

ประการแรก ผู้ใช้ที่ใช้งานอยู่จะได้รับอิทธิพลจากจำนวนผู้ใช้ใหม่ ยิ่งมีมากขึ้นและยิ่งพวกเขามาที่โปรเจ็กต์ได้เร็วและมีเสถียรภาพมากขึ้น ผู้ชมก็จะเติบโตเร็วขึ้นเท่านั้น

ตัวบ่งชี้ที่สองที่สำคัญไม่แพ้กันคือการรักษา ซึ่งบ่งชี้ว่าผู้ใช้กลับมาที่โปรเจ็กต์อย่างไร หากคุณนำผู้ใช้ใหม่มาที่โปรเจ็กต์โดยที่จะไม่กลับมาใช้อีก พวกเขาจะไม่เพิ่มจำนวนผู้ชม และความดึงดูดดังกล่าวจะไม่มีผลกระทบใดๆ สิ่งสำคัญคือต้องทำให้ผู้ใช้สนใจผลิตภัณฑ์จนอยากกลับมาอีก และยิ่งมีมากเท่าไร ผู้ชมที่กระตือรือร้นก็จะมีมากขึ้นเท่านั้น

คุณสามารถมีอัตราการคงผู้ใช้ไว้ในแอปได้ดี แต่เมื่อมีผู้ใช้ใหม่จำนวนไม่มาก ผู้ชมจะเติบโตได้ช้ามาก และในทางกลับกัน หากมีผู้ใช้ใหม่หลั่งไหลเข้ามาอย่างดีและมีการรักษาผู้ใช้ต่ำ ส่วนใหญ่จะออกจากโปรเจ็กต์ ซึ่งจะไม่เพิ่มจำนวนผู้ชมด้วย

และยิ่งผู้ชมโครงการมีขนาดใหญ่เท่าใด ผู้มีโอกาสเป็นผู้จ่ายเงินก็จะมีมากขึ้นเท่านั้น ท้ายที่สุดแล้ว ผู้ใช้จะชำระเงินตามลำดับนี้:

ผู้ใช้ใหม่ → ผู้ใช้ที่ใช้งานอยู่ → ผู้ใช้ที่ชำระเงิน

อย่างไรก็ตาม สิ่งสำคัญคือผู้ใช้ยังคงใช้งานผลิตภัณฑ์อยู่หลังจากชำระเงินครั้งแรก เนื่องจากจะเป็นการเพิ่มโอกาสที่เขาจะทำการซื้อซ้ำ

ดังนั้น ผู้ใช้ที่ใช้งานอยู่จะส่งผลโดยตรงต่อรายได้ตามสัดส่วน:

รายได้ = ผู้ใช้ที่ใช้งานอยู่ * ส่วนแบ่งการจ่าย * ARPPU

จำนวนผู้ใช้งานเป็นหนึ่งในตัวชี้วัดที่สำคัญที่สุดของผลิตภัณฑ์ ซึ่งบ่งบอกถึงความสำเร็จทางอ้อม ผสมผสานทั้งคุณภาพของการดึงดูดผู้ใช้ใหม่และตัวชี้วัดการรักษาลูกค้า ซึ่งส่งผลโดยตรงต่อรายได้ ดังนั้น เมื่อวิเคราะห์ผู้ใช้ที่ใช้งานอยู่ คุณควรคำนึงถึงความเร็วของการเติบโตของผู้ชมด้วย เนื่องจากการวัดนี้เป็นหนึ่งในสัญญาณเชิงบวกที่สุดของการพัฒนาผลิตภัณฑ์ที่ใช้งานอยู่

เอกสารที่เขารวบรวมตัวชี้วัดทั้งหมดที่เขาใช้เมื่อออกแบบบริการ

เมื่อเราเริ่มทำงานกับแอป Mygola เราตระหนักว่าสิ่งที่ยากที่สุดคือการทำความเข้าใจว่าคุณลักษณะใดที่มีความสำคัญในโลกของแอปพลิเคชันบนมือถือ และด้วยเหตุนี้ สิ่งใดที่ควรตั้งเป้าหมายสำหรับแอปพลิเคชันในหมวดหมู่ของเรา นี่คือผลการวิจัยของเรา

ผู้ใช้ที่ใช้งานรายวันและผู้ใช้ที่ใช้งานรายเดือน (DAU/MAU)

