• Compound
  • Posts
  • From Leak 💧 to Keep 🔐

From Leak 💧 to Keep 🔐

Cuál es el secreto detrás de la retención de usuarios de Airbnb, Netflix y Spotify (7 min)

Compound 🚀 #02 // “From Leak 💧 to Keep 🔐”

TL;DR

  1. Importancia de la retención de usuarios en una startup y cómo mejorarla.

  2. Una buena retención puede impulsar la adquisición y monetización, así como construir músculo competitivo.

  3. Mejorar la retención a través de la Activación + Engagement + Resurrección.

  4. Definir correctamente el problema que resolvemos para nuestros usuarios y cuál es la frecuencia natural en que usan el producto.

MJ: Futuristic startup hub with a colorful growth team fixing bad user retention

¿Cómo entender y mejorar la retención de usuarios como Netflix & Airbnb?

Antes de comenzar, resumo los key takeaways de los últimos dos capítulos, porque son las bases para este. La retencion impulsa:

  1. Impulsa Adquisición

    1. Cuanta mejor retención tenemos, mejor funcionan nuestras estrategias de adquisición (deep dive en próximo capítulo, pero… pista: Mejores múltiplos de growth en cada loop)

    2. Aceleramos el periodo de recupero del costo de adquisición (CAC Payback)

    3. Construye músculo competitivo (a nuestros competidores les cuesta más robarnos los usuarios)

  2. Impulsa Monetización:

    1. Mayor retención > tiempo del usuario > Puntos de monetización

    2. Mayor Engagement > Mayor retención

    3. Mayor Engagement > Valor percibido > Posibilidad de monetizar

A pesar de que todos conocen su importancia, muchas veces la retención es un asesino silencioso, dado que se requiere de una visión a largo plazo para evaluar correctamente sus efectos e impacto. Es muy fácil pensar que tenemos una buena retención (lo que se conoce como amplitud) sin tener engagement (lo que se conoce como profundidad).

Es crucial entender la retención y el engagement como bases, inputs o piezas claves para una buena adquisición y monetización.

Quien mejor que Michael Seibel (minuto 5:19 del video) para explicar que el growth es un problema que no podemos simplificar, hay que enfocarse en: growth, retention y profitability. La mejor forma de lograr el equilibrio entre estos 3 componentes es comenzando desde la retención

Siguiendo en línea con lo que comenta Seibel, un excelente ejemplo es como Duolingo logró re-encender el crecimiento para llegar a una gran IPO

Our first attempt at reigniting growth was focused on improving retention, i.e. fixing our “leaky bucket” problem

Vamos al grano, retención de usuarios, como se calcula? ¿Cómo se optimiza?

Let’s go!

Muchas de las dudas que nos surgen cuando empezamos a trabajar en la retención son:

  1. ¿Cómo elijo la métrica? ¿Cómo la defino? Puedo copiarme de otra startup?

  2. ¿Cuál es el valor correcto de retención una vez que ya se construyó la métrica?

  3. ¿Cómo la analizo y como la explico para lograr comunicar?

  4. ¿Como descubro dónde es que no retengo? ¿Cuáles son las principales áreas de impacto que tengo?

  5. ¿Cuáles son las principales palancas que tengo que tocar para mejorar la retención?

Así como la Retención, Adquisición y Monetización son inputs del modelo de growth… La Retención… Sí adivinaron, la Retención también es un Output.

Retención = Activación + Engagement + Resurrección.

Por lo tanto, para mejorar la retención, tenemos que mejorar los inputs. Es muy tentador comenzar a realizar hipótesis sobre cómo mejorar la retención y sus inputs, pero el primer paso es definir correctamente la retención.

En el capítulo anterior hablamos sobre medir la retención de acuerdo a, accion core, User y frecuencia, pero para llegar a ello hay que retroceder a lo más básico de cualquier startup y lo que todo Founder tiene que responder sin pensarlo (a menos que quieras espantar inversores/potenciales empleados).

¿Qué problema le resolvemos a nuestro usuario?

Existen varias formas de trabajar esto (ej amplitude), pero si realmente quieren hacer un deep dive les recomiendo aplicar en Reforge.

