Raman App Churn AI : Ketahui Alasan Pengguna Uninstall dan Tingkatkan Retensi rate Anda
Penguatan basis data secara konsisten selalu menjadi core kita dalam memberikan pengalaman customer yang berbeda-beda dalam skala besar di semua channel. Dengan hal tersebut, kita percaya salah satu channel yang paling kuat adalah mobile App. Kita menghabiskan waktu yang cukup lama untuk bisa mengembangkan secara nyata sebuah solusi yang bisa membantu Anda mempertahankan pengguna yaitu app churn management .
Coba kita lihat grafik akuisisi pelanggan di bawah ini:
Diatas sangat jelas terlihat, biaya pengeluaran dari customer cukup tinggi di App Anda.
Namun, bagaimana jika Anda ingin mengembangkan bisnis Anda tanpa menambah budget team marketing Anda?
Riset Bain & Company mengatakan bahwa tingkat retensi pengguna hanya dapat ditingkatkan 5% dan dapat meningkatkan keuntungan Anda sebesar 25% hingga 95%.
Untuk mempertahankan pengguna sendiri, Anda perlu melihat berapa banyak pengguna yang berhenti menggunakan aplikasi Anda, di mana mereka beralih ke App lain.
Jadi, bagaimana caranya Anda untuk bisa menganalisis penginstalan aplikasi dari pengguna setiap hari, setiap minggu, atau setiap bulan?
Pernahkah Anda mendengar jawaban seperti ini:
- Monitor angka uninstall app secara teratur
- Cari titik penurunan pengguna
- Bandingkan data untuk dianalisis
- Identifikasi penyebab churn dan lainnya
Pada kenyataannya, kita tahu, point2 diatas begitu sulit dan memakan waktu. Apalagi dalam menganalisis point monitoring uninstall app, karena didasarkan pada perilaku manusia yang tidak dapat diprediksi.
Jadi bagaimana solusinya?
Perkenalkan, AI Engine yang kita kenal dengan sebutan ‘Raman’, memiliki data-driven yang sangat cerdas dan analitis.
Dengan Raman perjalanan dalam memahami perilaku pengguna dan insight untuk mencegah uninstall ataupun churn bisa berjalan lancar.
Hal paling pertama dilakukan, Raman akan mengolah data pengguna app Anda dan mengklasifikasikan pengguna Anda saat ini ke dalam 5 kelompok:
- Hari ke-0 (hari yang sama setelah download) – uninstallation
- Hari ke-7 uninstallation
- Hari 15 uninstallation
- Hari 15+ uninstallation
- Pengguna yang bertahan
Mengklasifikasikan data pengguna Anda berdasarkan periode aktivitas uninstall mereka ini akan menambahkan konteks ke data yang lebih luas nantinya. Dengan adanya segment yang relevan ini, Anda akan jauh lebih mudah untuk mengidentifikasi pola.
“Namun ini berarti analisis cohort kan?”
Coba Anda lihat grafik cohort dengan kelompok berdasarkan bulan di bawah ini:
Kelompok sederhana berdasarkan bulan akan membantu Anda mengidentifikasi pola seperti di atas: pengguna yang uninstall di bulan pertama lebih besar daripada bulan-bulan terakhir, dll
Beberapa pertanyaan penting lainnya pun muncul,
“Bagaimana cara menggunakan informasi ini? “,” Apa yang harus saya lakukan dengan data ini? “,
Untungnya, mesin AI berbasis data ‘Raman’ kita dapat membantu Anda memecah data ini lebih lanjut. Jadi, Anda tidak akan terjebak di lingkaran hitam dalam menganalisis data.
Nah, setelah Raman mengklasifikasikan pengguna Anda tadi ke dalam 5 kelompok, dia akan membantu Anda mengungkap pola perilaku pengguna secara mendalam dan ada insight yang sangat actionable :
- Urutan Peristiwa
Setiap pengguna memiliki engage yang berbeda dengan aplikasi Anda. Semakin Anda memahami path atau urutan peristiwa/kejadian yang dilalui pengguna Anda menuju konversi – semakin besar kesadaran akan experience mereka, kemudian masalah yang mereka hadapi saat menggunakan aplikasi Anda, dan apa yang menyebabkan ketidakpuasannya.
Raman membantu Anda melacak path atau urutan peristiwa yang dilakukan oleh pengguna di aplikasi Anda; lihat grafik di bawah ini dari path yang diambil oleh pengguna, termasuk dalam ‘the day 0’ pengguna yang sudah uninstall:
Dengan grafik ‘Urutan Peristiwa’ diatas yang mendetail ini, Anda dapat memahami bahwa ada dua aktivitas dilakukan secara umum, yaitu ‘browsing’ dan ‘page view’ oleh pengguna Anda yang termasuk dalam bucket ‘Day 0 uninstallation’.
