Empezamos una nueva serie de posts para entrar en profundidad en el ámbito de las métricas de apps. Separaremos las métricas por familias para poder entender mejor la importancia de cada una de ellas y saber en qué debemos fijarnos a la hora de evaluar el éxito de una app en particular.
Como hemos visto en el post anterior, medir las descargas de una aplicación prácticamente no vale de nada. De hecho, se puede utilizar sólo como orientación de la popularidad de una app, pero no como un dato definitivo a la hora de analizar el éxito o fracaso de una aplicación. Y aunque siempre hay excepciones, en el ámbito mobile tiene mucho más potencial una app con 1.000 descargas que genera gran engagement que una app con un millón que es incapaz de mantener el interés de sus usuarios. Y si vuestro negocio depende de la entrada de un inversor, eso es lo único que van a mirar. Las descargas se compran, la retención es mucho más difícil de conseguir.
A continuación hablaremos sobre las métricas más utilizadas a nivel de usuarios, así que entraremos de lleno en los KPIs (Key Performance Indicator). Pero para hablar con propiedad, definamos antes un concepto básico del que siempre se habla en mobile:
Sesiones: una sesión es una apertura de una app. El tiempo de caducidad de una sesión varía de una aplicación a otra, ya que depende del tipo de app y del sistema operativo. De aquí derivan métricas que relacionan el número de sesiones que realiza un mismo usuario. El éxito de una app se puede medir por el número de sesiones, pero depende mucho del tipo de app, como podéis ver en este gráfico.
Vayamos ahora con las métricas.
MAU (Monthly Active Users)
Se refiere a los usuarios únicos que iniciaron sesión en la aplicación al menos una vez en el mes.
DAU (Daily Active Users)
Usuarios únicos que iniciaron sesión en un determinado día. Para llevar este indicador a un KPI mensual se promedia el DAU de todos los días del mes.
User Stickiness (DAU/MAU Ratio)
Esto es posiblemente uno de los indicadores más importantes de una aplicación, ya que mide el “fanatismo” de los usuarios y te indica el porcentaje de ellos que usa tu aplicación a diario, en otras palabra tu app forma parte de sus vidas!
Esta es una métrica muy usada por los desarrolladores de juegos, quienes consideran que un stickiness sobre el 20% habla de un juego “adictivo”. Para calcular el porcentaje sólo tienes que divir el DAU entre el MAU.
ARPU (Average Revenue Per User)
Es el ingreso medio que obtienes de cada usuario, así que sale de dividir Ingresos/Usuarios activos durante un período de tiempo determinado DAU (diarios) ó MAU (mensuales)
ARPPU (Average Revenue Per Paying User)
Con esto medimos el gasto medio por usuario entre los usuarios de pago. Es decir, para el ARPPU sólo consideramos a los usuarios de pago y calculamos la media de gasto que realizan en nuestra app. En el mundo de los juegos sólo suelen comprar alrededor de un 2-4% de los usuarios, pero su gasto es tan elevado que compensan al más del 90% de usuarios que no compran nada.
Es importante recalcar que si encontramos un segmento de usuarios más proclive a pagar, podremos elevar nuestros costes de adquisición teniendo en cuenta el ARPPU, que hará que el negocio siga siendo rentable.
Churn Rate
Mide los usuarios que vas perdiendo a lo largo del tiempo. Es una estadística clave para poder entender qué va a pasar con tus usuarios y con tus ingresos en el largo plazo. Es un clásico que los desarrolladores o los emprendedores cuenten a todos sus usuarios como si se fueran a quedar con ellos para siempre, enamorados ciegamente de su producto. Pero la realidad es muy distinta, y debemos saber cuántos usuarios vamos perdiendo por el camino para poder sacar métricas fiables a nivel de usuario.
Es muy difícil de establecer una media normal en cuanto a la pérdida de usuarios, depende de la categoría de la app, de si utilizas técnicas de engagement y demás. Lo importante es que en tus cálculos sepas cuantos usuarios necesitas captar para equilibrar la pérdida normal de usuarios que vas a sufrir.
La fórmula:
En este enlace tenéis información con algunas fórmulas para calcular este churn rate o tasa de pérdida de usuarios.
Retention Rate
La fórmula:
Retention Rate = 1 – Churn Rate
Con esta fórmula, podemos establecer el número de usuarios que retenemos, cuestión clave si nuestra app o negocio necesita de usuarios recurrentes (por ejemplo si monetizamos a través de publicidad o de in-app purchases consumibles como vidas, accesorios especiales, etc.). En este caso, si conocemos la retención y las 2 métricas que os mostramos a continuación, tendremos todos los ingredientes para saber si nuestra app es realmente una pequeña máquina de generar dinero o de consumirlo. Y llegar a tener este conocimiento debe ser el objetivo de todo aquel que se plantea lanzar una app en forma de negocio.
LTV (Lifetime Value)
Una métrica fundamental, es el dinero que seremos capaces de obtener de un usuario durante su vida útil como usuario de nuestra aplicación. Se compone de 2 variables, el ARPU y el Churn Rate, de ese modo, podemos calcular una estadística más fiable teniendo en cuenta el ritmo de pérdida de usuarios que vamos sufriendo y su impacto en los resultados.
CAC (Customer Acquisition Cost)
Aquí debes incluir los gastos en campañas de marketing para la captación de nuevos usuarios, por lo tanto la fórmula es sencilla, ya que no es más que la media:
Ya lo hemos comentado en otros posts, pero al final todo negocio se articula en base a la fórmula LTV>CAC, o lo que es lo mismo, el beneficio que te reporta un usuario es mayor que el coste de adquirirlo, la base de cualquier negocio próspero.
Con estas fórmulas básicas, podremos manejar perfectamente nuestra app/negocio. Sin conocer estos datos, será imposible saber si lo estamos haciendo bien, mal o regular. Ya que podemos generar muchas descargas, pero no tener ninguna retención, y eso, al final, hará que estemos tirando el dinero de captación.
Esperamos haber arrojado un poco más de luz sobre este tema, que seguramente volveremos sobre él, ya que es la clave de todo negocio. En el siguiente post os hablamos de Estadística de Uso