Lo principal es recorrer este proceso de adentro hacia afuera (de lo contrario, estaremos intentando optimizar algo que no sabemos que es. Probablemente definiendo mal la frecuencia, acción core o el usuario. Esto genera el efecto de la manzana podrida. Estamos buscando que la manzana brille por fuera pero no tenemos claridad de como esta en el interior

MJ:
Shiny outside layer but rotten inside out apple

  1. Conocer y definir problema: que resolvemos? como es natural que usen el producto?

  2. Medir: Crear métrica de retención

  3. Visualizar y analizar los resultados obtenidos

  4. Encontrar estrategias de mejora (de los inputs)

1. Conocer y definir el problema que le resolvemos al user

Es fundamental comenzar a recorrer este camino desde el interior. Desde el problema que le resolvemos al usuario y el entendimiento de cuál es la frecuencia natural de uso de nuestro producto.

  1. ¿Que problema tiene tu usuario, que estás intentando solucionar (foco en el problema)

  2. ¿Quién es el usuario? Descripción sintética

  3. ¿Porque te elige/elegiría?

  4. ¿Qué alternativas tiene?

  5. ¿Con qué frecuencia tiene este problema?

Luego de definidos estos pasos, es necesario validar la frecuencia contrastando con datos de los usuarios reales vs nuestra hipótesis (ej.: Si nuestra hipótesis fue que el usuario tiene este problema semanalmente, hay que validar que esté ingresando semanalmente a nuestro producto; en caso de que haya desacoples puede ser por varios motivos, pero muestra una clara señal de no haber alcanzado PMF, ni contar con algunos usuarios fieles que les guste tu producto).

Toda aquella frecuencia que esté fuera del mes, entra para el usuario en una interacción que puede olvidar, mientras que si está dentro del mes (interactuar con nuestro producto todos los meses del año), facilita el hábito. Tranquilo, si tu producto está en una interacción mayor al mes, hay estrategias para realizar (de mínima, crear un caso de uso de frecuencias hábito para potenciar tu producto core). De hecho en la imagen, coloque únicamente los casos de uso principales, faltan los de soporte de la propuesta de valor.

2. Definir métrica de retención. Cómo debemos medirla?

A preguntas como estas, en general se da el momento en el que aparece el mayor ruido/humo clásico de definir algo que nadie monitoreaba pero ahora todos quieren ser quienes lo definen.

  • Optimicemos el MRR que es lo que muestra el crecimiento!

  • Otro que sugiere utilizar DAU porque es lo que usa facebook

  • Otro sugiere que sea MAU porque en los gráficos vemos que todos los usuarios utilizan el producto al menos una vez al mes

Todos los caminos pueden ser válidos, algunos más acertados que otros, pero todo founder conoce muy bien su negocio, pueden dar un buen primer approach. No obstante, lo mejor es sustentarlo en dato, porque buscamos evitar poner una frecuencia muy alta/baja, combinar acciones core u engañarnos con solo optimizar el revenue.

Entonces, solo luego de validar con datos, que la frecuencia en la que dijimos que los usuarios tienen dicho problema, es en la que están utilizando nuestro producto, comenzamos este segundo paso:

Para definir la métrica, debemos definir la acción core

En el capítulo anterior habíamos revisado ejemplos como los de la imagen. Siendo entonces para AIRBNB… cuál es la acción core? Que el usuario navegue los listados 3 veces por año? que reserve al menos una noche en un año? Que reserve 20 noches?

En el caso de AIRBNB, se busca que el usuario reserve al menos una noche en el año. De esta forma lo consideran retenido. Para elegir la acción core = que reserve una noche, hay que validar que sea la acción que maximiza la retención.

Para ello, hay que tomar grupos (cohorts) de usuarios que hayan tenido éxito en dicha acción core y verificar cuantas semanas/meses/años (según caso de uso) se mantienen en la plataforma y con dicho gráfico validar cual es la acción core que mayor retención genera.