สำหรับเกม ระดับ DAU/MAU 20-30% ของจำนวนผู้ใช้ทั้งหมดถือว่าดีมากแล้ว สำหรับการใช้งานโซเชียล เช่น โปรแกรมส่งข้อความด่วน DAU/MAU ประมาณ 50% ถือว่าประสบความสำเร็จ

โดยทั่วไป แอปพลิเคชันส่วนใหญ่พยายามรักษาระดับ DAU/MAU ไว้ที่ 20% หรือมากกว่านั้น สำหรับเกมทั่วไป ความเหนียวที่แท้จริง 20% ถือเป็นเป้าหมายที่ดีอยู่แล้ว

ที่มา: Flurry

ที่มา: Flurry

ช่วงเวลาที่ตกต่ำคือเวลาที่การเติบโตของผู้ใช้รายเดือน (MAU) ของแอปลดลง 50% เมื่อเทียบกับจำนวนผู้ใช้รายเดือนในช่วงที่มีการใช้งานบริการสูงสุด

แอปมากกว่าครึ่ง (56%) ที่สามารถรักษาผู้ใช้ได้มากกว่าครึ่งหนึ่งในช่วงสี่เดือนแรกหลังจากจุดสูงสุด ยังคงรักษาผู้ใช้มากกว่าครึ่งหนึ่งสิบเดือนหลังจากจุดสูงสุด

การแจ้งเตือนแบบพุช

ที่มา: eMarketer

ช่องทางการรับผู้ใช้

ที่มา: AppFlood

การดาวน์โหลดที่เพิ่มขึ้นอย่างรวดเร็วเมื่อแอปของคุณกลายเป็นตัวเลือกของบรรณาธิการใน App Store คืออะไร

คาดว่าจะเพิ่มขึ้น 30 เท่าจากระดับการดาวน์โหลดปกติ

ตัวอย่างเช่น หากแอปพลิเคชันอยู่ในอันดับที่ 10 ของการจัดอันดับ ก็จะมีความต้องการเพิ่มขึ้น 30% เมื่อเทียบกับแอปพลิเคชันที่ไม่อยู่ใน 20 อันดับแรก

หากแอปพลิเคชันได้รับอันดับหนึ่ง การมองเห็นแอปพลิเคชันที่เพิ่มขึ้นจะเพิ่มยอดขายได้ถึง 90%

ที่มา: คนโง่

การวางแอปในส่วนแอปยอดนิยมส่งผลต่อการดาวน์โหลดอย่างไร

ฉันกล้าเสี่ยงที่จะคาดเดาว่าอัตรา Conversion อยู่ที่ประมาณ 1-2 เปอร์เซ็นต์สำหรับทุก ๆ 3-5 เปอร์เซ็นต์ของการคลิกแบนเนอร์ อย่างไรก็ตาม การติดตั้งแอปพลิเคชันที่มีแรงจูงใจอาจทำให้ CTR ลดลงประมาณ 7-8% หรือผันผวนระหว่าง 1-2%

เราอยู่ในแอป 200 อันดับแรกในสหรัฐอเมริกา และพบว่าประมาณ 75% ของผู้ใช้ของเราอนุญาตให้ดูตำแหน่งที่แม่นยำ

อัตราการแปลงโดยทั่วไปสำหรับการซื้อในแอปภายในแอป iOS ฟรีคือเท่าใด

ตัวอย่างเช่น เกมที่เล่นฟรีสามารถแปลงการซื้อในแอปได้ระหว่าง 2 เปอร์เซ็นต์ถึง 10 เปอร์เซ็นต์หรือมากกว่านั้น ทั้งนี้ขึ้นอยู่กับปัจจัยบางประการ

ผู้ใช้ที่มาจาก Facebook ดีแค่ไหน?

ข้อมูลของเราแสดงให้เห็นว่าการโปรโมตการติดตั้งแอพมือถือบน Facebook มีประสิทธิภาพมากกว่าการเติบโตของผู้ใช้ในระยะสั้นจากการจัดอันดับร้านแอพ และโดยรวมแล้ว ผู้ใช้ Facebook ยังคงอยู่ในบริการเช่นเดียวกับผู้ใช้ที่ได้มาโดยธรรมชาติ

ตลอดระยะเวลาการศึกษา 60 วัน ผู้ใช้ใหม่ 81% ที่ได้มาจาก Facebook เข้าชมแอปมากกว่าหนึ่งครั้ง เทียบกับ 78% ของผู้ใช้ใหม่ที่ได้มาแบบออร์แกนิก

