Flurry द्वारा स्पेस रिटेंशन

ऐसा लगता है कि मोबाइल अनुप्रयोगों और अंतरिक्ष के डेवलपर्स के लिए सबसे बड़ा विश्लेषणात्मक प्लेटफार्मों में से एक आम है? इस प्रश्न का उत्तर फ्लुर्री द्वारा इस लेख के अनुवाद में निहित है। पाठ के लेखक मैरी एलेन गॉर्डन, पीएचडी हैं और सिर्फ एक अत्यंत बुद्धिमान व्यक्ति हैं। मूल पाठ में प्रस्तुत विचार और परिकल्पनाएं हमें बहुत ही उचित लगती हैं, और इसके अलावा, हमारे व्यक्तिगत अनुभव से इसकी पुष्टि होती है।


मोबाइल ऐप डेवलपर्स को यह जानने के लिए अपने स्वयं के मैट्रिक्स की आवश्यकता है कि उनका ऐप दूसरों की तुलना में कैसा दिखता है।

यह समझने के लिए कि इसके लिए कौन से मेट्रिक्स का उपयोग करना है, Flurry ने दर्शकों और उसके आकार की वापसी के आंकड़ों के आधार पर एक अध्ययन किया। इसके अलावा, इन संकेतकों के संबंध और एक दूसरे पर उनके प्रभाव की डिग्री का मूल्यांकन किया गया था। उदाहरण के लिए, क्या बड़े उपयोगकर्ता आधार वाले ऐप्स में अधिक अवधारण है? क्या छोटे दर्शकों वाले ऐप को अधिक प्रतिधारण मिलता है क्योंकि वे एक संकीर्ण खंड पर ध्यान केंद्रित करते हैं?

नवंबर 2012 की शुरुआत तक 1,000 या अधिक सक्रिय उपयोगकर्ताओं (MAU) के दर्शकों के साथ अध्ययन में शामिल अनुप्रयोग (जो Flurry tracker का उपयोग करते हैं)। वे अनुप्रयोग जो परीक्षण मोड में हैं या अब समर्थित नहीं हैं, उन्हें नमूने से बाहर रखा गया था। फिर, एमएयू डेटा के आधार पर, अनुप्रयोगों को 3 समान आकार के समूहों में विभाजित किया गया था।

पहले समूह में सक्रिय उपयोगकर्ता की संख्या के साथ अनुप्रयोग शामिल थे = = 32,000, दूसरा> = 8,000 और तीसरा, क्रमशः, बाकी (0 <x <8000)।

अवधारण द्वारा समूहीकरण करते समय उसी दृष्टिकोण का उपयोग किया गया था। इस विश्लेषण के प्रयोजनों के लिए, अवधारण को उन लोगों के प्रतिशत के रूप में समझा जाना चाहिए, जिन्होंने आवेदन के पहले लॉन्च के बाद इसे अगले 30 दिनों में फिर से शुरू किया। पहले समूह में जाने के लिए, आवेदन में अवधारण दर कम से कम 37% होनी चाहिए। दूसरे समूह के लिए, 22% पर अवधारण सीमा निर्धारित की गई थी।

उसके बाद, ये दो मुख्य मैट्रिक्स (सक्रिय उपयोगकर्ता और अवधारण) एक दूसरे के साथ सहसंबद्ध थे। इसके बारे में क्या तुलनात्मक तालिका-चित्रण में देखा जा सकता है।


यदि हम मानते हैं कि सक्रिय उपयोगकर्ता और अवधारण दो विशेषताएं हैं जो एक दूसरे से बिल्कुल स्वतंत्र हैं, तो 9 श्रेणियों में से प्रत्येक में लगभग 11% एप्लिकेशन शामिल होंगे।
जैसा कि आप तालिका से देख सकते हैं, जो श्रेणियां मध्य में हैं वे इस टेम्पलेट के अंतर्गत आती हैं, लेकिन तालिका के किनारों पर स्थित श्रेणियां पूरी तरह से अलग व्यवहार करती हैं। इस प्रकार, श्रेणियों के बीच अनुप्रयोगों के वर्तमान वितरण के साथ, अनुमानित 11% से सांख्यिकीय रूप से महत्वपूर्ण विचलन हैं, जो हमें यह निष्कर्ष निकालने की अनुमति देता है कि ये परिकल्पनाएं जो एक दूसरे से स्वतंत्र हैं, गलत है।

15% एप्लिकेशन अत्यंत लाभकारी स्थिति में हैं, वे सक्रिय उपयोगकर्ताओं की संख्या और उनके बदले में पहले समूह से संबंधित हैं। इस तरह के अनुप्रयोगों को सुपरस्टार अनुप्रयोगों के रूप में वर्गीकृत किया जाता है क्योंकि वे दोनों आयामों में सफल होते हैं। ऐसे अनुप्रयोग चुने गए मुद्रीकरण मॉडल की परवाह किए बिना राजस्व उत्पन्न करते हैं।