En el ejemplo de Pedidos YA, Mercado Libre, Agrofy o Zonaprop se imaginan cuáles son las métricas de retención? (solo puedo dar certeza de Agrofy, y prefiero no hacer hipótesis en vivo del resto. Feliz de tener algún insight sobre las demás; si esto llega a algún head de growth/product de estas empresas vamos con un “guest writer”)

3. Visualizar y analizar los resultados obtenidos

Una vez definida la métrica, hay que crear las formas de visualizarla. Y aquí la estrella es “Diagramas de cohorts” pero podemos utilizar varias herramientas:

Barras del ciclo de vida: Un simple gráfico de barras apiladas con el total de usuarios de cada periodo (sumando, activos, nuevos, bajas, recuperados)

Diagramas de cohort: Se conforma de separar por cohortes a los grupos de usuarios según el periodo en el que ingresaron (debe coincidir con la frecuencia natural de tu producto) y contar cada uno de ellos en el tiempo para ver cuantos retenemos (realizando la acción core). *Ver imagenes Pueden ser estilo simples:

O estilo completos

Aunque… en general cuando comenzamos a trabajar con cohorts, se hacen en excel y lucen algo como lo que incluí en el capítulo anterior o esta captura de Andrew Chen.

Y para aquellos que el modelo de datos ya escaló, les dejo un gran recurso, cohorts en R con las querys listas.

Curvas de retención: Mientras que esta última herramienta es la visualización de un único cohorts, o comparativa de cohorts en forma gráfica (pudiendo ser vs el promedio de la empresa). Y aprovecho el gráfico que sigue para comenzar a clarificar qué es una gran/buena/mala retención.

Todas estas visualizaciones se pueden armar en cantidad de usuarios retenidos, o para cantidad de usuarios churneados, en av. ticket o en revenue (para conocer la famosa “Net Dollar Retention”) y comprender si por mas que perdamos clientes, logramos hacer un upgrade del resto (much for unpack here! el revenue churn puede ser negativo).

Luego de todo esto, el próximo paso es comprender dónde está el problema, ¿está en el primer periodo? ¿Estamos mejorando la retención a medida que avanzamos o siempre empeora? ¿Hubo algún período que retuvimos mejor y no pudimos sostenerlo? que hicimos? El análisis tiene que ser en 3 niveles:

  1. Analisis High level: Tenemos buena, mala o excelente retención

  2. Tendencia de cohorts individuales: ¿Cómo cambia nuestra retención con el tiempo?

  3. Segmentación: cuales son potenciales áreas de mejora? Canales? Tipos de user?

Todos esos insights que obtenemos del análisis, tienen que ser observados desde la óptica de que la retención en el resultado y para mejorarla tengo que mejorar alguno de sus inputs:

Retención = Activación + Engagement + Resurrección.

Sneak peak al próximo capítulo? Activación, qué es y cómo se define el journey de activación. ¿Cómo maximizamos la cantidad de usuarios que descubre el beneficio de nuestro producto?

  1. Activación: Normalmente se puede ver en los primeros periodos (según frecuencia natural). Lo que buscamos es que el usuario llegue lo más rápido posible al Aha Moment! y luego repita la acción para generar un hábito. Si el hábito no se generó, este usuario no se considera activado por lo tanto si quieres mejorar aquí, se llama “reactivación”.

  2. Engagement: Una vez que el usuario ya fue activado, puede tener un engagement bajo, medio o alto (cada empresa segmenta diferente, más adelante llegaremos)

  3. Resurrección: Cuando el engagement baja demasiado, consideramos a los usuarios “dormidos” y luego churneados (cuando ya hicieron un hábito en contra de tu producto)

Por lo tanto, mejorar la retención, requiere entender dónde tenemos el problema, en la activación, en el engagement o en la resurrección? De acuerdo a ello, pasamos al próximo escalón:

Activación y estrategias de activación

Gracias por haber llegado hasta aquí! Con contenido de buena calidad, el apoyo de ustedes y un poco de suerte, espero que este pequeño granito de arena los ayude a tomar mejores decisiones en sus startups y/o trabajos.

Todo feedback es bienvenido! Nos vemos en los próximos lanzamientos

🏁 THE END 🏁