การแก้ไขข้อกำหนด

หลังจากศึกษาการใช้งานแอพ iOS ทั่วโลก (บน iPad และ iPhone) เราพบว่าผู้ใช้โดยเฉลี่ยกลับมาที่แอพภายในเวลาไม่ถึงหกชั่วโมงหลังจากใช้งานครั้งแรก

อย่างไรก็ตาม หากผู้ใช้ไม่ดาวน์โหลดแอปอีกครั้งภายใน 24 ชั่วโมงหลังการใช้งานครั้งแรก มีโอกาส 40% ที่เซสชันแรกจะเป็นเซสชันสุดท้าย

การปั่นของลูกค้าก็เหมือนกับเสียงไซเรนไฟ คุณเข้าใจว่ามีบางอย่างผิดพลาด แต่ความรู้นี้ไม่ได้ช่วยให้คุณดับไฟได้

ในการ “วินิจฉัย” และแก้ไขปัญหาการรักษาลูกค้าของคุณ คุณต้องทำอะไรที่จริงจังมากกว่าแค่ดูรูปแบบการชนะและการแพ้ มีความจำเป็นต้องพิจารณาว่าใครจะลาออก เมื่อใด และเพราะเหตุใด เมื่อนั้นคุณจึงจะสามารถบริหารจัดการเวลาอย่างชาญฉลาดและทำการปรับเปลี่ยนที่จะมีผลกระทบต่อการเติบโตของธุรกิจของคุณมากที่สุด

อ่านต่อเพื่อดูวิธีค้นหาแหล่งที่มาของไฟและดับไฟก่อนที่ธุรกิจของคุณจะมอดไหม้

รายละเอียดของคุณถูกต้องหรือไม่?

ไม่มีใครจะปฏิเสธได้ว่าการสร้างโอกาสในการขายมีบทบาทสำคัญในความสำเร็จของบริษัทที่ยังอยู่ในช่วงเริ่มต้น แต่อย่าปล่อยให้ตัวชี้วัดที่ดีมาบดบังปัญหาการเลิกใช้งานของคุณ

จำสูตรนี้ไว้:

Churn = ผู้ใช้ที่เสียไป / จำนวนผู้ใช้ทั้งหมด

มาดูตัวอย่างจาก Profitwell ที่สาธิตความหมายของสูตรในโลกแห่งความเป็นจริงกัน

แนวตั้ง: ลูกค้าปัจจุบัน การเลิกใช้ของลูกค้าปัจจุบัน ลูกค้าใหม่ การเลิกใช้ลูกค้าใหม่ จำนวนลูกค้าทั้งหมด อัตราการเลิกใช้ แนวนอน: สิงหาคม กันยายน

ปัญหาเกี่ยวกับสูตรการเลิกใช้งานคือโหมดการทำงานเดียวกันทุกประการ (เพิ่มผู้ใช้ 5,000 รายต่อเดือน) ไม่ได้ให้ผลลัพธ์เดียวกัน - อัตราการเลิกใช้งานในเดือนกันยายนต่ำกว่าในเดือนสิงหาคม การเติบโตอย่างรวดเร็วช่วยลดการเลิกใช้งาน เนื่องจากลูกค้าใหม่ที่เพิ่มเข้ามาทุกเดือนยังไม่มีเวลายกเลิกการสมัครสมาชิก

การเปลี่ยนแปลงแม้แต่หนึ่งในร้อยของเศษส่วนในการปั่นอาจส่งผลให้กำไรลดลง 25% ดังนั้นคุณคงไม่ต้องการให้เกิดความไม่ถูกต้องในการคำนวณดังกล่าวอย่างแน่นอน

เมตริก #1 คำนวณการปั่นตามค่าเฉลี่ย

อัตราการปั่นป่วนที่ดีซึ่งเกิดจากการเพิ่มขึ้นอย่างรวดเร็วไม่ได้ทำให้คุณเห็นภาพที่ชัดเจนว่าอะไรกำลังเกิดขึ้นและอะไรไม่ดี จึงมีการปรับเปลี่ยนสูตรเล็กน้อยสำหรับสตาร์ทอัพที่โตเร็ว:

มันดูน่ากลัวไหม? ไม่ใช่เรื่องยากที่จะเข้าใจ:

Churn = จำนวนผู้ใช้ที่เสียไป
∑ = ผลรวมของผู้ใช้ใหม่รายวัน (i=1) ในชุดข้อมูล (n)
n = จำนวนวันในช่วงเวลาหนึ่ง

