¿Cómo se define la retención en un negocio freemium?

La clave, como señala Quora User, es que necesita una cesta de métricas.

Primero, para la mayoría de las empresas freemium, encontrará que Todos los usuarios gratuitos no son remotamente iguales. Es decir, algunos se convertirán a una tasa muy alta: a menudo se cierran al instante, algunos solo en el último momento y otros nunca se convertirán en absoluto.

Entonces, si no los segmenta muy pronto, probará iniciativas que estén en desacuerdo entre sí.

En segundo lugar, es posible que desee considerar no contar una cancelación en los primeros 15-30-60, independientemente de los días como una métrica central. Especialmente si no puede reconocer ningún ingreso. Esto hará que su rotación parezca más grande de lo que realmente es. Si no se quedan más de X días como pagados, en realidad nunca se les pagó. Al menos como métrica primaria.

Tercero, no se preocupe por la rotación como número absoluto. Solo conduzca hacia abajo. Este es mi consejo número 1. Los negocios freemium, especialmente los negocios freemium de un solo asiento, y más especialmente, los negocios freemium de un solo asiento que venden a individuos y VSB, tienen una rotación muy alta. Todos ellos.

Entonces:

  • Calcule cuál es su tasa de rotación “orgánica” midiéndola de verdad.
  • Segmentalo.
  • Y luego conduzca hacia abajo en todos los segmentos.

Pero no se preocupe si los números absolutos son diferentes de alguna publicación de blog que le diga qué abandono debería ser.

Además, solo cambiar el embudo cambiará las tasas de conversión. Haga que sea más fácil entrar gratis, las conversiones serán más bajas. Aumente los obstáculos para usar la versión gratuita, puede tener conversiones más altas pero desde una base más pequeña.

Por lo general, en una especie de cohorte, fecha desde la primera interacción (por ejemplo, la retención del día 1 es el número de usuarios que regresaron al producto un día después de la primera interacción con él). Por lo tanto, la retención no es una métrica única, sino más bien una canasta de métricas, filtrada a través de varias dimensiones (por ejemplo, usuarios de la fuente X, en el país Z) y presentada como una curva.