MoEngageは、標準的なコホートチャートを超えたユーザーリテンションのより深い理解を得るための高度な分析を提供します。これにより、ユーザーのリターン行動や時間の経過に伴うエンゲージメントパターンのニュアンスを探ることができます。
最初の出現
ファーストオカレンスは、特定の日において、最初のイベントの後にリターンイベントを初めて実行するユーザーの割合を示します。これは、選択した日までリターンイベントを実行していないユーザーの割合です。ファーストオカレンスは、ユーザーがリターンイベントを実行するまでの時間を示します。より高い粒度を求める場合は、日ではなく時間、週、または月を選択してください。
たとえば、ユーザーがアプリをインストールした（最初のイベント）のは0日目です。ユーザーは1日目と2日目に購入（リターンイベント）を行わなかったため、これらの日に非アクティブとしてカウントされます。3日目にユーザーが初めて購入を行ったとき、ユーザーはリターンユーザーとしてカウントされます。3日目以降に何が起こるかは考慮しません。この分析は、ユーザーがアプリから離れていた時間を示すだけであり、戻ってリターンイベントを実行するまでの時間を提供します。
最初の出現を使用するタイミング
標準的なリテンション分析は、通常、初回イベントの後の特定の日、週、または月に、戻ってアクションを実行するユーザーの割合を示します。 最初の出現 初回再エンゲージメントのタイミングに焦点を当てた、より具体的な分析を可能にします。
分析が理解を必要とする場合は、この高度な機能を使用してください：
- 初回再エンゲージメントまでの時間: ユーザーが特定の戻るアクションを実行するのにどれくらいの時間がかかるかを知る必要があります f または最初のインタラクションの後の最初の時間 。
- アクティベーションタイムライン： 初期イベント（インストールやサインアップなど）と重要なフォローアップアクション（購入やコア機能の使用など）の最初のインスタンスとの間のレイテンシを測定したいです。
これが「最初の発生」オプションが特定の分析上の課題を解決する方法です：
- 何をするか： 特定の リターンイベント を 初めて 行うユーザーの割合を測定し、表示します。 特定の日、週、月、または最初の イベント を実行した後の時間においてです。ユーザーがそのリターンイベントを 一度 実行するのにかかる時間を特に追跡し、リターンイベントのその後の実行は無視します。
-
いつそれを使うか:
- 重要な洞察が、 までの時間の遅れを理解することです 初期 のアクティベーションまたは重要なアクション、単なる一般的な繰り返し行動ではありません。
- ユーザーが旅を始めてから特定のマイルストーンに初めて到達するまでの速さを測定するため。
- 特定の最初のアクションを促進するためのオンボーディングまたは初期エンゲージメントキャンペーンの効果を分析するため。
例 使用事例
このオプションを使用して解決できるいくつかのユースケース：
- 初回購入までの時間： アプリの インストール （最初のイベント）後、ユーザーが 購入 （リターンイベント）を初めて行う時期を把握するために、日次/週次/月次のコホートを追跡します。 これにより、新規ユーザーを購入者に転換するのにどれくらいの時間がかかるかを理解するのに役立ちます。 (最初のイベント)、ユーザーが 購入 （リターンイベント）を行うタイミングを確認するために、日次/週次/月次のコホートを追跡します 初めてのこと 。これにより、新しいユーザーを購入者に変えるのにどれくらいの時間がかかるかを理解するのに役立ちます。
- コア機能の採用遅延: アカウント登録 （最初のイベント）の後、ユーザーが最初に コア機能Xを使用した （リターンイベント）までに何日/何週間かかるかを特定します。これは、ユーザーが主要な機能をどれだけ早く発見し、利用するかを示しています。 (最初のイベント)、ユーザーが コア機能 X を使用 (戻りイベント) するまでに何日/週かかるかを判断します。これは、ユーザーが主要な機能をどれだけ早く発見し、関与するかを示しています。
- オンボーディング完了時間： オンボーディングフローを開始 （最初のイベント）後、ユーザーが初めて オンボーディングステップ5を完了 （戻りイベント）するまでにかかる時間を分析します。 (最初のイベント)、ユーザーが初めて オンボーディングステップ5を完了しました (リターンイベント) をトリガーするまでにかかる時間を分析します。
最初の発生オプションを活用することで、ユーザーが初回イベント後に重要なアクションを初めて実行するために必要な時間に関する正確な洞察を得ることができ、オンボーディングフロー、アクティベーション戦略、および初期エンゲージメントキャンペーンを最適化するのに役立ちます。