หากมีการเพิ่มผู้ใช้ในฐานลูกค้าของคุณทีละน้อย ค่าเฉลี่ยจะเพิ่มขึ้นและมีผลกระทบต่ออัตราการเปลี่ยนใจรายเดือนของคุณมากขึ้น หากลูกค้าถูกเพิ่มลงในฐานข้อมูลเมื่อใกล้สิ้นสุดระยะเวลา สิ่งนี้จะไม่บิดเบือนอัตราการเปลี่ยนใจหรือทำให้ปรากฏต่ำกว่าความเป็นจริง

ด้วยสูตรนี้ ผลของการสร้างโอกาสในการขายที่มีนัยสำคัญจึงสามารถสมดุลได้โดยการหาค่าเฉลี่ยของข้อมูล การเติบโตอย่างรวดเร็วจะไม่บิดเบือนตัวเลขหรือหลอกให้คุณคิดว่าตัวเองมีผลงานดีขึ้นในเดือนหนึ่งและแย่ลงในเดือนถัดไป

การไหลออกปรับระดับออกหรือไม่?

เป็นการยากที่จะหาตัวบ่งชี้ที่เป็นอันตรายมากกว่าการเลิกใช้งานของลูกค้า แต่ก็มีอยู่อย่างหนึ่ง นี่คือความไม่แน่นอนของผู้ใช้ หากคุณไม่สามารถทำให้เส้นโค้งการรักษาลูกค้าของคุณแบนลงได้ แสดงว่าผลิตภัณฑ์ของคุณไม่มีความน่าดึงดูดใจ

สมมติว่าผู้ใช้ 100 รายที่สมัครใช้บริการของคุณในวันที่ 1 มกราคม มีอัตราการรักษาลูกค้าไว้ที่ 40% ภายในสิ้นเดือน อย่างไรก็ตาม ตัวเลขนี้ลดลงอย่างต่อเนื่อง และเมื่อถึงสิ้นเดือนที่ 2 ก็ไม่มีอะไรเหลือจากจำนวนเดิมเลย หากคุณมีกลุ่มประชากรตามรุ่นหรือผู้ใช้ที่จัดกลุ่มตามวันที่สมัครสมาชิก ซึ่งหมดเกือบทั้งหมดและไม่เคยลดระดับเลย คุณมี จริงจังปัญหา.

แล้วสิ่งนี้หมายความว่าอย่างไรสำหรับการเติบโตของคุณ?

ผู้ใช้ที่ใช้งานรายสัปดาห์ (WAU) ตามกลุ่มประชากรตามรุ่นรายเดือน (ข้อมูลสมมติ) แนวตั้ง: จำนวน WAU ทั้งหมด แนวนอน: กลุ่มประชากรตามรุ่นรายเดือน

ตอนแรกความสูงของคุณจะไม่ลดลง แต่เมื่อดูกราฟด้านบน คุณจะเห็นว่าเมื่อเวลาผ่านไป จำนวนผู้ใช้ที่ออกจะเพิ่มขึ้น และสิ่งนี้จะทำให้การเติบโตของคุณช้าลงในที่สุด หากคุณลากกราฟไปทางขวาต่อไป เส้นโค้งจะต้องตกลงอย่างแน่นอน ผู้ใช้จะออกจากเว็บไซต์/แอปของคุณในอัตราที่เพิ่มขึ้นเรื่อยๆ และคุณจะได้รับเว็บไซต์/แอปใหม่ในอัตราเดียวกัน

เมตริกหมายเลข 2 อัตราการรักษาลูกค้าต่อกลุ่มประชากรตามรุ่น

แบ่งผู้ใช้ตามวันที่เริ่มต้นใช้บริการของคุณและดำเนินการวิเคราะห์ตามรุ่น คุณต้องทำให้เส้นโค้งการรักษาผู้คงอยู่แบนลง ค้นหาจุดในเวลา (ไม่สำคัญว่าจะเป็นวันที่สองหรือสัปดาห์ที่สาม) เมื่อผู้ใช้หยุดการรั่วไหล

ดูการวิเคราะห์ตามรุ่น 2 รายการ:

ในระยะแรก การไหลออกจะค่อยๆ เริ่มในแต่ละกลุ่มจนกว่าจะไม่เหลือใคร แต่ในช่วงที่สอง เส้นการรักษาผู้ใช้จะคงที่ในวันที่ 12 และกลุ่มประชากรตามรุ่นใหม่แต่ละกลุ่มจะต่อยอดจากกลุ่มประชากรตามรุ่นที่เหลือจากกลุ่มรุ่นก่อนหน้า หากการวิเคราะห์ของคุณคล้ายกับการวิเคราะห์แบบแรก ให้มุ่งเน้นที่การสื่อสารคุณค่าของข้อเสนอให้กับลูกค้าให้ชัดเจนยิ่งขึ้นในระยะแรกของการรักษาลูกค้า เมื่อนั้นกราฟการเติบโตของคุณจะมีลักษณะดังนี้:

เมื่อคุณทำให้เส้นโค้งการรักษาลูกค้าของคุณแบนลงแล้ว คุณสามารถลงทุนเพื่อเร่งกระบวนการให้เร็วขึ้นได้ พยายามดึงดูดผู้ใช้ไปยังช่วงเวลา "อ้าาา!" ประมาณวันที่ 3 แทนที่จะเป็นวันที่ 12 ซึ่งอัตราการรักษาผู้ใช้เท่าเดิมจะเท่ากับผู้ใช้จำนวนมากขึ้น

ผู้ใช้ของคุณมีค่าอะไรบ้าง?

แม้ว่าคุณจะทำให้เส้นโค้งเรียบลง ไม่ช้าก็เร็วผู้ใช้จะเริ่มจากคุณไป เป้าหมายคือการตัดสินใจว่าเร็วเกินไปแค่ไหนและจะทำอะไรได้บ้างเพื่อรักษาไว้ได้นานขึ้น

มีตำนานว่าตราบใดที่มูลค่าตลอดอายุการใช้งานของลูกค้า (LTV) สูงกว่าต้นทุนการได้มาซึ่งลูกค้า (CAC) ตำแหน่งของคุณก็จะมีเสถียรภาพ กล่าวอีกนัยหนึ่ง ตราบใดที่คุณใช้จ่ายด้านการตลาดน้อยกว่ารายได้รวมที่คุณสร้างจากลูกค้าใหม่ คุณก็สบายดี

LTV > CAC = ☺

ทุกอย่างถูกต้องหรือไม่? เลขที่

สูตรนี้ใช้ได้ภายใต้สมมติฐานที่ไม่แม่นยำสองข้อ:

1. อัตราการปั่นคงที่ และ
2. ผู้ใช้ทั้งหมดจะออกไปในที่สุด

ดังที่ได้แสดงไว้ในบทที่แล้วเรื่องการไหลออก ไม่ใช่คงที่และคุณคงไม่อยากให้เป็นเช่นนั้น คุณทำงานเพื่อปรับปรุงเมตริกนี้อย่างต่อเนื่อง สำหรับสมมติฐานที่สองคุณหวังว่าจะได้ลูกค้าที่ ไม่เคยคุณจะไม่ถูกทอดทิ้ง

เมตริกหมายเลข 3 กำไรรวมตามรุ่น

แทนที่สูตรนี้ Open View Partners ซึ่งทำงานร่วมกับบริษัทสตาร์ทอัพซอฟต์แวร์ในระยะการขยาย ได้คิดค้นสูตรที่ได้รับการปรับปรุงเพื่อทำความเข้าใจคุณค่าของผู้ใช้ พวกเขาแนะนำให้ดูสิ่งที่เรียกว่ารายได้สะสมตามกลุ่มประชากร (CCR) และเปรียบเทียบกับ CAC CCR คือจำนวนรายได้ทั้งหมดที่เกิดจากส่วนแบ่งของลูกค้าที่คุณได้รับในช่วงเวลาที่กำหนด (ปกติคือ 12 หรือ 24 เดือน)

CCR ประจำปี = CCR ของกลุ่มประชากรตามรุ่นที่เกี่ยวข้องในเดือนที่ 12 / ค่าใช้จ่ายในการขายและการตลาดทั้งหมดในเดือนเริ่มต้นสำหรับกลุ่มประชากรตามรุ่นที่กำหนด

สูตรใหม่ประกอบด้วยระยะเวลาหนึ่ง รับรองว่าคุณจะเปรียบเทียบ ถูกต้องกำไรทั้งหมดจากกลุ่มประชากรตามรุ่นแต่ละกลุ่มด้วยจำนวนเงินที่คุณใช้จ่ายเพื่อให้ได้มา ไม่มีที่ว่างสำหรับการสันนิษฐานที่ผิด และคุณจะได้รับความเข้าใจที่แท้จริงว่าคุณและ CAC คุ้มทุนตรงไหน