एक और 17% एक विपरीत स्थिति में हैं: उनके पास बहुत कम सक्रिय उपयोगकर्ता हैं, और कम प्रतिधारण है। ऐसे अनुप्रयोग ब्लैक होल समूह से संबंधित हैं, और एक नियम के रूप में, ये नए अनुप्रयोग हैं जो अभी अपने उपयोगकर्ता आधार, या तो पुराने मरने वाले अनुप्रयोगों, या बस खराब तरीके से किए गए अप (और कुछ हैं) को विकसित करने के लिए शुरू हुए हैं।

शायद सबसे दिलचस्प अनुप्रयोग वे हैं जो तालिका के निचले दाएं और ऊपरी बाएं क्षेत्रों में थे। 6% नीचे "रेड ड्वार्फ" नाम प्राप्त हुआ - एक छोटे उपयोगकर्ता आधार को एक बहुत ही प्रभावशाली अवधारण द्वारा मुआवजा दिया जाता है। इस तरह के अनुप्रयोगों में कुछ और अधिक विकसित करने का एक बड़ा मौका है।

"शूटिंग स्टार्स" नाम के विपरीत 6%, उपयोगकर्ताओं की एक बड़ी संख्या के साथ अनुप्रयोगों के लिए निकले, लेकिन थोड़े प्रतिधारण के साथ, जो अंततः एप्लिकेशन के त्वरित लुप्त होती की ओर जाता है।


जाहिर है, आवेदन में बिताए जाने वाले समय की औसत मात्रा उच्च अवधारण वाले अनुप्रयोगों के लिए अधिक है। उदाहरण के लिए, सुपरस्टार एप्लिकेशन में उपयोगकर्ता शूटिंग स्टार्स एप्लिकेशन (98 बनाम 50 मिनट, क्रमशः) में दोगुना समय खर्च करता है। अवधारणाओं के बीच यह संबंध (अनुप्रयोग और प्रतिधारण में बिताया गया समय) को सांख्यिकीय रूप से महत्वपूर्ण माना जा सकता है।

उपयोगकर्ताओं की संख्या का अनुप्रयोग में बिताए समय के साथ भी संबंध है। यह समझना आसान है यदि आप प्रत्येक स्तंभ को ऊपर से नीचे तक देखते हैं। उदाहरण के लिए, यूजर्स रेड ड्वार्फ ऐप की तुलना में सुपरस्टार एप्लिकेशन में लगभग 50% अधिक समय बिताते हैं। हालाँकि, अवधारण सक्रिय उपयोगकर्ताओं की संख्या से अधिक अनुप्रयोग में बिताए गए समय को प्रभावित करता है।

इस अध्ययन से, मुख्य निष्कर्ष निकाला जा सकता है: सबसे महत्वपूर्ण संकेतकों में से एक जो डेवलपर्स को ध्यान देने की आवश्यकता है वह उपयोगकर्ताओं की वापसी है। इसके अलावा, डेवलपर्स के पास हमेशा अनुप्रयोगों को बदलने और पूरक करने और उनके साथ उपयोगकर्ता सहभागिता के तरीकों को बनाए रखने के लिए अवधारण को प्रभावित करने के तरीके होते हैं।

और इससे भी महत्वपूर्ण बात, यह अवधारण है जो एप्लिकेशन के राजस्व को उत्पन्न करता है, यह अवधारण और आवेदन में बिताए समय के बीच सीधे संबंध से साबित होता है।

एप्लिकेशन के अधिक लगातार उपयोग से इन-एप्स की संभावना बढ़ जाती है और विज्ञापन की प्रभावशीलता बढ़ जाती है। सीधे शब्दों में कहें, तो जितना बेहतर आवेदन किया जाता है, उतना ही यह उपयोगकर्ताओं को बेहतर देता है, जो बदले में इस एप्लिकेशन को विकसित करने की लागत को कम करता है। आवेदन से पहले उच्च प्रतिधारण को प्रदर्शित करने से पहले यातायात की आक्रामक खरीद बहुत महंगी गलती हो सकती है।

इसी समय, उपयोगकर्ताओं के उच्च रिटर्न के साथ आवेदन में मुंह के शब्द के माध्यम से वितरण का हर मौका होता है, जो सबसे प्रभावी, और सबसे महत्वपूर्ण, मुफ्त पदोन्नति चैनलों में से एक है। एक डेवलपर जितना अधिक समय और ऊर्जा को बढ़ाता रहता है, उतनी ही अधिक संभावना होती है कि उसका लाल बौना अंततः सुपरस्टार में बदल जाएगा।