Dengan setiap aktivitas, Raman memberikan kepada Anda analisis path yang terperinci tentang pengguna Anda.
Misalnya:
Pengguna yang mendaftar di aplikasi Anda dan kemudian mulai menjelajahi konten – uninstall aplikasi Anda pada hari yang sama.
Raman insight ini membantu Anda memahami bahwa pengguna Anda tidak dapat dengan mudah menjelajahi dan menemukan konten yang menarik, sehingga mendorong mereka untuk langsung uninstall.
Kalau begini, smart marketer Anda harus coba berikan panduan app atau rekomendasi konten yang dipersonalisasi. Namun, masalahnya, konten mana yang harus direkomendasikan ? Tenang, Raman juga bisa melakukannya.
- Membedakan Peristiwa
Raman mengidentifikasi peristiwa berbeda yang dilakukan oleh ‘Pengguna yang mempertahankan’ vs. pengguna ‘Hari ke 0 uninstall’ .
Misalnya:
Dalam kasus aplikasi ‘OTT’, Raman akan membantu Anda mengidentifikasi peristiwa yang berbeda yang dilakukan oleh dua segmen; lihat contoh peristiwa di bawah ini:
Dengan insight diatas, Anda dapat dengan mudah mengidentifikasi bahwa pengguna mempunyai aktivitas berbeda yaitu ada yang view film komedi dan aksi lebih lama, dan lainnya. Anda juga dapat bertindak berdasarkan insight ini dengan mengirimkan rekomendasi konten-konten film komedi atau aksi kepada pengguna Anda untuk meningkatkan aplikasi.
Lihat, bagaimana Raman membantu Anda cover semua basis kan?
- Segmentasi
Seiring dengan pemahaman tentang perilaku pengguna di aplikasi Anda, penting untuk mengklasifikasikan semua pengguna Anda ke dalam segmen untuk menemukan kemungkinan perilaku mereka sejalan dengan tujuan bisnis Anda.
Berdasarkan niat pengguna untuk melakukan konversi activity seperti membeli, berlangganan, dll. Dan peristiwa pembeda yang dilakukan oleh mereka seperti ‘tambahkan ke wish list,’ tambahkan ke keranjang ‘, dll; Raman dapat segmentasi pengguna Anda dan memberi Anda insight yang dapat ditindaklanjuti ke dalam perilaku mereka yang paling mungkin sehubungan dengan KPI Anda.
Misalnya:
Lihat tabel di bawah ini, Raman telah mengelompokkan pengguna Anda ‘Loyalis’, ‘Penggemar Awal’, ‘Tertarik’, dan ‘Sisi Pembeli’. Dia selanjutnya memberikan hitungan tiap segmen dan uninstal.
Katakanlah KPI Anda adalah untuk mengidentifikasi pembeli dan pengguna yang mungkin akan mencopot pemasangan. Raman akan membantu Anda mengidentifikasi mereka, seperti ini:
Dengan segmentasi pengguna, pemasar seluler dapat memaksimalkan anggaran kampanye mereka dengan menargetkan pengguna yang tepat.
Sekarang Anda dapat berbicara langsung dengan mereka yang kemungkinan besar berkonversi, tanpa membuang-buang uang untuk tayangan atau pengguna yang bahkan belum siap untuk terlibat.
Dan, Anda dapat mempersonalisasi kampanye pemasaran dan prospek untuk lebih efektif dan memberikan pengalaman yang tak terlupakan sehingga membuat pengguna kembali lagi!
Cegah CAC melampaui CLTV Anda!
Pengguna saat ini adalah sumber informasi Anda yang tak ternilai harganya.
Mengurangi CAC Anda, meningkatkan CLTV Anda, dan meningkatkan retensi pengguna harus menjadi tujuan akhir Anda. Namun, Anda tidak dapat berhenti di situ jika Anda ingin mempertahankan pengguna yang kesulitan dalam jangka panjang.
Perubahan teknologi, kebiasaan, perilaku, kebutuhan, dan harapan pengguna Anda akan berubah. Sementara Anda berfokus pada peningkatan aplikasi Anda, memperbaiki bug, dan membuat aplikasi kickass untuk menyelesaikan masalah pengguna Anda?
Raman, dia akan mendukung Anda serta memastikan aplikasi Anda menjadi kebutuhan utama dalam hidup mereka.