การเปรียบเทียบ CCR และ CAC ระหว่างกลุ่มรุ่นต่างๆ จะแสดงให้คุณเห็นว่าจุดใดที่คุณได้รับการปรับปรุงเมื่อเวลาผ่านไป และคุณสามารถชดใช้ต้นทุนการได้มาซึ่งลูกค้าได้เร็วเพียงใด

อัตราการรักษาผู้ใช้เป็นสิ่งสำคัญ แต่ไม่ได้บอกเล่าเรื่องราวทั้งหมด ความจริงก็คือกระบวนการออกจากผู้ใช้อาจใช้เวลาหนึ่งนาที หนึ่งชั่วโมง หรือแม้แต่หนึ่งสัปดาห์หลังจากที่พวกเขาตัดสินใจครั้งแรกเกี่ยวกับผลิตภัณฑ์ของคุณ บางทีเขาอาจต้องการยกเลิกการสมัครสมาชิกแต่กลับลืมเรื่องนี้ไป หรือเขาตัดสินใจที่จะให้โอกาสผลิตภัณฑ์อีกครั้ง แต่สิ่งต่างๆ กลับไม่สำเร็จ

สมมติว่ากราฟการรักษาลูกค้าของคุณมีความชันที่น่าเป็นห่วง:

คุณสังเกตเห็นว่าการรักษาผู้ใช้ลดลงอย่างมาก แต่คุณไม่รู้ว่าเกิดอะไรขึ้น ดูเหมือนว่าเส้นโค้งจะสูงชันในวันที่ 14... แต่นี่เป็นเพราะข้อผิดพลาดร้ายแรงหรือผู้ใช้จำได้ว่าต้องการยกเลิกการสมัครสมาชิกหรือไม่

เมตริกหมายเลข 4 DAU/WAU/เมา

แทนที่จะดูเฉพาะการรักษาลูกค้า คุณควรดูการวิเคราะห์พฤติกรรมผู้ใช้ เธอเป็นคนเดียวที่จะอธิบายให้คุณฟังว่าใครเป็นคนกระตือรือร้นและเพิ่งสละเวลาในการยกเลิกการสมัคร

ในการทำเช่นนี้ คุณต้องดูระดับกิจกรรมของคุณ คุณต้องให้ความสนใจเป็นพิเศษกับหนึ่งในเมตริกต่อไปนี้ ทั้งนี้ขึ้นอยู่กับลักษณะของผลิตภัณฑ์ของคุณ:

ผู้ใช้ที่ใช้งานรายวัน (DAU)

ผู้ใช้ที่ใช้งานรายเดือน (MAU)

หากคุณค่าหลักของคุณมาจากการใช้งานรายวัน (คุณกำลังโปรโมตแอปส่งข้อความหรือตัวจัดระเบียบเวิร์กโฟลว์) คุณก็มุ่งเน้นไปที่ผู้ใช้ที่ใช้งานรายวัน หากค่าขึ้นอยู่กับการเช็คอินที่น้อยกว่า ให้ติดตาม WAU หรือแม้แต่ MAU

ไม่ได้เกิดขึ้นที่ผู้ใช้ทุกคนตื่นขึ้นมาในเช้าวันหนึ่งและตัดสินใจออกจากแอปพลิเคชันของคุณ การไหลออกมักจะนำหน้าด้วยกิจกรรมที่ลดลง กำหนดเกณฑ์มาตรฐานกิจกรรมสำหรับผู้ใช้ของคุณ และหากคุณไม่ได้เข้าใกล้พวกเขา ให้เริ่มกระบวนการมีส่วนร่วมอีกครั้งก่อนที่จะสายเกินไป

การป้องกันมากกว่าการรักษาอาการ

การใช้กลยุทธ์การรักษาลูกค้าใดๆ กับฐานของคุณอาจเป็นเรื่องที่น่าสนใจ ไม่ว่าคุณจะมีปัญหาในการเลิกใช้งานหรือไม่ก็ตาม แต่สิ่งนี้จะทำให้คุณแตกสลายและบรรลุผลเพียงเล็กน้อย ตัวชี้วัด 4 ตัวที่กล่าวถึงข้างต้นให้แนวคิดเกี่ยวกับวิธีการกำหนดเป้าหมายการเลิกใช้งานและดำเนินการตามมาตรการที่จำเป็นอย่างรวดเร็ว

เมื่อเมตริกเหล่านี้เริ่มแสดงผลลัพธ์ที่ยอดเยี่ยม คุณสามารถรวบรวมและมุ่งเน้นไปที่การดึงคุณค่าจากผู้ใช้ของคุณมากยิ่งขึ้น